一种意向车型预测方法及装置制造方法及图纸

本发明专利技术涉及数据分析技术领域，公开了一种意向车型预测方法及装置

【技术实现步骤摘要】
一种意向车型预测方法及装置


[0001]本专利技术涉及数据分析
，特别是涉及一种意向车型预测方法及装置
。

技术介绍

[0002]随着互联网的快速发展和普及，越来越多的消费者倾向于在垂直媒体论坛中寻找关于汽车购买的信息和意见
。
所以垂媒的论坛中聚集了一部分想要了解车型优缺点
、
听取车主经验的有购车意向的用户
。
通过筛选出这类具有购车意向的用户，垂媒可以提升广告的效果，用户可以得到更充分的信息，车企则一方面可以通过个性化的信息与服务增加他们的转化率，另一方面还可以更准确地了解真正的潜客们在本品和哪些竞品中犹豫以及他们的需求
、
偏好和行为模式，从而更好地调整产品定位和市场策略，提供符合用户期望的产品和服务，增强企业在竞争激烈的汽车市场中的竞争力
。
因此在垂媒论坛中识别有购车意向的用户对于垂媒和车企均有明显的益处
。
[0003]目前确定购车意向用户的方法是比对未购车用户的行为数据和已购车客户在购买考虑阶段的行为，将行为相似的未购车用户确定为购车意向用户
。
但由于购车过程中用户行为多但每一种都不足够典型，因此以已购车用户为标准寻找意向用户时，若仅凭单一行为来判断购车意向则缺乏典型性，会导致很多无购车意向的用户被错误地判断为有购车意向，另一方面，如果使用一系列行为组合来判断购车意向，由于数据稀疏，符合条件的用户数量会非常有限，则会使得有购车意向的用户被漏判
。
而且当用户感兴趣多个车型时，这种方法无法判断用户对每个车型的意向程度
。

技术实现思路

[0004]本专利技术提供了一种意向车型预测方法及装置，可以预测用户的意向车型，提高预测准确性，从而调整产品定位和市场策略
。
[0005]为了解决上述技术问题，本专利技术提供了一种意向车型预测方法，包括：
[0006]获取第一用户的用户信息和评论文本，并将所述第一用户的用户信息和评论文本中的每段文本转换成若干个信息向量；
[0007]从所述评论文本中提取评论车型
、
评论场景
、
若干个评论主题和各评论主题对应的情感倾向；
[0008]根据所述评论车型，确定所述评论车型的若干个相似车型；
[0009]结合各评论主题和各评论主题对应的情感倾向，形成若干个第一主题向量；
[0010]根据所述评论车型和所述评论车型的若干个相似车型，形成若干个第一车型向量；
[0011]将所述评论场景转换成第一场景向量；
[0012]将所述信息向量
、
所述第一主题向量
、
所述第一车型向量和所述第一场景向量输入至预设的预测模型，得出第一用户对所述评论车型和各相似车型的第一意向概率，并确定第一意向概率最大的车型为第一用户的意向车型
。
[0013]本专利技术预测第一用户的意向车型，先获取第一用户的用户信息和评论文本，并将其文本转换成若干个信息向量，根据评论文本提取评论中提到的车型
、
场景
、
主题和主题的情感倾向；根据提取到的评论车型，获取若干个相似车型；将提取的主题和主题的情感倾向
、
场景
、
评论车型和相似车型都转换成向量，输入至预测模型，得出第一用户对评论车型和各相似车型的第一意向概率，并将第一意向概率最大的车型确定为第一用户的意向车型；本专利技术通过分析用户的评论内容，可以提高预测用户购买意向的准确性，更了解用户的需求和偏好，从而更好地调整产品定位和市场策略
。
[0014]进一步地，所述将所述第一用户的用户信息和评论文本中的每段文本转换成若干个信息向量，具体为：
[0015]获取预训练的
LLM
和对应的分词器；
[0016]采用所述分词器，对所述第一用户的用户信息和评论文本中的每段文本进行编码，以使每段文本的格式符合所述
LLM
的模型输入格式；
[0017]依次将编码后的每段文本输入至所述
LLM
进行转换，将所述
LLM
中最后一个隐藏层的向量确定为每段文本对应的信息向量
。
[0018]进一步地，所述根据所述评论车型，确定所述评论车型的若干个相似车型，具体为：
[0019]在预设数据库中获取用户评论；其中，所述用户评论中包括若干个第一车型；
[0020]依次将所述评论车型和预设数据库中的各第一车型设置为待转换车型，利用第一数据转换法，分别对所述待转换车型中的评论车型和各第一车型进行数据转换，生成评论向量和若干个第一竞争车型向量；
[0021]计算所述评论向量和各第一竞争车型向量之间的相似度；
[0022]确定相似度大于预设阈值的第一车型为所述评论车型的相似车型
。
[0023]本专利技术利用预设数据库获取用户评论，提取用户评论中提及的若干个第一车型，再对各车型进行向量转换，计算评论车型和各第一车型的相似度，将相似度大于阈值的第一车型确定为评论车型的相似车型；本专利技术通过将各车型进行向量转换，计算相似度的方法确定相似车型，提高了确定相似车型的便捷性和准确性
。
[0024]进一步地，所述第一数据转换法，具体为：
[0025]获取预设数据库中的用户评论和各用户评论对应的用户账户；
[0026]根据获取的用户评论，分别计算待转换车型和预设数据库中各第一车型的同时提及概率；
[0027]根据获取的用户评论和各用户评论对应的用户账户，计算待转换车型和预设数据库中各第一车型的同时对比概率；
[0028]根据待转换车型和预设数据库中各第一车型的同时提及概率和同时对比概率，生成待转换车型对应的向量
。
[0029]进一步地，所述结合各评论主题和各评论主题对应的情感倾向，形成若干个第一主题向量，具体为：
[0030]所述评论主题对应的情感倾向的类型包括极端正向
、
正向
、
中性
、
负向和极端负向；
[0031]对所述情感倾向的类型设置相应的情感数值；
[0032]根据各评论主题对应的情感数值，形成第一主题向量
。
[0033]本专利技术根据评论主题和评论主题对应的情感倾向确定第一主题向量，其中，情感倾向包括5种类型，通过对各情感倾向赋值可以确定各主题的情感数值，从而得出第一主题向量，将文本进行数字化可以方便后续的模型分析，提高分析的准确性
。
[0034]进一步地，在所述得出第一用户对所述评论车型和各相似车型的第一意向概率后，还包括：
[0035]更改第一用户的评论文本中第一主题的情感倾向；其中，第一主题为评论文本中若干个评论主题的任意一个评论主题；
[0036]对更改后的评论文本进行特征提取，并利用所述预测模型，获取第一用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种意向车型预测方法，其特征在于，包括：获取第一用户的用户信息和评论文本，并将所述第一用户的用户信息和评论文本中的每段文本转换成若干个信息向量；从所述评论文本中提取评论车型
、
评论场景
、
若干个评论主题和各评论主题对应的情感倾向；根据所述评论车型，确定所述评论车型的若干个相似车型；结合各评论主题和各评论主题对应的情感倾向，形成若干个第一主题向量；根据所述评论车型和所述评论车型的若干个相似车型，形成若干个第一车型向量；将所述评论场景转换成第一场景向量；将所述信息向量
、
所述第一主题向量
、
所述第一车型向量和所述第一场景向量输入至预设的预测模型，得出第一用户对所述评论车型和各相似车型的第一意向概率，并确定第一意向概率最大的车型为第一用户的意向车型
。2.
根据权利要求1所述的意向车型预测方法，其特征在于，所述将所述第一用户的用户信息和评论文本中的每段文本转换成若干个信息向量，具体为：获取预训练的
LLM
和对应的分词器；采用所述分词器，对所述第一用户的用户信息和评论文本中的每段文本进行编码，以使每段文本的格式符合所述
LLM
的模型输入格式；依次将编码后的每段文本输入至所述
LLM
进行转换，将所述
LLM
中最后一个隐藏层的向量确定为每段文本对应的信息向量
。3.
根据权利要求1所述的意向车型预测方法，其特征在于，所述根据所述评论车型，确定所述评论车型的若干个相似车型，具体为：在预设数据库中获取用户评论；其中，所述用户评论中包括若干个第一车型；依次将所述评论车型和预设数据库中的各第一车型设置为待转换车型，利用第一数据转换法，分别对所述待转换车型中的评论车型和各第一车型进行数据转换，生成评论向量和若干个第一竞争车型向量；计算所述评论向量和各第一竞争车型向量之间的相似度；确定相似度大于预设阈值的第一车型为所述评论车型的相似车型
。4.
根据权利要求3所述的意向车型预测方法，其特征在于，所述第一数据转换法，具体为：获取预设数据库中的用户评论和各用户评论对应的用户账户；根据获取的用户评论，分别计算待转换车型和预设数据库中各第一车型的同时提及概率；根据获取的用户评论和各用户评论对应的用户账户，计算待转换车型和预设数据库中各第一车型的同时对比概率；根据待转换车型和预设数据库中各第一车型的同时提及概率和同时对比概率，生成待转换车型对应的向量
。5.
根据权利要求1所述的意向车型预测方法，其特征在于，所述结合各评论主题和各评论主题对应的情感倾向，形成若干个第一主题向量，具体为：所述评论主题对应的情感倾向的类型包括极端正向
、
正向
、
中性
、
负向和极端负向；
对所述情感倾向的类型设置相应的情感数值；根据各评论主题对应的情感数值，形成第一主题向量
。6.
根据权利要求1所述的意向车型预测方法，其特征在于，在所述得出第一用户对所述评论车型和各相似车型的第一意向概率后，还包括：更改第一用户的评论文本中第一主题的情感倾向；其中，第一主题为评论文本中若干个评论主题的任意一个评论主题；对更改后的评论文本进行特征提取，并利用所述预测模型，获取第一用户对所述评论车型和各相似车型的第二意向概率；分别比较所述评论车型和各相似车型的第一意向概率和第二意向概率，获取各车型的意向概率变化值；将意向概率变化值大于阈值的车型确定为第一主题的影...

【专利技术属性】
技术研发人员：周策，蓬蕾，程博，高巧巧，汤昊，
申请(专利权)人：广东数鼎科技有限公司，
类型：发明
国别省市：