CN111708934A - 知识内容的评价方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了知识内容的评价方法、装置、电子设备和存储介质，涉及知识内容评价技术领域。具体实现方案为：获取知识内容；获取所述知识内容的评价参数，所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息；以及根据所述评价参数生成所述知识内容的评价值。由此通过对待评价的知识内容以及知识内容的评价参数进行获取，并根据获取到知识内容的评价参数，生成该知识内容的评价值，不仅避免了知识内容的评价过程中存在的主观性过强的技术问题，还能够尽可能的减小知识内容评价值的偏差，使获取到的评价值更加合理、更加准确。

Description

知识内容的评价方法、装置、电子设备和存储介质

技术领域

本申请的实施例总体上涉及计算机技术领域，并且更具体地涉及知识内容评价技术领域。

背景技术

相关技术中，对知识内容进行评价的方式一般有两种，其中，一种是参考人力成本与有限的调研结果等数据，对不同的知识内容的评价值进行粗略地预估；另一种是 对门类相同或者相似的知识内容进行统一定价。

但是上述方式在评价值确定过程中，相关人员主观性过强，且评价过程中没有合理且完整的参考系，导致确定的知识内容的评价值准确性低、合理性差、偏差极大。

发明内容

本申请提供了一种知识内容的评价方法、装置、电子设备和存储介质。

根据第一方面，提供了一种知识内容的评价方法，包括：

获取知识内容；

获取所述知识内容的评价参数，所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息；以及

根据所述评价参数生成所述知识内容的评价值。

本申请实施例的知识内容的评价方法，通过获取知识内容和知识内容的评价参数， 评价参数包括知识内容的需求度信息、知识内容的作者权威度信息和知识内容的稀缺度信息，根据评价参数生成知识内容的评价值，不仅避免了知识内容的评价过程中存 在的主观性过强的技术问题，还能够尽可能的减小知识内容评价值的偏差，使获取到 的评价值更加合理、更加准确。

根据第二方面，提供了一种知识内容的评价装置，包括：

第一获取模块，用于获取知识内容；

第二获取模块，用于获取所述知识内容的评价参数，所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息； 以及

生成模块，用于根据所述评价参数生成所述知识内容的评价值。

本申请实施例的知识内容的评价装置，通过获取知识内容和知识内容的评价参数， 评价参数包括知识内容的需求度信息、知识内容的作者权威度信息和知识内容的稀缺度信息，根据评价参数生成知识内容的评价值，不仅避免了知识内容的评价过程中存 在的主观性过强的技术问题，还能够尽可能的减小知识内容评价值的偏差，使获取到 的评价值更加合理、更加准确。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少 一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执 行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行 本申请第一方面所述的知识内容的评价方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请第一方面所述的知识内容的评价方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征， 也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图；

图3是建立评价模型的示意图；

图4是根据本申请第三实施例的示意图；

图5是根据本申请第四实施例的示意图；

图6是根据本申请第五实施例的示意图；

图7是用来实现本申请实施例的知识内容的评价的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当 认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和 精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的知识内容的评价方法、装置、电子设备和存储介质。

图1是根据本申请第一实施例的示意图。其中，需要说明的是，本实施例的知识 内容的评价方法的执行主体为知识内容的评价装置，知识内容的评价装置具体可以为 硬件设备，或者硬件设备中的软件等。其中，硬件设备例如终端设备、服务器等。如 图1所示，本实施例提出的知识内容的评价方法，包括如下步骤：

S101、获取知识内容。

在本申请的实施例中，可以对有被评价需求的待定价知识内容进行获取。

其中，知识内容可以包括但不限于以下内容中的至少一项：视频、音频、文档、 付费问答、直播、听书等。

举例而言，作者甲发布的关于西班牙语基础教学的视频尚未被定价或需要重新定价，则可以对该视频进行获取；或者，针对用户乙发布的价值为人民币5元的有偿提 问，“偷听答案”的付费金额尚未被确定或需要重新确定，则可以对该付费问答进行 获取。

S102、获取知识内容的评价参数，评价参数包括知识内容的需求度信息、知识 内容的作者权威度信息和知识内容的稀缺度信息。

需要说明的是，评价参数为与知识内容相关的多个信息的集合，即言，评价参数是一组信息的集合。同时，每一项知识内容均对应有相应的评价参数，评价参数中所 包含的信息结果影响着知识内容的评价值。

其中，知识内容的评价参数，至少包括以下三项：知识内容的需求度信息、知识 内容的作者权威度信息和知识内容的稀缺度信息。

S103、根据评价参数生成知识内容的评价值。

可选地，在获取到知识内容的评价参数后，可以将评价参数输入经过训练得到的评价模型中，然后，评价模型可以基于上文信息(即知识内容的需求度信息、知识内 容的作者权威度信息和知识内容的稀缺度信息)，生成针对该知识内容的评价值。

根据本申请实施例的知识内容的评价方法，可通过对待评价的知识内容以及知识内容的评价参数进行获取，并根据获取到知识内容的评价参数，生成该知识内容的评 价值，不仅避免了知识内容的评价过程中存在的主观性过强的技术问题，还能够尽可 能的减小知识内容评价值的偏差，使获取到的评价值更加合理、更加准确。

图2是根据本申请第二实施例的示意图。如图2所示，在上一实施例的基础上， 本实施例提出的知识内容的评价方法，包括如下步骤：

S201、获取知识内容。

该步骤S201与上一实施例中的步骤S101相同，此处不再赘述。

上一实施例中的步骤S102具体可包括以下步骤S202-S204。

S202、获取知识内容的作者权威度信息。

可选地，知识内容的作者权威度信息可以通过以下方式获取：获取知识内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量，根据被检索量和/或粉丝量，确 定知识内容的作者权威度信息。

需要说明的是，本申请中，预先设置有知识内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量与知识内容的作者权威度信息之间的映射关系，在获取到知识 内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量之后，通过查询映射，可 以得到知识内容的作者权威度信息。

举例而言，在为百度文库中发布的A先生的《论语新解》进行评价时，可以获 取A先生在百度文库中的被检索量，进一步地，通过查询映射，可以确定A先生的 权威度信息。或者，可以获取A先生在百度贴吧的粉丝量，然后通过查询映射，可以 确定A先生的权威度信息。又或者，可以同时获取A先生在百度文库中的被检索量 以及在百度贴吧的粉丝量，进一步地，通过查询映射，可以确定A先生的权威度信息。

需要说明的是，在其他评价参数，例如知识内容的需求度和知识内容的稀缺度信息一定的前提下，向评价模型中输入的知识内容的作者权威度信息越高，生成的该知 识内容的评价值则越高。

举例而言，在知识内容的需求度和知识内容的稀缺度信息一定的前提下，检测到A先生和B先生均发布了关于《论语新解》的文档，此时，若获取到的A先生的权威 度信息为a、B先生的权威度信息为b，且a大于b，则由评价模型生成的A先生发表 的《论语新解》的评价值要高于B先生发表的《论语新解》的评价值。

S203、获取知识内容的稀缺度信息。

可选地，知识内容的稀缺度信息可以通过以下方式获取：获取知识内容的主题，然后获取该主题对应的知识内容的数量，进而根据主题对应的知识内容的数量，确定 知识内容的稀缺度信息。

需要说明的是，本申请中，预先设置有知识内容的主题对应的知识内容的数量与知识内容的稀缺度信息之间的映射关系，在获取到知识内容的主题对应的知识内容的 数量之后，通过查询映射，可以得到知识内容的稀缺度信息。

举例而言，在为百度文库中发布的A先生的《论语新解》进行评价时，可以获 取该文档的主题，并记录为“论语”，然后获取“论语”主题对应的知识内容的数量， 进而通过查询映射，可以确定A先生的文档《论语新解》的稀缺度信息。

需要说明的是，在其他评价参数，例如知识内容的需求度和知识内容的作者权威度信息一定的前提下，向评价模型中输入的知识内容的稀缺度信息越高，生成的该知 识内容的评价值则越高。

举例而言，在知识内容的需求度和知识内容的作者权威度信息一定的前提下，检测到A先生发布了关于《论语新解》和《中国历代政治得失》的文档，两篇文档的稀 缺度信息分别为c和d，且c小于d，则由评价模型生成的A先生发表的《论语新解》 的评价值要低于A先生发表的《中国历代政治得失》的评价值。

S204、获取知识内容的需求度信息。

可选地，知识内容的需求度信息可以通过以下方式获取：获取知识内容的主题，然后获取该主题对应的知识内容的需求度参数，进而根据需求度参数，确定知识内容 的需求度信息。

需要说明的是，本申请中，预先设置有知识内容的主题对应的知识内容的需求度参数与知识内容的需求度信息之间的映射关系，在获取到知识内容的主题对应的知识 内容的需求度参数之后，通过查询映射，可以得到知识内容的需求度信息。

其中，需求度参数包括以下参数中的至少一种：知识内容的检索量、知识内容的使用量、知识内容的使用时长和点击率数据。

举例而言，在为百度文库中发布的A先生的《论语新解》进行评价时，可以获 取该文档的主题，并记录为“论语”，然后获取“论语”主题对应的知识内容的检索 量和点击率数据，以确定“论语”主题对应的知识内容的需求度参数。进一步地，根 据获取到的需求度参数，查询映射，可以确定A先生的文档《论语新解》的需求度信 息。

需要说明的是，在其他评价参数，例如知识内容的稀缺度信息和知识内容的作者权威度信息一定的前提下，向评价模型中输入的知识内容的需求度信息越高，生成的 该知识内容的评价值则越高。

举例而言，在知识内容的稀缺度信息和知识内容的作者权威度信息一定的前提下， 检测到A先生发布了关于《国史大纲》和《中国历代政治得失》的文档，两篇文档的 需求度信息分别为e和f，且e大于f，则由评价模型生成的A先生发表的《国史大纲》 的评价值要高于A先生发表的《中国历代政治得失》的评价值。

需要说明的是，为提高知识内容的评价值的准确性，本申请中，在获取知识内容的评价参数时，可以在上文所述参数(即知识内容的需求度信息、知识内容的作者权 威度信息和知识内容的稀缺度信息)的基础上，对评价参数进行扩充。

可选地，在获取到知识内容的需求度信息、知识内容的作者权威度信息和知识内容的稀缺度信息之后，可以获取以下参数中的至少一种：知识内容的长度信息、知识 内容的历史销量、知识内容的评分、知识内容的热度和知识内容的信息丰富度。

其中，在试图获取知识内容的长度信息时，为便于对长度信息进行识别，可以对用户完整查看该知识内容的用时进行获取，并将该用时以预设单位时长t的倍数进行 标记。举例而言，作者甲发布了关于西班牙语基础教学的视频，用户完整查看该视频 的用时共23分钟，且预先设置的t为10分钟，则可知该视频的长度信息2.3t。

需要说明的是，若该知识内容为文档等纯文字内容时，可以根据正常用户的平均阅读速度，对用户完整查看该知识内容的用时进行获取，并将该用时以预设单位时长 t的倍数进行标记。举例而言，作者丙发布了关于西班牙语基础教学的文档，该文档 全篇共2000个字，正常用户的平均阅读速度为每分钟200字，且预先设置的t为10 分钟，则可知该文档的长度信息t。

需要说明的是，在其他评价参数一定的前提下，向评价模型中输入的知识内容的长度信息越长，生成的该知识内容的评价值则越高。举例而言，在其他评价参数一定 的前提下，字数为2000字的文档的评价值要高于字数为1000字的文档。

其中，在试图获取知识内容的历史销量时，为了获取更准确、全面的历史销量信息，可以对该知识内容的作者的历史销量、该知识内容的出版商的历史销量、该知识 内容所有版本的历史销量等进行获取，进而通过计算平均值、权重计算等算法，确定 该知识内容的历史销量。其中，前述历史销量的计算方式仅为具体示例，本申请不对 历史销量的计算方式进行限定，可以根据实际情况进行设定。

举例而言，在试图获取由A先生撰写、由中国金融出版社发行的《中国历代政 治得失》第二版的历史销量时，获取到A先生所有作品的历史销量为1000万册、中 国金融出版社历史销量为3000万册、《中国历代政治得失》第一版的历史销量为500 万册，且该知识内容的作者的历史销量、出版商的历史销量、所有版本的历史销量的 权重系数分别为0.5、0.2、0.3，则通过权重计算，可知该书籍的历史销量为1250万 册。

需要说明的是，在其他评价参数一定的前提下，向评价模型中输入的知识内容的历史销量越高，生成的该知识内容的评价值则越高。举例而言，在其他评价参数一定 的前提下，历史销量为2000万册的书籍的评价值要高于历史销量为1000万册的书籍。

其中，在试图获取知识内容的评分时，为了获取更准确的评分信息，可以对该知识内容的被评分次数、历史评分等进行获取，进而通过计算平均值、权重计算等算法， 确定该知识内容的评分。其中，前述评分的计算方式仅为具体示例，本申请不对评分 的计算方式进行限定，可以根据实际情况进行设定。

举例而言，在试图获取由A先生撰写的《中国历代政治得失》的评分时，获取 到该书籍的被评分次数12500次、历史评分为4.9分(满分为5分)，且该知识内容 的被评分次数与历史评分的权重系数分别为0.3、0.7，则通过权重计算，可知该书籍 的评分为1250万册。

需要说明的是，为了提高获取知识内容的评分的准确性，还可以对该知识内容的历史被评价次数、评价中带有长度大于30字节评价的评分次数、带图评分次数等进 行获取，进而通过权重计算确定该知识内容的评分。

需要说明的是，在其他评价参数一定的前提下，向评价模型中输入的知识内容的评分越高，生成的该知识内容的评价值则越高。举例而言，在其他评价参数一定的前 提下，评分为4.8分的视频的评价值要高于评分为4.2分的视频。

其中，在试图获取知识内容的热度时，可以对该知识内容的关键词和/或该知识内容的作者在搜索终端的被检索量进行获取，进而查询预先设置的被检索量与热度之 间的映射关系，确定该知识内容的热度。

举例而言，在试图获取由A先生撰写的《中国历代政治得失》的热度时，可以 对该书籍的关键词例如中国政治或者A先生在百度百科的被检索量进行获取，并通过 查询映射，确定该知识内容的热度。

需要说明的是，在其他评价参数一定的前提下，向评价模型中输入的知识内容的热度越高，生成的该知识内容的评价值则越高。举例而言，在其他评价参数一定的前 提下，新型冠状病毒疫情时期，关于新型冠状病毒在百度百科的被检索量远高于关于 普通细菌的被检索量，此时，关于新型冠状病毒的付费问答的评价值要高于关于普通 细菌的付费问答。

其中，在试图获取知识内容的信息丰富度时，可以提取该知识内容的知识类关键词，并通过计算其特征向量，获取复杂度，进而查询预先设置的复杂度与信息丰富度 之间的映射关系，确定该知识内容的信息丰富度。

举例而言，在试图获取由A先生撰写的《中国历代政治得失》的信息丰富度时， 可以对该书籍的知识类关键词，并通过计算其特征向量，获取复杂度，进而通过查询 映射，确定该书籍的信息丰富度。

需要说明的是，在其他评价参数一定的前提下，向评价模型中输入的知识内容的信息丰富度越高，生成的该知识内容的评价值则越高。举例而言，在其他评价参数一 定的前提下，关于同声传译教学的书籍的信息丰富度要高于关于幼儿拼音入门教学的 书籍，因此，关于同声传译教学的书籍的评价值要高于关于幼儿拼音入门教学的书籍 的评价值。

需要说明的是，在上述评价参数的基础上，还可以根据实际情况，增加如用户属性等其他评价参数，以不断提高评价值的准确性。

S205、根据评价参数，生成知识内容的评价值。

该步骤S205与上一实施例中的步骤S103相同，此处不再赘述。

需要说明的是，评价模型是预先训练得到的。其中，在本申请的实施例中，如图 3所示，可通过以下方式预先建立评价模型：

S301、获取样本知识内容的历史评价参数和历史评价值。

其中，样本知识内容的历史评价参数和历史评价值可预先收集，以便后续获取样本知识内容的历史评价值。样本知识内容的数量可预先设定，例如获取100个样本知 识内容历史评价参数和历史评价值。

S302、根据历史评价参数和历史评价值训练得到评价模型。

可选地，在试图根据历史评价参数和历史评价值训练得到评价模型时，可以将历史评价参数和历史评价值代入多元方程中，例如n元一次方程Y＝a1x1+a2x2+……anxn 中进行计算，得到多元方程中每个历史评价参数对应的权重值。其中，Y表示历史评 价值，x1，……，xn表示多个历史评价参数，a1，……，an表示与每个历史评价参数 对应的权重值。

进一步地，可以根据权重值和多元方程，得到评价模型。

举例而言，将历史评价参数和历史评价值代入多元方程中进行训练，得到多元方程中每个评价参数对应的权重值如下：知识内容的需求度信息D对应的权重值k1、 知识内容的作者权威度信息F对应的权重值k2、知识内容的稀缺度信息R对应的权 重值k3，此时，可以根据权重值和多元方程，得到评价模型为：F(P)＝D*k1+F*k2+R*k3， 其中，F(P)为知识内容的评价值。

需要说明的是，在将历史评价参数和历史评价值代入多元方程中进行训练时，若样本知识内容的历史评价参数缺失，则将用于训练的其他样本知识内容的同一历史评 价参数的平均值作为样本知识内容的历史评价参数，以确保评价模型是可训练且预期 是能够收敛的。

需要说明的是，在将当前待评价的知识内容的评价参数输入评价模型生成评价值时，若待评价的知识内容的评价参数缺失，则可以获取用于训练评价模型的样本知识 内容的同一评价参数，然后基于该同一评价参数，获取其平均值，并将平均值作为知 识内容的评价参数。

在本申请的实施例中，可基于历史评价参数和历史评价值，对上述模型设计进行模型训练直至收敛，从而可得到训练好的评价模型。

需要说明的是，在模型层面上，本申请中的评价模型中涉及到的历史评价参数和历史评价值是一个相对封闭的几何，只要前期数据准备足够充分，那历史评价参数和 历史评价值集合就是一个相对完备的集合，保证历史评价参数和历史评价值的完备性； 模型训练的可行性：模型中各个步骤的输入输出的物理含义和依赖关系明确，并且有 大量成熟的方案可以建模这类依赖关系，因此模型是可训练且预期是能够收敛的。

根据本申请实施例的知识内容的评价方法，可通过预先获取样本知识内容的历史评价参数和历史评价值，训练得到完整且收敛的评价模型，以在获取到知识内容的需 求度信息、知识内容的作者权威度信息、知识内容的稀缺度信息，以及知识内容的长 度信息、知识内容的历史销量、知识内容的评分、知识内容的热度和知识内容的信息 丰富度中的至少一种评价参数后，将前述评价参数输入评价模型，以生成待评价的知 识内容的评价值，不仅避免了知识内容的评价过程中存在的主观性过强的技术问题， 还能够基于合理的参考系获取知识内容的评价值，尽可能的减小知识内容评价值的偏 差，使获取到的评价值更加合理、更加准确。

需要说明的是，在根据评价参数获取到知识内容的评价值后，每个知识内容已经具有了一个预估得到的初始的评价值，为了确定知识内容的最优的评价值，本申请中， 可以对获取到的初始的评价值进行合理地校准，以确定其最终的评价值。

作为一种可能的实现方式，如图4所示，在图1所示实施例的基础上，本申请提 出的知识内容的评价方法，包括如下步骤：

S401、获取知识内容。

该步骤S401与图1所示实施例中的步骤S101相同，此处不再赘述。

S402、获取知识内容的评价参数。

其中，知识内容的评价参数，包括：知识内容的需求度信息、知识内容的作者权 威度信息和知识内容的稀缺度信息；以及知识内容的长度信息、知识内容的历史销量、 知识内容的评分、知识内容的热度和知识内容的信息丰富度中的至少一种。

S403、根据评价参数，生成知识内容的评价值。

该步骤S403与图1所示实施例中的步骤S103相同，此处不再赘述。

其中，该评价值为知识内容的初始的评价值，通过步骤S404～S405，对初始的评价值进行优化，以得到该知识内容的最优的评价值。

S404、根据评价值查询预先存储的用户评价值库，以获取目标用户评价值。

需要说明的是，以评价值为价格为例，预先存储的用户评价值库，相当于一个预先建立的消费者价格库，该库中存储有多个呈等差数列分布的消费者价格。其中，在 实际应用中，库中存储的价格通常为以9结尾的整数价格，或者是以0.99结尾的价格。 价格设置有上下限范围，即0.99～9999元，例如消费者价格库包括的9、19、29、 39、……99元等多个消费者价格。

可选地，可以根据评价值，通过查询用户评价值库，获取目标用户评价值。

举例而言，获取到A先生撰写的《中国历代政治得失》的评价值(即初始评价 值)为43.19元，通过查询用户评价值库，获取与该书籍最接近的消费者价格为39元， 则确定该书籍的目标用户评价值为39元。

S405、根据目标用户评价值对评价值进行优化。

需要说明的是，在获取到目标用户评价值之后，为进行进一步校准，本申请中， 可以通过在线测试，对目标用户评价值进行优化，以得到最优的评价值。

根据本申请实施例的知识内容的评价方法，可在获取到知识内容的评价值后，通过查询预先存储的用户评价值库，以获取目标用户评价值，然后根据目标用户评价值 对评价值进行优化，以将优化后的评价值作为该知识内容的最终评价值，使得在根据 评价模型获取到的评价值之后，通过进行交易测试，对初始的评价值进行优化，以使 知识内容的最终的评价值能够更加合理、更加接近实际市场需求，从而使该知识内容 的销售利益最大化。

图5是根据本申请一个具体实施例的知识内容的评价方法的流程图。如图5所示，在图4所示实施例的基础上，该知识内容的评价方法可以包括：

S501、获取知识内容。

S502、获取知识内容的评价参数。

S503、根据评价参数，生成知识内容的评价值。

S504、根据评价值查询预先存储的用户评价值库，以获取目标用户评价值。

步骤S501-S504与图4所示实施例中的步骤S401-S404相同，此处不再赘述。

S505、根据目标用户评价值在用户评价值库中获取预设数量的候选用户评价值。

可选地，可以根据获取到的目标用户评价值，查询用户评价值库，以获取预设数量的候选用户评价值。其中，预设数量可以根据实际情况进行设定。例如，可以将目 标用户评价值，上浮至两个候选用户评价值、下调至一个候选用户评价值，此时，预 设数量为3个。需要说明的是，此时，加上获取到的目标用户评价值，共有4个候选 用户评价值。

举例而言，获取到A先生撰写的《中国历代政治得失》的目标用户评价值为39 元，则可以通过上浮至两个候选用户评价值、下调至一个候选用户评价值，得到以下 4个候选用户评价值：29元、39元、49元和59元。S506、将知识内容标定为候选用 户评价值，并进行交易测试。

可选地，在获取到候选用户评价值后，可以将知识内容标定为候选用户评价值，并进行交易测试，以获取最优的评价值。

其中，交易测试的方法可以根据实际情况进行设定。

作为一种示例，可以通过A/B测试的方式进行测试。

举例而言，获取到A先生撰写的《中国历代政治得失》的4个候选用户评价值 为29元、39元、49元和59元，则可以分别以前述4个价格销售该书籍，并获取以4 个价格进行交易结束后的总交易额，总交易额为价格与销售数量的乘积。

需要说明的是，为了获取到更加准确的最优的评价值，可以分别抽取同质用户对不同的候选用户评价值进行测试，以比较不同组的总交易额。其中，同质用户指的是 通过随机抽样获取到的，仅价格不同，其他数据均相同的用户。

S507、将设定时间内候选用户评价值中总交易额最大的用户评价值确定为评价值。

其中，得到的评价值为该知识内容的最优的评价值，即最终的评价值。

举例而言，针对A先生撰写的《中国历代政治得失》，4个候选用户评价值为 29元、39元、49元和59元，获取到的设定时间内例如7天内以前述4个价格销售书 籍得到的销售数量分别为400册、300册、200册和100册。由此，得到以前述4个 价格销售书籍得到的总交易额分别为29*400＝11600元、11700元、9800元、5900元， 将总交易额最大的用户评价值确定为评价值，即将11700元对应的39元确定为评价 值。

需要说明的是，在进行交易测试之后，若总交易额最大的用户评价值为至少两个，则可以将总交易额最大的用户评价值中，评价值最小的作为评价值，也可以将知识内 容标定为该至少两个总交易额最大的用户评价值，并再次进行交易测试。举例而言， 针对A先生撰写的《中国历代政治得失》，4个候选用户评价值为29元、39元、49 元和59元，若获取到的以前述4个价格销售书籍得到的总交易额分别为11600元、 11600元、9800元、5900元，则可以将该书籍标定为总交易额最大的用户评价值29 元、39元，并再次进行交易测试。

如果再次进行交易测试后，总交易额最大的用户评价值仅有一个，则将该总交易额对应的用户评价值确定为评价值；如果再次进行交易测试后，总交易额最大的用户 评价值仍为至少两个，则可以取所有总交易额最大的用户评价值中，评价值最小的， 作为评价值。举例而言，再次进行交易测试后，总交易额最大的用户评价值仍为29 元和39元，则以29元作为评价值。

需要说明的是，在将设定时间内候选用户评价值中总交易额最大的用户评价值确定为评价值的过程中，可以按照第一预设时间间隔对总交易额进行比较，并进行标记。 进一步地，在对总交易额进行比较的次数达到第一预设次数之后，对知识内容的评价 值进行更新，不仅使该知识内容的评价方法能够持续优化，还能够在确保评价值合理 的基础上，避免评价值的频繁波动。

其中，第一预设时间间隔和第一预设次数可以根据实际情况进行设定。例如，可以设定第一预设时间间隔为24小时，设定第一预设次数为7次。

举例而言，针对A先生撰写的《中国历代政治得失》，可以每24小时对总交易 额进行1次统计，当统计次数达到7次后，根据统计结果，更新知识内容的评价值。

需要说明的是，还可以周期性例如每个月更新评价模型，进而根据评价模型得到新的评价值，根据该评价值重新确定目标用户评价值，进而根据目标用户评价值重新 进行交易测试，得到最终的评价值。

根据本申请实施例的技术方案，可通过对待评价的知识内容以及知识内容的评价参数进行获取，并根据获取到知识内容的评价参数，生成该知识内容的评价值，然后 根据目标用户评价值对评价值进行优化，以将优化后的评价值作为该知识内容的最终 评价值，不仅避免了知识内容的评价过程中存在的主观性过强的技术问题，还能够尽 可能的减小知识内容评价值的偏差，使知识内容的最终的评价值能够更加合理、更加 接近实际市场需求，从而使该知识内容的销售利益最大化。进一步地，本申请提出的 知识内容的评价方法，还能够对获取到的知识内容的评价值进行合理的后验，使得评 价值可以在后期持续优化，在确保评价值合理的基础上，避免了评价值的频繁波动。

与上述几种实施例提供的知识内容的评价方法相对应，本申请的一种实施例还提供一种知识内容的评价装置，由于本申请实施例提供的知识内容的评价装置与上述几 种实施例提供的知识内容的评价方法相对应，因此在知识内容的评价方法的实施方式 也适用于本实施例提供的知识内容的评价装置，在本实施例中不再详细描述。图6是 根据本申请一个实施例的知识内容的评价装置的结构示意图。

如图6所示，该知识内容的评价装置600包括：第一获取模块610、第二获取模 块620和生成模块630。其中：

第一获取模块610用于获取知识内容。

第二获取模块620用于获取所述知识内容的评价参数，所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息。

生成模块630用于根据所述评价参数生成所述知识内容的评价值。

在本申请的实施例中，所述第二获取模块620具体用于：获取所述知识内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量；以及根据所述被检索量和/或所 述粉丝量确定所述知识内容的作者权威度信息。

在本申请的实施例中，所述第二获取模块620具体用于：获取所述知识内容的主题；获取所述主题对应的知识内容的数量；以及根据所述主题对应的知识内容的数量 确定所述知识内容的稀缺度信息。

在本申请的实施例中，所述第二获取模块620具体用于：获取所述知识内容的主题；获取所述主题对应的知识内容的需求度参数，所述需求度参数包括以下参数中的 至少一种：知识内容的检索量、知识内容的使用量、知识内容的使用时长和点击率数 据；以及根据所述需求度参数确定所述知识内容的需求度信息。

在本申请的实施例中，所述评价参数还包括以下参数中的至少一种：所述知识内容的长度信息、所述知识内容的历史销量、所述知识内容的评分、所述知识内容的热 度和所述知识内容的信息丰富度。

在本申请的实施例中，所述生成模块630还用于：根据所述评价值查询预先存储的用户评价值库，以获取目标用户评价值；以及根据所述目标用户评价值对所述评价 值进行优化。

在本申请的实施例中，所述生成模块630具体用于：根据所述目标用户评价值在所述用户评价值库中获取预设数量的候选用户评价值；将所述知识内容标定为所述候 选用户评价值并进行交易测试；以及将设定时间内所述候选用户评价值中总交易额最 大的用户评价值确定为所述评价值。

在本申请的实施例中，所述生成模块630还用于：若所述总交易额最大的用户评价值为至少两个，则将所述知识内容标定为所述候选用户评价值并再次进行交易测试。

在本申请的实施例中，所述生成模块630还用于：若所述总交易额最大的用户评价值为至少两个，则将所述总交易额最大的用户评价值中最小的用户评价值确定为所 述评价值。

在本申请的实施例中，所述生成模块630具体用于：将所述评价参数输入评价模型生成所述评价值。

在本申请的实施例中，所述生成模块630还用于：获取样本知识内容的历史评价参数和历史评价值；以及根据所述历史评价参数和所述历史评价值训练得到所述评价 模型。

在本申请的实施例中，所述生成模块630具体用于：将所述历史评价参数和所述历史评价值代入多元方程中进行训练，得到所述多元方程中每个评价参数对应的权重 值，其中，所述多元方程包括多个评价参数、与每个评价参数对应的权重值和评价值； 以及根据所述权重值和所述多元方程得到所述评价模型。

在本申请的实施例中，所述生成模块630还用于：若所述样本知识内容的所述历史评价参数缺失，则将用于训练的其他样本知识内容的同一历史评价参数的平均值作 为所述样本知识内容的所述历史评价参数。

在本申请的实施例中，所述生成模块630还用于：若所述知识内容的所述评价参数缺失，则将用于训练所述评价模型的样本知识内容的同一评价参数的平均值作为所 述知识内容的所述评价参数。

根据本申请实施例的技术方案，可通过对待评价的知识内容以及知识内容的评价参数进行获取，并根据获取到知识内容的评价参数，生成该知识内容的评价值，然后 根据目标用户评价值对评价值进行优化，以将优化后的评价值作为该知识内容的最终 评价值，不仅避免了知识内容的评价过程中存在的主观性过强的技术问题，还能够尽 可能的减小知识内容评价值的偏差，使知识内容的最终的评价值能够更加合理、更加 接近实际市场需求，从而使该知识内容的销售利益最大化。进一步地，本申请提出的 知识内容的评价方法，还能够对获取到的知识内容的评价值进行合理的后验，使得评 价值可以在后期持续优化，在确保评价值合理的基础上，避免了评价值的频繁波动。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图7所示，是根据本申请实施例的知识内容的评价的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作 台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电 子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、 可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们 的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于 连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接， 并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设 备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置 (诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中， 若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样， 可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一 组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。

存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供 的知识内容的评价的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该 计算机指令用于使计算机执行本申请所提供的知识内容的评价的方法。

存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的知识内容的评价的方法对应 的程序指令/模块(例如，附图6所示的第一获取模块610、第二获取模块620和生成 模块630)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及 模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的知 识内容的评价的方法。

存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据知识内容的评价的电子 设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可 以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存 储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器， 这些远程存储器可以通过网络连接至知识内容的评价的电子设备。上述网络的实例包 括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

知识内容的评价的方法的电子设备还可以包括：输入装置703和输出装置704。 处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式 连接，图7中以通过总线连接为例。

输入装置703可接收输入的数字或字符信息，以及产生与知识内容的评价的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹 板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装 置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振 动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED) 显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、 专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。 这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计 算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处 理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至 少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个 输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的 机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来 实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指 的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和 /或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为 机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器 指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶 显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过 该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户 的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听 觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉 输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部 件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通 过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、 或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以 通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。 通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的 计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，可通过对待评价的知识内容以及知识内容的评价参数进行获取，并根据获取到知识内容的评价参数，生成该知识内容的评价值，不仅 避免了知识内容的评价过程中存在的主观性过强的技术问题，还能够尽可能的减小知 识内容评价值的偏差，使获取到的评价值更加合理、更加准确。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。 例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序 执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何 在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护 范围之内。

Claims (30)

1.一种知识内容的评价方法，其特征在于，包括：

获取知识内容；

获取所述知识内容的评价参数，所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息；以及

根据所述评价参数生成所述知识内容的评价值。

2.根据权利要求1所述的评价方法，其特征在于，获取所述知识内容的作者权威度信息，包括：

获取所述知识内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量；以及

根据所述被检索量和/或所述粉丝量确定所述知识内容的作者权威度信息。

3.根据权利要求1所述的评价方法，其特征在于，获取所述知识内容的稀缺度信息，包括：

获取所述知识内容的主题；

获取所述主题对应的知识内容的数量；以及

根据所述主题对应的知识内容的数量确定所述知识内容的稀缺度信息。

4.根据权利要求1所述的评价方法，其特征在于，获取所述知识内容的需求度信息，包括：

获取所述知识内容的主题；

获取所述主题对应的知识内容的需求度参数，所述需求度参数包括以下参数中的至少一种：知识内容的检索量、知识内容的使用量、知识内容的使用时长和点击率数据；以及

根据所述需求度参数确定所述知识内容的需求度信息。

5.根据权利要求1所述的评价方法，其特征在于，所述评价参数还包括以下参数中的至少一种：

所述知识内容的长度信息、所述知识内容的历史销量、所述知识内容的评分、所述知识内容的热度和所述知识内容的信息丰富度。

6.根据权利要求1所述的评价方法，其特征在于，还包括：

根据所述评价值查询预先存储的用户评价值库，以获取目标用户评价值；以及

根据所述目标用户评价值对所述评价值进行优化。

7.根据权利要求6所述的评价方法，其特征在于，所述根据目标用户评价值对所述评价值进行优化，包括：

根据所述目标用户评价值在所述用户评价值库中获取预设数量的候选用户评价值；

将所述知识内容标定为所述候选用户评价值并进行交易测试；以及

将设定时间内所述候选用户评价值中总交易额最大的用户评价值确定为所述评价值。

8.根据权利要求7所述的评价方法，其特征在于，还包括：

若所述总交易额最大的用户评价值为至少两个，则将所述知识内容标定为所述候选用户评价值并再次进行交易测试。

9.根据权利要求7或8所述的评价方法，其特征在于，还包括：

若所述总交易额最大的用户评价值为至少两个，则将所述总交易额最大的用户评价值中最小的用户评价值确定为所述评价值。

10.根据权利要求1所述的评价方法，其特征在于，所述根据所述评价参数生成所述知识内容的评价值，包括：

将所述评价参数输入评价模型生成所述评价值。

11.根据权利要求10所述的评价方法，其特征在于，所述评价模型通过以下步骤训练得到：

获取样本知识内容的历史评价参数和历史评价值；以及

根据所述历史评价参数和所述历史评价值训练得到所述评价模型。

12.根据权利要求11所述的评价方法，其特征在于，所述根据所述历史评价参数和所述历史评价值训练得到所述评价模型，包括：

将所述历史评价参数和所述历史评价值代入多元方程中进行训练，得到所述多元方程中每个评价参数对应的权重值，其中，所述多元方程包括多个评价参数、与每个评价参数对应的权重值和评价值；以及

根据所述权重值和所述多元方程得到所述评价模型。

13.根据权利要求11所述的评价方法，其特征在于，还包括：

若所述样本知识内容的所述历史评价参数缺失，则将用于训练的其他样本知识内容的同一历史评价参数的平均值作为所述样本知识内容的所述历史评价参数。

14.根据权利要求10所述的评价方法，其特征在于，还包括：

若所述知识内容的所述评价参数缺失，则将用于训练所述评价模型的样本知识内容的同一评价参数的平均值作为所述知识内容的所述评价参数。

15.一种知识内容的评价装置，其特征在于，包括：

第一获取模块，用于获取知识内容；

第二获取模块，用于获取所述知识内容的评价参数，所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息；以及

生成模块，用于根据所述评价参数生成所述知识内容的评价值。

16.根据权利要求15所述的评价装置，其特征在于，所述第二获取模块具体用于：

获取所述知识内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量；以及

根据所述被检索量和/或所述粉丝量确定所述知识内容的作者权威度信息。

17.根据权利要求15所述的评价装置，其特征在于，所述第二获取模块具体用于：

获取所述知识内容的主题；

获取所述主题对应的知识内容的数量；以及

根据所述主题对应的知识内容的数量确定所述知识内容的稀缺度信息。

18.根据权利要求15所述的评价装置，其特征在于，所述第二获取模块具体用于：

获取所述知识内容的主题；

获取所述主题对应的知识内容的需求度参数，所述需求度参数包括以下参数中的至少一种：知识内容的检索量、知识内容的使用量、知识内容的使用时长和点击率数据；以及

根据所述需求度参数确定所述知识内容的需求度信息。

19.根据权利要求15所述的评价装置，其特征在于，所述评价参数还包括以下参数中的至少一种：

所述知识内容的长度信息、所述知识内容的历史销量、所述知识内容的评分、所述知识内容的热度和所述知识内容的信息丰富度。

20.根据权利要求15所述的评价装置，其特征在于，所述生成模块还用于：

根据所述评价值查询预先存储的用户评价值库，以获取目标用户评价值；以及

根据所述目标用户评价值对所述评价值进行优化。

21.根据权利要求20所述的评价装置，其特征在于，所述生成模块具体用于：

根据所述目标用户评价值在所述用户评价值库中获取预设数量的候选用户评价值；

将所述知识内容标定为所述候选用户评价值并进行交易测试；以及

将设定时间内所述候选用户评价值中总交易额最大的用户评价值确定为所述评价值。

22.根据权利要求21所述的评价装置，其特征在于，所述生成模块还用于：

若所述总交易额最大的用户评价值为至少两个，则将所述知识内容标定为所述候选用户评价值并再次进行交易测试。

23.根据权利要求21或22所述的评价装置，其特征在于，所述生成模块还用于：

若所述总交易额最大的用户评价值为至少两个，则将所述总交易额最大的用户评价值中最小的用户评价值确定为所述评价值。

24.根据权利要求15所述的评价装置，其特征在于，所述生成模块具体用于：

将所述评价参数输入评价模型生成所述评价值。

25.根据权利要求24所述的评价装置，其特征在于，所述生成模块还用于：

获取样本知识内容的历史评价参数和历史评价值；以及

根据所述历史评价参数和所述历史评价值训练得到所述评价模型。

26.根据权利要求25所述的评价装置，其特征在于，所述生成模块具体用于：

将所述历史评价参数和所述历史评价值代入多元方程中进行训练，得到所述多元方程中每个评价参数对应的权重值，其中，所述多元方程包括多个评价参数、与每个评价参数对应的权重值和评价值；以及

根据所述权重值和所述多元方程得到所述评价模型。

27.根据权利要求25所述的评价装置，其特征在于，所述生成模块还用于：

若所述样本知识内容的所述历史评价参数缺失，则将用于训练的其他样本知识内容的同一历史评价参数的平均值作为所述样本知识内容的所述历史评价参数。

28.根据权利要求24所述的评价装置，其特征在于，所述生成模块还用于：

若所述知识内容的所述评价参数缺失，则将用于训练所述评价模型的样本知识内容的同一评价参数的平均值作为所述知识内容的所述评价参数。

29.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-14中任一项所述的知识内容的评价方法。

30.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-14中任一项所述的知识内容的评价方法。

Images