(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210342490.8 (22)申请日 2022.03.31 (71)申请人 徐利东 地址 213017 江苏省常州市天宁区郑陆镇 武澄科创园1号楼3 08室 (72)发明人 徐利东　 (74)专利代理 机构 苏州璟融知识产权代理事务 所(普通合伙) 32484 专利代理师 钱滨滨 (51)Int.Cl. G06F 40/211(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 20/00(2019.01) G06Q 30/06(2012.01) (54)发明名称 结合大数据的产品点评信息处理方法及系 统 (57)摘要 本申请实施例公开了结合大数据的产品点 评信息处理方法及系统， 在 进行优化建议的识别 挖掘时， 可以精准定位得到活跃性用户点评文本 集在若干类产品反馈建议主题下的优化建议挖 掘信息， 可以在一定程度上减少活跃性用户点评 文本集的个别产品反馈建议主题的优化建议识 别遗漏， 这样能够尽量地提升活跃性用户点评文 本集的优化建议识别的精度和完整性， 此外， 鉴 于优化建议识别的核心流程在大数据处理系统 侧进行， 因而可以减 轻数字化产品平台系统特别 是算力较弱的数字化产品平台系统的点评分析 资源开销。 权利要求书3页 说明书14页 附图2页 CN 114662470 A 2022.06.24 CN 114662470 A 1.一种结合大数据的产品点评信息处理方法， 其特征在于， 该方法应用于大数据处理 系统， 所述大 数据处理系统与数字化产品平台系统通信， 该 方法至少包括： 当接收到所述数字化产品平台系统上传的产品点评分析请求 时， 采集目标线上服务产 品的产品使用点评信息； 响应于所述产品使用点评信 息中包含活跃性用户点评文本集， 确定所述活跃性用户点 评文本集所关联的上 下游评论观点文本集； 对所述活跃性用户点评文本集所关联的上下游评论观点文本集进行指定的若干类产 品反馈建议主题的优化建议识别， 获得 所述活跃性用户点评文本集的优化建议挖掘报告。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述活跃性用户点评文本集所关联 的上下游评论观点文本集进行指定的若干类产品反馈建议主题的优化建议识别， 获得所述 活跃性用户点评文本集的优化建议挖掘报告 是基于智能化决策线程 实现的， 所述智能化决 策线程是通过对人工智能模型进 行调试所得的， 所述人工智能模型包括自然语言处理算法 和用作逐个对指定的若干类产品反馈建议主题进 行区分处理的多个机器学习模型， 所述智 能化决策线程基于如下内容调试 所得： 收集所述活跃性用户点评文本集的第一认证型产品使用点评信息和所述第一认证型 产品使用点评信息关于所述若干类产品反馈建议主题的先验知识； 将所述第一认证型产品使用点评信息加载到所述自然语言处理算法进行自然语言处 理， 得到第二展示型点评句子序列； 将所述第二展示型点评句子序列分别加载到所述多个机器学习模型进行优化建议挖 掘， 获得所述第一认证型产品使用点评信息关于所述若干类产品反馈 建议主题的优化建议 挖掘报告； 利用所述第一认证型产品使用点评信息关于所述若干类产品反馈建议主题的优化建 议挖掘报告和所述第一认证型产品使用点评信息关于所述若干类产品反馈建议主题的先 验知识， 确定第一策略代价信息； 利用所述第一策略代价信息改进所述自然语言处理算法和所述多个机器学习模型的 偏置数据， 动态更新所述第一认证型产品使用点评信息， 以实现所述第一策略代价信息满 足逼近条件， 获得 所述智能化决策线程。 3.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 如果存在需要额外配设的目标产品反馈建议主题， 则在所述智能化决策线程中额外配 设所述目标产品反馈建议主题的目标机器学习模型； 收集所述活跃性用户点评文本集的第二认证型产品使用点评信息和所述第二认证型 产品使用点评信息关于所述目标产品反馈建议主题的先验知识； 将所述第二认证型产品使用点评信息加载到所述自然语言处理算法进行自然语言处 理， 得到第三展示型点评句子序列； 将所述第三展示型点评句子序列加载到所述目标机器学习 模型进行优化建议挖掘， 获 得所述第二认证型产品使用点评信息关于所述目标产品反馈建议主题的优化建议挖掘报 告； 利用所述第二认证型产品使用点评信息关于所述目标产品反馈建议主题的优化建议 挖掘报告和所述第二认证型产品使用点评信息关于所述目标产品反馈建议主题的先验知权　利　要　求　书 1/3 页 2 CN 114662470 A 2识， 确定所述目标机器学习模型的第二策略代价信息； 利用所述第 二策略代价信 息改进所述目标机器学习 模型的偏置数据， 动态更新所述第 二认证型产品使用点评信息， 以实现所述第二策略代价信息满足逼近条件。 4.根据权利要求1所述的方法， 其特征在于， 所述对所述活跃性用户点评文本集所关联 的上下游评论观点文本集进行指定的若干类产品反馈建议主题的优化建议识别， 获得所述 活跃性用户点评文本集的优化建议挖掘报告， 包括： 对所述活跃性用户点评文本集所关联的上下游评论观点文本集进行自然语言处理， 得 到第一展示型点评句子序列； 基于所述若干类产品反馈建议主题中每类产品反馈建议主题对应的机器学习模型分 别对所述第一展示型点评句子序列进 行优化建议挖掘， 获得所述活跃性用户点评文本集关 于所述每 类产品反馈建议主题的优化建议挖掘报告。 5.根据权利要求4所述的方法， 其特征在于， 所述每类产品反馈建议主题的优化建议挖 掘报告包含如下 的其中一项： 具有该产品反馈建议主题的优化建议； 不具有该产品反馈建 议主题的优化建议； 未鉴别出是否具有该产品反馈建议主题的优化建议； 具有未知产品反 馈建议主题的优化建议。 6.根据权利要求4所述的方法， 其特征在于， 所述活跃性用户点评文本集为产品使用体 验点评， 所述若干类产品反馈建议主题包含如下两项或两项以上： 可视化交互界面优化、 强 制广告弹窗拦截和个 体隐私信息防护。 7.根据权利要求4所述的方法， 其特征在于， 所述对所述活跃性用户点评文本集所关联 的上下游评论观点文本集进行自然语言处 理， 得到第一展示型点评句子序列， 包括： 对所述活跃性用户点评文本集所关联的上下游评论观点文本集进行窗口化挖掘， 得到 第一观点句子序列； 对所述第 一观点句子序列进行u轮周期的关键短语提取处理， 得到u个体量的观点句子 序列， 所述u个体量的观点句子序列与所述u轮周期的关键短语提取 处理存在一对一匹配关 系， u为不小于2的整数； 对所述第一观点句子序列和所述u个体量的观点句子序列中的v个目标观点句子序列 进行语义挖掘， 得到w个第二观点句子序列， v为 不小于2且不超过u的整数， w=v+1； 依据所述w个第二观点句子序列对所述u个体量的观点句子序列中目标体量的观点句 子序列进行u轮周期的衍 生短语扩展处 理， 获得所述第一展示型点评句子序列。 8.根据权利要求7所述的方法， 其特征在于， 所述依据所述w个第二观点句子序列对所 述u个体量的观点句子序列中目标体量的观点句子序列进行u轮周期的衍生短语扩展处理， 获得所述第一展示型点评句子序列， 包括： 对所述目标体量的观点句子序列进行第一轮周期的衍 生短语扩展处 理； 关于所述u轮周期的衍生短语扩展处理中第x轮周期的衍生短语扩展处理， 如果所述w 个第二观点句子序列中具有待整理的第二观点句子序列， 则将所述待整理的第二观点句子 序列与所述第x轮周期的衍生短语扩展处理所得的观点句 子序列进行整理， 得到第一已整 理观点句 子序列， 所述待整理的第二观点句 子序列为与所述第x轮周期的衍生短语扩展处 理所得的观点句子序列的观点描述 维度一致的第二观点句子序列， x为不小于1且小于等于 u‑1的整数；权　利　要　求　书 2/3 页 3 CN 114662470 A 3