买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：随着电子商务的迅速发展，消费者越来越依赖在线评价，尤其是高质量评价，以判断商品的真实质量。本说明书提供了一种高质量直播营销文本识别方法，旨在提升消费者在电子商务平台上的购物决策质量。该方法通过收集商品评价的文本、附图、评价时间及商品详情参数，人工挑选并标注高质量评价，构建训练集与测试集。利用注意力生成对抗网络attn‑GAN生成商品预测图片，并通过相似度匹配提取图文相关置信度。采用EMD‑LSTM模型对历史评价时间的评价积进行拟合，预测待测评价的评价积，从而计算评价积置信度。通过加权平均这两种置信度，得出评价的高质量置信度，从而识别高质量评价。

主权项：1.一种高质量直播营销文本识别方法，其特征在于，利用消费者商品评价的文本、附图和商品参数描述图之间的相关性以及评价时间的异常可疑点，来进行高质量评论的提取过程，包括如下步骤：1根据已有的评论信息，在一较长时间内的评价人工挑选出一些高质量评价，标注认定为高质量评价的评论文本和图片的特征，并划分训练集与测试集；已有评论信息和评价时间、评价评分、评价数量作为数据集并进行预处理；2针对高质量评价的文本分析，提取高质量评论文本的单词特征和句子特征并对句子特征进行条件增强后，将其与随机噪声向量合并，整体作为文本特征集R1；3构建基于Attn-GAN的文本生成图像网络模型，所述网络模型包括预训练网络和多阶段生成网络，所述预训练网络引入Transformer模块；使用预训练的Transformer网络对商品图像进行特征提取，得到图像特征向量R2。4分别将步骤2和步骤3得到的将高质量评价集中的文本特征集R1和图片特征集R2输入AttnGAN模型使高质量数据集中每个文本特征和图片特征进行对应匹配，对生成器和判别器进行训练，构建基于文本生成图片的函数模型Q；5用步骤4得到的文本生成图片模型Q对每一个待评测的评价进行评论文本分析，生成评论预测图v1，利用transformer模型对评论预测图v1、评论附图v2、商品参数图v3分别进行特征提取，得到特征向量{t1,t2,t3}。6用步骤5得到的评论预测图特征t1、评论附图特征t2、商品参数图特征t3通过K-means聚类得到v1、v2、v3三图的族内特征t4，利用余弦相似度分别计算t4与t1、t2、t3的关联程度矩阵{u1,u2,u3}，得到高质量评价的图文相关匹配置信度w1；7基于EMD-LSTM的待测评价的评价积置信度检测，以该时间段下的评价积评价个数*平均评分建立平面坐标系的Y轴，评价时间为X轴，建立评价积-评价时间分布函数，通过EMD-LSTM进行对历史评价时间的评价积进行拟合，得到评价的时间分布预测函数P，并预测待测评价的评价时间下的评价积Pt。8在某时刻计算步骤7获得的评价时间分布预测模型计算得到的预测评价积Pt与待测评价的评价时间下实际的评价积St的差值m构成的函数Mm来进行评价积置信度w2的计算。9由某个时间点的图文相关匹配置信度w1和时间序列置信度w2的通过加权平均得到该时刻下某条消费者评价的为高质量评价的置信度w。通过对高质量评价数据集的置信度计算，得到最低判定为高质量评价的置信度值。

全文数据：

权利要求：

百度查询： 中国计量大学 一种高质量直播营销文本识别方法