[发明专利]评价识别及评价识别网络模型的训练方法及装置

说明书

本申请公开了一种评价识别方法、评价识别网络模型的训练方法、装置及设备。所述评价识别方法，包括：获取待识别的评价文本，将所述评价文本输入评价识别网络模型包含的词向量计算网络以及实体识别网络；根据所述实体识别网络输出的所述评价文本的中心词以及中心词的信息熵，对所述词向量计算网络输出的所述评价文本的词向量进行特征强化处理，得到所述评价文本的强化特征向量；将所述评价文本的强化特征向量以及所述评价文本的统计特征输入所述评价识别网络模型包含的分类模型，得到所述评价文本的识别结果信息。采用所述方法，解决了恶意差评的识别精度较低导致难以准确界定差评责任方的问题。

技术领域

本申请涉及数据处理领域，具体涉及一种评价识别方法、装置及设备。本申请还涉及一种评价识别网络模型的训练方法、装置及设备。

背景技术

随着互联网技术的发展，用户通过基于互联网的线上平台从商户获取商品或服务的场景越来越普遍。用户针对获取到的商品或服务可以发布评价信息，用户评价信息是商户评分计算的重要组成部分，差评直接影响着商户评分的高低，而商户评分能够影响商户在平台上的流量和排名。实际上为达到恶意竞争、非法获利等不良目的，可能存在对正常经营的商户的恶意评价，因此，识别出用户评价中的恶意评价和/或虚假评价显得尤其重要。

现有技术中，常采用以下方式识别差评：一是，通过关键词对评价信息的内容进行捞取，该方式的问题是难以准确确定出差评的责任方，因而无法在商户评分计算中剔除商户无责的差评。二是，通过人工处理商户申诉的方式，但是该方式依赖人工筛查，难以保证客观性和准确度，且人力成本较高。

因此，如何提高识别恶意差评的精度以准确地界定差评的责任方，是需要解决的问题。

发明内容

本申请实施例提供的评价识别方法，解决了恶意差评的识别精度较低导致难以准确界定差评责任方的问题。

本申请实施例提供一种评价识别方法，包括：获取待识别的评价文本，将所述评价文本输入评价识别网络模型包含的词向量计算网络以及实体识别网络；根据所述实体识别网络输出的所述评价文本的中心词以及中心词的信息熵，对所述词向量计算网络输出的所述评价文本的词向量进行特征强化处理，得到所述评价文本的强化特征向量；将所述评价文本的强化特征向量以及所述评价文本的统计特征输入所述评价识别网络模型包含的分类模型，得到所述评价文本的识别结果信息。

可选的，所述根据所述实体识别网络输出的所述评价文本的中心词以及中心词的信息熵，对所述词向量计算网络输出的所述评价文本的词向量进行特征强化处理，得到所述评价文本的强化特征向量，包括：将所述中心词的信息熵作为所述中心词的权重；根据所述中心词查询所述评价文本的词向量，得到与所述中心词相对应的词向量；使用所述中心词的权重对所述与所述中心词相对应的词向量进行加权处理，得到中心词的强化特征向量；将中心词的强化特征向量进行下述任一处理操作：加和处理、取最值处理及取平均值处理，得到所述评价文本的强化特征向量。

可选的，还包括：获取所述评价文本的中心词数量和/或所述评价文本的文本长度，作为所述评价文本的统计特征。

可选的，还包括：如果根据所述识别结果信息确定所述评价信息为实体对象无责差评，则将所述评价信息作为异常评价输出至与所述评价信息相关联的实体对象的电子设备。

可选的，还包括：针对识别为实体对象无责差评的评价文本，获取与所述评价文本相关联的订单信息；获取所述订单信息的用户特征，根据所述用户特征识别出恶意评价账户。

可选的，还包括：获取所述订单信息的地域特征，根据所述地域特征识别出区域聚集恶意评价和/或异地聚集恶意差评。

可选的，还包括：获取所述订单信息包含的对象特征以及所述订单信息对应的实体对象；根据所述对象特征以及所述用户特征，识别出针对所述实体对象的同行业恶意差评。

可选的，还包括：获取发出所述评价文本的设备的设备特征；根据所述设备特征识别出设备聚集差评。