CN116308466B - 数据信息采集与智能分析方法、系统、设备和存储介质 - Google Patents
数据信息采集与智能分析方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN116308466B CN116308466B CN202310548305.5A CN202310548305A CN116308466B CN 116308466 B CN116308466 B CN 116308466B CN 202310548305 A CN202310548305 A CN 202310548305A CN 116308466 B CN116308466 B CN 116308466B
- Authority
- CN
- China
- Prior art keywords
- information
- purchase
- evaluation
- data
- bad
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 427
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012552 review Methods 0.000 claims description 79
- 238000012216 screening Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007728 cost analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0253—During e-commerce, i.e. online transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Abstract
本发明提供一种数据信息采集与智能分析方法、系统、设备和存储介质。所述方法包括:采集预设商品的购买数据;采集预设商品的广告信息;根据购买评价信息,划分为好评购买数据和差评购买数据;根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得问题反馈信息;根据问题反馈信息,生成智能质量分析报告。根据本发明,可采集预设商品的多种购买数据以及广告信息,增加数据类型,以及增加管理商品质量的功能,通过对以上数据的分析,可反馈预设商品的质量问题,且生成智能质量分析报告,便于经营者管理商品质量,提升用户的购买体验,减少损失客源的概率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据信息采集与智能分析方法、系统、设备和存储介质。
背景技术
在相关技术中,CN112200601A提供了一种物品推荐方法、装置及可读存储介质,该物品推荐方法包括:收集用户数据,并获取用户的标签数据,以生成用户画像,用户数据包括用户属性数据、用户行为数据;标签数据包括:用户种类、用户对物品的评价质量、用户评价倾向、用户兴趣偏好;将用户的标签数据送入物品推荐模型,并根据物品推荐模型的输出获取用户对没购买过的物品的预测评分值,且按预测评分值由高到低的顺序,向用户推荐预设数量个物品。该方案不但可以快速地找到用户喜好的产品,满足用户的个性化需求,提升用户的购物效率,而且,提升信息分发效率,实现平台产品流量均衡。
CN115564498A提供一种基于大数据多维模型经营决策支持系统,系统包括数据采集模块、业绩比较模块、消费者迎合度计算模块和成本分析模块;数据采集模块,用于采集平台消费者的参数信息;业绩比较模块,用于计算被评估年的总销售营业利润;消费者迎合度计算模块,用于计算平台根据大数据推送给不同的消费者的被评估的商品j的消费者购买比率;所述成本分析模块,用于计算平台运营所需要的成本;控制模块,用于做出第二年是否继续售卖该商品的决策。可以基于大数据分析计算技术,通过数据采集模块大数据采集平台消费者的参数信息,对被评估的商品的销售效果进行评价,进而由控制模块向经营者发出第二年是否继续售卖该商品的决策支持建议。
CN115545757A提供一种用于电商交易主体的行为数据智能模拟方法,涉及电商交易数据处理技术领域;所述模拟方法包括如下步骤:获取企业端商品交易历史数据;对企业端商品交易历史数据的出货时长、运送时长以及评分信息进行处理,得到企业端交易行为参考结果;获取用户端商品交易历史数据;对用户端商品交易数据的退货信息、换货信息以及评价信息进行处理,得到用户端交易行为参考结果;通过对企业端的销售数据和用户端的购买数据进行分析后并整合,再结合商品销售信息,能够对商品的销售情况进行有效的预估模拟,以解决现有的电商交易过程中对于商品的有效销售情况的预测性不足,导致售后服务的分配投入存在滞后的问题。
综上,相关技术中可通过大数据技术对电商数据进行采集和分析,从而帮助用户进行购买决策,或帮助经营者进行经营决策,但数据能够提供的辅助功能不够完善,无法帮助经营者管理商品质量,易造成质量问题的疏忽导致用户购买体验不佳的情况,以及经营者损失客源的情况。
公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明实施例提供一种数据信息采集与智能分析方法、系统、设备和存储介质,能够帮助经营者管理商品质量。
本发明实施例的第一方面,提供一种数据信息采集与智能分析方法, 所述方法用于服务器,包括:
采集预设时间段内多次购买预设商品的购买数据,其中,所述购买数据包括购买时间、购买者信息、购买评价信息、购买价格信息;
采集所述预设商品的广告信息,其中,所述广告信息包括预设商品的广告文本信息、属性数据以及广告图像;
根据所述购买评价信息,将所述购买数据划分为好评购买数据和差评购买数据;
根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息;
根据所述问题反馈信息,生成所述预设商品的智能质量分析报告。
在本发明的实施例中,根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息,包括:
对好评购买数据的购买价格信息进行统计,获得第一平均价格信息;
根据差评购买数据的购买价格信息,以及所述第一平均价格信息,确定差评购买者的价格接受度;
确定所述差评购买数据的购买评价信息中是否包括差评图像;
在所述差评购买数据的购买评价信息中包括差评图像的情况下,根据所述差评购买数据的购买评价信息的差评文本信息,以及所述预设商品的类型,确定差评图像能否呈现差评要素;
在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息;
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息。
在本发明的实施例中,在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:
通过图像生成网络模型,根据所述广告图像、所述好评购买数据的购买评价信息中的好评图像以及所述差评图像,生成第一参考图像,其中,所述第一参考图像为与所述差评图像视角相同,但所呈现的预设商品不存在质量问题的图像;
获取所述差评文本信息的语义特征信息,以及所述第一参考图像的参考特征信息和所述差评图像的第一特征信息;
根据所述语义特征信息,对所述参考特征信息和所述第一特征信息进行加权处理,获得所述参考特征信息对应的参考加权特征信息,以及所述第一特征信息对应的第一加权特征信息;
确定所述参考加权特征信息和所述第一加权特征信息的第一相似度;
根据所述差评文本信息、所述广告文本信息和所述属性数据,获得第一文本评价分数;
根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数,包括:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为所述第一文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,β为预设参数,S1为所述第一相似度。
在本发明的实施例中,在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:
根据所述差评文本信息、所述广告文本信息、所述属性数据和所述好评购买数据的购买评价信息的好评文本信息,获得第二文本评价分数;
根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数,包括:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为第二文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,vk为在所述好评文本信息中正面表达,且被差评文本信息否定表达的第k个属性的权重,K为在好评文本信息中正面表达,且被差评文本信息否定表达的属性类别总数,vk=在多个好评文本信息中正面表达的第k个属性的表达文本总字数/存在对于第k个属性的表达文本的好评文本信息的总字数,γ为预设参数。
在本发明的实施例中,根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息,包括:
在多个差评购买数据中,筛选出所述质量分数低于预设分数的目标差评购买数据;
对所述目标差评购买数据的差评文本信息中进行否定表达的属性进行统计,获得属性统计结果;
根据所述属性统计结果,获得所述问题反馈信息。
本发明实施例的第二方面,提供一种数据信息采集与智能分析系统,所述系统设置于服务器,所述系统包括:
购买数据模块,用于采集预设时间段内多次购买预设商品的购买数据,其中,所述购买数据包括购买时间、购买者信息、购买评价信息、购买价格信息;
广告信息模块,用于采集所述预设商品的广告信息,其中,所述广告信息包括预设商品的广告文本信息、属性数据以及广告图像;
划分模块,用于根据所述购买评价信息,将所述购买数据划分为好评购买数据和差评购买数据;
问题反馈模块,用于根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息;
报告模块,用于根据所述问题反馈信息,生成所述预设商品的智能质量分析报告。
在本发明的实施例中,所述问题反馈模块进一步用于:
对好评购买数据的购买价格信息进行统计,获得第一平均价格信息;
根据差评购买数据的购买价格信息,以及所述第一平均价格信息,确定差评购买者的价格接受度;
确定所述差评购买数据的购买评价信息中是否包括差评图像;
在所述差评购买数据的购买评价信息中包括差评图像的情况下,根据所述差评购买数据的购买评价信息的差评文本信息,以及所述预设商品的类型,确定差评图像能否呈现差评要素;
在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息;
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息。
在本发明的实施例中,所述问题反馈模块进一步用于:
通过图像生成网络模型,根据所述广告图像、所述好评购买数据的购买评价信息中的好评图像以及所述差评图像,生成第一参考图像,其中,所述第一参考图像为与所述差评图像视角相同,但所呈现的预设商品不存在质量问题的图像;
获取所述差评文本信息的语义特征信息,以及所述第一参考图像的参考特征信息和所述差评图像的第一特征信息;
根据所述语义特征信息,对所述参考特征信息和所述第一特征信息进行加权处理,获得所述参考特征信息对应的参考加权特征信息,以及所述第一特征信息对应的第一加权特征信息;
确定所述参考加权特征信息和所述第一加权特征信息的第一相似度;
根据所述差评文本信息、所述广告文本信息和所述属性数据,获得第一文本评价分数;
根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,所述问题反馈模块进一步用于:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为所述第一文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,β为预设参数,S1为所述第一相似度。
在本发明的实施例中,所述问题反馈模块进一步用于:
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:
根据所述差评文本信息、所述广告文本信息、所述属性数据和所述好评购买数据的购买评价信息的好评文本信息,获得第二文本评价分数;
根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,所述问题反馈模块进一步用于:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为第二文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,vk为在所述好评文本信息中正面表达,且被差评文本信息否定表达的第k个属性的权重,K为在好评文本信息中正面表达,且被差评文本信息否定表达的属性类别总数,vk=在多个好评文本信息中正面表达的第k个属性的表达文本总字数/存在对于第k个属性的表达文本的好评文本信息的总字数,γ为预设参数。
在本发明的实施例中,所述问题反馈模块进一步用于:
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息,包括:
在多个差评购买数据中,筛选出所述质量分数低于预设分数的目标差评购买数据;
对所述目标差评购买数据的差评文本信息中进行否定表达的属性进行统计,获得属性统计结果;
根据所述属性统计结果,获得所述问题反馈信息。
本发明实施例的第三方面,提供一种数据信息采集与智能分析设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行所述数据信息采集与智能分析方法。
本发明实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现所述数据信息采集与智能分析方法。
根据本发明的实施例的数据信息采集与智能分析方法,可采集预设商品的多种购买数据以及广告信息,增加数据的类型,以及增加管理商品质量的功能,通过对以上数据的分析,且在分析过程中,增加了广告宣传被否定的情况的重要性,且考虑了时间因素、价格因素、被差评的属性的质量问题属于偶然现象的可能性等多种因素,使得质量分数的评价更为客观和准确,可反馈预设商品的质量问题,且生成智能质量分析报告,便于经营者管理商品质量,提升用户的购买体验,减少损失客源的概率。
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,而非限制本发明。根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将更清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例,
图1示例性地示出本发明实施例数据信息采集与智能分析方法的流程示意图;
图2示例性地示出本发明实施例数据信息采集与智能分析系统的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示例性地示出本发明实施例数据信息采集与智能分析方法的流程示意图,所述方法用于服务器,如图1所示,所述方法包括:
步骤S101,采集预设时间段内多次购买预设商品的购买数据,其中,所述购买数据包括购买时间、购买者信息、购买评价信息、购买价格信息;
步骤S102,采集所述预设商品的广告信息,其中,所述广告信息包括预设商品的广告文本信息、属性数据以及广告图像;
步骤S103,根据所述购买评价信息,将所述购买数据划分为好评购买数据和差评购买数据;
步骤S104,根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息;
步骤S105,根据所述问题反馈信息,生成所述预设商品的智能质量分析报告。
根据本发明的实施例的数据信息采集与智能分析方法,可采集预设商品的多种购买数据以及广告信息,增加数据的类型,以及增加管理商品质量的功能,通过对以上数据的分析,可反馈预设商品的质量问题,且生成智能质量分析报告,便于经营者管理商品质量,提升用户的购买体验,减少损失客源的概率。
在本发明的实施例中,所述方法可用于电商平台的服务器中,可用于管理某个或某些电商经营者的商品质量,和/或帮助电商经营者改善商品质量。电商经营者可请求电商平台帮助提供某种预设商品的智能质量分析报告,或者,电商平台可在检测到某个或某些的电商经营者的某种商品的差评率较高的情况下,向电商经营者发送该种商品的智能质量分析报告。本发明对所述方法的应用场景不做限制。
在本发明的实施例中,在步骤S101中,可采集预设时间段内多次购买预设商品的购买数据,在采集过程中,可不局限于某一商家,而是针对预设商品的类型,采集多个商家甚至电商平台上所有商家的购买数据,从而可扩大数据量,使得数据的分析结果具有统计学意义。所述预设时间段可由商家或电商平台来设置,例如,一周、一个月、一个季度等,本发明对预设时间段的长度不做限制。
在本发明的实施例中,所述购买数据可包括购买预设商品的购买时间、购买者信息(例如,购买者的标识信息、购买者的位置信息等)、购买评价信息(例如,购买者给出的好评还是差评的结论、购买者的评价文本信息、以及购买者上传的预设商品的图像)和购买价格信息。可通过以上多个维度的信息,提升预设商品的问题反馈信息和智能质量分析报告的准确性、可靠性和客观性。
在本发明的实施例中,在步骤S102中,可采集预设商品的广告信息,例如,某个商家的预设商品的差评率较高,则可采集该商家针对预设商品的广告信息,或者,某个商家请求平台提供智能质量分析报告,则可采集该商家针对预设商品的广告信息。又或者,可采集多个商家针对预设商品的广告信息。本发明对广告信息的来源不做限制。
在本发明的实施例中,所述广告信息可包括广告文本信息(例如,商家针对预设商品广告宣传用语等)、属性数据(例如,对于预设商品的介绍文本或数据表格等,例如,对于预设商品的功能介绍文本、外观介绍文本、规格参数等)和广告图像(例如,商家对于预设商品拍摄的图像或者商品厂家附带的图像等),广告图像通常可展示预设商品的良好的状态,即,广告图像为不存在质量问题的预设商品的图像。
在本发明的实施例中,在步骤S103中,可将购买数据划分为好评购买数据和差评购买数据,可按照购买评价信息来划分,例如,如上所述,购买评价信息可包括好评还是差评的结论,例如,购买者选择好评还是差评的按钮、购买者的评分、或者购买者给出的星级等,本发明对评价方式不做限制。可基于好评还是差评的结论将购买数据划分为好评购买数据和差评购买数据。其中,好评购买数据可作为参考数据,差评购买数据可用于分析差评原因,使得两种购买数据均在分析过程中具有实质作用,而不是仅仅分析差评购买数据,从而充分利用采集的数据。
在本发明的实施例中,在步骤S104中,可根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息。在分析差评购买数据时,可采用单一商家的差评购买数据,从而为该商家的预设商品存在的质量问题提供数据依据。在而好评购买数据则可选择多个商家对于预设商品的好评购买数据,从而提升数据量,提高数据的可靠性和客观性。
在本发明的实施例中,步骤S104可包括:对好评购买数据的购买价格信息进行统计,获得第一平均价格信息;根据差评购买数据的购买价格信息,以及所述第一平均价格信息,确定差评购买者的价格接受度;确定所述差评购买数据的购买评价信息中是否包括差评图像;在所述差评购买数据的购买评价信息中包括差评图像的情况下,根据所述差评购买数据的购买评价信息的差评文本信息,以及所述预设商品的类型,确定差评图像能否呈现差评要素;在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息;在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息。
在本发明的实施例中,可确定差评购买者的价格接受度,价格接受度可表示差评购买者对于购买价格的接受程度。例如,可对好评购买数据的购买价格信息进行统计,获得第一平均价格信息,并基于差评购买者的购买价格与第一平均价格信息之间的差距来表示购买价格的接受程度,如果差评购买者的购买价格高于第一平均价格信息,则差评购买者的购买价格与第一平均价格信息之间的差距越大,则差评购买者对于购买价格的接受程度越低。并且,差评购买者的购买价格与第一平均价格信息之间的差距越大,则可表示差评购买者的购买价格越贵,而购买价格越贵,则对于相同的质量问题的容忍程度越低。因此,价格接受度还可表示对于质量问题的容忍程度,价格接受度越低,则对于质量问题的容忍程度越低,即,对于质量问题的评价越低。
在本发明的实施例中,可确定差评购买数据的购买评价信息中是否包括差评图像,即,差评购买者是否上传了关于预设商品出现质量问题的图像。如果包括差评图像,则可确定差评图像是否能呈现差评要素,即,出现差评的原因是否能够通过图像来呈现,如果不能呈现,则该差评图像的也难以反映出质量问题,则在后续处理中不采用该差评图像,如果能够呈现出差评要素,则可采用该差评图像来进行后续确定问题反馈信息的处理。
在本发明的实施例中,可使用差评购买数据的购买评价信息的差评文本信息和预设商品的类型来确定差评图像能否呈现差评要素。在示例中,可通过差评文本信息来确定差评原因是否为外观原因,例如,外壳或结构损坏、断裂、出现色差等,这些原因可被确定为外观原因,通常可通过差评图像来呈现差评原因。而如果预设商品的类型为电子产品,通过差评文本信息来确定差评原因为性能原因,例如,性能与广告宣传不符,或者器件与广告宣传不符等(例如,芯片、镜头等与商家的广告宣传不符),这些原因为性能原因,即使存在差评图像,该图像也无法呈现出差评原因。上述通过差评文本信息来确定差评原因的处理可通过预训练的自然语言处理模型来执行,本发明对确定差评原因的具体方法不做限制。
在本发明的实施例中,如果差评购买数据的购买评价信息中包括差评图像,并且差评图像能够呈现差评要素,即,能够反映质量问题,则可使用差评图像作为问题反馈信息的参考信息。在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:通过图像生成网络模型,根据所述广告图像、所述好评购买数据的购买评价信息中的好评图像以及所述差评图像,生成第一参考图像,其中,所述第一参考图像为与所述差评图像视角相同,但所呈现的预设商品不存在质量问题的图像;获取所述差评文本信息的语义特征信息,以及所述第一参考图像的参考特征信息和所述差评图像的第一特征信息;根据所述语义特征信息,对所述参考特征信息和所述第一特征信息进行加权处理,获得所述参考特征信息对应的参考加权特征信息,以及所述第一特征信息对应的第一加权特征信息;确定所述参考加权特征信息和所述第一加权特征信息的第一相似度;根据所述差评文本信息、所述广告文本信息和所述属性数据,获得第一文本评价分数;根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,广告图像和好评购买数据的评价信息中的好评图像可认为是不存在质量问题的预设商品的图像,且广告图像和好评图像的总数可较大,可呈现出预设商品的各个角度。通过图像生成网络,也可基于广告图像和好评图像中的预设商品,来生成预设商品的各个角度的图像。在示例中,可将差评图像的视角作为目标视角,通过图像生成网络来生成在目标视角下预设商品的图像,即,第一参考图像,第一参考图像为与差评图像视角相同,但第一参考图像中的预设商品不存在质量问题。所述图像生成网络模型可以是深度学习神经网络模型,例如,卷积神经网络模型,本发明对图像生成网络模型的类型不做限制。
在本发明的实施例中,可通过上述自然语言处理模型来获取差评文本信息的语义特征信息,例如,矩阵形式的语义特征信息,可用于表示差评文本的语义信息,还可基于此确定差评因素,例如,预设商品出现质量问题的部位、出现质量问题的类型等。
在本发明的实施例中,可通过上述图像生成网络的编码层来获取第一参考图像的参考特征信息,以及差评图像的第一特征信息,第一特征信息和参考特征信息可以是矩阵或向量形式的特征信息,本发明对此不作限制。
在本发明的实施例中,通过语义特征信息,可为第一特征信息和参考特征信息进行加权处理,例如,可基于语义特征信息所表达的出现质量问题的部位,为第一特征信息和参考特征信息中表达对应部位的元素进行加权,或者,基于语义特征信息所表达的出现质量问题的原因,为第一特征信息和参考特征信息中表达对应要素的元素进行加权。例如,基于语义特征信息可确定出现质量问题的原因为外壳上的某个部位出现损坏,则可对第一特征信息和参考特征信息中对应部位的元素进行加权,例如,使得这些元素的权值显著高于其他部位的元素的权值。在加权处理后,可获得参考特征信息对应的参考加权特征信息,以及第一特征信息对应的第一加权特征信息。
在本发明的实施例中,可确定参考加权特征信息和第一加权特征信息的第一相似度,例如,利用求解余弦相似度的方式,求解参考加权特征信息和第一加权特征信息第一相似度,本发明对第一相似度的具体求解方式不做限制。
在本发明的实施例中,可根据差评文本信息、广告文本信息和属性数据,获得第一文本评价分数,即,基于差评文本信息来评价预设商品质量的评价分数。并可基于第一相似度、第一文本评价分数、价格接受度和差评购买数据的购买时间来求解差评购买数据的质量分数。
在本发明的实施例中,根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数,包括:根据公式(1),确定购买时间为t的差评购买数据的质量分数:
(1)
其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为所述第一文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,β为预设参数,S1为所述第一相似度。
在本发明的实施例中,在公式(1)的第1项中,分子为当前时刻与差评购买数据的购买时间的时间差,该时间差越大,对于预设商品的质量反馈的影响越小,例如,如果时间差较大,在时间t购买的预设商品与当前正在销售的预设商品的批次可能已经不同,时间t的差评购买数据对于当前的质量反馈的影响较小,因此,对于差评购买数据的质量分数的下降影响较小,质量分数保持较高水平。反之,如果该时间差越小,则对于预设商品的质量反馈的影响大,因此,对于差评购买数据的质量分数的下降影响较大,质量分数下降较快,第1项的分母为预设时间段的长度,且该项还包括预设的时间衰减系数。
在本发明的实施例中,公式(1)的第2项为价格接受度,如上所述,购买价格信息与第一平均价格信息的差距越大,价格接受度越低,且价格接受度可表示对于质量问题的容忍程度,价格接受度越低,则对于质量问题的容忍程度越低,即,差评购买数据的质量分数越低。
在本发明的实施例中,公式(1)的第3项为第一文本评价分数,在第3向的分母中,表示差评文本信息中对于各个属性的否定表达文本的字数总和与差评文本信息的总字数之比,该项值越大,则可表示差评文本信息中表达对于质量不满意的意图的文字占比越大,则该项越大,则差评购买数据的质量分数越低。/>则表示广告文本信息或属性数据正面表达且被差评文本信息否定表达的属性,在广告文本信息或属性数据中的总字数与差评文本信息的总字数之比,该项可表示商家的宣传被否定的情况,且该情况在实际经营中属于更为严重的情况,即,购买者可能受到宣传的影响对商品进行购买,然而在实际使用中所宣传的属性出现了质量问题,该情况更可能造成购买体验的下降以及客源的流失,因此,为进一步表示该情况的重要性,可使该项与/>相乘,被否定的属性类别总数越多,则/>增大速度越快,相应地,差评购买数据的质量分数下降也越快,从而可在差评购买数据的质量分数更突出地表达商家的宣传被否定的情况的严重性。为确定上述两项的乘积的数量级,可对该乘积进行取对数处理,从而使第3项的分母的运算结果为上述两项乘积的数量级,使得在受到差评的属性较多的情况下,差评购买数据的质量分数不至于过小,从而失去统计学意义。第3项的分子为预设参数。
在本发明的实施例中,公式(1)的第4项为第一相似度。上述四项相乘,即可计算出差评购买数据的质量分数,从而基于差评购买数据的质量分数获得预设商品的问题反馈信息。
在本发明的实施例中,根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息,包括:在多个差评购买数据中,筛选出所述质量分数低于预设分数的目标差评购买数据;对所述目标差评购买数据的差评文本信息中进行否定表达的属性进行统计,获得属性统计结果;根据所述属性统计结果,获得所述问题反馈信息。
在本发明的实施例中,可通过上述公式(1),计算每个时刻的差评购买数据的质量分数,并筛选出质量分数低于预设分数的目标差评购买数据,即,筛选出对于质量问题的反馈足够有效的差评购买数据,并可基于这些差评购买数据中否定表达的属性进行统计,获得属性统计结果,从所述属性统计结果中可确定预设商品哪些属性的质量问题最为严重,进而可基于此获得问题反馈信息,即,将质量问题最为严重的属性作为反馈的质量问题。
在本发明的实施例中,在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:根据所述差评文本信息、所述广告文本信息、所述属性数据和所述好评购买数据的购买评价信息的好评文本信息,获得第二文本评价分数;根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,如果不存在差评图像,或者差评图像不能呈现差评要素,则可通过其他方式来确定差评购买数据的质量分数。即,可基于差评文本信息、广告文本信息、属性数据和好评购买数据的购买评价信息的好评文本信息,获得第二文本评价分数,即,基于差评文本信息来评价预设商品质量的评价分数。并可基于第二文本评价分数、价格接受度和差评购买数据的购买时间,求解差评购买数据的质量分数,该步骤包括:根据公式(2),确定购买时间为t的差评购买数据的质量分数
(2)
其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为第二文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,vk为在所述好评文本信息中正面表达,且被差评文本信息否定表达的第k个属性的权重,K为在好评文本信息中正面表达,且被差评文本信息否定表达的属性类别总数,vk=在多个好评文本信息中正面表达的第k个属性的表达文本总字数/存在对于第k个属性的表达文本的好评文本信息的总字数,γ为预设参数。
在本发明的实施例中,公式(2)的第1项和第2项与公式(1)相同,第3项的分母与公式(1)第3项的分母也相同,在此不再赘述。第3项分子中,为被差评文本信息否定表达的属性在好评文本信息中被正面表达的字数总和与存在上述正面表达的文本的好评文本信息的总字数之比,该比值越大,则可表示被差评文本信息否定表达的属性在其他购买者购买的商品中质量良好,因此,该属性受到差评则可能属于偶然现象,因此,该项值越大,则可使差评购买数据的质量分数越高,即,质量越好。
在本发明的实施例中,在获得各个差评购买数据的质量分数后,可获得预设商品的问题反馈信息,问题反馈信息的获取方式与以上相同,在此不再赘述。如果同时存在差评图像能呈现差评要素,以及差评图像不能呈现差评要素或不包括差评图像的差评购买数据,则可分别使用公式(1)和(2)对各个差评购买数据的质量分数进行求解,进而获得预设商品的问题反馈信息。
在本发明的实施例中,在步骤S105中,可基于问题反馈信息,生成预设商品的智能质量分析报告。例如,可基于问题反馈信息生成文字形式的智能质量分析报告,例如,“XX数量的购买者反映外壳质量差,易开裂,可着重提升外壳的质量”等。从而便于经营者对智能质量分析报告中涉及的质量问题进行管理,从而提升商品的质量,提升购买者的购买体验,从而提升客流量。
根据本发明的实施例的数据信息采集与智能分析方法,可采集预设商品的多种购买数据以及广告信息,增加数据的类型,以及增加管理商品质量的功能,通过对以上数据的分析,且在分析过程中,增加了广告宣传被否定的情况的重要性,且考虑了时间因素、价格因素、被差评的属性的质量问题属于偶然现象的可能性等多种因素,使得质量分数的评价更为客观和准确,可反馈预设商品的质量问题,且生成智能质量分析报告,便于经营者管理商品质量,提升用户的购买体验,减少损失客源的概率。
图2示例性地示出本发明实施例数据信息采集与智能分析系统的框图,如图2所示,所述系统包括:
购买数据模块101,用于采集预设时间段内多次购买预设商品的购买数据,其中,所述购买数据包括购买时间、购买者信息、购买评价信息、购买价格信息;
广告信息模块102,用于采集所述预设商品的广告信息,其中,所述广告信息包括预设商品的广告文本信息、属性数据以及广告图像;
划分模块103,用于根据所述购买评价信息,将所述购买数据划分为好评购买数据和差评购买数据;
问题反馈模块104,用于根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息;
报告模块105,用于根据所述问题反馈信息,生成所述预设商品的智能质量分析报告。
在本发明的实施例中,所述问题反馈模块进一步用于:
对好评购买数据的购买价格信息进行统计,获得第一平均价格信息;
根据差评购买数据的购买价格信息,以及所述第一平均价格信息,确定差评购买者的价格接受度;
确定所述差评购买数据的购买评价信息中是否包括差评图像;
在所述差评购买数据的购买评价信息中包括差评图像的情况下,根据所述差评购买数据的购买评价信息的差评文本信息,以及所述预设商品的类型,确定差评图像能否呈现差评要素;
在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息;
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息。
在本发明的实施例中,所述问题反馈模块进一步用于:
通过图像生成网络模型,根据所述广告图像、所述好评购买数据的购买评价信息中的好评图像以及所述差评图像,生成第一参考图像,其中,所述第一参考图像为与所述差评图像视角相同,但所呈现的预设商品不存在质量问题的图像;
获取所述差评文本信息的语义特征信息,以及所述第一参考图像的参考特征信息和所述差评图像的第一特征信息;
根据所述语义特征信息,对所述参考特征信息和所述第一特征信息进行加权处理,获得所述参考特征信息对应的参考加权特征信息,以及所述第一特征信息对应的第一加权特征信息;
确定所述参考加权特征信息和所述第一加权特征信息的第一相似度;
根据所述差评文本信息、所述广告文本信息和所述属性数据,获得第一文本评价分数;
根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,所述问题反馈模块进一步用于:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为所述第一文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,β为预设参数,S1为所述第一相似度。
在本发明的实施例中,所述问题反馈模块进一步用于:
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:
根据所述差评文本信息、所述广告文本信息、所述属性数据和所述好评购买数据的购买评价信息的好评文本信息,获得第二文本评价分数;
根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
在本发明的实施例中,所述问题反馈模块进一步用于:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为第二文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,vk为在所述好评文本信息中正面表达,且被差评文本信息否定表达的第k个属性的权重,K为在好评文本信息中正面表达,且被差评文本信息否定表达的属性类别总数,vk=在多个好评文本信息中正面表达的第k个属性的表达文本总字数/存在对于第k个属性的表达文本的好评文本信息的总字数,γ为预设参数。
在本发明的实施例中,所述问题反馈模块进一步用于:
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息,包括:
在多个差评购买数据中,筛选出所述质量分数低于预设分数的目标差评购买数据;
对所述目标差评购买数据的差评文本信息中进行否定表达的属性进行统计,获得属性统计结果;
根据所述属性统计结果,获得所述问题反馈信息。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本发明的各个方面的计算机可读程序指令。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种数据信息采集与智能分析方法,其特征在于,所述方法用于服务器,包括:
采集预设时间段内多次购买预设商品的购买数据,其中,所述购买数据包括购买时间、购买者信息、购买评价信息、购买价格信息;
采集所述预设商品的广告信息,其中,所述广告信息包括预设商品的广告文本信息、属性数据以及广告图像;
根据所述购买评价信息,将所述购买数据划分为好评购买数据和差评购买数据;
根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息;
根据所述问题反馈信息,生成所述预设商品的智能质量分析报告;
其中,根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息,包括:
对好评购买数据的购买价格信息进行统计,获得第一平均价格信息;
根据差评购买数据的购买价格信息,以及所述第一平均价格信息,确定差评购买者的价格接受度;
确定所述差评购买数据的购买评价信息中是否包括差评图像;
在所述差评购买数据的购买评价信息中包括差评图像的情况下,根据所述差评购买数据的购买评价信息的差评文本信息,以及所述预设商品的类型,确定差评图像能否呈现差评要素;
在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息;
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息。
2.根据权利要求1所述的数据信息采集与智能分析方法,其特征在于,在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:
通过图像生成网络模型,根据所述广告图像、所述好评购买数据的购买评价信息中的好评图像以及所述差评图像,生成第一参考图像,其中,所述第一参考图像为与所述差评图像视角相同,但所呈现的预设商品不存在质量问题的图像;
获取所述差评文本信息的语义特征信息,以及所述第一参考图像的参考特征信息和所述差评图像的第一特征信息;
根据所述语义特征信息,对所述参考特征信息和所述第一特征信息进行加权处理,获得所述参考特征信息对应的参考加权特征信息,以及所述第一特征信息对应的第一加权特征信息;
确定所述参考加权特征信息和所述第一加权特征信息的第一相似度;
根据所述差评文本信息、所述广告文本信息和所述属性数据,获得第一文本评价分数;
根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
3.根据权利要求2所述的数据信息采集与智能分析方法,其特征在于,根据所述第一相似度、所述第一文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数,包括:根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,/>为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为所述第一文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,β为预设参数,S1为所述第一相似度。
4.根据权利要求1所述的数据信息采集与智能分析方法,其特征在于,在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息,包括:
根据所述差评文本信息、所述广告文本信息、所述属性数据和所述好评购买数据的购买评价信息的好评文本信息,获得第二文本评价分数;
根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数;
根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息。
5.根据权利要求4所述的数据信息采集与智能分析方法,其特征在于,根据所述第二文本评价分数、所述价格接受度和所述差评购买数据的购买时间,获得所述差评购买数据的质量分数,包括:
根据公式,确定购买时间为t的差评购买数据的质量分数,其中,tN为当前时刻,α为时间衰减系数,T为预设时间段的长度,为所述价格接受度,pm为所述第一平均价格信息,pt为所述购买时间为t的差评购买数据的购买价格信息,/>为第二文本评价分数,wi为差评文本信息中对于预设商品的第i个属性的否定表达文本的权重,wi=对于预设商品的第i个属性的否定表达文本的字数/差评文本信息的字数,I为差评文本信息中否定预设商品的属性的类别总数,uj为在所述广告文本信息或所述属性数据正面表达,且被差评文本信息否定表达的第j个属性的权重,uj=广告文本信息或属性数据正面表达的第j个属性的表达文本字数/差评文本信息的字数,J为广告文本信息或属性数据正面表达,且被差评文本信息否定表达的属性的类别总数,vk为在所述好评文本信息中正面表达,且被差评文本信息否定表达的第k个属性的权重,K为在好评文本信息中正面表达,且被差评文本信息否定表达的属性类别总数,vk=在多个好评文本信息中正面表达的第k个属性的表达文本总字数/存在对于第k个属性的表达文本的好评文本信息的总字数,γ为预设参数。
6.根据权利要求2所述的数据信息采集与智能分析方法,其特征在于,根据各个差评购买数据的质量分数,和所述各个差评购买数据的差评文本信息,获得所述预设商品的问题反馈信息,包括:
在多个差评购买数据中,筛选出所述质量分数低于预设分数的目标差评购买数据;
对所述目标差评购买数据的差评文本信息中进行否定表达的属性进行统计,获得属性统计结果;
根据所述属性统计结果,获得所述问题反馈信息。
7.一种数据信息采集与智能分析系统,其特征在于,所述系统设置于服务器,包括:
购买数据模块,用于采集预设时间段内多次购买预设商品的购买数据,其中,所述购买数据包括购买时间、购买者信息、购买评价信息、购买价格信息;
广告信息模块,用于采集所述预设商品的广告信息,其中,所述广告信息包括预设商品的广告文本信息、属性数据以及广告图像;
划分模块,用于根据所述购买评价信息,将所述购买数据划分为好评购买数据和差评购买数据;
问题反馈模块,用于根据差评购买数据的购买时间、购买评价信息和购买价格信息,好评购买数据的购买评价信息和购买价格信息,以及广告信息,获得所述预设商品的问题反馈信息;
报告模块,用于根据所述问题反馈信息,生成所述预设商品的智能质量分析报告;
所述问题反馈模块还用于:
对好评购买数据的购买价格信息进行统计,获得第一平均价格信息;
根据差评购买数据的购买价格信息,以及所述第一平均价格信息,确定差评购买者的价格接受度;
确定所述差评购买数据的购买评价信息中是否包括差评图像;
在所述差评购买数据的购买评价信息中包括差评图像的情况下,根据所述差评购买数据的购买评价信息的差评文本信息,以及所述预设商品的类型,确定差评图像能否呈现差评要素;
在所述差评图像能够呈现差评要素的情况下,根据所述差评图像、所述广告信息中的广告图像、所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息;
在所述差评图像不能呈现差评要素或所述差评购买数据的购买评价信息中不包括差评图像的情况下,根据所述差评文本信息、所述广告文本信息、所述属性数据、所述好评购买数据的购买评价信息、所述价格接受度和所述差评购买数据的购买时间,获得所述预设商品的问题反馈信息。
8.一种数据信息采集与智能分析设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310548305.5A CN116308466B (zh) | 2023-05-16 | 2023-05-16 | 数据信息采集与智能分析方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310548305.5A CN116308466B (zh) | 2023-05-16 | 2023-05-16 | 数据信息采集与智能分析方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308466A CN116308466A (zh) | 2023-06-23 |
CN116308466B true CN116308466B (zh) | 2023-07-21 |
Family
ID=86834409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310548305.5A Active CN116308466B (zh) | 2023-05-16 | 2023-05-16 | 数据信息采集与智能分析方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308466B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110079420A (ko) * | 2009-12-31 | 2011-07-07 | 주식회사 플레이버프로젝트 | 사용자의 유효 저장 행위에 기초하여 광고 컨텐츠를 제공하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 |
CN107133835A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种分析商品质量的方法及装置 |
CN114782081A (zh) * | 2022-04-09 | 2022-07-22 | 亿玛创新网络(天津)有限公司 | 一种判断广告投放质量的方法及系统 |
-
2023
- 2023-05-16 CN CN202310548305.5A patent/CN116308466B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110079420A (ko) * | 2009-12-31 | 2011-07-07 | 주식회사 플레이버프로젝트 | 사용자의 유효 저장 행위에 기초하여 광고 컨텐츠를 제공하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 |
CN107133835A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种分析商品质量的方法及装置 |
CN114782081A (zh) * | 2022-04-09 | 2022-07-22 | 亿玛创新网络(天津)有限公司 | 一种判断广告投放质量的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116308466A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210334845A1 (en) | Method and system for generation of at least one output analytic for a promotion | |
Muûls et al. | Imports and Exports at the Level of the Firm: Evidence from Belgium | |
KR100766148B1 (ko) | 자산 가치 평가에 대한 최소 변동 가정 선택을 위한 컴퓨터로 구현되는 방법과, 포트폴리오 가치 평가 시스템 및 컴퓨터 | |
CN109711955B (zh) | 基于当前订单的差评预警方法、系统、黑名单库建立方法 | |
US10181138B2 (en) | System and method for determining retail-business-rule coefficients from current prices | |
KR100746107B1 (ko) | 자산 포트폴리오의 기술 속성 상관 방법, 상관 시스템 및 상관 컴퓨터 | |
JP2009169699A (ja) | 販売情報分析装置 | |
CN107665448A (zh) | 用于确定消费贡献价值的方法、装置以及存储介质 | |
WO2020033410A1 (en) | Artificial intelligence system and method for generating a hierarchical data structure | |
JP2018139036A (ja) | 分析装置 | |
CN110659926A (zh) | 一种数据价值评估系统以及方法 | |
JP2009169698A (ja) | 販売情報分析装置 | |
CN111768243A (zh) | 销量预测方法、预测模型构建方法、装置、设备及介质 | |
KR20230122525A (ko) | 외부 데이터를 고려한 신용 평가 방법 및 이러한 방법을 수행하는 장치 | |
CN111861679A (zh) | 一种基于人工智能的商品推荐方法 | |
CN111177581A (zh) | 一种基于多平台的社交电商网站商品推荐方法及装置 | |
CN114723492A (zh) | 一种企业画像的生成方法及设备 | |
CN116611796A (zh) | 一种店铺交易数据的异常检测方法及装置 | |
CN116308466B (zh) | 数据信息采集与智能分析方法、系统、设备和存储介质 | |
CN114219547B (zh) | 一种门店订货量的确定方法、装置、设备及存储介质 | |
KR20230122524A (ko) | 이커머스 솔루션의 구매, 판매, 재고, 물류, 유통, 정산 과정에서 발생하는 엔드 투 엔드 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치 | |
CN113449818A (zh) | 一种基于用户行为特征的优惠券额度动态调节方法 | |
CN111695937A (zh) | 分析用户回购的方法、装置以及计算机可读存储介质 | |
CN111400622A (zh) | 一种分布式电商系统中紧缺商品数量展现方法及装置 | |
TWI769385B (zh) | 金融商品之潛在購買客群篩選方法及其系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |