[发明专利]一种基于机器学习的文本挖掘技术消费维权指标分析方法

摘要

本发明提供了一种基于机器学习的文本挖掘技术消费维权指标分析方法，其特征在于，包括如下步骤步骤1)数据采集及处理并生成规范化数据步骤2)利用提取模块获取数据采集模块得到的规范化数据，并利用数据处理模块得到情感倾向度；步骤3)利用分类模块将情感倾向度分析后的消费维权数据进行分组和权重分类；步骤4)利用处理器进行指标得分率计算；步骤5)构建SVM分类器；步骤6)构建训练分类模型；步骤7)通过步骤6)进行模型预测。结合最新的感情倾向度分析计算方法并且结合业务数据计算，能达到快速、科学、标准、客观的计算结果，为执法部门提供消费维权指标计算，为管理部门提供执法决策辅助。

主权项

一种基于机器学习的文本挖掘技术消费维权指标分析方法，其特征在于，包括如下步骤：步骤1)数据采集及处理并生成规范化数据：S1：利用数据采集模块获取12345热线的工单文本；对数据采集模块获取的工单文本采用处理器进行初始处理步骤，对录入的文本数据利用分词模块和去噪模块进行处理，获得各个文本数据中的关键词；其中，数据采集模块连接处理器，处理器内设置有分词模块和去噪模块；S2：设定文本特征向量化模块，将各个关键词进行向量化并作归一化处理，获得由各个关键词W在文件d中的向量化归一化结果建立的实数值矩阵；S3：设定文本数据相似性匹配模块，根据建立的所述实数值矩阵，利用余弦定理计算各关键词间的余弦相似度，并将余弦距离最近的文本数据进行匹配，形成近义词词库；S4：设定规范化数据生成模块，将匹配好的文本数据按照设定的统一规范化模式生成规范化数据；步骤2)利用提取模块获取数据采集模块得到的规范化数据，并利用数据处理模块得到情感倾向度；步骤3)利用分类模块将情感倾向度分析后的消费维权数据进行分组和权重分类；步骤4)利用处理器进行指标得分率计算；步骤5)构建SVM分类器；步骤6)构建训练分类模型；步骤7)通过步骤6)进行模型预测。