(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211294547.8 (22)申请日 2022.10.21 (71)申请人 鹏展万国电子商务 （深圳） 有限公司 地址 518000 广东省深圳市南 山区西丽 街 道松坪山社区朗山路19 号源政创业大 厦A座十层10 02 (72)发明人 陈思敏　叶海龙　刘丹　 (74)专利代理 机构 深圳市中科创为专利代理有 限公司 4 4384 专利代理师 尹益群　杨春 (51)Int.Cl. G06Q 30/06(2012.01) G06F 16/2458(2019.01) G06F 16/2457(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于人工智能的商品排序系统及方法 (57)摘要 本发明提出一种基于人工智能的商品排序 系统及方法， 采用本发明的方法， 在提取出正面 评价数据、 负面评价数据和中性评价数据后， 根 据所述商品基本数据、 所述卖家数据、 所述正面 评价数据、 所述负面评价数据和所述中性评价数 据， 结合预设的综合评价模型， 得到所述第一商 品的第一 综合评价值； 并在计算完所有商品的所 述第一综合评价值后， 根据每个商品的所述第一 综合评价值， 对所有商品进行排序， 从多个因素 综合衡量， 提供更合理更能贴合用户需求的排序 方案， 提高了用户的购物体验。 权利要求书3页 说明书10页 附图2页 CN 115526690 A 2022.12.27 CN 115526690 A 1.一种基于人工智能的商品排序系统， 其特征在于， 包括： 获取模块、 处理模块和排序 模块； 所述获取模块被 配置为： 获取第一商品的商品基本数据以及所述第一商品对应的卖家数据； 获取所述第一商品对应的且包含买家标识 的买家数据以及所述买家标识对应的评价 数据； 所述处理模块被 配置为： 将所述评价数据按所述买家标识和所述评价数据提交的时间进行编号生成评价标识 符， 得到第一评价数据， 所述第一评价数据包括评价总数量； 对所述第一评价数据进行分类与清洗， 得到第二评价数据； 利用关键词识别算法从所述第二评价数据中提取 出第三评价数据； 从所述第三评价数据中分离出正 面评价数据、 负面评价数据和中性评价数据； 根据所述商品基本数据、 所述卖家数据、 所述正面评价数据、 所述负面评价数据和所述 中性评价数据， 结合预设的综合评价模型， 得到所述第一商品的第一综合评价 值； 所述排序模块被配置为： 计算完所有商品的所述第一综合评价值后， 根据每个商品的 所述第一综合评价 值， 对所有 商品进行排序。 2.根据权利要求1所述的基于人工智能的商品排序系统， 其特征在于， 所述获取模块被 配置为： 采集所述第一商品的同类商品和/或相似类别商品的参 考品评价数据； 所述处理模块被 配置为： 利用关键词识别算法从所述 参考品评价数据中提取 出参考主题； 将所述参考主题输入预先训练好的评价分类器， 得到正面参考评价数据、 负面参考评 价数据和中性 参考评价数据； 将所述正面参考评价数据、 所述负面参考评价数据和所述中性参考评价数据分别作为 训练数据对神经网络进行训练， 得到正面评价值计算模型、 负面评价值计算模型和中性评 价值计算模型。 3.根据权利要求2所述的基于人工智能的商品排序系统， 其特征在于， 在所述利用关键 词识别算法从所述第二评价数据中提取出第三评价数据的步骤， 所述处理模块具体被配置 为： 利用关键词识别算法从所述第二评价数据中提取 出主题关键词； 将所述主题关键词输入所述预先训练好的评价分类器， 得到正面评价数据、 负面评价 数据和中性评价数据； 将所述正面评价数据、 所述负面评价数据和所述中性评价数据作为第三评价数据。 4.根据权利要求3所述的基于人工智能的商品排序系统， 其特征在于， 在所述根据 所述 商品基本数据、 所述卖家数据、 所述正面评价数据、 所述负面评价数据和所述中性评价数 据， 结合预设的综合评价模型， 得到所述第一商品的第一 综合评价值的步骤， 所述处理模块 具体被配置为： 将所述正面评价数据、 所述负面评价数据和所述中性评价数据分别输入所述正面评价 值计算模 型、 所述负面评价值计算模型和所述中性评价值计算模型， 得到正面评价值、 负面 评价值和中性评价 值；权　利　要　求　书 1/3 页 2 CN 115526690 A 2根据所述商品基本数据、 所述卖家数据分别得到所述第一商品的第一销量值、 和卖家 评价值； 将所述正面评价值、 所述负面评价值、 所述中性评价值、 所述第一销量值和所述卖家评 价值输入预设的综合评价模型， 得到所述第一商品的第一综合评价 值。 5.根据权利要求1 ‑4所述的基于人工智能的商品排序系统， 其特征在于， 在所述将所述 正面评价数据、 所述负面评价数据和所述中性评价数据分别输入所述正面评价值计算模 型、 所述负面评价值计算模型和所述中性评价值计算模型， 得到正面评价值、 负面评价值和 中性评价 值的步骤， 所述处 理模块具体 被配置为： 所述正面评价值计算模型、 所述负面评价值计算模型和所述中性评价值计算模型分别 对所述正面评价数据、 所述负面评价数据和所述中性评价数据进行处理， 统计所述正面评 价数据中各正面关键词 出现的次数、 所述负面评价数据中各负面关键词出现的次数、 所述 中性评价数据中各中性关键词 出现的次数， 进一步计算出所述各正面关键词、 所述各负面 关键词和所述各中性关键词在所述正面评价数据、 所述负面评价数据和所述中性评价数据 组成的总 数据中出现的频率， 按频率高低分别对所述各正面关键词、 所述各负面关键词和 所述各中性关键词赋予从大到小的倾向权重值， 其中， 所述各正面关键词、 所述各负面关键 词和所述各中性关键词均 与其对应的所述评价标识符建立对应关系； 结合所述评价标识符， 统计所述第一评价数据中每条评价中所述各正面关键词、 所述 各负面关键词和所述各中性关键词所占的比例， 并结合所述倾向权重值计算出所述每条评 价的对应的所述 正面评价值、 所述负面评价 值和所述中性评价 值。 6.一种基于人工智能的商品排序方法， 其特 征在于， 所述方法包括： 获取第一商品的商品基本数据以及所述第一商品对应的卖家数据； 获取所述第一商品对应的且包含买家标识 的买家数据以及所述买家标识对应的评价 数据； 将所述评价数据按所述买家标识和所述评价数据提交的时间进行编号生成评价标识 符， 得到第一评价数据， 所述第一评价数据包括评价总数量； 对所述第一评价数据进行分类与清洗， 得到第二评价数据； 利用关键词识别算法从所述第二评价数据中提取 出第三评价数据； 从所述第三评价数据中分离出正 面评价数据、 负面评价数据和中性评价数据； 根据所述商品基本数据、 所述卖家数据、 所述正面评价数据、 所述负面评价数据和所述 中性评价数据， 结合预设的综合评价模型， 得到所述第一商品的第一综合评价 值； 计算完所有商品的所述第一综合评价值后， 根据每个商品的所述第一综合评价值， 对 所有商品进行排序。 7.根据权利要求6所述的基于人工智能的商品排序方法， 其特征在于， 所述方法还包 括： 采集所述第一商品的同类商品和/或相似类别商品的参 考品评价数据； 利用关键词识别算法从所述 参考品评价数据中提取 出参考主题； 将所述参考主题输入预先训练好的评价分类器， 得到正面参考评价数据、 负面参考评 价数据和中性 参考评价数据； 将所述正面参考评价数据、 所述负面参考评价数据和所述中性参考评价数据分别作为权　利　要　求　书 2/3 页 3 CN 115526690 A 3