CN114971783A - 业务处理方法、装置、设备、程序产品及存储介质 - Google Patents

Abstract

本说明书实施例提供一种业务处理方法、装置、设备、程序产品及存储介质，所述业务处理方法包括：确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

Description

业务处理方法、装置、设备、程序产品及存储介质

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及业务处理方法、装置、设备、程序产品及存储介质。

背景技术

随着互联网技术的发展，越来越多互联网服务方搭建有服务端，业务方方为店铺方提供有店铺方客户端，店铺方可以通过该店铺方客户端展示商品信息至服务端，以发布其店铺内的商品。业务方还为用户提供客户端，用户可以通过客户端购买店铺方的商品，其中，用户还可以对店铺方的商品进行评价，用户的评价对于业务方具有重要作用，能够更好地提升对用户和对店铺的服务。基于此，需要优化用户评价功能，以向用户和店铺方提供更好的服务。

发明内容

为克服相关技术中存在的问题，本说明书实施例提供了业务处理方法、装置、设备、程序产品及存储介质。

根据本说明书实施例的第一方面，提供一种业务处理方法，所述方法包括：

确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

可选的，所述神经网络包括文本识别网络，所述文本识别网络的训练数据包括：预先标定的质量高于预设标准评价文本的正样本，以及预先标定的质量低于预设标准评价文本的负样本；

所述文本识别网络用于：提取所述评价文本的如下一种或多种特征：表征文本丰富度的特征、表征文本重复度的特征、情感特征、语义深度特征、文本语义与店铺商品的关联度特征或文本排版特征；以及利用所述提取的特征预测所述评价文本的质量是否高于预设标准评价文本。

可选的，所述表征文本丰富度的特征，包括如下一种或多种：字数特征、单词数量特征、短语数量特征或句子数量特征；

和/或，所述表征文本重复度的特征，包括如下一种或多种：文本中单词重叠率的特征、文本中短语重叠率特征或文本中句子重叠率特征。

可选的，所述神经网络包括图像识别网络，所述图像识别网络用于：

由图像美学子网络提取所述评价图像的特征后，对所述评价图像的美学分数进行预测；所述图像美学子网络的训练数据包括：从历史评价数据中获取的用户浏览信息满足设定查阅率条件的历史评价图像；

以及图像匹配子网络，用于预测所述评价图像与店铺商品的商品图像的匹配度；

根据所述美学分数、所述匹配度以及所述评价图像的数量，确定所述评价图像的质量。

可选的，所述识别出符合预设条件的店铺评价数据并进行展示的步骤之后，所述方法还包括：

获取如下一种或多种信息并展示：其他用户通过所述展示的店铺评价数据进入该店铺评价数据对应的店铺页面的访问信息、其他用户通过所述展示的店铺评价数据进入该店铺评价数据对应的店铺页面的订单转化信息、所述目标用户的店铺评价行为的变化信息。

根据本说明书实施例的第二方面，提供一种业务处理方法，所述方法包括：

检测到目标用户登录后，通过服务端确定所述目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，以供服务端识别出符合预设条件的店铺评价数据后进行推送。

根据本说明书实施例的第三方面，提供一种业务处理装置，所述装置包括：

确定模块，用于：确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

引导模块，用于：展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

展示模块，用于：获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

根据本说明书实施例的第四方面，提供一种业务处理装置，所述装置包括：

检测模块，用于：检测到目标用户登录后，通过服务端确定所述目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示模块，用于：展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

发送模块，用于：获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，以供服务端识别出符合预设条件的店铺评价数据后进行推送。

根据本说明书实施例的第五方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现第一方面或第二方面所述方法的步骤。

根据本说明书实施例的第六方面，提供一种计算机存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现第一方面或第二方面所述方法的步骤。

根据本说明书实施例的第七方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面或第二方面所述方法的步骤。

本说明书的实施例提供的技术方案可以包括以下有益效果：

本说明书实施例中，可以预先利用用户对店铺方的历史店铺评价数据确定出对店铺评价行为具有偏好的用户，因此这些用户可能能够提供较多较高质量的评价数据；基于此，设计了向这些目标用户在登录客户端后，向其展示用于引导所述目标用户参与店铺评价的引导信息，其中，引导信息用于链接至店铺评价页面，从而提醒和引导对店铺评价行为具有偏好的用户参与店铺评价，其中，所述引导信息用于链接至店铺评价页面，因此该引导既可满足用户的偏好，也可以对用户进行提醒，还能够便于用户进行店铺评价。并且，还设计了对这些用户所提及的评价数据进行识别，从而筛选出符合预设条件的店铺评价数据并进行展示；因此，上述方案既可以满足这些偏好店铺评价行为的用户的需求，也可以使业务方获取到符合预设条件的评价数据，例如较高质量的评价数据等，通过这些数据的展示，也为店铺方带来了更多的信息展示机会。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书根据一示例性实施例示出的一种业务场景示意图。

图2A是本说明书根据一示例性实施例示出的一种业务处理方法的流程图。

图2B是本说明书根据一示例性实施例示出的一种客户端的页面示意图。

图2C是说明书根据一示例性实施例示出的另一种业务处理方法的流程图。

图3是本说明书根据一示例性实施例示出的一种业务处理装置所在计算机设备的一种硬件结构图。

图4是本说明书根据一示例性实施例示出的一种业务处理装置的框图。

图5是本说明书根据一示例性实施例示出的一种业务处理装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。

在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，是本说明书根据一示例性实施例示出的业务场景示意图，包括有业务方、店铺方和用户。通常，业务方搭建有服务端，向店铺方提供有店铺方客户端，向用户方提供有用户方客户端，店铺方客户端和用户方客户端接入至服务端。店铺方可以利用店铺方客户端提供的功能开通店铺，即为店铺方配置有对应的店铺页面，店铺方在店铺中发布商品；用户可以利用用户方客户端进入各个店铺方的店铺页面，在店铺页面中可以购买店铺提供的商品等。通常，业务方还为用户提供对店铺方的评价功能，例如对店铺方的整体评价，或者是对店铺方的某件商品的评价等。评价的内容展示在店铺页面中，可以供进入店铺页面的各个用户查阅。

其中，用户的评价具有重要作用，例如，店铺页面中展示的评价可以供用户查阅，使用户了解店铺方的商品，帮助用户做出是否购买商品的决策；对于店铺方来说，高质量的评价可以吸引用户购买商品，可以为店铺方提供更高的曝光率等等。

基于此，业务方通常在用户与店铺方的商品订单结束后，在客户端的订单详情页面中提供评价功能，用户可以通过评价功能提交评价数据；其中，评价功能可以供用户提交一种或多种评价信息，例如可以包括表示商品质量好坏等的不同等级的评价，或者可以供用户提交图像信息，或者可以供用户提交文字信息等等。在另一些方案中，若用户在商品订单结束后的一定时间段后，用户未主动提交评价数据，业务方还可以在用户预先授权同意的情况下，根据设定的默认评价方式自动生成评价数据，例如默认最高级别的评价等等。

由此可见，如何获取到较好的用户的评价数据，对于业务方提升业务具有重要意义。

如图2A所示，图2A是本说明书根据一示例性实施例示出的一种业务处理方法的流程图，本实施例方法可应用于客户端或服务端，该方法可以包括以下步骤：

在步骤202中、确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户。

在步骤204中、展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面。

在步骤206中、获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

本实施例中，为了提醒用户提交店铺评价数据，也为了向用户提供高质量的店铺评价数据，实际应用中，不同用户对店铺评价行为的偏好不同，本实施例通过设计目标用户群体，该目标用户群体表示用户对店铺评价行为具有偏好，对属于目标用户群体的用户才执行后续的参与评价活动的引导。本实施例中，确定目标用户群体可以预先利用用户对店铺方的历史评价数据确定。

在一些例子中，用户对店铺方的历史评价，是用户与该店铺方的具有商品订单的情况下才进行的评价。本实施例中的商品，可以包括店铺方为用户提供的劳动产品，可以是有形的物品，也可以包括如家政、剪发或推拿等无形服务。本实施例中的商品信息，可以包括商品名称、商品类别、商品图片或商品价格等等，根据实际应用场景可以有多种不同的商品信息，本实施例对此不作限定。

在一些例子中，在用户授权同意的情况下，可以根据预设时间段获取各个用户对店铺方的历史评价数据，从获取的历史评价数据可以确定用户的多种与评价行为相关的信息。作为例子，与评价行为相关的信息可以包括在该预设时间段内进行历史评价的次数信息，例如可以是该预设时间段内进行历史评价的总次数，也可以是该预设时间段内在各家店铺进行历史评价的次数；还可以包括该预设时间段内进行历史评价的频率信息，例如该预设时间段内各家店铺进行历史评价的次数与店铺数量的比值，还可以是该预设时间段内进行历史评价的总次数与所有订单数量的比值等等。

在另一些例子中，历史评价数据还可以包括用户的评价内容；实际应用中，一些用户的评价内容可能质量不高，例如仅仅是少量的文本、或者是提交的文本与商品订单的商品信息不符等，这些低质量的评价数据显然不适合推送给用户，对用户了解店铺及其商品、或者对用户进行商品交易没有帮助，这些低质量的评价数据不符合用户期望，用户也不希望在这些低质量的评价数据上耗费时间查阅；基于此，本实施例还可以从历史评价数据筛选出符合预设条件的历史评价数据。

实际应用中，所述预设条件可以根据需要灵活配置，该预设条件可以包括表征店铺评价数据属于高质量的数据的条件，也可以包括表征店铺评价数据符合用户期望的数据的条件，也可以包括表征店铺评价数据对用户了解店铺信息、了解店铺的商品信息和/或在店铺进行商品交易具有贡献的条件等等。作为例子，预设条件可以有服务方预先配置，其可以包括一种或多种规则的任意组合等，例如可以包括评价文本的字数的规则、评价文本的语义的规则、评价文本与店铺信息匹配的规则、评价文本与店铺的商品信息匹配规则，评价图像的数量规则、评价图像的内容规则、评价图像的美学规则、评价图像与店铺信息匹配的规则或评价图像与店铺的商品信息匹配规则等等。或者，还可以是服务方预先准备质量高于预设标准的评价文本，预设条件可以包括与质量高于预设标准的评价文本的匹配规则；还可以是服务方预先准备质量高于预设标准的评价图像，预设条件可以包括评价图像与质量高于预设标准的评价图像的匹配规则等等。

在一些例子中，从历史评价数据筛选出符合预设条件的历史评价数据可以有多种方式实现；作为例子，可以通过人机交互界面向筛选历史评价的人员展示历史评价数据，并通过交互界面获取被选中的符合预设条件的历史评价数据。在其他例子中，还可以通过预设的筛选条件自动筛选出符合预设条件的历史评价数据，或者是预先训练神经网络，将历史评价数据输入至该神经网络中，由神经网络预测出该历史评价数据是否为符合预设条件的历史评价数据。

可选的，所述历史店铺评价数据包括评价文本和/或评价图像，符合预设条件的历史店铺评价数据，是通过训练好的神经网络对所述评价文本和/或所述评价图像确定的；其中，利用训练好的神经网络进行预测的实现方式，将在后续提供相应的实施例。

在其他例子中，确定目标用户群体还可以有其他约束条件，例如根据需要设定在某个地理范围内确定目标用户群体等等，本实施例对此不进行限定。或者，目标用户群体可以有一定的时效性，即根据设定时间段更新目标用户群体等。

上述目标用户群体的确定过程可以预先在服务端进行，服务端可以存储有目标用户群体中每一个目标用户标识。本实施例将属于目标用户群体的用户称为目标用户。针对步骤202，若服务端执行本实施例方案，当客户端检测到用户登录时，可以获取到登录用户的用户标识，服务端获取到客户端发送的登录用户的用户标识后，可以确定登录用户是否属于目标用户群体，即是否为目标用户。若客户端执行本实施例方案，服务端可以将确定结果发送给客户端，或者是只推送登录用户为目标用户的结果，不是目标用户可以不推送。因此，当目标用户登录客户端，客户端可以通过服务端确定其属于目标用户群体。

对于未属于目标用户群体的用户，本实施例可以未对其进行参与店铺评价的引导。对于目标用户，由于其对店铺评价行为具有偏好，因此本实施例可以执行步骤204，展示用于引导所述目标用户参与店铺评价的引导信息，从而提醒和引导对店铺评价行为具有偏好的用户参与店铺评价，其中，所述引导信息用于链接至店铺评价页面，因此该引导既可满足用户的偏好，也可以对用户进行提醒，还能够便于用户进行店铺评价。其中，本实施例的店铺评价包括用户对商品订单中所购买的商品的评价，基于此，确定用户属于目标群体后，还可以是确定目标用户具有商品订单后再执行步骤204。

在一些例子中，展示用于引导所述目标用户参与店铺评价的引导信息可以有多种实现方式；若本实施例由服务端执行，可以是服务端发送消息通知所述目标用户的客户端，以通过目标用户的客户端展示所述引导信息；其中，引导信息可以是预置于客户端，也可以是服务端推送给客户端。若本实施例由客户端执行，例如，目标用户的客户端展示的页面中包括主页和多个其他非主页的页面，本实施例的可以在客户端的任意页面中展示引导信息，从而用户在使用客户端时可以查阅到该引导信息。作为例子，可以是在客户端的首页或者是商品订单页面等一个或多个页面中展示等。

在一些例子中，引导信息用于链接至店铺评价页面，使得用户在查阅到引导信息时，可以通过引导信息快速地触发进入店铺评价页面中进行店铺评价。可选的，所述引导信息可以有多种实现方式，例如可以包括图像信息、文本信息、视频信息或语音信息等，该引导信息可以用于提醒用户参与店铺评价，以及提醒用户进行触发以直接链接至店铺评价页面。如图2B所示，是本说明书根据一示例性实施例示出的一种客户端的页面示意图，图2B中，目标用户的客户端页面中示出有一引导信息，该引导信息以“小喇叭”图像以及“写优质评价有机会赢30元红包”文本为例进行示意。

在展示引导信息后，可以获取所述目标用户在展示所述引导信息后的反馈数据。在一些例子中，目标用户可能并未触发该引导信息以进入店铺评价页面，本实施例的反馈数据可以包括上述记录目标用户未触发该引导信息以进入店铺评价页面的数据。在另一些例子中，目标用户也可能触发该引导信息进入店铺评价页面并进行评价，因此，所述反馈数据包括所述目标用户通过所述店铺评价页面提交的店铺评价数据。可选的，上述获取反馈数据的过程可以持续一定的时间，实际应用中可以根据需要灵活确定，本实施例对此不进行限定。

其中，当获取到所述目标用户通过所述店铺评价页面提交的店铺评价数据，本实施例可以识别出符合预设条件的店铺评价数据并进行展示；其中，识别符合预设条件的店铺评价数据的实现方式，可以如前述的从历史评价数据筛选出符合预设条件的店铺评价数据的实现方式一致。可选的，店铺评价数据包括评价文本和/或评价图像；其中，该评价图像可以是用户上传的图像，或者是用户上传的视频中的图像；所述符合预设条件的店铺评价数据，是通过训练好的神经网络对所述评价文本和/或所述评价图像确定的；其中，利用训练好的神经网络进行预测的实现方式，将在后续提供相应的实施例。示例性的，目标用户提交的店铺评价数据是否符合预设条件，可以是客户端将用户提交的店铺评价数据发送给服务端，由服务端执行识别过程。在其他例子中，客户端也可以预先配置预设条件筛选出用户提交的店铺评价数据是否符合预设条件，或者是预先配置有前述的训练好的神经网络，由神经网络进行识别等等。

示例性的，本实施例的识别出的符合预设条件的店铺评价数据的展示，可以是由服务端推送给各个用户的客户端进行展示。可选的，本实施例中，可以利用客户端的页面展示该识别出的符合预设条件的店铺评价数据；其中，店铺页面中也展示有该店铺评价或商品评价，与店铺页面不同，本实施例的用于展店铺评价数据的页面，可以展示所有被识别出的符合预设条件的店铺评价数据，也即是专用于展示店铺评价数据的页面，可以展示有多个店铺的店铺评价数据。作为例子，该页面可以是客户端首页，还可以是客户端首页的下一层级的页面等等；例如，客户端首页中提供有该页面的入口，通过该入口可以跳转至该页面，由于该入口在客户端首页中，从而用户可以在打开客户端后可以快速地进入该页面。

可选的，本实施例还可以对识别出符合预设条件的店铺评价数据的用户发放用户权益，本实施例的用户权益是指提供给用户的激励，用于促使用户执行业务行为，权益例如可以是优惠券、红包、积分、折扣卡、特价商品、虚拟资产等等，具体可以根据实际业务需求而灵活配置。

在一些例子中，在识别出符合预设条件的店铺评价数据并进行展示的步骤之后，所述方法还可包括：获取如下一种或多种信息并展示：其他用户通过所述展示的店铺评价数据进入该店铺评价数据对应的店铺页面的访问信息、其他用户通过所述展示的店铺评价数据进入该店铺评价数据对应的店铺页面的订单转化信息、所述目标用户的店铺评价行为的变化信息。本实施例中的步骤可以由服务端执行，通过获取上述信息，可以供服务方提升服务。其中，这些信息的展示可以是服务端推送至预设终端进行展示，该预设终端的使用者可以是服务方侧的相关人员，以供相关人员查阅，为服务方的业务优化提供帮助。例如，所述访问信息可以包括访问量；所述订单转化信息可以包括订单转化率，即订单数与访问量的比例；所述目标用户的店铺评价行为的变化信息，可以包括目标用户的评价次数的变化、目标用户的高质量店铺评价数据的变化等。基于此，通过获取这些信息，可以确定目标用户的店铺评价行为是否有增强，例如是否提高了店铺评价的次数等，或者，可以确定目标用户的店铺评价数据是否有增强，例如是否提高了高质量店铺评价数据的数量等；或者，还可以确定是否增强了店铺方的业务；例如，可以在展示符合预设条件的店铺评价数据后，确定是否给店铺方带来了更多的流量和订单的转化等等，从而优化后续的业务，例如确定是否增加或减少展示引导用户参与店铺评价的引导信息；或者是确定是否增加或减少向用户发放的权益；或者是确定通过发放权益后能够带来正向效果，例如目标用户的店铺评价行为有增强，提高了高质量店铺评价数据的数量，提高了店铺评价的次数，也为店铺带来了更多的流量和订单的转化等等。

示例性，在确定目标用户群体时，需要识别用户历史提交的店铺评价数据是否符合预设条件，实现时可以是服务端获取已有的历史数据后进行识别，以确定出目标用户群体。对于目标用户提交的店铺评价数据是否符合条件的识别，可以是客户端将用户提交的店铺评价数据发送给服务端，由服务端执行。接下来提供一实施例，以说明利用神经网络自动识别符合预设条件的店铺评价数据的实现方式。

本实施例中神经网络的任务是对输入的店铺评价数据进行打分，以确定该店铺评价数据是否为符合预设条件的评价数据。神经网络的训练过程可以是：先通过建模表示出一个模型，再通过构建目标函数对模型进行评价，最后根据训练数据及优化方法对目标函数进行优化，把模型调整到满足设定条件。本实施例中的神经网络的结构在实际应用中可以根据需要进行选择，例如卷积神经网络或循环神经网络等等，本实施例对此不进行限定。

在一些例子中，所述历史店铺评价数据包括评价文本和/或评价图像；所述对店铺评价行为具有偏好的用户，包括：历史提交过符合预设条件的店铺评价数据的用户；所述符合预设条件的店铺评价数据，是通过训练好的神经网络对所述评价文本和/或所述评价图像确定的。

识别符合预设条件的历史店铺评价数据，以及对用户上传的店铺评价数据并识别是否符合预设条件，可以采用同一训练好的神经网络来实现。其中，用户上传的店铺评价可以包括文本、图像或视频；其中，对于用户上传的一张或多张图像，可以选取部分或全部图像由神经网络进行识别。对于视频，可以将视频输入至神经网络，由神经网络从视频中提取所有图像或者提取部分图像进行预测；或者，也可以通过预先设定的提取算法提取部分图像后输入至神经网络中。可选的，以提取部分图像为例，可以预先设定提取图像的规则，例如可以是按照预设时间间隔提取图像，或者是每隔N帧图像进行提取；还可以是从视频中识别出部分图像，例如利用目标识别算法等从视频中识别出具有设定目标的图像，设定目标可以根据业务场景灵活确定，例如店铺商品等等，实际应用中可以根据需要灵活确定，本实施例对此不进行限定。

示例性的，可以针对文本设置一神经网络，本实施例称为文本识别网络，用于识别用户的评价文本是否符合预设条件；可以针对图像设置一图像识别网络，用于识别用户的评价图像是否符合预设条件。

在一些例子中，所述神经网络包括文本识别网络，所述文本识别网络的训练数据包括：预先标定的质量高于预设标准评价文本的正样本，以及预先标定的质量低于预设标准评价文本的负样本；

所述文本识别网络用于：提取所述评价文本的如下一种或多种特征：表征文本丰富度的特征、表征文本重复度的特征、情感特征、语义深度特征、文本语义与店铺商品的关联度特征或文本排版特征；以及利用所述提取的特征预测所述评价文本的质量是否高于预设标准评价文本。

本实施例中，可以预先准备用于训练的样本数据。样本数据可以包括正样本和负样本，其中，本实施例采用预设标准评价文本来设计正样本和负样本，其中，所述预设标准评价文本可以预先设定，该预设标准评价文本是指准确描述商品和/或店铺的评价文本，但该评价文本的质量并未较高，可能未能给用户了解店铺及其商品、做出商品交易决策具有较大贡献；其中正样本的质量高于预设标准评价文本，也即是正样本准确描述了被评价的商品和/或店铺，并且正样本具有较高质量，能够符合用户期望，用户会关注阅读该评价后，为用户了解店铺及其商品、做出商品交易决策具有贡献；负样本的质量低于预设标准评价文本，也即是负样本未准确描述被评价的商品和/或店铺，和/或负样本的可读性较差，用户不希望耗费时间阅读该评价，对用户了解店铺及其商品、做出商品交易决策未有贡献。

实际应用中，可以预先构建预设标准评价文本、正样本和负样本；示例性的，正样本和负样本可以预先从历史评价数据中人工挑选而获得，也可以是人工构建等等。例如，可以从历史评价数据中，基于用户阅读量和用户浏览时长等信息获取到正样本，例如用户阅读量较大和/或用户浏览时长较长的样本等等。

示例性的，某条预设标准评价文本可以是：味道很好，快递小哥很准时；正样本可以是：这个土豆味道太好吃了，酸辣可口，很下饭，而且送餐很准时，好评；负样本可以是：好吃。与预设标准评价文本质量等同的样本是：味道很不错，送餐也很准时。

在准备有上述样本数据后，可以利用样本数据对文本识别网络进行训练。实际应用中，可以根据需要设置文本识别网络的类型、结构或参数等，本实施例对此不进行限定。

训练过程的另一方面，是选取合适的特征；本实施例设计的特征包括：表征文本丰富度的特征、表征文本重复度的特征、情感特征、语义深度特征、文本语义与店铺商品的关联度特征或文本排版特征；实际应用中，可以设定神经网络从评价文本中提取上述一种或多种特征，从而使得神经网络准确地学习到高质量评价文本的特点，进而后续可以对输入的评价文本进行准确的识别。

示例性的，所述表征文本丰富度的特征，包括如下一种或多种：字数特征、单词数量特征、短语数量特征或句子数量特征；基于此，神经网络在训练时，可以统计评价文本的字数、单词数量、短语数量或句子数量中的一种或多种信息并转换为相应的特征进行学习，上述特征能够表征文本内容的丰富度，评价文本内容越丰富，评价文本质量较高，能符合预设条件，对用户具有帮助。

示例性的，所述表征文本重复度的特征，包括如下一种或多种：文本中单词重叠率的特征、文本中短语重叠率特征或文本中句子重叠率特征，上述特征能够表征文本内容中部分内容的重叠程度；实际应用中，有些用户在提交评价时，为了提交较多的字数，评价文本中有些内容的重复出现的，基于此，通过上述设计的特征，神经网络在训练时，可以提取表征文本重叠度的上述一种或多种特征，若表征文本重复度的特征较多，评价文本的质量可能较低，未能符合预设条件。

示例性的，评价文本的情感特征，用于描述用户对所评价的商品/店铺的看法或态度等，可以设置神经网络提取评价文本中的各个词语，通过分析词语的语义、词性或词语的上下文关联等确定得到；也可以预先配置符合所述预设条件的词语集，神经网络可以通过识别预设的词语集中各词语的情感特征，从而提取评价文本的情感特征。

示例性的，还可以包括评价文本的语义深度特征，表示了评价文本中，对于用户所评价的商品/店铺的文本语义的深度，语义深度与评价文本的质量正相关。还可以包括文本语义与店铺商品的关联度特征，其表示了文本语义与店铺商品是否关联，例如可以向神经网络输入店铺商品的名称、品牌或类目等信息，以使神经网路可以提取文本语义与店铺商品的关联度特征，文本语义与店铺商品的关联程度与评价文本的质量正相关。还可以包括文本排版特征，其表示了文本的排版信息，例如，文本内容是分段落还是全部作为一段，是否有合适的标点符号等等。

在一些例子中，所述神经网络包括图像识别网络，所述图像识别网络用于：

由图像美学子网络提取所述评价图像的特征后，对所述评价图像的美学分数进行预测；所述图像美学子网络的训练数据包括：从历史评价数据中获取的用户查阅率满足设定查阅率条件的历史评价图像；

以及图像匹配子网络，用于预测所述评价图像与店铺商品的商品图像的匹配度；

根据所述美学分数、所述匹配度以及所述评价图像的数量，确定所述评价图像的质量。

实际应用中，可以根据需要设置图像识别网络的类型、结构或参数等，本实施例对此不进行限定，作为一个例子，可以采用卷积神经网络等。

本实施例从图像美学、用户上传的图像与店铺商品图像的匹配程度，以及评价图像的数量三个维度来确定评价图像的质量，评价图像的质量与该评价图像符合用户期望具有正相关关系。

本实施例中，图像识别网络被设计为包括两个子网络：图像美学子网络和图像匹配子网络，分别用于对评价图像执行不同的任务。

本实施例中，图像美学子网络可以对输入的评价图像预测其美学分数，该图像的美学分数衡量了该图像对于用户的视觉吸引力；基于此，针对本实施例的业务场景，图像美学子网络的训练数据包括有从历史评价数据中获取的用户查阅率满足设定查阅率条件的历史评价图像，其中用户查阅率可以基于用户的历史点击率和/或用户的历史浏览信息确定，设定查阅率条件可以是查阅率大于设定查阅率阈值等，浏览信息可以包括每个用户的浏览时长或多个用户的浏览次数等等，因此历史点击率和/或用户的历史浏览信息与该图像的查阅率正相关，也与该图像对用户的视觉吸引力正相关，从而利用这些高质量的历史评价图像来训练图像美学子网络，使得网络能够学习到符合预设条件的图像的特点，从而具备预测输入图像的美学分数的能力。可选的，图像美学子网络的训练数据还可以包括其他图像，实际应用中根据需要可以灵活确定，本实施例对此不进行限定。可选的，图像的特征可以包括如下一种或多种特征：描述图像简洁性、清晰度、颜色、对比度或平均亮度的特征，还可以包括景深、景深、三分法则、区域对比度等等特征。实际应用中根据需要可以灵活配置。

本实施例中，图像匹配子网络可以预测所述评价图像与店铺商品的商品图像的匹配度，店铺方的店铺页面用于展示该店铺的商品，通常店铺方会店铺方上传各个商品的商品图像。而实际应用中，用户可能上传与所评价的商品不匹配的图像，基于此，可以识别用户所上传的评价图像是否与需评价的商品图像是否匹配，该匹配结果与该用户上传的评价图像是否符合预设条件具有关联，例如，匹配结果与质量正相关，若匹配结果越差，则评价图像的质量越差，不符合预设条件的概率越高。

本实施例中，还从图像数量的维度确定评价图像的质量，例如，图像数量与评价图像的质量正相关。

基于此，根据所述美学分数、所述匹配度以及所述评价图像的数量，可以确定所述评价图像的质量；可选的，可以根据需要设定这三种维度的权重，并基于预设计算方式计算出表示评价图像的质量的分数。或者，还可以设定确定所述评价图像的质量的规则，例如，对于匹配度的维度，其具有较高的优先级，若用户上传的评价图像与店铺商品的商品图像匹配度较差，则该评价图像大概率不符合预设条件，即使图像本身的美学分数可能较高，图像的数量较多，但由于与所评价的商品无关，因此评价图像的质量较低。若用户上传的评价图像与店铺商品的商品图像匹配度较高，可以接着确定美学分数，评价图像的数量，根据三者的权重确定评价图像的质量等等。实际应用中根据需要可以灵活确定，本实施例对此不进行限定。

在一些例子中，所述文本识别网络和图像识别网络可以独立训练及运行，也可以是两者连接并作为所述神经网络的子网络，本实施例对此不进行限定。

基于此，通过上述实施例，文本识别网络利用正样本和负样本训练后，其可以针对输入的评价文本，准确地识别评价文本是否符合预设条件。图像识别网络通过训练，其可以针对输入的评价图像，准确地识别评价图像是否符合预设条件。

在一些例子中，还可以基于文本识别网络对评价文件的预测结果，和/或基于图像识别网络对评价图像的预测结果，综合确定店铺评价数据是否符合预设条件。作为例子，可以根据需要设定这三种维度的权重，并基于预设计算方式计算出表示店铺评价数据的质量的分数，进而确定店铺评价数据是否符合预设条件。其中，上述实施例训练的文本识别网络和图像识别网络，可用于对历史评价数据是否符合预设条件进行识别，还可以用于对用户上传的评价数据进行识别，以确定是否对其进行展示。

由上述实施例可见，可以预先利用用户对店铺方的历史店铺评价数据确定出对店铺评价行为具有偏好的用户，因此这些用户可能能够提供较多较高质量的评价数据；基于此，设计了向这些目标用户在登录客户端后，向其展示用于引导所述目标用户参与店铺评价的引导信息，其中，引导信息用于链接至店铺评价页面，从而提醒和引导对店铺评价行为具有偏好的用户参与店铺评价，其中，所述引导信息用于链接至店铺评价页面，因此该引导既可满足用户的偏好，也可以对用户进行提醒，还能够便于用户进行店铺评价。并且，还设计了对这些用户所提及的评价数据进行识别，从而筛选出符合预设条件的店铺评价数据并进行展示；因此，上述方案既可以满足这些偏好店铺评价行为的用户的需求，也可以使业务方获取到较多的、较高质量的评价数据，通过这些数据的展示，也为店铺方带来了更多的信息展示机会。

如前所述，图2A的业务处理方法可以由客户端或服务端执行，如图2C所示，是本说明书根据一示例性实施例示出的另一种业务处理方法的流程图，包括如下步骤：

在步骤212中，检测到目标用户登录后，通过服务端确定所述目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

在步骤214中，展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

在步骤216中，获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，以供服务端识别出符合预设条件的店铺评价数据后进行推送。

本实施例从客户端作为执行主体的角度，描述了业务处理方法的执行过程。

其中，在步骤212中，客户端面向用户使用，用户使用客户端时，客户端可以获取到用户标识，并与服务端通信发起登录请求，服务端可以获取到该登录请求携带的用户标识。如前所述，服务端可以预先确定有目标用户群体，目标用户群体包括有多个目标用户的用户标识，可以根据登录请求携带的用户标识，与目标用户的用户标识进行匹配，从而确定客户端登录的用户是否属于目标用户群体，服务端可以将登录用户属于目标用户群体的确定结果发送给客户端，使得客户端得知当前登录用户属于目标用户群体，进而执行后续的步骤。

在步骤216中，客户端可以在确定当前登录用户属于目标用户群体后，获取引导信息并展示；可选的，所述引导信息可以是客户端预先配置的，也可以是客户端向服务端请求后，接收服务端发送的引导信息。

在步骤218中，客户端可以获取到目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，基于此，服务端可以识别出符合预设条件的店铺评价数据，之后推送给各个用户的客户端进行展示。

上述实施例的实现过程可以参考前述实施例的描述，对此不再赘述。

与前述业务处理方法的实施例相对应，本说明书还提供了业务处理装置及其所应用的计算机设备的实施例。

本说明书业务处理装置的实施例可以应用在计算机设备上，例如服务器或终端设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在业务处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书业务处理装置所在计算机设备的一种硬件结构图，除了图3所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外，实施例中业务处理装置331所在的计算机设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。

如图4所示，图4是本说明书根据一示例性实施例示出的一种业务处理装置的框图，所述装置包括：

确定模块41，用于：确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

引导模块42，用于：展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

展示模块43，用于：获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

在一些例子中，所述店铺评价数据包括评价文本和/或评价图像；所述对店铺评价行为具有偏好的用户，包括：历史提交过符合预设条件的店铺评价数据的用户；所述符合预设条件的历史店铺评价数据，是通过训练好的神经网络对所述评价文本和/或所述评价图像识别后确定的。

在一些例子中，所述神经网络包括文本识别网络，所述文本识别网络的训练数据包括：预先标定的质量高于预设标准评价文本的正样本，以及预先标定的质量低于预设标准评价文本的负样本；

所述文本识别网络用于：提取所述评价文本的如下一种或多种特征：表征文本丰富度的特征、表征文本重复度的特征、情感特征、语义深度特征、文本语义与店铺商品的关联度特征；以及利用所述提取的特征预测所述评价文本的质量是否高于预设标准评价文本。

在一些例子中，所述表征文本丰富度的特征，包括如下一种或多种：字数特征、单词数量特征、短语数量特征或句子数量特征；

和/或，所述表征文本重复度的特征，包括如下一种或多种：文本中单词重叠率的特征、文本中短语重叠率特征或文本中句子重叠率特征。

在一些例子中，所述神经网络包括图像识别网络，所述图像识别网络用于：

由图像美学子网络提取所述评价图像的特征后，对所述评价图像的美学分数进行预测；所述图像美学子网络的训练数据包括：从历史评价数据中获取的用户浏览信息满足设定查阅率条件的历史评价图像；

以及图像匹配子网络，用于预测所述评价图像与店铺商品的商品图像的匹配度；

根据所述美学分数、所述匹配度以及所述评价图像的数量，确定所述评价图像的质量。

在一些例子中，所述装置还包括信息获取模块，用于：在所述展示模块识别出符合预设条件的店铺评价数据并进行展示之后，获取如下一种或多种信息并展示：其他用户通过所述展示的店铺评价数据进入该店铺评价数据对应的店铺页面的访问信息、其他用户通过所述展示的店铺评价数据进入该店铺评价数据对应的店铺页面的订单转化信息、所述目标用户的店铺评价行为的变化信息。

如图5所示，图5是本说明书根据一示例性实施例示出的一种业务处理装置的框图，所述装置包括：

检测模块51，用于：检测到目标用户登录后，通过服务端确定所述目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示模块52，用于：展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

发送模块53，用于：获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，以供服务端识别出符合预设条件的店铺评价数据后进行推送。

相应的，本说明书实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现前述业务处理方法实施例的步骤。

相应的，本说明书实施例还提供了一种计算机存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现前述业务处理方法实施例的步骤。

相应的，本说明书实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现前述业务处理方法实施例的步骤。

上述业务处理装置中各个模块的功能和作用的实现过程具体详见上述业务处理方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该申请的保护范围内。

其中，“具体示例”、或“一些示例”等的描述意指结合所述实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。

应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (10)

1.一种业务处理方法，所述方法包括：

确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

2.根据权利要求1所述的方法，所述店铺评价数据包括评价文本和/或评价图像；

所述对店铺评价行为具有偏好的用户，包括：历史提交过符合预设条件的店铺评价数据的用户；

所述符合预设条件的店铺评价数据，是通过训练好的神经网络对所述评价文本和/或所述评价图像识别后确定的。

3.根据权利要求2所述的方法，所述神经网络包括文本识别网络，所述文本识别网络的训练数据包括：预先标定的质量高于预设标准评价文本的正样本，以及预先标定的质量低于预设标准评价文本的负样本；

所述文本识别网络用于：提取所述评价文本的如下一种或多种特征：表征文本丰富度的特征、表征文本重复度的特征、情感特征、语义深度特征、文本语义与店铺商品的关联度特征或文本排版特征；以及利用所述提取的特征预测所述评价文本的质量是否高于预设标准评价文本。

4.根据权利要求2所述的方法，所述神经网络包括图像识别网络，所述图像识别网络用于：

由图像美学子网络提取所述评价图像的特征后，对所述评价图像的美学分数进行预测；所述图像美学子网络的训练数据包括：从历史评价数据中获取的用户浏览信息满足设定查阅率条件的历史评价图像；

以及图像匹配子网络，用于预测所述评价图像与店铺商品的商品图像的匹配度；

根据所述美学分数、所述匹配度以及所述评价图像的数量，确定所述评价图像的质量。

5.一种业务处理方法，所述方法包括：

检测到目标用户登录后，通过服务端确定所述目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，以供服务端识别出符合预设条件的店铺评价数据后进行推送。

6.一种业务处理装置，所述装置包括：

确定模块，用于：确定登录客户端的目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

引导模块，用于：展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

展示模块，用于：获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，识别出符合预设条件的店铺评价数据并进行展示。

7.一种业务处理装置，所述装置包括：

检测模块，用于：检测到目标用户登录后，通过服务端确定所述目标用户属于目标用户群体，所述目标用户群体包括：预先利用用户对店铺方的历史店铺评价数据确定的、对店铺评价行为具有偏好的用户；

展示模块，用于：展示用于引导所述目标用户参与店铺评价的引导信息，其中，所述引导信息用于链接至店铺评价页面；

识别模块，用于：获取所述目标用户在展示所述引导信息后通过所述店铺评价页面提交的店铺评价数据，将所述店铺评价数据发送给服务端，以供服务端识别出符合预设条件的店铺评价数据后进行推送。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法的步骤。

9.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法的步骤。

Images