本发明实施例涉及互联网技术领域，尤其涉及一种内容质量评估方法、装置、设备和介质。
背景技术：
随着互联网行业的飞速发展，用户评论作为用户交互特有的一种资源变得越来越有价值，用户评论不仅能够引导用户的消费决策，还能对品牌口碑的建立起到决定性的作用。
然而，用户评论的质量参差不齐，因此需要对评论的质量进行评估，以确定出优质评论。目前业内已知的评估方法仍停留在对低俗评论的识别，优质评论的识别仍需要人工的方式介入。
发明人在实现本发明的过程中发现，现有技术存在如下缺陷：
1)效率低，优质评论的识别需要人工介入，在互联网数据海量增长的今天，这无疑是一项非常耗时的工作。2)客观性差，优质评论的识别需要人工进行干预，然而不同的人对于同一个评论的评估结果或许大相径庭，人工评估存在客观性差的弊端。
技术实现要素：
本发明实施例提供一种内容质量评估方法、装置、设备和介质，以实现对优质内容的自动识别。
第一方面，本发明实施例提供了一种内容质量评估方法，该方法包括：
提取待评估内容的特征，其中所述特征包括丰富度、相关度和健康度中至少两个维度的特征；
根据所述特征，利用预先训练的质量评估模型对所述待评估内容进行评估；
根据评估结果确定优质内容。
第二方面，本发明实施例还提供了一种内容质量评估装置，该装置包括：
特征提取模块，用于提取待评估内容的特征，其中所述特征包括丰富度、相关度和健康度中至少两个维度的特征；
评估模块，用于利用预先训练的质量评估模型对所述待评估内容进行评估；
结果确定模块，用于根据评估结果确定优质内容。
第三方面，本发明实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的内容质量评估方法。
第四方面，本发明实施例还提供了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如本发明实施例中任一所述的内容质量评估方法。
本发明实施例通过基于丰富度、相关度和健康度中至少两个维度的特征对待评估内容进行质量评估。因为丰富度、相关度和健康度中至少两个维度的特征可以有效地反应内容的质量，从而实现对待评估内容质量的准确评估。
附图说明
图1为本发明实施例一提供的一种内容质量评估方法的流程图；
图2是本发明实施例二提供的一种内容质量评估方法的流程图；
图3是本发明实施例三提供的一种内容质量评估方法的流程图；
图4是本发明实施例四提供的一种内容质量评估方法的流程图；
图5是本发明实施例四提供的一种质量评估模型的建立方法的流程图；
图6是本发明实施例五提供的一种内容质量评估装置的结构示意图；
图7为本发明实施例六提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种内容质量评估方法的流程图。本实施例可适用于对待评估内容进行质量评估的情况，典型的可以适用于对用户评论进行质量评估的情况。该方法可以由一种内容质量评估装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的内容质量评估方法包括：
S110、提取待评估内容的特征，其中所述特征包括丰富度、相关度和健康度中至少两个维度的特征。
其中，待评估内容可以是留言、问题的回复或搜索结果等。典型的，所述待评估内容可以是用户评论，该评论可以是对商品的评论，也可以是对其他内容的评论。
上述特征可以包括好评度的特征和评论时间的特征。可以理解的是，上述特征还可以包括很多维度特征。为使特征有效地反应待评估内容的质量，典型的上述特征包括丰富度、相关度和健康度中至少两个维度的特征。
其中，丰富度的特征表示内容的丰富程度。相关度的特征表示内容与主题的相关程度。健康度的特征表示内容的健康程度。
S120、根据所述特征，利用预先训练的质量评估模型对所述待评估内容进行评估。
其中，所述质量评估模型可以通过机器学习得到。
S130、根据评估结果确定优质内容。
具体的，可以将评估结果中大于设定评分阈值的内容确定为优质内容。
进一步的，在确定优质内容后，可以提升优质内容的排序权重，让用户第一时间接收到优质内容。
具体的，若优质内容是针对商品的优质评论，则可以继续对优质评论进行分析，根据分析结果确定商品的不足之处。从而根据该不足之处对商品进行调整，实现对商品的完善。
本发明实施例的技术方案，通过基于丰富度、相关度和健康度中至少两个维度的特征对待评估内容进行质量评估。因为丰富度、相关度和健康度中至少两个维度的特征可以有效地反应内容的质量，从而实现对待评估内容质量的准确评估。
可以理解的是，针对不同内容反映该内容质量的特征也可能不同，如果均使用相同特征进行评估，无疑会降低对内容的评估准确率。为此，本实施例提供的内容质量评估方法还包括所述特征的确定，确定过程可以包括：
基于贡献度对内容样本进行特征筛选，将筛选后的特征作为所述特征。
具体的，可以将贡献度大于设定贡献度阈值的特征作为所述特征。
贡献度的确定方法可以是现有技术中的任意一种贡献度确定方法。典型的，贡献度的确定方法中可以是:通过测定各特征的皮尔逊相关系数，确定特征对分类的贡献程度。
可选的，贡献度的确定方法也可以是：以在内容样本中选取若干子样本集；利用一特征对子样本集进行训练，得到随机森林模型；利用随机森林模型中的基尼系数提取该特征的贡献度。
具体的，所述丰富度的特征包括：所述待评论内容的总字数、所述待评论内容中的图片数、所述待评论内容中是否有重复内容、所述待评论内容中词性的种类、所述待评论内容是否有语义和所述待评论内容中包含图片的种类中的至少一种子特征。
所述相关度的特征包括：内容相关度子特征和/或感情相关度子特征。
所述健康度的特征包括:色情、低俗和广告中的至少一种特征。
其中，内容相关度子特征是指，所述待评论内容的图文与主题的相关度特征。感情相关度子特征是指，用户评分与所述待评论内容文本感情色彩的相关度特征。
具体的，所述丰富度的特征、所述相关度的特征以及健康维度的特征的确定(也即所述丰富度的特征、所述相关度的特征以及健康维度的特征中具体包括那些子特征)可以通过上述特征筛选确定。上述子特征的判断方法可以是现有技术中的任意一种，本实施例对此并不进行任何限制。
典型的，所述待评论内容是否有语义的判断方法可以是：对所述待评论内容进行切词处理，提取一个或多个文本特征；根据预先训练的语义识别模型对文本特征进行分类处理，获取与文本特征对应的语义置信度；若语义置信度小于预设阈值，则确定所述待评论内容不具有语义。
待评论内容的图文与主题的相关度可以通过相似语义词的出现频率确定。为提高相关度的确定准确率，可以先分别对所述待评论内容的图文和主题进行语义分析，确定表示内容的关键概念和主题的关键概念；基于关键概念确定语义距离；根据距离确定待评论内容的图文与主题的相关度。
用户评分与所述待评论内容文本感情色彩的相关度的判断方法可以是：将所述待评论内容文本以标点符号划分为不同的分句；使用基于词语依存关系路径的观点抽取算法抽取出文档中的观点集合；根据观点集合，利用预先训练的观点倾向模型，预测所述评论内容的观点倾向；将该观点倾向与用户评分比较，确定两者的相关度。
实施例二
图2是本发明实施例二提供的一种内容质量评估方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的内容质量评估方法包括：
S210、对确定的初始特征进行组合。
其中，组合是从确定的初始特征中取出设定特征个数的特征组合。
S220、根据不同特征组合进行准确率的交叉验证。
具体的，在给定的建模样本中，拿出大部分样本利用确定的特征组合进行建模，留小部分样本用刚建立的模型进行预报，并求出这小部分样本的预报误差；根据预报误差确定上述特征组合的准确率。
S230、根据交叉验证结果确定最佳特征组合，并将最佳特征组合中的初始特征作为最终特征。
具体的，将准确率最高的特征组合确定为最佳特征组合，将最佳特征组合中的初始特征作为最终特征。
S240、提取待评估内容的最终特征，其中所述最终特征包括丰富度、相关度和健康度中至少两个维度的特征。
S250、根据所述最终特征，利用预先训练的质量评估模型对所述待评估内容进行评估。
S260、根据评估结果确定优质内容。
本实施例的技术方案，通过首先对确定的初始特征进行组合，然后对组合的特征进行准确率的交叉验证，以确定出针对不同类内容的最佳特征组合。基于最佳特征组合对待评估内容进行预评估，以提高评估的准确率。
实施例三
图3是本发明实施例三提供的一种内容质量评估方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3，本实施例提供的内容质量评估方法包括：
S310、利用不同分类算法进行准确率的交叉验证。
具体的，在给定的建模样本中，拿出大部分样本基于不同分类算法进行建模，留小部分样本用刚建立的模型进行预报，并求出这小部分样本的预报误差；根据不同分类算法的预报误差确定不同分类算法的准确率。
S320、根据交叉验证结果确定最佳分类算法。
具体的，将准确率最高的分类算方法作为最佳分类算法。
S330、根据所述最佳分类算法确定所述质量评估模型。
S340、提取待评估内容的特征，其中所述特征包括丰富度、相关度和健康度中至少两个维度的特征。
S350、根据所述特征，利用所述质量评估模型对所述待评估内容进行评估。
S360、根据评估结果确定优质内容。
本实施例的技术方案，通过对不同分类算法进行准确率的交叉验证，确定出最佳分类算法。利用最佳分类算法建立质量评估模型，进一步提高了内容评估的准确率。
实施例四
图4是本发明实施例四提供的一种内容质量评估方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图4，本实施例提供的内容质量评估方法包括：
S410、基于贡献度对内容样本进行特征筛选，将筛选后的特征作为初始特征。
S420、对确定的初始特征进行组合。
S430、根据不同特征组合和不同分类算法进行准确率的交叉验证。
S440、根据交叉验证结果确定最佳特征组合和最佳分类算法。
S450、根据最佳特征组合和最佳分类算法，建立质量评估模型。
S460、根据最佳特征组合确定最终特征，提取待评估内容的最终特征，其中所述最终特征包括丰富度、相关度和健康度三个维度的特征。
S470、根据所述最终特征，利用所述质量评估模型对所述待评估内容进行评估。
S480、根据评估结果确定优质内容。
需要说明的是，本实施例中最终特征的维度必须包括丰富度、相关度和健康度。S410至S460是对丰富度、相关度和健康度三个维度的特征中具体包含了哪些子特征的筛选。
参见图5，在实际应用中基于内容为用户评论的质量评估模型的建立过程可以描述为：
1)特征工程阶段：由样本采集、特征提取、特征处理以及特征选取四个阶段构成。
其中，在样本采集阶段，搜集了上万条用户评论，通过人工标注的方式进行正负样本的搜集；
在特征采集阶段，搜集了评论健康度、相关度、丰富度三个维度相关的20多个特征，其中健康度维度提取了是否黄反、是否低俗、是否广告等特征，相关度提取了图文与主题的相关度、用户评分与文本感情色彩的相关度等特征，丰富度提取了总字数、图片数、是否重复内容、词性分析、是否无语义、图片种类等特征；
在特征处理阶段，主要对特征进行离散化、归一化、特征降维等预处理；
在特征选取阶段：参考皮尔逊相关系数法以及随机森林特征排序法对特征进行贡献度分析，选取贡献度较高的特征。
2)模型建立阶段：通过对选取出来的各项特征进行组合训练，对比多种分类算法效果，以交叉验证准确率作为评价标准选取最佳分类器，建立用户评论的质量评估模型。
上述方法的有益效果在于，通过对大量用户评论进行数据分析，建立了一个由健康度、相关度、丰富度三个维度组成的评估模型，通过机器学习建立分类决策模型，完成用户评论的自动评估。
上述方法应用于针对用户提交的评论，可以实时给出评估结果。对于低质内容，平台可以采取屏蔽措施，建立可靠的安全防护网；对于优质内容，平台可以提升评论排序权重，让用户第一时间接收到优质评论。
本发明实施例提供的技术方案，通过对特征进行筛选和组合验证，同时对分类算法进行验证。然后利用验证后的最佳特征组合和最佳分类算法建立质量评估模型，实现对待评估内容的准确评估。
需要注意的是，基于不同类待评估内容，通过分类算法的验证，得到的最佳分类算法也不同。相比针对不同类待评估内容利用相同分类算法建立模型，本方案可以进一步提高对待评估内容的评估准确率。
需要强调的是，经过本实施例的技术教导，本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合，以实现对内容质量的评估。
实施例五
图6是本发明实施例五提供的一种内容质量评估装置的结构示意图。参见图6，本实施例提供的内容质量评估装置包括：特征提取模块10、评估模块20和结果确定模块30。
其中，特征提取模块10，用于提取待评估内容的特征，其中所述特征包括丰富度、相关度和健康度中至少两个维度的特征；
评估模块20，用于利用预先训练的质量评估模型对所述待评估内容进行评估；
结果确定模块30，用于根据评估结果确定优质内容。
本发明实施例的技术方案，通过基于丰富度、相关度和健康度中至少两个维度的特征对待评估内容进行质量评估。因为丰富度、相关度和健康度中至少两个维度的特征可以有效地反应内容的质量，从而实现对待评估内容质量的准确评估。
进一步的，所述的装置还包括：特征筛选模块。
其中，特征筛选模块，用于基于贡献度对内容样本进行特征筛选，将筛选后的特征作为所述特征。
进一步的，所述装置还包括：特征组合模块、组合验证模块和最佳组合确定模块。
其中，特征组合模块，用于对确定的初始特征进行组合；
组合验证模块，用于根据不同特征组合进行准确率的交叉验证；
最佳组合确定模块，用于根据交叉验证结果确定最佳特征组合，并将最佳特征组合中的初始特征作为所述特征。
进一步的，所述装置还包括：算法验证模块、算法确定模块和模型确定模块。
其中，算法验证模块，用于根据所述特征，利用不同分类算法进行准确率的交叉验证；
算法确定模块，用于根据交叉验证结果确定最佳分类算法；
模型确定模块，用于根据所述最佳分类算法确定所述质量评估模型。
进一步的，所述丰富度的特征包括：所述待评论内容的总字数、所述待评论内容中的图片数、所述待评论内容中是否有重复内容、所述待评论内容中词性的种类、所述待评论内容是否有语义和所述待评论内容中包含图片的种类中的至少一种子特征；
所述相关度的特征包括：内容相关度子特征和/或感情相关度子特征。
实施例六
图7为本发明实施例六提供的一种设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性设备12的框图。图7显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的内容质量评估方法。
实施例七
本发明实施例七还提供了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如本发明实施例中任一所述的内容质量评估方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。