基于APP在线用户评论的网约车服务质量评价方法及系统

本发明属于智慧交通服务评价与文本数据处理，具体涉及基于app在线用户评论的网约车服务质量评价方法及系统。

背景技术：

1、随着移动互联网和平台经济的发展，网约车已成为城市出行的重要服务形式。网约车服务具有线上平台调度与线下出行服务相结合的特点，用户在使用过程中会通过app评论、应用商店评价、平台反馈入口等方式表达对车辆环境、驾驶员行为、平台计价、定位准确性、订单响应、客服处理和支付安全等方面的体验感受。因此，app在线用户评论中包含了大量能够反映网约车服务质量的文本信息。

2、现有网约车服务质量评价方式多依赖问卷调查、人工访谈、星级评分或平台投诉数据。上述方式虽然能够在一定程度上反映用户满意度，但存在数据获取滞后、评价粒度较粗、人工处理成本高等问题，难以及时、细致地识别用户在实际出行过程中遇到的具体服务质量问题。同时，app在线用户评论通常具有非结构化、口语化、情绪化、多指标共现和语义模糊等特点。评论中还可能出现"杀熟”“取消费”“绕远路”“定位漂移”“等车久”等具有网约车领域特征的表达。若仅采用通用关键词匹配或通用情感分析方法，容易出现识别不准确、情感量化偏差和服务短板定位不清的问题。

3、因此，亟需提供一种能够面向网约车领域在线评论文本进行领域词识别、服务质量指标映射、指标级情感量化和服务短板诊断的技术方案，以解决现有服务质量评价方式实时性不足、评价粒度较粗、领域适配性较弱以及难以自动确定改进优先级的问题。

技术实现思路

1、本发明的目的在于提供一种基于app在线用户评论的网约车服务质量评价方法及系统，通过构建网约车领域词库和指标映射关系，对海量用户评论进行细粒度的指标级情感量化，并自动结合指标重要性诊断出服务短板及其改进优先级，从而解决现有方法评价粒度粗、领域适配弱且无法自动指引改进方向的问题。

2、为解决上述技术问题，本发明提供一种基于app在线用户评论的网约车服务质量评价方法，包括：

3、s1、获取网约车app在线用户评论数据，并对所述在线用户评论数据进行预处理，得到预处理评论文本；

4、s2、基于所述预处理评论文本构建或更新网约车领域词库，所述网约车领域词库包括领域服务词、指标特征词和领域情感词；

5、s3、基于所述预处理评论文本和所述网约车领域词库，提取服务质量候选特征词并识别潜在服务主题，得到服务质量特征词集合；

6、s4、建立所述服务质量特征词集合与网约车服务质量评价指标之间的映射关系；

7、s5、基于所述映射关系，对所述预处理评论文本进行服务质量指标分类，确定所述预处理评论文本对应的至少一个服务质量指标标签；

8、s6、基于所述网约车领域词库中的领域情感词识别评论文本中的情感词，并对所述情感词的情感极性和情感强度进行修正，得到评论文本在对应服务质量指标下的情感分值，再根据同一服务质量指标下的多个评论文本情感分值，计算各服务质量指标的情感绩效得分；

9、s7、计算各服务质量指标的重要性权重；

10、s8、以各服务质量指标的所述重要性权重作为重要性值，以各服务质量指标的所述情感绩效得分作为绩效值，构建重要性—绩效分析矩阵，并根据各服务质量指标在所述重要性—绩效分析矩阵中的位置，输出服务质量短板指标及其改进优先级。

11、按上述方案，其特征在于，所述s1中的预处理包括文本清洗、中文分词和停用词去除。

12、按上述方案，所述s3包括：采用词频统计、tf-idf算法和textrank算法提取所述预处理评论文本中的服务质量候选特征词，并采用lda主题模型识别潜在服务主题，根据所述服务质量候选特征词和所述潜在服务主题对应的主题词得到服务质量特征词集合。

13、按上述方案，所述s5包括：当所述预处理评论文本中包含明确服务质量特征词时，将所述预处理评论文本标注至对应服务质量指标；当所述预处理评论文本存在多指标共现、语义模糊、一词多义或特征词未命中情形时，采用语义分类模型对所述预处理评论文本进行语义解析，输出至少一个服务质量指标标签。

14、按上述方案，所述语义分类模型是基于人工标注网约车评论样本训练得到的文本分类模型。

15、按上述方案，所述s6中对所述情感词的情感极性和情感强度进行修正，具体为：结合否定词规则、程度副词规则和预设文本窗口规则进行修正。

16、按上述方案，所述s7包括：根据各服务质量指标对应的服务质量特征词在所述预处理评论文本中的tf-idf值，计算各服务质量指标的重要性值，并对所述重要性值进行归一化处理，得到各服务质量指标的重要性权重。

17、按上述方案，所述s8包括：当服务质量指标的重要性权重大于重要性阈值且情感绩效得分小于绩效阈值时，将该服务质量指标确定为服务质量短板指标。

18、本发明还提供一种基于app在线用户评论的网约车服务质量评价系统，用于执行如上文所述的基于app在线用户评论的网约车服务质量评价方法，所述系统包括：

19、数据获取模块，用于获取网约车app在线用户评论数据； 文本预处理模块，用于对所述在线用户评论数据进行预处理，得到预处理评论文本；

20、领域词库构建模块，用于基于所述预处理评论文本构建或更新网约车领域词库，所述网约车领域词库包括领域服务词、指标特征词和领域情感词；

21、特征提取与主题识别模块，用于基于所述预处理评论文本和所述网约车领域词库，提取服务质量候选特征词并识别潜在服务主题，得到服务质量特征词集合；

22、指标映射模块，用于建立所述服务质量特征词集合与网约车服务质量评价指标之间的映射关系；

23、评论分类模块，用于基于所述映射关系，对所述预处理评论文本进行服务质量指标分类，确定所述预处理评论文本对应的至少一个服务质量指标标签；

24、情感量化模块，用于基于所述网约车领域词库中的领域情感词识别评论文本中的情感词，并对所述情感词的情感极性和情感强度进行修正，得到评论文本在对应服务质量指标下的情感分值，再根据同一服务质量指标下的多个评论文本情感分值，计算各服务质量指标的情感绩效得分；

25、指标赋权模块，用于计算各服务质量指标的重要性权重；

26、诊断输出模块，用于以各服务质量指标的所述重要性权重作为重要性值，以各服务质量指标的所述情感绩效得分作为绩效值，构建重要性—绩效分析矩阵，并根据各服务质量指标在所述重要性—绩效分析矩阵中的位置，输出服务质量短板指标及其改进优先级。

27、按上述方案，所述评论分类模块用于：当所述预处理评论文本中包含明确服务质量特征词时，将所述预处理评论文本标注至对应服务质量指标；当所述预处理评论文本存在多指标共现、语义模糊、一词多义或特征词未命中情形时，采用语义分类模型对所述预处理评论文本进行语义解析，输出至少一个服务质量指标标签。

28、有益效果

29、本发明通过构建包含领域服务词、指标特征词和领域情感词的网约车专用词库，有效解决了通用情感分析方法在网约车场景下领域适配性弱的问题。在此基础上，采用特征词匹配与语义分类模型相结合的方式对评论文本进行服务质量指标分类，能够准确处理一条评论涉及多个服务问题、语义模糊等复杂情况，显著提升了细粒度指标识别的准确性。进一步地，基于领域情感词并融合否定词和程度副词规则进行指标级情感量化，提高了对网约车特有情感表达的识别精度。最终，结合各指标的情感绩效得分与基于评论文本中特征词区分度计算的重要性权重，构建重要性—绩效分析矩阵，能够自动挖掘用户关注度高但满意度低的痛点，并直接输出服务质量的短板指标及其明确的改进优先级，为平台运营提供了精准的决策依据。