System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及汽车评价,特别是涉及一种基于消费者感知的汽车智能水平评价方法及装置。
技术介绍
1、汽车智能化的趋势日益明显,已成为消费者选择汽车的重要考量因素。然而,目前对汽车智能水平的评价方法主要依靠物理参数叠加性能测试、专家按照预定规则打分两种。但汽车购买行为始于消费者,其需求是基于消费者认知形成的。因此,在智能评价方法中忽视消费者的因素可能会导致车企理解的智能和消费者理解的智能不一致,进而造成生产的产品与消费者实际需求脱节的风险。
2、目前对汽车智能水平的评价方法都存在缺陷,使用基于物理参数、性能、测试环境、测试方案等去评价智能水平的方法会忽略了消费者对于智能的认知与体验;而专家按照规则为每种指标打分再按照权重汇总的智能水平评价方法的缺陷在于每种指标的得分主观性较高,物理功能和性能考虑不足、没考虑专家意见和消费者意见的不一致性,以及耗费人力巨大,难以大规模地对市场上几千种在售版型进行评价。
技术实现思路
1、本专利技术提供了一种基于消费者感知的汽车智能水平评价方法及装置,可以准确反映消费者对汽车智能的评判标准,降低评价成本,提高评价的稳定性和客观性,扩大评价的覆盖面。
2、为了解决上述技术问题,本专利技术提供了一种基于消费者感知的汽车智能水平评价方法,包括:
3、识别待测车辆的版型为第一版型,并根据所述第一版型确定待测车辆的若干个配置;
4、根据预设的特征选择模型确定若干个指标;其中,所述指标包括配置和体验;
5、将
6、利用预设的分类模型确定所述若干个指标对应的小类;
7、利用预设的赋权重模型,确定各指标在对应的小类中的权重;
8、根据所述各指标的权重,对所述待测车辆的若干个指标取值进行加权计算,得到待测车辆的各小类得分;
9、利用预设的赋权重模型,确定各小类的权重;
10、根据所述各小类的权重,对所述待测车辆的各小类得分进行加权计算,得到待测车辆的智能总分。
11、本专利技术对待测车辆的智能水平进行评价,先识别待测车辆的版型,根据该版型确定待测车辆的配置;利用预设的特征选择模型确定待测车辆对应版型的指标,将待测车辆的配置和体验与指标进行对比,得到待测车辆的若干个指标取值;再利用分类模型确定各指标对应的小类,利用赋权重模型可以得到各指标和各小类的权重;而后根据各指标的权重进行加权计算得出各小类得分,再根据各小类的权重对各小类得分加权计算得出待测车辆的智能总分。本专利技术将消费者认知和体验引入对汽车的智能评价中,利用基于消费者智能认知数据建立的模型来确定指标、类别和权重,可以降低评价成本,扩大评价的覆盖面,使得评价结果更贴近消费者认知。
12、进一步地,所述根据预设的特征选择模型确定若干个指标,具体为:
13、获取消费者的若干条评论,并从所述若干条评论中提取所有配置、各配置对应的情感倾向和各版型的智能水平评价;
14、将提取到的各配置对应的情感倾向设置为对应配置的体验;
15、利用特征选择算法,分析所有所述配置和体验对所述各版型的智能水平评价的影响程度;
16、将影响程度大于预设的程度阈值的配置和体验确定为指标。
17、进一步地,所述获取消费者的若干条评论,并从所述若干条评论中提取所有配置、各配置对应的情感倾向和各版型的智能水平评价,具体为:
18、获取消费者的若干条评论;
19、利用预设的配置提取模型,提取所述若干条评论中提及的所有配置和各配置对应的情感倾向;
20、利用nlp模型,在所述若干条评论中提取各版型的若干个评价;其中,所述评价包括非常智能、智能、中性、不智能和非常不智能;
21、根据所述各版型的若干个评价,确定各版型的智能水平评价。
22、进一步地,所述根据所述各版型的若干个评价,确定各版型的智能水平评价,具体为:
23、在各版型的若干个评价中剔除所有中性评价;
24、依次计算各版型的每种评价在对应版型的所有评价中的占比;
25、将占比最大的评价作为对应版型的智能水平评价。
26、进一步地,所述将所述待测车辆的若干个配置和所述若干个指标进行对比,得出待测车辆的若干个指标取值,具体为:
27、当指标是第一配置时,判断所述待测车辆的若干个配置中是否存在第一配置,若存在,则待测车辆的指标取值为1,若不存在,则待测车辆的指标取值为0;
28、当指标是第一体验时,判断所述待测车辆的若干个配置中是否存在所述第一体验对应的配置,若存在,则待测车辆的指标取值为所述第一配置的正向评论概率;若不存在,则待测车辆的第一指标取值为0。
29、进一步地,所述利用预设的分类模型确定所述若干个指标对应的小类,具体为:
30、计算提取到的若干个配置相互之间的距离;其中,所述距离由两个配置的同时提及率确定;
31、循环将距离最近的两个配置进行组合,形成新配置组,并计算所述新配置组和其余配置或配置组相互之间的距离,直至所有配置被组合成一个大类;
32、利用预设的第一距离阈值对所述大类进行分割,形成若干个小类;其中,每个小类对应一个或多个配置。
33、本专利技术通过计算两个配置被同时提及的概率,可以将该概率作为这两个配置之间的距离,计算在消费者评论中提取到的各配置之间的距离,并对这些配置进行聚类,通过选取合适的距离阈值可以对这些配置进行分类。利用消费者是否同时提及两个配置的规律对配置进行分类,充分将消费者的认知和体验融合到分类中,能得到更符合消费者认知的分类结果。
34、进一步地,所述利用预设的赋权重模型,确定各指标在对应的小类中的权重,具体为:
35、在所述若干条评论中提取每条评论包含的指标;
36、组合含有同一小类的指标的评论,形成第一筛选评论;
37、在所述第一筛选评论中提取各小类的智能水平评价;
38、依次量化各小类包含的指标和各小类对应的智能水平评价之间的关系,得到每个指标在对应的小类中的权重。
39、本专利技术通过在消费者评论中提取指标和智能水平评价,分析各指标和其所在小类对应的智能水平评价之间的关系,可以对各指标赋予不同的权重,反映出各指标对于消费者对整体智能水平评价的影响,从而得出更贴近消费者观点的权重。
40、进一步地,所述利用预设的赋权重模型,确定各小类的权重,具体为:
41、量化各小类的智能水平评价和各版型的智能水平评价之间的关系,得到每个小类的权重。
42、本专利技术通过量化各小类的智能水平评价与版型层面的智能水平评价之间的关系,可以得到每个小类对应的权重,反映出各小类对消费者对总智能水平评价的影响,从而得出更贴近消费者观点的评价结果。
43、进一步本文档来自技高网...
【技术保护点】
1.一种基于消费者感知的汽车智能水平评价方法,其特征在于,包括:
2.根据权利要求1所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述根据预设的特征选择模型确定若干个指标,具体为:
3.根据权利要求2所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述获取消费者的若干条评论,并从所述若干条评论中提取所有配置、各配置对应的情感倾向和各版型的智能水平评价,具体为:
4.根据权利要求3所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述根据所述各版型的若干个评价,确定各版型的智能水平评价,具体为:
5.根据权利要求1所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述将所述待测车辆的若干个配置和所述若干个指标进行对比,得出待测车辆的若干个指标取值,具体为:
6.根据权利要求2所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述利用预设的分类模型确定所述若干个指标对应的小类,具体为:
7.根据权利要求2所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述利用预设的赋权
8.根据权利要求6所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述利用预设的赋权重模型,确定各小类的权重,具体为:
9.根据权利要求7所述的基于消费者感知的汽车智能水平评价方法,其特征在于,在所述利用预设的赋权重模型,确定各指标在对应的小类中的权重后,还包括:
10.一种基于消费者感知的汽车智能水平评价装置,其特征在于,包括:识别模块、指标确定模块、对比模块、小类确定模块、第一权重确定模块、第一计算模块、第二权重确定模块和第二计算模块;
...【技术特征摘要】
1.一种基于消费者感知的汽车智能水平评价方法,其特征在于,包括:
2.根据权利要求1所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述根据预设的特征选择模型确定若干个指标,具体为:
3.根据权利要求2所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述获取消费者的若干条评论,并从所述若干条评论中提取所有配置、各配置对应的情感倾向和各版型的智能水平评价,具体为:
4.根据权利要求3所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述根据所述各版型的若干个评价,确定各版型的智能水平评价,具体为:
5.根据权利要求1所述的基于消费者感知的汽车智能水平评价方法,其特征在于,所述将所述待测车辆的若干个配置和所述若干个指标进行对比,得出待测车辆的若干个指标取值,具体为:
6.根据权利...
【专利技术属性】
技术研发人员:周策,蓬蕾,黄忠礼,程博,高巧巧,
申请(专利权)人:广东数鼎科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。