[发明专利]基于多模态信息融合的评论有用性预测方法及系统

说明书

本发明提供一种基于多模态信息融合的评论有用性预测方法及系统，涉及评论有用性预测技术领域。本发明基于产品有用性评论多模态数据获取领域知识混合视角的评论有用性度量结果和不同单个视角的产品有用性评论度量结果；然后再将领域知识混合视角的评论有用性度量结果和不同的单个视角的产品有用性评论度量结果进行融合，获取产品有用性评论的最终评估结果。本发明综合考虑了多模态的产品有用性评论数据，不仅考虑了产品有用性评论内容，同时还考虑了产品有用性初始投票行为，合理的利用了信息之间的互补性，避免了传统方式中产品在线评论有用性预测结果不准确的问题。

技术领域

本发明涉及评论有用性预测技术领域，具体涉及一种基于多模态信息融合的评论有用性预测方法及系统。

背景技术

在网络购物平台上，一种产品会收到数千、数万甚至是数十万条评论，消费者可以从这些评论中获得大量的信息，以便辅助做出购买决策。然而，大量的产品在线评论不仅带来了信息过载的问题，还因为评论质量的参差不齐，无形中消耗着消费者阅读评论的时间和精力。所以购物平台亟需一种能够自动筛选出高质量评论的机制，以期能够快速、准确的为消费者提供有效信息，辅助消费者做出购买决策。

目前大多数购物平台采用了有用性投票机制，其鼓励消费者对所阅读的评论进行投票点赞、留言评论，然后将消费者对评论点赞数的累计结果作为评论排序的依据，以此对产品的在线评论有用性进行预测。

然而，大部分评论均存在未投票偏见(阅读评论的人很少去投票)和时间偏见(新发布的评论因缺少时间的积累获得的投票数很少)，所以真正有价值的评论仅仅通过投票数很难被发现，即传统的投票数并不能真正反映出产品在线评论的有用程度；其次，产品的有用性评论形式丰富(图片、文本、星级等等)，现有的产品有用性评论模型并不能完全适应各种形式的多模态评论数据。这些因素均使得基于传统有用性投票机制和单一数据形式的产品在线评论有用性的预测结果不准确。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于多模态信息融合的评论有用性预测方法及系统，解决了现有技术中评论有用性预测结果不准确的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本发明首先提出了一种基于多模态信息融合的评论有用性预测方法，所述方法包括：

基于产品有用性评论多模态数据根据领域专家知识提取影响产品评论有用性的关键特征；基于所述关键特征获取领域知识混合视角的评论有用性度量结果；

基于产品有用性评论多模态数据获取不同单个视角的产品有用性评论度量结果；

将所述领域知识混合视角的评论有用性度量结果和不同的所述单个视角的产品有用性评论度量结果进行融合，获取产品有用性评论的最终评估结果。

优选的，所述产品有用性评论多模态数据包括评论文本数据、评论图片数据以及用户投票行为数据。

优选的，所述基于所述产品有用性评论多模态数据获取不同单个视角的产品有用性评论度量结果包括：

基于自然语言处理技术和深度学习算法构建评论文本视角的评论有用性度量模型，利用所述评论文本视角的评论有用性度量模型和所述评论文本数据获取文本视角的产品有用性评论度量结果；

基于深度神经网络构建评论图片视角的评论有用性度量模型，利用所述评论图片视角的评论有用性度量模型和所述评论图片数据获取图片视角的产品有用性评论度量结果；

基于用户投票行为数据，预设评论投票数有用性阈值，将所述用户投票行为数据进行归一化以获取投票行为视角的产品有用性评论度量结果。