本發(fā)明屬于自然語(yǔ)言處理，具體涉及一種融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法。

背景技術(shù)：

1、服務(wù)質(zhì)量不同于可直接接觸的實(shí)物產(chǎn)品，它的生產(chǎn)和消費(fèi)是一體的，因此它更多地依賴(lài)于客戶(hù)體驗(yàn)到的與服務(wù)提供者的交互過(guò)程，具有無(wú)形性的特點(diǎn)。由于不同的人對(duì)服務(wù)的需求和期望不盡相同，服務(wù)質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)還具有一定的主觀性和靈活性。這些特點(diǎn)使服務(wù)質(zhì)量評(píng)估變得困難，因?yàn)楸仨毻瑫r(shí)考慮到服務(wù)提供者，消費(fèi)者，服務(wù)過(guò)程等多個(gè)因素。為了更好地對(duì)服務(wù)質(zhì)量進(jìn)行評(píng)估，基于差距分析法的servqual模型被提出，逐漸成為服務(wù)質(zhì)量分析領(lǐng)域的主流模型。該模型將服務(wù)質(zhì)量視為一個(gè)多維度概念，具體確定了有形性、可靠性、響應(yīng)性、保證性和移情性五個(gè)維度。并將服務(wù)質(zhì)量定義為顧客對(duì)服務(wù)的預(yù)期與實(shí)際體驗(yàn)到的服務(wù)水平之間的差距，即認(rèn)為顧客服務(wù)質(zhì)量感知值等于顧客服務(wù)質(zhì)量感知值與顧客服務(wù)質(zhì)量期望值間的差。servqual模型雖應(yīng)用廣泛，但依舊存在著一些不足之處。首先，servqual模型的實(shí)施需要根據(jù)具體領(lǐng)域設(shè)計(jì)量表，并將其擴(kuò)充為問(wèn)卷發(fā)放給顧客進(jìn)行調(diào)研，然而實(shí)際上愿意填寫(xiě)調(diào)查問(wèn)卷的顧客占比較少。隨后還需要收集數(shù)據(jù)、分析結(jié)果等一系列復(fù)雜的操作，需要投入較大的人力和物力成本。其次，servqual模型僅能體現(xiàn)當(dāng)前時(shí)刻的服務(wù)質(zhì)量水平，無(wú)法對(duì)服務(wù)質(zhì)量變化趨勢(shì)進(jìn)行追蹤和預(yù)測(cè)，使得其在服務(wù)質(zhì)量持續(xù)改進(jìn)方面的應(yīng)用受到限制。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提出一種融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，該方法首先通過(guò)基于預(yù)訓(xùn)練模型的評(píng)論主題提取方法從大規(guī)模線上評(píng)論中獲取評(píng)論主題及其關(guān)鍵詞并將其映射到servqual模型的維度中。其次，采用文本結(jié)構(gòu)、內(nèi)在語(yǔ)義、外部知識(shí)三種超邊構(gòu)造方法將每條評(píng)論構(gòu)造為超圖，并使用超圖注意力網(wǎng)絡(luò)對(duì)其進(jìn)行處理以提取出顧客的實(shí)際感知的服務(wù)質(zhì)量水平。隨后對(duì)顧客服務(wù)質(zhì)量期望值進(jìn)行提取，求它與實(shí)際感知之間的差作為每條評(píng)論反映出的顧客服務(wù)質(zhì)量感知值。再結(jié)合該評(píng)價(jià)對(duì)應(yīng)的評(píng)論主題，得出顧客分別在servqual模型的五個(gè)不同維度上的滿意度。

2、本發(fā)明通過(guò)下述技術(shù)方案來(lái)實(shí)現(xiàn)。

3、一種融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，步驟如下：

4、步驟一：收集線上網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)并構(gòu)建數(shù)據(jù)集；所述線上網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)至少包括顧客評(píng)論；

5、步驟二：提取顧客評(píng)論中蘊(yùn)含的評(píng)論主題并確定每個(gè)評(píng)論主題的關(guān)鍵詞及其權(quán)重；

6、步驟三：對(duì)提取的評(píng)論主題及關(guān)鍵詞進(jìn)行調(diào)整以?xún)?yōu)化評(píng)論主題；

7、步驟四：使用服務(wù)質(zhì)量維度點(diǎn)互信息算法將評(píng)論主題映射到servqual模型的五個(gè)維度上；

8、步驟五：在數(shù)據(jù)集上進(jìn)行置信學(xué)習(xí)找出標(biāo)簽錯(cuò)誤樣本并人工更正；

9、步驟六：將顧客評(píng)論構(gòu)建為包含文本結(jié)構(gòu)、內(nèi)在語(yǔ)義、外部知識(shí)三種類(lèi)型超邊的超圖，再將超圖輸入超圖注意力網(wǎng)絡(luò)中處理，從而得到顧客評(píng)論中蘊(yùn)含的顧客服務(wù)質(zhì)量感知值；

10、步驟七：使用威爾遜區(qū)間法求商家的期望評(píng)分，隨后通過(guò)貝葉斯平均法修正商家的期望評(píng)分；將商家的期望評(píng)分和顧客歷史評(píng)分均值相加并歸一化作為顧客服務(wù)質(zhì)量期望值；

11、步驟八：結(jié)合評(píng)論主題、顧客服務(wù)質(zhì)量期望值、顧客服務(wù)質(zhì)量感知值三個(gè)因素，得出顧客分別在servqual模型的五個(gè)不同維度上的滿意度。

12、進(jìn)一步優(yōu)選，所述線上網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)還包括商家信息、顧客信息和顧客評(píng)分。

13、進(jìn)一步優(yōu)選，使用基于預(yù)訓(xùn)練模型roberta的評(píng)論主題建模方法來(lái)提取顧客評(píng)論中蘊(yùn)含的評(píng)論主題。

14、進(jìn)一步優(yōu)選，使用c-tf-idf算法確定每個(gè)評(píng)論主題的關(guān)鍵詞及其權(quán)重；

15、進(jìn)一步優(yōu)選，通過(guò)設(shè)置停用詞、更改最小詞頻、調(diào)整n-gram參數(shù)三種方式，對(duì)提取的評(píng)論主題及關(guān)鍵詞進(jìn)行調(diào)整以?xún)?yōu)化評(píng)論主題。

16、進(jìn)一步優(yōu)選，步驟四中，構(gòu)造servqual模型五個(gè)維度上的種子詞，將每個(gè)評(píng)論主題中的關(guān)鍵詞與servqual模型五個(gè)維度的種子詞均構(gòu)建為詞語(yǔ)集合；采用服務(wù)質(zhì)量維度點(diǎn)互信息算法（sq-pmi）來(lái)計(jì)算集合間的相關(guān)值，將評(píng)論主題動(dòng)態(tài)映射到servqual模型的五個(gè)維度上。

17、進(jìn)一步優(yōu)選，步驟五中，將數(shù)據(jù)集中的所有顧客評(píng)論數(shù)據(jù)分為五等份，再使用fasttext模型在數(shù)據(jù)上進(jìn)行五折交叉驗(yàn)證，在交叉驗(yàn)證的過(guò)程中求取估計(jì)噪聲標(biāo)簽和真實(shí)標(biāo)簽的聯(lián)合分布矩陣，最后對(duì)照聯(lián)合分布矩陣篩選出低于置信閾值的樣本，即為標(biāo)簽錯(cuò)誤樣本，其余為標(biāo)簽正確樣本，再將標(biāo)簽錯(cuò)誤樣本人工更正。

18、進(jìn)一步優(yōu)選，步驟六中，將每一條顧客評(píng)論構(gòu)建為超圖，首先，對(duì)顧客評(píng)論進(jìn)行分詞，以詞語(yǔ)作為圖的節(jié)點(diǎn)，再采用固定大小的滑動(dòng)窗口來(lái)獲取全局詞共現(xiàn)，作為順序上下文以此作為超圖的文本結(jié)構(gòu)超邊，將節(jié)點(diǎn)中屬于同一評(píng)論主題的單詞用同一條超邊相連以此作為內(nèi)在語(yǔ)義超邊，從conceptnet知識(shí)圖譜中獲取外部知識(shí)，并構(gòu)建外部知識(shí)超邊；在超圖處理環(huán)節(jié)中，將構(gòu)建好的超圖送入超圖注意力網(wǎng)絡(luò)中，超圖注意力網(wǎng)絡(luò)將輸出顧客評(píng)論中蘊(yùn)含的顧客服務(wù)質(zhì)量感知值。

19、本發(fā)明在融入servqual模型的五個(gè)維度與顧客服務(wù)質(zhì)量感知值計(jì)算方法的基礎(chǔ)上，利用顧客評(píng)論文本的文本順序結(jié)構(gòu)、內(nèi)部語(yǔ)義關(guān)聯(lián)與知識(shí)圖譜三元組知識(shí)一起構(gòu)建超圖，再將超圖嵌入至圖神經(jīng)網(wǎng)絡(luò)中處理，具有以下優(yōu)點(diǎn)：

20、1.將傳統(tǒng)的servqual模型與深度學(xué)習(xí)技術(shù)相結(jié)合，對(duì)線上評(píng)論進(jìn)行情感分析、評(píng)論主題建模等處理，從而動(dòng)態(tài)持續(xù)的對(duì)顧客的滿意度進(jìn)行分析，避免了傳統(tǒng)分析辦法中需要設(shè)計(jì)、發(fā)放與回收問(wèn)卷的繁瑣過(guò)程。

21、2.設(shè)計(jì)了一種評(píng)論主題模型與servqual模型的五個(gè)維度之間的動(dòng)態(tài)映射法，使得每一條評(píng)價(jià)都能被映射到servqual模型的一個(gè)維度中。并為難以量化衡量的顧客服務(wù)質(zhì)量期望值提出了一種提取方法。提升了深度學(xué)習(xí)模型與servqual模型之間的契合程度，使它們能夠更好的構(gòu)成一個(gè)有機(jī)整體共同對(duì)評(píng)價(jià)進(jìn)行分析。

22、3.分別采用評(píng)價(jià)文本的順序結(jié)構(gòu)、內(nèi)部潛在的語(yǔ)義信息和知識(shí)圖譜提供的外部知識(shí)為評(píng)價(jià)超圖構(gòu)建超邊。三種不同類(lèi)型的超邊具有互補(bǔ)性，能夠?yàn)樵u(píng)價(jià)超圖提供多源異構(gòu)的特征并豐富超圖蘊(yùn)含的語(yǔ)義信息。

23、4.引入焦點(diǎn)損失提高模型在樣本不均衡數(shù)據(jù)集上的魯棒性，在正負(fù)比例極端的樣本數(shù)據(jù)集上能夠做到動(dòng)態(tài)權(quán)重調(diào)整，增加少數(shù)類(lèi)樣本損失值權(quán)重從而提升網(wǎng)絡(luò)性能。

技術(shù)特征：

1.一種融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，步驟如下：

2.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，所述線上網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)還包括商家信息、顧客信息和顧客評(píng)分。

3.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，使用基于預(yù)訓(xùn)練模型roberta的評(píng)論主題建模方法來(lái)提取顧客評(píng)論中蘊(yùn)含的評(píng)論主題。

4.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，使用c-tf-idf算法確定每個(gè)評(píng)論主題的關(guān)鍵詞及其權(quán)重。

5.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，通過(guò)設(shè)置停用詞、更改最小詞頻、調(diào)整n-gram參數(shù)三種方式，對(duì)提取的評(píng)論主題及關(guān)鍵詞進(jìn)行調(diào)整以?xún)?yōu)化評(píng)論主題。

6.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，步驟四中，構(gòu)造servqual模型五個(gè)維度上的種子詞，將每個(gè)評(píng)論主題中的關(guān)鍵詞與servqual模型五個(gè)維度的種子詞均構(gòu)建為詞語(yǔ)集合；采用服務(wù)質(zhì)量維度點(diǎn)互信息算法來(lái)計(jì)算集合間的相關(guān)值，將評(píng)論主題動(dòng)態(tài)映射到servqual模型的五個(gè)維度上，服務(wù)質(zhì)量維度點(diǎn)互信息算法用下式表示：

7.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，步驟五中，將數(shù)據(jù)集中的所有顧客評(píng)論數(shù)據(jù)分為五等份，再使用fasttext模型在數(shù)據(jù)上進(jìn)行五折交叉驗(yàn)證，在交叉驗(yàn)證的過(guò)程中求取估計(jì)噪聲標(biāo)簽和真實(shí)標(biāo)簽的聯(lián)合分布矩陣，最后對(duì)照聯(lián)合分布矩陣篩選出低于置信閾值的樣本，即為標(biāo)簽錯(cuò)誤樣本，其余為標(biāo)簽正確樣本，再將標(biāo)簽錯(cuò)誤樣本人工更正。

8.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，使用威爾遜區(qū)間法求商家的期望評(píng)分，用下式表示：

9.根據(jù)權(quán)利要求8所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，通過(guò)貝葉斯平均法修正商家的期望評(píng)分，用下式表示：

10.根據(jù)權(quán)利要求1所述的融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，其特征在于，步驟六中，將每一條顧客評(píng)論構(gòu)建為超圖，首先，對(duì)顧客評(píng)論進(jìn)行分詞，以詞語(yǔ)作為圖的節(jié)點(diǎn)，再采用固定大小的滑動(dòng)窗口來(lái)獲取全局詞共現(xiàn)作為順序上下文，作為超圖的文本結(jié)構(gòu)超邊，將節(jié)點(diǎn)中屬于同一評(píng)論主題的單詞用同一條超邊相連以此作為內(nèi)在語(yǔ)義超邊，從conceptnet知識(shí)圖譜中獲取外部知識(shí)，并構(gòu)建外部知識(shí)超邊；在超圖處理環(huán)節(jié)中，將構(gòu)建好的超圖送入超圖注意力網(wǎng)絡(luò)中，超圖注意力網(wǎng)絡(luò)將輸出顧客評(píng)論中蘊(yùn)含的顧客服務(wù)質(zhì)量感知值。

技術(shù)總結(jié)
本發(fā)明屬于自然語(yǔ)言處理技術(shù)領(lǐng)域，具體涉及一種融合超圖知識(shí)的服務(wù)質(zhì)量動(dòng)態(tài)分析方法，該方法使用服務(wù)質(zhì)量維度點(diǎn)互信息算法將評(píng)論主題映射到SERVQUAL模型的五個(gè)維度上；將顧客評(píng)論構(gòu)建為超圖，再將超圖輸入超圖注意力網(wǎng)絡(luò)中處理，從而得到顧客評(píng)論中蘊(yùn)含的顧客服務(wù)質(zhì)量感知值；使用威爾遜區(qū)間法求商家的期望評(píng)分，隨后通過(guò)貝葉斯平均法修正商家的期望評(píng)分；將商家的期望評(píng)分和顧客歷史評(píng)分均值相加并歸一化作為顧客服務(wù)質(zhì)量期望值，得出顧客分別在SERVQUAL模型的五個(gè)不同維度上的滿意度。本發(fā)明提出了一種不依賴(lài)于問(wèn)卷調(diào)查的顧客服務(wù)質(zhì)量評(píng)估方案，為商家提供一種反饋機(jī)制，進(jìn)而增強(qiáng)商家競(jìng)爭(zhēng)力和影響力。

技術(shù)研發(fā)人員：易文龍,張麗,程香平,劉木華,趙進(jìn)輝
受保護(hù)的技術(shù)使用者：江西農(nóng)業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19