一种评论推荐方法和系统技术方案

本发明专利技术提供了一种评论推荐方法和系统，其中，评论推荐方法包括：获取用户当前所关注对象的评论列表、以及用户对应的用户属性标签；其中，评论列表中的评论包括：语音类型的评论，评论列表中的各条评论均包含有评论属性信息；分别根据用户属性标签与各条评论的评论属性信息，获取各条评论的当前权值；将当前权值大于设定阈值的各条评论，按照当前权值的大小进行排序，根据排序结果进行评论推荐。通过本发明专利技术，能够优先为当前用户提供感兴趣的以及对其有价值的评论，因此可以提高评论推荐的效率、降低评论的获取成本和时间成本。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种评论推荐方法和系统，其中，评论推荐方法包括：获取用户当前所关注对象的评论列表、以及用户对应的用户属性标签；其中，评论列表中的评论包括：语音类型的评论，评论列表中的各条评论均包含有评论属性信息；分别根据用户属性标签与各条评论的评论属性信息，获取各条评论的当前权值；将当前权值大于设定阈值的各条评论，按照当前权值的大小进行排序，根据排序结果进行评论推荐。通过本专利技术，能够优先为当前用户提供感兴趣的以及对其有价值的评论，因此可以提高评论推荐的效率、降低评论的获取成本和时间成本。【专利说明】一种评论推荐方法和系统
本专利技术涉及网络
，特别是涉及一种评论推荐方法和系统。
技术介绍
视频播放端泛指一切视频播放设备及软件，例如：乐视网（简称Letv)智能电视、 智能手机或IPAD及其上的视频应用、含有播放器的网页或视频客户端等。用户在采用这些 视频播放设备观看视频的同时，还会关注视频相关的评论信息。 现有的评论推荐方案，大都是将评论者上传的评论按照上传时间进行排序，再按 照上传的时间先后顺序向用户展示评论。而目前随着大型互联网的广泛应用，对于某一视 频的用户评论的数量呈现爆炸增长的趋势。用户感兴趣的评论有可能是早期上传的评论。 这样的话，该评论则被排序在后边，那么用户就不得不获取大量没有价值的评论信息后才 能最终获取到有价值或者感兴趣评论信息。这样既增加了用户获取评论的成本，又浪费用 户的时间。尤其是对于声音评论这一形式，用户获得信息的网络资源成本和时间成本还会 比普通文本评论要高许多倍。 可见，现有的评论推荐方案效率较低，无法优先为用户提供感兴趣或者对其有价 值的评论信息，使得评论的获取成本和时间成本都较高。
技术实现思路
本专利技术所要解决的技术问题是提供一种评论推荐方法和系统，以解决目前的评论 推荐方案效率较低，无法优先为用户提供感兴趣或者对其有价值的评论信息，使得评论的 获取成本和时间成本都较高的问题。 为了解决上述问题，本专利技术公开了一种评论推荐方法，包括：获取用户当前所关注 对象的评论列表、以及所述用户对应的用户属性标签；其中，所述评论列表中的评论包括： 语音类型的评论，所述评论列表中的各条评论均包含有评论属性信息；分别根据所述用户 属性标签与各条评论的评论属性信息，获取各条评论的当前权值；将当前权值大于设定阈 值的各条评论，按照当前权值的大小进行排序，根据排序结果进行评论推荐。 优选地，所述评论属性信息包括：正面评论次数、负面评论次数以及特征标签；所 述分别根据所述用户属性标签与各条评论的评论属性信息，获取各条评论的当前权值步骤 包括：分别根据所述用户属性标签与各条评论的所述特征标签获取各条评论对应的标签 匹配个数；分别根据各条评论对应的所述标签匹配个数与设定的第一权重系数获取各条评 论的标签加权值；分别根据各条评论的所述正面评论次数、所述负面评论次数以及设定的 第二权重系数获取各条评论的用户反馈加权值；分别将各条评论对应的所述标签加权值与 所述用户反馈加权值求和，以获取各条评论的当前权值。 优选地，所述评论属性信息还包括：发表时间；在所述获取用户当前所关注对象 的评论列表、以及所述用户对应的用户属性标签步骤之后，还包括：获取所述用户的好友列 表，并依据所述好友列表为各条评论生成第一加权值和/或好友支持权值；获取所述用户 的关注列表，并依据所述关注列表为各条评论生成第二加权值和/或关注者支持权值；分 别通过各条评论的发表时间获取各条评论的时间加权值；所述分别根据所述用户属性标签 与各条评论的评论属性信息，获取各条评论的当前权值步骤包括：分别根据各条评论的所 述第一加权值、好友支持权值、第二加权值、关注者支持权值以及时间加权值中的至少一个 权值，以及所述用户属性标签与各条评论的评论属性信息中的所述正面评论次数、所述负 面评论次数和所属特征标签，获取各条评论的当前权值。 优选地，所述获取所述用户的好友列表，并依据所述好友列表为各条评论生成第 一加权值步骤包括：获取所述用户的好友列表，并逐条对所述评论列表中的评论进行判断， 判断评论的发表者是否在所述好友列表中；若是，则为评论赋予预设的第一加权值。 优选地，所述获取所述用户的好友列表，并依据所述好友列表为各条评论生成好 友支持权值步骤包括：获取所述评论列表中各条评论的正面评论者列表；将各条评论的正 面评论者列表与所述用户好友列表进行比对，获得各条评论的正面评论者与所述用户好友 相匹配的好友数目；分别根据各条评论的所述好友数目获取各条评论的好友支持权值。 优选地，所述获取所述用户的关注列表，并依据所述关注列表为各条评论生成第 二加权值步骤包括：获取所述用户的关注列表，并逐条对所述评论列表中的评论进行判断， 判断评论的发表者是在所述关注列表中；若是，则为评论赋予预设的第二加权值。 优选地，所述获取所述用户的关注列表，并依据所述关注列表为各条评论生成关 注者支持权值步骤包括：获取所述评论列表中各条评论的正面评论者列表；将各条评论对 应的正面评论者列表与所述关注列表进行比对，获得各条评论的正面评论者与所述用户所 关注的对象相匹配的关注者数目；分别根据各条评论的所述在关注者数目获取各条评论的 关注者支持权值。 优选地，所述分别通过各条评论的发表时间获取各条评论的时间加权值步骤包 括：分别通过各条评论的发表时间与当前时间获取各条评论已发表的时间；分别根据各条 评论的所述已发表的时间、设定的时间衰减系数以及设定的初始时间加权值，获取各条评 论的时间加权值；其中，当所述时间加权值为负数时，将所述时间加权值计为0。 优选地，在所述将当前权值大于设定阈值的各条评论，按照当前权值的大小进行 排序，根据排序结果进行评论推荐步骤之后，还包括：接收并记录所述用户对所述推荐的评 论的评价，并根据所述用户的评价对相应评论的评论属性信息进行更新。 优选地，在所述将当前权值大于设定阈值的各条评论，按照当前权值的大小进行 排序，根据排序结果进行评论推荐步骤之前，还包括：接收所述用户输入的设定权值，并将 所述用户输入的设定权值作为设定阈值。 优选地，所述评论列表中的评论还包括：文字类型的评论，以及文字与语音结合的 类型的评论。 为了解决上述问题，本专利技术还公开了一种评论推荐系统，包括：第一获取模块，用 于获取用户当前所关注对象的评论列表、以及所述用户对应的用户属性标签；其中，所述评 论列表中的评论包括：语音类型的评论，所述评论列表中的各条评论均包含有评论属性信 息；第一生成模块，用于分别根据所述用户属性标签与各条评论的评论属性信息，获取各条 评论的当前权值；评论推荐模块，用于将当前权值大于设定阈值的各条评论，按照当前权值 的大小进行排序，根据排序结果进行评论推荐。 优选地，所述评论属性信息包括：正面评论次数、负面评论次数以及特征标签；所 述第一生成模块具体用于：分别根据所述用户属性标签与各条评论的所述特征标签获取各 条评论对应的标签匹配个数；分别根据各条评论对应的所述标签匹配个数与设定的第一权 重系数获取各条评论的标签加权值；分别根据各条评论的所述正面评论次数、所述本文档来自技高网...

【技术保护点】
一种评论推荐方法，其特征在于，包括：获取用户当前所关注对象的评论列表、以及所述用户对应的用户属性标签；其中，所述评论列表中的评论包括：语音类型的评论，所述评论列表中的各条评论均包含有评论属性信息；分别根据所述用户属性标签与各条评论的评论属性信息，获取各条评论的当前权值；将当前权值大于设定阈值的各条评论，按照当前权值的大小进行排序，根据排序结果进行评论推荐。

【技术特征摘要】

【专利技术属性】
技术研发人员：张晨，李时斌，王宇，吴海波，张博，
申请(专利权)人：乐视网信息技术北京股份有限公司，
类型：发明
国别省市：北京;11