电商口碑评价方法、系统及电子设备技术方案

本发明专利技术提供了一种电商口碑评价方法、系统及电子设备，涉及电子商务技术领域，所述方法包括采集目标消费品的评论数据；通过所述评论数据，得到量级口碑等级的指标向量；利用预设的量级口碑等级计算模型对所述量级口碑等级的指标向量进行计算，得到量级口碑等级结果；通过预设的敏感关键词组与所述评论数据建立映射关系；利用预设的内容口碑等级计算模型对所述映射关系进行计算，得到内容口碑等级结果；将所述量级口碑等级结果、所述内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到所述目标消费品的口碑等级。本方法针对指标数据进行多维度评估，解决了因指标单一导致的评估精度较差的问题。

E-Commerce Word-of-mouth Evaluation Method, System and Electronic Equipment

【技术实现步骤摘要】
电商口碑评价方法、系统及电子设备
本专利技术涉及电子商务
，尤其是涉及一种电商口碑评价方法、系统及电子设备。
技术介绍
近年来，随着计算机互联网技术的普及与发展，消费者购物消费的方式也随之发生着巨大的变化，电商因具有高便捷度和高性价比的特点，已成为主流的交易模式。在电子商务的蓬勃发展态势下，商家的信用问题和商品的质量问题也随之而来。这些问题的出现，制约了电子商务市场的发展，也会给消费者带来经济损失。许多消费者在电商平台完成商品的交易后，会对其购买的商品进行评价和评论，说明使用商品和接受服务后的体验评价。相较传统购物模式，电商评论也成为了电商平台所具备的显著特征之一，电商评论一定程度上打通了商家和消费者之间信息不对称的壁垒，增加了电商平台受众对其的认知度和认可度。同时，电商评论作为一种反馈机制，形成了电商网站、商家与消费者的三个主体的口碑互动网络，构成一套独特的三方交互网络体系。电商评论一方面可以显著地影响着消费者的购买决策，在线消费者常常通过衡量他人对某件商品的评论来制定自己的购买方案；另一方面还可以促进电商商家的产品销售，商品制造商可以从在线商品评论中获得启发，从而支持广泛的管理活动，如品牌塑造、客户关系管理、产品研发升级、质量管理以及质量提升。买家和卖家作为电商平台最重要的双方，都把从电商评论中获得有助于方案决策的有效信息作为目标。除此之外，有关管理部门也可以通过电商平台的海量公开消费品的有效评价信息对消费品的安全性和质量进行评估。然而，针对某一商品的在线商品评论通常是海量且质量参差不齐的，一方面，需要很高的时间和精力成本去从中筛选出有价值信息；另一方面，大量商家的刷单行为也会混淆消费者的视听并影响正常决策过程。电商平台提供在线商品评论的效用评价功能，其依据每条评论获得的点赞数和评论数对商品评论进行排序，获得点赞和评论数量越高，该评论的排名越靠前。但是这种已有的评价机制仍然只能提供片面的信息，无法将该商品的评价全貌及产品质量状况评估信息展示给消费者和市场监管部门。综上所述，目前在电商平台中存在着商品口碑评价机制不健全，商品口碑评估效果较差的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种电商口碑评价方法及系统，以解决当前电商平台中存在的商品口碑评价机制不健全、商品口碑评估效果较差的问题。第一方面，本专利技术实施例提供了一种电商口碑评价方法，其中，该方法包括以下步骤：采集目标消费品的评论数据；通过评论数据，得到量级口碑等级的指标向量；利用预设的量级口碑等级计算模型对量级口碑等级的指标向量进行计算，得到量级口碑等级结果；通过预设的敏感关键词组与评论数据建立映射关系；利用预设的内容口碑等级计算模型对映射关系进行计算，得到内容口碑等级结果；将量级口碑等级结果、内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到目标消费品的口碑等级。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，通过评论数据，得到量级口碑等级的指标向量的步骤，包括：使用限定的关键词，对所需要评估的消费品进行筛选，得到目标消费品；获取目标消费品的评论数据，并生成多维度描述性信息，多维度描述性信息包括评论数据中的好评数、中评数、差评数、单条评论的点赞数和评论数中的至少两种；将多维度描述性信息进行分析，确定量级口碑的指标向量所需的描述性信息，并得到量级口碑的指标向量。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，利用预设的量级口碑等级计算模型对量级口碑等级的指标向量进行计算，得到量级口碑等级结果的步骤，包括：其中，I(QW)表示量级口碑等级结果；N表示总评价数；Nmedium表示中评数量；Cmedium表示中评总评论数；Tmedium表示中评总点赞数；Nnegative表示差评数量；Cnegative表示差评总评论数；Tnegative表示差评总点赞数；a、b、c、d分别表示各变量对应的权重值。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，通过事先定义的敏感关键词组与评论数据建立映射关系，包括以下步骤：根据目标消费品的属性，定义两级敏感关键词组；基于两级敏感关键词组，在评论数据中进行遍历，统计出每个关键词出现的次数；将每个关键词出现的次数与关键词建立映射关系。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，两级敏感关键词组，包括一级安全相关敏感关键词和二级性能相关敏感关键词；一级安全相关敏感关键词的敏感等级高于二级性能相关敏感关键词的敏感等级。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，利用预设的内容口碑等级计算模型对映射关系进行计算，得到内容口碑等级结果的步骤，包括：I(CW)＝(1-p×Norm(Nkeyword1)-q×Norm(Nkeyword2))×100％其中，I(CW)表示内容口碑等级结果；Nkeyword1表示一级安全相关敏感关键词命中总数；Nkeyword2表示二级安全相关敏感关键词命中总数；p、q分别表示各变量对应的权重值；Norm表示标准化函数。结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，标准化函数为：结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，将量级口碑等级结果、内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到目标消费品的口碑等级的步骤，包括：I(W)＝m×I(QW)+(1-m)×I(CW)其中，I(W)表示消费品电商口碑等级总值；I(QW)表示量级口碑等级；I(CW)表示内容口碑等级；m表示量级口碑等级的权重。第二方面，本专利技术实施例提供一种电商口碑评价系统，该系统包括：采集模块，用于采集目标消费品的评论数据；第一计算模块，用于通过分析评论数据得到量级口碑等级的指标向量，再利用预设的量级口碑等级计算模型对量级口碑等级的指标向量进行计算，得到量级口碑等级结果；第二计算模块，用于通过预设的敏感关键词组与评论数据建立映射关系，再利用预设的内容口碑等级计算模型对映射关系进行计算，得到内容口碑等级结果；第三计算模块，用于将量级口碑等级结果、内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到目标消费品的口碑等级。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述第一方面中的电商口碑评价方法。本专利技术实施例带来了以下有益效果：本专利技术提供了一种电商口碑评价方法、系统及电子设备，该方法首先采集目标消费品的评论数据，通过评论数据得到量级口碑等级的指标向量；利用预设的量级口碑等级计算模型对量级口碑等级的指标向量进行计算，得到量级口碑等级结果；再通过预设的敏感关键词组与评论数据建立映射关系，利用预设的内容口碑等级计算模型对映射关系进行计算，得到内容口碑等级结果；将量级口碑等级结果、内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到目标消费品的口碑等级。本方法通过对指定消费品相关的电商平台评价数据的指向性采集，获得相关消费品的全部电商评价数据，避免常规方法中对信息的遗漏，也避免了受商家或平台误导的可能。同时实现本文档来自技高网...

【技术保护点】
1.一种电商口碑评价方法，其特征在于，该方法包括以下步骤：采集目标消费品的评论数据；通过所述评论数据，得到量级口碑等级的指标向量；利用预设的量级口碑等级计算模型对所述量级口碑等级的指标向量进行计算，得到量级口碑等级结果；通过预设的敏感关键词组与所述评论数据建立映射关系；利用预设的内容口碑等级计算模型对所述映射关系进行计算，得到内容口碑等级结果；将所述量级口碑等级结果、所述内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到所述目标消费品的口碑等级。

【技术特征摘要】
1.一种电商口碑评价方法，其特征在于，该方法包括以下步骤：采集目标消费品的评论数据；通过所述评论数据，得到量级口碑等级的指标向量；利用预设的量级口碑等级计算模型对所述量级口碑等级的指标向量进行计算，得到量级口碑等级结果；通过预设的敏感关键词组与所述评论数据建立映射关系；利用预设的内容口碑等级计算模型对所述映射关系进行计算，得到内容口碑等级结果；将所述量级口碑等级结果、所述内容口碑等级结果通过预设的口碑计算模型进行加权计算，得到所述目标消费品的口碑等级。2.根据权利要求1所述的方法，其特征在于，所述得通过所述评论数据，得到量级口碑等级的指标向量的步骤，包括：使用限定的关键词，对所需要评估的消费品进行筛选，得到目标消费品；获取所述目标消费品的评论数据，并生成多维度描述性信息，所述多维度描述性信息包括所述评论数据中的好评数、中评数、差评数、单条评论的点赞数和评论数中的至少两种；将所述多维度描述性信息进行分析，确定量级口碑的指标向量所需的描述性信息，并得到所述量级口碑的指标向量。3.根据权利要求1所述的方法，其特征在于，所述利用预设的量级口碑等级计算模型对所述量级口碑等级的指标向量进行计算，得到量级口碑等级结果的步骤，包括：其中，I(QW)表示量级口碑等级结果；N表示总评价数；Nmedium表示中评数量；Cmedium表示中评总评论数；Tmedium表示中评总点赞数；Nnegative表示差评数量；Cnegative表示差评总评论数；Tnegative表示差评总点赞数；a、b、c、d分别表示各变量对应的权重值。4.根据权利要求1所述的方法，其特征在于，所述通过事先定义的敏感关键词组与所述评论数据建立映射关系，包括以下步骤：根据所述目标消费品的属性，定义两级敏感关键词组；基于所述两级敏感关键词组，在所述评论数据中进行遍历，统计出每个关键词出现的次数；将所述每个关键词出现的次数与所述关键词建立映射关系。5.根据权利要求4所述的方法，其特征在于，所述两级敏感...

【专利技术属性】
技术研发人员：姜肇财，孙宁，宋黎，王琰，于化龙，费凡，
申请(专利权)人：中国标准化研究院，
类型：发明
国别省市：北京,11