申请/专利权人：新迈尔(北京)科技有限公司;威海海洋职业学院

申请日：2023-12-26

公开（公告）日：2024-05-14

公开（公告）号：CN118035438A

主分类号：G06F16/35

分类号：G06F16/35;G06Q30/0601

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明提供一种电商评论标签分类方法，涉及电子商务领域。该电商评论标签分类方法，包括S1.采集评论数据；S2.创建标签库；S3.训练模型；S4.标签分类；S5.评价排序。通过采用机器学习技术，利用预处理、训练和自动分类，实现了更简单、高效的电商评论标签分类方法，减少了人工标注的工作量和误差，提高了评论的准确性和可信度，从而改善了消费者的购物体验，采用训练模型对数据进行清洗去除中间的垃圾评论、HTML标签和标签符号等，使得整体的分类更加全面且观看更加直观。

主权项：1.一种电商评论标签分类方法，其特征在于：包括以下步骤：S1.采集评论数据，首先通过采集大量的电商评论，其中包括商品类别、用户评分、用户基础信息、评论内容和购买用途等信息，并对采集的电商评论进行预处理和数据清洗；S2.创建标签库，根据电商网站的商品类别，创建相应的标签库，在标签库中添加与该类商品相关的标签；S3.训练模型，使用机器学习算法对评论数据进行训练，训练出一个分类的模型，该模型可以自动将评论的内容与标签库中的标签进行匹配，并为其打上相应的标签；S3.1.数据预处理：针对电商评论数据，需要进行数据清洗、去除停用词、分词的预处理工作，以便于后续的模型训练；S3.2.数据划分：将整个电商评论数据按照一定比例分为训练集、验证集和测试集；S3.3.特征提取：对于每一条评论数据，需要将其转化为一个向量表示，以便于神经网络进行处理；S3.4.网络构建：选择合适的神经网络结构，并进行参数初始化；S3.5.模型训练：使用训练集数据进行模型训练，并对验证集数据进行监控，防止过拟合；S3.6.参数调优：通过调整模型的超参数，例如学习率和隐层节点数，对模型性能进行优化处理；S3.7.模型评估：使用测试集数据对模型进行评估，其中包括准确率、召回率和F1值的指标；S3.8.预测应用：使用训练好的模型对新的评论数据进行标签分类的预测；S4.标签分类，应用训练好的模型，对新的评论数据进行标签分类，对该评论内容进行匹配和分类，并为其打上相应的标签，随后对其进行对应的分类处理；S5.评价排序，将打上标签的评论按照标签进行排序处理。

全文数据：

权利要求：

百度查询： 新迈尔(北京)科技有限公司;威海海洋职业学院 一种电商评论标签分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD