一种公众账号的质量评价方法和装置制造方法及图纸

本发明专利技术公开了一种公众账号的质量评价方法和装置，用于实现对公众账号的质量做出有效且准确的评价。本发明专利技术实施例提供一种公众账号的质量评价方法，包括：获取通过回归算法从样本数据中学习得到的回归模型，所述样本数据包括：公众平台中的多个公众账号以及所述多个公众账号对应的指标统计数据；将待评价的公众账号输入到所述回归模型中，通过所述回归模型对所述待评价的公众账号进行分数值预测；获取所述回归模型预测后输出的分数值作为所述待评价的公众账号的质量分数。

【技术实现步骤摘要】

本专利技术涉及计算机
，尤其涉及一种公众账号的质量评价方法和装置。
技术介绍
公众平台的最终定位在于为公众服务，用户对公众平台给予很高的期望。公众平台拥有大量的用户，公众平台希望能够不断挖掘自己用户的价值，为这个平台增加更优质的内容，创造更好的粘性，形成一个不一样的生态循环，这是公众平台在发展阶段的更重要方向。在公众平台中各种组织、企业以及个人都可以注册进来，不同的注册使用方都有不同的公众账号，利用公众账号可以在公众平台上进行自媒体活动，简单来说就是进行一对多的媒体行为活动，比如商家通过申请公众平台中的公众账号，可以展示商家的官网、各种活动等，从而形成了线上线下互动的营销方式。公众账号在公众平台中处于重要的地位，随着公众平台的推出和积累，目前公众账号的数量越来越多，甚至达到数百亿级别，但是各种公众账号的质量参差不齐，比如存在很多的僵尸公众账号、传销公众账号等等。随着公众平台的快速开展，高质量的公众账号在很多场景下均有广泛的需求，但是目前的公众平台中对于公众账号的质量优劣无法做出有效的评价。
技术实现思路
本专利技术实施例提供了一种公众账号的质量评价方法和装置，用于实现对公众账号的质量做出有效的评价。为解决上述技术问题，本专利技术实施例提供以下技术方案：第一方面，本专利技术实施例提供一种公众账号的质量评价方法，包括：获取通过回归算法从样本数据中学习得到的回归模型，所述样本数据包r>括：公众平台中的多个公众账号以及所述多个公众账号对应的指标统计数据；将待评价的公众账号输入到所述回归模型中，通过所述回归模型对所述待评价的公众账号进行分数值预测；获取所述回归模型预测后输出的分数值作为所述待评价的公众账号的质量分数。第二方面，本专利技术实施例还提供一种公众账号的质量评价装置，包括：模型获取模块，用于获取通过回归算法从样本数据中学习得到的回归模型，所述样本数据包括：公众平台中的多个公众账号以及所述多个公众账号对应的指标统计数据；模型预测模块，用于将待评价的公众账号输入到所述回归模型中，通过所述回归模型对所述待评价的公众账号进行分数值预测；质量评价模块，用于获取所述回归模型预测后输出的分数值作为所述待评价的公众账号的质量分数。从以上技术方案可以看出，本专利技术实施例具有以下优点：在本专利技术实施例中，首先获取通过回归算法从样本数据中学习得到的回归模型，样本数据包括：公众平台中的多个公众账号以及多个公众账号对应的指标统计数据，然后将待评价的公众账号输入到回归模型中，通过回归模型对待评价的公众账号进行分数值预测，最后获取回归模型预测后输出的分数值作为待评价的公众账号的质量分数。本专利技术实施例中可以从公众平台中提取到样本数据来训练得到回归模型，通过回归模型可以对待评价的公众账号进行分数值预测，从而得到待评价的公众账号的质量分数。由于回归模型是通过从公众平台中提取出的样本数据训练得到，样本数据来源于公众平台，公众平台中的公众账号可以通过该回归模型进行质量评价，从而可以实现对公众账号的质量做出有效的评价。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域的技术人员来讲，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种公众账号的质量评价方法的流程方框示意图；图2为本专利技术实施例提供的公众账号的质量评价方法的一种应用场景示意图；图3-a为本专利技术实施例提供的一种公众账号的质量评价装置的组成结构示意图；图3-b为本专利技术实施例提供的另一种公众账号的质量评价装置的组成结构示意图；图3-c为本专利技术实施例提供的一种模型训练模块的组成结构示意图；图3-d为本专利技术实施例提供的另一种模型训练模块的组成结构示意图；图3-e为本专利技术实施例提供的一种第一模型处理模块的组成结构示意图；图4为本专利技术实施例提供的公众账号的质量评价方法应用于服务器的组成结构示意图。具体实施方式本专利技术实施例提供了一种公众账号的质量评价方法和装置，用于实现对公众账号的质量做出有效的评价。为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域的技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。以下分别进行详细说明。本专利技术公众账号的质量评价方法的一个实施例，具体可以应用于对公众平台中的公众账号进行质量评价，该公众账号可以是社交网站中的账号，也可以是游戏场景中的账号，也可以是支付场景中的账号，此处不做限定。请参阅图1所示，本专利技术一个实施例提供的公众账号的质量评价方法，可以包括如下步骤：101、获取通过回归算法从样本数据中学习得到的回归模型，样本数据包括：公众平台中的多个公众账号以及多个公众账号对应的指标统计数据。在本专利技术实施例中，首先获取到可用于预测公众账号质量得分的回归模型，本专利技术实施例采用回归模型来预测公众账号质量得分，该回归模型的实现方式可以有多种，例如，逻辑回归(英文全称:LogistRegression，英文简称:LR)模型，也可以是随机森林回归(英文全称：RandomFrorestRegressor，英文简称：RFReg)模型，随机梯度下降(英文全称：StochasticGradientDescentRegressor，英文简称：SGDReg)，支持向量回归(英文全称：SupportVectorRegression，英文简称：SVR)模型等，具体实现方式不做限定。本专利技术实施例中回归模型通过回归算法从样本数据中学习得到，其中，样本数据包括：公众平台中的多个公众账号以及多个公众账号对应的指标统计数据。在公众平台中记录有多个公众账号，以及每个公众账号产生的指标统计数据，从公众平台中提取到样本数据，通过该样本数据训练出来的回归模型可以用于对公众平台中的公众账号进行质量评价。在本专利技术的本文档来自技高网...

【技术保护点】
一种公众账号的质量评价方法，其特征在于，包括：获取通过回归算法从样本数据中学习得到的回归模型，所述样本数据包括：公众平台中的多个公众账号以及所述多个公众账号对应的指标统计数据；将待评价的公众账号输入到所述回归模型中，通过所述回归模型对所述待评价的公众账号进行分数值预测；获取所述回归模型预测后输出的分数值作为所述待评价的公众账号的质量分数。

【技术特征摘要】
1.一种公众账号的质量评价方法，其特征在于，包括：
获取通过回归算法从样本数据中学习得到的回归模型，所述样本数据包
括：公众平台中的多个公众账号以及所述多个公众账号对应的指标统计数据；
将待评价的公众账号输入到所述回归模型中，通过所述回归模型对所述
待评价的公众账号进行分数值预测；
获取所述回归模型预测后输出的分数值作为所述待评价的公众账号的质
量分数。
2.根据权利要求1所述的方法，其特征在于，所述获取通过回归算法从
样本数据中学习得到的回归模型之前，所述方法还包括：
从公众平台中获取到多个公众账号以及所述多个公众账号对应的指标统
计数据；
以所述多个公众账号以及所述多个公众账号对应的指标统计数据作为样
本数据，通过回归算法对回归模型进行训练学习，输出学习得到的回归模型。
3.根据权利要求2所述的方法，其特征在于，所述以所述多个公众账号
以及所述多个公众账号对应的指标统计数据作为样本数据，通过回归算法对
回归模型进行训练学习，输出学习得到的回归模型，包括：
将样本数据分为两类，得到训练样本数据和测试样本数据，所述训练样
本数据包括：训练公众账号以及所述训练公众账号对应的指标统计数据，所
述测试样本数据包括：测试公众账号以及所述测试公众账号对应的指标统计
数据，其中，从公众平台获取到的所述多个公众账号分为两类：所述训练公
众账号和所述测试公众账号；
使用所述训练样本数据，通过回归算法对所述回归模型进行特征工程分
析得到回归模型的第一特征数据，根据所述回归模型的第一特征数据对所述
回归模型进行预测优化后输出训练完成的回归模型；
使用所述测试样本数据，通过所述回归算法对所述训练完成的回归模型
进行特征工程分析得到回归模型的第二特征数据，根据所述回归模型的第二
特征数据对所述回归模型进行评测优化后输出学习得到的回归模型。
4.根据权利要求3所述的方法，其特征在于，所述使用所述训练样本数
据，通过回归算法对所述回归模型进行特征工程分析得到回归模型的第一特

\t征数据之前，所述方法还包括：
对所述训练样本数据和所述测试样本数据分别进行数据标注，得到标注
后的训练样本数据和标注后的测试样本数据；
对所述标注后的训练样本数据和所述标注后的测试样本数据分别进行数
据筛选。
5.根据权利要求3所述的方法，其特征在于，所述使用所述训练样本
数据，通过回归算法对所述回归模型进行特征工程分析得到回归模型的第一
特征数据，包括：
对所述训练样本数据中所述训练公众账号对应的指标统计数据按照特征
重要性进行筛选分析，将筛选出来的特征数据写入质量特征列表；
判断所述质量特征列表中的特征数据在历史时间段内是否发生变化，将
所述质量特征列表中按照稳定性从高到低输出的特征数据作为所述回归模型
的第一特征数据。
6.根据权利要求2所述的方法，其特征在于，所述以所述多个公众账号
以及所述多个公众账号对应的指标统计数据作为样本数据，通过回归算法对
回归模型进行训练学习，输出学习得到的回归模型，包括：
以所述多个公众账号以及所述多个公众账号对应的指标统计数据作为样
本数据，通过回归算法分别对多个回归模型进行训练学习，输出学习得到的
多个回归模型；
所述获取通过回归算法从样本数据中学习得到的回归模型，包括：
对所述多个回归模型分别进行预测效果评估，从所述多个回归模型中选
择出评估效果最好的回归模型作为获取到的回归模型。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述指标统
计数据，包括：运营指标统计数据、粉丝指标统计数据、文章指标统计数据
和互动指标统计数据。
8.根据权利要求1至6中任一项所述的方法，其特征在于，所述指标统
计数据，包括：粉丝对公众账号的上行行为指标统计数据、公众账号支付指
标统计数据、公众账号对粉丝的下行消息指标统计数据。
9.一种公众账号的质量评价装置，其特征在于，包括...

【专利技术属性】
技术研发人员：陈明星，陈谦，万伟，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44