標準化評論詞“房間非常整潔”。
[0122]在獲得標準化評論詞后，可以直接拼接形成自然語言，也可以是調(diào)用預(yù)設(shè)的自然語言模板，生成自然語言。
[0123]例如，模板為:......，但是.......再例如，......，而且，......，但是.......
[0124]可以將標準化評論詞填充至匹配的模板后，獲得的自然語句。
[0125]本發(fā)明實施例通過基于信息點的評論數(shù)據(jù)獲得評論詞，并進一步對評論詞進行篩選獲得關(guān)鍵評論詞，然后依據(jù)關(guān)鍵評論詞生成了包含評價信息的自然語言，該方法避免了現(xiàn)有方法獲得的由一個個獨立標簽構(gòu)成的評價信息，通過生成包含評價信息的自然語言，提高了評價信息的可讀性。而且，通過對評論詞的篩選，使得評價信息更加簡單直接，減少了干擾信息。
[0126]參照圖2，示出了本發(fā)明的另一種評價信息生成方法實施例的步驟流程圖，具體可以包括如下步驟:
[0127]步驟201，抓取信息點的評論數(shù)據(jù)。
[0128]步驟202，對評論數(shù)據(jù)進行數(shù)據(jù)分析，獲得評論詞及其描述信息，描述信息至少包括評論詞的正負評價信息。
[0129]步驟203，根據(jù)預(yù)置規(guī)則及所述評論詞的描述信息，在評論詞中選擇關(guān)鍵評論詞。
[0130]步驟201?203與前述實施例中的步驟101?103類似，此處不再贅述。
[0131]步驟204，獲取與信息點關(guān)聯(lián)的用戶個性信息。
[0132]本實施例中，評價信息生成裝置可以生成與用戶個性信息匹配的評價信息。在本步驟中，該評價信息生成裝置首先獲取與信息點關(guān)聯(lián)的用戶個性信息，該用戶個性信息可以是用戶的需求或用戶關(guān)注的信息類型等。例如，如果信息點是某酒店，則與該信息點關(guān)聯(lián)的用戶個性信息就可以是與酒店關(guān)聯(lián)的用戶需求或關(guān)注信息，如該用戶的個性信息為喜好安靜、房間干凈等。
[0133]其中，該評價信息生成裝置獲取用戶個性信息的方法有多種，例如，該裝置可以直接接收用戶輸入的與信息點關(guān)聯(lián)的個性信息。具體的，用戶可以直接進行文字輸入，也可以是該裝置向用戶提供個性信息的選項，例如是否喜歡安靜，是否喜歡大房間，是否需要帶泳池，是否需要價格經(jīng)濟的房間等，由用戶選擇后提交，進而該裝置可以獲得用戶的個性信息。
[0134]另一實例中，該裝置獲取與信息點關(guān)聯(lián)的用戶個性信息的方法，如圖3所示，可以包括以下步驟:
[0135]步驟301，抓取用戶對信息點的關(guān)聯(lián)信息點的評論數(shù)據(jù)。
[0136]該步驟的方法與前述步驟101類似，該裝置可以基于用戶的標識信息，如登錄信息或賬號、郵箱等，抓取用戶對上述信息點的關(guān)聯(lián)信息點的評論數(shù)據(jù)。其中，上述信息點的關(guān)聯(lián)信息點可以是與上述信息點相關(guān)聯(lián)的同類別的信息點，例如上述信息點為某酒店，則相關(guān)聯(lián)的同類別的信息點就可以是名稱不同的其它酒店。
[0137]步驟302，對用戶的評論數(shù)據(jù)進行數(shù)據(jù)分析，獲得用戶個性信息。
[0138]在獲取用戶的評論數(shù)據(jù)后，可以進行數(shù)據(jù)分析獲得用戶個人信息，該方法可以與前述步驟202的方法類似，具體的可以提取評論數(shù)據(jù)中的用戶的評論詞，然后對評論詞按照該信息點對應(yīng)的評論詞類別進行歸類，統(tǒng)計評論詞類別下的詞頻，將詞頻達到閾值的該評論詞類別或評論詞作為用戶的個性信息。
[0139]例如，在從用戶的評論數(shù)據(jù)提取出的評論詞中“房間整潔度”類別的評論詞詞頻超過閾值，則可以把“房間整潔度”或其中某一評論詞如“房間干凈”作為用戶個性信息，表明用戶對房間整潔度的關(guān)注度比較高。
[0140]步驟205，在關(guān)鍵評論詞中選擇與用戶個性信息匹配的關(guān)鍵評論詞作為最終的關(guān)鍵評論詞。
[0141]評價信息生成裝置在獲得用戶個性信息后，即可在關(guān)鍵評論詞中挑選與用戶個性信息匹配的關(guān)鍵評論詞，該過程如圖4所示，可以包括以下步驟:
[0142]步驟401，確定用戶個性信息對應(yīng)的評論詞類別。
[0143]該評價信息生成裝置預(yù)先會針對信息點的屬性劃分評論詞類別，例如信息點屬于酒店類，則針對酒店會劃分多個評論詞類別，如房間整潔度、隔音效果、規(guī)格大小、服務(wù)質(zhì)量、交通便利情況等。在獲得用戶的個性信息后，可以利用分類模型來將這些用戶個性信息分到不同的評論詞類別。
[0144]步驟402，在關(guān)鍵評論詞中選擇屬于用戶個性信息對應(yīng)的評論詞類別的關(guān)鍵評論詞，作為最終的關(guān)鍵評論詞。
[0145]在本步驟中即可根據(jù)上步驟確定出的評論詞類別，在關(guān)鍵評論詞中確定出隸屬于這些評論詞類別的關(guān)鍵評論詞，作為最終的關(guān)鍵評論詞。
[0146]在另一實施例中，除了隸屬于上述評論詞類別的關(guān)鍵評論詞之外，也可以保留部分其他關(guān)鍵評論詞作為最終的關(guān)鍵評論詞，例如可以設(shè)定最終關(guān)鍵評論詞的數(shù)量，當依據(jù)用戶個性信息對應(yīng)的評論詞類別確定出的關(guān)鍵評論詞數(shù)量達不到該預(yù)設(shè)數(shù)量時，可以保留其它部分關(guān)鍵評論詞，例如可以保留詞頻最高的或正負評價比例最高的關(guān)鍵評論詞。
[0147]步驟206，將最終的關(guān)鍵評論詞生成自然語句。
[0148]該步驟與前述步驟104中生成自然語言的方法類似，區(qū)別只在于將上步驟確定出的最終的關(guān)鍵評論詞生成自然語句。具體的，可以按照預(yù)先獲得的語言生成模型將最終的關(guān)鍵評論詞進行組合串接，生成自然語句，獲得評價信息；也可以先將最終的關(guān)鍵評論詞通過過濾器過濾成標準化評論詞，然后再將標準化評論詞拼接成自然語句，生成評價信息。
[0149]進一步的，在生成自然語句時，還可以根據(jù)最終關(guān)鍵評論詞中的正負評價比例，給出用戶決策建議。
[0150]本發(fā)明實施例不僅可以生成包含評價信息的自然語言，提高了評價信息的可讀性，而且可以依據(jù)用戶的個性信息為用戶生成個性化評價信息，同時也可以為用戶屏蔽到大量用戶不關(guān)心的信息，降低用戶獲取所需信息的成本。
[0151]例如，A酒店:
[0152]評論I 酒店的房間很大，也很干凈，床單也很整潔，但衛(wèi)生間有點小，站在里面會有點局促。隔音一般，晚上略有點吵，但其他都很棒，推薦給大家！ ”
[0153]評論2 酒店的房間比較干凈，周圍有點吵鬧，晚上略吵，但還可以忍受，酒店的大游泳池非常喜歡，早餐也很豐富，超級贊！ ”
[0154]關(guān)鍵評論詞:房間大，房間干凈，床單整潔，衛(wèi)生間小，隔音差，游泳池好，早餐好。
[0155]對于用戶A，用戶個性信息為:衛(wèi)生，空間，早餐，則最終的關(guān)鍵評論詞為:房間大，房間干凈，隔音差，早餐好。生成的評價信息為:
[0156]非常推薦這家酒店，不但房間空間很大而且很干凈，早餐也是一級棒，唯一的缺點就是略有噪音，但還是在可以忍受的范圍內(nèi)。
[0157]對于用戶B，用戶個性信息為:安靜，早餐。生成的評價信息為:
[0158]不是很推薦這家酒店，雖然房間空間很大，且早餐也非常豐富，但晚上會有比較明顯的噪音，這個比較難忍受。
[0159]參照圖5，示出了本發(fā)明的另一種評價信息生成方法實施例的步驟流程圖，具體可以包括如下步驟:
[0160]步驟501，抓取信息點的評論數(shù)據(jù)。
[0161]步驟502，對評論數(shù)據(jù)進行數(shù)據(jù)分析，獲得評論詞及其描述信息，描述信息至少包括評論詞的正負評價信息。
[0162]步驟503，根據(jù)預(yù)置規(guī)則及評論詞的描述信息，在評論詞中選擇關(guān)鍵評論詞。
[0163]步驟501?503與前述實施例中的步驟101?103類似，此處不再贅述。
[0164]步驟504，將關(guān)鍵評論詞通過過濾器過濾成標準化評論詞。
[0165]在將關(guān)鍵評論詞通過過濾器過濾成標準化評論詞的過程中，該過濾過程可以將評論詞中的描述性詞匯根據(jù)預(yù)置標準進行替換，從而生成標準評論詞。例如，評論詞為“房間非常非常干凈整潔”，通過過濾器識別其中的描述性詞匯“非常非常干凈整潔”，并將其替換為預(yù)置的標準化語言“非常整潔”，從而形成標準化評論詞“房間非常整潔”。
[0166]步驟505，獲取與信息點關(guān)聯(lián)的用戶個性信息。
[0167]該獲取用戶個性信息的方法與前述實施例中步驟204類似，此處不再贅述。
[0168]步驟506，在標準化評論詞中選擇與用戶個性信息匹配的標準化評論詞。
[0169]在獲取標準化評論詞以及用戶個性信息后，在本步驟中即可根據(jù)用戶個性信息對標準評論詞進行篩選，該過程具體可以包括:
[0170]首先，確定用戶個性信息對應(yīng)的評論詞類別。該確定類別的過程與前述步驟401類似。
[0171