专利汇可以提供一种基于文本和图片内容的用户评论分析方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于文本和图片内容的用户评论分析方法,具体步骤如下:步骤一:录入当前用户参与排名的权值数据,步骤二:根据权值数据建立用户排名方法,步骤三:计算用户排名分数,步骤四:将用户数据放入字典中存储,排名分数放入跳表中存储,步骤五:根据跳表计算用户排名,并获取对应的用户数据,步骤六:将用户排名显示在游戏内,通过该排名系统,能够对农场游戏海量用户进行快速排名。该系统将用户在游戏内的排名将用户的消费产品金钱投入比和消费时间投入比作为排名依据,同时将跳表和字典作为排名系统的底层数据结构,能够有效的解决多权值下用户排名的公平性过低和海量数据下排名低效问题。,下面是一种基于文本和图片内容的用户评论分析方法专利的具体信息内容。
1.一种基于文本和图片内容的用户评论分析方法,其特征在于:该种基于文本和图片内容的用户评论分析方法包括以下基本步骤:
步骤一,录入app内用户关于商品的评论数据:所述用户评论数据包括用户在进行商品评价时的打分数据、文本数据、图片数据。
步骤二,对用户评论进行关于商品的分类:根据app的服务器中的商品类别信息对用户评论进行归类
步骤三,提取用户评论中的文本评论,对其进行观点评价:采用LDA模型,将词频按照观点分为不同的主题,并赋予相应的分值。
步骤四,提取用户评论中的文本内容、图片内容、商品打分信息,对其进行评价:分别对文本内容、图片内容采用情感分析、模板匹配进行评价并计算出相应的分值,然后对三者赋予预设的权值,进行计算,得出一个综合评价。
步骤五,将用户评论的综合评价与用户评论中的观点评价相结合:分别对综合性评分和观点性评分赋予预设的权值,进行加权计算,得出最后的用户评论得分。
步骤六,根据各商品分类下用户评论的最终得分,对用户评论进行排名,择优向用户推荐。
2.根据权利要求1所述的一种基于文本和图片内容的用户评论分析方法,其特征在于:
所述步骤一中,在录入关于商品的评论数据后,进行数据的预处理。
3.根据权利要求1所述的一种基于文本和图片内容的用户评论分析方法,其特征在于:
所述步骤三中,在提取文本评论后,进行观点分析,包括以下步骤:
S1.1基于LDA模型提取文本评论的观点属性面,挖掘关于观点的各个属性词。
S1.2根据通过LDA提取到的属性词,利用word2vec模型计算属性词之间的关系,将每个属性词映射到一个低维稠密的实数向量空间,在空间上,语义相似的词汇聚成一个属性面。
S1.3根据属性词构建一个打分矩阵,首先根据属性词进行打分,得到用户i对评论j的Sk属性面的偏好度为:
其中, 为主题词ωn在属性面Sk分布的概率值,属性面Sk由主题Sn根据word2vec模型汇聚而成,n表示采集到评论文本的总用户数。
再结合关注度的影响,得到用户i对评论j的Sk属性面综合评分:
Fijk=θikSijk
其中LDA模型中得到的文档—主题分布矩阵θik用于表达用户i对第k个属性面的关注度。
4.根据权利要求1所述的一种基于文本和图片内容的用户评论分析方法,其特征在于:
所述步骤四中,所述文本评价包括以下步骤:
S2.1对提取到的每一条用户评论,将其解析成单词的序列W=<ω1,ω2,...,ωn>,其中ω为单词,n为每条评论中中包含的单词总数;
S2.2然后对照情感词库,提取其中的情感词并对其打分,完成单词打分后汇总成句子的情感得分,公式如下:
R代表待评分的用户评论,s(w)代表对单词或词组的评分,n是句子中单词总数。根据已制定和公开的情感词库将情感词分为积极、中性、消极三个词性,其中积极词性打分为1,中性词性打分为0,消极词性打分为-1。
5.根据权利要求1所述的一种基于文本和图片内容的用户评论分析方法,其特征在于:
所述步骤四中,所述的图片评价包括以下步骤:
S3.1获取参考图片S,并为其特征区域进行标注;参考图片为电商平台下各商品的实物图;
S3.2获取用户评论中的图片部分,并进行图片预处理,为其特征区域标注为模板T(m,n);
S3.3然后将待评价的图片和标注过特征区域的参考图片采用模板匹配归一化算法进行匹配,公式如下:
其中,Sij是参考图片S的子图,R(i,j)是模板匹配的相关系数,R值越大,匹配度越高。
S3.4设定一个阈值,为匹配度R大于阈值的待评价图片打分。
6.根据权利要求1所述的一种基于文本和图片内容的用户评论分析方法,其特征在于:
所述步骤四中,所述的综合评价应表示为:
S=α1n1+α2n2+α3n3
其中α1,α2,α3分别为用户评论中文本评论、图片评论、商品打分所占的权值,n1,n2,n3分别为文本评论、图片评论、商品打分三者经处理过后的分值,S是经过计算的综合评价。
7.根据权利要求1所述的一种基于文本和图片内容的用户评论分析方法,其特征在于:
所述步骤五中,所述的用户评论的最终得分应表示为:
F=β1S1+β2S2
其中β1,β2分别为文本评论观点评价分值、用户评论综合评价分值所占的权重,S1,S2分别为观点评价分值和综合评价分值,F是经过计算后的用户评论最终分值。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于VR技术的记忆提升检测方法及系统 | 2020-05-08 | 482 |
说话人确认方法和装置 | 2020-05-08 | 767 |
数字串声纹密码验证方法及系统 | 2020-05-08 | 501 |
基于匿名化及差分隐私技术的用电数据脱敏方法及系统 | 2020-05-11 | 686 |
基于语音的评分方法及相关装置 | 2020-05-08 | 295 |
一种基于信用大数据的标签分类和定量分析方法 | 2020-05-08 | 949 |
一种基于文本主题的网页暗链检测方法和装置 | 2020-05-11 | 381 |
一种游戏平台用户问答业务的短文本分类方法 | 2020-05-08 | 555 |
文本检测方法、装置、电子设备及存储介质 | 2020-05-11 | 519 |
文档层级划分方法、文档层级划分装置和可读存储介质 | 2020-05-11 | 485 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。