商品评价解析

阿里电商平台平均每天产生2千万条商品评价。评价内容不仅体现卖家的口碑信誉，影响消费者的下单判断，而且这也是获取消费者反馈互动的最直接方式。品牌商从中可以解析出商品最吸引人的卖点，以及最需要改进的地方，进而获知当前的消费者理念，预判流行趋势，提高购买转化。当一个卖家每天产生数百条商品评价时，假如用人工方式逐条甄别好评、差评，摘录收集消费者反馈的关键点，平均需要占用两名客服人员的工时；一旦遇上营销活动或者大促，则所需的工时更多。因此，商品评价解析产品基于NLP自然语言处理技术和电商行业语料，能够对历史评价和每天新增评价内容自动分析，将文本转化为结构化的属性字段，从而高效甄别出净负面评论跟进处理，并统计分析最能影响购买转化的相关因素。

适用场景 

商品评价解析主要用于分析消费者反馈的评价、点评内容，同时也可以对类似微博的口语化、短文本进行分析。对于长篇幅的新闻篇章不适用。

产品功能描述

通过对行业品类深度分析，获取行业品类关键属性进行结构化，现分为三级属性结构。目前适用的品类为：

1. “clothing”：服装
2. “makeup”：美妆
3. “snacks”：零食
4. “milkpowder”：奶粉
5. “paperdiaper”：纸尿裤
6. “shoes”：鞋类
7. “furniture”：住宅家具
8. “bedding”：床上用品
9. “underwear”:内衣
10. “bags”:箱包
11. “cellphone”:手机
12. “cycling”:骑行配饰
13. “bicycle”:自行车
14. “bigball”:大型球类
15. “littleball”:小型球类
16. “watch”:手表
17. “glasses”:眼镜
18. “television”:电视机
19. “refrigeration”:制冷设备

其余更多品类将逐步完善发布。以服装品类为例，三级属性结构如下： 

调用方式

在本页的调试工具点击“去调试”按钮，可以快速测试对评价文本的解析结果，参见截图如下。批量调用时遵循REST接口调用方式，需提供两个输入参数，"text"指定需要解析的评价文本，"cate"指定商品类目；返回结果为JSON数据类型。