BP神经网络模型构建、商家评价方法与装置制造方法及图纸

本申请涉及一种BP神经网络模型构建方法、装置、计算机设备和存储介质，基于商家评价样本数据，识别出可用的评价指标以及对应指标参数，针对性构建初始BP神经网络模型再进一步训练，能够使得到的训练后的BP神经网络模型支持对商家准确评价。另外，本申请还提供一种基于上述方法构建的BP神经网络模型的商家评价方法、装置、计算机设备和存储介质，其能够实现对商家的准确评价。

BP neural network model construction, business evaluation method and device

【技术实现步骤摘要】
BP神经网络模型构建、商家评价方法与装置
本申请涉及大数据
，特别是涉及一种BP神经网络模型构建、商家评价方法与装置、计算机设备和存储介质。
技术介绍
随着生活水平的提高，目前人们越来越追求更加优质的商家，如何能够准确得到准确用户对商家评价反馈已经成为商家以及第三方顾客非常关心的难题。在常规商家评价中，用户直接根据商家给予的具体分数数值，例如10分制，用户可以打1-10中任意一个分值，分值越高表明用户对该商家越认可；用户还可以通过点亮星星的方式进行商家打分，如有5个星星，用户可以点亮5以内的任意数量的星星，点亮星星数量越多表明用户对该商家越满意。上述常规的商家评价方式中，虽然可以实现对该商家质量的评分，但是评分项目/指标比较单一，无法全面反映用户对商家质量的评价，最终得到评价数据也就无法在商家提供商于商家评价改进商家质量时，给予准确的数据支持。
技术实现思路
基于此，有必要针对上述技术问题，提供一种支持全面且准确的商家评价的BP神经网络模型构建方法、装置、计算机设备和存储介质以及可以实现全面且准确的商家评价的商家评价方法与装置、计算机设备和存储介质。一种BP神经网络模型构建方法，所述BP神经网络模型用于商家评价，所述方法包括：获取商家评价样本数据；识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数；根据所述商家评价指标的数量，构建初始BP神经网络模型；将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型。在其中一个实施例中，将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出包括：对所述商家评价样本数据中商家评价结果进行归一处理；将归一处理后的商家评价结果作为初始BP神经网络模型的唯一输出数据。在其中一个实施例中，所述根据所述商家评价指标的数量，构建初始BP神经网络模型包括：设置所述初始BP神经网络模型的输入层节点数为所述商家评价指标的数量、并设置所述初始BP神经网络模型的输出层节点唯一；根据所述输入层节点数量以及所述输出层节点数据，采用试凑法确定所述初始BP神经网络模型的隐含层节点数；根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型。在其中一个实施例中，所述根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型包括：根据确定的输入层节点数、输出层节点数以及隐含层节点数，采用Sig—moid函数作为激活函数，构建初始BP神经网络模型。在其中一个实施例中，所述识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数包括：根据所述商家评价样本数据，获取商家评价角度；分析在各所述商家评价角度下的第一维度指标以及第二维度指标，所述第二维度指标从属于所述第一维度指标；识别所述商家评价样本数据中所述第二维度指标对应的指标参数。一种商家评价方法，所述方法包括：获取待评价商家的当前评价数据；分析所述当前评价数据中不同评价指标对应的当前评价指标参数；根据所述当前评价指标参数所属评价指标，将所述当前评价指标参数输入至已训练的BP神经网络模型；获取所述已训练的BP神经网络模型输出的商家评价结果；其中，所述已训练的BP神经网络模型由如上述BP神经网络模型构建方法得到。一种BP神经网络模型构建装置，所述BP神经网络模型用于商家评价，所述装置包括：样本数据获取模块，用于获取商家评价样本数据；识别模块，用于识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数；初始模型构建模块，用于根据所述商家评价指标的数量，构建初始BP神经网络模型；训练模块，用于将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型。一种商家评价装置，所述装置包括：实时数据获取模块，用于获取待评价商家的当前评价数据；分析模块，用于分析所述当前评价数据中不同评价指标对应的当前评价指标参数；输入模块，用于根据所述当前评价指标参数所属评价指标，将所述当前评价指标参数输入至已训练的BP神经网络模型；结果输出模块，用于获取所述已训练的BP神经网络模型输出的商家评价结果；其中，所述已训练的BP神经网络模型由如上述BP神经网络模型构建方法构建得到。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法的步骤。上述BP神经网络模型构建方法、装置、计算机设备和存储介质，获取商家评价样本数据，识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数，根据所述商家评价指标的数量，构建初始BP神经网络模型，将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型。整个过程中，基于商家评价样本数据，识别出可用的评价指标以及对应指标参数，针对性构建初始BP神经网络模型再进一步训练，能够使得到的训练后的BP神经网络模型支持对商家准确评价。另外，本申请还提供一种商家评价方法、装置、计算机设备和存储介质，其采用如上述BP神经网络模型构建方法构建的已训练的BP神经网络模型对待评价商家进行评价，由于已训练的BP神经网络模型是基于商家评价样本数据，识别出可用的评价指标以及对应指标参数，针对性构建初始BP神经网络模型再进一步训练得到的，其支持对商家准确评价，因此，最终能够得到待评价商家准确的商家评价结果。附图说明图1为一个实施例中BP神经网络模型构建方法的应用环境图；图2为一个实施例中BP神经网络模型构建方法的流程示意图；图3为初始BP神经网络模型结构示意图；图4为另一个实施例中BP神经网络模型构建方法的流程示意图；图5为另一个实施例中商家评价方法的流程示意图；图6为一个实施例中BP神经网络模型构建装置的结构框图；图7为一个实施例中商家评价装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请本文档来自技高网...

【技术保护点】
1.一种BP神经网络模型构建方法，所述BP神经网络模型用于商家评价，所述方法包括：/n获取商家评价样本数据；/n识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数；/n根据所述商家评价指标的数量，构建初始BP神经网络模型；/n将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型。/n

【技术特征摘要】
1.一种BP神经网络模型构建方法，所述BP神经网络模型用于商家评价，所述方法包括：
获取商家评价样本数据；
识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数；
根据所述商家评价指标的数量，构建初始BP神经网络模型；
将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型。


2.根据权利要求1所述的方法，其特征在于，将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出包括：
对所述商家评价样本数据中商家评价结果进行归一处理；
将归一处理后的商家评价结果作为初始BP神经网络模型的唯一输出数据。


3.根据权利要求1所述的方法，其特征在于，所述根据所述商家评价指标的数量，构建初始BP神经网络模型包括：
设置所述初始BP神经网络模型的输入层节点数为所述商家评价指标的数量、并设置所述初始BP神经网络模型的输出层节点唯一；
根据所述输入层节点数量以及所述输出层节点数据，采用试凑法确定所述初始BP神经网络模型的隐含层节点数；
根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型。


4.根据权利要求3所述的方法，其特征在于，所述根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型包括：
根据确定的输入层节点数、输出层节点数以及隐含层节点数，采用Sig—moid函数作为激活函数，构建初始BP神经网络模型。


5.根据权利要求1所述的方法，其特征在于，所述识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数包括：
根据所述商家评价样本数据，获取商家评价角度；
分析在各所述商家评价角度下的第一维度指标以及第二维度指标，所述第二维度指标从属于所述第一维度指标；
识别所述商家评价样本数据中所述第二维度指标对应的指标参数。
...

【专利技术属性】
技术研发人员：张胜浩，
申请(专利权)人：万翼科技有限公司，
类型：发明
国别省市：广东;44