[发明专利]关键意见消费者的挖掘方法、装置、设备及存储介质在审
申请号: | 202310128469.2 | 申请日: | 2023-02-16 |
公开(公告)号: | CN116108274A | 公开(公告)日: | 2023-05-12 |
发明(设计)人: | 任宏杰;庄光庭;裴广明 | 申请(专利权)人: | 阿维塔科技(重庆)有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/906;G06F16/332;G06F40/258;G06F17/16;G06Q50/00 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 陈宇;张颖玲 |
地址: | 401121 重庆市渝北*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 关键 意见 消费者 挖掘 方法 装置 设备 存储 介质 | ||
1.一种关键意见消费者的挖掘方法,其特征在于,所述方法包括:
获取预先构建的综合评分模型、待挖掘的目标社区中各用户的用户数据和内容数据;
根据所述用户数据和所述内容数据,确定所述各用户的基础特征指标和内容特征指标,以及表征用户之间互动关系的互动特征矩阵;
基于所述综合评分模型、所述各用户的基础特征指标和内容特征指标,确定所述各用户的价值评分;
基于所述各用户的价值评分和所述互动特征矩阵,从所述各用户中筛选出目标关键意见消费者。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
构建多层次的初始评分模型,所述初始评分模型的子目标层包括用户影响子目标和内容影响子目标;
获取所述初始评分模型包括的每一层次中各下层特征对所属上层特征的重要程度的第一标度;
基于所述第一标度,确定所述初始评分模型中各特征指标对应的特征矩阵;
对所述特征矩阵进行校验处理,得到目标特征矩阵;
基于所述初始评分模型和所述目标特征矩阵,构建得到综合评分模型。
3.根据权利要求2所述的方法,其特征在于,所述对所述特征矩阵进行校验处理,得到目标特征矩阵,包括:
获取样本数据;
基于所述样本数据对所述特征矩阵进行一致性校验,得到校验结果;
当所述校验结果小于预设校验阈值时,确定所述特征矩阵一致性校验通过,将所述特征矩阵确定为目标特征矩阵;
当所述校验结果大于或等于预设校验阈值时,根据所述样本数据对所述特征矩阵进行修正,得到一致性校验通过的目标特征矩阵。
4.根据权利要求1所述的方法,其特征在于,确定一个用户的基础特征指标,包括:
根据所述一个用户的用户数据,确定所述一个用户的各基础特征的初始数据;
获取针对各基础特征预设的标准化策略,其中,一个标准化策略包括多个标准化参数;
根据每一基础特征对应的多个标准化参数,对所述各基础特征的初始数据进行标准化处理,得到所述一个用户的基础特征指标。
5.根据权利要求1所述的方法,其特征在于,确定一个用户的内容特征指标,包括:
对所述一个用户的内容数据进行主题词提取,得到各内容特征对应的内容主题词;
确定所述内容主题词与所述目标社区预设的品牌导向词之间的相似度;
根据所述相似度,构建所述一个用户的内容特征指标。
6.根据权利要求1所述的方法,其特征在于,确定互动特征矩阵,包括:
根据各用户的所述用户数据和所述内容数据,确定互动数据集,所述互动数据集包括多条互动数据,一条互动数据包括主动用户、被动用户和互动类型;
获取所述互动类型对应的第二标度,所述第二标度是根据互动类型的重要程度预先构建的值;
基于各用户对应的互动数据和所述互动类型对应的第二标度,构建互动特征矩阵。
7.根据权利要求1所述的方法,其特征在于,所述基于所述各用户的价值评分和所述互动特征矩阵,从所述各用户中筛选出目标关键意见消费者,包括:
按照所述各用户的价值评分,从所述各用户中筛选出价值评分大于预设价值评分阈值的用户,得到多个潜在关键意见消费者;
基于所述互动特征矩阵,确定各潜在关键意见消费者的互动强度;
按照所述互动强度,从所述多个潜在关键意见消费者中筛选出互动强度大于预设互动强度阈值的用户,得到目标关键意见消费者。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿维塔科技(重庆)有限公司,未经阿维塔科技(重庆)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310128469.2/1.html,转载请声明来源钻瓜专利网。