[发明专利]BP神经网络模型构建、商家评价方法与装置

权利要求书

1.一种BP神经网络模型构建方法，所述BP神经网络模型用于商家评价，所述方法包括：

获取商家评价样本数据；

识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数；所述指标参数为同类评价指标中表征评价文字内容的数值的平均值，不同数值表示不同程度；

根据所述商家评价指标的数量，构建初始BP神经网络模型；

将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型；

设置所述初始BP神经网络模型的输入层节点数为所述商家评价指标的数量、并设置所述初始BP神经网络模型的输出层节点唯一；将所述初始BP神经网络模型的输入层节点数与输出层节点数量的和除以2再向上取整，得到所述初始BP神经网络模型的隐含层节点数；根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型。

2.根据权利要求1所述的方法，其特征在于，将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出包括：

对所述商家评价样本数据中商家评价结果进行归一处理；

将归一处理后的商家评价结果作为初始BP神经网络模型的唯一输出数据。

3.根据权利要求1所述的方法，其特征在于，所述根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型包括：

根据确定的输入层节点数、输出层节点数以及隐含层节点数，采用Sig—moid函数作为激活函数，构建初始BP神经网络模型。

4.根据权利要求1所述的方法，其特征在于，所述识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数包括：

根据所述商家评价样本数据，获取商家评价角度；

分析在各所述商家评价角度下的第一维度指标以及第二维度指标，所述第二维度指标从属于所述第一维度指标；

识别所述商家评价样本数据中所述第二维度指标对应的指标参数。

5.一种商家评价方法，其特征在于，所述方法包括：

获取待评价商家的当前评价数据；

分析所述当前评价数据中不同评价指标对应的当前评价指标参数；

根据所述当前评价指标参数所属评价指标，将所述当前评价指标参数输入至已训练的BP神经网络模型；

获取所述已训练的BP神经网络模型输出的商家评价结果；

其中，所述已训练的BP神经网络模型由如权利要求1-4任意一项所述BP神经网络模型构建方法得到。

6.一种BP神经网络模型构建装置，其特征在于，所述BP神经网络模型用于商家评价，所述装置包括：

样本数据获取模块，用于获取商家评价样本数据；

识别模块，用于识别所述商家评价样本数据中的商家评价指标以及各所述商家评价指标对应的指标参数；所述指标参数为同类评价指标中表征评价文字内容的数值的平均值，不同数值表示不同程度；

初始模型构建模块，用于根据所述商家评价指标的数量，构建初始BP神经网络模型；

训练模块，用于将所述指标参数对应输入至所述初始BP神经网络模型中表征评价指标的输入层、并将所述商家评价样本数据中商家评价结果作为初始BP神经网络模型的输出，对所述初始BP神经网络模型进行训练，得到训练后的BP神经网络模型；

所述初始模型构建模块，还用于设置所述初始BP神经网络模型的输入层节点数为所述商家评价指标的数量、并设置所述初始BP神经网络模型的输出层节点唯一；将所述初始BP神经网络模型的输入层节点数与输出层节点数量的和除以2再向上取整，得到所述初始BP神经网络模型的隐含层节点数；根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建初始BP神经网络模型。

7.根据权利要求6所述的装置，其特征在于，所述训练模块还用于对所述商家评价样本数据中商家评价结果进行归一处理；将归一处理后的商家评价结果作为初始BP神经网络模型的唯一输出数据。