(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 20221073139 2.3 (22)申请日 2022.06.24 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 史文鑫　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 周春霞 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/34(2019.01) G06F 40/216(2020.01) G06Q 40/02(2012.01) G06Q 30/02(2012.01) (54)发明名称 一种问卷调查分析方法、 装置、 存储介质及 设备 (57)摘要 本申请实施例提供一种问卷调查分析方法、 装置、 存储介质及设备， 该方法中， 获取各用户对 NPS调查问卷的答复结果， 基于预设模型对各答 复结果中的评论内容进行编码， 得到表征对应评 论内容的语义的表征特征， 之后， 对各表征特征 进行聚类， 再对聚类后的评论内容进行关键短语 提取， 从而 提取出各个类别的代表短语。 如此， 实 现对NPS调查问卷的自动分析， 能够准确找出用 户的观点和意图， 为企业管 理者的决策提供有效 的参考信息。 权利要求书1页 说明书9页 附图3页 CN 115080741 A 2022.09.20 CN 115080741 A 1.一种问卷调查分析 方法， 其特 征在于， 包括： 获取各用户对NP S调查问卷的答复结果， 所述 答复结果包括评论内容； 基于预设模型对各评论内容进行编码， 得到各评论内容对应的表征 特征； 对各评论内容的表征 特征进行聚类； 针对聚类后的评论内容， 提取每一个 类别中的关键短语。 2.根据权利要求1所述的方法， 其特征在于， 所述答复结果还包括评分分值； 所述方法 还包括： 基于评分分值对各答复结果进行分段统计； 对每个分段的评论内容进行词云展示。 3.根据权利要求1所述的方法， 其特征在于， 所述预设模型的训练数据包括初始数据和 搜索引擎针对所述初始数据得到的检索数据； 所述预设模型基于以下 方式训练得到： 使用预训练模型对所述初始数据进行处 理， 生成预测数据； 基于所述预测数据和所述检索数据构建第 一损失函数， 基于所述预测数据和所述检索 数据之间的相似度构建第二损失函数； 将所述第一损 失函数和所述第二损 失函数累加， 得到目标损 失函数， 利用所述目标损 失函数对所述预训练模型进行训练。 4.根据权利要求3所述的方法， 其特征在于， 所述预训练模型是统一预训练语言模型 UniLM。 5.根据权利要求3所述的方法， 其特 征在于， 所述训练数据基于以下 方式得到： 将初始数据作为问题在搜索引擎中进行检索， 得到检索结果； 使用文本相似度算法对所述检索结果进行相似度排序； 将排序在前的预设个数检索结果确定为所述检索数据。 6.根据权利要求1所述的方法， 其特征在于， 所述对各评论内容的表征特征进行聚类， 包括： 使用K‑means聚类算法对各评论内容的表征特征进行聚类， 聚类的个数是基于肘部法 则确定得到的。 7.根据权利 要求1所述的方法， 其特征在于， 所述关键短语是使用TextRank算法提取得 到的。 8.一种问卷调查分析装置， 其特 征在于， 包括： 获取模块， 用于获取 各用户对NP S调查问卷的答复结果， 所述 答复结果包括评论内容； 编码模块， 用于基于预设模型对各评论内容进行编码， 得到各评论内容对应的表征特 征； 聚类模块， 用于对各评论内容的表征 特征进行聚类； 提取模块， 用于针对聚类后的评论内容， 提取每一个 类别中的关键短语。 9.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序被 处理器执行时实现如权利要求1至7任一项所述的方法。 10.一种计算机设备， 其特征在于， 包括处理器、 存储器及存储在存储器上并可在处理 器上运行 的计算机程序， 其中， 所述处理器执行所述计算机程序时实现如权利要求1至7任 一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115080741 A 2一种问卷调查分析方 法、 装置、 存储介质及设 备 技术领域 [0001]本申请涉及数据处理技术领域， 具体而言， 涉及一种问卷调查分析方法、 装置、 存 储介质及设备。 背景技术 [0002]NPS(Net Promoter  Score)， 净推荐值， 又称净促进者得分， 是一种计量某个客户 将会向其他人推荐某个企业或服务可能性的指数。 企业可以根据各个业务交互对象的净推 荐值， 作为评估指标来判断该业务交互对 象的交互质量是否良好， 从而便于企业管理人员 制定相应的服 务策略。 [0003]目前， 一般采取向用户发放NPS调查问卷的方式来采集NPS， NPS调查问卷通常分为 两部分， 一部分是评分， 另一部分是让用户填写的给出该评分的原因。 实际上， 用户填写的 给出该评分的原因能够更好地反馈出用户的真实喜好， 但是这部分结果不易分析， 比较耗 费时间成本和人力成本 。 发明内容 [0004]本申请实施例的目的在于提供一种问卷调查分析方法、 装置、 存储介质及设备， 以 解决相关技 术中对NP S调查问卷的分析耗时耗力的问题。 [0005]第一方面， 本申请实施例提供的一种问卷调查分析 方法， 包括： [0006]获取各用户对NP S调查问卷的答复结果， 所述 答复结果包括评论内容； [0007]基于预设模型对各评论内容进行编码， 得到各评论内容对应的表征 特征； [0008]对各评论内容的表征 特征进行聚类； [0009]针对聚类后的评论内容， 提取每一个 类别中的关键短语。 [0010]在上述实现过程中， 获取各用户对NPS调查问卷的答复结果， 基于预设模型对各答 复结果中的评论内容进 行编码， 得到表征对应评论内容的语义的表征特征， 之后， 对各表征 特征进行聚类， 再对聚类后的评论内容进行关键短语提取， 从而提取出各个类别的代表短 语。 如此， 实现对NPS调查问卷的自动分析， 能够准确找出用户的观 点和意图， 为 企业管理者 的决策提供有效的参 考信息。 [0011]进一步地， 在一些实施例中， 所述 答复结果还 包括评分 分值； 所述方法还 包括： [0012]基于评分分值对各答复结果进行分段统计； [0013]对每个分段的评论内容进行词云展示。 [0014]在上述实现过程中， 通过分段统计和词云展示， 快速展示用户的态度。 [0015]进一步地， 在一些实施例中， 所述预设模型的训练数据包括初始数据和搜索引擎 针对所述初始数据得到的检索数据； 所述预设模型基于以下 方式训练得到： [0016]使用预训练模型对所述初始数据进行处 理， 生成预测数据； [0017]基于所述预测数据和所述检索数据构建第一损失函数， 基于所述预测数据和所述 检索数据之间的相似度构建第二损失函数；说　明　书 1/9 页 3 CN 115080741 A 3