【技术实现步骤摘要】
本申请属于数据处理领域，具体涉及一种用户满意度预测方法、装置、设备和存储介质。
技术介绍
1、如果用户对产品或服务不满意，很可能会终止业务，并可能引发连锁反应，使其他用户受到不满意评价的影响。因此，对用户满意度进行预测，以给用户提供更好的服务，是非常重要的。
2、现有技术中，确定用户满意度的方法通常基于对用户的问卷调查、访谈等形式，需要消耗较高的时间和人力成本，获取到的结果难以充分体现用户的感受，导致得到的用户满意度精度较低。
技术实现思路
1、本申请实施例的目的是提供一种用户满意度预测方法、装置、设备和存储介质，能够解决目前确定用户满意度的方法需要消耗较高的时间和人力成本，得到的用户满意度精度较低的问题。
2、第一方面，本申请实施例提供了一种用户满意度预测方法，包括：
3、获取目标用户的评论文本；
4、对所述评论文本进行文本分类处理，确定所述评论文本对应的至少一个评价指标及每个评价指标的特征文本；
5、由所述评论文本映射得到所述目标用户的基础评分，并基于所述基础评分，确定每个评价指标的主观权重；
6、根据所述特征文本及所述主观权重，分析所述目标用户的情感倾向，得到每个评价指标的情感倾向权重；
7、根据所述基础评分、所述情感倾向权重及所述主观权重，确定所述目标用户的满意度。
8、可选地，所述对所述评论文本进行文本分类处理，确定所述评论文本对应的至少一个评价指标及每个评价指标的特征文本，包
9、将所述评论文本输入至文本分类模型中进行处理，确定所述评论文本中包括的词向量；
10、确定所述词向量之间的相似度；
11、基于所述相似度及多个预设指标进行聚类，确定所述评论文本对应的至少一个评价指标，并将每个评价指标对应的聚类中包括的词向量作为该评价指标的特征文本。
12、可选地，所述由所述评论文本映射得到所述目标用户的基础评分，并基于所述基础评分，确定每个评价指标的主观权重，包括：
13、确定所述评价指标在所述评论文本中的出现顺序，作为所述评价指标的权重顺序；
14、根据所述评论文本与评分映射表进行映射，得到所述目标用户的基础评分；
15、基于所述基础评分及每个评价指标的预设平均值，确定每个评价指标的变异系数值；
16、根据所述权重顺序及所述变异系数值，确定每个评价指标的重要程度；
17、基于所述权重顺序及所述重要程度，确定每个评价指标的主观权重。
18、可选地，所述基于所述基础评分及每个评价指标的预设平均值，确定每个评价指标的变异系数值，包括：
19、针对每个评价指标，确定该评价指标的预设平均值与所述基础评分的标准差，并计算所述标准差和所述预设平均值之间的比值，作为该评价指标的变异系数值。
20、可选地，所述根据所述权重顺序及所述变异系数值，确定每个评价指标的重要程度，包括：
21、根据所述权重顺序，依次将每个评价指标作为目标指标，将所述目标指标的下一个评价指标作为参考指标；
22、在所述目标指标的变异系数值大于或等于所述参考指标的变异系数值的情况下，确定所述目标指标的变异系数值与所述参考指标的变异系数值的比值，将所述比值与第一预设值相加，作为所述目标指标的重要程度；
23、在所述目标指标的变异系数值小于所述参考指标的变异系数值的情况下，将第二预设值作为所述目标指标的重要程度。
24、可选地，所述基于所述权重顺序及所述重要程度，确定每个评价指标的主观权重，包括：
25、按照所述权重顺序，确定每个评价指标与下一个评价指标之间的相关系数；
26、基于所述权重顺序、所述重要程度及所述相关系数，确定每个评价指标的主观权重。
27、可选地，所述根据所述特征文本及所述主观权重，分析所述目标用户的情感倾向，得到每个评价指标的情感倾向权重，包括：
28、针对每个评价指标，将该评价指标对应的所述特征文本及所述主观权重输入至情感倾向分析模型，分析得到所述目标用户对应于该评价指标的情感倾向；
29、根据所述情感倾向和所述主观权重，确定所述评价指标的情感倾向权重。
30、可选地，所述情感倾向分析模型为四层的深度学习模型，所述深度学习模型包括一个输入层、两个隐藏层和一个输出层。
31、可选地，所述根据所述基础评分、所述情感倾向权重及所述主观权重，确定所述目标用户的满意度，包括：
32、获取所述基础评分的可信度；
33、根据所述基础评分、所述情感倾向权重、所述主观权重及所述可信度，确定所述目标用户的满意度。
34、第二方面，本申请实施例提供了一种终端接入的装置，包括：
35、获取模块，用于获取目标用户的评论文本；
36、分类模块，用于对所述评论文本进行文本分类处理，确定所述评论文本对应的至少一个评价指标及每个评价指标的特征文本；
37、评分模块，用于由所述评论文本映射得到所述目标用户的基础评分，并基于所述基础评分，确定每个评价指标的主观权重；
38、分析模块，用于根据所述特征文本及所述主观权重，分析所述目标用户的情感倾向，得到每个评价指标的情感倾向权重；
39、预测模块，用于根据所述基础评分、所述情感倾向权重及所述主观权重，确定所述目标用户的满意度。
40、可选地，所述分类模块，用于：
41、将所述评论文本输入至文本分类模型中进行处理，确定所述评论文本中包括的词向量；
42、确定所述词向量之间的相似度；
43、基于所述相似度及多个预设指标进行聚类，确定所述评论文本对应的至少一个评价指标，并将每个评价指标对应的聚类中包括的词向量作为该评价指标的特征文本。
44、可选地，所述评分模块，用于：
45、确定所述评价指标在所述评论文本中的出现顺序，作为所述评价指标的权重顺序；
46、根据所述评论文本与评分映射表进行映射，得到所述目标用户的基础评分；
47、基于所述基础评分及每个评价指标的预设平均值，确定每个评价指标的变异系数值；
48、根据所述权重顺序及所述变异系数值，确定每个评价指标的重要程度；
49、基于所述权重顺序及所述重要程度，确定每个评价指标的主观权重。
50、可选地，所述评分模块，用于：
51、针对每个评价指标，确定该评价指标的预设平均值与所述基础评分的标准差，并计算所述标准差和所述预设平均值之间的比值，作为该评价指标的变异系数值。
52、可选地，所述评分模块，用于：
53、根据所述权重顺序，依次将每个评价指标作为目标指标，将所述目标指标的下一个评价指标作为参考指标；
54、在所述目标指标的变异系数值大于本文档来自技高网...
【技术保护点】
1.一种用户满意度预测方法，其特征在于，包括：
2.根据权利要求1所述的用户满意度预测方法，其特征在于，所述对所述评论文本进行文本分类处理，确定所述评论文本对应的至少一个评价指标及每个评价指标的特征文本，包括：
3.根据权利要求1所述的用户满意度预测方法，其特征在于，所述由所述评论文本映射得到所述目标用户的基础评分，并基于所述基础评分，确定每个评价指标的主观权重，包括：
4.根据权利要求3所述的用户满意度预测方法，其特征在于，所述基于所述基础评分及每个评价指标的预设平均值，确定每个评价指标的变异系数值，包括：
5.根据权利要求3所述的用户满意度预测方法，其特征在于，所述根据所述权重顺序及所述变异系数值，确定每个评价指标的重要程度，包括：
6.根据权利要求3所述的用户满意度预测方法，其特征在于，所述基于所述权重顺序及所述重要程度，确定每个评价指标的主观权重，包括：
7.根据权利要求1所述的用户满意度预测方法，其特征在于，所述根据所述特征文本及所述主观权重，分析所述目标用户的情感倾向，得到每个评价指标的情感倾向权
8.根据权利要求7所述的用户满意度预测方法，其特征在于，所述情感倾向分析模型为四层的深度学习模型，所述深度学习模型包括一个输入层、两个隐藏层和一个输出层。
9.根据权利要求1所述的用户满意度预测方法，其特征在于，所述根据所述基础评分、所述情感倾向权重及所述主观权重，确定所述目标用户的满意度，包括：
10.一种用户满意度预测装置，其特征在于，包括：
11.根据权利要求10所述的用户满意度预测装置，其特征在于，所述分类模块，用于：
12.根据权利要求10所述的用户满意度预测装置，其特征在于，所述评分模块，用于：
13.根据权利要求12所述的用户满意度预测装置，其特征在于，所述评分模块，用于：
14.根据权利要求12所述的用户满意度预测装置，其特征在于，所述评分模块，用于：
15.根据权利要求12所述的用户满意度预测装置，其特征在于，所述评分模块，用于：
16.根据权利要求10所述的用户满意度预测装置，其特征在于，所述分析模块，用于：
17.根据权利要求16所述的用户满意度预测装置，其特征在于，所述情感倾向分析模型为四层的深度学习模型，所述深度学习模型包括一个输入层、两个隐藏层和一个输出层。
18.根据权利要求1所述的用户满意度预测装置，其特征在于，所述预测模块，用于：
19.一种电子设备，其特征在于，包括：
20.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-9任一项所述的用户满意度预测方法的步骤。
...【技术特征摘要】
1.一种用户满意度预测方法，其特征在于，包括：
2.根据权利要求1所述的用户满意度预测方法，其特征在于，所述对所述评论文本进行文本分类处理，确定所述评论文本对应的至少一个评价指标及每个评价指标的特征文本，包括：
3.根据权利要求1所述的用户满意度预测方法，其特征在于，所述由所述评论文本映射得到所述目标用户的基础评分，并基于所述基础评分，确定每个评价指标的主观权重，包括：
4.根据权利要求3所述的用户满意度预测方法，其特征在于，所述基于所述基础评分及每个评价指标的预设平均值，确定每个评价指标的变异系数值，包括：
5.根据权利要求3所述的用户满意度预测方法，其特征在于，所述根据所述权重顺序及所述变异系数值，确定每个评价指标的重要程度，包括：
6.根据权利要求3所述的用户满意度预测方法，其特征在于，所述基于所述权重顺序及所述重要程度，确定每个评价指标的主观权重，包括：
7.根据权利要求1所述的用户满意度预测方法，其特征在于，所述根据所述特征文本及所述主观权重，分析所述目标用户的情感倾向，得到每个评价指标的情感倾向权重，包括：
8.根据权利要求7所述的用户满意度预测方法，其特征在于，所述情感倾向分析模型为四层的深度学习模型，所述深度学习模型包括一个输入层、两个隐藏层和一个输出层。
9.根据权利要求1所述的用户满意度...
【专利技术属性】
技术研发人员：刘健，魏丫丫，仲籽彦，张明哲，汪利伟，
申请(专利权)人：中国电信股份有限公司，
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。