申请/专利权人:浪潮智能终端有限公司
申请日:2024-02-28
公开(公告)日:2024-06-11
公开(公告)号:CN118172087A
主分类号:G06Q30/0201
分类号:G06Q30/0201;G06Q30/0282;G06Q30/0601;G06Q50/12;G06F40/30;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明公开一种基于深度学习的重要性绩效竞争者分析方法,涉及数据处理技术领域,包括:构建并训练RoBERTa‑Cross情感分析模型,用于识别在线评论中属性的情感倾向,从而将在线评论转换为结构化数据;将在线评论结构化数据转换为属性得分值;采用互信息算法,计算各个属性的情感倾向对于在线评论整体情感倾向的贡献,即计算属性重要性;利用绘制矩阵图的方式,将属性得分值和属性重要性以数据为中心的方法划分为四个象限,为管理人员提供直观的竞争优劣势分析。本发明可以减少通过调查归纳获取属性数据的人工和时间成本,客观、准确地反映属性的重要性,提高重要性绩效竞争者分析的准确率。
主权项:1.一种基于深度学习的重要性绩效竞争者分析方法,其特征在于,包括如下步骤:S1、构建并训练RoBERTa-Cross情感分析模型,用于识别在线评论中属性的情感倾向,从而将在线评论转换为结构化数据;S2、将在线评论结构化数据转换为属性得分值;S3、采用互信息算法,计算各个属性的情感倾向对于在线评论整体情感倾向的贡献,即计算属性重要性;S4、利用绘制矩阵图的方式,将属性得分值和属性重要性以数据为中心的方法划分为四个象限,为管理人员提供直观的竞争优劣势分析。
全文数据:
权利要求:
百度查询: 浪潮智能终端有限公司 一种基于深度学习的重要性绩效竞争者分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。