商品满意度的评估方法和装置，存储介质和电子设备与流程

本公开涉及信息处理
技术领域：
，具体地，涉及一种商品满意度的评估方法和装置，存储介质和电子设备。
背景技术：
：随着中国经济的转型，经济增长由数量的快速扩张向质量加速提升转变，与gnp、gdp等反映的是经济的“数量指标”不同，衡量经济消费的发展状况不仅需要考虑经济发展的规模，更重要的是考虑经济发展的质量。消费者满意度指数考察的正是国家产业经济的“质量指标”。它的实施和发布旨在引导和帮助中国产业实现质的成长，提高产业、企业和产品竞争力。尤其是，近年来我国各级政府高度重视和关注食品药品安全问题，消费者、企业和政府的风险防范意识不断强化，相关职能管理部门都相应加大了食品药品安全风险的监管力度，处理突发食品药品安全事件的能力正在逐渐提高，预警系统建设得到了前所未有的快速发展。监管部门对商品的对食品药品的安全等级进行评估，并生成相关的评估数据。然而，这些评估数据只能从单一维度体现食品药品的安全性，要想多维度的获取食品药品满意度，需要从海量数据中找寻相关信息，并且数据处理难度较大。技术实现要素：本公开的目的是提供一种商品满意度的评估方法和装置，存储介质和电子设备，以解决相关技术中对商品满意度评估时数据处理难度较大的问题。为了实现上述目的，本公开提供一种商品满意度的评估方法，所述方法包括：根据输入的特征信息，获取与所述特征信息相关的商品的消费者反馈信息和/或监管信息；对所述消费者反馈信息和/或所述监管信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标；根据所述一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。可选的，获取与所述特征信息相关的商品的监管信息，包括：获取与所述特征信息相关的商品的安全等级；对所述监管信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标，包括：对所述安全等级进行归一化处理，得到与所述特征信息相关的商品的安全等级评价指标。可选的，获取与所述特征信息相关的商品的监管信息，包括：获取对与所述特征信息相关的商品的进行稽查后得到的问题样本的总数，以及所述问题样本中已处置的样本的数量；对所述监管信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标，包括：计算所述已处置的样本的数量与所述问题样本的总数的商值，并将所述商值作为问题样本处置率评价指标。可选的，获取与所述特征信息相关的商品的消费者反馈信息，包括：获取与所述特征信息相关的商品的投诉信息，所述投诉信息包括：对与所述特征信息相关的商品的投诉事件总数，每一投诉事件的办结情况指标，以及与每一投诉事件相关的权重参数；对所述消费者反馈信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标，包括：通过以下公式得到与所述特征信息相关的商品的投诉处理满意度评价指标m：其中，b为投诉事件的办结情况指标，j为投诉事件的紧急程度指标，t为投诉人类型指标，y为投诉事件是否为职业投诉的指标，j·t·y为量化得到的与投诉事件相关的权重参数，n与所述特征信息相关的商品的投诉事件总数。可选的，获取与所述特征信息相关的商品的消费者反馈信息，还包括：通过新闻爬虫模块模仿浏览器对指定服务器的访问过程，获取与所述特征信息相关的商品的一条或多条新闻；对所述消费者反馈信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标，包括：对每一条所述新闻执行以下步骤：通过结巴分词模块和word2vec模块对所述新闻进行分词处理，得到每一条所述新闻的内容的多个分词；根据预先设的词汇情感极性词典评估每一所述分词进行情感得分，并通过统计所述新闻的内容的多个分词的情感得分得到所述新闻的情感得分；根据与所述特征信息相关的商品的一条或多条新闻的情感得分，以及预设的情感分析模型，得到与所述特征信息相关的商品的新闻舆情评价指标。可选的，所述根据所述一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度，包括：若存在多项所述评价指标，则将多项所述评价指标加权平均得到的值作为所述特征信息相关的商品的满意度。可选的，输入的所述商品的特征信息包括以下一项或者多项维度的特征：地域，时间，商品类别。本公开提供一种商品满意度的评估装置，所述装置包括：获取模块，用于根据输入的特征信息，获取与所述特征信息相关的商品的消费者反馈信息和/或监管信息；处理模块，用于对所述消费者反馈信息和/或所述监管信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标；确定模块，用于根据所述一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。可选的，所述获取模块，用于获取与所述特征信息相关的商品的安全等级；所述处理模块，用于对所述安全等级进行归一化处理，得到与所述特征信息相关的商品的安全等级评价指标。可选的，所述获取模块，用于获取对与所述特征信息相关的商品的进行稽查后得到的问题样本的总数，以及所述问题样本中已处置的样本的数量；所述处理模块，用于计算所述已处置的样本的数量与所述问题样本的总数的商值，并将所述商值作为问题样本处置率评价指标。可选的，用于获取与所述特征信息相关的商品的投诉信息，所述投诉信息包括：对与所述特征信息相关的商品的投诉事件总数，每一投诉事件的办结情况指标，以及与每一投诉事件相关的权重参数；所述处理模块，用于通过以下公式得到与所述特征信息相关的商品的投诉处理满意度评价指标m：其中，b为投诉事件的办结情况指标，j为投诉事件的紧急程度指标，t为投诉人类型指标，y为投诉事件是否为职业投诉的指标，j·t·y为量化得到的与投诉事件相关的权重参数，n与所述特征信息相关的商品的投诉事件总数。可选的，所述获取模块，用于通过新闻爬虫模块模仿浏览器对指定服务器的访问过程，获取与所述特征信息相关的商品的一条或多条新闻；所述处理模块，用于对每一条所述新闻执行以下步骤：通过结巴分词模块和word2vec模块对所述新闻进行分词处理，得到每一条所述新闻的内容的多个分词；根据预先设的词汇情感极性词典评估每一所述分词进行情感得分，并通过统计所述新闻的内容的多个分词的情感得分得到所述新闻的情感得分；还用于根据与所述特征信息相关的商品的一条或多条新闻的情感得分，以及预设的情感分析模型，得到与所述特征信息相关的商品的新闻舆情评价指标。可选的，所述确定模块，用于在存在多项所述评价指标时，将多项所述评价指标加权平均得到的值作为所述特征信息相关的商品的满意度。可选的，输入的所述商品的特征信息包括以下一项或者多项维度的特征：地域，时间，商品类别。本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现任一项所述方法的步骤。上述技术方案，至少能够达到以下技术效果：通过对与所述特征信息相关的商品的消费者反馈信息进行量化，再根据量化得到的一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。这样，能够细化商品的类别，使数据信息的搜集和整理更加智能，并且能够从多个层面反映商品的满意度，从而降低商品满意度评估时数据的处理难度。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是本公开一示例性实施例示出的一种商品满意度的评估方法流程图。图2是本公开一示例性实施例示出的一种商品满意度的评估方法流程图。图3是本公开一示例性实施例示出的一种商品满意度的评估方法流程图。图4是本公开一示例性实施例示出的一种商品满意度的评估装置结构框图。图5是本公开一示例性实施例示出的一种电子设备结构框图。具体实施方式以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。图1是本公开一示例性实施例示出的一种商品满意度的评估方法流程图，所述方法包括：s11，根据输入的特征信息，获取与所述特征信息相关的商品的消费者反馈信息，所述消费者反馈信息包括与所述特征信息相关的商品的投诉信息和/或与所述特征信息相关的商品的一条或多条新闻。可选的，所述输入的所述商品的特征信息包括以下一项或者多项维度的特征：地域，时间，商品类别。例如，可以将输入的地域特征定位在xx省，或者xx省的下属的地区。进一步的，将xx省的数据细分为13个时间维度值，分别为“全部、d1、d2、d3、d4、d5、d6、d7、d8、d9、d10、d11、d12”，其中，“全部”代表xx省的全年的数据，d代表按月为单位划分的值。以商品中的食品类为例，可以将食品细分为30个大类，加上“全部”种类的数据，共31个值，分别为“全部、粮食加工品、‘食用油、油脂及其制品’、调味品、肉制品、乳制品、饮料、方便食品、饼干、罐头、冷冻饮品、速冻食品、薯类和膨化食品、糖果制品、茶叶及相关制品、酒类、蔬菜制品、水果制品、炒货食品及坚果制品、蛋制品、可可及焙烤咖啡产品、食糖、水产制品、淀粉及淀粉制品、糕点、豆制品、蜂产品、特殊膳食食品、餐饮食品、食用农产品、食品添加剂”。具体的，消费者反馈信息和/或监管信息可以从已有的数据库中调取，也可以在接收到输入的特征信息后，利用爬虫程序从数据网络中搜索相应的内容信息。s12，对所述消费者反馈信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标。所述消费者反馈信息可以包括对商品的投诉信息，所述投诉信息可以包括：对与所述特征信息相关的商品的投诉事件总数，每一投诉事件的办结情况指标，以及与每一投诉事件相关的权重参数。具体的，可以根据投诉事件的紧急程度指标，投诉人类型指标，投诉事件是否为职业投诉的指标，量化得到的与投诉事件相关的权重参数。所述消费者反馈信息还可以包括与商品有关的新闻信息。这些新闻的正向或者负向的情感指标能够从一定程度上反应出消费者对于商品的满意度。s13，根据所述一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。可选的，所述根据所述一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度，包括：若存在多项所述评价指标，则将多项所述评价指标加权平均得到的值作为所述特征信息相关的商品的满意度。上述技术方案，至少能够达到以下技术效果：通过对与所述特征信息相关的商品的消费者反馈信息进行量化，再根据量化得到的一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。这样，能够细化商品的类别，使数据信息的搜集和整理更加智能，并且能够从多个层面反映商品的满意度，从而降低商品满意度评估时数据的处理难度。图2是本公开一示例性实施例示出的一种商品满意度的评估方法流程图，所述方法包括：s21，接收输入的特征信息。以食品为例，将已有的食品检验检测数据的各项分析结果分为地域、时间和食品大类三个维度。s22，获取与所述特征信息相关的商品的安全等级。根据相关部门的检验检测数据，将食品的安全等级分为1～5共5个等级，等级的数值越低代表食品越安全；反之，等级的数值越高代表食品越不安全。s23，对所述安全等级进行归一化处理，得到与所述特征信息相关的商品的安全等级评价指标。将5个食品安全等级进行归一化处理的到对应的安全等级评价指标。例如，食品安全等级1级为最安全等级，在客观层面所能反映的食品安全满意度最高，因此定义该等级的安全等级评价指标为1。相似的，食品安全等级5级为最不安全等级，在客观层面所能反映的食品安全满意度最低，因此定义该等级的安全等级评价指标为0。以此类推可以得到如表1所示的食品安全等级与食品安全等级评价指标对应关系表。表1食品安全等级食品安全等级评价指标1120.7530.540.2550s24，获取对与所述特征信息相关的商品的进行稽查后得到的问题样本的总数，以及所述问题样本中已处置的样本的数量。监管部门稽查食品药品中的稽查安管的信息数据存储在问题样品表中，其中包括查处到的问题样品的分类、处置状态、所在地域以及查处时间等数据。从该问题样品表中可以筛选出与所述特征信息相关的商品，并根据筛选结果得到问题样本的总数，以及所述问题样本中已处置的样本的数量。s25，计算所述已处置的样本的数量与所述问题样本的总数的商值，并将所述商值作为问题样本处置率评价指标。即，问题样本处置率评价指标＝已处置的样本的数量/问题样本的总数。s26，将对所述安全等级评价指标和所述问题样本处置率评价指标进行加权平均处理得到的值作为与所述特征信息相关的商品的满意度。值得说明的是，食品安全等级评价指标和问题样本处置率评价指标都是位于0～1之间的值。具体的，可以通过如下公式计算与所述特征信息相关的商品的满意度c：c＝(食品安全等级评价指标+问题样本处置率评价指标)*100/2；由此，c为一个取值范围为0～100的数值。c值越大表示商品的满意度越高；反之，c值越小标志商品的满意度越低。下面，以输入的特征信息为“xx市、2017年1月、饮料类食品”为例说明。首先对“xx市、2017年1月、饮料类食品”的食品检验检测数据的进行分析，得到食品安全等级为1级，并进一步得到食品安全等级评价指标为“1”。其次查看监管部门稽查食品药品中的稽查安管的信息数据存储在问题样品表，得到问题样本中已处置的样本的数量为0条，问题样本的总数为0条。在具体实施时的程序设定中，设定若筛选出的数据数量为0，表示在该特征信息维度下没有相关的数据，可以理解为该类食品并没有被检测出问题样本，也就是说，此类食品是安全的，从而从客观上反应出该类食品的满意度较高，为保证后续计算的完整性，相应的，将问题样本处置率评价指标设定为“1”。将对所述安全等级评价指标和所述问题样本处置率评价指标进行加权平均处理得到的值“1”作为与所述特征信息相关的商品的满意度。对满意度“1”百分化后即可得到最终的指数值为100。从检验检测结果可以看出2017年1月xx市饮料类食品为较高安全等级食品，对于问题样品的稽查数据也比较少，因此可以认为与该特征信息相关的食品较为安全，消费者客观上比较满意。通过上述技术方案，能够量化分析出与特征信息相关的商品的满意度。随着输入的特征信息的改变，还可以进一步评估出同种类不同企业的商品的满意度、同种类不同时期的商品的满意度和同种类不同地域的商品的满意度。此外，监管部门可以通过上述商品满意度的评估方法，清晰地查看、全面地了解商品的安全态势、追踪商品满意度较低的问题背后的相关企业，进而做出更科学、更有效、更快速的管理决策。此外，通过上述商品满意度的评估方法可以协助商品的生产商更多地了解商品的满意度，一定程度上指导生产商有针对性地制订相应的市场策略，督促其不断改进产品质量，迎合消费需求，提高消费者满意度，从另一侧面提升企业的市场竞争能力，增强企业的经济效益。图3是本公开一示例性实施例示出的一种商品满意度的评估方法流程图，所述方法包括：s31，接收输入的特征信息。以食品为例，将已有的食品检验检测数据的各项分析结果分为地域、时间和食品大类三个维度。s32，获取与所述特征信息相关的商品的投诉信息。其中，所述投诉信息包括：对与所述特征信息相关的商品的投诉事件总数，每一投诉事件的办结情况指标，以及与每一投诉事件相关的权重参数。s33，根据所述投诉信息计算与所述特征信息相关的商品的投诉处理满意度评价指标。示例的，具体实施过程可以参考如下示例。在对应的特征信息为“xx省、食品&药品”时，将xx省食品&药品投诉信息原始excel文件的数据转换为两个sql文件表，分别为代表投诉举报的具体内容的report表和投诉事件的办结情况的handle表。通过数据字典对report表进行分析，得知表report中投诉举报的记录包含投诉举报的紧急程度、投诉人类型、业务类型以及是否是职业举报等信息，而handle表则包含时间、地域以及对举报记录的处理情况等信息，因此对该部分数据可以从地域、时间以及食品大类三个维度出发，分析投诉举报所反映的消费者主观满意程度。此外，还可以对涉及敏感信息的部分数据做脱敏处理，某项数据的属性值我们无法利用，对此属性定义一个可以用于计算的值。例如为紧急程度定义“0～5”共6个等级，最低等级0表示不紧急，对应的紧急程度指标值为0.5；最高等级5表示非常紧急，对应的紧急程度指标值为1。计算中涉及的权重参数和相关指标的值的定义情况如表2所示：表2具体的，通过以下公式得到与所述特征信息相关的商品的投诉处理满意度评价指标m：其中，b为投诉事件的办结情况指标，j为投诉事件的紧急程度指标，t为投诉人类型指标，y为投诉事件是否为职业投诉的指标，j·t·y为量化得到的与投诉事件相关的权重参数，n与所述特征信息相关的商品的投诉事件总数。计算得到的投诉处理满意度评价指标为一个-1～+1之间的值，该值越大，表示消费者对投诉举报的处理情况越满意；反之，该值越小，表示消费者对投诉举报的处理情况越不满意。s34，通过新闻爬虫模块模仿浏览器对指定服务器的访问过程，获取与所述特征信息相关的商品的一条或多条新闻。具体的，新闻爬虫模块可以根据python语言中的request模块，利用代码模仿浏览器对指定服务器的访问过程，然后对根据访问网页的结果进行分析，进一步提取出与所述特征信息相关的商品的一条或多条新闻。s35，计算每一条新闻的情感得分。具体的，对每一条所述新闻执行以下步骤：通过结巴分词模块和word2vec模块对所述新闻进行分词处理，得到每一条所述新闻的内容的多个分词；根据预先设的词汇情感极性词典评估每一所述分词进行情感得分，并通过统计所述新闻的内容的多个分词的情感得分得到所述新闻的情感得分。具体实施时，可以由情感词典构建模块构建词汇情感极性词典。具体的，使用知网(hownet)情感词典和中国台湾大学简体中文情感极性词典(ntsusd)作为基础词典，并加入一些与食品安全主题相关的情感词作为前期舆情分析使用的词汇情感极性词典。进一步的，由情感分析模块使用结巴分词技术和word2vec技术对新闻爬虫模块获取的新闻进行文本处理，然后对每一个分词利用词汇情感极性词典计算情感得分，将统计的所有分词的得分作为为一条新闻的情感得分。s36，根据与所述特征信息相关的商品的一条或多条新闻的情感得分，以及预设的情感分析模型，得到与所述特征信息相关的商品的新闻舆情评价指标。具体的，舆情分析的结果为每条新闻评估一个情感等级，一共有0～5共6个情感等级，等级越高表示舆情越消极，所反映的消费者满意程度越低，0表示新闻舆论是积极的。为了方便数据融合，可以利用新闻的情感等级对应情感得分为主要处理对象。经过新闻爬虫模块和情感分析处理，可以得到每条新闻的情感得分，这个分数的值有可能为正，也有可能为负，且没有上下限。为了方便数据融合，为新闻的情感得分设定阈值，比如，设定一个取值为[-100，100]的区间；并对分值进行规约，以得到一个-1～+1之间的值。在对每条新闻的情感得分做处理时，将这个区间内的分数映射为区间[-1,1]内的情感值记为q，如果新闻的情感得分低于-100，该条新闻的分数映射的情感值q为-1，同理，如果情感得分超过100，分数映射的情感值q为+1。由此可知，设定阈值后，每条新闻的情感得分最低为-100，最高为100。新闻情感得分转换为情感值得计算方式为：由该计算方法我们可以得到每条新闻的情感值，q取值范围为-1～+1。为了得到指定特征信息下可以反映消费者对商品主观满意度的结果，还需要合并每条新闻的情感值，合并公式如下：值得说明的是，在一些特征信息下，没有获取到相应的新闻内容或者投诉信息，也就无法计算出新闻舆情评价指标或问题样本处置率评价指标。可以增加特征信息的维度划分粒度的粗度，这样可以在较大的范围内获取新闻内容或者投诉信息，从而计算出合理的新闻舆情评价指标或者问题样本处置率评价指标。s37，将对所述投诉处理满意度评价指标和所述新闻舆情评价指标进行加权平均处理得到的值作为与所述特征信息相关的商品的满意度。值得说明的是，投诉处理满意度评价指标和新闻舆情评价指标都是位于-1～+1之间的值。具体的，可以通过如下公式计算与所述特征信息相关的商品的满意度c：z＝(投诉处理满意度评价指标+新闻舆情评价指标)*100/2；由此，z为一个取值范围为-100～+100的数值。若z值为负，定义为消费者主观对商品不满意，且z值越低，表示消费者对商品越不满意；若z值为正，定义为消费者主观对商品满意，且z值越高，表示消费者对商品越满意。通过上述技术方案，能够量化分析出与特征信息相关的商品的满意度。随着输入的特征信息的改变，还可以进一步评估出同种类不同企业的商品的满意度、同种类不同时期的商品的满意度和同种类不同地域的商品的满意度。此外，监管部门可以通过上述商品满意度的评估方法，清晰地查看、全面地了解商品的安全态势、追踪商品满意度较低的问题背后的相关企业，进而做出更科学、更有效、更快速的管理决策。此外，通过上述商品满意度的评估方法可以协助商品的生产商更多地了解商品的满意度，一定程度上指导生产商有针对性地制订相应的市场策略，督促其不断改进产品质量，迎合消费需求，提高消费者满意度，从另一侧面提升企业的市场竞争能力，增强企业的经济效益。值得说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。此外，在不冲突的情况下，具体实施还可以是上述实施方式的组合，例如，通过计算所得的，投诉处理满意度评价指标、新闻舆情评价指标、安全等级评价指标、问题样本处置率评价指标中的任意评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。图4是本公开示例性实施例提供的一种商品满意度的评估装置，所述装置包括：获取模块410，用于根据输入的特征信息，获取与所述特征信息相关的商品的消费者反馈信息和/或监管信息；处理模块420，用于对所述消费者反馈信息和/或所述监管信息进行量化处理，得到具有所述特征信息的商品一项或者多项评价指标；确定模块430，用于根据所述一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。可选的，所述获取模块，用于获取与所述特征信息相关的商品的安全等级；所述处理模块，用于对所述安全等级进行归一化处理，得到与所述特征信息相关的商品的安全等级评价指标。可选的，所述获取模块，用于获取对与所述特征信息相关的商品的进行稽查后得到的问题样本的总数，以及所述问题样本中已处置的样本的数量；所述处理模块，用于计算所述已处置的样本的数量与所述问题样本的总数的商值，并将所述商值作为问题样本处置率评价指标。可选的，用于获取与所述特征信息相关的商品的投诉信息，所述投诉信息包括：对与所述特征信息相关的商品的投诉事件总数，每一投诉事件的办结情况指标，以及与每一投诉事件相关的权重参数；所述处理模块，用于通过以下公式得到与所述特征信息相关的商品的投诉处理满意度评价指标m：其中，b为投诉事件的办结情况指标，j为投诉事件的紧急程度指标，t为投诉人类型指标，y为投诉事件是否为职业投诉的指标，j·t·y为量化得到的与投诉事件相关的权重参数，n与所述特征信息相关的商品的投诉事件总数。可选的，所述获取模块，用于通过新闻爬虫模块模仿浏览器对指定服务器的访问过程，获取与所述特征信息相关的商品的一条或多条新闻；所述处理模块，用于对每一条所述新闻执行以下步骤：通过结巴分词模块和word2vec模块对所述新闻进行分词处理，得到每一条所述新闻的内容的多个分词；根据预先设的词汇情感极性词典评估每一所述分词进行情感得分，并通过统计所述新闻的内容的多个分词的情感得分得到所述新闻的情感得分；还用于根据与所述特征信息相关的商品的一条或多条新闻的情感得分，以及预设的情感分析模型，得到与所述特征信息相关的商品的新闻舆情评价指标。可选的，所述确定模块，用于在存在多项所述评价指标时，将多项所述评价指标加权平均得到的值作为所述特征信息相关的商品的满意度。可选的，输入的所述商品的特征信息包括以下一项或者多项维度的特征：地域，时间，商品类别。上述技术方案，至少能够达到以下技术效果：通过对与所述特征信息相关的商品的消费者反馈信息和/或监管信息进行量化，再根据量化得到的一项或者多项评价指标，以及预设的评价指标与满意度之间的数学关系模型，确定与所述特征信息相关的商品的满意度。这样，能够细化商品的类别，使数据信息的搜集和整理更加智能，并且能够从多个层面反映商品的满意度，从而降低商品满意度评估时数据的处理难度。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项商品满意度的评估的步骤。本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现商品满意度的评估方法的步骤。图5是根据一示例性实施例示出的一种电子设备500的框图。该电子设备可以为一种电脑，数据处理器，或者移动终端涉笔。如图5所示，该电子设备500可以包括：处理器501，存储器502。该电子设备500还可以包括多媒体组件503，输入/输出(i/o)接口504，以及通信组件505中的一者或多者。其中，处理器501用于控制该电子设备500的整体操作，以完成上述的商品满意度的评估方法中的全部或部分步骤。存储器502用于存储各种类型的数据以支持在该电子设备500的操作，这些数据例如可以包括用于在该电子设备500上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如投诉处理满意度评价指标、新闻舆情评价指标、安全等级评价指标、问题样本处置率评价指标，或者新闻内容，等等。该存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(staticrandomaccessmemory，简称sram)，电可擦除可编程只读存储器(electricallyerasableprogrammableread-onlymemory，简称eeprom)，可擦除可编程只读存储器(erasableprogrammableread-onlymemory，简称eprom)，可编程只读存储器(programmableread-onlymemory，简称prom)，只读存储器(read-onlymemory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件503可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器502或通过通信组件505发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口504为处理器501和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件505用于该电子设备500与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(nearfieldcommunication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件505可以包括：wi-fi模块，蓝牙模块，nfc模块。在一示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(applicationspecificintegratedcircuit，简称asic)、数字信号处理器(digitalsignalprocessor，简称dsp)、数字信号处理设备(digitalsignalprocessingdevice，简称dspd)、可编程逻辑器件(programmablelogicdevice，简称pld)、现场可编程门阵列(fieldprogrammablegatearray，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的商品满意度的评估方法。在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的商品满意度的评估方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器502，上述程序指令可由电子设备500的处理器501执行以完成上述的商品满意度的评估方法。以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。当前第1页12