[发明专利]一种自动提取反馈热点的方法和装置

权利要求书

1.一种自动提取反馈热点的方法，其特征在于，所述方法包括：

预处理从评估区间获取的反馈信息以得到分词集合；

依据分词的出现频率确定评估区间的分词集合中各分词的分值；

根据反馈信息的属性对各分词的分值进行校正；

基于校正后的分值确定作为反馈热点的分词。

2.根据权利要求1所述的方法，其特征在于，所述预处理包括：

依据分词词典对评估区间的反馈信息进行分词处理；

去除反馈信息中无意义或者重复的内容。

3.根据权利要求2所述的方法，其特征在于，所述去除反馈信息中无意义或者重复的内容包括：

确定评估区间的反馈信息中分词的个数，如果分词的个数小于或等于预定值，则删除该反馈信息；或者，

对于具有相同反馈人ID以及投诉人ID的N个反馈信息，仅保留N个反馈信息中的任一个反馈信息，其中所述N为大于等于2的正整数；或者，

对评估区间的反馈信息之间的首尾进行字符串匹配，如果字符串匹配成功，则仅保留字符串匹配的反馈信息中的任一个反馈信息；或者，

对评估区间的反馈信息之间进行语义相似度计算，如果相似度高于预定值，则仅保留相似度高于预定值的反馈信息中的任一个反馈信息。

4.根据权利要求1所述的方法，其特征在于，所述依据分词的出现频率确定评估区间的分词集合中各分词的分值包括：

对评估区间的分词集合中分词的出现频率进行统计；

依据分词在评估区间的分词集合中出现频率由高到低的顺序，赋予分词由低到高的第一权重；

依据分词在评估区间的各反馈信息中出现频率由高到低的顺序，赋予分词由高到低的第二权重；

根据评估区间的分词集合中分词的第一和第二权重确定各分词的分值。

5.根据权利要求1所述的方法，其特征在于，所述反馈信息的属性包括反馈信息的出现时间标记，反馈信息的来源ID，或者反馈信息中各分词的内容。

6.根据权利要求5所述的方法，其特征在于，所述根据反馈信息的属性对各分词的分值进行校正包括：

预处理从训练区间获取的反馈信息以得到分词集合，其中所述评估区间或所述训练区间是通过反馈信息的出现时间标记来区分的；

对训练区间的分词集合中分词的出现频率进行统计；

依据训练区间中分词的出现频率由高到低的顺序，为评估区间中的对应分词按照由低到高的顺序赋予第三权重；

基于第三权重对各分词的分值进行校正。

7.根据权利要求5所述的方法，其特征在于，所述根据反馈信息的属性对各分词的分值进行校正包括：

将分词的来源ID与预设的来源列表进行匹配以确定第四权重，其中所述来源列表维护有各反馈来源与权重的对应关系；

基于第四权重对各分词的分值进行校正。

8.根据权利要求5所述的方法，其特征在于，所述根据反馈信息的属性对各分词的分值进行校正包括：

将分词的内容与黑名单进行匹配；

将与黑名单匹配的分词的分值置为0。

9.根据权利要求1所述的方法，其特征在于，在确定作为反馈热点的分词之后，将属于同一反馈信息的作为反馈热点的分词划分为一个分词组。

10.根据权利要求1-9任一项所述的方法，其特征在于，所述方法还包括：将提取的反馈热点存入数据库中，根据查询请求为用户呈现所述数据库中的反馈热点。

11.一种自动提取反馈热点的装置，其特征在于，所述装置包括：

预处理单元，用于预处理从评估区间获取的反馈信息以得到分词集合；

分值确定单元，用于依据分词的出现频率确定评估区间的分词集合中各分词的分值；

校正单元，用于根据反馈信息的属性对各分词的分值进行校正；

热点确定单元，用于基于校正后的分值确定作为反馈热点的分词。

12.根据权利要求11所述的装置，其特征在于，所述预处理单元包括：

分词单元，用于依据分词词典对评估区间的反馈信息进行分词处理；

去除单元，用于去除反馈信息中无意义或者重复的内容。