评论生成方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种评论生成方法、装置、设备及计算机可读存储介质，评论生成方法包括：根据待评价对象的商品文本属性和商品图片属性确定输入属性向量；基于预设的循环神经网络模型预测所述输入属性向量对应的目标属性；获取预设的商品知识图谱中所述目标属性对应的所有候选关键词，确定各所述候选关键词中的目标关键词，根据所述目标关键词生成待评论对象的评论。本发明专利技术实现了生成的评论的评论属性更加全面。加全面。加全面。

【技术实现步骤摘要】
评论生成方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种评论生成方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着互联网技术的不断发展，购物方式也随着变化。目前线上购物的用户越来越多，人们在线上挑选商品时，除了对比商品信息外，通常会阅读商品的评论信息后决定是否在店铺购买商品。因此，商品的评论信息对用户的消费行为具有较大的影响力。
[0003]为此，商家通常会采用各种方式增加商品的评论数量，特别是好评数量，例如，商家可通过提供奖励的方式鼓励购买商品的用户撰写商品评论，或者要求内部员工或者请人撰写商品评论，但是这种方式无法跟上商品推新的速度，并且成本高，效率低。
[0004]此外，商家还可通过分析用户的真实评论来确定评论模板，从词语库中选择词语来填充模板，但是这种方式下的评论属性结构看起来较为单一，词语库中的词语无法为商品提供定制化的评论，导致不同商品/店铺下面都是相同结构甚至相同内容的评论。这样会让潜在客户很容易地分辨出，这些评论是机器生成的“虚假评论”，降低了用户对评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评论生成方法，其特征在于，所述评论生成方法包括以下步骤：根据待评价对象的商品文本属性和商品图片属性确定输入属性向量；基于预设的循环神经网络模型预测所述输入属性向量对应的目标属性；获取预设的商品知识图谱中所述目标属性对应的所有候选关键词，确定各所述候选关键词中的目标关键词，根据所述目标关键词生成待评论对象的评论。2.如权利要求1所述的评论生成方法，其特征在于，所述基于预设的循环神经网络模型预测所述输入属性向量对应的目标属性的步骤，包括：根据预设的循环神经网络模型确定所述输入属性向量对应的单元隐向量；根据各所述单元隐向量计算上下文隐向量，并根据所述上下文隐向量预测每个所述属性的输出概率值，确定最大输出概率值对应的属性为目标属性。3.如权利要求1所述的评论生成方法，其特征在于，所述确定各所述候选关键词中的目标关键词的步骤，包括：确定所述目标属性对应的上文内容，计算每个候选关键词和所述上文内容形成完整语句的概率，将最大概率对应的候选关键词作为目标关键词。4.如权利要求1所述的评论生成方法，其特征在于，所述根据所述目标关键词生成待评论对象的评论的步骤，包括：确定所述知识图谱中与所述目标关键词和所述待评价对象同时匹配的其他属性，并将所述其他属性作为扩展属性；确定所述扩展属性对应的扩展属性向量，基于所述循环神经网络模型预测所述扩展属性向量对应的目标扩展属性；确定所述商品知识图谱中和所述目标扩展属性匹配的目标扩展关键词，根据所述目标扩展关键词生成待评论对象的评论。5.如权利要求1所述的评论生成方法，其特征在于，所述获取预设的商品知识图谱中所述目标属性对应的所有候选关键词的步骤之前，包括：获取预设的历史商品评论，抽取所述历史商品评论中的实体对象和所述实体对象的实体属性信息；根据所述历史商品评论确定所述实体对象对应的目标情感关键词，根据所述实体对象、实...

【专利技术属性】
技术研发人员：江利勤，谢中流，范春波，利啟东，刘春阳，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：