一种业务评估信息确定方法以及服务器与流程

本发明涉及互联网技术领域，尤其涉及一种业务评估信息确定方法以及服务器。

背景技术：

随着移动互联网时代的快速迭代，媒介环境发生了质的变化。而我们作为信息的传播者，产出的互动内容案例也越来越多，并且在互动内容案例在投入成本也在逐渐增加，对于互动内容案例的推广效率和效能受到业内广泛的关注。

目前，为了更好地推广互动内容案例，业内已采用相关的评估体系。在中国互联网数据中心(英文全称：Data Center Of China Internet，英文缩写：DCCI)发布的用户行为消费模型中，可以将用户移动行为划分为相互感知，产生兴趣，建立连接互动沟通，决定行动和事后体验分享，通过这五个部分构建用户行为消费模型，并且能够通过该模型来策划较为合理的互动内容案例推广方案。

在DCCI发布的用户行动消费模型中，其核心在于购买行动对互动内容推广的影响，而弱化了社交行为对互动内容推广的影响。对于互联网时代而言，这样的用户行动消费模型可能是片面的，从而导致互动内容案例的推广效率和效能降低。

技术实现要素：

本发明实施例提供了一种业务评估信息确定方法以及服务器，可以在评估目标业务时，充分地考虑到用户对目标业务的需求性，提升了社交行为对目标业务的影响，从而增强目标业务的推广效率和效能。

有鉴于此，本发明第一方面提供一种业务评估信息确定方法，包括：

获取目标业务的用户感知量，所述用户感知量为所述目标业务被用户感知的程度参数；

通过预置特征提取规则获取用户对所述目标业务的评论属性信息，所述评论属性信息包含正面评论信息、负面评论信息以及中性评论信息中的至少一项；

根据所述用户感知量和/或所述评论属性信息确定所述目标业务的业务评估信息。

本发明第二方面提供了一种服务器，包括：

第一获取模块，用于获取目标业务的用户感知量，所述用户感知量为所述目标业务被用户感知的程度参数；

第二获取模块，用于通过预置特征提取规则获取用户对所述目标业务的评论属性信息，所述评论属性信息包含正面评论信息、负面评论信息以及中性评论信息中的至少一项；

确定模块，用于根据所述第一获取模块获取的所述用户感知量和/或所述第二获取模块获取的所述评论属性信息确定所述目标业务的业务评估信息。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例中，提供了一种业务评估信息确定方法，由服务器先获取目标业务的用户感知量，该用户感知量为目标业务被用户感知的程度参数，接着服务器获取用户对目标业务的评论属性信息，最后根据用户感知量和/或所述评论属性信息确定所述目标业务的业务评估信息。通过上述方式，在评估目标业务时，充分地考虑到用户对目标业务的需求性，提升了社交行为对目标业务的影响，从而增强目标业务的推广效率和效能，同时，采用深度学习以及神经语言程序学相结合的方式获取评论属性信息，可以更精确的识别和判断用户情感面，有利于方案的准确性和可靠性。

附图说明

图1为本发明实施例中业务评估模型的系统架构图；

图2为本发明实施例中业务评估模型下载平台的架构示意图；

图3为本发明实施例中业务评估信息确定方法一个实施例示意图；

图4为本发明实施例中应用神经语言程序学方法的示意图；

图5为本发明实施例中一种多模型整合方法的效果对比示意图；

图6为业务评估模型中输入业务资源的界面效果图；

图7为业务评估模型中输入原发数据的界面效果图；

图8为业务评估模型中输出业务评估信息的界面效果图；

图9为业务评估模型中用户感知量的条形示意图；

图10为业务评估模型中口碑指数的条形示意图；

图11为业务评估模型中展示用户行为数据的界面示意图；

图12为本发明实施例中服务器一个实施例示意图；

图13为本发明实施例中服务器另一个实施例示意图；

图14为本发明实施例中服务器另一个实施例示意图；

图15为本发明实施例中服务器另一个实施例示意图；

图16为本发明实施例中服务器另一个实施例示意图；

图17为本发明实施例中服务器另一个实施例示意图；

图18为本发明实施例中服务器另一个实施例示意图；

图19为本发明实施例中服务器另一个实施例示意图；

图20为本发明实施例中服务器另一个实施例示意图；

图21为本发明实施例中服务器另一个实施例示意图；

图22为本发明实施例中服务器一个结构示意图。

具体实施方式

本发明实施例提供了一种业务评估信息确定方法以及服务器，可以在评估目标业务时，充分地考虑到用户对目标业务的需求性，提升了社交行为对目标业务的影响，从而增强目标业务的推广效率和效能。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应理解，本发明可以应用于业务评估模型，请参阅图1，图1为本发明实施例中业务评估模型的系统架构图，具体地，该业务评估模型又可以称为内容营销效果评估模型(英文全称：Sense-identify-share-action，英文缩写：SISA)，SISA系统基于成熟的下载平台、海杜普分布式文件系统(英文全称：Hadoop Distributed File System，英文缩写：HDFS)计算平台、检索系统以及应用语义分析技术来实现杂质清晰、正文提取和情感分析等功能，为业务提供趋势分析服务，通常采用200台以上的各类型机器。、

其中，在下载平台中包括了编写爬虫(英文全称：Spider)和开源的浏览器引擎(英文全称：Webkit)，Spider是用户编写的类，用于从一个域(或域组)中抓取信息。用户可以定义一个用于下载的统一资源定位符(英文全称：Uniform Resource Locator，英文缩写：URL)的初步列表，可以进行跟踪链接以及解析这些网页的内容，从而提取业务。而WebKit主要用于浏览器的开发，具有高效稳定且兼容性好的特点。

HDFS计算平台实现了一个分布式文件系统，该系统具有高容错性的特点，并且设计用来部署在低廉的硬件上，而且它提供高吞吐量来访问应用程序的数据，适合那些有着超大数据集的应用程序。HDFS可以以流的形式访问文件系统中的数据。

检索系统中包含两个模块，一个模块是用于存放实时数据的，且将这些数据放在SISA系统的内存中，可以以“天数”为维度评估业务的需求情况，因此在这个模块中通常存放一天的数据量。而另一个模块则是存储一段时间的数据，图中的3个月仅为一个示意，在实际应用中，还可以是其他时间段内的数据，这些数据存放于固态硬盘(英文全称：Solid State Drives，英文缩写：SSD)中，以便SISA系统调用一段时间内的数据。

此外，下载平台还为SISA系统单独搭建了Webkit引擎和调度系统，以实现直译式脚本语言(英文全称：JavaScript，英文缩写：JS)页面解析的需求，请参阅图2，图2为本发明实施例中业务评估模型下载平台的架构示意图，下载平台中包括接入模块、控制模块、爬虫模块和抽取模块，接入模块用于接收调度模块调度的数据，这些数据可以是运行系统获取的用户行为数据以及存储在系统中的用户行为数据，控制模块将这些数据进行数据再输入至爬虫模块，爬虫模块是可以自动获取网页内容的程序，也是搜索引擎的重要组成部分，最后由抽取模块抽取用户行为数据中的关键字进行语义识别。

下面将从服务器端的角度，对本发明中业务评估信息确定方法进行介绍，请参阅图3，本发明实施例中业务评估信息确定方法一个实施例包括：

101、获取目标业务的用户感知量，用户感知量为目标业务被用户感知的程度参数；

本实施例中，服务器通过相关资源获取关于目标业务的用户感知量。

目标业务具体可以是某个展示于社交类应用上的产品，也可以是展示于交互式应用上的产品，展示的方式包括文字、图片、音频、视频以及网页中的至少一种。用户感知量就是用户感知这个目标业务的程度，可以是喜欢目标业务，或者厌恶目标业务，也可以对目标业务保持中立的态度。

102、通过预置特征提取规则获取用户对目标业务的评论属性信息，评论属性信息包含正面评论信息、负面评论信息以及中性评论信息中的至少一项；

本实施例中，服务器除了获取目标业务的用户感知量，还需要获取用户对目标业务的评论属性信息，其中，步骤101与步骤102之间并不限定先后顺序。

具体地，获取用户对目标业务的评论属性信息需要考虑到两个问题，第一个问题是口语化表达层出不穷的问题，口语化表达随意性强，而且会常常出现一些新的表达，比如“城会玩”或者“然并卵”等。第二个问题是句式导致情感漂移，如果只用情感词特征会经常得到完全相反的情感极性，比如，正面评论为“这是一部好手机”，中性评论为“这是一部好手机吗”，负面评论为“这样算一部好手机吗”。为了解决情感分类中的难点，目前主流的方法可以分为两大类，一类是依靠神经语言程序学(英文全称：Neuro-Linguistic Programming，英文缩写：NLP)技术，以情感词、依存关系分析、句式识别和语言模型等为特征构建分类器，还有一类是使用深度学习以及词语嵌入技术训练一个深度学习模型。预置特征提取规则可以为上述两类方式中的至少一种。

其中，在本发明中主要是同时采用上述两种技术，即采用NLP+深度学习相结合的方式，通过NLP解决特征明确的情况分类问题，通过深度学习解决结合上下文才能判断情感分类的问题。例如，在评论中写道“这个苹果真好吃”，“真好吃”是正面词汇，于是采用NLP就可以推断该评论属性信息是正面评论信息，又例如，在评论中写道“他是个骄傲的人”以及“我为你感到骄傲”，此时“骄傲”就存在正面或者负面的两个意思，于是需要采用深度学习来确定该评论的属性。

为了便于理解，请参与图4，图4为本发明实施例中应用神经语言程序学方法的示意图，如图所示，NLP方法关键在于如何快速并自动地挖掘和补充特征，解决特征多变和口语化的问题，我们可以在十亿级社交媒体数据的基础上，以“小时”为最小时长进行单词、新词和组合词等的挖掘，并及时补充进特种库中。目前已经挖掘到各类有效特征七万个以上，这些特征会自动进行迭代，并且每天都会自动挖掘。

当我们采用这种NLP+深度学习相结合的方式来分析用户情况，并确定用户对目标业务的评论属性信息时，会达到更好且更准确的效果，请参阅图5，图5为本发明实施例中一种多模型整合方法的效果对比示意图，显而易见地，NLP+深度学习相结合的方式得到的情感分析准召率均在80％以上。

103、根据用户感知量和/或评论属性信息确定目标业务的业务评估信息。

本实施例中，服务器根据获取到的用户感知量计算得到目标业务的业务评估信息，也可以根据评论属性信息确定目标业务的业务评估信息，还可以结合用户感知量和评论属性信息确定目标业务的业务评估信息。

利用业务评估信息可以量化市场营销的工作效果，将较为感性的品牌塑造和口碑传播效应转化为可量化的数据指标。并通过将综合指数与产品数据直接打通，可直接解释产品用户与内容营销之间的关系，指导后续营销内容的制作和投放，丰富对用户行为的了解。

本发明实施例中，提供了一种业务评估信息确定方法，由服务器先获取目标业务的用户感知量，该用户感知量为目标业务被用户感知的程度参数，接着服务器获取用户对目标业务的评论属性信息，最后根据用户感知量和/或所述评论属性信息确定所述目标业务的业务评估信息。通过上述方式，在评估目标业务时，充分地考虑到用户对目标业务的需求性，提升了社交行为对目标业务的影响，从而增强目标业务的推广效率和效能，同时，采用深度学习以及神经语言程序学相结合的方式获取评论属性信息，可以更精确的识别和判断用户情感面，有利于方案的准确性和可靠性。

可选地，在上述图3对应的实施例的基础上，本发明实施例提供的业务评估信息确定方法第一个可选实施例中，获取目标业务的用户感知量，可以包括：

通过第一业务平台获取目标业务的第一用户感知参数；

通过第二业务平台获取目标业务的第二用户感知参数，第二业务平台是第一业务平台中的至少一个平台。

本实施例中，服务器获取的目标业务的用户感知量具体可以分为两个不同的参数，其一是服务器通过第一业务平台获取的第一用户感知参数，另一是服务器通过第二业务平台获取的第二用户感知参数。

具体地，第一用户感知参数是通过资源带来的用户感知量，即原生内容的触达量，原生内容是指需要付费的业务。第二用户感知参数是通过用户自发的二次传播带来的感知增量，二次传播是不需要付费的。

服务器通过第一业务平台提供的数据得到第一用户感知参数，第一业务平台包括了业务方的全部平台(外部平台以及内部平台)，外部平台可以包括但不仅限于“新闻”、“视频”、“微博”、“腾讯社交”、“应用程序”、“论坛”、“贴吧”、“QQ空间”、“电视”和“平面”等，内部平台包括但不仅限于“官网”、“游戏社区”和“游戏竞技平台”等。

服务器可以根据关键字通过第二业务平台提供抓取网络上相关的第二用户感知参数，第二业务平台包括了线上平台，即为全部平台中的一部分，线上平台包括但不仅限于“新闻”、“视频”、“微博”、“腾讯社交”、“应用程序”、“论坛”和“贴吧”等。

需要说明的是，用户感知业务的方式可以是以下三种方式中的至少一种，也可以是其他方式，此处不作限定。

方式一：用户在平台上点击了目标业务；

方式二：用户在平台上将选择光标停留在目标业务上，并且停留时间超过预设门限；

方式三：用户在平台上将选择光标多次移动到目标业务上，并且移动的次数大于预设门限。

其次，本发明实施例中，服务器还可以通过第一业务平台和第二业务平台获取第一用户感知参数和第二用户感知参数，也就是服务器获取的用户感知量可以具体划分为两种感知参数，通过上述方式，考虑到在实际应用中会因为用户感知方式的不同而需要不同类型的用户感知参数，从而提升用户感知量的准确性。

为了便于介绍，下面利于四种计算方式分别得到业务评估信息，在实际应用中，可以综合考虑这四类业务评估信息，以此得到各类型业务的需求性，以制定更为合理的业务推广方案。

一、效果评估综合指数

可选地，在上述图3或图3对应的第一个实施例的基础上，本发明实施例提供的业务评估信息确定方法第二个可选实施例中，

业务评估信息为效果评估综合指数；

根据用户感知量和/或评论属性信息确定目标业务的业务评估信息，可以包括：

根据用户感知量和评论属性信息确定效果评估综合指数。

本实施例中，当业务评估信息为效果评估综合指数时，服务器需要通过第一用户感知参数、第二用户感知参数以及评论属性信息计算效果评估综合指数。其中，效果评估综合指数主要是评估业务口碑的综合表现，该效果评估综合指数越高，表示业务在市面上的声量以及口碑综合表现越好。

再次，本发明实施例中，可以将效果评估综合指数作为业务评估信息，以此衡量目标业务在市场上的口碑表现，通过该效果评估综合指数解释业务与营销之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图3对应的第二个实施例的基础上，本发明实施例提供的业务评估信息确定方法第三个可选实施例中，根据用户感知量和评论属性信息确定效果评估综合指数，可以包括：

按照如下方式计算效果评估综合指数：

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

S表示效果评估综合指数；

S1表示第一用户感知参数；

S2表示第二用户感知参数；

k表示内容影响力系数，其中，包括视频影响力系数、页面影响力系数、文字影响力系数以及图片影响力系数中的至少一种；

a表示正面评论信息的数量；

b表示中性评论信息的数量；

c表示负面评论信息的数量。

本实施例中，在用于计算效果评估综合指数的公式中，S还可以称为为SISA综合指数，SISA综合指数用于评估业务内容口碑的综合表现，指数越高就说明该业务在市面上的口碑越好。

假设服务器通过全部的平台获取到第一用户感知参数S1为50000，通过线上平台获取到第二用户感知参数S2为20000，k为图片影响力系数，可设置为1，如果是视频影响力系数，可设置为2，页面影响力系数可以为1.6，文字影响力系数可以为1，此处不作限定。正面评论信息的数量a为20000，中性评论信息的数量b为10000，负面评论信息的数量c为40000，则效果评估综合指数的计算结果为：

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

还可以在一段时间内针对不同的业务进行效果评估综合指数的计算，从而可以和横向比较业务口碑的变化。

进一步地，本发明实施例中，具体介绍了一个效果评估综合指数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

二、口碑指数

可选地，在上述图3或图3对应的第一个实施例的基础上，本发明实施例提供的业务评估信息确定方法第四个可选实施例中，业务评估信息为口碑指数，口碑指数用于指示目标业务的受欢迎程度；

根据用户感知量和/或评论属性信息确定目标业务的业务评估信息，可以包括：

根据评论属性信息确定口碑指数。

本实施例中，当业务评估信息为口碑指数时，服务器需要结合NLP和深度学习的方法从诸多的用户评论中确定评论属性信息。口碑指数包括正面口碑和负面口碑，也就是可以看出目标业务的受欢迎程度，口碑指数越高可以表明使用目标业务的用户在社交平台上的评论交互量越大，且正面或者负面的评论越多，但是无论是正面还是负面的评论，从一定意义上来说，都是用户对目标业务的使用体验。

目前，如上述实施例所述，本方案可以采用预置特征提取规则获取评论属性信息，预置特征提取规则可以是NLP、深度学习或者两者的结合，下面简单介绍这两种方法如何运用。

以NLP解决口语化问题的问题举例说明，假设出现一口语化词语“毁三观”，可以先计算这个词语的点互信息(英文全称：Point-Wise Mutual Information，英文缩写：PMI)值和H值，PMI计算“毁”、“三”和“观”三个单字同时出现的概率，代表这几个单字组合成词的相关性，该值越高，标识成为词组的可能性越大。H值计算“毁三观”这个单词前后上下文的变化性越强，该词独立成词的可能性越大。以“毁三观”为例：

单词中的字相关性高，经常一起出现。

MI(毁,三观)＝0.6÷(0.8×1.0)＝0.75

MI(毁三,观)＝0.6÷(0.6×1.0)＝1.0

PMI(毁,三,观)＝min{MI(毁,三观),MI(毁三,观)}＝0.75

单词可以灵活地运用到多种语境中。

“毁三观”前置上下文＝{就(1/3)，在(1/3)，会(1/3)}

“毁三观”后置上下文＝{的(1/3)，了(1/3)，呀(1/3)}

H(毁三观)＝-log(1×1/3)-log(1×1/3)-log(1×1/3)＝1.43

根据计算特征以及设定阈值，可以选取满足条件的词语，通常取PMI大于0.001，H大于0.9的词语。

而深度学习则会对同一个情感词进行分析，结合上下文来判断该感情次属于正面情绪、负面情绪还是中性情绪的。

再次，本发明实施例中，可以将口碑指数作为业务评估信息，综合考虑网络上的口碑声量以及正负面评论信息，口碑指数越高，表明使用目标业务的用户在社交平台上的评论交互量越大，且评论的正面性或者负面性也越强。通过该口碑指数解释了用户评论与目标业务之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图3对应的第四个实施例的基础上，本发明实施例提供的业务评估信息确定方法第五个可选实施例中，根据评论属性信息确定口碑指数，可以包括：

按照如下方式计算口碑指数：

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

I表示口碑指数；

a表示正面评论信息的数量；

b表示中性评论信息的数量；

c表示负面评论信息的数量。

本实施例中，在用于计算口碑指数的公式中，假设服务器获取到正面评论信息的数量a为20000，中性评论信息的数量b为10000，负面评论信息的数量c为40000，则口碑指数计算结果为：

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

以此可以得到负面占比约为57％，口碑指数为8.434。

进一步地，本发明实施例中，具体介绍了一个口碑指数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

三、扩散系数

可选地，在上述图3或图3对应的第一个实施例的基础上，本发明实施例提供的业务评估信息确定方法第六个可选实施例中，业务评估信息为扩散系数，扩展系数用于指示目标业务的传播程度，扩展系数越大，目标业务的传播范围越广；

根据用户感知量和/或评论属性信息确定目标业务的业务评估信息，可以包括：

根据用户感知量确定扩散系数。

本实施例中，当业务评估信息为扩散系数时，服务器需要通过第一用户感知参数和第二用户感知参数计算效果评估综合指数。其中，扩散系数主要用于反映目标业务的二次扩散效应，扩散系数越高，说明目标业务的传播扩散越好。

再次，本发明实施例中，可以将扩散系数作为业务评估信息，综合考虑到目标业务的二次扩散效应，扩散系数越大表明业务传播扩散的越好。通过该扩散系数解释了二次传播与目标业务之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图3对应的第六个实施例的基础上，本发明实施例提供的业务评估信息确定方法第七个可选实施例中，根据用户感知量确定扩散系数，可以包括：

按照如下方式计算扩散系数：

Q＝(S1+S2)÷S1

Q表示扩散系数；

S1表示第一用户感知参数；

S2表示第二用户感知参数。

本实施例中，假设服务器通过全部的平台获取到第一用户感知参数S1为50000，通过线上平台获取到第二用户感知参数S2为20000，则扩散系数的计算结果为：

Q＝(S1+S2)÷S1

＝(50000+20000)÷50000

＝1.4

以此可以得到业务的扩散系数为1.4，多个不同的业务之间可以通过扩散系数来横向比较二次传播程度，当然，同一项业务也可以通过不同的营销方式得到不同的扩散系数，从而纵向比较哪种营销方式更有利于二次传播。

进一步地，本发明实施例中，具体介绍了一个扩散系数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

四、成本系数

可选地，在上述图3或图3对应的第一个实施例的基础上，本发明实施例提供的业务评估信息确定方法第八个可选实施例中，业务评估信息为成本系数，成本系数用于表示每次获取用户感知量的成本；

根据用户感知量和/或评论属性信息确定目标业务的业务评估信息，可以包括：

根据用户感知量确定成本系数。

本实施例中，当业务评估信息为成本系数时，服务器需要通过第一用户感知参数和第二用户感知参数以计算效果评估综合指数。其中，成本系数又可以称为营销感知成本(英文全称：Cost Per Click，英文缩写：CPC)，即网络广告每次点击所需要花费的成本，CPC是做为网络广告投放效果的重要参考数据。例如，关键词广告等依据效果付费的广告形式，一般采用这种定价模式。

CPC越低越受欢迎，表明通过渠道的优选或者内容质量的提供，获取到的用户关注成本降低。

再次，本发明实施例中，可以将成本系数作为业务评估信息，综合考虑到感知成本与业务之间的关系，成本系数越低，表示通过渠道的优选或者业务内容质量的提高，获取到的用户关注成本就越低。通过该成本系数解释了业务成本与目标业务之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图3对应的第八个实施例的基础上，本发明实施例提供的业务评估信息确定方法第九个可选实施例中，根据用户感知量确定成本系数，可以包括：

按照如下方式计算成本系数：

CPC＝M÷((S1+S2)×k)

CPC表示成本系数；

M表示对目标业务所投入的总成本；

S1表示第一用户感知参数；

S2表示第二用户感知参数；

k表示内容影响力系数，其中，包括视频影响力系数、页面影响力系数、文字影响力系数以及图片影响力系数中的至少一种。

本实施例中，假设服务器通过全部的平台获取到第一用户感知参数S1为50000，通过线上平台获取到第二用户感知参数S2为20000，k为图片影响力系数，可设置为1，对某个业务投入的总成本M可以为80000，则成本系数的计算结果为：

CPC＝M÷((S1+S2)×k)

＝80000÷((50000+20000)×1)

＝1.14

进一步地，本发明实施例中，具体介绍了一个成本系数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

为便于理解，下面可以以一个具体应用场景对本发明中一种业务评估信息确定的方法进行详细描述，具体为：

某个公司今年推出一款游戏产品，并需要为其制定较好的营销方案，以获得更好的效益，目前，该公司采用了本发明介绍的一款业务评估模型系统，用于对游戏产品的内容营销效果进行评估。

首先，公司人员可以通过业务评估模型系统跟踪该游戏产品的节点和日常相关营销内容的综合传播SISA指数，请参阅图6，图6为业务评估模型中输入业务资源的界面效果图，公司人员需要定期录入系统排期以及投放链接所需费用。并且在该业务评估模型系统中可选择时间段和/或产品名称，以此来复查录入的相关原发内容数据，具体可以参考图7，图7为业务评估模型中输入原发数据的界面效果图。

进一步地，还可以通过该业务评估模型系统查看每日SISA综合指数，以及查看其他详细内容关键词和指标项数据，系统输出的内容包括图8所示的部分，通过图8输出的业务评估信息不难看出，SISA指数在2016年6月19日较高，也就是用户感知该游戏产品的情况更好。综合图9与图10所示的条形示意图，还能进一步了解用户感知量最大的来源于“微博”，其次是“腾讯视频”和“微信公众号”，而用户口碑指数在2016年6月15日起增大，其中，用户在评论中最常用到的三个词组分别是“情怀”、“坑钱”和“公会”，显然“坑钱”是一个带有负面情绪的词语，从用户评论中可以了解相当一分的用户还不能很认可这项游戏产品。

于是，公司人员根据这些相关的数据以知道实际业务中的内容、渠道和费用的投放，公司可以利用不同平台间的账号交叉匹配，实现跟踪该游戏产品的注册、活跃、回流和付费等，了解分层用户对平台中营销内容的需求性，并且丰富对产品的了解，请参阅图11，图11为业务评估模型中展示用户行为数据的界面示意图。公司人员根据用户行为数据来指导后期的营销策略，从而提升产品的受欢迎程度。

下面对本发明中的服务器进行详细描述，请参阅图12，本发明实施例中的服务器20包括：

第一获取模块201，用于获取目标业务的用户感知量，所述用户感知量为所述目标业务被用户感知的程度参数；

第二获取模块202，用于通过预置特征提取规则获取用户对所述目标业务的评论属性信息，所述评论属性信息包含正面评论信息、负面评论信息以及中性评论信息中的至少一项；

确定模块203，用于根据所述第一获取模块201获取的所述用户感知量和/或所述第二获取模块202获取的所述评论属性信息确定所述目标业务的业务评估信息。

本实施例中，第一获取模块201获取目标业务的用户感知量，所述用户感知量为所述目标业务被用户感知的程度参数，第二获取模块202通过预置特征提取规则获取用户对所述目标业务的评论属性信息，所述评论属性信息包含正面评论信息、负面评论信息以及中性评论信息中的至少一项，确定模块203根据所述第一获取模块201获取的所述用户感知量和/或所述第二获取模块202获取的所述评论属性信息确定所述目标业务的业务评估信息。

本发明实施例中，提供了一种用于业务评估信息确定的服务器，由服务器先获取目标业务的用户感知量，该用户感知量为目标业务被用户感知的程度参数，接着服务器通过预置特征提取规则获取用户对目标业务的评论属性信息，最后根据用户感知量和/或所述评论属性信息确定所述目标业务的业务评估信息。通过上述方式，在评估目标业务时，充分地考虑到用户对目标业务的需求性，提升了社交行为对目标业务的影响，从而增强目标业务的推广效率和效能，同时，采用深度学习以及神经语言程序学相结合的方式获取评论属性信息，可以更精确的识别和判断用户情感面，有利于方案的准确性和可靠性。

可选地，在上述图12所对应的实施例的基础上，请参阅图13，本发明实施例提供的服务器20的另一实施例中，

所述第一获取模块201包括：

第一获取单元2011，用于通过第一业务平台获取所述目标业务的所述第一用户感知参数；

第二获取单元2012，用于通过第二业务平台获取所述目标业务的所述第二用户感知参数，所述第二业务平台是所述第一业务平台中的至少一个平台。

其次，本发明实施例中，服务器还可以通过第一业务平台和第二业务平台获取第一用户感知参数和第二用户感知参数，也就是服务器获取的用户感知量可以具体划分为两种感知参数，通过上述方式，考虑到在实际应用中会因为用户感知方式的不同而需要不同类型的用户感知参数，从而提升用户感知量的准确性。

可选地，在上述图12或图13所对应的实施例的基础上，请参阅图14，本发明实施例提供的服务器20的另一实施例中，

所述业务评估信息为效果评估综合指数；

所述确定模块203包括：

第一确定单元2031，用于根据所述用户感知量和所述评论属性信息确定所述效果评估综合指数。

再次，本发明实施例中，可以将效果评估综合指数作为业务评估信息，以此衡量目标业务在市场上的口碑表现，通过该效果评估综合指数解释业务与营销之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图14所对应的实施例的基础上，请参阅图15，本发明实施例提供的服务器20的另一实施例中，

所述第一确定单元2031包括：

第一计算子单元20311，用于按照如下方式计算所述效果评估综合指数：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表示所述效果评估综合指数；

所述S1表示所述第一用户感知参数；

所述S2表示所述第二用户感知参数；

所述k表示内容影响力系数，其中，包括视频影响力系数、页面影响力系数、文字影响力系数以及图片影响力系数中的至少一种；

所述a表示所述正面评论信息的数量；

所述b表示所述中性评论信息的数量；

所述c表示所述负面评论信息的数量。

进一步地，本发明实施例中，具体介绍了一个效果评估综合指数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

可选地，在上述图12或图13所对应的实施例的基础上，请参阅图16，本发明实施例提供的服务器20的另一实施例中，

所述业务评估信息为口碑指数，所述口碑指数用于指示所述目标业务的受欢迎程度；

所述确定模块203包括：

第二确定单元2032，用于根据所述评论属性信息确定所述口碑指数。

再次，本发明实施例中，可以将口碑指数作为业务评估信息，综合考虑网络上的口碑声量以及正负面评论信息，口碑指数越高，表明使用目标业务的用户在社交平台上的评论交互量越大，且评论的正面性或者负面性也越强。通过该口碑指数解释了用户评论与目标业务之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图16所对应的实施例的基础上，请参阅图17，本发明实施例提供的服务器20的另一实施例中，

所述第二确定单元2032包括：

第二计算子单元20321，用于按照如下方式计算所述口碑指数：

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

所述I表示所述口碑指数；

所述a表示所述正面评论信息的数量；

所述b表示所述中性评论信息的数量；

所述c表示所述负面评论信息的数量。

进一步地，本发明实施例中，具体介绍了一个口碑指数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

可选地，在上述图12或图13所对应的实施例的基础上，请参阅图18，本发明实施例提供的服务器20的另一实施例中，

所述业务评估信息为扩散系数，所述扩展系数用于指示所述目标业务的传播程度，所述扩展系数越大，所述目标业务的传播范围越广；

所述确定模块203包括：

第三确定单元2033，用于根据所述用户感知量确定所述扩散系数。

再次，本发明实施例中，可以将扩散系数作为业务评估信息，综合考虑到目标业务的二次扩散效应，扩散系数越大表明业务传播扩散的越好。通过该扩散系数解释了二次传播与目标业务之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图18所对应的实施例的基础上，请参阅图19，本发明实施例提供的服务器20的另一实施例中，

所述第三确定单元2033包括：

第三计算子单元20331，用于按照如下方式计算所述扩散系数：

Q＝(S1+S2)÷S1

所述Q表示所述扩散系数；

所述S1表示所述第一用户感知参数；

所述S2表示所述第二用户感知参数。

进一步地，本发明实施例中，具体介绍了一个扩散系数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

可选地，在上述图12或图13所对应的实施例的基础上，请参阅图20，本发明实施例提供的服务器20的另一实施例中，

所述业务评估信息为成本系数，所述成本系数用于表示每次获取所述用户感知量的成本；

所述确定模块203包括：

第四确定单元2034，用于根据所述用户感知量确定所述成本系数。

再次，本发明实施例中，可以将成本系数作为业务评估信息，综合考虑到感知成本与业务之间的关系，成本系数越低，表示通过渠道的优选或者业务内容质量的提高，获取到的用户关注成本就越低。通过该成本系数解释了业务成本与目标业务之间的关系，以此指导后续营销内容的制作和投放，丰富对用户行为的了解，从而增强方案的实用性。

可选地，在上述图20所对应的实施例的基础上，请参阅图19，本发明实施例提供的服务器21的另一实施例中，

所述第四确定单元2034包括：

第四计算子单元20341，用于按照如下方式计算所述成本系数：

CPC＝M÷((S1+S2)×k)

所述CPC表示所述成本系数；

所述M表示对所述目标业务所投入的总成本；

所述S1表示所述第一用户感知参数；

所述S2表示所述第二用户感知参数；

所述k表示内容影响力系数，其中，包括视频影响力系数、页面影响力系数、文字影响力系数以及图片影响力系数中的至少一种。

进一步地，本发明实施例中，具体介绍了一个成本系数的计算方式，从而为方案的实现提供了切实有效的实现依据，以此提升方案的实用性和可行性。

图22是本发明实施例提供的一种服务器结构示意图，该服务器300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)322(例如，一个或一个以上处理器)和存储器332，一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中，存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储介质330通信，在服务器300上执行存储介质330中的一系列指令操作。

服务器300还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口353，和/或，一个或一个以上操作系统341，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上述实施例中由服务器所执行的步骤可以基于该图22所示的服务器结构。

所述中央处理器322用于。

获取目标业务的用户感知量，所述用户感知量为所述目标业务被用户感知的程度参数；

获取用户对所述目标业务的评论属性信息，所述评论属性信息包含正面评论信息、负面评论信息以及中性评论信息中的至少一项；

根据所述用户感知量和/或所述评论属性信息确定所述目标业务的业务评估信息。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-Only Memory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。