本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種業(yè)務(wù)評(píng)估信息確定方法以及服務(wù)器。

背景技術(shù)：

隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的快速迭代，媒介環(huán)境發(fā)生了質(zhì)的變化。而我們作為信息的傳播者，產(chǎn)出的互動(dòng)內(nèi)容案例也越來(lái)越多，并且在互動(dòng)內(nèi)容案例在投入成本也在逐漸增加，對(duì)于互動(dòng)內(nèi)容案例的推廣效率和效能受到業(yè)內(nèi)廣泛的關(guān)注。

目前，為了更好地推廣互動(dòng)內(nèi)容案例，業(yè)內(nèi)已采用相關(guān)的評(píng)估體系。在中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)中心(英文全稱(chēng)：Data Center Of China Internet，英文縮寫(xiě)：DCCI)發(fā)布的用戶(hù)行為消費(fèi)模型中，可以將用戶(hù)移動(dòng)行為劃分為相互感知，產(chǎn)生興趣，建立連接互動(dòng)溝通，決定行動(dòng)和事后體驗(yàn)分享，通過(guò)這五個(gè)部分構(gòu)建用戶(hù)行為消費(fèi)模型，并且能夠通過(guò)該模型來(lái)策劃較為合理的互動(dòng)內(nèi)容案例推廣方案。

在DCCI發(fā)布的用戶(hù)行動(dòng)消費(fèi)模型中，其核心在于購(gòu)買(mǎi)行動(dòng)對(duì)互動(dòng)內(nèi)容推廣的影響，而弱化了社交行為對(duì)互動(dòng)內(nèi)容推廣的影響。對(duì)于互聯(lián)網(wǎng)時(shí)代而言，這樣的用戶(hù)行動(dòng)消費(fèi)模型可能是片面的，從而導(dǎo)致互動(dòng)內(nèi)容案例的推廣效率和效能降低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種業(yè)務(wù)評(píng)估信息確定方法以及服務(wù)器，可以在評(píng)估目標(biāo)業(yè)務(wù)時(shí)，充分地考慮到用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的需求性，提升了社交行為對(duì)目標(biāo)業(yè)務(wù)的影響，從而增強(qiáng)目標(biāo)業(yè)務(wù)的推廣效率和效能。

有鑒于此，本發(fā)明第一方面提供一種業(yè)務(wù)評(píng)估信息確定方法，包括：

獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，所述用戶(hù)感知量為所述目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)；

通過(guò)預(yù)置特征提取規(guī)則獲取用戶(hù)對(duì)所述目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，所述評(píng)論屬性信息包含正面評(píng)論信息、負(fù)面評(píng)論信息以及中性評(píng)論信息中的至少一項(xiàng)；

根據(jù)所述用戶(hù)感知量和/或所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

本發(fā)明第二方面提供了一種服務(wù)器，包括：

第一獲取模塊，用于獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，所述用戶(hù)感知量為所述目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)；

第二獲取模塊，用于通過(guò)預(yù)置特征提取規(guī)則獲取用戶(hù)對(duì)所述目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，所述評(píng)論屬性信息包含正面評(píng)論信息、負(fù)面評(píng)論信息以及中性評(píng)論信息中的至少一項(xiàng)；

確定模塊，用于根據(jù)所述第一獲取模塊獲取的所述用戶(hù)感知量和/或所述第二獲取模塊獲取的所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

從以上技術(shù)方案可以看出，本發(fā)明實(shí)施例具有以下優(yōu)點(diǎn)：

本發(fā)明實(shí)施例中，提供了一種業(yè)務(wù)評(píng)估信息確定方法，由服務(wù)器先獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，該用戶(hù)感知量為目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)，接著服務(wù)器獲取用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，最后根據(jù)用戶(hù)感知量和/或所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。通過(guò)上述方式，在評(píng)估目標(biāo)業(yè)務(wù)時(shí)，充分地考慮到用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的需求性，提升了社交行為對(duì)目標(biāo)業(yè)務(wù)的影響，從而增強(qiáng)目標(biāo)業(yè)務(wù)的推廣效率和效能，同時(shí)，采用深度學(xué)習(xí)以及神經(jīng)語(yǔ)言程序?qū)W相結(jié)合的方式獲取評(píng)論屬性信息，可以更精確的識(shí)別和判斷用戶(hù)情感面，有利于方案的準(zhǔn)確性和可靠性。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例中業(yè)務(wù)評(píng)估模型的系統(tǒng)架構(gòu)圖；

圖2為本發(fā)明實(shí)施例中業(yè)務(wù)評(píng)估模型下載平臺(tái)的架構(gòu)示意圖；

圖3為本發(fā)明實(shí)施例中業(yè)務(wù)評(píng)估信息確定方法一個(gè)實(shí)施例示意圖；

圖4為本發(fā)明實(shí)施例中應(yīng)用神經(jīng)語(yǔ)言程序?qū)W方法的示意圖；

圖5為本發(fā)明實(shí)施例中一種多模型整合方法的效果對(duì)比示意圖；

圖6為業(yè)務(wù)評(píng)估模型中輸入業(yè)務(wù)資源的界面效果圖；

圖7為業(yè)務(wù)評(píng)估模型中輸入原發(fā)數(shù)據(jù)的界面效果圖；

圖8為業(yè)務(wù)評(píng)估模型中輸出業(yè)務(wù)評(píng)估信息的界面效果圖；

圖9為業(yè)務(wù)評(píng)估模型中用戶(hù)感知量的條形示意圖；

圖10為業(yè)務(wù)評(píng)估模型中口碑指數(shù)的條形示意圖；

圖11為業(yè)務(wù)評(píng)估模型中展示用戶(hù)行為數(shù)據(jù)的界面示意圖；

圖12為本發(fā)明實(shí)施例中服務(wù)器一個(gè)實(shí)施例示意圖；

圖13為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖14為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖15為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖16為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖17為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖18為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖19為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖20為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖21為本發(fā)明實(shí)施例中服務(wù)器另一個(gè)實(shí)施例示意圖；

圖22為本發(fā)明實(shí)施例中服務(wù)器一個(gè)結(jié)構(gòu)示意圖。

具體實(shí)施方式

本發(fā)明實(shí)施例提供了一種業(yè)務(wù)評(píng)估信息確定方法以及服務(wù)器，可以在評(píng)估目標(biāo)業(yè)務(wù)時(shí)，充分地考慮到用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的需求性，提升了社交行為對(duì)目標(biāo)業(yè)務(wù)的影響，從而增強(qiáng)目標(biāo)業(yè)務(wù)的推廣效率和效能。

本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的術(shù)語(yǔ)“第一”、“第二”、“第三”、“第四”等(如果存在)是用于區(qū)別類(lèi)似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例例如能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語(yǔ)“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過(guò)程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒(méi)有清楚地列出的或?qū)τ谶@些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

應(yīng)理解，本發(fā)明可以應(yīng)用于業(yè)務(wù)評(píng)估模型，請(qǐng)參閱圖1，圖1為本發(fā)明實(shí)施例中業(yè)務(wù)評(píng)估模型的系統(tǒng)架構(gòu)圖，具體地，該業(yè)務(wù)評(píng)估模型又可以稱(chēng)為內(nèi)容營(yíng)銷(xiāo)效果評(píng)估模型(英文全稱(chēng)：Sense-identify-share-action，英文縮寫(xiě)：SISA)，SISA系統(tǒng)基于成熟的下載平臺(tái)、海杜普分布式文件系統(tǒng)(英文全稱(chēng)：Hadoop Distributed File System，英文縮寫(xiě)：HDFS)計(jì)算平臺(tái)、檢索系統(tǒng)以及應(yīng)用語(yǔ)義分析技術(shù)來(lái)實(shí)現(xiàn)雜質(zhì)清晰、正文提取和情感分析等功能，為業(yè)務(wù)提供趨勢(shì)分析服務(wù)，通常采用200臺(tái)以上的各類(lèi)型機(jī)器。、

其中，在下載平臺(tái)中包括了編寫(xiě)爬蟲(chóng)(英文全稱(chēng)：Spider)和開(kāi)源的瀏覽器引擎(英文全稱(chēng)：Webkit)，Spider是用戶(hù)編寫(xiě)的類(lèi)，用于從一個(gè)域(或域組)中抓取信息。用戶(hù)可以定義一個(gè)用于下載的統(tǒng)一資源定位符(英文全稱(chēng)：Uniform Resource Locator，英文縮寫(xiě)：URL)的初步列表，可以進(jìn)行跟蹤鏈接以及解析這些網(wǎng)頁(yè)的內(nèi)容，從而提取業(yè)務(wù)。而WebKit主要用于瀏覽器的開(kāi)發(fā)，具有高效穩(wěn)定且兼容性好的特點(diǎn)。

HDFS計(jì)算平臺(tái)實(shí)現(xiàn)了一個(gè)分布式文件系統(tǒng)，該系統(tǒng)具有高容錯(cuò)性的特點(diǎn)，并且設(shè)計(jì)用來(lái)部署在低廉的硬件上，而且它提供高吞吐量來(lái)訪問(wèn)應(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集的應(yīng)用程序。HDFS可以以流的形式訪問(wèn)文件系統(tǒng)中的數(shù)據(jù)。

檢索系統(tǒng)中包含兩個(gè)模塊，一個(gè)模塊是用于存放實(shí)時(shí)數(shù)據(jù)的，且將這些數(shù)據(jù)放在SISA系統(tǒng)的內(nèi)存中，可以以“天數(shù)”為維度評(píng)估業(yè)務(wù)的需求情況，因此在這個(gè)模塊中通常存放一天的數(shù)據(jù)量。而另一個(gè)模塊則是存儲(chǔ)一段時(shí)間的數(shù)據(jù)，圖中的3個(gè)月僅為一個(gè)示意，在實(shí)際應(yīng)用中，還可以是其他時(shí)間段內(nèi)的數(shù)據(jù)，這些數(shù)據(jù)存放于固態(tài)硬盤(pán)(英文全稱(chēng)：Solid State Drives，英文縮寫(xiě)：SSD)中，以便SISA系統(tǒng)調(diào)用一段時(shí)間內(nèi)的數(shù)據(jù)。

此外，下載平臺(tái)還為SISA系統(tǒng)單獨(dú)搭建了Webkit引擎和調(diào)度系統(tǒng)，以實(shí)現(xiàn)直譯式腳本語(yǔ)言(英文全稱(chēng)：JavaScript，英文縮寫(xiě)：JS)頁(yè)面解析的需求，請(qǐng)參閱圖2，圖2為本發(fā)明實(shí)施例中業(yè)務(wù)評(píng)估模型下載平臺(tái)的架構(gòu)示意圖，下載平臺(tái)中包括接入模塊、控制模塊、爬蟲(chóng)模塊和抽取模塊，接入模塊用于接收調(diào)度模塊調(diào)度的數(shù)據(jù)，這些數(shù)據(jù)可以是運(yùn)行系統(tǒng)獲取的用戶(hù)行為數(shù)據(jù)以及存儲(chǔ)在系統(tǒng)中的用戶(hù)行為數(shù)據(jù)，控制模塊將這些數(shù)據(jù)進(jìn)行數(shù)據(jù)再輸入至爬蟲(chóng)模塊，爬蟲(chóng)模塊是可以自動(dòng)獲取網(wǎng)頁(yè)內(nèi)容的程序，也是搜索引擎的重要組成部分，最后由抽取模塊抽取用戶(hù)行為數(shù)據(jù)中的關(guān)鍵字進(jìn)行語(yǔ)義識(shí)別。

下面將從服務(wù)器端的角度，對(duì)本發(fā)明中業(yè)務(wù)評(píng)估信息確定方法進(jìn)行介紹，請(qǐng)參閱圖3，本發(fā)明實(shí)施例中業(yè)務(wù)評(píng)估信息確定方法一個(gè)實(shí)施例包括：

101、獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，用戶(hù)感知量為目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)；

本實(shí)施例中，服務(wù)器通過(guò)相關(guān)資源獲取關(guān)于目標(biāo)業(yè)務(wù)的用戶(hù)感知量。

目標(biāo)業(yè)務(wù)具體可以是某個(gè)展示于社交類(lèi)應(yīng)用上的產(chǎn)品，也可以是展示于交互式應(yīng)用上的產(chǎn)品，展示的方式包括文字、圖片、音頻、視頻以及網(wǎng)頁(yè)中的至少一種。用戶(hù)感知量就是用戶(hù)感知這個(gè)目標(biāo)業(yè)務(wù)的程度，可以是喜歡目標(biāo)業(yè)務(wù)，或者厭惡目標(biāo)業(yè)務(wù)，也可以對(duì)目標(biāo)業(yè)務(wù)保持中立的態(tài)度。

102、通過(guò)預(yù)置特征提取規(guī)則獲取用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，評(píng)論屬性信息包含正面評(píng)論信息、負(fù)面評(píng)論信息以及中性評(píng)論信息中的至少一項(xiàng)；

本實(shí)施例中，服務(wù)器除了獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，還需要獲取用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，其中，步驟101與步驟102之間并不限定先后順序。

具體地，獲取用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息需要考慮到兩個(gè)問(wèn)題，第一個(gè)問(wèn)題是口語(yǔ)化表達(dá)層出不窮的問(wèn)題，口語(yǔ)化表達(dá)隨意性強(qiáng)，而且會(huì)常常出現(xiàn)一些新的表達(dá)，比如“城會(huì)玩”或者“然并卵”等。第二個(gè)問(wèn)題是句式導(dǎo)致情感漂移，如果只用情感詞特征會(huì)經(jīng)常得到完全相反的情感極性，比如，正面評(píng)論為“這是一部好手機(jī)”，中性評(píng)論為“這是一部好手機(jī)嗎”，負(fù)面評(píng)論為“這樣算一部好手機(jī)嗎”。為了解決情感分類(lèi)中的難點(diǎn)，目前主流的方法可以分為兩大類(lèi)，一類(lèi)是依靠神經(jīng)語(yǔ)言程序?qū)W(英文全稱(chēng)：Neuro-Linguistic Programming，英文縮寫(xiě)：NLP)技術(shù)，以情感詞、依存關(guān)系分析、句式識(shí)別和語(yǔ)言模型等為特征構(gòu)建分類(lèi)器，還有一類(lèi)是使用深度學(xué)習(xí)以及詞語(yǔ)嵌入技術(shù)訓(xùn)練一個(gè)深度學(xué)習(xí)模型。預(yù)置特征提取規(guī)則可以為上述兩類(lèi)方式中的至少一種。

其中，在本發(fā)明中主要是同時(shí)采用上述兩種技術(shù)，即采用NLP+深度學(xué)習(xí)相結(jié)合的方式，通過(guò)NLP解決特征明確的情況分類(lèi)問(wèn)題，通過(guò)深度學(xué)習(xí)解決結(jié)合上下文才能判斷情感分類(lèi)的問(wèn)題。例如，在評(píng)論中寫(xiě)道“這個(gè)蘋(píng)果真好吃”，“真好吃”是正面詞匯，于是采用NLP就可以推斷該評(píng)論屬性信息是正面評(píng)論信息，又例如，在評(píng)論中寫(xiě)道“他是個(gè)驕傲的人”以及“我為你感到驕傲”，此時(shí)“驕傲”就存在正面或者負(fù)面的兩個(gè)意思，于是需要采用深度學(xué)習(xí)來(lái)確定該評(píng)論的屬性。

為了便于理解，請(qǐng)參與圖4，圖4為本發(fā)明實(shí)施例中應(yīng)用神經(jīng)語(yǔ)言程序?qū)W方法的示意圖，如圖所示，NLP方法關(guān)鍵在于如何快速并自動(dòng)地挖掘和補(bǔ)充特征，解決特征多變和口語(yǔ)化的問(wèn)題，我們可以在十億級(jí)社交媒體數(shù)據(jù)的基礎(chǔ)上，以“小時(shí)”為最小時(shí)長(zhǎng)進(jìn)行單詞、新詞和組合詞等的挖掘，并及時(shí)補(bǔ)充進(jìn)特種庫(kù)中。目前已經(jīng)挖掘到各類(lèi)有效特征七萬(wàn)個(gè)以上，這些特征會(huì)自動(dòng)進(jìn)行迭代，并且每天都會(huì)自動(dòng)挖掘。

當(dāng)我們采用這種NLP+深度學(xué)習(xí)相結(jié)合的方式來(lái)分析用戶(hù)情況，并確定用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息時(shí)，會(huì)達(dá)到更好且更準(zhǔn)確的效果，請(qǐng)參閱圖5，圖5為本發(fā)明實(shí)施例中一種多模型整合方法的效果對(duì)比示意圖，顯而易見(jiàn)地，NLP+深度學(xué)習(xí)相結(jié)合的方式得到的情感分析準(zhǔn)召率均在80％以上。

103、根據(jù)用戶(hù)感知量和/或評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

本實(shí)施例中，服務(wù)器根據(jù)獲取到的用戶(hù)感知量計(jì)算得到目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息，也可以根據(jù)評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息，還可以結(jié)合用戶(hù)感知量和評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

利用業(yè)務(wù)評(píng)估信息可以量化市場(chǎng)營(yíng)銷(xiāo)的工作效果，將較為感性的品牌塑造和口碑傳播效應(yīng)轉(zhuǎn)化為可量化的數(shù)據(jù)指標(biāo)。并通過(guò)將綜合指數(shù)與產(chǎn)品數(shù)據(jù)直接打通，可直接解釋產(chǎn)品用戶(hù)與內(nèi)容營(yíng)銷(xiāo)之間的關(guān)系，指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解。

本發(fā)明實(shí)施例中，提供了一種業(yè)務(wù)評(píng)估信息確定方法，由服務(wù)器先獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，該用戶(hù)感知量為目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)，接著服務(wù)器獲取用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，最后根據(jù)用戶(hù)感知量和/或所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。通過(guò)上述方式，在評(píng)估目標(biāo)業(yè)務(wù)時(shí)，充分地考慮到用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的需求性，提升了社交行為對(duì)目標(biāo)業(yè)務(wù)的影響，從而增強(qiáng)目標(biāo)業(yè)務(wù)的推廣效率和效能，同時(shí)，采用深度學(xué)習(xí)以及神經(jīng)語(yǔ)言程序?qū)W相結(jié)合的方式獲取評(píng)論屬性信息，可以更精確的識(shí)別和判斷用戶(hù)情感面，有利于方案的準(zhǔn)確性和可靠性。

可選地，在上述圖3對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第一個(gè)可選實(shí)施例中，獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，可以包括：

通過(guò)第一業(yè)務(wù)平臺(tái)獲取目標(biāo)業(yè)務(wù)的第一用戶(hù)感知參數(shù)；

通過(guò)第二業(yè)務(wù)平臺(tái)獲取目標(biāo)業(yè)務(wù)的第二用戶(hù)感知參數(shù)，第二業(yè)務(wù)平臺(tái)是第一業(yè)務(wù)平臺(tái)中的至少一個(gè)平臺(tái)。

本實(shí)施例中，服務(wù)器獲取的目標(biāo)業(yè)務(wù)的用戶(hù)感知量具體可以分為兩個(gè)不同的參數(shù)，其一是服務(wù)器通過(guò)第一業(yè)務(wù)平臺(tái)獲取的第一用戶(hù)感知參數(shù)，另一是服務(wù)器通過(guò)第二業(yè)務(wù)平臺(tái)獲取的第二用戶(hù)感知參數(shù)。

具體地，第一用戶(hù)感知參數(shù)是通過(guò)資源帶來(lái)的用戶(hù)感知量，即原生內(nèi)容的觸達(dá)量，原生內(nèi)容是指需要付費(fèi)的業(yè)務(wù)。第二用戶(hù)感知參數(shù)是通過(guò)用戶(hù)自發(fā)的二次傳播帶來(lái)的感知增量，二次傳播是不需要付費(fèi)的。

服務(wù)器通過(guò)第一業(yè)務(wù)平臺(tái)提供的數(shù)據(jù)得到第一用戶(hù)感知參數(shù)，第一業(yè)務(wù)平臺(tái)包括了業(yè)務(wù)方的全部平臺(tái)(外部平臺(tái)以及內(nèi)部平臺(tái))，外部平臺(tái)可以包括但不僅限于“新聞”、“視頻”、“微博”、“騰訊社交”、“應(yīng)用程序”、“論壇”、“貼吧”、“QQ空間”、“電視”和“平面”等，內(nèi)部平臺(tái)包括但不僅限于“官網(wǎng)”、“游戲社區(qū)”和“游戲競(jìng)技平臺(tái)”等。

服務(wù)器可以根據(jù)關(guān)鍵字通過(guò)第二業(yè)務(wù)平臺(tái)提供抓取網(wǎng)絡(luò)上相關(guān)的第二用戶(hù)感知參數(shù)，第二業(yè)務(wù)平臺(tái)包括了線上平臺(tái)，即為全部平臺(tái)中的一部分，線上平臺(tái)包括但不僅限于“新聞”、“視頻”、“微博”、“騰訊社交”、“應(yīng)用程序”、“論壇”和“貼吧”等。

需要說(shuō)明的是，用戶(hù)感知業(yè)務(wù)的方式可以是以下三種方式中的至少一種，也可以是其他方式，此處不作限定。

方式一：用戶(hù)在平臺(tái)上點(diǎn)擊了目標(biāo)業(yè)務(wù)；

方式二：用戶(hù)在平臺(tái)上將選擇光標(biāo)停留在目標(biāo)業(yè)務(wù)上，并且停留時(shí)間超過(guò)預(yù)設(shè)門(mén)限；

方式三：用戶(hù)在平臺(tái)上將選擇光標(biāo)多次移動(dòng)到目標(biāo)業(yè)務(wù)上，并且移動(dòng)的次數(shù)大于預(yù)設(shè)門(mén)限。

其次，本發(fā)明實(shí)施例中，服務(wù)器還可以通過(guò)第一業(yè)務(wù)平臺(tái)和第二業(yè)務(wù)平臺(tái)獲取第一用戶(hù)感知參數(shù)和第二用戶(hù)感知參數(shù)，也就是服務(wù)器獲取的用戶(hù)感知量可以具體劃分為兩種感知參數(shù)，通過(guò)上述方式，考慮到在實(shí)際應(yīng)用中會(huì)因?yàn)橛脩?hù)感知方式的不同而需要不同類(lèi)型的用戶(hù)感知參數(shù)，從而提升用戶(hù)感知量的準(zhǔn)確性。

為了便于介紹，下面利于四種計(jì)算方式分別得到業(yè)務(wù)評(píng)估信息，在實(shí)際應(yīng)用中，可以綜合考慮這四類(lèi)業(yè)務(wù)評(píng)估信息，以此得到各類(lèi)型業(yè)務(wù)的需求性，以制定更為合理的業(yè)務(wù)推廣方案。

一、效果評(píng)估綜合指數(shù)

可選地，在上述圖3或圖3對(duì)應(yīng)的第一個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第二個(gè)可選實(shí)施例中，

業(yè)務(wù)評(píng)估信息為效果評(píng)估綜合指數(shù)；

根據(jù)用戶(hù)感知量和/或評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息，可以包括：

根據(jù)用戶(hù)感知量和評(píng)論屬性信息確定效果評(píng)估綜合指數(shù)。

本實(shí)施例中，當(dāng)業(yè)務(wù)評(píng)估信息為效果評(píng)估綜合指數(shù)時(shí)，服務(wù)器需要通過(guò)第一用戶(hù)感知參數(shù)、第二用戶(hù)感知參數(shù)以及評(píng)論屬性信息計(jì)算效果評(píng)估綜合指數(shù)。其中，效果評(píng)估綜合指數(shù)主要是評(píng)估業(yè)務(wù)口碑的綜合表現(xiàn)，該效果評(píng)估綜合指數(shù)越高，表示業(yè)務(wù)在市面上的聲量以及口碑綜合表現(xiàn)越好。

再次，本發(fā)明實(shí)施例中，可以將效果評(píng)估綜合指數(shù)作為業(yè)務(wù)評(píng)估信息，以此衡量目標(biāo)業(yè)務(wù)在市場(chǎng)上的口碑表現(xiàn)，通過(guò)該效果評(píng)估綜合指數(shù)解釋業(yè)務(wù)與營(yíng)銷(xiāo)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖3對(duì)應(yīng)的第二個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第三個(gè)可選實(shí)施例中，根據(jù)用戶(hù)感知量和評(píng)論屬性信息確定效果評(píng)估綜合指數(shù)，可以包括：

按照如下方式計(jì)算效果評(píng)估綜合指數(shù)：

S＝(log₂((S1+S2)×k×(a+0.1×b+1)^((a+0.1×b)÷(a+0.1×b+c+0.0001))))^3

S表示效果評(píng)估綜合指數(shù)；

S1表示第一用戶(hù)感知參數(shù)；

S2表示第二用戶(hù)感知參數(shù)；

k表示內(nèi)容影響力系數(shù)，其中，包括視頻影響力系數(shù)、頁(yè)面影響力系數(shù)、文字影響力系數(shù)以及圖片影響力系數(shù)中的至少一種；

a表示正面評(píng)論信息的數(shù)量；

b表示中性評(píng)論信息的數(shù)量；

c表示負(fù)面評(píng)論信息的數(shù)量。

本實(shí)施例中，在用于計(jì)算效果評(píng)估綜合指數(shù)的公式中，S還可以稱(chēng)為為SISA綜合指數(shù)，SISA綜合指數(shù)用于評(píng)估業(yè)務(wù)內(nèi)容口碑的綜合表現(xiàn)，指數(shù)越高就說(shuō)明該業(yè)務(wù)在市面上的口碑越好。

假設(shè)服務(wù)器通過(guò)全部的平臺(tái)獲取到第一用戶(hù)感知參數(shù)S1為50000，通過(guò)線上平臺(tái)獲取到第二用戶(hù)感知參數(shù)S2為20000，k為圖片影響力系數(shù)，可設(shè)置為1，如果是視頻影響力系數(shù)，可設(shè)置為2，頁(yè)面影響力系數(shù)可以為1.6，文字影響力系數(shù)可以為1，此處不作限定。正面評(píng)論信息的數(shù)量a為20000，中性評(píng)論信息的數(shù)量b為10000，負(fù)面評(píng)論信息的數(shù)量c為40000，則效果評(píng)估綜合指數(shù)的計(jì)算結(jié)果為：

S＝(log₂((S1+S2)×k×(a+0.1×b+1)^((a+0.1×b)÷(a+0.1×b+c+0.0001))))^3

＝(log₂((70000)×1×(21001)^((21000)÷(61000.0001))))^3

＝21.036

還可以在一段時(shí)間內(nèi)針對(duì)不同的業(yè)務(wù)進(jìn)行效果評(píng)估綜合指數(shù)的計(jì)算，從而可以和橫向比較業(yè)務(wù)口碑的變化。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)效果評(píng)估綜合指數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

二、口碑指數(shù)

可選地，在上述圖3或圖3對(duì)應(yīng)的第一個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第四個(gè)可選實(shí)施例中，業(yè)務(wù)評(píng)估信息為口碑指數(shù)，口碑指數(shù)用于指示目標(biāo)業(yè)務(wù)的受歡迎程度；

根據(jù)用戶(hù)感知量和/或評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息，可以包括：

根據(jù)評(píng)論屬性信息確定口碑指數(shù)。

本實(shí)施例中，當(dāng)業(yè)務(wù)評(píng)估信息為口碑指數(shù)時(shí)，服務(wù)器需要結(jié)合NLP和深度學(xué)習(xí)的方法從諸多的用戶(hù)評(píng)論中確定評(píng)論屬性信息?？诒笖?shù)包括正面口碑和負(fù)面口碑，也就是可以看出目標(biāo)業(yè)務(wù)的受歡迎程度，口碑指數(shù)越高可以表明使用目標(biāo)業(yè)務(wù)的用戶(hù)在社交平臺(tái)上的評(píng)論交互量越大，且正面或者負(fù)面的評(píng)論越多，但是無(wú)論是正面還是負(fù)面的評(píng)論，從一定意義上來(lái)說(shuō)，都是用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的使用體驗(yàn)。

目前，如上述實(shí)施例所述，本方案可以采用預(yù)置特征提取規(guī)則獲取評(píng)論屬性信息，預(yù)置特征提取規(guī)則可以是NLP、深度學(xué)習(xí)或者兩者的結(jié)合，下面簡(jiǎn)單介紹這兩種方法如何運(yùn)用。

以NLP解決口語(yǔ)化問(wèn)題的問(wèn)題舉例說(shuō)明，假設(shè)出現(xiàn)一口語(yǔ)化詞語(yǔ)“毀三觀”，可以先計(jì)算這個(gè)詞語(yǔ)的點(diǎn)互信息(英文全稱(chēng)：Point-Wise Mutual Information，英文縮寫(xiě)：PMI)值和H值，PMI計(jì)算“毀”、“三”和“觀”三個(gè)單字同時(shí)出現(xiàn)的概率，代表這幾個(gè)單字組合成詞的相關(guān)性，該值越高，標(biāo)識(shí)成為詞組的可能性越大。H值計(jì)算“毀三觀”這個(gè)單詞前后上下文的變化性越強(qiáng)，該詞獨(dú)立成詞的可能性越大。以“毀三觀”為例：

單詞中的字相關(guān)性高，經(jīng)常一起出現(xiàn)。

MI(毀,三觀)＝0.6÷(0.8×1.0)＝0.75

MI(毀三,觀)＝0.6÷(0.6×1.0)＝1.0

PMI(毀,三,觀)＝min{MI(毀,三觀),MI(毀三,觀)}＝0.75

單詞可以靈活地運(yùn)用到多種語(yǔ)境中。

“毀三觀”前置上下文＝{就(1/3)，在(1/3)，會(huì)(1/3)}

“毀三觀”后置上下文＝{的(1/3)，了(1/3)，呀(1/3)}

H(毀三觀)＝-log(1×1/3)-log(1×1/3)-log(1×1/3)＝1.43

根據(jù)計(jì)算特征以及設(shè)定閾值，可以選取滿(mǎn)足條件的詞語(yǔ)，通常取PMI大于0.001，H大于0.9的詞語(yǔ)。

而深度學(xué)習(xí)則會(huì)對(duì)同一個(gè)情感詞進(jìn)行分析，結(jié)合上下文來(lái)判斷該感情次屬于正面情緒、負(fù)面情緒還是中性情緒的。

再次，本發(fā)明實(shí)施例中，可以將口碑指數(shù)作為業(yè)務(wù)評(píng)估信息，綜合考慮網(wǎng)絡(luò)上的口碑聲量以及正負(fù)面評(píng)論信息，口碑指數(shù)越高，表明使用目標(biāo)業(yè)務(wù)的用戶(hù)在社交平臺(tái)上的評(píng)論交互量越大，且評(píng)論的正面性或者負(fù)面性也越強(qiáng)。通過(guò)該口碑指數(shù)解釋了用戶(hù)評(píng)論與目標(biāo)業(yè)務(wù)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖3對(duì)應(yīng)的第四個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第五個(gè)可選實(shí)施例中，根據(jù)評(píng)論屬性信息確定口碑指數(shù)，可以包括：

按照如下方式計(jì)算口碑指數(shù)：

I＝5×log₁₀((a+b×0.1+1)^((a+b×0.1)÷(a+b×0.1+c+0.0001)))+1

I表示口碑指數(shù)；

a表示正面評(píng)論信息的數(shù)量；

b表示中性評(píng)論信息的數(shù)量；

c表示負(fù)面評(píng)論信息的數(shù)量。

本實(shí)施例中，在用于計(jì)算口碑指數(shù)的公式中，假設(shè)服務(wù)器獲取到正面評(píng)論信息的數(shù)量a為20000，中性評(píng)論信息的數(shù)量b為10000，負(fù)面評(píng)論信息的數(shù)量c為40000，則口碑指數(shù)計(jì)算結(jié)果為：

I＝5×log₁₀((a+b×0.1+1)^((a+b×0.1)÷(a+b×0.1+c+0.0001)))+1

＝5×log₁₀((21001)^((21000)÷(61000.0001)))+1

＝5×log₁₀((21001)^(0.344))+1

＝8.434

以此可以得到負(fù)面占比約為57％，口碑指數(shù)為8.434。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)口碑指數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

三、擴(kuò)散系數(shù)

可選地，在上述圖3或圖3對(duì)應(yīng)的第一個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第六個(gè)可選實(shí)施例中，業(yè)務(wù)評(píng)估信息為擴(kuò)散系數(shù)，擴(kuò)展系數(shù)用于指示目標(biāo)業(yè)務(wù)的傳播程度，擴(kuò)展系數(shù)越大，目標(biāo)業(yè)務(wù)的傳播范圍越廣；

根據(jù)用戶(hù)感知量和/或評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息，可以包括：

根據(jù)用戶(hù)感知量確定擴(kuò)散系數(shù)。

本實(shí)施例中，當(dāng)業(yè)務(wù)評(píng)估信息為擴(kuò)散系數(shù)時(shí)，服務(wù)器需要通過(guò)第一用戶(hù)感知參數(shù)和第二用戶(hù)感知參數(shù)計(jì)算效果評(píng)估綜合指數(shù)。其中，擴(kuò)散系數(shù)主要用于反映目標(biāo)業(yè)務(wù)的二次擴(kuò)散效應(yīng)，擴(kuò)散系數(shù)越高，說(shuō)明目標(biāo)業(yè)務(wù)的傳播擴(kuò)散越好。

再次，本發(fā)明實(shí)施例中，可以將擴(kuò)散系數(shù)作為業(yè)務(wù)評(píng)估信息，綜合考慮到目標(biāo)業(yè)務(wù)的二次擴(kuò)散效應(yīng)，擴(kuò)散系數(shù)越大表明業(yè)務(wù)傳播擴(kuò)散的越好。通過(guò)該擴(kuò)散系數(shù)解釋了二次傳播與目標(biāo)業(yè)務(wù)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖3對(duì)應(yīng)的第六個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第七個(gè)可選實(shí)施例中，根據(jù)用戶(hù)感知量確定擴(kuò)散系數(shù)，可以包括：

按照如下方式計(jì)算擴(kuò)散系數(shù)：

Q＝(S1+S2)÷S1

Q表示擴(kuò)散系數(shù)；

S1表示第一用戶(hù)感知參數(shù)；

S2表示第二用戶(hù)感知參數(shù)。

本實(shí)施例中，假設(shè)服務(wù)器通過(guò)全部的平臺(tái)獲取到第一用戶(hù)感知參數(shù)S1為50000，通過(guò)線上平臺(tái)獲取到第二用戶(hù)感知參數(shù)S2為20000，則擴(kuò)散系數(shù)的計(jì)算結(jié)果為：

Q＝(S1+S2)÷S1

＝(50000+20000)÷50000

＝1.4

以此可以得到業(yè)務(wù)的擴(kuò)散系數(shù)為1.4，多個(gè)不同的業(yè)務(wù)之間可以通過(guò)擴(kuò)散系數(shù)來(lái)橫向比較二次傳播程度，當(dāng)然，同一項(xiàng)業(yè)務(wù)也可以通過(guò)不同的營(yíng)銷(xiāo)方式得到不同的擴(kuò)散系數(shù)，從而縱向比較哪種營(yíng)銷(xiāo)方式更有利于二次傳播。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)擴(kuò)散系數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

四、成本系數(shù)

可選地，在上述圖3或圖3對(duì)應(yīng)的第一個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第八個(gè)可選實(shí)施例中，業(yè)務(wù)評(píng)估信息為成本系數(shù)，成本系數(shù)用于表示每次獲取用戶(hù)感知量的成本；

根據(jù)用戶(hù)感知量和/或評(píng)論屬性信息確定目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息，可以包括：

根據(jù)用戶(hù)感知量確定成本系數(shù)。

本實(shí)施例中，當(dāng)業(yè)務(wù)評(píng)估信息為成本系數(shù)時(shí)，服務(wù)器需要通過(guò)第一用戶(hù)感知參數(shù)和第二用戶(hù)感知參數(shù)以計(jì)算效果評(píng)估綜合指數(shù)。其中，成本系數(shù)又可以稱(chēng)為營(yíng)銷(xiāo)感知成本(英文全稱(chēng)：Cost Per Click，英文縮寫(xiě)：CPC)，即網(wǎng)絡(luò)廣告每次點(diǎn)擊所需要花費(fèi)的成本，CPC是做為網(wǎng)絡(luò)廣告投放效果的重要參考數(shù)據(jù)。例如，關(guān)鍵詞廣告等依據(jù)效果付費(fèi)的廣告形式，一般采用這種定價(jià)模式。

CPC越低越受歡迎，表明通過(guò)渠道的優(yōu)選或者內(nèi)容質(zhì)量的提供，獲取到的用戶(hù)關(guān)注成本降低。

再次，本發(fā)明實(shí)施例中，可以將成本系數(shù)作為業(yè)務(wù)評(píng)估信息，綜合考慮到感知成本與業(yè)務(wù)之間的關(guān)系，成本系數(shù)越低，表示通過(guò)渠道的優(yōu)選或者業(yè)務(wù)內(nèi)容質(zhì)量的提高，獲取到的用戶(hù)關(guān)注成本就越低。通過(guò)該成本系數(shù)解釋了業(yè)務(wù)成本與目標(biāo)業(yè)務(wù)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖3對(duì)應(yīng)的第八個(gè)實(shí)施例的基礎(chǔ)上，本發(fā)明實(shí)施例提供的業(yè)務(wù)評(píng)估信息確定方法第九個(gè)可選實(shí)施例中，根據(jù)用戶(hù)感知量確定成本系數(shù)，可以包括：

按照如下方式計(jì)算成本系數(shù)：

CPC＝M÷((S1+S2)×k)

CPC表示成本系數(shù)；

M表示對(duì)目標(biāo)業(yè)務(wù)所投入的總成本；

S1表示第一用戶(hù)感知參數(shù)；

S2表示第二用戶(hù)感知參數(shù)；

k表示內(nèi)容影響力系數(shù)，其中，包括視頻影響力系數(shù)、頁(yè)面影響力系數(shù)、文字影響力系數(shù)以及圖片影響力系數(shù)中的至少一種。

本實(shí)施例中，假設(shè)服務(wù)器通過(guò)全部的平臺(tái)獲取到第一用戶(hù)感知參數(shù)S1為50000，通過(guò)線上平臺(tái)獲取到第二用戶(hù)感知參數(shù)S2為20000，k為圖片影響力系數(shù)，可設(shè)置為1，對(duì)某個(gè)業(yè)務(wù)投入的總成本M可以為80000，則成本系數(shù)的計(jì)算結(jié)果為：

CPC＝M÷((S1+S2)×k)

＝80000÷((50000+20000)×1)

＝1.14

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)成本系數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

為便于理解，下面可以以一個(gè)具體應(yīng)用場(chǎng)景對(duì)本發(fā)明中一種業(yè)務(wù)評(píng)估信息確定的方法進(jìn)行詳細(xì)描述，具體為：

某個(gè)公司今年推出一款游戲產(chǎn)品，并需要為其制定較好的營(yíng)銷(xiāo)方案，以獲得更好的效益，目前，該公司采用了本發(fā)明介紹的一款業(yè)務(wù)評(píng)估模型系統(tǒng)，用于對(duì)游戲產(chǎn)品的內(nèi)容營(yíng)銷(xiāo)效果進(jìn)行評(píng)估。

首先，公司人員可以通過(guò)業(yè)務(wù)評(píng)估模型系統(tǒng)跟蹤該游戲產(chǎn)品的節(jié)點(diǎn)和日常相關(guān)營(yíng)銷(xiāo)內(nèi)容的綜合傳播SISA指數(shù)，請(qǐng)參閱圖6，圖6為業(yè)務(wù)評(píng)估模型中輸入業(yè)務(wù)資源的界面效果圖，公司人員需要定期錄入系統(tǒng)排期以及投放鏈接所需費(fèi)用。并且在該業(yè)務(wù)評(píng)估模型系統(tǒng)中可選擇時(shí)間段和/或產(chǎn)品名稱(chēng)，以此來(lái)復(fù)查錄入的相關(guān)原發(fā)內(nèi)容數(shù)據(jù)，具體可以參考圖7，圖7為業(yè)務(wù)評(píng)估模型中輸入原發(fā)數(shù)據(jù)的界面效果圖。

進(jìn)一步地，還可以通過(guò)該業(yè)務(wù)評(píng)估模型系統(tǒng)查看每日SISA綜合指數(shù)，以及查看其他詳細(xì)內(nèi)容關(guān)鍵詞和指標(biāo)項(xiàng)數(shù)據(jù)，系統(tǒng)輸出的內(nèi)容包括圖8所示的部分，通過(guò)圖8輸出的業(yè)務(wù)評(píng)估信息不難看出，SISA指數(shù)在2016年6月19日較高，也就是用戶(hù)感知該游戲產(chǎn)品的情況更好。綜合圖9與圖10所示的條形示意圖，還能進(jìn)一步了解用戶(hù)感知量最大的來(lái)源于“微博”，其次是“騰訊視頻”和“微信公眾號(hào)”，而用戶(hù)口碑指數(shù)在2016年6月15日起增大，其中，用戶(hù)在評(píng)論中最常用到的三個(gè)詞組分別是“情懷”、“坑錢(qián)”和“公會(huì)”，顯然“坑錢(qián)”是一個(gè)帶有負(fù)面情緒的詞語(yǔ)，從用戶(hù)評(píng)論中可以了解相當(dāng)一分的用戶(hù)還不能很認(rèn)可這項(xiàng)游戲產(chǎn)品。

于是，公司人員根據(jù)這些相關(guān)的數(shù)據(jù)以知道實(shí)際業(yè)務(wù)中的內(nèi)容、渠道和費(fèi)用的投放，公司可以利用不同平臺(tái)間的賬號(hào)交叉匹配，實(shí)現(xiàn)跟蹤該游戲產(chǎn)品的注冊(cè)、活躍、回流和付費(fèi)等，了解分層用戶(hù)對(duì)平臺(tái)中營(yíng)銷(xiāo)內(nèi)容的需求性，并且豐富對(duì)產(chǎn)品的了解，請(qǐng)參閱圖11，圖11為業(yè)務(wù)評(píng)估模型中展示用戶(hù)行為數(shù)據(jù)的界面示意圖。公司人員根據(jù)用戶(hù)行為數(shù)據(jù)來(lái)指導(dǎo)后期的營(yíng)銷(xiāo)策略，從而提升產(chǎn)品的受歡迎程度。

下面對(duì)本發(fā)明中的服務(wù)器進(jìn)行詳細(xì)描述，請(qǐng)參閱圖12，本發(fā)明實(shí)施例中的服務(wù)器20包括：

第一獲取模塊201，用于獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，所述用戶(hù)感知量為所述目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)；

第二獲取模塊202，用于通過(guò)預(yù)置特征提取規(guī)則獲取用戶(hù)對(duì)所述目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，所述評(píng)論屬性信息包含正面評(píng)論信息、負(fù)面評(píng)論信息以及中性評(píng)論信息中的至少一項(xiàng)；

確定模塊203，用于根據(jù)所述第一獲取模塊201獲取的所述用戶(hù)感知量和/或所述第二獲取模塊202獲取的所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

本實(shí)施例中，第一獲取模塊201獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，所述用戶(hù)感知量為所述目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)，第二獲取模塊202通過(guò)預(yù)置特征提取規(guī)則獲取用戶(hù)對(duì)所述目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，所述評(píng)論屬性信息包含正面評(píng)論信息、負(fù)面評(píng)論信息以及中性評(píng)論信息中的至少一項(xiàng)，確定模塊203根據(jù)所述第一獲取模塊201獲取的所述用戶(hù)感知量和/或所述第二獲取模塊202獲取的所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

本發(fā)明實(shí)施例中，提供了一種用于業(yè)務(wù)評(píng)估信息確定的服務(wù)器，由服務(wù)器先獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，該用戶(hù)感知量為目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)，接著服務(wù)器通過(guò)預(yù)置特征提取規(guī)則獲取用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，最后根據(jù)用戶(hù)感知量和/或所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。通過(guò)上述方式，在評(píng)估目標(biāo)業(yè)務(wù)時(shí)，充分地考慮到用戶(hù)對(duì)目標(biāo)業(yè)務(wù)的需求性，提升了社交行為對(duì)目標(biāo)業(yè)務(wù)的影響，從而增強(qiáng)目標(biāo)業(yè)務(wù)的推廣效率和效能，同時(shí)，采用深度學(xué)習(xí)以及神經(jīng)語(yǔ)言程序?qū)W相結(jié)合的方式獲取評(píng)論屬性信息，可以更精確的識(shí)別和判斷用戶(hù)情感面，有利于方案的準(zhǔn)確性和可靠性。

可選地，在上述圖12所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖13，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述第一獲取模塊201包括：

第一獲取單元2011，用于通過(guò)第一業(yè)務(wù)平臺(tái)獲取所述目標(biāo)業(yè)務(wù)的所述第一用戶(hù)感知參數(shù)；

第二獲取單元2012，用于通過(guò)第二業(yè)務(wù)平臺(tái)獲取所述目標(biāo)業(yè)務(wù)的所述第二用戶(hù)感知參數(shù)，所述第二業(yè)務(wù)平臺(tái)是所述第一業(yè)務(wù)平臺(tái)中的至少一個(gè)平臺(tái)。

其次，本發(fā)明實(shí)施例中，服務(wù)器還可以通過(guò)第一業(yè)務(wù)平臺(tái)和第二業(yè)務(wù)平臺(tái)獲取第一用戶(hù)感知參數(shù)和第二用戶(hù)感知參數(shù)，也就是服務(wù)器獲取的用戶(hù)感知量可以具體劃分為兩種感知參數(shù)，通過(guò)上述方式，考慮到在實(shí)際應(yīng)用中會(huì)因?yàn)橛脩?hù)感知方式的不同而需要不同類(lèi)型的用戶(hù)感知參數(shù)，從而提升用戶(hù)感知量的準(zhǔn)確性。

可選地，在上述圖12或圖13所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖14，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述業(yè)務(wù)評(píng)估信息為效果評(píng)估綜合指數(shù)；

所述確定模塊203包括：

第一確定單元2031，用于根據(jù)所述用戶(hù)感知量和所述評(píng)論屬性信息確定所述效果評(píng)估綜合指數(shù)。

再次，本發(fā)明實(shí)施例中，可以將效果評(píng)估綜合指數(shù)作為業(yè)務(wù)評(píng)估信息，以此衡量目標(biāo)業(yè)務(wù)在市場(chǎng)上的口碑表現(xiàn)，通過(guò)該效果評(píng)估綜合指數(shù)解釋業(yè)務(wù)與營(yíng)銷(xiāo)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖14所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖15，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述第一確定單元2031包括：

第一計(jì)算子單元20311，用于按照如下方式計(jì)算所述效果評(píng)估綜合指數(shù)：S＝(log₂((S1+S2)×k×(a+0.1×b+1)^((a+0.1×b)÷(a+0.1×b+c+0.0001))))^3

所述S表示所述效果評(píng)估綜合指數(shù)；

所述S1表示所述第一用戶(hù)感知參數(shù)；

所述S2表示所述第二用戶(hù)感知參數(shù)；

所述k表示內(nèi)容影響力系數(shù)，其中，包括視頻影響力系數(shù)、頁(yè)面影響力系數(shù)、文字影響力系數(shù)以及圖片影響力系數(shù)中的至少一種；

所述a表示所述正面評(píng)論信息的數(shù)量；

所述b表示所述中性評(píng)論信息的數(shù)量；

所述c表示所述負(fù)面評(píng)論信息的數(shù)量。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)效果評(píng)估綜合指數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

可選地，在上述圖12或圖13所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖16，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述業(yè)務(wù)評(píng)估信息為口碑指數(shù)，所述口碑指數(shù)用于指示所述目標(biāo)業(yè)務(wù)的受歡迎程度；

所述確定模塊203包括：

第二確定單元2032，用于根據(jù)所述評(píng)論屬性信息確定所述口碑指數(shù)。

再次，本發(fā)明實(shí)施例中，可以將口碑指數(shù)作為業(yè)務(wù)評(píng)估信息，綜合考慮網(wǎng)絡(luò)上的口碑聲量以及正負(fù)面評(píng)論信息，口碑指數(shù)越高，表明使用目標(biāo)業(yè)務(wù)的用戶(hù)在社交平臺(tái)上的評(píng)論交互量越大，且評(píng)論的正面性或者負(fù)面性也越強(qiáng)。通過(guò)該口碑指數(shù)解釋了用戶(hù)評(píng)論與目標(biāo)業(yè)務(wù)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖16所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖17，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述第二確定單元2032包括：

第二計(jì)算子單元20321，用于按照如下方式計(jì)算所述口碑指數(shù)：

I＝5×log₁₀((a+b×0.1+1)^((a+b×0.1)÷(a+b×0.1+c+0.0001)))+1

所述I表示所述口碑指數(shù)；

所述a表示所述正面評(píng)論信息的數(shù)量；

所述b表示所述中性評(píng)論信息的數(shù)量；

所述c表示所述負(fù)面評(píng)論信息的數(shù)量。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)口碑指數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

可選地，在上述圖12或圖13所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖18，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述業(yè)務(wù)評(píng)估信息為擴(kuò)散系數(shù)，所述擴(kuò)展系數(shù)用于指示所述目標(biāo)業(yè)務(wù)的傳播程度，所述擴(kuò)展系數(shù)越大，所述目標(biāo)業(yè)務(wù)的傳播范圍越廣；

所述確定模塊203包括：

第三確定單元2033，用于根據(jù)所述用戶(hù)感知量確定所述擴(kuò)散系數(shù)。

再次，本發(fā)明實(shí)施例中，可以將擴(kuò)散系數(shù)作為業(yè)務(wù)評(píng)估信息，綜合考慮到目標(biāo)業(yè)務(wù)的二次擴(kuò)散效應(yīng)，擴(kuò)散系數(shù)越大表明業(yè)務(wù)傳播擴(kuò)散的越好。通過(guò)該擴(kuò)散系數(shù)解釋了二次傳播與目標(biāo)業(yè)務(wù)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖18所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖19，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述第三確定單元2033包括：

第三計(jì)算子單元20331，用于按照如下方式計(jì)算所述擴(kuò)散系數(shù)：

Q＝(S1+S2)÷S1

所述Q表示所述擴(kuò)散系數(shù)；

所述S1表示所述第一用戶(hù)感知參數(shù)；

所述S2表示所述第二用戶(hù)感知參數(shù)。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)擴(kuò)散系數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

可選地，在上述圖12或圖13所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖20，本發(fā)明實(shí)施例提供的服務(wù)器20的另一實(shí)施例中，

所述業(yè)務(wù)評(píng)估信息為成本系數(shù)，所述成本系數(shù)用于表示每次獲取所述用戶(hù)感知量的成本；

所述確定模塊203包括：

第四確定單元2034，用于根據(jù)所述用戶(hù)感知量確定所述成本系數(shù)。

再次，本發(fā)明實(shí)施例中，可以將成本系數(shù)作為業(yè)務(wù)評(píng)估信息，綜合考慮到感知成本與業(yè)務(wù)之間的關(guān)系，成本系數(shù)越低，表示通過(guò)渠道的優(yōu)選或者業(yè)務(wù)內(nèi)容質(zhì)量的提高，獲取到的用戶(hù)關(guān)注成本就越低。通過(guò)該成本系數(shù)解釋了業(yè)務(wù)成本與目標(biāo)業(yè)務(wù)之間的關(guān)系，以此指導(dǎo)后續(xù)營(yíng)銷(xiāo)內(nèi)容的制作和投放，豐富對(duì)用戶(hù)行為的了解，從而增強(qiáng)方案的實(shí)用性。

可選地，在上述圖20所對(duì)應(yīng)的實(shí)施例的基礎(chǔ)上，請(qǐng)參閱圖19，本發(fā)明實(shí)施例提供的服務(wù)器21的另一實(shí)施例中，

所述第四確定單元2034包括：

第四計(jì)算子單元20341，用于按照如下方式計(jì)算所述成本系數(shù)：

CPC＝M÷((S1+S2)×k)

所述CPC表示所述成本系數(shù)；

所述M表示對(duì)所述目標(biāo)業(yè)務(wù)所投入的總成本；

所述S1表示所述第一用戶(hù)感知參數(shù)；

所述S2表示所述第二用戶(hù)感知參數(shù)；

所述k表示內(nèi)容影響力系數(shù)，其中，包括視頻影響力系數(shù)、頁(yè)面影響力系數(shù)、文字影響力系數(shù)以及圖片影響力系數(shù)中的至少一種。

進(jìn)一步地，本發(fā)明實(shí)施例中，具體介紹了一個(gè)成本系數(shù)的計(jì)算方式，從而為方案的實(shí)現(xiàn)提供了切實(shí)有效的實(shí)現(xiàn)依據(jù)，以此提升方案的實(shí)用性和可行性。

圖22是本發(fā)明實(shí)施例提供的一種服務(wù)器結(jié)構(gòu)示意圖，該服務(wù)器300可因配置或性能不同而產(chǎn)生比較大的差異，可以包括一個(gè)或一個(gè)以上中央處理器(central processing units，CPU)322(例如，一個(gè)或一個(gè)以上處理器)和存儲(chǔ)器332，一個(gè)或一個(gè)以上存儲(chǔ)應(yīng)用程序342或數(shù)據(jù)344的存儲(chǔ)介質(zhì)330(例如一個(gè)或一個(gè)以上海量存儲(chǔ)設(shè)備)。其中，存儲(chǔ)器332和存儲(chǔ)介質(zhì)330可以是短暫存儲(chǔ)或持久存儲(chǔ)。存儲(chǔ)在存儲(chǔ)介質(zhì)330的程序可以包括一個(gè)或一個(gè)以上模塊(圖示沒(méi)標(biāo)出)，每個(gè)模塊可以包括對(duì)服務(wù)器中的一系列指令操作。更進(jìn)一步地，中央處理器322可以設(shè)置為與存儲(chǔ)介質(zhì)330通信，在服務(wù)器300上執(zhí)行存儲(chǔ)介質(zhì)330中的一系列指令操作。

服務(wù)器300還可以包括一個(gè)或一個(gè)以上電源326，一個(gè)或一個(gè)以上有線或無(wú)線網(wǎng)絡(luò)接口350，一個(gè)或一個(gè)以上輸入輸出接口353，和/或，一個(gè)或一個(gè)以上操作系統(tǒng)341，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，F(xiàn)reeBSDTM等等。

上述實(shí)施例中由服務(wù)器所執(zhí)行的步驟可以基于該圖22所示的服務(wù)器結(jié)構(gòu)。

所述中央處理器322用于。

獲取目標(biāo)業(yè)務(wù)的用戶(hù)感知量，所述用戶(hù)感知量為所述目標(biāo)業(yè)務(wù)被用戶(hù)感知的程度參數(shù)；

獲取用戶(hù)對(duì)所述目標(biāo)業(yè)務(wù)的評(píng)論屬性信息，所述評(píng)論屬性信息包含正面評(píng)論信息、負(fù)面評(píng)論信息以及中性評(píng)論信息中的至少一項(xiàng)；

根據(jù)所述用戶(hù)感知量和/或所述評(píng)論屬性信息確定所述目標(biāo)業(yè)務(wù)的業(yè)務(wù)評(píng)估信息。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以?xún)蓚€(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷(xiāo)售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器(英文全稱(chēng)：Read-Only Memory，英文縮寫(xiě)：ROM)、隨機(jī)存取存儲(chǔ)器(英文全稱(chēng)：Random Access Memory，英文縮寫(xiě)：RAM)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。