发明内容
本申请提供了商品评价内容处理方法及电子设备,能够提升系统中商品的用户评价内容的质量。
本申请提供了如下方案:
一种商品评价内容处理方法,包括:
以商品类目为单位,通过对多个商品对应的用户评价内容进行分析,确定商品类目与决策因子标签之间的对应关系;其中,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
根据所述目标商品所属的商品类目对应的所述决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
其中,所述通过对多个商品对应的用户评价内容进行分析,确定商品类目与决策因子标签之间的对应关系,包括:
对同一商品类目下采集到的多条用户评价内容进行分词处理,并对得到的文本标签进行语义识别;
按照语义识别结果对多个文本标签进行聚类处理后,确定出同一商品类目下属于用户关注焦点的至少一个文本标签,并确定为用户对该商品类目进行决策时的决策因子标签。
其中,还包括:
确定所述目标用户所选择的目标语气或文风信息;
所述根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,包括:
根据所述目标商品所属的商品类目对应的决策因子标签,以及所述目标语气或文风信息,对所述基础评价内容进行加工处理,以生成具有所述目标语气或文风的建议评价内容。
其中,所述基础评价内容包括基础的评价文本内容以及基础的图片/视频内容;
所述根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,包括:
通过对所述基础的图片/视频内容进行模型理解处理,生成对所述基础的图片/视频内容的文本表达内容;
根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础的评价文本内容以及基于所述基础的图片/视频内容生成的文本表达内容进行加工处理,以生成所述建议评价文本内容。
其中,所述基础评价内容包括基础的评价文本内容以及基础的图片/视频内容;
所述方法还包括:
响应于对所述基础的图片/视频内容进行优化处理的请求,根据所述目标商品所属的商品类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
一种商品评价内容处理方法,包括:
在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
将所述基础评价内容提交到服务端,以便所述服务端根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容;其中,所述决策因子标签是通过对所述商品类目关联的多个商品的用户评价内容进行分析确定的,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
对所述建议评价文本内容进行展示,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
一种提供商品信息的方法,包括:
以商品为单位,通过对商品对应的多条用户评价内容进行采集及分析,确定所述商品对应的决策因子标签;其中,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
在向目标用户提供关于目标商品的信息的过程中,根据所述目标商品对应的决策因子标签以及所述目标用户的信息,为所述目标商品生成用户评价概述内容,以便向所述目标用户提供所述商品评价概述内容。
其中,在进行用户评价内容采集时,所采集的范围包括当前商品信息服务系统、其他商品信息服务系统和/或社交媒体系统;
所述方法还包括:
对于不同系统中采集到的商品评价内容,通过对对应商品的图像和/或文本描述信息进行分析,确定是否对应同一商品。
其中,还包括:
确定所述决策因子标签对应的情感标签,以便结合所述情感标签生成所述商品评价概述内容。
其中,还包括:
通过对与所述目标用户具有相同/相似特征的多个发布者为所述目标商品发布的商品评价内容进行分析,确定所述相同/相似特征的用户对该商品进行决策时的决策因子标签;
所述根据所述目标商品对应的决策因子标签以及所述目标用户的信息,为所述目标商品生成用户评价概述内容,包括:
根据所述目标商品对应的决策因子标签,以及所述相同/相似特征的用户对该商品进行决策时的决策因子标签,为所述目标商品生成用户评价概述内容,所述用户评价概述内容中包括为所述目标用户提供的购买建议信息。
一种提供商品信息的方法,包括:
在向目标用户提供与目标商品相关的信息的过程中,获取关于所述目标商品的用户评价概述内容,所述用户评价概述内容是根据所述目标商品对应的决策因子标签以及所述目标用户的信息生成的,所述决策因子标签是通过对所述目标商品对应的多条用户评价内容进行采集及分析而确定的,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
输出所述用户评价概述内容。
一种商品评价内容处理方法,包括:
在目标用户发起为目标商品对象填写用户评价内容的请求后,响应于辅助进行评价内容处理的请求,获取所述目标用户输入的基础评价内容,所述基础评价内容包括基础的图片/视频内容;
根据所述目标商品所属的类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
其中,所述对所述基础的图片/视频内容进行优化处理,包括:
如果所述基础的图片/视频内容包括多张图片,则通过对所述多张图片进行模型理解,并根据所述目标商品所属的商品类目,对所述多张图片之间的顺序进行调整。
其中,所述对所述基础的图片/视频内容进行优化处理,包括:
对所述基础的图片/视频内容进行主体识别,并确定所识别主体的主体类型信息,并根据所述目标商品所属的商品类目,以及所述商品类目对应的各主体类型的优化处理规则信息,对所识别主体进行优化处理。
其中,所述对所述基础的图片/视频内容进行优化处理,包括:
如果基础的视频内容中包括语音内容,则通过对所述语音内容进行语音识别,转换为文本内容,并根据所述文本内容生成所述视频内容的字幕文件,以用于为所述基础的视频内容添加字幕。
其中,将所述文本内容翻译为多个语种,并分别生成对应语种的字幕文件,以用于在多语言场景下为不同语种需求的用户提供对应语种的字幕信息。
其中,所述对所述基础的图片/视频内容进行优化处理,包括:
如果所述基础的图片/视频内容中包括人脸图像,则通过人工智能AI算法生成AI人脸图像,以用于对所述基础的图片/视频内容中的原始人脸图像进行替换展示。
其中,所述对所述基础的图片/视频内容进行优化处理,包括:
对所述基础的图片/视频内容中包含的隐私信息、背景进行去除或模糊化处理,和/或对视频内容中的无意义片段进行裁剪。
一种商品评价内容处理装置,包括:
预处理单元,用于以商品类目为单位,通过对多个商品对应的用户评价内容进行分析,确定商品类目与决策因子标签之间的对应关系;其中,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
基础评价内容获取单元,用于在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
建议评价内容生成单元,用于根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
一种商品评价内容处理装置,包括:
基础评价内容获取单元,用于在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
基础评价内容提交单元,用于将所述基础评价内容提交到服务端,以便所述服务端根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容;其中,所述决策因子标签是通过对所述商品类目关联的多个商品的用户评价内容进行分析确定的,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
建议评价文本内容展示单元,用于对所述建议评价文本内容进行展示,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
一种提供商品信息的装置,包括:
预处理单元,用于以商品为单位,通过对商品对应的多条用户评价内容进行采集及分析,确定所述商品对应的决策因子标签;其中,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
商品评价概述内容生成单元,用于在向目标用户提供关于目标商品的信息的过程中,根据所述目标商品对应的决策因子标签以及所述目标用户的信息,为所述目标商品生成用户评价概述内容,以便向所述目标用户提供所述商品评价概述内容。
一种提供商品信息的装置,包括:
用户评价概述内容获取单元,用于在向目标用户提供与目标商品相关的信息的过程中,获取关于所述目标商品的用户评价概述内容,所述用户评价概述内容是根据所述目标商品对应的决策因子标签以及所述目标用户的信息生成的,所述决策因子标签是通过对所述目标商品对应的多条用户评价内容进行采集及分析而确定的,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
用户评价概述内容输出单元,用于输出所述用户评价概述内容。
一种商品评价内容处理装置,包括:
基础评价内容获取单元,用于在目标用户发起为目标商品对象填写用户评价内容的请求后,响应于辅助进行评价内容处理的请求,获取所述目标用户输入的基础评价内容,所述基础评价内容包括基础的图片/视频内容;
优化处理单元,用于根据所述目标商品所属的类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一项所述的方法的步骤。
一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述任一项所述的方法的步骤。
根据本申请提供的具体实施例,本申请公开了以下技术效果:
通过本申请实施例,可以预先以商品类目为单位,对商品的用户评价内容进行分析,以确定出具体的商品类目对应的决策因子标签,这种决策因子标签可以是用户在对具体商品类目的商品进行决策时属于用户关注焦点的文本标签。这样,针对用户需要为某目标商品提交用户评价内容的情况,可以在用户提交了基础的评价内容之后,根据这种基础的用户评价内容以及具体商品类目对应的决策因子标签,生成建议的评价正文内容。通过这种方式,由于能够对用户输出的基础评价内容进行改写,改写的过程中还可以充分利用具体商品类目对应的决策因子标签,而这种决策因子标签是通过从具体商品类目对应的用户评价内容中进行信息挖掘而确定的,因此,可以使得算法生成的建议评价正文内容不仅可以更完整详尽,同时也更多地表达出与用户决策时所关注的焦点相关的文本标签,从而使得用户评价内容在帮助其他用户进行决策方面更具有参考价值,也即实现用户评价内容质量的提升。
当然,实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中,为了能够提升系统中商品的用户评价内容的质量,可以将AIGC(Artificial Intelligence Generated Content,人工智能生成内容)技术,应用到帮助用户对商品的用户评价内容进行加工、改写的场景中。也就是说,在本申请实施例中,如果用户需要对某个商品发布评价内容,则在该用户对该商品进行了简短的评价之后,可以通过AIGC的方式,在保留用户原意基础上,生成一段更完整、更详尽的文本内容。这样,用户可以基于该文本内容进行用户评价内容的发布,以使得具体发布的用户评价内容更具参考价值,也即提升了用户评价内容的质量。
其中,在通过AI模型帮助用户进行用户评价内容的加工或改写时,除了需要生成通过自然语义表达的文本内容,另外还需要使得所生成的文本内容贴近当前商品的实际情况。也就是说,对于不同类目的商品而言,用户在具体写评价内容时,在用语等方面会是不同的。例如,对于服装类目,通常会用“好看”、“材质柔软”、“很舒服”等等进行评价;而对于食品类的商品,则通常会用“味道不错”、“日期新鲜”等来进行评价,等等。因此,为了达到上述目的,可以通过AI大规模参数模型(简称AI大模型)、大数据挖掘等技术来实现。其中,所谓的AI大模型是指使用神经网络模型在包含巨大数据量的大规模数据集上进行预训练的模型,这种模型通常对文本信息、图像信息等具有强大的模型理解能力,另外还具有内容生产能力,具体生产出的内容可以包括文本、图像、视频、语音,等等。由于这种AI大模型具有强大的模型理解能力,因此,在很多领域中都得到了应用。大数据挖掘技术主要是指,从较大规模的数据集中,挖掘出所需要的信息。在本申请实施例中,可以涉及到对系统内甚至全网内关于商品的评价内容作为数据集,并从中挖掘出所需的信息,以帮助进行用户评价内容的AI生成,等等。
具体的,首先可以进行用户评价内容的采集,之后,以商品类目为单位,对采集到的用户评价内容进行分析处理,获取到用户对具体商品类目进行决策时的决策因子标签。其中,所谓的决策因子标签具体可以是用户对同一商品类目的商品进行决策过程中属于用户关注焦点至少一个文本标签,另外,也属于用户在对该商品类目的商品进行评价时比较常用的文本标签。例如,对于服装类目的商品,具体的决策因子标签可以包括“好看”、“舒服”等等。具体的,上述决策因子标签可以是通过对同一商品类目下多条商品评价内容进行分析后进行确定的。例如,一种方式下,可以对采集到的多条用户评价内容进行语义标签识别,然后,通过将语义标签进行聚类处理,可以确定出同一商品类目下符合用户关注度条件的多个语义标签,这样,便可以将该多个语义标签保存为用户对该商品类目进行决策时的决策因子标签。在获取到上述决策因子标签后,具体在用户需要对某个目标商品进行评价时,就可以根据用户输入的基础评价内容以及上述决策因子标签,生成具体通过自然语言进行表达的建议评价文本内容。这样,用户可以基于这种AI生成的建议评价文本内容,对具体商品进行评价。
从系统架构角度而言,本申请实施例可以在商品信息服务系统中提供上述功能,具体的,参见图1,具体的系统可以包括客户端及服务端,其中,客户端可以以应用程序(App)或者Web、H5等页面形式存在,主要运行在用户的终端设备上,包括手机等移动端设备。服务端则主要运行于服务器中,具体的可以包括云端服务器或者独立服务器,等等。其中,客户端主要用于进行前端页面的展示以及与用户的交互,服务端则可以提供具体的数据服务,在本申请实施例中,具体可以包括对用户评价内容的分析,以得到商品类目与决策因子标签之间对应关系,另外,还可以包括对AI大模型进行调用,以进行文本内容的生成等,并返回给客户端进行展示,等等。
下面对本申请实施例提供的具体实现方案进行详细介绍。
实施例一
首先,该实施例一从前述服务端的角度,提供了一种商品评价内容处理方法,参见图2,该方法可以包括:
S201:以商品类目为单位,通过对多个商品对应的用户评价内容进行分析,确定商品类目与决策因子标签之间的对应关系;其中,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签。
具体的,在本申请实施例中,首先可以收集多个商品的用户评价内容,这种用户评价内容可以包括文本内容还可以包括图片、视频内容,等等。然后,可以以商品类目为单位,对收集到的用户评价内容进行分析,以分别确定出用户在对各商品类目进行决策时,主要的关注焦点,这些关注焦点可以用具体的文本标签来表达,而这种与用户关注焦点对应的文本标签就可以称为决策因子标签。
例如,对于服装类目,可以收集用户对多个不同的服装类商品进行评价时的评价内容信息,然后,通过对这些评价内容进行分析处理,可以确定出用户在购买服装类商品时,主要的关注焦点有哪些,这些关注焦点对应的文本标签,例如,包括“好看”、“舒服”、“版型好”,等等,这些文本标签就可以作为服装类目对应的决策因子标签。当然,具体实现时,关于具体商品类目的粒度可以根据实际需求而定,例如,还可以将服装类目细分为男装、女装、童装等,甚至可以在叶子类目粒度上进行决策因子标签的确定,以使得生成的文本内容具有更高的质量。
其中,具体在对用户评价内容进行分析处理时,可以有多种方式,例如,一种方式下,可以对同一商品类目下采集到的多条用户评价内容分别进行分词处理,并对得到的文本标签进行语义识别。然后,按照语义识别结果对多个文本标签进行聚类处理后,可以根据聚类出的文本标签的分布情况,确定出同一商品类目下属于用户关注焦点的至少一个文本标签,并确定为用户对该商品类目进行决策时的决策因子标签。
具体的,用户评价内容具体可以包括文本内容或者图片、视频内容,对于文本内容的部分,可以直接进行分词处理,也即,将一段话或者长的句子,切割成多个词语或者短语,去除一些语气词等,可以作为文本标签。对于图片或者视频等,则可以首先通过AI算法实现对图像内容的模型理解,并且可以将从图像中理解到的信息转化为文本内容进行表达,进而,也可以通过对这种文本内容进行分词等,得到多个文本标签。在得到文本标签后,可以分别对各个文本标签进行语义分析,并基于语义分析结果对多个文本标签进行聚类处理后,可以确定出同一商品类目下属于用户关注焦点的至少一个文本标签,并确定为用户对该商品类目进行决策时的决策因子标签。
例如,某商品类目对应的多条用户评价内容进行分词处理后,得到的文本标签有“好看”、“漂亮”、“太美了”,等等,这些文本标签通过语义识别之后会发现具有相同或者相似的语义,因此,可以聚为一类,还可以为同一类的文本标签生成一个统一的文本标签来进行表达,例如,上述“好看”、“漂亮”、“太美了”等可以统一称为“好看”,等等。在完成聚类之后,可以根据各个类别中包括的文本标签在用户评价内容中的出现次数等,确定出具体类别的文本标签词是否为用户对该商品类目进行决策时的关注焦点。例如,假设某商品类目对应的多条用户评价内容中,前述“好看”、“舒服”、“版型好”等类的文本标签出现的次数最多,则这些文本标签是用户在对该商品类目进行决策时的关注焦点,因此,都可以作为该商品类目对应的决策因子标签,等等。
S202:在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容。
在前述步骤中确定出具体商品类目对应的决策因子标签后,可以保存具体商品类目与决策因子标签之间的对应关系,以便在通过AI为用户生成建议的评价内容时来使用。
具体的,首先可以由用户发起针对某个目标商品填写用户评价内容的请求(例如,具体可以在订单列表页等页面中提供用于为具体订单或商品填写用户评价内容的入口),之后,可以为用户提供用户评价内容编辑界面,用户可以通过该界面输入一些基础的评价内容,例如,基础的评价文本内容,另外还可以包括一些图片、视频(例如,用户在收到商品实物后,对商品实物拍摄的照片、视频等,对于服装等类别的商品,还可以包括用户的上身图,等等)等图像内容。
例如,如图3(A)所示,在这种用户评价内容编辑界面中,可以提供一些评分项目由用户进行打分。例如,具体的打分项目可以包括综合评价、描述相符(也即商品实物与商品详情页中描述的信息是否相符,或者相符的程度)、商家服务(通常可以指商家的发货速度等)、物流服务(通常可以指物流的配送效率等)等几个方面,用户可以根据实际的体验结果进行打分。例如,具体可以为每个评分项目提供多个分数等级,用户可以选择为具体的评分项目给予哪个分数等级,打分项目获得的分数等级越高,则代表得分越高,用户对该评分项目的满意度也越高,等等。另外,在上述编辑界面中,还可以为用户提供用于对评价正文内容进行输入的输入框,用户除了可以针对上述评分项目进行打分,还可以输入具体的评价正文内容。例如,在图3(B)所示的例子中,用户购买到的是一双鞋子,具体输入的评价正文内容可以包括:“这个球鞋很舒服,是正品,而且物流很快,但是卖家不怎么理人”,等等。再者,还可以提供“上传图片”、“上传视频”等操作选项,使得用户可以上传图片、视频类的评价内容。再者,在上述编辑界面中,还可以为用户提供用于提供“综合评价”的选项,通过该选项,用户可以为具体的商品对象给出“好评”、“中评”、“差评”等用于表达情感类型的选项,用户可以通过该选项做出选择,因此,这种关于情感类型的信息也属于用户的基础评价内容。
在接收到上述基础评价内容之后,就可以由AI大模型等根据用户输入的这些基础评价内容,辅助生成一段文本内容。也就是说,用户可以仅对一些评分项目进行打分之后,由AI大模型辅助生成一段文本内容,以用作评价正文内容或作为参考。或者,也可以在简单填写一些评价正文内容后,由AI大模型辅助进行改写,以使得实际发布的评价正文内容更饱满更能够为其他用户带来更多的参考价值,同时又不会造成对用户时间成本的过多占用,等等。
当然,具体实现时,为了避免对用户实际输入用户评价内容的过程造成干扰,上述生成目标文本内容的过程可以在接收到用户的确认操作之后再进行。也就是说,可以在上述编辑界面中提供用于对用户进行询问的操作选项,例如,如图3(B)所示中的31处所示,可以在编辑界面中提供“是否愿意让我稍稍地改写一下呢?”的对话内容,并且可以提供“以后”、“好”等选项,如果用户选择“好”,则代表用户确认需要由AI大模型帮忙进行改写,之后,可以触发进入生成目标文本内容的步骤。
在上述方式下,用户可以首先通过订单列表等页面中为具体订单/商品对象提供的“评价”入口进入到评价内容编辑界面,并提供了一些基础评价内容之后,再通过评价内容编辑界面中的操作选项发起AI辅助生成评价内容等请求。或者,在另一种方式下,为了进一步提升效率,还可以直接在订单列表页等页面中提供“评价”入口的同时,直接提供“好评”、“差评”等用于表达情感类型的操作选项,或者,还可以直接提供用于对评分项目进行打分的操作选项,这样,用户可以直接通过该操作选项做出简单的基础评价后,触发AI辅助生成评价内容,而不需要进入到评价内容编辑界面再进行触发,从而使得用户可以更高效地获取到AI辅助生成的用户评价内容,等等。
S203:根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
在获取到用户提供的基础评价内容后,可以根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成通过自然语言进行表达的建议评价文本内容。
也就是说,在本申请实施例中,具体可以通过目标算法模型(例如,前述AI大模型等,在本说明书中主要以AI大模型为例进行介绍)为用户生成建议的评价正文内容,其中,输入到AI大模型中的信息可以包括用户输入的基础评价内容,另外,还可以包括当前具体目标商品所属商品类目对应的决策因子标签信息。这样,AI大模型可以基于上述两方面的信息,生成一段通过自然语言进行连贯性表达的建议评价文本内容。
例如,在上述图3所示的例子中,用户购买到的是一双球鞋,用户输入的基础评价文本内容是:“这个球鞋很舒服,是正品,而且物流很快,但是卖家不怎么理人”,另外,“球鞋”类目对应的决策因子标签包括:“舒适”、“轻盈”、“脚感好”,等等。之后,在将上述两方面的信息输入到AI大模型之后,通过AI大模型可以生成更完整更丰富的表达。例如,如图4所示,AI生成的建议评价内容可以为:
“我购买了这款球鞋,非常满意。首先,它非常舒适,穿上去感觉很轻盈,脚感也很好。其次,我确认这是正品,鞋子的质量和细节处理都非常出色。最后,物流速度很快,我在下单后不久就收到了货物;
不过,唯一的缺点就是卖家的服务态度不太好,他们似乎不怎么理人,回复信息也比较慢。但是这并没有影响到我的购物体验和对于商品本身的评价;
总之,如果你想要一双舒适、高质量的球鞋,并且不介意卖家服务态度较差的话,那么这款球鞋是一个不错的选择”。
可见,通过AI大模型,可以在充分理解用户所输出的基础评价内容的基础上,对具体的文本进行了润色或者更丰富、更连贯性的表达。例如,具体可以从用户输入的比较简短的基础评价内容中,分析出用户整体对商品是否满意,“满意”或者“不满意”的原因是什么,有几个方面,等等;然后再利用AI大模型的文本生成能力,生成使用自然语言进行流畅表达的文本内容,期间可以基于具体商品类目对应的决策因子标签,对文本内容中用语的丰富性等进行提升。例如,在前述例子中,用户输入的基础评价内容中,可以分析出用户对所购买到的商品很满意,原因包括三个方面,分别是“舒服”、“是正品”、“物流快”,因此,AI生成建议的评价文本内容时,可以分三个方面来进行表达,期间,可以插入关于“轻盈”、“脚感很好”等属于“球鞋”类目决策因子标签的内容。另外,关于用户在基础评价内容中表达的“但是卖家不怎么理人”等内容,在AI生成文本内容时,也可以通过使用转折语气等进行表达。最后还可以给出总结性质或者建议性结论性质的内容,以使得表达更完整,对其他用户更有参考价值,等等。
需要说明的是,在上述基于用户输入的基础评价内容进行评价正文内容改写的过程中,具体的用户输入的基础评价内容除了可以包括基础的评价文本内容,还可以包括基础的图片/视频内容。此时,还可以通过对所述基础的图片/视频内容进行模型理解处理,生成对所述基础的图片/视频内容的文本表达内容,然后,可以根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础的评价文本内容以及基于所述基础的图片/视频内容生成的文本表达内容进行加工处理,以生成所述通过自然语言进行表达的建议评价文本内容。也就是说,还可以从用户上传的图片、视频等内容中进行识别或者挖掘出相关的文本内容,例如,对于服装类商品,用户上传了自己试穿的上身效果图,虽然在输入基础的评价文本内容时并没有提到是否“合身”之类的描述,但是,从图片中能够体现出这一点,则在通过AI生成文本内容时,也可以体现出“合身”相关的描述,等等。
另外,在具体实现时,还可以提供对语气或文风的个性化定制。也就是说,同一个目标商品,同样的基础评价内容,可以选择生成不同语气、文风对应的不同的建议评价文本内容。具体的,可以为用户提供可选的语气、文风等选项,由用户选择具体的语气、文风等。或者,另一种方式下,也可以为用户提供与AI对话的入口,使得用户可以通过对话的方式向AI提出需求。例如,在展示出AI生成的建议评价正文内容后,用户可以通过键盘或者语音输入等方式输入:用更嗲的语气说“这个球鞋很舒服,是正品,而且物流很快,但是卖家不怎么理人”。之后,AI大模型可以根据所述目标商品所属的商品类目对应的决策因子标签,以及所述目标语气或文风信息,对所述基础评价内容进行加工处理,以生成通过自然语言进行表达,且具有所述目标语气或文风的建议评价内容。也即,输入到AI大模型中的信息,除了包括前述基础评价内容、决策因子标签之外,还可以包括语气、文风等信息。例如,如图5所示,针对前述例子,AI生成的“更嗲的语气”的文本内容可以为:
“哇塞!这双球鞋真的超级超级输入呢!我买到的是正品,而且物流速度也非常快,让我收到货的时候都有点惊喜呢!不过唯一有点小遗憾的是,卖家似乎不爱理人哦”。
总之,通过这种方式,可以使得用户能够根据自己的喜好对评价内容的语气、文风等进行个性化定制。
在通过AI大模型生成上述建议的评价文本内容后,可以通过前述评价内容编辑界面进行展示,另外还可以为用户提供“刷新”、“用它”等选项,如果用户对当前生成的建议评价文本内容不满意,可以选择“刷新”选择,此时,AI模型可以重新进行文本内容的生成。如果选择“用它”,则可以将AI生成的文本内容展示到用于输入评价正文内容的输入框中,并对用户之前已经输入的评价正文内容进行替换,以便根据该AI生成的文本内容确定评价正文内容并进行发布。当然,用户还可以通过该输入框,对AI生成的文本内容进行一些编辑等处理,之后再进行提交发布。
另外,在具体实现时,本申请实施例除了可以帮助用户对输入的文本评价内容进行改写,还可以帮助用户对上传的图片、视频等内容进行优化处理。也就是说,在具体实现时,在用户上传了用于对目标商品进行评价的图片/视频内容后,如果接收到对所述基础的图片/视频内容进行优化处理的请求,则可以根据所述目标商品所属的商品类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
也就是说,具体在对图片/视频内容进行优化处理时,也可以根据具体的商品类目信息来进行,不同的商品类目信息,可以对应不同的优化处理规则。具体的,对图片/视频的优化处理可以包括以下几个方面:
1、对多张图片的重新排序,使得更有利于体现具体类目的商品特性的图片更优先展示,例如,服装类的商品,可以优先将带人物的上身效果图排在前面,等等。
2、对图片/视频内容进行主体识别,并识别出的主体类型,以及具体商品类目信息,对识别出的主体进行处理。例如,对于识别出的商品类的主体,可以进行突出展示,对于识别出的人物类的主体,对于不同的商品类目而言,具体对人物类主体的处理方式可以有所不同。例如,如果是服装类商品,图片或者视频中的人物通常是为了展示服饰的上身效果,因此,可以将人物类的主体进行突出或者放大处理;而如果是数码类商品等,图片或视频中出现的人物类主体对于展示商品特征通常并无帮助,因此,可以进行模糊处理,等等。其中,关于具体商品类目对应的主体处理方式,可以以规则信息等信息输入到AI模型中,以便在识别出图片或视频中的主体及类型后,可以根据具体商品类目对应的处理规则信息进行处理。
3、如果用户上传的视频内容中包括语音内容,则还可以通过对所述语音内容进行语音识别,转换为文本内容,并根据所述文本内容生成所述视频内容的字幕文件,以用于为所述基础的视频内容添加字幕。其中,在多语言场景下,还可以将具体语音识别得到的文本内容翻译为多个语种,并分别生成对应语种的字幕文件,以用于在多语言场景下为不同语种需求的用户提供对应语种的字幕信息。
4、在一些情况下,用户可能愿意上传自己试穿服装的图片等,但是可能并不想让其他用户看到自己的脸部。现有技术中,用户通常需要在拍照过程中使用一些道具对人脸部分进行遮挡,或者,拍完照之后对人脸部分进行打码,等等。但是,这种情况都会影响图片展示效果的完整性。针对该情况,在本申请实施例中,如果用户上传的图片/视频内容中包括人脸图像,则还可以通过AI算法生成AI人脸图像,以用于对用户上传的图片/视频内容中的原始人脸图像进行替换展示。也就是说,可以将真实的人脸图像替换为AI人脸图像,以起到保护用户隐私等作用。
5、另外,在用户上传的图片或视频中还可能会包括一些电话号码(例如,拍摄背景中刚好包括电话号码信息,可能会被拍摄到图片或视频中)等隐私信息,或者,可能拍摄背景比较乱,以至于影响对商品的呈现,等等。因此,具体在进行优化处理时,还可以对用户上传的图片/视频内容中包含的隐私信息、背景进行去除或模糊化处理。再者,用户上传的视频中还可能会包括一些无意义的内容,因此,进行优化处理时,还可以对视频内容中的无意义片段进行识别并进行裁剪,也即,可以去掉这种无意义的片段,以提升视频质量,避免无意义的视频内容对系统资源等造成的占用。
以上对图片/视频内容的多种优化处理方式进行了介绍,在实际应用中,还可以包括其他的优化处理方式,这里不再一一列举。需要说明的是,在具体实现时,关于具体对用户上传的图片/视频进行哪些方面的处理,可以由AI算法进行判断后决定,或者,在另一种方式下,也可以为用户提供多种可选的优化处理方案,以供用户根据实际情况进行选择使用,相应的,AI算法可以按照用户选择的优化处理方案来进行优化处理。例如,某些用户可能不需要对面部图像进行替换,则在选择优化处理方案时,可以不必选择该选项,等等。
总之,通过本申请实施例,可以预先以商品类目为单位,对商品的用户评价内容进行分析,以确定出具体的商品类目对应的决策因子标签,这种决策因子标签可以是用户在对具体商品类目的商品进行决策时属于用户的关注焦点的文本标签。这样,针对用户需要为某目标商品提交用户评价内容的情况,可以在用户提交了基础的评价内容之后,根据这种基础的用户评价内容以及具体商品类目对应的决策因子标签,生成建议的评价正文内容。通过这种方式,由于能够对用户输出的基础评价内容进行改写,改写的过程中还可以充分利用具体商品类目对应的决策因子标签,而这种决策因子标签是通过从具体商品类目对应的用户评价内容中进行信息挖掘而确定的,因此,可以使得算法生成的建议评价正文内容不仅可以更完整详尽,同时也更多地表达出与用户决策时所关注的焦点相关的文本标签,从而使得用户评价内容在帮助其他用户进行决策方面更具有参考价值,也即实现用户评价内容质量的提升。
实施例二
该实施例二是与实施例一相对应的,从客户端的角度,提供了一种商品评价内容处理方法,参见图6,该方法可以包括:
S601:在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
S602:将所述基础评价内容提交到服务端,以便所述服务端根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容;其中,所述决策因子标签是通过对所述商品类目关联的多个商品的用户评价内容进行分析确定的,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
S603:对所述建议评价文本内容进行展示,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
实施例三
以上实施例一、二中,主要是针对用户在需要为某目标商品提交用户评价内容时,可以通过AI模型以及大数据挖掘等技术帮助用户生产出更具参考价值的用户评价内容。而在该实施例三中,还可以将上述AI模型以及大数据挖掘的相关技术应用于帮助用户快速了解某个商品的用户评价内容的场景中。
具体的,在实际应用中,一个商品关联的用户评价内容可能会包括很多条,尤其是对于一些热门商品或者销量比较高的商品而言,用户评价内容条数可能会更多,此时,用户可能需要花费很长时间进行查看,因此,用户通常可能查看一些条之后就退出或关闭了,这可能会导致由于未查看到完整的评价内容而对商品产生片面的印象,或者,一些对于当前用户真正有用的评价内容可能会由于排在比较靠后的位置而未被用户看到,导致未能在帮助用户进行购物决策方面发挥出真正的作用,等等。
针对该情况,在本申请实施例中,可以基于上述AI大模型,对目标商品关联的多条用户评价内容进行模型理解,基于模型理解结果,可以对多条目标评价内容进行归纳总结,由AI大模型生产出用于对所述多条用户评价内容进行归纳总结性表达的目标文本内容。另外,在对多条用户评价内容进行归纳总结的过程中,还可以根据前述具体商品类目对应的决策因子标签信息来进行文本内容的生成,以使得生成的文本内容中可以更多的体现与用户决策的关注焦点相关的文本标签。例如,可以识别并总结出用户对产品的正面评价、负面评价或者中性评价等情绪表达类的信息,或者,还可以识别并总结出用户在评论中提到的商品的特点、优点、缺点等信息;或者,还可以对多条用户评价内容进行共性或者相似性分析,从而进行归类总结,再者,还可以根据当前目标用户的偏好或者一些基础属性(包括所属的人群等),进行与用户偏好的匹配关系等方面的归纳总结,等等。
另外,在生成上述文本内容的过程中,还可以考虑到当前用户的特征信息,通过与该当前用户具有相同或者相似特征的发布者发布的用户评价内容进行分析,来使得生成的文本内容可以包括与购买建议相关的内容。例如,某用户属于梨形身材,已经购买了当前商品的用户中,同样属于梨形身材的用户都评论说适合自己的身材,则在生成的文本内容中可以突出表达这方面的信息,等等。
再者,在对同一商品的用户评价内容进行收集时,除了可以收集该商品在当前商品信息服务系统中的用户评价内容,还可以收集其他商品信息服务系统中关于该商品的用户评价内容,另外还可以包括一些社交媒体系统中发布的与该商品相关的用户评价内容,等等。可以综合上述多个系统中采集到的用户评价内容信息,为用户生产出关于该商品的更完整的用户评价内容概述,以帮助用户更全面地了解该商品的用户评价情况,进而更准确地做出购物决策。
总之,在本申请实施例三中,可以根据同一商品的用户评价内容,生成一段或多段归纳总结性的文本内容,具体的文本内容可以是符合自然语言语法的连贯性表达,以便于用户进行理解。进而,通过将这种目标文本内容提供展示给用户,使得用户可以通过这种目标文本内容,实现对用户评价内容的快速浏览,并且,由于具有归纳总结的性质,因此,在看到这种目标文本内容后,相当于已经看完了全部的用户评价内容,并且得出结论,这样,可以帮助用户提升对用户评价内容的浏览效率,以及对用户评价内容进行更完整更全面的了解,进而可以更好的起到帮助用户进行购买决策的作用。
具体的,参见图7,本申请实施例三从服务端的角度,提供了一种提供商品信息的方法,该方法具体可以包括:
S701:以商品为单位,通过对商品对应的多条用户评价内容进行采集及分析,确定所述商品对应的决策因子标签;其中,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签。
与实施例一类似,具体在确定某个具体商品的决策因子标签时,可以对同一商品对应的多条用户评价内容进行分词处理,并对得到的多个文本标签进行语义识别;然后,可以按照语义识别结果对所述多个文本标签进行聚类处理后,确定属于用户评价焦点的至少一个文本标签,并确定为用户对该商品进行决策时的决策因子标签。例如,对于某服装类商品,大部分用户在对该商品进行评价时,都用到了“版型好”、“舒服”等标签词,则证明大部分用户都是由于上述原因购买的该商品,因此,这些标签词就可以作为该商品的决策因子标签。
其中,在进行用户评价内容采集时,具体的采集范围不仅可以包括当前商品信息服务系统,还可以包括其他商品信息服务系统,甚至还可以包括一些社交媒体系统,等等。这样,通过跨平台的信息收集,可以获取到关于同一商品的更丰富的用户评价内容。这里需要说明的是,具体的商品信息系统为了标记同一商品,通常可以为商品添加商品ID等标识,同一ID对应同一商品,以此实现对同一商品的识别。但是,由于不同系统之间对商品的标记方式会有所不同,因此,无法通过商品ID的方式来判断不同系统中的商品是否为同一商品,此时,可以通过对对应商品的图像和/或文本描述信息进行分析,来确定是否对应同一商品,然后再对不同系统中采集到的关于同一商品的用户评价内容进行分析处理。
需要说明的是,具体实现时,在为具体商品确定决策因子标签的过程中,还可以确定对应的情感标签,以便于根据这种情感标签,对商品的用户评价内容进行更准确的归纳总结。其中,所谓的情感标签可以包括正面、负面或中性等几种。具体实现时,可以在对用户评价内容进行分词处理,得到多个文本标签并进行语义分析的基础上,还通过具体的算法对具体的文本标签进行情感分值的打分(具体可以通过情感向量等进行表达),然后按照预先设定的阈值,确定出属于正面、负面或者中性评价,等等。通过这种方式,可以便于统计同一商品对应的各种情感标签的用户评价内容的数量以及分布情况,例如,对应某商品,可以确定出该商品获得的更多的是正面评价还是负面评价,等等。
S702:在向目标用户提供关于目标商品的信息的过程中,根据所述目标商品对应的决策因子标签以及所述目标用户的信息,为所述目标商品生成用户评价概述内容,以便向所述目标用户提供所述商品评价概述内容。
在获取到商品的决策因子标签后,便可以用于生产关于该商品的用户评价概述内容。当然,在具体实现时,具体生成同一商品的用户评价概述内容时,不仅可以考虑上述决策因子标签,还可以考虑用户的个人信息,也即,在本申请实施例中,关于同一商品的用户评价概述内容,可以是向具体用户提供关于某目标商品的信息时,进行个性化生成的。也即,在不同用户对同一商品进行浏览时,具体看到的用户评价概述内容可以是不同的。
其中,关于向目标用户提供关于目标商品的信息,可以有多种情况,相应的,可以在多种页面中提供上述用户评价概述内容。例如,可以在由系统向目标用户推荐与目标商品相关的信息时,在商品推荐信息页面中,提供关于具体商品的用户评价概述内容。或者,也可以是在用户发起搜索,搜索结果页面中需要包括该目标商品的信息时,在搜索结果页面中提供关于具体商品的用户评价概述内容。或者,还可以是在用户发起对某商品的商品详情页面的浏览请求时,在商品详情页面中提供关于该商品的用户评价概述内容,等等。
具体的,为了更好的实现上述关于用户评价概述内容的个性化生成,还可以通过对与所述目标用户具有相同/相似特征的多个发布者为所述目标商品发布的商品评价内容进行分析,确定所述相同/相似特征的用户对该商品进行决策时的决策因子标签;然后,可以根据所述目标商品对应的决策因子标签,以及所述相同/相似特征的用户对该商品进行决策时的决策因子标签,为所述目标商品生成通过自然语言进行表达的用户评价概述内容,此时,具体的用户评价概述内容中可以包括为所述目标用户提供的购买建议信息。其中,关于用户的特征信息,可以包括用户的身材特征,偏好特征,等等,具体可以通过用户提供的相关数据,或者从用户的历史行为记录中进行获得,等等。
例如,参见图8,关于某服装类的商品,具体生成的用户评价概述内容可以包括:
“此商品的S码非常适合你的身材(12),有50个和你类似身材的人买过都觉得很合适,为全棉材质且不会伤皮肤(37),你最喜欢的明星**也穿过类似风格的衣服(9),但是此商品物流可能会有点慢,可能需要5~8天才能配送到你的地址(67)”。
可见,上述用户评价概述内容主要是围绕当前目标用户的信息进行个性化生成的,在生成的过程中,考虑到了用户的身材特征,是否有喜欢的名人等偏好信息,常用收货地址等信息,从而可以在尺码等方面给出购物建议,另外还可以给出物流方面的参考信息,等等。当然,在具体实现时,关于用户的特征信息还可以包括多种,例如,是否具有一些品牌偏好,等等。其中,在生成上述用户评价概述内容时,对于一些结论形式的内容,还可以具体对应的用户评价数量进行标注,例如,上述例子中每句话后面标注的数字,即可代表同样表达过这句话的用户评价内容的数量,等等。
具体实现时,为了满足多语言场景下的展示需求,还可以将上述用户评价概述内容翻译成目标用户所需的语言,以便基于该语言向用户提供用户评价概述内容,等等。
总之,通过在商品粒度上确定出用户对具体商品进行决策过程中的决策因子标签,结合用户的个人特征信息,可以对同一商品的用户评价内容进行总结概括,生成针对具体用户的个性化的用户评价概述内容,从而可以更高效地帮助用户进行购物决策。
实施例四
该实施例四是与实施例三相对应的,从客户端的角度,提供了一种提供商品信息的方法,参见图9,该方法可以包括:
S901:在向目标用户提供与目标商品相关的信息的过程中,获取关于所述目标商品的用户评价概述内容,所述用户评价概述内容是根据所述目标商品对应的决策因子标签以及所述目标用户的信息生成的,所述决策因子标签是通过对所述目标商品对应的多条用户评价内容进行采集及分析而确定的,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签。
其中,具体的用户评价概述内容可以由服务端生成,并提供给客户端。
S902:输出所述用户评价概述内容。
具体的,客户端输出用户评价概述内容的方式可以有多种。例如,如果用户评价概述内容可以是文本内容,则可以在具体的页面中进行展示。或者,为了满足视力障碍人群或者阅读障碍人群的需求,服务端还可以生成语音格式的用户评价概述内容,此时,客户端可以对用户评价概述内容的语音进行播放,等等。
实施例五
在前述实施例一中提及了关于用户提交用户评价内容过程中,对用户上传的图片、视频等内容的优化处理,因此,该实施例五中还提供了一种商品评价内容处理方法,参见图10,该方法可以包括:
S1001:在目标用户发起为目标商品对象填写用户评价内容的请求后,响应于辅助进行评价内容处理的请求,获取所述目标用户输入的基础评价内容,所述基础评价内容包括基础的图片/视频内容;
S1002:根据所述目标商品所属的类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
具体的,关于对所述基础的图片/视频内容进行优化处理可以包括多个方面,例如,如果所述基础的图片/视频内容包括多张图片,则通过对所述多张图片进行模型理解,并根据所述目标商品所属的商品类目,对所述多张图片之间的顺序进行调整。
或者,还可以对所述基础的图片/视频内容进行主体识别,并确定所识别主体的主体类型信息,并根据所述目标商品所属的商品类目,以及所述商品类目对应的各主体类型的优化处理规则信息,对所识别主体进行优化处理。
或者,如果基础的视频内容中包括语音内容,则可以通过对所述语音内容进行语音识别,转换为文本内容,并根据所述文本内容生成所述视频内容的字幕文件,以用于为所述基础的视频内容添加字幕。具体实现时,还可以将所述文本内容翻译为多个语种,并分别生成对应语种的字幕文件,以用于在多语言场景下为不同语种需求的用户提供对应语种的字幕信息。
或者,如果所述基础的图片/视频内容中包括人脸图像,则通过人工智能AI算法生成AI人脸图像,以用于对所述基础的图片/视频内容中的原始人脸图像进行替换展示。
或者,对所述基础的图片/视频内容中包含的隐私信息、背景进行去除或模糊化处理,和/或对视频内容中的无意义片段进行裁剪,等等。
关于实施例二至五中的未详述部分,可以参见实施例一以及本说明书其他部分的记载,这里不再赘述。
需要说明的是,本申请实施例中可能会涉及到对用户数据的使用,在实际应用中,可以在符合所在国的适用法律法规要求的情况下(例如,用户明确同意,对用户切实通知,等),在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
与实施例一相对应,本申请实施例还提供了一种商品评价内容处理装置,参见图11,该装置可以包括:
预处理单元1101,用于以商品类目为单位,通过对多个商品对应的用户评价内容进行分析,确定商品类目与决策因子标签之间的对应关系;其中,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
基础评价内容获取单元1102,用于在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
建议评价内容生成单元1103,用于根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
其中,具体的预处理单元具体可以用于:
对同一商品类目下采集到的多条用户评价内容进行分词处理,并对得到的文本标签进行语义识别;
按照语义识别结果对多个文本标签进行聚类处理后,确定出同一商品类目下属于用户关注焦点的至少一个文本标签,并确定为用户对该商品类目进行决策时的决策因子标签。
另外,该装置还可以还包括:
目标语气或文风信息确定单元,用于确定所述目标用户所选择的目标语气或文风信息;
所述建议评价内容生成单元具体可以用于:
根据所述目标商品所属的商品类目对应的决策因子标签,以及所述目标语气或文风信息,对所述基础评价内容进行加工处理,以生成具有所述目标语气或文风的建议评价内容。
其中,所述基础评价内容包括基础的评价文本内容以及基础的图片/视频内容;
所述建议评价内容生成单元具体可以用于:
通过对所述基础的图片/视频内容进行模型理解处理,生成对所述基础的图片/视频内容的文本表达内容;
根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础的评价文本内容以及基于所述基础的图片/视频内容生成的文本表达内容进行加工处理,以生成所述建议评价文本内容。
另外,如果所述基础评价内容包括基础的评价文本内容以及基础的图片/视频内容;则该装置还可以包括:
图片/视频优化处理单元,用于响应于对所述基础的图片/视频内容进行优化处理的请求,根据所述目标商品所属的商品类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
与实施例二相对应,本申请实施例还提供了一种商品评价内容处理装置,参见图12,该装置可以包括:
基础评价内容获取单元1201,用于在目标用户发起为目标商品对象填写用户评价内容的请求后,获取所述目标用户输入的基础评价内容;
基础评价内容提交单元1202,用于将所述基础评价内容提交到服务端,以便所述服务端根据所述目标商品所属的商品类目对应的决策因子标签,对所述基础评价内容进行加工处理,生成建议评价文本内容;其中,所述决策因子标签是通过对所述商品类目关联的多个商品的用户评价内容进行分析确定的,所述决策因子标签包括:用户对同一商品类目的商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
建议评价文本内容展示单元1203,用于对所述建议评价文本内容进行展示,以便根据所述建议评价文本内容为所述目标商品发布用户评价内容。
与实施例三相对应,本申请实施例还提供了一种提供商品信息的装置,参见图13,该装置可以包括:
预处理单元1301,用于以商品为单位,通过对商品对应的多条用户评价内容进行采集及分析,确定所述商品对应的决策因子标签;其中,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
商品评价概述内容生成单元1302,用于在向目标用户提供关于目标商品的信息的过程中,根据所述目标商品对应的决策因子标签以及所述目标用户的信息,为所述目标商品生成用户评价概述内容,以便向所述目标用户提供所述商品评价概述内容。
其中,预处理单元具体可以用于:
对同一商品对应的多条用户评价内容进行分词处理,并对得到的多个文本标签进行语义识别;
按照语义识别结果对所述多个文本标签进行聚类处理后,确定属于用户评价焦点的至少一个文本标签,并确定为用户对该商品进行决策时的决策因子标签。
其中,在进行用户评价内容采集时,所采集的范围包括当前商品信息服务系统、其他商品信息服务系统和/或社交媒体系统;
此时,该装置还可以包括:
同商品识别单元,用于对于不同系统中采集到的商品评价内容,通过对对应商品的图像和/或文本描述信息进行分析,确定是否对应同一商品。
另外,该装置还可以包括:
情感标签确定单元,用于确定所述决策因子标签对应的情感标签,以便结合所述情感标签生成所述商品评价概述内容。
再者,该装置还可以包括:
标签确定单元,用于通过对与所述目标用户具有相同/相似特征的多个发布者为所述目标商品发布的商品评价内容进行分析,确定所述相同/相似特征的用户对该商品进行决策时的决策因子标签;
所述商品评价概述内容生成单元具体可以用于:
根据所述目标商品对应的决策因子标签,以及所述相同/相似特征的用户对该商品进行决策时的决策因子标签,为所述目标商品生成用户评价概述内容,所述用户评价概述内容中包括为所述目标用户提供的购买建议信息。
与实施例四相对应,本申请实施例还提供了一种提供商品信息的装置,参见图14,该装置可以包括:
用户评价概述内容获取单元1401,用于在向目标用户提供与目标商品相关的信息的过程中,获取关于所述目标商品的用户评价概述内容,所述用户评价概述内容是根据所述目标商品对应的决策因子标签以及所述目标用户的信息生成的,所述决策因子标签是通过对所述目标商品对应的多条用户评价内容进行采集及分析而确定的,所述决策因子标签包括:用户对同一商品进行决策的过程中,属于用户关注焦点的至少一个文本标签;
用户评价概述内容输出单元1402,用于输出所述用户评价概述内容。
与实施例五相对应,本申请实施例还提供了一种商品评价内容处理装置,参见图15,该装置可以包括:
基础评价内容获取单元1501,用于在目标用户发起为目标商品对象填写用户评价内容的请求后,响应于辅助进行评价内容处理的请求,获取所述目标用户输入的基础评价内容,所述基础评价内容包括基础的图片/视频内容;
优化处理单元1502,用于根据所述目标商品所属的类目,对所述基础的图片/视频内容进行优化处理,以便对优化处理后的图片/视频内容进行发布。
具体的,所述优化处理单元具体可以用于:
如果所述基础的图片/视频内容包括多张图片,则通过对所述多张图片进行模型理解,并根据所述目标商品所属的商品类目,对所述多张图片之间的顺序进行调整。
或者,对所述基础的图片/视频内容进行主体识别,并确定所识别主体的主体类型信息,并根据所述目标商品所属的商品类目,以及所述商品类目对应的各主体类型的优化处理规则信息,对所识别主体进行优化处理。
或者,如果基础的视频内容中包括语音内容,则通过对所述语音内容进行语音识别,转换为文本内容,并根据所述文本内容生成所述视频内容的字幕文件,以用于为所述基础的视频内容添加字幕。
其中,还可以将所述文本内容翻译为多个语种,并分别生成对应语种的字幕文件,以用于在多语言场景下为不同语种需求的用户提供对应语种的字幕信息。
或者,如果所述基础的图片/视频内容中包括人脸图像,则通过人工智能AI算法生成AI人脸图像,以用于对所述基础的图片/视频内容中的原始人脸图像进行替换展示。
或者,对所述基础的图片/视频内容中包含的隐私信息、背景进行去除或模糊化处理,和/或对视频内容中的无意义片段进行裁剪。
另外,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述方法实施例中任一项所述的方法的步骤。
以及一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述方法实施例中任一项所述的方法的步骤。
其中,图16示例性的展示出了电子设备的架构,具体可以包括处理器1610,视频显示适配器1611,磁盘驱动器1612,输入/输出接口1613,网络接口1614,以及存储器1620。上述处理器1610、视频显示适配器1611、磁盘驱动器1612、输入/输出接口1613、网络接口1614,与存储器1620之间可以通过通信总线1630进行通信连接。
其中,处理器1610可以采用通用的CPU(Central Processing Unit,处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器1620可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1620可以存储用于控制电子设备1600运行的操作系统1621,用于控制电子设备1600的低级别操作的基本输入输出系统(BIOS)。另外,还可以存储网页浏览器1623,数据存储管理系统1624,以及商品评价内容处理系统1625等等。上述商品评价内容处理系统1625就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器1620中,并由处理器1610来调用执行。
输入/输出接口1613用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口1614用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1630包括一通路,在设备的各个组件(例如处理器1610、视频显示适配器1611、磁盘驱动器1612、输入/输出接口1613、网络接口1614,与存储器1620)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1610、视频显示适配器1611、磁盘驱动器1612、输入/输出接口1613、网络接口1614,存储器1620,总线1630等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请方案所必需的组件,而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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实施例方案的目的。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。
以上对本申请所提供的商品评价内容处理方法及电子设备,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。