在日常生活中，我们总是免不了与各行各业的客服人员交流，有时对于其推广的服务，我们欣然接受；而有时是真的不需要；当然，偶尔也会出现实则需要，但因其产品功能等达不到自己的要求而拒绝。过往，用户的需求都是通过人工来留存处理，但这样对企业来说，效率低且成本高，有没有可能借助更高效的技术来对用户需求进行自动归纳与处理？
答案是：必须有！
近日，作业帮公开了发明专利“一种挖掘用户需求的数据处理方法、装置及电子设备”，可以通过对用户需求的大概定位，通过聚类分析提高备选语句的质量和浓度，利用核心词权重在每个分类内排序，提高后续归纳工作的效率和效果，使用户需求的挖掘更加系统化。
专利摘要显示：本发明属于数据信息处理技术领域，特别适用于在线服务中的数据信息处理，更具体的是涉及一种挖掘用户需求的数据处理方法、装置及电子设备。 方法包括：
- 定位用户对话内容中表达否定意愿的语句，以该语句为中心进行对话内容的扩展；
- 对扩展后的对话内容进行聚类分析，确定每个分类中的核心词的权重；
- 基于核心词的权重确定各个分类的主题，即用户需求。
其中，提到使用聚类分析模型对短句进行聚类分析，所述聚类分析模型采用Biterm Topic Model算法。
Biterm Topic Model (BTM)是一个基于单词共现的主题模型，它通过建模单词共现模式(比如 biterms)来学习主题。
在作业帮此专利中，提到“聚类分析模型在对短句进行聚类过程中，Biterm Topic Model 算法会对每个分类中包含的单词计算在该分类下的权重。基于核心词的权重确定各个分类的主题，即用户需求。”
其实，在Biterm Topic Model的应用目前已不鲜见，比如有国外相关领域研究者采用这种方法来识别推文的主题等。
,
