一种跨境电商缺陷产品的预测方法技术

本发明专利技术涉及电商数据分析技术领域，公开了一种跨境电商缺陷产品的预测方法，包括以下步骤：S1、建立数据库：接入电商平台数据接口，采集电商平台的关于商品的评论数据，以及客服与用户聊天数据，生产数据库，其中，每一个商品的评论数据均构建成一个子数据库，每条评论为一个数据元素，每一个商家客服的聊天数据均构建成一个子数据库，每条聊天信息为一个数据元素。本发明专利技术通过对无效评论进行删除，以及结合产品售卖商家的服务态度生成产品缺陷模型，不仅有助于用户查看真正有效的产品评价，维护消费者的权益，同时也将商家的服务态度纳入产品的一部分，有助于用户判断购买产品后是否有足够满意的购物体验。够满意的购物体验。

【技术实现步骤摘要】
一种跨境电商缺陷产品的预测方法


[0001]本专利技术涉及电商数据分析
，具体为一种跨境电商缺陷产品的预测方法。

技术介绍

[0002]在信息飞速发展与膨胀的21世纪，人类正式进入到大数据时代，随着互联网的高速发展与电子商务的普及应用，越来越多的老百姓使用互联网的电子商务平台来购买商品。然而电子商务平台中充斥着大量不合格的缺陷产品，显然仅参考商品官方的商品描述无法准确判断该商品是否是缺陷产品或潜在缺陷产品。
[0003]在电商平台中，购买过某类商品的用户可以在使用该商品一段时间后对商品的质量、外观、使用感受等方面进行商品评论。这些商品的评论数据可以反映出该商品的优劣好坏和质量品质等等，从而可以基于此判定该商品是否为缺陷产品。通常情况下，电商平台某商品的评论数据有成千上万条，且存在恶意刷评论或是褒贬不一等等各种情况，致使普通消费者很难短时间内通过查看用户评论来判定一个商品是否存在质量缺陷，不仅如此，现在用户除了使用国内的电商平台，也经常会使用境外电商平台，进行海外购，以英文为主的电商平台为主要平台，那么对于海外电商平台的评论，国内用户很难判断其中的有效评论，这在电子商务广泛应用的背景下，会使普通消费者遭受利益损失。

技术实现思路

[0004]本专利技术的目的在于提供一种跨境电商缺陷产品的预测方法，以解决
技术介绍
中所提出的问题，为用户提供产品的有效评论，并将商家服务态度也纳入商品的质量中，避免消费者遭受利益损失。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种跨境电商缺陷产品的预测方法，包括以下步骤：
[0006]S1、建立数据库：
[0007]接入电商平台数据接口，采集电商平台的关于商品的评论数据，以及客服与用户聊天数据，生产数据库，其中，每一个商品的评论数据均构建成一个子数据库，每条评论为一个数据元素，每一个商家客服的聊天数据均构建成一个子数据库，每条聊天信息为一个数据元素；
[0008]获取所有英语词库，构建褒义词数据库、贬义词数据库、中性词数据库；
[0009]S2、数据解析：
[0010]评论分类：将评论数据库中的每一个数据元素拆分，并将拆分的词汇同时和褒义词数据库、贬义词数据库、中性词数据库中的词汇进行对比，若一个数据元素中同时包含贬义词和褒义词，则计算褒义词和贬义词的数量，若褒义词数量：贬义词数量大于8：2，则判定该评论为好评，若褒义词数量：贬义词数量小于4：6，则该评论为差评，若仅存在贬义词，则判定该评论为差评；若仅存在褒义词，则判定该评论为好评；其他评论均为中评；
[0011]好评、差评、中评分别建立数据库；
[0012]服务态度识别：将聊天数据库中的每一个数据元素拆分，并将拆分的词汇同时和褒义词数据库、贬义词数据库、中性词数据库中的词汇进行对比，若存在贬义词，则判定该条聊天信息为差态度聊天信息；
[0013]S3、无效评论删除：
[0014]S31、追溯好评用户近期的评论，同时识别该用户近期评论是否均为好评、差评或中评，若均为好评、差评或中评，则该用户的评论不具备参考价值，将该用户关于该产品的评论从好评数据库中删除；
[0015]S32、遍历所有好评，检测评论的字数，当字数大于一定值，则将该条评论从评论数据中删除；
[0016]S4、生成产品缺陷预测模型，判定该商品是否为缺陷产品：
[0017]其中，产品缺陷预测模型包括好评分数、服务态度分数，好评计算方式为好评数量/差评数量+中评数量，服务态度分数为零，每有一条差态度聊天信息，则分数减一；
[0018]其中，若好评分数低于90，则判定该商品为质量缺陷产品，若服务态度分数低于
‑
30，则判定该商品为服务态度缺陷产品；
[0019]S7、语言转换：将产品缺陷预测模型转换成中文发送给国内用户。
[0020]作为本专利技术的一种优选实施方式，所述S2步骤中，还包括诱导性聊天记录识别：检测数据采集步骤中所有的聊天记录，判断聊天记录中是否存在诱导客户好评的聊天内容，若存在，则从好评数据库中，删除客服存在诱导性语言的相对应的用户的评论。
[0021]作为本专利技术的一种优选实施方式，所述诱导性聊天记录识别包括文字形式的聊天记录识别以及图片形式的聊天记录识别，其中图片形式的聊天记录通过ocr文字识别技术转换成文字，和文字形式的聊天记录一起被检测。
[0022]作为本专利技术的一种优选实施方式，所述步骤S32中，检测评论的字数，当字数大于50个字符时，则将该条评论从好评数据库中删除。
[0023]作为本专利技术的一种优选实施方式，所述S7步骤中，语言转换还包括对电商平台页面的英文均翻译成中文。
[0024]与现有技术相比，本专利技术提供了一种跨境电商缺陷产品的预测方法，具备以下有益效果：
[0025]该一种跨境电商缺陷产品的预测方法，通过对无效评论进行删除，以及结合产品售卖商家的服务态度生成产品缺陷模型，不仅有助于用户查看真正有效的产品评价，维护消费者的权益，同时也将商家的服务态度纳入产品的一部分，有助于用户判断购买产品后是否有足够满意的购物体验。
具体实施方式
[0026]为了更好地了解本专利技术的目的及功能，下面对本专利技术一种跨境电商缺陷产品的预测方法做进一步详细的描述。
[0027]本专利技术提供一种技术方案：一种跨境电商缺陷产品的预测方法，包括以下步骤：
[0028]S1、建立数据库：
[0029]接入电商平台数据接口，采集电商平台的关于商品的评论数据，以及客服与用户聊天数据，生产数据库，其中，每一个商品的评论数据均构建成一个子数据库，每条评论为
一个数据元素，每一个商家客服的聊天数据均构建成一个子数据库，每条聊天信息为一个数据元素；
[0030]获取所有英语词库，构建褒义词数据库、贬义词数据库、中性词数据库；
[0031]S2、数据解析：
[0032]评论分类：将评论数据库中的每一个数据元素拆分，并将拆分的词汇同时和褒义词数据库、贬义词数据库、中性词数据库中的词汇进行对比，若一个数据元素中同时包含贬义词和褒义词，则计算褒义词和贬义词的数量，若褒义词数量：贬义词数量大于8：2，则判定该评论为好评，若褒义词数量：贬义词数量小于4：6，则该评论为差评，若仅存在贬义词，则判定该评论为差评；若仅存在褒义词，则判定该评论为好评；其他评论均为中评；
[0033]好评、差评、中评分别建立数据库；
[0034]服务态度识别：将聊天数据库中的每一个数据元素拆分，并将拆分的词汇同时和褒义词数据库、贬义词数据库、中性词数据库中的词汇进行对比，若存在贬义词，则判定该条聊天信息为差态度聊天信息；
[0035]S3、无效评论删除：
[0036]S31、追溯好评用户近期的评论，同时识别该用户近期评论是否均为好评、差评或中评，若均为好评、差评或中评，则该用户的评论不具备参考价值，将该用户关于该产品的评论从好评数据库中删除；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨境电商缺陷产品的预测方法，其特征在于：包括以下步骤：S1、建立数据库：接入电商平台数据接口，采集电商平台的关于商品的评论数据，以及客服与用户聊天数据，生产数据库，其中，每一个商品的评论数据均构建成一个子数据库，每条评论为一个数据元素，每一个商家客服的聊天数据均构建成一个子数据库，每条聊天信息为一个数据元素；获取所有英语词库，构建褒义词数据库、贬义词数据库、中性词数据库；S2、数据解析：评论分类：将评论数据库中的每一个数据元素拆分，并将拆分的词汇同时和褒义词数据库、贬义词数据库、中性词数据库中的词汇进行对比，若一个数据元素中同时包含贬义词和褒义词，则计算褒义词和贬义词的数量，若褒义词数量：贬义词数量大于8：2，则判定该评论为好评，若褒义词数量：贬义词数量小于4：6，则该评论为差评，若仅存在贬义词，则判定该评论为差评；若仅存在褒义词，则判定该评论为好评；其他评论均为中评；好评、差评、中评分别建立数据库；服务态度识别：将聊天数据库中的每一个数据元素拆分，并将拆分的词汇同时和褒义词数据库、贬义词数据库、中性词数据库中的词汇进行对比，若存在贬义词，则判定该条聊天信息为差态度聊天信息；S3、无效评论删除：S31、追溯好评用户近期的评论，同时识别该用户近期评论是否均为好评、差评或中评，若均为好评、差评或中评，则该用户的评论不具备参考价值，将该用户关于该产品的评论从好评数据库中删除；S32、遍历所有好评，检测评论的字数，当字数大于一...

【专利技术属性】
技术研发人员：刘永泉，
申请(专利权)人：嘉兴职业技术学院，
类型：发明
国别省市：