一种APP软件用户评论一致性判断方法
阅读：179发布：2021-06-04
专利汇可以提供一种APP软件用户评论一致性判断方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种APP 软件 用户评论一致性判断方法，属于APP软件用户评价领域。本发明首先提取APP软件特征情感词对集；然后计算提取的APP软件特征情感词对集中情感词对的情感倾向程度得分；最后判断情感倾向程度得分是否存在不等于零的情况来确定APP软件用户评论是否一致。本发明定义并提取APP软件特征情感词对集，有助于更准确的判断用户评论信息与评分星级的一致性；将用户对APP软件的情感倾向程度划分成与评分星级对应的5个等级，以判断APP软件用户评论的一致性，有助于用户选择满足需求的APP软件；通过判断APP软件用户评论的一致性，有助于用户评价APP软件的 质量 。，下面是一种APP软件用户评论一致性判断方法专利的具体信息内容。
1.一种APP软件用户评论一致性判断方法，其特征在于：
首先提取APP软件特征情感词对集；然后计算提取的APP软件特征情感词对集中情感词对的情感倾向程度得分；最后判断情感倾向程度得分是否存在不等于零的情况来确定APP软件用户评论是否一致；
所述方法的具体步骤如下：
Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}；其中fx＝(Wh,Wd,Wa)表示APP软件特征情感词对，Wh表示评论用户关注的APP软件特征词，Wa为修饰特征Wh的情感词，Wd为修饰情感词Wa的副词， x＝1,2,...,u；
Step2、设置x＝1；
Step3、判断x是否小于或等于u：如果是，则执行步骤Step4；否则，执行步骤Step11；
Step4、判断fx中的Wh是否为空：如果是，则执行步骤Step6；否则，执行步骤Step5；
Step5、判断Wh是否属于集合U：如果是，则执行步骤Step6；否则，计算Wh与集合U中每个词或词组的相似度a：如果amax>＝α，则执行步骤Step6，否则，将fx的情感倾向程度得分F(x)赋值为0，x++，执行Step3；
Step6、判断fx中的Wa是否为自定义网络情感词：如果是，则与自定义网络情感词库匹配，并根据公式F(x)＝F(d)*F(z)计算F(x)，x++，执行Step3；否则，执行Step7；
Step7、判断Wd是否为空：如果是，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)*F(n)计算F(x)，x++，执行Step3；否则，执行Step8；
Step8、判断fx是否含否定副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)计算F(x)，x++，执行Step3；否则，执行Step9；
Step9、判断fx是否含程度副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝-0.5*F(a)计算F(x)，x++，执行Step3；否则，执行Step10；
Step10、判断fx是否属于DNP形式：如果不属于，则与《How Net》词典匹配，并根据公式F(x)＝0.6*F(d)*F(a)计算否定副词在程度副词之前的情感倾向程度得分F(x)，x++，执行Step3；否则，根据公式F(x)＝-0.5*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(x)，x++，执行Step3；
Step11、判断是否存在F(x)！＝0：
如果存在F(x)！＝0，则根据公式 计算出用户对该APP软件每条评论的综合评分F(O)，再根据用户给APP软件所打的5个评分星级将综合评分F(O)划分成对应的5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
如果不存在F(x)！＝0，则输出“APP软件用户评论不一致”；
式中，U表示APP软件信息中特征集合，amax表示相似度a的最大值，α表示阈值且α＝0.1；
F(x)表示用户评论中对第x个特征评论的情感倾向程度得分，t表示APP软件特征情感词对集F中F(x)！＝0的个数；F(d)为程度副词的极性参数：若存在程度副词，F(d)取值根据程度副词极性参数类别确定，若不存在程度副词，F(d)取值为1；F(n)为否定副词的极性参数：若存在否定副词，F(n)取值为-0.5，若不存在否定副词，F(n)取值为1；F(a)为情感词的原极性参数：如果情感词为正面，F(a)取值为1，如果情感词为反面，F(a)取值为-1，如果情感词为中性，F(a)的取值为0.1；F(z)表示自定义网络情感词语库中情感词的原极性参数：如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
2.根据权利要求1所述的APP软件用户评论一致性判断方法，其特征在于：所述程度副词极性参数类别分别五类：第一类，F(d)取值为1.6；第二类，F(d)取值为1.4；第三类，F(d)取值为1.2；第四类，F(d)取值为0.8；第五类，F(d)取值为0.6。
3.根据权利要求1所述的APP软件用户评论一致性判断方法，其特征在于：所述5个评分星级对应的F(O)取值区间：5星，取值区间为(1,1.6]；4星，取值区间为[0.5,1]；3星，取值区间为(-0.5,0.5)；2星，取值区间为[-1,-0.5]；1星，取值区间为[-1.6,-1)。
一种APP软件用户评论一致性判断方法
技术领域
[0001] 本发明涉及一种APP软件用户评论一致性判断方法，属于APP软件用户评价领域。
背景技术
[0002] 用户评论信息分析方法在商品领域日趋成熟，多数研究主要使用ICTCLAS作为用户评论信息数据处理的工具，最后通过自然语言处理等方法来对用户评论信息进行分析。例如，朱征宇等人提出一种改进《知网》的词汇语义相似度计算方法；尹洪波等人提出当否定副词与程度副词共现时，句法语义可以相互推衍的规则；扈中凯等人通过对特征词和情感词同时提取，并建立用户兴趣偏好模型，结合用户历史评分数据来改善传统协同过滤推荐算法的推荐准确性；林钦和等人通过基于《How Net》词典的程度语料库，设置6种类别的程度副词，并定义5种极性参数来计算用户对产品的不同态度。上述研究针对商品的用户评论信息进行挖掘和分析，将用户的情感倾向分为了正面、反面、中性三个方面。
[0003] 目前，面对海量的移动应用，大多数用户在选择APP软件之前会查看APP软件信息和用户评论。用户评论包括用户给APP软件所打的评分星级(通常为5个等级)，以及描述使用APP软件后的评论信息。用户的评论信息往往隐含了用户对APP软件的喜好程度及对软件特定属性的关注程度等潜在信息。然而，由于网络评论的自由性和随意性，导致评论信息与所给的评分星级不一致，或者评论信息与APP软件信息不一致。这给用户评价APP软件的质量带来了困难，因此如何判断APP软件的用户评论是否一致成为需要解决的问题。
[0004] 本发明提出通过提取用户评论信息中的APP软件特征情感词对集，量化用户对APP软件特征情感倾向程度，并将量化后的综合评分划分成5个等级等方法来判断APP软件用户评论的一致性，有助于用户选择满足需求的APP软件。
发明内容
[0005] 针对上述问题，本发明提供了一种APP软件用户评论一致性判断方法，以用于帮助用户选择所需的APP软件。
[0006] 本发明的技术方案是：一种APP软件用户评论一致性判断方法，首先提取APP软件特征情感词对集；然后计算提取的APP软件特征情感词对集中情感词对的情感倾向程度得分；最后判断情感倾向程度得分是否存在不等于零的情况来确定APP软件用户评论是否一致。
[0007] 所述方法的具体步骤如下：
[0008] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}；其中fx＝(Wh,Wd,Wa)(x＝1,2,...,u)表示APP软件特征情感词对，Wh表示评论用户关注的APP软件特征词，Wa为修饰特征Wh的情感词，Wd为修饰情感词Wa的副词；
[0009] Step2、设置x＝1；
[0010] Step3、判断x是否小于或等于u：如果是，则执行步骤Step4；否则，执行步骤Step11；
[0011] Step4、判断fx中的Wh是否为空：如果是，则执行步骤Step6；否则，执行步骤Step5；
[0012] Step5、判断Wh是否属于集合U：如果是，则执行步骤Step6；否则，计算Wh与集合U中每个词或词组的相似度a：如果amax>＝α，则执行步骤Step6，否则，将fx的情感倾向程度得分F(x)赋值为0，x++，执行Step3；
[0013] Step6、判断fx中的Wa是否为自定义网络情感词：如果是，则与自定义网络情感词库匹配，并根据公式F(x)＝F(d)*F(z)计算F(x)，x++，执行Step3；否则，执行Step7；
[0014] Step7、判断Wd是否为空：如果是，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)*F(n)计算F(x)，x++，执行Step3；否则，执行Step8；
[0015] Step8、判断fx是否含否定副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)计算F(x)，x++，执行Step3；否则，执行Step9；
[0016] Step9、判断fx是否含程度副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝-0.5*F(a)计算F(x)，x++，执行Step3；否则，执行Step10；
[0017] Step10、判断fx是否属于DNP形式：如果不属于，则与《How Net》词典匹配，并根据公式F(x)＝0.6*F(d)*F(a)计算否定副词在程度副词之前的情感倾向程度得分F(x)，x++，执行Step3；否则，根据公式F(x)＝-0.5*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(x)，x++，执行Step3；
[0018] Step11、判断是否存在F(x)！＝0：
[0019] 如果存在F(x)！＝0，则根据公式 计算出用户对该APP软件每条评论的综合评分F(O)，再根据用户给APP软件所打的5个评分星级将综合评分F(O)划分成对应的
5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
[0020] 如果不存在F(x)！＝0，则输出“APP软件用户评论不一致”；
[0021] 式中，U表示APP软件信息中特征集合，amax表示相似度a的最大值，α表示阈值且α＝0.1；F(x)表示用户评论中对第x个特征评论的情感倾向程度得分，t表示APP软件特征情感词对集F中F(x)！＝0的个数；F(d)为程度副词的极性参数：若存在程度副词，F(d)取值根据程度副词极性参数类别确定，若不存在程度副词，F(d)取值为1；F(n)为否定副词的极性参数：若存在否定副词，F(n)取值为-0.5，若不存在否定副词，F(n)取值为1；F(a)为情感词的原极性参数：如果情感词为正面，F(a)取值为1，如果情感词为反面，F(a)取值为-1，如果情感词为中性，F(a)的取值为0.1；F(z)表示自定义网络情感词语库中情感词的原极性参数：
如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
[0022] 所述程度副词极性参数类别分别五类：第一类，F(d)取值为1.6；第二类，F(d)取值为1.4；第三类，F(d)取值为1.2；第四类，F(d)取值为0.8；第五类，F(d)取值为0.6。
[0023] 所述5个评分星级对应的F(O)取值区间：5星，取值区间为(1,1.6]；4星，取值区间为[0.5,1]；3星，取值区间为(-0.5,0.5)；2星，取值区间为[-1,-0.5]；1星，取值区间为[-1.6,-1)。
[0024] 其中，情感词的正面、反面、中性根据《How Net》词典匹配。
[0025] 本发明的工作原理是：
[0026] 一种APP软件用户评论一致性判断方法，包括：
[0027] 提取APP软件特征情感词对集，用于对用户评论信息中的非结构化数据进行相应的数据处理并提取APP软件特征情感词对集；
[0028] 判断用户评论信息与APP软件信息的一致性，用于判断用户评论信息中APP软件特征情感词对集中的特征是否与当前APP软件信息特征一致；
[0029] 判断用户评论信息与评分星级的一致性，用于判断用户评论信息中用户对APP软件特征的情感倾向程度综合评分是否与用户对APP软件所给的评分星级一致。
[0030] 本发明使用ICTCLAS 2015作为数据处理的工具，进行用户评论信息的分词及词性标注；基于扈中凯等人对特征词、情感词同时提取的方法，本发明对特征词、副词、情感词进行同时提取，即提取APP软件特征情感词对集F。
[0031] 所述U表示APP软件信息中特征集合，amax表示相似度a的最大值，α表示阈值且α＝0.1，相似度计算使用的是朱征宇等人提出的改进《知网》的词汇语义相似度计算方法，计算公式如下：
[0032] Sim(W1,W2)＝max(Sim(C1i,C2j))
[0033] 其中：i＝1,2,...,n，j＝1,2,...,m，Sim(W1,W2)为词汇W1与W2之间的相似度值，Sim(C1i,C2j)为概念C1i与C2j之间的概念相似度值。
[0034] APP软件用户评论是一种典型的网络评论，用户往往会使用许多网络情感词语。目前，词典不能识别这部分网络情感词，但这些词语又能表达用户对APP软件一个或多个特征的态度，从而对APP软件用户评论一致性的判断造成影响。因此，本发明建立了自定义网络情感词语库，如：TMD/n_newword、狗屎/n_newword、神器/n_newword、牛逼/n_newword等，并对这部分情感词进行权重极性的定义。这类词语大多表现为用户对APP软件的一个或多个特征持非常强烈的态度。
[0035] 本发明基于《How Net》词典的程度语料库，将林钦和等人的6种类别程度副词中极性参数相同的类别进行合并，最终分为5种不同极性参数的类别，如表1所示。
[0036] 表1程度副词分类及极性参数表
[0037]
[0038] 对于否定副词的处理，本发明首先设置否定副词的极性参数为-0.5，由于否定副词和程度副词共现语序情况可分为两种：1)程度副词在否定副词之前，是对否定副词所否定程度的确定，否定程度是逐渐递增的，例如：“画面不好”和“画面很不好”；2)否定副词在程度副词之前，是对某个程度的否定，作用是把原来的程度降低，例如：“画面不非常好”和“画面相对好”，这两个例句表达的情感倾向程度大体相同。这种情况根据尹洪波等人提出的在语义上能够相互推衍的，基于以上规则，根据公式F(x)＝0.6*F(d)*F(a)计算否定副词在程度副词之前的情感倾向程度得分F(x)；根据公式F(x)＝-0.5*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(x)。
[0039] 所述将综合评分F(O)划分成对应的5个等级的划分过程：由上述过程可以计算出综合评分F(O)的取值范围是[-1.6,+1.6]，因为从表2中可以看出极性参数的最大值是1.6，正面、反面情感词的极性分别为+1、-1，且本专利中的否定副词极性参数为-0.5。所以5星中最大取值为1.6*1＝1.6；4星的最大取值为1，最小值为-1*(-0.5)＝0.5，即5星的取值区间为(1,1.6]，4星的取值区间为[0.5,1]。用户综合评分划分区间如表2所示。
[0040] 表2用户综合评分划分区间
[0041]
[0042] 本发明的有益效果是：
[0043] (1)本发明定义并提取APP软件特征情感词对集，有助于更准确的判断用户评论信息与评分星级的一致性；
[0044] (2)本发明将用户对APP软件的情感倾向程度划分成与评分星级对应的5个等级，以判断APP软件用户评论的一致性，有助于用户选择满足需求的APP软件；
[0046] 图1是本发明的流程图。
具体实施方式
[0047] 实施例1：如图1所示，一种APP软件用户评论一致性判断方法，首先提取APP软件特征情感词对集；然后计算提取的APP软件特征情感词对集中情感词对的情感倾向程度得分；最后判断情感倾向程度得分是否存在不等于零的情况来确定APP软件用户评论是否一致。
[0048] 所述方法的具体步骤如下：
[0049] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}；其中fx＝(Wh,Wd,Wa)(x＝1,2,...,u)表示APP软件特征情感词对，Wh表示评论用户关注的APP软件特征词，Wa为修饰特征Wh的情感词，Wd为修饰情感词Wa的副词；
[0050] Step2、设置x＝1；
[0051] Step3、判断x是否小于或等于u：如果是，则执行步骤Step4；否则，执行步骤Step11；
[0052] Step4、判断fx中的Wh是否为空：如果是，则执行步骤Step6；否则，执行步骤Step5；
[0053] Step5、判断Wh是否属于集合U：如果是，则执行步骤Step6；否则，计算Wh与集合U中每个词或词组的相似度a：如果amax>＝α，则执行步骤Step6，否则，将fx的情感倾向程度得分F(x)赋值为0，x++，执行Step3；
[0054] Step6、判断fx中的Wa是否为自定义网络情感词：如果是，则与自定义网络情感词库匹配，并根据公式F(x)＝F(d)*F(z)计算F(x)，x++，执行Step3；否则，执行Step7；
[0055] Step7、判断Wd是否为空：如果是，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)*F(n)计算F(x)，x++，执行Step3；否则，执行Step8；
[0056] Step8、判断fx是否含否定副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)计算F(x)，x++，执行Step3；否则，执行Step9；
[0057] Step9、判断fx是否含程度副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝-0.5*F(a)计算F(x)，x++，执行Step3；否则，执行Step10；
[0058] Step10、判断fx是否属于DNP形式：如果不属于，则与《How Net》词典匹配，并根据公式F(x)＝0.6*F(d)*F(a)计算否定副词在程度副词之前的情感倾向程度得分F(x)，x++，执行Step3；否则，根据公式F(x)＝-0.5*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(x)，x++，执行Step3；
[0059] Step11、判断是否存在F(x)！＝0：
[0060] 如果存在F(x)！＝0，则根据公式 计算出用户对该APP软件每条评论的综合评分F(O)，再根据用户给APP软件所打的5个评分星级将综合评分F(O)划分成对应的
5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
[0061] 如果不存在F(x)！＝0，则输出“APP软件用户评论不一致”；
[0062] 式中，U表示APP软件信息中特征集合，amax表示相似度a的最大值，α表示阈值且α＝0.1；F(x)表示用户评论中对第x个特征评论的情感倾向程度得分，t表示APP软件特征情感词对集F中F(x)！＝0的个数；F(d)为程度副词的极性参数：若存在程度副词，F(d)取值根据程度副词极性参数类别确定，若不存在程度副词，F(d)取值为1；F(n)为否定副词的极性参数：若存在否定副词，F(n)取值为-0.5，若不存在否定副词，F(n)取值为1；F(a)为情感词的原极性参数：如果情感词为正面，F(a)取值为1，如果情感词为反面，F(a)取值为-1，如果情感词为中性，F(a)的取值为0.1；F(z)表示自定义网络情感词语库中情感词的原极性参数：
如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
[0063] 所述程度副词极性参数类别分别五类：第一类，F(d)取值为1.6；第二类，F(d)取值为1.4；第三类，F(d)取值为1.2；第四类，F(d)取值为0.8；第五类，F(d)取值为0.6。
[0064] 所述5个评分星级对应的F(O)取值区间：5星，取值区间为(1,1.6]；4星，取值区间为[0.5,1]；3星，取值区间为(-0.5,0.5)；2星，取值区间为[-1,-0.5]；1星，取值区间为[-1.6,-1)。
[0065] 实施例2：如图1所示，一种APP软件用户评论一致性判断方法，首先提取APP软件特征情感词对集；然后计算提取的APP软件特征情感词对集中情感词对的情感倾向程度得分；最后判断情感倾向程度得分是否存在不等于零的情况来确定APP软件用户评论是否一致。
[0066] 所述方法的具体步骤如下：
[0067] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}；其中fx＝(Wh,Wd,Wa)(x＝1,2,...,u)表示APP软件特征情感词对，Wh表示评论用户关注的APP软件特征词，Wa为修饰特征Wh的情感词，Wd为修饰情感词Wa的副词；
[0068] Step2、设置x＝1；
[0069] Step3、判断x是否小于或等于u：如果是，则执行步骤Step4；否则，执行步骤Step11；
[0070] Step4、判断fx中的Wh是否为空：如果是，则执行步骤Step6；否则，执行步骤Step5；
[0071] Step5、判断Wh是否属于集合U：如果是，则执行步骤Step6；否则，计算Wh与集合U中每个词或词组的相似度a：如果amax>＝α，则执行步骤Step6，否则，将fx的情感倾向程度得分F(x)赋值为0，x++，执行Step3；
[0072] Step6、判断fx中的Wa是否为自定义网络情感词：如果是，则与自定义网络情感词库匹配，并根据公式F(x)＝F(d)*F(z)计算F(x)，x++，执行Step3；否则，执行Step7；
[0073] Step7、判断Wd是否为空：如果是，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)*F(n)计算F(x)，x++，执行Step3；否则，执行Step8；
[0074] Step8、判断fx是否含否定副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)计算F(x)，x++，执行Step3；否则，执行Step9；
[0075] Step9、判断fx是否含程度副词：如果不含，则与《How Net》词典匹配，并根据公式F(x)＝-0.5*F(a)计算F(x)，x++，执行Step3；否则，执行Step10；
[0076] Step10、判断fx是否属于DNP形式：如果不属于，则与《How Net》词典匹配，并根据公式F(x)＝0.6*F(d)*F(a)计算否定副词在程度副词之前的情感倾向程度得分F(x)，x++，执行Step3；否则，根据公式F(x)＝-0.5*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(x)，x++，执行Step3；
[0077] Step11、判断是否存在F(x)！＝0：
[0078] 如果存在F(x)！＝0，则根据公式 计算出用户对该APP软件每条评论的综合评分F(O)，再根据用户给APP软件所打的5个评分星级将综合评分F(O)划分成对应的
5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
5个等级，如果量化后的评分星级与用户的评分星级相同，则输出“APP软件用户评论一致”，否则输出“APP软件用户评论不一致”；
[0079] 如果不存在F(x)！＝0，则输出“APP软件用户评论不一致”；
[0080] 式中，U表示APP软件信息中特征集合，amax表示相似度a的最大值，α表示阈值且α＝0.1；F(x)表示用户评论中对第x个特征评论的情感倾向程度得分，t表示APP软件特征情感词对集F中F(x)！＝0的个数；F(d)为程度副词的极性参数：若存在程度副词，F(d)取值根据程度副词极性参数类别确定，若不存在程度副词，F(d)取值为1；F(n)为否定副词的极性参数：若存在否定副词，F(n)取值为-0.5，若不存在否定副词，F(n)取值为1；F(a)为情感词的原极性参数：如果情感词为正面，F(a)取值为1，如果情感词为反面，F(a)取值为-1，如果情感词为中性，F(a)的取值为0.1；F(z)表示自定义网络情感词语库中情感词的原极性参数：
如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
如果自定义网络情感词语库中情感词为正面，F(z)取值为1.6，如果自定义网络情感词语库中情感词为反面，F(z)取值为-1.6。
[0081] 实施例3：如图1所示，一种APP软件用户评论一致性判断方法，首先提取APP软件特征情感词对集；然后计算提取的APP软件特征情感词对集中情感词对的情感倾向程度得分；最后判断情感倾向程度得分是否存在不等于零的情况来确定APP软件用户评论是否一致。
[0082] 实施例4：如图1所示，
[0083] APP软件用户评论如表3所示，
[0084] 表3
[0085]
[0086] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0087] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}；其中fx＝(Wh,Wd,Wa)(x＝1,2,...,u)表示APP软件特征情感词对，Wh表示评论用户关注的APP软件特征词，如“下载”、“画面”等；Wa为修饰特征Wh的情感词，表达了用户对APP软件特征的主观感受，如“麻烦”、“流畅”等；Wd为修饰情感词Wa的副词，表达了用户对特征情感的程度，如“很”、“非常”等。
[0088] 本发明使用ICTCLAS 2015作为数据处理的工具，进行用户评论信息的分词及词性标注；基于扈中凯等人对特征词、情感词同时提取的方法，本发明对特征词、副词、情感词进行同时提取，即提取APP软件特征情感词对集F。本实施例中对用户评论信息分词之后为：“呵呵/o交换机/n”，提取特征情感词对集：F＝{f1}。
[0089] Step2、设置x＝1；
[0090] f1＝(交换机/n，null，null)。
[0091] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0092] Step4、判断fx中的Wh是否为空：本实施例Wh为“交换机”，执行步骤Step5；
[0093] Step5、判断Wh是否属于集合U：本实施例中Wh不属于该APP软件信息特征集合U＝{QQ/n,软件/n，帮助/vn,彩铃/n,超过/v,充/v,触/v,传输/vn,创新/vi,打造/v,电脑/n,动态/n,反馈/v,方便/v,分享/v,服务/vn,感动/v,个性/n,功能/n,沟通/v,购/vg,过程/n,好友/n,互联网/n,话费/n,获知/v,进入/v,空间/n,联系/v,聊天/vi,留住/v,满足/v,名片/n,气泡/n,全民/n,热线/n,人/n,设置/v,生活/vn,时间/n,使用/v,视频/n,收发/v,收款/vn,手机/n,体验/vn,停/vi,通话/vi,文件/n,问题/n,无限/vi,相见/vi,想念/v,消息/n,需/v,选/v,一应俱全/v,移动/vn,用户/n,游戏/n,娱乐/vn,语音/n,遇到/v,支付/v,中心/n,主题/n,转账/vn,装扮/v}，因此，根据公式：Sim(W1,W2)＝max(Sim(C1i,C2j))计算出Wh与U中每个特征词的相似度a，最后得出相似度a中的最大值amax＝0.05；由于amax<α，阈值α＝0.1，因此，将f1的情感倾向程度得分F(1)赋值为0，x＝2，执行Step3：2>1，执行执行Step6；
[0094] Step6、判断是否存在F(x)！＝0：本实施例中不存在F(x)！＝0，因此输出“APP软件用户评论不一致”。
[0095] 实施例5：如图1所示，APP软件用户评论如表4所示，
[0096] 表4
[0097]
[0098] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0099] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0100] 本实施例中特征情感词对集：F＝{f1,f2}，f1＝(null，null，(好/a用/v)),f2＝(迅雷/nz，null，好/a)；
[0101] Step2、设置x＝1；
[0102] f1＝(null，null，(好/a用/v))。
[0103] Step3、判断x是否小于或等于u：本实施例中1<＝2，执行步骤Step4；
[0104] Step4、判断fx中的Wh是否为空：本实施例Wh为空，执行步骤Step5；
[0105] Step5、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“好用”，不属于自定义网络情感词，执行Step6；
[0106] Step6、判断Wd是否为空：本实施例中Wd为空，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)*F(n)(其中，情感词的正面、反面、中性根据《How Net》词典匹配，从而确定F(a)的取值)计算出F(1)的评分：F(1)＝1*1*1＝1，x＝2，执行Step3：2<＝2，执行步骤Step4；
[0107] 判断fx中的Wh是否为空：本实施例f2中Wh为“迅雷”，判断Wh是否属于集合U：本实施例中Wh不属于该APP软件信息特征集合U＝{百度/nz,视频/n,想/v,看/v,有/v,观看/v,离线/vn,视频/n,享受/v,片/n,APP/n,够/v,电影/n,播/v,剧/n,动漫/vn,节目/n,应有尽有/v,搜索/vn,个性化/vn,推荐/vn能/v,找到/v,装/v,采用/v,独有/v,移动/vn,云/n,播放/v,内核/n,技术/n,播放/v,加载/v,速度/n}，因此，根据公式：Sim(W1,W2)＝max(Sim(C1i,C2j))计算出Wh与U中每个特征词的相似度a，最后得出相似度a中的最大值amax＝0.08；由于amax<α，阈值α＝0.1，因此，将f2的情感倾向程度得分F(2)赋值为0，x＝3，执行Step3：3>2，执行执行Step7；
[0108] Step7、判断是否存在F(x)！＝0：本实施例中存在F(1)＝1，根据公式计算出综合评分F(O)＝1/1＝1，最后根据表2得出量化后的评分星级为4星，但用户给出的评分星级是5星。因此，输出“APP软件用户评论不一致”。
[0109] 实施例6：如图1所示，APP软件用户评论如表5所示，
[0110] 表5
[0111]
[0112] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0113] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0114] 本实施例中对用户评论信息分词之后为：“TMD/n_newword不/d好/a！/wt”，提取特征情感词对集：F＝{f1}，f1＝(null，不/d，(TMD/n_newword好/a))。
[0115] Step2、设置x＝1；
[0116] f1＝(null，不/d，(TMD/n_newword好/a)。
[0117] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0118] Step4、判断fx中的Wh是否为空：本实施例Wh为空，执行步骤Step5；
[0119] Step5、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“TMD/n_newword好”，属于自定义网络情感词，则与自定义网络情感词库匹配，并根据公式F(x)＝F(d)*F(z)计算出F(1)的评分：F(1)＝1*(-1.6)＝-1.6，x＝2，执行Step3：2>1，执行步骤Step6；
[0120] Step6、判断是否存在F(x)！＝0：本实施例中存在F(1)＝-1.6，根据公式计算出综合评分F(O)＝-1.6/1＝-1.6；最后根据表2得出量化后的评分星级为1星，用户给出的评分星级是1星。因此，输出“APP软件用户评论一致”。
[0121] 实施例7：如图1所示，APP软件用户评论如表6所示，
[0122] 表6
[0123]
[0124] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0125] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0126] 本实施例中对用户评论信息分词之后为：“SB/n_newword软件/n”，提取特征情感词对集：F＝{f1}，f1＝(软件/n，null，SB/n_newword))。
[0127] Step2、设置x＝1；
[0128] f1＝(软件/n，null，SB/n_newword)。
[0129] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0130] Step4、判断fx中的Wh是否为空：本实施例Wh为“软件”，执行步骤Step5；
[0131] Step5、判断Wh是否属于集合U：本实施例Wh为“软件”属于U，执行步骤Step6；
[0132] Step6、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“SB”，属于自定义网络情感词，则与自定义网络情感词库匹配，并根据公式F(x)＝F(d)*F(z)计算出F(1)的评分：F(1)＝1*(-1.6)＝-1.6，x＝2，执行Step3：2>1，执行步骤Step7；
[0133] Step7、判断是否存在F(x)！＝0：本实施例中存在F(1)＝-1.6，根据公式计算出综合评分F(O)＝-1.6/1＝-1.6；最后根据表2得出量化后的评分星级为1星，用户给出的评分星级是1星。因此，输出“APP软件用户评论一致”。
[0134] 实施例8：如图1所示，APP软件用户评论如表7所示，
[0135] 表7
[0136]
[0137] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0138] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0139] 本实施例中特征情感词对集：F＝{f1}，f1＝(安/v，很/d，慢/a)；
[0140] Step2、设置x＝1；
[0141] f1＝(安/v，很/d，慢/a)。
[0142] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0143] Step4、判断fx中的Wh是否为空：本实施例Wh为“安”，执行步骤Step5；
[0144] Step5、判断Wh是否属于集合U：本实施例Wh为“安”不属于U，因此，根据公式：Sim(W1,W2)＝max(Sim(C1i,C2j))计算出Wh与U中每个特征词的相似度a，最后得出相似度a中的最大值amax＝0.6；由于amax>α，阈值α＝0.1，执行步骤Step6；
[0145] Step6、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“慢”，不属于自定义网络情感词，执行Step7；
[0146] Step7、判断Wd是否为空：本实施例中Wd为“很”，执行步骤Step8；
[0147] Step8、判断fx是否含否定副词：本实施例中不含否定副词如，则与《How Net》词典匹配，并根据公式F(x)＝F(a)*F(d)计算出F(1)的评分：F(1)＝-1*1.4＝-1.4，x＝2，执行Step3：2>1，执行步骤Step9；
[0148] Step9、判断是否存在F(x)！＝0：本实施例中存在F(1)＝-1.4，根据公式计算出综合评分F(O)＝-1.4/1＝-1.4；最后根据表2得出量化后的评分星级为1星，用户给出的评分星级是4星。因此，输出“APP软件用户评论不一致”。
[0149] 实施例9：如图1所示，APP软件用户评论如表8所示，
[0150] 表8
[0151]
[0152] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0153] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0154] 本实施例中提取的特征情感词对集：F＝{f1}，f1＝(null，null，好/a)；
[0155] Step2、设置x＝1；
[0156] f1＝(null，null，好/a)。
[0157] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0158] Step4、判断fx中的Wh是否为空：本实施例Wh为空，执行步骤Step5；
[0159] Step5、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“好”，不属于自定义网络情感词，执行Step6；
[0160] Step6、判断Wd是否为空：本实施例中Wd为空，则与《How Net》词典匹配，并根据并根据公式F(x)＝F(a)*F(d)*F(n)计算出F(1)的评分：F(1)＝1*1*1＝1，i＝2，执行Step3：2>1，执行步骤Step7；
[0161] Step7、判断是否存在F(x)！＝0：本实施例中存在F(1)＝1，根据公式计算出综合评分F(O)＝1/1＝1；最后根据表2得出量化后的评分星级为4星，用户给出的评分星级是4星。因此，输出“APP软件用户评论一致”。
[0162] 实施例10：如图1所示，APP软件用户评论如表9所示，
[0163] 表9
[0164]
[0165] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0166] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0167] 本实施例中提取特征情感词对集：F＝{f1}，f1＝(null，(不/d太/d)，好/a)；
[0168] Step2、设置x＝1；
[0169] f1＝(null，(不/d太/d)，好/a)。
[0170] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0171] Step4、判断fx中的Wh是否为空：本实施例Wh为空，执行步骤Step5；
[0172] Step5、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“好”，不属于自定义网络情感词，执行Step6；
[0173] Step6、判断Wd是否为空：本实施例中Wd为“不太”，执行Step7；
[0174] Step7、判断fx是否含否定副词：本实施例中含否定副词“不”，执行Step8；
[0175] Step8、判断fx是否含程度副词：本实施例中含有程度副词“太”，执行Step9；
[0176] Step9、判断fx是否属于DNP形式：本实施例不属于DNP形式，则根据公式F(x)＝0.6*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(1)：F(1)＝0.6*1.4*1＝0.84，x＝2，执行Step3：2>1，执行步骤Step10；
[0177] Step10、判断是否存在F(x)！＝0：本实施例中存在F(1)＝0.84，根据公式计算出综合评分F(O)＝0.84/1＝0.84；最后根据表2得出量化后的评分星级为4星，用户给出的评分星级是5星。因此，输出“APP软件用户评论不一致”。
[0178] 实施例11：如图1所示，APP软件用户评论如表10所示，
[0179] 表10
[0180]
[0181] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0182] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0183] 本实施例中提取特征情感词对集：F＝{f1}，f1＝(null，(有点/d不/d)，好/a)；
[0184] Step2、设置x＝1；
[0185] f1＝(null，(有点/d不/d)，好/a)。
[0186] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0187] Step4、判断fx中的Wh是否为空：本实施例Wh为空，执行步骤Step5；
[0188] Step5、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“好”，不属于自定义网络情感词，执行Step6；
[0189] Step6、判断Wd是否为空：本实施例中Wd为“有点不”，执行Step7；
[0190] Step7、判断fx是否含否定副词：本实施例中含否定副词“不”，执行Step8；
[0191] Step8、判断fx是否含程度副词：本实施例中含有程度副词“有点”，执行Step9；
[0192] Step9、判断fx是否属于DNP形式：本实施例属于DNP形式，则根据公式F(x)＝-0.5*F(d)*F(a)计算程度副词在否定副词之前的情感倾向程度得分F(1)：F(1)＝(-0.5)*0.8*1＝-0.4，x＝2，执行Step3：2>1，执行步骤Step10；
[0193] Step10、判断是否存在F(x)！＝0：本实施例中存在F(x)＝-0.4，根据公式计算出综合评分F(O)＝-0.4/1＝-0.4；最后根据表2得出量化后的评分星级为2星，用户给出的评分星级是1星。因此，输出“APP软件用户评论不一致”。
[0194] 实施例12：如图1所示，APP软件用户评论如表11所示，
[0195] 表11
[0196]
[0197] 所述APP软件用户评论一致性判断方法的具体步骤如下：
[0198] Step1、提取APP软件特征情感词对集F＝{f1,f2,...,fx}：
[0199] 本实施例中提取特征情感词对集：F＝{f1}，f1＝(null，不/d，好/a)；
[0200] Step2、设置x＝1；
[0201] f1＝(null，不/d，好/a)。
[0202] Step3、判断x是否小于或等于u：本实施例中1<＝1，执行步骤Step4；
[0203] Step4、判断fx中的Wh是否为空：本实施例Wh为空，执行步骤Step5；
[0204] Step5、判断fx中的Wa是否为自定义网络情感词：本实施例中Wa为“好”，不属于自定义网络情感词，执行Step6；
[0205] Step6、判断Wd是否为空：本实施例中Wd为“不”，执行Step7；
[0206] Step7、判断fx是否含否定副词：本实施例中含否定副词“不”，执行Step8；
[0207] Step8、判断fx是否含程度副词：本实施例中不含程度副词，则与《How Net》词典匹配，并根据公式F(x)＝-0.5*F(a)计算出F(1)的评分：F(1)＝(-0.5)*1＝-0.5，x＝2，执行Step3：2>1，执行步骤Step9；
[0208] Step9、判断是否存在F(x)！＝0：本实施例中存在F(1)＝-0.5，根据公式计算出综合评分F(O)＝-0.5/1＝-0.5；最后根据表2得出量化后的评分星级为2星，用户给出的评分星级是4星。因此，输出“APP软件用户评论不一致”。
[0209] 上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种控制器软件的仿真方法及装置 | 2021-06-07 | 1 |
| 软件兼容方法及装置 | 2020-10-02 | 2 |
| 一种基于软件开发平台中多目标交叉调试系统 | 2020-07-04 | 4 |
| 网络中软件下载的方法和装置 | 2021-07-24 | 4 |
| 一种软件版本的更新方法 | 2021-08-08 | 2 |
| 基于软件过程时序数据自动挖掘的多步预测方法和系统 | 2020-08-08 | 2 |
| 教学排课软件 | 2020-09-05 | 5 |
| 用于分析软件的方法和设备 | 2021-08-12 | 2 |
| 一种简洁实用的软件包装装置 | 2021-02-07 | 1 |
| 一种可用APP软件控制的24W LED灯 | 2021-02-02 | 3 |
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。
分析报告
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。
软件热门专利
QQ群二维码
意见反馈
意见反馈