CN111144941A - 商户评分的生成方法、装置、设备及可读存储介质 - Google Patents

商户评分的生成方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN111144941A
CN111144941A CN201911360033.6A CN201911360033A CN111144941A CN 111144941 A CN111144941 A CN 111144941A CN 201911360033 A CN201911360033 A CN 201911360033A CN 111144941 A CN111144941 A CN 111144941A
Authority
CN
China
Prior art keywords
score
target
historical
merchant
result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911360033.6A
Other languages
English (en)
Inventor
梁思
顾梦逸
王迟威
吴正正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hanhai Information Technology Shanghai Co Ltd
Original Assignee
Hanhai Information Technology Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hanhai Information Technology Shanghai Co Ltd filed Critical Hanhai Information Technology Shanghai Co Ltd
Priority to CN201911360033.6A priority Critical patent/CN111144941A/zh
Publication of CN111144941A publication Critical patent/CN111144941A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请关于一种商户评分的生成方法、装置、设备及可读存储介质，涉及信息处理技术领域。该方法包括：获取第一帐号对目标商户进行评分的目标分值；获取第一帐号对参考商户进行评分的历史评分分值以及参考商户已接收的第一历史分值；对历史评分分值和第一历史分值进行相关度检测，得到历史评分分值与第一历史分值之间的相关度结果；根据相关度结果确定目标分值的加权权重；根据加权权重结合目标分值生成目标商户的目标评分。通过将目标分值与目标商户的历史评分分值进行相关度检测，并根据检测所获取的相关度结果确定目标分值的加权权重的方法，对存在异常评论可能的进行权值修正后作为最终的商户目标评分的参考，提高商户总体评分的准确率。

Description

商户评分的生成方法、装置、设备及可读存储介质
技术领域
本申请涉及信息处理技术领域，特别涉及一种对商户评分的生成方法、装置、设备及可读存储介质。
背景技术
在一些与商户有关的应用程序的平台上，用户可以在对商户的服务进行体验之后，以发布用户评论的方式表达对于商户的评价。在部分应用程序当中，用户对于商户的评价将会通过打分的方式直观地进行体现，而这些评分将会被汇总计算，在应用程序的界面中体现为商户的总体评分。
相关技术中，应用软件将会通过配置服务器，并在服务器中输入某种特征进行查询的方式，对无效点评信息进行查找，对查找到的且严重影响商户的评分的无效点评信息进行直接删除。
然而，相关技术对于无效点评信息的处理方式过于绝对化，容易导致商户的总体评分不准确。
发明内容
本申请关于一种对商户评分的生成方法、装置、设备及可读存储介质，可以解决相关技术对于无效点评信息的处理方式过于绝对化，容易导致商户的总体评分不准确的问题。该技术方案如下：
一方面，提供了一种商户评分的生成方法，该方法包括：
获取第一帐号对目标商户进行评分的目标分值；
获取第一帐号对参考商户进行评分的历史评分分值以及参考商户已接收的第一历史分值；
对历史评分分值和第一历史分值进行相关度检测，得到历史评分分值与第一历史分值之间的相关度结果；
根据相关度结果确定目标分值的加权权重；
根据加权权重结合目标分值生成目标商户的目标评分，目标评分用于对目标商户进行评价。
在一个可选的实施例中，根据相关度结果确定目标分值的加权权重，包括：
当相关度结果符合相关度要求时，根据相关度结果确定目标分值的加权权重；
当相关度结果不符合相关度要求时，对目标商户已接收的第二历史分值进行离散度检验，得到第二历史分值的离散度结果；根据离散度结果确定目标分值的加权权重。
在一个可选的实施例中，根据离散度结果确定目标分值的加权权重，包括：
当离散度结果符合离散度条件时，对目标分值在历史评分分值中出现的频率进行频率检验，得到频率检验结果；
根据频率检验结果确定目标分值的加权权重。
在一个可选的实施例中，根据频率检验结果确定目标分值的加权权重，包括：
当频率检验结果达到频率阈值时，确定对目标分值进行降权处理的加权权重；
当频率检验结果未达到频率阈值时，确定对目标分值进行升权处理的加权权重。
在一个可选的实施例中，对目标商户已接收的第二历史分值进行离散度检验之前，还包括：
对目标商户已接收的第二历史分值进行分布检验，得到第二历史分值中的置信区间；
当目标分值不在置信区间内时，对目标商户已接收的第二历史分值进行离散度检验。
在一个可选的实施例中，对历史评分分值和第一历史分值进行相关度检测，得到历史评分分值与第一历史分值之间的相关度结果，包括：
从第一历史分值中选取n个目标第一历史分值，
根据n个目标第一历史分值计算得到参考商户历史评分均分；
根据参考商户历史评分均分、n个目标第一历史分值以及历史评分分值进行相关度检测，得到第一历史分值与历史评分分值之间的相关度结果。
在一个可选的实施例中，从第一历史分值中选取n个目标第一历史分值，包括：
对达到预设数值阈值的第一历史分值进行剔除，得到n个目标第一历史分值。
另一方面，提供了一种商户评分的生成，该装置包括：
获取模块，用于获取第一帐号对目标商户进行评分的目标分值；
获取模块，还用于获取第一帐号对参考商户进行评分的历史评分分值以及参考商户已接收的第一历史分值；
检测模块，用于对历史评分分值和第一历史分值进行相关度检测，得到历史评分分值与第一历史分值之间的相关度结果；
确定模块，用于根据相关度结果确定目标分值的加权权重；
生成模块，用于根据加权权重结合目标分值生成目标商户的目标评分，目标评分用于对目标商户进行评价。
在一个可选的实施例中，确定模块，用于当相关度结果符合相关度要求时，根据相关度结果确定目标分值的加权权重；
检验模块，用于当相关度结果不符合相关度要求时，对目标商户已接收的第二历史分值进行离散度检验，得到第二历史分值的离散度结果；根据离散度结果确定目标分值的加权权重。
在一个可选的实施例中，检验模块，用于当离散度结果符合离散度条件时，对目标分值在历史评分分值中出现的频率进行频率检验，得到频率检验结果；
确定模块，用于根据频率检验结果确定目标分值的加权权重。
在一个可选的实施例中，确定模块，用于当频率检验结果达到频率阈值时，确定对目标分值进行降权处理的加权权重；
确定模块，还用于当频率检验结果未达到频率阈值时，确定对目标分值进行升权处理的加权权重。
在一个可选的实施例中，检验模块，用于对目标商户已接收的第二历史分值进行分布检验，得到第二历史分值中的置信区间；
检验模块，还用于当目标分值不在置信区间内时，对目标商户已接收的第二历史分值进行离散度检验。
在一个可选的实施例中，获取模块，用于从第一历史分值中选取n个目标第一历史分值，
获取模块，还用于根据n个目标第一历史分值计算得到参考商户历史评分均分；
检测模块，用于根据参考商户历史评分均分、n个目标第一历史分值以及历史评分分值进行相关度检测，得到第一历史分值与历史评分分值之间的相关度结果。
在一个可选的实施例中，该装置还包括：剔除模块；
剔除模块，用于对达到预设数值阈值的第一历史分值进行剔除，得到n个目标第一历史分值。
另一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述本申请实施例中提供的商户评分的生成方法。
另一方面，提供了一种计算机可读存储介质，可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述本申请实施例中提供的商户评分的生成方法。
另一方面，提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行如上述本申请实施例中任一所述的商户评分的生成方法。
本申请提供的技术方案带来的有益效果至少包括：
通过将目标分值与目标商户的历史评分分值进行相关度检测，并根据检测所获取的相关度结果确定目标分值的加权权重，进而根据加权权重结合目标分值生成目标商户的目标评分的方法，对存在异常评论可能的进行权值修正后作为最终的商户目标评分的参考，使最终的商户目标评分参考的数据更加多样化，并减少了对于正常评分错误删除的概率，提高商户总体评分的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了相关技术中商户评价汇总界面的示意图；
图2示出了相关技术中用户评论界面的示意图；
图3示出了本公开实施例提供的一种商户评分的生成方法的流程图；
图4示出了本公开实施例提供的一种商户评分的生成方法的流程图；
图5示出了本公开实施例提供的一种商户评分的生成方法的流程图；
图6示出了本公开实施例提供的一种的商户评分的生成方法的流程示意图；
图7示出了本公开实施例提供的一种商户评分的生成装置的结构框图；
图8示出了本公开实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在相关技术中，用户可以在应用程序上对其想要评价的商户通过打分的形式进行评价。可选地，在一些用于将关于商户品质的评价内容进行体现的平台的应用程序界面上，将所有目标时间段内用户对于一个商户进行的评价与打分进行集中展示，示意性地，将一个月内的所有用户对于一个商户进行的评价与打分进行集中展示。可选地，该界面还用于对该商户进行打分以及评价的汇总。图1示出了相关技术中商户评价汇总界面的示意图。请参考图1，商户评价汇总界面包括商户总评信息11和商户其他信息12。
可选地，商户总评信息中包括商户方提供的商户图片、商户名称以及商户性质。可选地，商户性质、商户名称由商户进行提供；商户图片可以由商户提供，通过图片或短视频形式对商户进行宣传，也可以由用户提供；商户评分、评分人数和人均消费的数值则由用户原创内容以及平台服务器的算法决定。在一个示例中，商户评分由目标时间内所有的用户在评论中进行的评分通过服务器内部的计算规则获得；评分人数表示所有进行评论的用户人数；人均消费由目标时间内所有的用户在评论中体现的消费数额通过服务器内部的计算规则获得。
可选地，在图1所示的实施例中，该界面还包括商户其他信息，商户其他信息包括商户服务信息102及商户地址信息103。可选地，商户其他信息公开了商户的位置、开放时间等具体服务信息，这些信息可以由商户发布，也可以在由用户发布之后通过服务器进行选定。
可选地，在图1所述的商户总评信息101中，商户评分由目标时间内所有的用户在评论中进行的评分通过服务器内部的计算规则获得。可选地，用户进行的评分也会体现在对应的应用程序界面上。
图2示出了相关技术中用户评论界面的示意图。可选地，用户评论界面中包括了至少一个用户评论的一部分，请参考图2，图2示出的用户评论界面中展示了用户评论205及用户评论206。可选地，用户评论205包括了发布用户信息202、评论内容203和互动功能按键204。
可选地，发布用户信息202中包括了用户名、用户等级标识、用户头像、评论发布时间等与该条评论以及发布该条评论的用户有关的信息。可选地，发布用户信息202中还包括了用户打分分数201。可选地，商户评分即是对目标时间内所有用户评论中的用户打分分数进行收集，并且汇总后通过服务器内部的计算规则获得。可选地，用户评论205中还包括了互动功能按键204，用于在浏览该界面的用户有与发布信息的用户进行互动的必要时与其进行互动，可选地，互动功能按键204包括评论按键、点赞按键、分享按键、关注按键，通过对应在界面上对应按键的操作，用户可以激活界面上的相应功能。可选地，用户评论206示出了用户打分分数201以及评论内容203的一种呈现形式。可选地，用户打分分数是在应用程序对应的打分分数规则下进行打分的，在用户评论206的打分规则中，用户可以选定一个0到10以内的一位小数作为用户打分分数。可选地，评论内容203中可以包括至少一张评论附图，在用户评论206的评论内容部分，即带有两张评论附图。
可选地，由于多种原因，用户会发布异常评论。在一个示例中，用户随机输入了评分，并在评论中输入了乱码，则该评论即会被视为异常评论。对于异常评论，相关技术中常使用直接对评论进行剔除的方法，防止与异常评论对应的用户打分分值对商户的商户评分造成影响。然而，相关技术对于异常评论的处理方式过于绝对化，容易导致商户的总体评分不准确。
图3示出了本公开实施例提供的一种商户评分的生成方法的流程图，以该方法应用于服务器中为例，该方法包括：
步骤301，获取第一帐号对目标商户进行评分时的目标分值。
可选地，第一帐号为在应用程序平台上针对目标商户进行评分的帐号，目标商户为第一帐号进行评分的商户，目标分值为第一帐号对目标商户进行打分的分值。可选地，目标分值可以是针对目标商户进行评价的分值；或，该目标分值也可以是对目标商户中某项产品所进行评价的分值。可选地，根据应用程序界面设计的不同，目标分值的展示形式也不同，在一个示例中，应用程序界面通过对应的五角星数量对目标分值进行展示；或，通过表情标识对目标分值进行展示；或，应用程序界面通过目标分值对应的颜色对目标分值进行展示；或，应用程序界面直接以数值的形式对该目标分值进行展示。可选地，当应用程序以非数值的形式对目标分值进行展示时，目标分值被储存到服务器中，并进行后续的分值处理。
步骤302，获取第一帐号对参考商户进行评分的历史评分分值以及参考商户已接收的第一历史分值。
可选地，参考商户用于指示第一帐号已进行过评分的商户。可选地，参考商户的数量为至少两个。可选地，第一历史分值为参考商户已经接收到的，包括第一帐号在内的所有帐号对其进行评分的分值；或，该第一历史分值也可以是参考商户已经接收到的，不包括第一帐号在内的其他帐号对其进行评分的分值。可选地，第一历史分值的数量为至少两个。在一个示例中，第一帐号的对参考商户A、参考商户B、参考商户C都进行了评分，则服务器会存储第一帐号对参考商户A的历史评分分值、第一帐号对参考商户B的历史评分分值、第一帐号对参考商户C的历史评分分值，且服务器中也存储了与参考商户A、参考商户B以及参考商户C对应的第一历史分值。可选地，应用程序对于历史评分分值和第一历史分值的展现形式也与目标分值同样，呈现出多样性，但历史评分分值以及第一历史分值也均被存储在服务器中。可选地，参考商户可以包括目标商户，此时，第一历史分值包括目标分值。
步骤303，对历史评分分值和第一历史分值进行相关度检测，得到历史评分分值与第一历史分值之间的相关度结果。
可选地，在对历史评分分值和第一历史分值进行相关度检测之前，需要对第一历史分值进行数据处理。可选地，对第一历史分值进行数据处理的目的是对于少部分特别异常的数据进行剔除。可选地，对于该少部分特别异常的数据的剔除仅是在数据处理过程中的剔除，而非将异常数据从服务器的数据存储中进行删除，在其他关于第一历史分值的数据处理过程中，该少部分特别异常的数据依然存在。可选地，对达到预设数值阈值的第一历史分值进行剔除，得到n个目标第一历史分值。在一个示例中，将第一历史分值中数值绝对值最高的10％的第一历史分值以及数值绝对值最低的10％的第一历史分值数据进行剔除。可选地，将剩余的n个第一历史分值作为n个目标第一历史分值的判断，n为正整数。
可选地，在获取n个目标第一历史分值之后，根据n个目标第一历史分值计算得到参考商户历史评分均分。可选地，参考商户历史评分均分为对n个目标第一历史分值进行平均值计算得到的平均值。
可选地，根据参考商户历史评分均分，n个目标第一历史分值以及历史评分分值进行相关度检测，得到第一历史分值和历史评分分值之间的相关度结果。
可选的，相关度检测的形式是通过将参考商户历史评分均分、第一历史分值以及历史评分分值带入皮尔逊相关系数的计算公式当中，获取对应的相关度结果。
可选地，相关度结果包括强相关，弱相关与不相关。示例性的，相关度结果的值为一个大于等于-1，且小于等于1的数值。当该数值大于某个第一阈值时，即体现第一历史分值与历史评分分值强相关；当该数值大于第二阈值且小于第一阈值时，即体现第一历史分值与历史评分分值弱相关；当该数值小于第二阈值时，即体现第一历史分值与历史评分分值无关。示意性地，当相关度结果数值大于等于0.6时，确定第一历史分值与历史评分分值强相关；当相关度结果数值大于等于0且小于0.6时，确定第一历史分值与历史评分分值弱相关；当相关度结果数值小于0且大于等于-1时，确定第一历史分值与历史评分分值无关。
步骤304，根据相关度结果确定目标分值的加权权重。
可选地，在将参考商户历史评分均分、第一历史分值以及历史评分分值带入皮尔逊相关系数的计算公式之后，即可获得相关度结果。可选地，根据相关度结果获取目标分值的加权权重。
可选地，加权权重指对于目标分值赋予的权值。可选地，将加权权重与目标分值进行结合后，可以生成一个新的评分。在一个示例中，目标分值为10，加权权重为0.8，则新的评分为10*0.8＝8分，即代表新的评分为8分。
步骤305，根据加权权重结合目标分值生成目标商户的目标评分，目标评分用于对目标商户进行评价。
可选地，根据加权权重结合目标分值生成目标商户的目标评分的方法已在步骤304中进行过说明。可选地，目标商户的目标评分由多个目标分值以及其对应的加权权重生成。在一个示例中，某商户接收到了50个有效的目标分值以及其对应的加权权重，则首先对每个目标分值以及其对应的加权权重生成一个新的评分，再将每个新的评分进行加和后取平均值，最终获取目标评分。
可选地，最终生成的目标评分用于以分值的形式对目标商户进行评价。可选地，最终生成的目标评分越高，说明用户对于目标商户的评价越好，可选地，最终生成的目标评分将会显示在图1所示的商户总评信息中的商户评分处向用户进行展示。
综上所述，本实施例提供的方法，通过将目标分值与目标商户的历史评分分值进行相关度检测，并根据检测所获取的相关度结果确定目标分值的加权权重，进而根据加权权重结合目标分值生成目标商户的目标评分的方法，对存在异常评论可能的进行权值修正后作为最终的商户目标评分的参考，使最终的商户目标评分参考的数据更加多样化，并减少了对于正常评分错误删除的概率，提高商户总体评分的准确率。
在基于图3的可选实施例中，图4示出了本公开实施例提供的一种商户评分的生成方法的流程图，在本实施例中，上述实施例中的步骤304可被替换为步骤3041到步骤3049，以该方法应用于服务器中为例进行说明，该方法包括：
步骤3041，判断相关度结果是否符合相关度要求。
可选地，在得到历史评分分值与第一历史分值的相关度结果之后，判断相关度结果是否符合相关度要求。可选地，如上述图3实施例中对应的步骤303所述，相关度结果体现为数值形式，示意性的，该相关度要求可以实现为一个给定数值，当相关度结果达到该给定数值时，确定相关度结果符合相关度要求，当相关度结果未达到给定数值时，则确定相关度结果不符合相关度要求。在一个示例中，获得的目标分值与历史评分分值的相关度结果为0.7，而相关度要求为0.6，则指示相关度结果符合相关度要求。
可选地，当确定相关度结果符合相关度要求时，执行步骤3042；当相关度结果不符合相关度要求时，执行步骤3043。
步骤3042，根据相关度结果确定目标分值的加权权重。
可选地，当相关度结果符合相关度要求时，即表示第一历史分值与历史评分分值为强相关，也即表示目标分值是异常分值，需要对其加权权重进行确定。可选地，确定目标分值的加权权重包括确定对其进行降权处理的加权权重。可选地，由于目标分值是异常分值，故需对其进行降权处理。
示意性的，目标分值为8.0，且相关度结果为0.8，即符合相关度要求，且体现为强相关。则在此情况下，需要对目标分值进行降权处理，相关度结果为0.8的情况下，对应降权处理的加权权重为0.6，则确定该目标分值的加权权重为0.6，此时，经过加权权重进行处理后的目标分值为0.8*0.6＝0.48。可选地，由所有经过加权权重处理后的目标分值生成目标商户的商户评分，即相关度结果不符合相关度要求的评分分值将会在后续的步骤中确定其加权权重。
步骤3043，对目标商户已接收的第二历史分值进行离散度检验。
可选地，当相关度结果不符合相关度要求时，即表示第一历史分值与历史评分分值为弱相关或不相关，也即表示目标分值经过相关度的检验后体现为非异常数值，此时即需对第二历史分值进行离散度检验。可选地，第一历史分值中包括或者不包括该目标分值。
可选地，第二历史分值中可以包括或不包括该目标分值。
步骤3044，判断离散度结果是否符合离散度条件。
可选地，通过离散度检验获取第二历史分值的离散度检验结果。可选地，通过信息熵公式进行第一历史分值的离散度检验。可选地，信息熵公式如下公式1所示：
公式1：
Figure BDA0002336945100000101
式中，H表示第一历史分值的离散程度，j为进行离散度检验的第一历史分值的数量，pi表示第i个第一历史分值对应出现的频率。示意性的，第一历史分值为7、7、7、8、8、8、9、9、9、10，则第三个历史分值为7，与第三个历史分值相同的分值在总数量j为10的历史分值中出现了三次，即第三个历史分值出现的频率为0.3，则p3＝0.3。可选地，i≤j。可选地，由于第一历史分值中一定大于等于两个，且pi必然为0-1之间的数，故H为一个大于0的值。可选地，H即为离散度结果。
可选地，该检验过程中还设有离散度条件，且该离散度条件体现为一个数值。当离散度结果符合离散度条件时，即表示第一历史分值符合离散分布，即目标商户接收到的来自所有用户的打分分值较为离散，进而表示从商户接收到这些打分分值的角度，这些打分分值并不异常。可选地，当离散度结果不符合离散度条件时，即表示第一历史分值不符合离散分布，即目标商户接收到的来自所有用户的打分分值并不离散，进而表示从商户接收到这些打分分值的角度，这些打分分值异常。
可选地，当离散度结果不符合离散度条件时，执行步骤3045；当离散度结果符合离散度条件时，执行步骤3046。
步骤3045，根据离散度结果确定目标分值的加权权重。
可选地，当离散度结果不符合离散度条件时，表示分值异常来源于商户的评分异常，示意性地，当用户对于商户的评分过于集中时，计算出的离散度检验结果H即会小于离散度条件。在一个示例中，离散度结果H＝0.3，离散度要求为H≥0.5，此时离散度结果H未满足离散度要求，则可以确定分值的异常来源于用户对于商户的评分过于集中，即来源于商户的评分异常。此时，可以根据离散度结果确定目标分值的加权权重。可选地，由于分值异常，需要对目标分值进行降权处理。在一个示例中，目标分值为7，H＝0.3时对应的加权权重为0.75，则目标分值通过该加权权重进行降权处理后的分值为7*0.75＝5.25。即代表新的评分为5.25分。可选地，由所有经过加权权重处理后的目标分值生成目标商户的商户评分，即离散度结果符合离散度要求的评分分值将会在后续的步骤中确定其加权权重。
步骤3046，对目标分值在历史评分分值中出现的频率进行频率检验，得到频率检验结果。
可选地，当离散度结果符合离散度条件时，即表示从商户接收到这些打分分值的角度，这些打分分值并不异常，故需要从用户进行打分的角度对其异常原因进行分析。
可选地，从用户进行打分的角度对其异常原因进行分析，包括通过对用户进行该打分的频率进行分析，即对于公式1中pi进行分析。可选地，对该频率进行频率检验，即将该频率pi与设定的频率阈值进行比较。
步骤3047，判断频率检验结果是否达到频率阈值。
可选地，频率阈值为服务器内设定的阈值，且由于频率为一个大于等于0且小于等于1的值，故频率阈值也需设置为大于等于0且小于等于1。在一个示例中，设定频率阈值为0.3。
可选地，当频率检验结果达到频率阈值时，执行步骤3048；当频率检验结果未达到频率阈值时，执行步骤3049。
步骤3048，确定对目标分值进行降权处理的加权权重。
可选地，当频率检验结果达到频率阈值时，说明该分数为第一帐号的高频打分分数，即有可能该用户经常在应用软件中打该分数的频率较高。可选地，确定此时对目标分值进行降权处理。在一个示例中，目标分值为9，且频率为0.7，设定的阈值为0.3，则需要对目标分值进行降权处理，可选地，当频率为0.7时，对应的加权权重为0.6，则目标分值通过该加权权重进行降权处理后的分值为9*0.6＝5.4。
步骤3049，确定对目标分值进行升权处理的加权权重。
可选地，当频率检验结果未达到频率阈值时，说明该分数为第一帐号的低频打分分数，极有可能该用户因为自身主观感受或商户的特殊原因，在应用软件中打出了一个不常使用的评分。可选地，确定此时对目标分值进行升权处理。在一个示例中，目标分值为9，且频率为0.2，设定的阈值为0.3，则需要对目标分值进行升权处理。可选地，当频率为0.2时，对应的加权权重为1.3，则目标分值通过该加权权重进行升权处理后的分值为9*1.3＝1.17。
可选地，上述步骤中的升权处理与降权处理的举例所体现的值均为最终确定目标商户的最终目标评分时，被赋予权重后所代表的值。
综上所述，本实施例提供的方法，通过将目标分值与目标商户的历史评分分值进行相关度检测，并根据检测所获取的相关度结果确定目标分值的加权权重，进而根据加权权重结合目标分值生成目标商户的目标评分的方法，对存在异常评论可能的进行权值修正后作为最终的商户目标评分的参考，使最终的商户目标评分参考的数据更加多样化，并减少了对于正常评分错误删除的概率，提高商户总体评分的准确率。在通过相关度检测之后对异常数据的确定，使异常数据进行额外的异常检测。通过离散度检验和频率检验的检验方法，确定了分值发生异常的原因，并在确定发生异常原因的情况下通过赋予目标分值加权权重的方法，最终生成目标商户的目标评分，对目标商户进行评价，，进一步提高了商户总体评分的准确率。
在基于图4的可选实施例中，图5示出了本公开实施例提供的一种商户评分的生成方法的流程图，在本实施例中，上述实施例中的步骤3043之前还包括步骤501和步骤502，以该方法应用于服务器中为例进行说明，该方法包括：
步骤501：对目标商户已接收的第二历史分值进行分布检验，得到第二历史分值中的置信区间。
可选地，通过分布检验对第二历史分值进行初步的筛选，选出需要进行检验的异常值。
可选地，将如下公式2作为进行分布检验的检验公式。可选地，该检验属于t检验的一种变式，以中位数替代均值，并且在求和时除去了目标分值本身的部分，以侧重考虑其他用户的打分标准。该公式2如下：
公式2：
Figure BDA0002336945100000131
可选地，d为该分布检验的统计量，为除去目标分值外的第二历史分值中的每一个分值，为除去目标分值外的第二历史分值中的其他分值的中位数。m＝n-1，即m为除去目标分值的第二历史分值的个数，n为历史分值的总个数。i指示第二历史分值中的第i个分值，k指示目标分值对应的分值序号，即表示目标分值。
可选地，根据该统计量公式，可以确定出该统计量公式对应的置信区间，可选地，根据目标分值是否在置信区间内，可以确定出目标分值是否异常。
步骤502，当目标分值不在置信区间内时，对目标商户已接收的第二历史分值进行离散度检验。
可选地，当目标分值不在置信区间内时，即表明目标分值出现异常。可选地，在目标分值出现异常时，对第二历史分值进行离散度检验。
可选地，当目标分值位于该置信区间内时，即表明目标分值未出现异常。可选地，在目标分值为出现异常时，根据相关度结果获取其加权权重。
综上所述，本实施例提供的方法，通过将目标分值与目标商户的历史评分分值进行相关度检测，并根据检测所获取的相关度结果确定目标分值的加权权重，进而根据加权权重结合目标分值生成目标商户的目标评分的方法，对存在异常评论可能的进行权值修正后作为最终的商户目标评分的参考，使最终的商户目标评分参考的数据更加多样化，并减少了对于正常评分错误删除的概率，提高商户总体评分的准确率。通过分布检验的方法，确定需要进行检验的第二历史分值，提高了检验的效率。
图6示出了本公开实施例提供的一种商户评分的生成方法的流程示意图，以该方法应用于服务器中为例，该方法包括：
步骤601，获取目标分值。
可选地，目标分值为第一帐号对目标商户进行评分时的分值。
步骤602，获取历史评分分值。
可选地，历史评分分值为第一帐号对参考商户进行评分时的分值，可选地，历史评分分值的数量为至少两个。
步骤603，获取第一历史分值。
可选地，第一历史分值为参考商户已经接收到的，包括第一帐号在内的所有帐号对其进行评分的分值。
步骤604，相关性计算，即对历史评分分值与第一历史分值进行相关度检测。可选地，该相关度检测的目的是检测用户的历史打分习惯，并判断该打分习惯是否表明用户会受到其他用户对商户的评分的影响。
步骤605，判断第一历史分值与历史评分分值是否相关。
可选地，经过相关度检测，第一历史分值、由目标分值生成的参考商户历史评分均分和历史评分分值将会通过皮尔逊相关系数的计算公式得到第一历史分值和历史评分分值的相关度结果。相关度结果为一个小于等于1且大于等于-1的数值。可选地，相关度结果包括强相关、弱相关与不相关。可选地，设有相关度要求。
当相关度结果符合相关度要求时，执行步骤606，当相关度结果不符合相关度要求时，执行步骤607。
步骤606，确定加权权重。
可选地，加权权重指对于目标分值赋予的权值。可选地，目标分值可以结合加权权重生成新的评分。
步骤607，重新获取目标分值。
可选地，当相关度结果不符合相关度要求时，对目标分值进行重新获取。可选地，重新获取目标分值时，对已经被赋予的目标分值的权值也进行获取。
步骤608，获取第二历史分值。
可选地，第二历史分值为目标商户已接收的分值。可选地，第二历史分值中包括目标分值。
步骤609，进行分布式检验。
步骤610，判断分布式检验结果是否异常。
可选地，通过分布检验对历史评分分值进行初步筛选，筛选出需要进行继续检验的异常值。
可选地，对通过t检验筛选出的异常值执行步骤611，筛选出的非异常值执行步骤618。
步骤611，获取历史评分分值。
可选地，在判断之后，获取第二历史分值。该第二历史分值包括经过t检验筛选出的正常的第二历史分值与异常的第二历史分值。可选地，在获取的过程中同时对历史评分分值进行区分。
步骤612，进行离散度检验。
可选地，针对异常的第二历史分值进行离散度检验。
步骤613，将离散度结果与离散度条件比较。
可选地，通过信息熵公式进行离散度检验，并通过离散度检验获取第二历史分值的离散度检验结果。可选地，离散度结果主要检验目标商户接受的来自所有用户的评分是否离散。可选地，离散度条件体现为一个数值。当离散度结果符合离散度条件时，即表示第一历史分值符合离散分布，即目标商户接收到的来自所有用户的打分分值较为离散，进而表示从商户接收到这些打分分值的角度，这些打分分值并不异常。可选地，当离散度结果不符合离散度条件时，即表示第一历史分值不符合离散分布，即目标商户接收到的来自所有用户的打分分值并不离散，进而表示从商户接收到这些打分分值的角度，这些打分分值异常。
可选地，当离散度结果不符合离散度条件时，执行步骤614；当离散度结果符合离散度条件时，执行步骤615。
步骤614，确定加权权重。
可选地，当离散度结果不符合离散度条件时，即表示该商户收到的评分过于集中，则商户收到的评分异常，即该评分进行加权权重的确定。可选地，由所有经过加权权重处理后的目标分值生成目标商户的商户评分。可选地，本步骤中的加权权重处理包括不赋予第一分值加权权重。
步骤615，将频率检验结果与频率阈值比较。
可选地，当离散度结果符合离散度条件时，即表示从商户接收到这些打分分值的角度，这些打分分值并不异常，故需要从用户进行打分的角度对其异常原因进行分析。
可选地，从用户进行打分的角度对其异常原因进行分析，包括通过对用户进行该打分的频率进行分析。在确定频率检验结果并确定频率阈值之后，将频率检验结果与设定阈值进行比较。
可选地，当频率检验结果达到频率阈值时，执行步骤616；当频率检验结果未达到频率阈值时，执行步骤617。
步骤616，确定降权处理的加权权重。
可选地，当频率检验结果达到频率阈值时，说明该分数为第一帐号的高频打分分数，即有可能该用户经常在应用软件中打该分数的频率较高。可选地，确定此时对目标分值进行降权处理。
步骤617，确定升权处理的加权权重。
可选地，当频率检验结果未达到频率阈值时，说明该分数为第一帐号的低频打分分数，极有可能该用户因为自身主观感受或商户的特殊原因，在应用软件中打出了一个不常使用的评分。可选地，确定此时对目标分值进行升权处理。
步骤618，生成目标评分。
可选地，根据目标分值以及其加权权重生成商户的目标评分，该评分为多个帐号发布对于商户的评分之后，通过本实施例的评分处理规则所获取的评分。
综上所述，本实施例提供的方法，通过将目标分值与目标商户的历史评分分值进行相关度检测，并根据检测所获取的相关度结果确定目标分值的加权权重，进而根据加权权重结合目标分值生成目标商户的目标评分的方法，对存在异常评论可能的进行权值修正后作为最终的商户目标评分的参考，使最终的商户目标评分参考的数据更加多样化，并减少了对于正常评分错误删除的概率，提高商户总体评分的准确率。通过分布检验、离散度检验以及频率检验，分析用户评分异常的原因，并且针对评分异常的原因确定对应的加权权重，对第一分数进行升权处理，进一步提高商户总体评分的准确率。
图7示出了本公开实施例提供的一种商户评分的生成装置的结构框图，以该装置应用于服务器中为例进行说明，该装置包括：
获取模块701，用于获取第一帐号对目标商户进行评分的目标分值；
获取模块701，还用于获取第一帐号对参考商户进行评分的历史评分分值以及参考商户已接收的第一历史分值；
检测模块702，用于对历史评分分值和第一历史分值进行相关度检测，得到历史评分分值与第一历史分值之间的相关度结果；
确定模块703，用于根据相关度结果确定目标分值的加权权重；
生成模块704，用于根据加权权重结合目标分值生成目标商户的目标评分，目标评分用于对目标商户进行评价。
在一个可选的实施例中，确定模块703，用于当相关度结果符合相关度要求时，根据相关度结果确定目标分值的加权权重；
检验模块702，用于当相关度结果不符合相关度要求时，对目标商户已接收的第二历史分值进行离散度检验，得到第二历史分值的离散度结果；根据离散度结果确定目标分值的加权权重。
在一个可选的实施例中，检验模块702，用于当离散度结果符合离散度条件时，对目标分值在历史评分分值中出现的频率进行频率检验，得到频率检验结果；
确定模块703，用于根据频率检验结果确定目标分值的加权权重。
在一个可选的实施例中，确定模块703，用于当频率检验结果达到频率阈值时，确定对目标分值进行降权处理的加权权重；
确定模块703，还用于当频率检验结果未达到频率阈值时，确定对目标分值进行升权处理的加权权重。
在一个可选的实施例中，检验模块702，用于对目标商户已接收的第二历史分值进行分布检验，得到第二历史分值中的置信区间；
检验模块702，还用于当目标分值不在置信区间内时，对目标商户已接收的第二历史分值进行离散度检验。
在一个可选的实施例中，获取模块701，用于从第一历史分值中选取n个目标第一历史分值，
获取模块701，还用于根据n个目标第一历史分值计算得到参考商户历史评分均分；
检测模块702，用于根据参考商户历史评分均分、n个目标第一历史分值以及历史评分分值进行相关度检测，得到第一历史分值与历史评分分值之间的相关度结果。
在一个可选的实施例中，该装置，还包括剔除模块705；
剔除模块705，用于对达到预设数值阈值的第一历史分值进行剔除，得到n个目标第一历史分值。
需要说明的是：上述实施例提供的商户评分的生成装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
本申请还提供了一种服务器，该服务器包括处理器和存储器，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述各个方法实施例提供的商户评分的生成方法。需要说明的是，该服务器可以是如下图8所提供的服务器。
请参考图8，其示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲：服务器1300包括中央处理单元(Central Processing Unit，CPU)1301、包括随机存取存储器(Random Access Memory，RAM)1302和只读存储器(Read-Only Memory，ROM)1303的***存储器1304，以及连接***存储器104和中央处理单元1301的***总线1305。服务器1300还包括帮助计算机内的各个器件之间传输信息的基本输入/输出(Input OutputSystem，I/O)***106，和用于存储操作***1313、应用程序1314和其他程序模块1315的大容量存储设备1307。
基本输入/输出***1306包括有用于显示信息的显示器1308和用于用户输入信息的诸如鼠标、键盘之类的输入设备1309。其中显示器1308和输入设备1309都通过连接到***总线1305的输入输出控制器1310连接到中央处理单元1301。基本输入/输出***1306还可以包括输入输出控制器1310以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1310还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备1307通过连接到***总线1305的大容量存储控制器(未示出)连接到中央处理单元1301。大容量存储设备1307及其相关联的计算机可读介质为服务器1300提供非易失性存储。也就是说，大容量存储设备1307可以包括诸如硬盘或者CD-ROI驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、带电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、闪存或其他固态存储其技术，CD-ROM、数字多功能光盘(Digital Video Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器1304和大容量存储设备1307可以统称为存储器。
存储器存储有一个或多个程序，一个或多个程序被配置成由一个或多个中央处理单元1301执行，一个或多个程序包含用于实现上述商户评分的生成方法的指令，中央处理单元1301执行该一个或多个程序实现上述各个方法实施例提供的商户评分的生成方法。
根据本发明的各种实施例，服务器1300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1300可以通过连接在***总线1305上的网络接口单元1311连接到网络1312，或者说，也可以使用网络接口单元1311来连接到其他类型的网络或远程计算机***(未示出)。
存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，一个或者一个以上程序包含用于进行本发明实施例提供的商户评分的生成方法中由服务器所执行的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述商户评分的生成方法。
可选地，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种商户评分的生成方法，其特征在于，所述方法包括：
获取第一帐号对目标商户进行评分的目标分值；
获取所述第一帐号对参考商户进行评分的历史评分分值以及所述参考商户已接收的第一历史分值；
对所述历史评分分值和所述第一历史分值进行相关度检测，得到所述历史评分分值与所述第一历史分值之间的相关度结果；
根据所述相关度结果确定所述目标分值的加权权重；
根据所述加权权重结合所述目标分值生成所述目标商户的目标评分，所述目标评分用于对所述目标商户进行评价。
2.根据权利要求1所述的方法，其特征在于，所述根据所述相关度结果确定所述目标分值的加权权重，包括：
当所述相关度结果符合相关度要求时，根据所述相关度结果确定所述目标分值的所述加权权重；
当所述相关度结果不符合所述相关度要求时，对所述目标商户已接收的第二历史分值进行离散度检验，得到所述第二历史分值的离散度结果；根据所述离散度结果确定所述目标分值的所述加权权重。
3.根据权利要求2所述的方法，其特征在于，所述根据所述离散度结果确定所述目标分值的所述加权权重，包括：
当所述离散度结果符合离散度条件时，对所述目标分值在所述历史评分分值中出现的频率进行频率检验，得到频率检验结果；
根据所述频率检验结果确定所述目标分值的所述加权权重。
4.根据权利要求3所述的方法，其特征在于，所述根据所述频率检验结果确定所述目标分值的所述加权权重，包括：
当所述频率检验结果达到频率阈值时，确定对所述目标分值进行降权处理的所述加权权重；
当所述频率检验结果未达到所述频率阈值时，确定对所述目标分值进行升权处理的所述加权权重。
5.根据权利要求2至4任一所述的方法，其特征在于，所述对目标商户已接收的第二历史分值进行离散度检验之前，还包括：
对所述目标商户已接收的所述第二历史分值进行分布检验，得到所述第二历史分值中的置信区间；
当所述目标分值不在所述置信区间内时，对所述目标商户已接收的所述第二历史分值进行所述离散度检验。
6.根据权利要求1至4任一所述的方法，其特征在于，所述对所述历史评分分值和所述第一历史分值进行相关度检测，得到所述历史评分分值与所述第一历史分值之间的相关度结果，包括：
从所述第一历史分值中选取n个目标第一历史分值，
确定所述n个目标第一历史分值的均值作为所述参考商户的历史评分均分；
结合所述历史评分均分对所述n个目标第一历史分值和所述历史评分分值进行所述相关度检测，得到所述第一历史分值与所述历史评分分值的相关度结果。
7.根据权利要求6所述的方法，其特征在于，从所述第一历史分值中选取n个目标第一历史分值，包括：
对达到预设数值阈值的所述第一历史分值进行剔除，得到所述n个目标第一历史分值。
8.一种商户评分的生成装置，其特征在于，所述装置包括：
获取模块，用于获取第一帐号对目标商户进行评分的目标分值；
所述获取模块，还用于获取所述第一帐号对参考商户进行评分的历史评分分值以及所述参考商户已接收的第一历史分值；
检测模块，用于对所述历史评分分值和所述第一历史分值进行相关度检测，得到所述历史评分分值与所述第一历史分值之间的相关度结果；
确定模块，用于根据所述相关度结果确定所述目标分值的加权权重；
生成模块，用于根据所述加权权重结合所述目标分值生成所述目标商户的目标评分，所述目标评分用于对所述目标商户进行评价。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的商户评分的生成方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的商户评分的生成方法。
CN201911360033.6A 2019-12-25 2019-12-25 商户评分的生成方法、装置、设备及可读存储介质 Pending CN111144941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911360033.6A CN111144941A (zh) 2019-12-25 2019-12-25 商户评分的生成方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911360033.6A CN111144941A (zh) 2019-12-25 2019-12-25 商户评分的生成方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN111144941A true CN111144941A (zh) 2020-05-12

Family

ID=70520192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911360033.6A Pending CN111144941A (zh) 2019-12-25 2019-12-25 商户评分的生成方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111144941A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111949837A (zh) * 2020-08-18 2020-11-17 北京字节跳动网络技术有限公司 信息处理方法、装置、电子设备以及存储介质
CN112035569A (zh) * 2020-08-14 2020-12-04 联动数科(北京)科技有限公司 一种商户评分方法及***
CN112580887A (zh) * 2020-12-25 2021-03-30 百果园技术(新加坡)有限公司 多目标融合评价的权重确定方法、装置、设备及存储介质
CN112684110A (zh) * 2020-12-14 2021-04-20 江西省蚕桑茶叶研究所(江西省经济作物研究所) 一种基于喜好表情的茶叶感官评价方法
CN113592333A (zh) * 2021-08-07 2021-11-02 杭州找查科技有限公司 互联网综合评分方法、***、装置及可读存储介质
CN113707308A (zh) * 2021-08-31 2021-11-26 平安国际智慧城市科技股份有限公司 一种医疗数据的分析装置及计算机可读存储介质
CN117455573A (zh) * 2023-10-26 2024-01-26 深圳市维卓数字营销有限公司 一种互联网数据分析方法及***

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035569A (zh) * 2020-08-14 2020-12-04 联动数科(北京)科技有限公司 一种商户评分方法及***
CN111949837A (zh) * 2020-08-18 2020-11-17 北京字节跳动网络技术有限公司 信息处理方法、装置、电子设备以及存储介质
CN112684110A (zh) * 2020-12-14 2021-04-20 江西省蚕桑茶叶研究所(江西省经济作物研究所) 一种基于喜好表情的茶叶感官评价方法
CN112580887A (zh) * 2020-12-25 2021-03-30 百果园技术(新加坡)有限公司 多目标融合评价的权重确定方法、装置、设备及存储介质
CN112580887B (zh) * 2020-12-25 2023-12-01 百果园技术(新加坡)有限公司 多目标融合评价的权重确定方法、装置、设备及存储介质
CN113592333A (zh) * 2021-08-07 2021-11-02 杭州找查科技有限公司 互联网综合评分方法、***、装置及可读存储介质
CN113707308A (zh) * 2021-08-31 2021-11-26 平安国际智慧城市科技股份有限公司 一种医疗数据的分析装置及计算机可读存储介质
CN117455573A (zh) * 2023-10-26 2024-01-26 深圳市维卓数字营销有限公司 一种互联网数据分析方法及***

Similar Documents

Publication Publication Date Title
CN111144941A (zh) 商户评分的生成方法、装置、设备及可读存储介质
US8166155B1 (en) System and method for website experimentation
CN110874778A (zh) 异常订单检测方法及装置
US11775412B2 (en) Machine learning models applied to interaction data for facilitating modifications to online environments
CN109299356B (zh) 基于大数据的活动推荐方法、装置、电子设备及存储介质
US8725735B2 (en) Information processing system, information processing method, program, and non-transitory information storage medium
CN106327230B (zh) 一种异常用户检测方法及设备
CN110945538A (zh) 自动规则推荐引擎
CN108345601A (zh) 搜索结果排序方法及装置
CN111754241A (zh) 一种用户行为感知方法、装置、设备及介质
CN110457595B (zh) 突发事件报警方法、装置、***、电子设备及存储介质
CN112488716A (zh) 一种异常事件检测***
CN113076416A (zh) 信息热度评估方法、装置和电子设备
CN111340540B (zh) 广告推荐模型的监控方法、推荐方法及装置
CN112819476A (zh) 风险识别方法、装置、非易失性存储介质和处理器
CN111858245A (zh) 一种异常数据的分析方法、装置、电子设备及存储介质
KR20070070062A (ko) 서비스 평가 방법, 시스템 및 컴퓨터 프로그램 제품
CN112116969B (zh) 信息推荐方法、装置、存储介质及计算机设备
CN111177564B (zh) 一种产品推荐方法及装置
CN116976995A (zh) 多目标推荐的处理方法及装置
CN115907906A (zh) 确定待推荐物品的方法、装置、存储介质及电子设备
CN115641198A (zh) 用户运营方法、装置、电子设备和存储介质
CN115271866A (zh) 一种产品推荐方法、装置、电子设备及可读存储介质
CN107977413A (zh) 用户数据的特征选择方法、装置、计算机设备和存储介质
CN113837843A (zh) 产品推荐方法、装置、介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination