买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：时趣互动(北京)科技有限公司

摘要：本发明涉及计算机领域，具体涉及用户评论信息推送方法、计算机设备与可读存储介质。该方法的一具体实施方式包括：对于用户评论数据集中的每条用户评论数据，将用户评论数据、产品标识与目标文本信息组合为用户评论信息样本；对各个用户评论信息样本进行样本标注处理，以生成用户评论信息训练样本集；将用户评论信息样本输入至目标卷积层中；将评论卷积信息集输入至胶囊网络中；将评论胶囊矩阵信息输入至激活函数层中；确定初始用户评论分类信息与对应的样本标签之间的损失值；响应于确定损失值小于等于预设阈值，将初始用户评论信息分类模型确定为用户评论信息分类模型。该实施方式可以准确、高效地生成用户评论信息对应的分类信息。

主权项：1.一种用户评论信息推送方法，所述方法包括：确定目标产品信息对应的产品标识；确定所述目标产品信息对应的目标文本信息，以及获取所述目标文本信息对应的历史用户评论数据集；对于所述用户评论数据集中的每条用户评论数据，将所述用户评论数据、所述产品标识与所述目标文本信息组合为用户评论信息样本；对各个用户评论信息样本进行样本标注处理，以生成用户评论信息训练样本集；从所述用户评论信息训练样本集中选择出目标用户评论信息训练样本；确定初始用户评论信息分类模型，其中，所述初始用户评论信息分类模型包括：目标卷积层、胶囊网络和激活函数层；将所述目标用户评论信息训练样本包括的用户评论信息样本输入至所述目标卷积层中，得到评论卷积信息集；将所述评论卷积信息集输入至所述胶囊网络中，得到评论胶囊矩阵信息；将所述评论胶囊矩阵信息输入至所述激活函数层中，得到初始用户评论分类信息；确定所述初始用户评论分类信息与对应的样本标签之间的损失值；响应于确定所述损失值小于等于预设阈值，将初始用户评论信息分类模型确定为训练完成的用户评论信息分类模型；响应于接收到当前文本信息的各个用户评论数据，将所述各个用户评论数据输入至所述用户评论信息分类模型中，得到用户评论分类结果集，以及根据所述用户评论分类结果集，向所述目标产品信息对应的产品终端推送用户评论数据，其中，当前文本信息为所述目标产品信息对应的最新文本信息，一个用户评论数据对应一个用户评论分类结果；其中，对于所述各个用户评论数据中的每个用户评论数据，执行如下处理步骤：对所述用户评论数据进行词嵌入处理，以生成词嵌入评论信息，其中，词嵌入评论信息包括：词嵌入向量序列；将所述词嵌入评论信息输入至所述用户评论信息分类模型包括的目标卷积层中，得到卷积信息集，其中，所述目标卷积层包括：全卷积网络层序列，每个全卷积网络层包括：全卷积网络序列；将所述卷积信息集输入至所述胶囊网络中，得到胶囊矩阵信息；将所述胶囊矩阵信息输入至所述激活函数层中，得到用户评论分类结果；其中，将所述词嵌入评论信息输入至所述用户评论信息分类模型包括的目标卷积层中，得到卷积信息集，包括：将所述词嵌入向量序列输入至所述全卷积网络层序列中初始位置的全卷积网络层中，以生成初始全卷积向量序列；确定所述初始位置的全卷积网络层对应的、所述全卷积网络层序列中的下一层全卷积网络层，作为备选全卷积网络层；响应于确定备选全卷积网络层为所述全卷积网络层序列中处于终止位置的全卷积网络层，对于备选全卷积网络层对应的每个全卷积网络，执行以下处理步骤：确定所述全卷积网络对应的时间步，作为目标时间步；确定所述初始全卷积向量序列中的与所述目标时间步对应的初始全卷积向量，作为当前全卷积向量；响应于确定所述目标时间步存在对应的上一时间步，确定所述上一时间步对应的初始全卷积向量，作为前一全卷积向量；将所述当前全卷积向量和所述前一全卷积向量输入至所述全卷积网络，以生成终止全卷积向量；根据初始全卷积向量序列和终止全卷积向量序列，生成卷积信息集；其特征在于，所述根据所述用户评论分类结果集，向所述目标产品信息对应的产品终端推送用户评论数据，包括：将所述用户评论分类结果集中满足预设条件的用户评论分类结果确定为目标用户评论分类结果，得到目标用户评论分类结果组；将所述目标用户评论分类结果组对应的各个用户评论数据推送至所述目标产品信息对应的产品终端；所述对各个用户评论信息样本进行样本标注处理，以生成用户评论信息训练样本集，包括：对各个用户评论信息样本进行数据质量筛选和打标签处理，得到筛选用户评论信息样本集；对筛选用户评论信息样本集进行文本标准化处理，得到标准化用户评论信息样本集；对所述标准化用户评论信息样本集中的每个用户评论数据进行词嵌入处理，得到词嵌入处理后的用户评论信息样本集，作为用户评论信息训练样本集。

全文数据：

权利要求：

百度查询： 时趣互动(北京)科技有限公司 用户评论信息推送方法、计算机设备与可读存储介质