一种获取用户对APP情感反馈的方法技术

本发明专利技术公开了一种获取用户对目标APP情感反馈的方法，该方法包括：利用埋点获取用户路径，利用自动化脚本获取路径上的文本和/或图片信息；对获取的信息进行两轮筛选的预处理，得到有用信息；对得到的有用信息分为评价信息和使用信息，对评价信息的情感分析；对使用信息进行使用频率统计；根据用户对目标APP使用频率以及评价综合得到用户对该APP的情感反馈。本发明专利技术实现了不仅仅单纯依靠用户在应用市场的评价而可以获取用户对目标APP的情感反馈。馈。馈。

【技术实现步骤摘要】
一种获取用户对APP情感反馈的方法


[0001]本专利技术涉及情感分析
，尤其是一种获取用户对APP情感反馈的方法。

技术介绍

[0002]在如今移动互联网成熟的年代，几乎人人都拥有自己的手机，而APP也是现在智能手机使用的重要组成部分，目前，手机APP的使用在人们日常生活中更加频繁，影响人们日常生活的方方面面。手机APP从游戏到办公，从教育到新闻阅读，几乎包含了生活的方方面面。即使仅是购物APP，活跃人数超千万的就有数十个，APP更新速度也非常快，开发者需要实时把握用户对APP的使用感受来作为下一步更新的基础。
[0003]而在现有技术中，APP开发者获取用户反馈信息单一，主要的通过应用市场的APP评论打分，发放调查问卷，聘请专门的试用人员等方式获取用户的使用体验，以此来判断用户对该款APP的使用感受。
[0004]然而上述方式存在数据量小，获得的反馈较为片面和主观的问题，一般用户很少主动对 APP进行评论打分，通常是遇到体验感较差的APP时才会主动去评论打分，因此，这也就造成了评论负面壁垒，无法获得较为公正客观的用户情感反馈。

技术实现思路

[0005](一)解决的技术问题
[0006]为了解决上述技术问题，本专利技术提供一种获取用户对APP情感反馈的方法，该方法通过利用埋点获取用户路径，利用自动化脚本获取路径上的文本和图片信息，根据获取的文本和图片信息得到用户对该APP的情感反馈。
[0007](二)技术方案
[0008]为了解决上述存在的技术问题，实现专利技术目的，本专利技术是通过以下技术方案实现的：
[0009]一种获取用户对APP情感反馈的方法，具体包括如下步骤：
[0010]利用埋点获取用户路径，利用自动化脚本获取路径上的文本和图片信息；
[0011]对获取的信息进行两轮预处理，得到有用信息，其中包括对文本和图片的处理；
[0012]对上述得到的有用信息进行分类，对评价信息进行情感分析；对使用信息进行统计；
[0013]根据用户对相关APP使用频率以及评价综合得到用户对该APP的情感反馈；
[0014]将上述得到的用户对相关APP使用频率进行归一化处理，设置为正向值；对步骤S3得到的评价进行归一化处理，对正面评论设置正值，负面评论设置负值，融合上述二者的结果得到最终的情感反馈值。
[0015]进一步地，所述两轮预处理具体为：
[0016]数据的第一轮筛选：
[0017]对于文本预处理，筛选出以下文本：
[0018](1)文本中直接提及相关APP名称的文本，该文本包括该APP的名称，英文或拼音及其缩写，别名，以及包含一定的容错空间的名称。
[0019](2)相关的APP的分享链接，根据链接中与该APP相关的文字或者网址信息获得相关的 APP。
[0020]对于图片信息预处理，主要筛选出以下类型的图片：
[0021](1)二维码图片
[0022]二维码图片可能是与APP相关的二维码，包括下载APP的二维码，由该APP生成的二维码，以及其他与该APP有关的二维码。
[0023](2)来自APP的商品或视频截图，主要根据图片上的信息进行判断，包括APP的标志，二维码等体现来源的信息。
[0024]筛选出目标数据后，对其所在数据链路的位置进行标记；
[0025]第二轮筛选：
[0026]对于第一轮筛选得到的文本信息：
[0027]根据第一轮筛选中得到的文本，获取其上下文文本，主要针对具有评论性的情感词汇语句，若该文本上下文具有评论性的语句，则保留此文本。
[0028]对于第一轮筛选得到的图片进行二次精筛，具体分为：
[0029](1)对二维码的识别
[0030](2)对图片上的文字和标志的识别
[0031]进一步地，采用机器学习的方式对评价信息进行情感分析，具体包括：
[0032]数据预处理：对数据进行数据清洗，提高数据质量；基于统计的分词方法进行文本分词；文本向量化，将文本表示成能够表达文本语义的向量，把文本信息变成计算机可识别可处理的数字信息；
[0033]算法模型建立，采用双输入神经网络模型进行情感分析，输入层为双输入，分别输入由上述步骤得到的文本向量和拓展特征向量；卷积层对矩阵与卷积核进行卷积操作；池化层对卷积层提取到的特征进行全局筛选，输出局部的最优特征；全连接层将池化层产生的一系列具有代表性的局部特征整合局部特征为全局特征；输出层通过全连接层进行局部特征整合之后，将其连接到一个分类器以获取最终结果,选用softmax分类器进行文本分类；
[0034]算法模型训练，通过有监督学习对模型进行训练，在网络训练时，文本向量矩阵由输入层进入卷积神经网络，通过卷积层进行非线性转换，由输出层进行预测结果的输出，再通过预测结果和实际结果之间的误差，利用遗传算法和梯度下降法结合来更新神经元的各参数权重，直到模型达到拟合。
[0035]进一步地，对使用频率进行统计，具体包括：
[0036]对于与APP相关的下载，分享，操作的相关信息，对其使用频率进行统计，根据不同的场景赋不同的权值。例如，对于用于下载的二维码，对于分享的二维码，对于其他操作根据实际情况选择赋值。
[0037](三)有益效果
[0038]与现有技术相比，本专利技术的有益效果为：可以根据用户的操作自动获取用户信息，通过对信息的处理得到用户对该APP的情感反馈，拓宽了用户反馈渠道，获取更多有用信
息，并且获取的信息更加客观，避免了评论负面壁垒的情况的发生，得到更加准确的情感反馈。
附图说明
[0039]图1为本专利技术实施例提供的获取用户对APP情感反馈的方法的流程图；
[0040]图2为本专利技术实施例提供的双输入卷积神经网络模型图
[0041]图3为本专利技术实施例提供的算法模型训练的流程图
具体实施方式
[0042]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]为详细说明本专利技术的
技术实现思路
，所实现的目的和技术效果，以下结合实施方式并配合附图进行详细说明。
[0044]参见图1，
[0045]一种获取用户对APP情感反馈的方法，具体包括如下步骤：
[0046]S1.利用埋点获取用户路径，利用自动化脚本获取路径上的文本和/或图片信息。
[0047]用户点击行为日志中一般只是记载了用户访问页面的URL，访问时间以及在每个页面的停留时间。而用户通过页面具体访问的内容则需要通过预设的埋点来获取。其中，埋点是指用于收集操作信息的数据收集脚本。
[0048]通过埋点方式获取用户路径，可以将埋点设置在用户使用的应用程序上或者将埋点设置在网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获取用户对APP情感反馈的方法，其特征在于具体包括如下步骤：S1.利用埋点获取用户路径，利用自动化脚本获取路径上的文本和图片信息；S2.对获取的信息进行两轮预处理，得到有用信息，其中包括对文本和图片的处理；S3.对得到的有用信息进行分类，对评价信息进行情感分析；对使用信息进行统计；根据用户对相关APP使用频率以及评价综合得到用户对目标APP的情感反馈；S4.将上述得到的用户对目标APP使用频率进行归一化处理，设置为正向值；对步骤S3得到的评价进行归一化处理，对正面评论设置正值，负面评论设置负值，融合上述二者的结果得到最终的情感反馈值。2.根据权利要求1所述的获取用户对APP情感反馈的方法，其特征在于，所述步骤S2中两轮预处理具体为：数据的第一轮筛选：对于文本预处理，筛选出以下文本：文本中直接提及目标APP名称的文本，该文本包括目标APP的名称，英文或拼音及其缩写，别名，以及包含容错空间的名称；目标APP的分享链接，根据链接中与目标APP相关的文字或者网址信息获得相关的目标APP；对于图片信息预处理，筛选出以下类型的图片：二维码图片，二维码图片是与APP相关的二维码，包括下载APP的二维码或由该APP生成的二维码；来自APP的商品或视频截图，主要根据图片上的信息进行判断，包括APP的标志，二维码；筛选出目标数据后，对其所在数据链路的位置进行标记；第二轮筛选：对于第一轮筛选得到的文本信息：根据第一轮筛选中得到的文本，获取其上下文文本，主要针对具有评论性的情感词汇语句，若该文本上下文具有评论性的语句，则保留此文本；对于第一轮筛选得到的图片进行二次精筛，具体为对二维码的识别和对图片上的文字和标志的识别。3.根据权利要求1所述的获取用户对APP情感反馈的方法，其特征在于，步骤S3中采用机器学习的方式对评价信息进行所述情感分析。4.根据权利要求3所述的获取用户对APP情感反馈的方法，其特征在于，所述情感分析具体包括：数据预处理：对数据进行数据清洗；基于统计的分词方法进行文本分词；文本向量化，将文本表示成能够表达文本语义的向量，把文本信息变成计算机可识别可处理的数字信息；算法模型建立，输入层输入文本向量；卷积层对矩阵与卷积核进行卷积操...

【专利技术属性】
技术研发人员：江元元，
申请(专利权)人：创络上海数据科技有限公司，
类型：发明
国别省市：