技术开发、技术咨询、技术服务、其他

正在申请 ,其中:发明专利 1 项
已授权专利,其中:发明专利 0 项

                                                

从在线评论中理解用户需求，有针对性地提升产品和服务质量，是平台壮大的关键。传统研究忽略了评论意图等重要信息，难以准确评价用户满意度。本项目基于文本挖掘和深度学习技术，解决了互联网环境下，用户评论意图分类、用户需求提取和用户满意度评价等问题。本项目能有效确定平台各类主体的评论意图和用户需求满意度，帮助平台优化产品和服务。

本项目提出了一种基于在线评论的各平台企业用户需求分析方法，解决了网络环境下各企业平台多主体复杂需求分析问题。为了准确地描述用户评论的意图，本项目提出了适用于特定领域的意图类别，并构建了融合情感信息的多任务学习模型MSACB进行意图分类。该模型使用深度学习算法ALBERT、CNN和BiLSTM构建参数共享的网络层，然后构建参数不共享的意图分类和情感分析两个全连接网络，分别预测意图和情感标签。调整损失函数将意图分类作为主任务，情感分析作为辅助任务，为模型加入了先验知识，帮助提升意图分类的准确性。同样，为了准确进行评论的情感分析，提出了深度学习模型ACB，该模型使用ALBERT、CNN和BiLSTM网络构建，能够提取包含文本上下文特征、局部特征在内的多种特征。在此基础上，本项目提出了基于评论意图、评论需求数量、评论长度和评论情感矛盾性的四个调整系数对情感值调整，将调整后的情感值作为用户各需求和整体的满意度。

本项目的研究成果，适用于网络环境下的各平台企业的用户需求分析。所提出方法能辅助管理者从平台搭建和管理两方面入手，优化产品和服务，帮助平台企业更好地激发正向网络效应，提高产品和服务质量。