商品评价购买决策分析服务-汽车领域适用于分析用户的购买动机、使用场景、功能需求、使用疑问等购买决策相关的信息,可以帮助改进产品、改善用户体验、细分人群画像、针对性营销投放等。如当前支持的领域、行业不满足您的需求,请加钉钉答疑群(23142693),进一步咨询合作。
说明
本预训练模型提供的服务无需自主标注训练,直接调用API即可使用;
服务开通与资源包购买
预训练模型使用前,请确认是否已经开通了NLP自学习平台服务,开通后可购买优惠资源包。
NLP自学习平台:开通地址
自学习平台资源包:购买地址
Java代码示例
DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","your-access-id-key","your-access-id-secret");
IAcsClient client = new DefaultAcsClient(defaultProfile);
RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("NLP_ner_pretrained_review_multidim_car");
request.setPredictContent("内饰做工材质偏硬,细节方面有待完善,儿童安全座椅接口。车内安全拉手未配置,有些遗憾");
RunPreTrainServiceResponse response = client.getAcsResponse(request);
System.out.println(response.getPredictResult());
Python代码示例
# 安装依赖
pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-nlp-automl
# -*- coding: utf8 -*-
import json
from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest
# Initialize AcsClient instance
client = AcsClient(
"<your-access-id-key>",
"<your-access-id-secret>",
"cn-hangzhou"
);
content = '内饰做工材质偏硬,细节方面有待完善,儿童安全座椅接口。车内安全拉手未配置,有些遗憾'
# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('NLP_ner_pretrained_review_multidim_car')
request.set_PredictContent(content)
# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(json.dumps(predict_result['data'],ensure_ascii=False))
参数 | 说明 | 示例 |
---|---|---|
ServiceName | 服务名称,必填 | NLP_ner_pretrained_review_multidim_car |
PredictContent | 商品评价内容,必填 | 内饰做工材质偏硬,细节方面有待完善,儿童安全座椅接口。车内安全拉手未配置,有些遗憾 |
PredictResult内容示例
{
"records": {
"用户期望/建议": [
{
"prob": 1.0,
"offset": [9, 17],
"span": "细节方面有待完善"
}
],
"功能需求": [
{
"prob": 1.0,
"offset": [27, 41],
"span": "车内安全拉手未配置,有些遗憾"
}
]
},
"content": "内饰做工材质偏硬,细节方面有待完善,儿童安全座椅接口。车内安全拉手未配置,有些遗憾"
}
出参说明
字段 | 说明 | 示例 |
---|---|---|
content | 用户的输入 | |
records | 算法抽取的标签集,字典类型,key为标签名,value为抽取信息 | |
span | 抽取到的用户输入片段 | 儿童 |
offset | 抽取到的用户输入片段的开始(包含),结束位置(不包含),左开右闭原则 | [0, 2] |
prob | 置信度,0-1之间的概率值 | 0.9865950644016266 |
支持的购买决策标签列表
标签 | 说明 | 示例 |
---|---|---|
功能需求 | 用户期望产品能满足更多需求、提供更多功能 | 车内的水杯放置位还能不能大一点啊 |
用户期望/建议 | 有个全景影像就好了 | |
购买动机^人群 | 七夕节给老婆买的礼物 | |
购买动机^节日 | 生日礼物 | |
购买动机^场景 | ||
购买动机^其他 | 一直想买 | |
对比 | 产品之间的比较,购买渠道的对比等等 | |
用户首购 | 用户第一次购买 | 第一次买五菱 |
会回购 | ||
不会回购 | ||
使用场景 | 买来跑长途开的 | |
会推荐 | 推荐购买 | |
不会推荐 | 不推荐 | |
会追评 | 以后补追 | |
使用状态^已使用 | 开了7个月了 | |
使用状态^未使用 | 还没有开过 | |
使用疑问 | 用户有疑问的地方 | 不知设计成这样是出于什么道理 |
使用对象 | 仅提取对象实体 | 【老司机】可能会说动力,对于【新手】小白的我,已然足够 |
品牌印象 | 这个品牌的车子很差 | |
购买途径 | ||
用户认可度 | 用户对商家的认可 | |
服务承诺-未满足 | 商家的承诺未满足用户 | 说好的写贺卡,也没有写 说好的送礼品,收到也没有 |
耗油量 | 指含有耗油数量的如‘油耗10个左右,市区11.5等 | |
新手 | 新手没感觉到 | |
老司机 | 我这老司机都要轻踩轻放 |