CN103177017A - 一种训练服务质量评估模型的方法及装置 - Google Patents
一种训练服务质量评估模型的方法及装置 Download PDFInfo
- Publication number
- CN103177017A CN103177017A CN2011104360657A CN201110436065A CN103177017A CN 103177017 A CN103177017 A CN 103177017A CN 2011104360657 A CN2011104360657 A CN 2011104360657A CN 201110436065 A CN201110436065 A CN 201110436065A CN 103177017 A CN103177017 A CN 103177017A
- Authority
- CN
- China
- Prior art keywords
- feature
- characteristic
- evaluation object
- score value
- grade
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种训练服务质量评估模型的方法及装置,用于对网络商城中卖家的服务质量进行评估,首先按照至少一种参数信息对质量评估对象进行分档,然后在每个分档中,分别建立不同的服务质量评估模型,并使用此模型来对网络商城中卖家的服务质量进行评估,来全面的反映质量评估对象的质量,具有不会误判阈值边界处的质量评估对象以及误差率比较小,准确率较高,搜索准确,有效减少用户的重复搜索,减轻搜索服务器的负担和网络带宽的占用的技术效果。
Description
技术领域
本申请涉及电子商务领域,特别涉及一种训练服务质量评估模型的方法及装置。
背景技术
随着互联网的飞速发展,电子商务在整个商业领域的地位越来越重要。目前网络数据处理平台更是电子商务的重要组成部分,网络数据处理平台中卖家的服务质量影响到整个电子商务行业的健康有序发展,而如何评价网络数据处理平台中卖家的服务质量,也就成为一个越来越重要的课题。
现有技术中评价网络数据处理平台中卖家的服务质量的主要方法为,首先从用户行为数据中计算出卖家特征,其次统计各种卖家特征的分布,然后结合人工经验制定一组规则,将符合规则的卖家评为好卖家或差卖家。
而本申请人在实现本申请的过程中,发现上述现有技术中至少存在如下技术问题:
1,现有技术中所有卖家采用统一的规则进行评价,但这并不能反应不同规模卖家的服务质量。
2,现有技术中,基于人工经验制定的规则来评价网络数据处理平台中卖家的服务质量,基本上都是通过对某一些特征设定一些具体阈值,根据卖家在某一特征上是否超过该阈值来判断卖家的服务质量,如好、中、差等,而对于处于阈值边界处的卖家,判断误差就比较大,容易出现误判的情况。
3,由于在现有情况下卖家的单一特征只能反应卖家某一方面的表现,并不能全面的反应卖家的质量,且现有技术计算出的卖家特征,数量较小,所以误差率较大,准确率较低。
4,在用户运用卖家的质量搜索商品时,由于现有技术中卖家的质量误差率较大,准确率较低等技术问题,会出现商品搜索不准确的问题。
发明内容
有鉴于此,本申请提供一种训练服务质量评估模型的方法及装置以及一种进行服务质量评估的方法,用于对网络数据处理平台中卖家的服务质量进行评估,用以解决现有技术中存在的不能反应不同规模卖家的特点,对于处于阈值边界处的卖家,判断误差就比较大,容易出现误判的情况以及误差率较大,准确率较低的技术问题。
一方面,本申请通过本申请的一个实施例,提供如下技术方案:
一种训练服务质量评估模型的方法,所述方法具体包括:
从N个质量评估对象中确定出M个质量评估对象,其中,N为大于1的整数,M为小于或等于N的整数;
获得所述M个质量评估对象的用于分档的至少一种参数信息;
基于所述参数信息,将所述M个质量评估对象分成至少一档,其中,所述至少一档中每档对应有至少一个特征;
收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据;
基于所述特征数据,获得所述每档中至少一个特征中每个特征对应的特征分值;
至少基于所述每档中至少一个特征中每个特征对应的特征分值,获得每档中至少一个特征中每个特征对应的权重值;
基于所述每档中至少一个特征中每个特征对应的特征分值及所述权重值,获得每档中质量评估对象的服务质量评估模型。
另一方面,本申请通过本申请的另一个实施例,提供如下技术方案:
一种进行服务质量评估的方法,用于对网络数据处理平台中卖家的服务质量进行评估,所述方法包括:
从至少一家网络数据处理平台卖家中确定一家网络数据处理平台卖家作为质量评估对象;
对所述质量评估对象进行归档,并基于档与服务质量评估模型间的对应关系,确定所述质量评估对象对应的服务质量评估模型,所述质量评估对象对应的服务质量评估模型中包括有K个特征,所述K个特征中每个特征对应有权重值,其中,所述K为大于或等于1的整数;
从网络数据处理平台卖家数据库中获得所述K个特征中每个特征对应的特征数据;
基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值;
基于所述K个特征中每个特征对应的特征分值及所述K个特征中每个特征对应的权重值,获得所述质量评估对象的服务质量分值。
另一方面,本申请通过本申请的另一个实施例,提供如下技术方案:
一种数据查询的方法,应用在一用于包含有数据查询界面的网络数据处理平台中,所述网络数据处理平台中存储有多个被评估对象及对应的服务质量分值,所述被评估对象根据上述实施例描述的方法进行服务质量评估,并得到对应的服务质量分值,所述多个被评估对象包括多个数据,具体包括:
通过所述数据查询界面,接收查询指令;
根据所述查询指令,从所述多个被评估对象中确定与所述查询指令对应的被评估对象;和/或
根据所述查询指令,从所述多个数据中确定与所述查询指令对应的数据。
另一方面,本申请通过本申请的另一个实施例,提供如下技术方案:
一种训练服务质量评估模型的装置,所述装置具体包括:
第一质量评估对象提取模块,用于从N个质量评估对象中确定出M个质量评估对象,其中,N为大于0的整数,M为小于或等于N的整数;
参数信息提取模块,用于获得所述M个质量评估对象的用于分档的至少一种参数信息;
分档模块,用于基于所述参数信息,将所述M个质量评估对象分成至少一档,其中,所述至少一档中每档对应有至少一个特征;
第一特征数据提取模块,用于收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据;
第一特征分值计算模块,用于基于所述特征数据,获得每档中至少一个特征中每个特征对应的特征分值;
权重值计算模块,用于至少基于每档中至少一个特征中每个特征对应的特征分值,获得每档中至少一个特征中每个特征对应的权重值;
基于每档中至少一个特征中每个特征对应的特征分值及所述权重值,获得每档中质量评估对象的服务质量评估模型。
另一方面,本申请通过本申请的另一个实施例,提供如下技术方案:
一种进行服务质量评估的装置,用于对网络数据处理平台中卖家的服务质量进行评估,所述装置包括:
第二质量评估对象提取模块,用于从至少一家网络数据处理平台卖家中确定一家网络数据处理平台卖家作为质量评估对象;
归档模块,用于对所述质量评估对象进行归档,并基于档与服务质量评估模型间的对应关系,确定所述质量评估对象对应的服务质量评估模型,所述质量评估对象对应的服务质量评估模型中包括有K个特征,所述K个特征中每个特征对应有权重值,其中,所述K为大于或等于1的整数;
第二特征数据提取模块,用于从网络数据处理平台卖家数据库中获得所述K个特征中每个特征对应的特征数据;
第二特征分值计算模块,用于基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值;
服务质量分值计算模块,用于基于所述K个特征中每个特征对应的特征分值及所述K个特征中每个特征对应的权重值,获得所述质量评估对象的服务质量分值。
另一方面,本申请通过本申请的另一个实施例,提供如下技术方案:
一种数据查询的装置,应用在一用于包含有数据查询界面的网络数据处理平台中,所述网络数据处理平台中存储有多个被评估对象及对应的服务质量分值,所述被评估对象根据上述实施例描述的装置进行服务质量评估,并得到对应的服务质量分值,所述多个被评估对象包括多个数据,具体包括:
接收模块,用于通过所述数据查询界面,接收查询指令;
确定模块,用于根据所述查询指令,从所述多个被评估对象中确定与所述查询指令对应的被评估对象;和/或用于
根据所述查询指令,从所述多个数据中确定与所述查询指令对应的数据。
上述技术方案中的一个或多个技术方案,具有如下技术效果或优点:
1,本申请技术方案首先按照至少一种参数信息对质量评估对象进行分档,然后在每个分档中,分别建立不同的服务质量评估模型,并使用此模型来对网络数据处理平台中质量评估对象的服务质量进行评估,对不同分档中的每个特征建立一个打分制度,由于不同分档计算出的特征分值和权重值也不相同,用以反映不同分档中质量评估对象的特点,对不同规模的质量评估对象采用不同的评价方案,因此可以全面的反映出不同规模的质量评估对象的质量。
2,本申请技术方案运用特征分值和权重值来计算不同分档中质量评估对象的质量,不会设定具体的阈值,也就不会误判阈值边界处的质量评估对象。
3,在建立服务质量评估模型时,使用了不同的特征来全面的反映质量评估对象的特点,所以误差率比较小,准确率较高。
4,本申请技术方案在用户搜索用服务质量评估模型评价的质量评估对象时,由于服务质量评估模型全面反映了质量评估对象的特点,所以在搜索时准确率高,有效减少用户的重复搜索,减轻搜索服务器的负担和网络带宽的占用。
附图说明
图1为本申请实施例一中一种训练服务质量评估模型的方法的流程图;
图2为本申请实施例一中步骤104的具体流程示意图;
图3为本申请实施例一中步骤105的具体流程示意图;
图4为本申请实施例二中一种训练服务质量评估模型的装置示意图;
图5为本申请实施例三中一种进行服务质量评估的方法流程图;
图6为本申请实施例三中步骤504具体的方法流程图;
图7为本申请实施例四中一种进行服务质量评估的装置示意图;
图8为本申请实施例五中利用服务质量进行数据查询的方法流程图;
图9为本申请实施例五中利用服务质量进行数据查询的装置示意图。
具体实施方式
下面结合各个附图,对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细地阐述。
为了解决现有技术中存在的在对网络数据处理平台中质量评估对象的服务质量进行评估时,不能反应不同规模卖家的特点,对于处于阈值边界处的卖家,判断误差就比较大,容易出现误判的情况以及误差率较大,准确率较低,搜索不准确的技术问题,本申请实施例一提供了一种训练服务质量评估模型的方法以及一种进行服务质量评估的方法,用于对网络数据处理平台中卖家的服务质量进行评估,首先,按照至少一种参数信息对质量评估对象进行分档,然后在每个分档中,分别建立不同的服务质量评估模型,并使用此模型来对网络数据处理平台中卖家的服务质量进行评估,来全面的反映质量评估对象的质量,具有不会误判阈值边界处的质量评估对象以及误差率比较小,准确率较高,搜索准确的技术效果。
以下结合说明书附图对本申请的实施例一进行说明,应当理解,此处所描述的实施例一仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的所有实施例及实施例中的特征可以相互组合。
参考图1,其为本申请实施例一中训练服务质量评估模型的方法,具体包括如下步骤:
S101,从N个质量评估对象中确定出M个质量评估对象,其中,N为大于1的整数,M为小于或等于N的整数。
从N个质量评估对象中确定出M个质量评估对象,可以随机的从N个质量评估对象中抽取M个质量评估对象,也可以按比例计算抽取M个质量评估对象,只要保证M为小于或等于N的整数即可。
S102,获得所述M个质量评估对象的用于分档的至少一种参数信息。
参数信息具体包括质量评估对象的商品类别信息、搜索流量信息和/或类别信息等。
S103,基于所述参数信息,将所述M个质量评估对象分成至少一档,其中,所述至少一档中每档对应有至少一个特征。
如上所述,如选择质量评估对象的商品类别信息,搜索流量信息作为参数信息来对M个质量评估对象进行分档,首先将M个质量评估对象按照商品类别信息进行分类,将同一类别的信息归为一类,而在同一个类别中,又将无搜索流量的质量评估对象分为一档,剩下的质量评估对象按搜索流量的高低,可分为高档、中档、低档。
例如,质量评估对象的商品类别有大家电类、小家电类、服装类,则将质量评估对象先按照上述三类进行分类,然后对大家电类中的质量评估对象,又将无搜索流量的大家电类质量评估对象分为一档,剩下的大家电类质量评估对象按搜索流量的高低,分为高档、中档、低档,这样,大家电类中的质量评估对象就被分为了四档。
同一档中的大家电类的质量评估对象有相似的特性,并且数量较多,可以互相比较。而不同档的质量评估对象,如高档大家电类的质量评估对象和低档大家电类的质量评估对象,两者的经营特点不同,则不适合直接比较。
应当注意,此处所列的按照质量评估对象的商品类别信息,搜索流量信息作为参数信息对质量评估对象分档仅是用于解释和说明本申请,并不用于限定本申请,本申请完全可以选择其他不同的参数信息或是两种或三种参数信息的组合来对质量评估对象进行分档,此处就不一一举例了。
至少一档中每档对应有至少一个特征,所述至少一个特征具体可以包括以下特征中的至少一种:商品管理特征、交易特征、店铺装修特征、消保特征、客服特征、和/或评价特征。
特征在网络数据处理平台的不断改进下,也是可以不断更新的,并不限定于本申请列出的上述几种特征。
S104,收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据。
特征数据是对特征的具体说明,其中,参考图2,收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据具体还包括:
S1041,收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的评价分值。
S1042,基于所述评价分值获得所述评价分值的第一平均值。
S1043,基于所述第一平均值,获得对应于所述第一平均值的所述每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据。
例如,此处用交易特征举例,每档中的其中一档里,交易特征对应有300个质量评估对象,则收集这300个质量评估对象的评价分值。然后基于该300个质量评估对象的评价分值获得评价分值的第一平均值,该评价分值的第一平均值的数量大于等于1,若将该300个质量评估对象的评价分值分成10组,每组30个质量评估对象,则对应获得10个评价分值的第一平均值,然后将该10个第一平均值对应到对应的交易特征数据中,以此来获得对应于所述第一平均值获得所述每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据。
S105,基于每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据,获得每档中至少一个特征中每个特征对应的特征分值。
其中,参考图3,S105具体又包括:
S1051,对所述特征数据进行分档,获得每档中至少一个特征中每个特征对应的分档后的特征数据。
S1052,基于所述分档后的特征数据,与所述第一平均值,获得所述第一平均值中的第二平均值。
S1053,将所述分档后的特征数据与所述第二平均值进行二维排列,获得记录数据。
S1054,根据所述分档后的特征数据与所述记录数据,获得每档中至少一个特征中每个特征对应的特征分值。
若交易特征的特征数据按照交易的成功量来进行具体的划分为1笔、2笔、3笔、4笔一直依次排列到200笔,即在上面描述的10个第一平均值中,若有4个第一平均值对应到1-40笔交易量中,有3个第一平均值对应到41-80笔交易量中,另外2个第一平均值对应到81-100笔交易量中,剩下的1个第一平均值对应于101-200笔交易量中,则对应的将交易特征的特征数据进行分档,如1-40分为一档,则根据取均值的方式获得该档中具体的特征数据20.5笔交易成功量,再基于该交易成功量与对应到1-40笔交易量中的4个第一平均值,以均值的方式获得对应于20.5笔交易成功量的第二平均值,依照该方式依次获得以下四个数据:(20.5,2),(60.5,5),(90.5,8),(150.1,12),应当注意,此处所列举的数据仅为了说明和解释本申请,并不用于限定本申请,而实际的交易量和第二平均值,将根据实际的情况而定,本申请不做限制。
在获得上述四个数据时,即将其进行二维排列,获得记录数据,如将交易成功量对应于x轴上,第二平均值对应于y轴上,能够更加直观得到四组记录数据:(x1,y1)=(20.5,2),(x2,y2)=(60.5,5),(x3,y3)=(90.5,8),(x4,y4)=(150.5,12)。
具体的,根据 公式,计算所述每档中每个特征对应的特征分值,其中,x为所述每档中至少一个特征中每个特征,y为所述第二平均值,x1为所述分档后的特征数据中第一个特征数据,y1为对应于所述分档后的特征数据中第一个特征数据的第一个第二平均值,xi为所述分档后的特征数据中第i个特征数据,yi为对应于所述分档后的特征数据中第一个特征数据的第i个第二平均值,xn为所述分档后的特征数据中第n个特征数据,yn为对应于所述分档后的特征数据中第n个特征数据的第n个第二平均值,n所述分档后的特征数据的数量,为t为所述分档后的特征数据的自变量,f(t)为所述每档中至少一个特征中每个特征对应的特征分值。
根据上述公式以及四组记录数据,计算出该档中300个质量评估对象各自的特征分值。
S106,至少基于所述每档中至少一个特征中每个特征对应的特征分值,获得每档中至少一个特征中每个特征对应的权重值。
根据公式,计算所述每档中每个特征对应的权重值,其中,wx表示所述每档中至少一个特征中每个特征对应的权重值,x为所述每档中至少一个特征中每个特征,y为所述第二平均值,ti为第i个分档后的特征数据的值,f(ti)为对应于第i个分档后的特征数据的特征分值,yi为对应于分档后的特征数据中第i个特征数据的第i个第二平均值,n为所述每档中每个特征对应的特征数据的数量,为每档中特征分值的平均值,为所述第二平均值的平均值。
如上述已经计算出的每个质量评估对象的特征分值,则用上述计算权重值的公式来计算出交易特征的权重值,权重值为大于零且小于1之间的实数,而且,对不同的档中相同特征的权重值可以相同或不相同。
应当注意,此处仅列举的交易特征用于说明和解释本申请,而本申请完全可以根据需要选择选择两个或多个特征对各自的特征分值和权重值进行计算,计算方法如上,这里就不再细举了。
S107,基于所述每档中至少一个特征中每个特征对应的特征分值及所述权重值,获得每档中质量评估对象的服务质量评估模型。
参考图4,为本申请实施例二中训练服务质量评估模型的装置,所述装置具体包括:第一质量评估对象提取模块40,用于从N个质量评估对象中确定出M个质量评估对象,其中,N为大于1的整数,M为小于或等于N的整数;参数信息提取模块41,用于获得所述M个质量评估对象的用于分档的至少一种参数信息;分档模块42,用于基于所述参数信息,将所述M个质量评估对象分成至少一档,其中,所述至少一档中每档对应有至少一个特征;第一特征数据提取模块43,用于收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据;第一特征分值计算模块44,用于基于每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据,获得每档中至少一个特征中每个特征对应的特征分值;权重值计算模块45,用于至少基于每档中至少一个特征中每个特征对应的特征分值,获得每档中至少一个特征中每个特征对应的权重值;基于每档中至少一个特征中每个特征对应的特征分值及所述权重值,获得每档中质量评估对象的服务质量评估模型。
在参数信息提取模块41中的参数信息,具体包括:所述质量评估对象的商品类别信息,搜索流量信息和/或类别信息。
而在分档模块42中的所述至少一档中每档对应有至少一个特征中的至少一个特征具体包括以下特征中至少一个:
商品管理特征,交易特征,店铺装修特征,消保特征,客服特征,和/或评价特征。
第一特征数据提取模块43具体用于收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的评价分值;用于基于所述评价分值获得所述评价分值的第一平均值;用于基于所述第一平均值,获得对应于所述第一平均值的所述每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据。
而第一特征分值计算模块44,具体用于对所述特征数据进行分档,获得每档中至少一个特征中每个特征对应的分档后的特征数据;还用于基于所述分档后的特征数据,与所述第一平均值,获得所述第一平均值中的第二平均值;还用于将所述分档后的特征数据与所述第二平均值进行二维排列,获得记录数据;还用于根据所述分档后的特征数据中每个特征数据与所述记录数据,获得每档中至少一个特征中每个特征对应的特征分值。
上述实施例一和实施例二详细的描述了训练服务质量评估模型的建立方法以及装置,另,本申请还通过实施例三说明了一种进行服务质量评估的方法,用于对网络数据处理平台中卖家的服务质量进行评估,参考图5,具体包括步骤:
S501,从至少一家网络数据处理平台卖家中确定一家网络数据处理平台卖家作为质量评估对象。
S502,对所述质量评估对象进行归档,并基于档与服务质量评估模型间的对应关系,确定所述质量评估对象对应的服务质量评估模型,所述质量评估对象对应的服务质量评估模型中包括有K个特征,所述K个特征中每个特征对应有权重值,其中,所述K为大于或等于1的整数。
根据上述对质量评估对象的分档情况,将该质量评估对象进行归档,即若该质量评估对象是关于大家电类的质量评估对象,且该质量评估对象搜索流量非常的高,则将该质量评估对象归为大家电类目中的高档,并确定该质量评估对象对应的服务质量评估模型,而该质量评估对象具有K个特征,这里的K个特征是小于等于对应的服务质量评估模型中的分档后每一档中的特征,而且K个特征中每个特征对应有权重值。
S503,从网络数据处理平台卖家数据库中获得所述K个特征中每个特征对应的特征数据。
同上也用交易特征举例,即K=1,设定该质量评估对象的交易特征中的特征数据交易成功量为60笔。
S504,基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值。
S505,基于所述K个特征中每个特征对应的特征分值及所述K个特征中每个特征对应的权重值,获得所述质量评估对象的服务质量分值。
参考图6,计算所述K个特征中每个特征的特征分值,首先应具体包括步骤:
S5041,基于所述K个特征中每个特征对应的特征数据,获得所述K个特征中每个特征对应的特征数据中每个特征数据的评价分值。
S5042,根据所述K个特征中每个特征对应的特征数据中每个特征数据与所述评价分值获得所述K个特征中每个特征对应的特征分值。
具体根据 公式,计算K个特征中每个特征对应的特征分值,其中,x为所述K个特征中每个特征,y为对应于所述K个特征中每个特征对应的特征数据中每个特征数据的评价分值,x1为所述K个特征中每个特征对应的第一个特征数据,y1为对应于所述K个特征中每个特征对应的特征数据中第一个特征数据的第一个评价分值,xi为所述K个特征中每个特征对应的第i个特征数据,yi为对应于所述K个特征中每个特征对应的特征数据中第i个特征数据的第i个评价分值,xn为所述K个特征中每个特征对应的第n个特征数据,yn为对应于所述K个特征中每个特征对应的特征数据中第n个特征数据的第n个评价分值,n为所述K个特征中每个特征对应的特征数据的数量,t为所述特征数据的自变量,f(t)为所述K个特征中每个特征对应的特征分值。
如该质量评估对象的交易特征中的特征数据交易成功量为60笔,则计算出对应的评价分值为3分,则对应计算出该质量评估对象的特征分值。
当计算出该质量评估对象的特征分值并对应其权重值,获得该质量评估对象的服务质量分值。
计算该质量评估对象的服务质量分值,可以用两种方法进行计算。
第一种方法:
运用公式,获得所述质量评估对象的服务质量分值,其中,raw-score为所述质量评估对象的服务质量分值,x表示所述K个特征中每个特征,对应wx表示所述K个特征中每个特征对应的权重值,tx为所述K个特征中每个特征x的值,f(tx)为对应于所述K个特征中每个特征x的特征分值。
除去第一种方法,还有第二种方法可以计算质量评估对象的服务质量分值:
根据公式,获得所述质量评估对象的服务质量分值,其中,raw-score为所述质量评估对象的服务质量分值,x表示所述K个特征中每个特征,对应wx表示所述K个特征中每个特征对应的权重值,tx为所述K个特征中每个特征x的值,f(tx)为对应于所述K个特征中每个特征x的特征分值。
在计算出质量评估对象的服务质量分值后,由于影响质量评估对象的服务质量分值的特征很多,则可以进一步解释质量评估对象特征中,哪一个特征是其表现最差的,哪个特征是其表现最好的,即同一档中该质量评估对象的特征分值与其他的质量评估对象的特征分值差距。则可以通过同一分档中的特征分值的平均值和统一分档中的特征的权重值进行计算,如下:
其中,d越大表示该质量评估对象的特征x表现越好,d>0表示超过同档中质量评估对象的该特征的平均水平,d<0表示低于同档中质量评估对象的该特征的平均水平。
参考图7,为本申请实施例四中进行服务质量评估的装置,包括:
第二质量评估对象提取模块701,用于从至少一家网络数据处理平台卖家中确定一家网络数据处理平台卖家作为质量评估对象;
归档模块702,用于对所述质量评估对象进行归档,并基于档与服务质量评估模型间的对应关系,确定所述质量评估对象对应的服务质量评估模型,所述质量评估对象对应的服务质量评估模型中包括有K个特征,所述K个特征中每个特征对应有权重值,其中,所述K为大于或等于1的整数;
第二特征数据提取模块703,用于从网络数据处理平台卖家数据库中获得所述K个特征中每个特征对应的特征数据;
第二特征分值计算模块704,用于基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值;
服务质量分值计算模块705,用于基于所述K个特征中每个特征对应的特征分值及所述K个特征中每个特征对应的权重值,获得所述质量评估对象的服务质量分值。
参考图8,为本申请实施例五中一种数据查询的方法,数据查询的方法,应用在一用于包含有数据查询界面的网络数据处理平台中,所述网络数据处理平台中存储有多个被评估对象及对应的服务质量分值,所述被评估对象根据上述实施例描述的方法进行服务质量评估,并得到对应的服务质量分值,所述多个被评估对象包括多个数据,具体包括:
S801,通过所述数据查询界面,接收查询指令。
S802,根据所述查询指令,从所述多个被评估对象中确定与所述查询指令对应的被评估对象;和/或根据所述查询指令,从所述多个数据中确定与所述查询指令对应的数据。
根据查询指令,可以得到多种查询结果,一种为与查询指令对应的被评估对象;一种为查询指令对应的数据;一种为与查询指令对应的被评估对象中的数据。
当查询与查询指令对应的被评估对象中的数据时,首先通过所述数据查询界面,接收查询指令,其中,所述查询指令中包括与服务质量分值相关的预设条件,如查询指令包含有服务质量分值大于90分的预设条件,则根据查询指令从所述多个被评估对象中确定符合服务质量分值大于90分的被评估对象。然后从符合服务质量分值大于90分的被评估对象中包含的多个数据中,确定出与查询指令对应的数据。
如要找出一IPHONE 4手机,首先会接收一查询指令,为该查询指令包括预设条件,如服务质量分值大于90分,则我们会接收到包含了IPHONE4以及服务质量分值大于90分的查询指令,根据该查询指令确定出包含IPHONE4手机的被评估对象,而该被评估对象的服务质量分值大于90分,而除了包含IPHONE4手机,可能还包括其他的数据,比如lenovo S9,诺基亚5230这样的数据,然后再在该满足条件的被评估对象中找出IPHONE4手机。
参考图9,为本申请实施例六一种数据查询的装置,应用在一用于包含有数据查询界面的网络数据处理平台中,所述网络数据处理平台中存储有多个被评估对象及对应的服务质量分值,所述被评估对象根据上述实施例中的装置进行服务质量评估,并得到对应的服务质量分值,所述多个被评估对象包括多个数据,其特征在于,具体包括:
接收模块901,用于通过所述数据查询界面,接收查询指令。
确定模块902,用于根据所述查询指令,从所述多个被评估对象中确定与所述查询指令对应的被评估对象;和/或用于
根据所述查询指令,从所述多个数据中确定与所述查询指令对应的数据。
本申请上述实施例一至实施例六中的一个或多个实施例,具有如下技术效果:
1,本申请上述实施例一至实施例六中的一个或多个实施例,运用建立的服务质量评估模型首先对质量评估对象进行归档,对归档后的质量评估对象进行评价,对不同规模的质量评估对象采用不同的评价方案,因此具有可以全面的反映出不同规模的质量评估对象的质量的技术效果。
2,本申请上述实施例一至实施例六中的一个或多个实施例,运用特征分值和权重值来计算不同分档中质量评估对象的质量,不会设定具体的阈值,也就具有不会误判阈值边界处的质量评估对象的技术效果。
3,本申请上述实施例一至实施例六中的一个或多个实施例,使用了不同的特征来全面的反映质量评估对象的特点,因此具有误差率比较小,准确率较高的技术效果。
4,本申请上述实施例一至实施例六中的一个或多个实施例,在用户搜索用服务质量评估模型评价的质量评估对象时,由于服务质量评估模型全面反映了质量评估对象的特点,所以在搜索时准确率高,有效减少用户的重复搜索,减轻搜索服务器的负担和网络带宽的占用。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (14)
1.一种训练服务质量评估模型的方法,其特征在于,包括:
从N个质量评估对象中确定出M个质量评估对象,其中,N为大于1的整数,M为小于或等于N的整数;
获得所述M个质量评估对象的用于分档的至少一种参数信息;
基于所述参数信息,将所述M个质量评估对象分成至少一档,其中,所述至少一档中每档对应有至少一个特征;
收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据;
基于所述特征数据,获得所述每档中至少一个特征中每个特征对应的特征分值;
至少基于所述每档中至少一个特征中每个特征对应的特征分值,获得每档中至少一个特征中每个特征对应的权重值;
基于所述每档中至少一个特征中每个特征对应的特征分值及所述权重值,获得每档中质量评估对象的服务质量评估模型。
2.如权利要求1所述的方法,其特征在于,所述参数信息,具体包括:
所述质量评估对象的商品类别信息,搜索流量信息和/或类别信息。
3.如权利要求1所述的方法,其特征在于,所述至少一档中每档对应有至少一个特征,所述至少一个特征具体包括以下特征中至少一个:
商品管理特征,交易特征,店铺装修特征,消保特征,客服特征,和/或评价特征。
4.如权利要求1所述的方法,其特征在于,收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据,具体包括:
收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的评价分值;
基于所述评价分值获得所述评价分值的第一平均值;
基于所述第一平均值,获得对应于所述第一平均值的所述每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据。
5.如权利要求1所述的方法,其特征在于,所述基于所述特征数据,获得所述每档中至少一个特征每个特征对应的特征分值,具体包括:
对所述特征数据进行分档,获得每档中至少一个特征中每个特征对应的分档后的特征数据;
基于所述分档后的特征数据,与所述第一平均值,获得所述第一平均值中的第二平均值;
将所述分档后的特征数据与所述第二平均值进行二维排列,获得记录数据;
根据所述分档后的特征数据与所述记录数据,获得所述每档中至少一个特征中每个特征对应的特征分值。
6.如权利要求5所述的方法,其特征在于,根据所述分档后的特征数据与所述记录数据,获得所述每档中至少一个特征中每个特征对应的特征分值,具体为:
根据 公式,计算所述每档中每个特征对应的特征分值,其中,x为所述每档中至少一个特征中每个特征,y为所述第二平均值,x1为所述分档后的特征数据中第一个特征数据,y1为对应于所述分档后的特征数据中第一个特征数据的第一个第二平均值,xi为所述分档后的特征数据中第i个特征数据,yi为对应于所述分档后的特征数据中第一个特征数据的第i个第二平均值,xn为所述分档后的特征数据中第n个特征数据,yn为对应于所述分档后的特征数据中第n个特征数据的第n个第二平均值,n所述分档后的特征数据的数量,为t为所述分档后的特征数据的自变量,f(t)为所述每档中至少一个特征中每个特征对应的特征分值。
8.一种进行服务质量评估的方法,用于对网络数据处理平台中卖家的服务质量进行评估,其特征在于,所述方法包括:
从至少一家网络数据处理平台卖家中确定一家网络数据处理平台卖家作为质量评估对象;
对所述质量评估对象进行归档,并基于档与服务质量评估模型间的对应关系,确定所述质量评估对象对应的服务质量评估模型,所述质量评估对象对应的服务质量评估模型中包括有K个特征,所述K个特征中每个特征对应有权重值,其中,所述K为大于或等于1的整数;
从网络数据处理平台卖家数据库中获得所述K个特征中每个特征对应的特征数据;
基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值;
基于所述K个特征中每个特征对应的特征分值及所述K个特征中每个特征对应的权重值,获得所述质量评估对象的服务质量分值。
9.如权利要求8所述的方法,其特征在于,所述基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值,具体为:
基于所述K个特征中每个特征对应的特征数据,获得所述K个特征中每个特征对应的特征数据中每个特征数据的评价分值;
根据所述K个特征中每个特征对应的特征数据中每个特征数据与所述评价分值获得所述K个特征中每个特征对应的特征分值。
10.如权利要求9所述的方法,其特征在于,所述根据所述K个特征中每个特征对应的特征数据中每个特征数据与所述记录数据获得所述K个特征中每个特征对应的特征分值,具体为:
根据 公式,计算K个特征中每个特征对应的特征分值,其中,x为所述K个特征中每个特征,y为对应于所述K个特征中每个特征对应的特征数据中每个特征数据的评价分值,x1为所述K个特征中每个特征对应的第一个特征数据,y1为对应于所述K个特征中每个特征对应的特征数据中第一个特征数据的第一个评价分值,xi为所述K个特征中每个特征对应的第i个特征数据,yi为对应于所述K个特征中每个特征对应的特征数据中第i个特征数据的第i个评价分值,xn为所述K个特征中每个特征对应的第n个特征数据,yn为对应于所述K个特征中每个特征对应的特征数据中第n个特征数据的第n个评价分值,n为所述K个特征中每个特征对应的特征数据的数量,t为所述特征数据的自变量,f(t)为所述K个特征中每个特征对应的特征分值。
11.一种数据查询的方法,应用在一用于包含有数据查询界面的网络数据处理平台中,所述网络数据处理平台中存储有多个被评估对象及对应的服务质量分值,所述被评估对象根据权利要求8至10中任一方法进行服务质量评估,并得到对应的服务质量分值,所述多个被评估对象包括多个数据,其特征在于,具体包括:
通过所述数据查询界面,接收查询指令;
根据所述查询指令,从所述多个被评估对象中确定与所述查询指令对应的被评估对象;和/或
根据所述查询指令,从所述多个数据中确定与所述查询指令对应的数据。
12.一种训练服务质量评估模型的装置,其特征在于,所述装置具体包括:
第一质量评估对象提取模块,用于从N个质量评估对象中确定出M个质量评估对象,其中,N为大于0的整数,M为小于或等于N的整数;
参数信息提取模块,用于获得所述M个质量评估对象的用于分档的至少一种参数信息;
分档模块,用于基于所述参数信息,将所述M个质量评估对象分成至少一档,其中,所述至少一档中每档对应有至少一个特征;
第一特征数据提取模块,用于收集每档中至少一个特征中每个特征对应的属于M个质量评估对象中至少一个质量评估对象的特征数据;
第一特征分值计算模块,用于基于所述特征数据,获得每档中至少一个特征中每个特征对应的特征分值;
权重值计算模块,用于至少基于每档中至少一个特征中每个特征对应的特征分值,获得每档中至少一个特征中每个特征对应的权重值;
基于每档中至少一个特征中每个特征对应的特征分值及所述权重值,获得每档中质量评估对象的服务质量评估模型。
13.一种进行服务质量评估的装置,用于对网络数据处理平台中卖家的服务质量进行评估,其特征在于,所述装置包括:
第二质量评估对象提取模块,用于从至少一家网络数据处理平台卖家中确定一家网络数据处理平台卖家作为质量评估对象;
归档模块,用于对所述质量评估对象进行归档,并基于档与服务质量评估模型间的对应关系,确定所述质量评估对象对应的服务质量评估模型,所述质量评估对象对应的服务质量评估模型中包括有K个特征,所述K个特征中每个特征对应有权重值,其中,所述K为大于或等于1的整数;
第二特征数据提取模块,用于从网络数据处理平台卖家数据库中获得所述K个特征中每个特征对应的特征数据;
第二特征分值计算模块,用于基于所述K个特征中每个特征对应的特征数据,计算所述K个特征中每个特征的特征分值;
服务质量分值计算模块,用于基于所述K个特征中每个特征对应的特征分值及所述K个特征中每个特征对应的权重值,获得所述质量评估对象的服务质量分值。
14.一种数据查询的装置,应用在一用于包含有数据查询界面的网络数据处理平台中,所述网络数据处理平台中存储有多个被评估对象及对应的服务质量分值,所述被评估对象根据权利要求13中的装置进行服务质量评估,并得到对应的服务质量分值,所述多个被评估对象包括多个数据,其特征在于,具体包括:
接收模块,用于通过所述数据查询界面,接收查询指令;
确定模块,用于根据所述查询指令,从所述多个被评估对象中确定与所述查询指令对应的被评估对象;和/或用于
根据所述查询指令,从所述多个数据中确定与所述查询指令对应的数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110436065.7A CN103177017B (zh) | 2011-12-22 | 2011-12-22 | 一种训练服务质量评估模型的方法及装置 |
HK13110913.8A HK1183946A1 (zh) | 2011-12-22 | 2013-09-25 | 種訓練服務質量評估模型的方法及裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110436065.7A CN103177017B (zh) | 2011-12-22 | 2011-12-22 | 一种训练服务质量评估模型的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103177017A true CN103177017A (zh) | 2013-06-26 |
CN103177017B CN103177017B (zh) | 2016-01-06 |
Family
ID=48636898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110436065.7A Active CN103177017B (zh) | 2011-12-22 | 2011-12-22 | 一种训练服务质量评估模型的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103177017B (zh) |
HK (1) | HK1183946A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021439A (zh) * | 2014-05-29 | 2014-09-03 | 招商银行股份有限公司 | 数据中心服务成熟度评价方法和系统 |
CN105677925A (zh) * | 2016-03-30 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
CN106897301A (zh) * | 2015-12-18 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 一种搜索质量的评测方法、装置及电子设备 |
CN107730096A (zh) * | 2017-09-29 | 2018-02-23 | 北京神州绿盟信息安全科技股份有限公司 | 一种情报数据源的质量评估方法及装置 |
CN108306769A (zh) * | 2018-01-31 | 2018-07-20 | 北京奇艺世纪科技有限公司 | 一种cdn的节点部署控制方法和系统 |
CN109347668A (zh) * | 2018-10-17 | 2019-02-15 | 网宿科技股份有限公司 | 一种服务质量评估模型的训练方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060265374A1 (en) * | 2005-05-19 | 2006-11-23 | Smith Thomas W | Multipurpose database |
US20080162265A1 (en) * | 2006-12-28 | 2008-07-03 | Ebay Inc. | Collaborative content evaluation |
CN101334787A (zh) * | 2008-07-22 | 2008-12-31 | 深圳钱袋商务有限公司 | 一种对象评价信息的查询系统及方法 |
CN101650813A (zh) * | 2008-08-11 | 2010-02-17 | 阿里巴巴集团控股有限公司 | 一种网络评价的系统和方法 |
CN102289744A (zh) * | 2011-08-12 | 2011-12-21 | 国家广播电影电视总局广播科学研究院 | 一种广播电视信息安全保障评价系统 |
-
2011
- 2011-12-22 CN CN201110436065.7A patent/CN103177017B/zh active Active
-
2013
- 2013-09-25 HK HK13110913.8A patent/HK1183946A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060265374A1 (en) * | 2005-05-19 | 2006-11-23 | Smith Thomas W | Multipurpose database |
US20080162265A1 (en) * | 2006-12-28 | 2008-07-03 | Ebay Inc. | Collaborative content evaluation |
CN101334787A (zh) * | 2008-07-22 | 2008-12-31 | 深圳钱袋商务有限公司 | 一种对象评价信息的查询系统及方法 |
CN101650813A (zh) * | 2008-08-11 | 2010-02-17 | 阿里巴巴集团控股有限公司 | 一种网络评价的系统和方法 |
CN102289744A (zh) * | 2011-08-12 | 2011-12-21 | 国家广播电影电视总局广播科学研究院 | 一种广播电视信息安全保障评价系统 |
Non-Patent Citations (1)
Title |
---|
黄金坚: "三明市国有林业采育场经营者业绩评价与激励约束机制的研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021439A (zh) * | 2014-05-29 | 2014-09-03 | 招商银行股份有限公司 | 数据中心服务成熟度评价方法和系统 |
CN106897301A (zh) * | 2015-12-18 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 一种搜索质量的评测方法、装置及电子设备 |
CN105677925A (zh) * | 2016-03-30 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
CN105677925B (zh) * | 2016-03-30 | 2021-10-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
CN107730096A (zh) * | 2017-09-29 | 2018-02-23 | 北京神州绿盟信息安全科技股份有限公司 | 一种情报数据源的质量评估方法及装置 |
CN108306769A (zh) * | 2018-01-31 | 2018-07-20 | 北京奇艺世纪科技有限公司 | 一种cdn的节点部署控制方法和系统 |
CN108306769B (zh) * | 2018-01-31 | 2021-08-20 | 北京奇艺世纪科技有限公司 | 一种cdn的节点部署控制方法和系统 |
CN109347668A (zh) * | 2018-10-17 | 2019-02-15 | 网宿科技股份有限公司 | 一种服务质量评估模型的训练方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
HK1183946A1 (zh) | 2014-01-10 |
CN103177017B (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103177017B (zh) | 一种训练服务质量评估模型的方法及装置 | |
CN109522475B (zh) | 一种基于用户历史消费数据的商家推荐方法 | |
CN103514178A (zh) | 一种基于点击率的搜索排序方法及装置 | |
CN104166732B (zh) | 一种基于全局评分信息的项目协同过滤推荐方法 | |
CN104239338A (zh) | 信息推荐方法及装置 | |
CN107729368A (zh) | 一种用于poi数据校验的方法和装置 | |
KR101424382B1 (ko) | 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법 | |
CN106649832B (zh) | 一种基于缺失数据的预估方法及装置 | |
CN104504583B (zh) | 分类器的评价方法 | |
CN104050197B (zh) | 一种信息检索系统评测方法和装置 | |
CN105678590A (zh) | 一种面向社交网络基于云模型的topN推荐方法 | |
CN108415960A (zh) | 一种地理位置服务的实现方法及装置,电子设备 | |
CN108734327A (zh) | 一种数据处理方法、装置及服务器 | |
CN101330709B (zh) | 一种确定数据业务服务质量的方法和装置 | |
CN104239335A (zh) | 特定用户信息获取方法及装置 | |
CN113505942A (zh) | 项目工程造价预估方法、装置、电子设备及存储介质 | |
CN108038734B (zh) | 基于点评数据的城市商业设施空间分布探测方法及系统 | |
CN102541946B (zh) | 基于超链接的推荐属性确定超链推荐度的方法与设备 | |
CN104111969A (zh) | 一种相似性度量的方法以及系统 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
CN103559330A (zh) | 数据一致性检测方法及系统 | |
CN107085757B (zh) | 一种确定风险类用户的方法及装置 | |
CN110415051A (zh) | 一种店铺陈列选址方法及装置 | |
CN106021511A (zh) | 一种网络账号的处理方法及装置 | |
Paul et al. | Characterizing internet access and quality inequities in california m-lab measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1183946 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1183946 Country of ref document: HK |