CN107886355A - 一种评估方法及装置 - Google Patents

Abstract

本说明书披露的实施例提供一种对电子商务平台中的评估对象进行评估的方法，包括：获取针对所述评估对象的多个评价信息；获取与所述多个评价信息相对应的多个用户的信用信息；基于所述信用信息确定对应的评价信息的权重信息；以及基于所述多个评价信息以及所述权重信息，确定所述评估对象的综合评价。实施例还提供了与之对应的装置。通过该方法和装置，可以更有效、客观地对电子商务平台中的评估对象进行评估。

Description

一种评估方法及装置

技术领域

本说明书披露的多个实施例涉及电子商务平台，尤其涉及一种应用于电子商务平台的评估方法及装置。

背景技术

随着互联网技术和社会经济的发展，各种各样的电子平台不断涌现，为人们提供多种多样的服务。为了便于人们在越来越多的电子平台、网络服务中进行选择，提供了用户反馈机制，也就是用户在使用了某个平台或某项服务之后，对该平台或该服务进行评价。后续用户可以参考之前用户的评价进行选择。例如，用户在某个网络店铺进行消费之后，可以对该店铺的商品质量、服务水准进行打分，从而形成该店铺的评价分。后续的用户可以参考店铺的评价分来判断店铺的服务质量，从而进行选择。

通常，一个店铺的评价分由一段时间内用户对该店铺的历史评价的平均值得到。然而，有些商家为了提高自己的评价分，有可能采取不诚信的手段来影响评价分，比如刷评，或者给竞争对手恶意差评。这就使得，评价分不能客观、公正地反映店铺的服务，从而影响电子商务平台的可靠性，也影响用户的选择和使用体验。

因此，需要改进的评估方案，使得评估得到的综合评价更好地反映评估对象的真实水平。

发明内容

为了克服现有技术中的不足，本说明书描述了一种对电子商务平台中的评估对象进行评估的方法和装置。

根据第一方面，提供了一种评估方法，该方法包括：获取针对所述评估对象的多个评价信息；获取与所述多个评价信息相对应的多个用户的信用信息；基于所述信用信息确定对应的评价信息的权重信息；基于所述多个评价信息以及所述权重信息，确定所述评估对象的综合评价。

根据一个实施例，基于所述信用信息确定对应的评价信息的权重信息包括：确定各个信用信息所对应的评价信息的权重值；以及对所述权重值进行归一化，以获得权重归一因子。

根据一个实施例，所述确定各个信用信息所对应的评价信息的权重值包括：通过映射表确定各个信用信息所对应的权重值。

根据另一实施例，所述确定各个信用信息所对应的评价信息的权重值包括：通过在预设信用区间内的信用权重函数y＝f(x)确定各个信用信息对应的权重值，其中x表示所述信用信息对应的信用值，y表示权重值。

根据一个实施例，所述函数y＝f(x)是在所述信用区间内单调递增的函数。

根据另一实施例，所述函数y＝f(x)是在所述信用区间内符合正态分布的函数。

根据第二方面，提供了一种评估装置，该装置包括：

评价获取单元，配置为获取针对所述评估对象的多个评价信息；

信用获取单元，配置为获取与所述多个评价信息相对应的多个用户的信用信息；

权重确定单元，配置为基于所述信用信息确定对应的评价信息的权重信息；

评价确定单元，配置为基于所述多个评价信息以及所述权重信息，确定所述评估对象的综合评价。

本说明书提供的评估方法和装置，基于做出评价的用户的信用信息来确定对应评价的权重，从而使得不同信用状态的用户的评价信息具有不同的权重。通过对评价信息进行信用加权而获得的综合评价，由于考虑了用户的信用状态，从而降低了刷评价等不公平行为对综合评价的影响，更好更客观地反映出评估对象的质量，提高了电子商务平台的可靠性，也提升了用户体验。

附图说明

为了更清楚地说明本说明书披露的多个实施例的技术方案，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说明书披露的多个实施例，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它的附图。

图1为本说明书披露的一个实施例提供的评估方法的应用场景示意图；

图2为本说明书披露的一个实施例提供的评估方法的流程图；

图3示出根据一个例子的权重映射表；

图4示出信用权重函数的一个例子；

图5示出信用权重函数的另一例子；

图6示出信用权重函数的另一例子；

图7示出信用权重函数的又一例子；

图8为本说明书披露的一个实施例提供的评估装置的结构示意图。

具体实施方式

下面结合附图，对本说明书披露的多个实施例进行描述。

图1为本说明书披露的一个实施例提供的评估方法的应用场景示意图。图1中，用户可以通过终端(如，终端可以为手机、平板电脑、可穿戴智能设备等)使用电子商务平台中的产品/服务，并对其进行评价。评价所针对的对象可以是所使用的整个产品/服务，也可以是产品/服务的某个方面。例如，评价可以针对一个电子平台中的商铺，商铺中售卖的一件商品，平台中提供的某项服务，服务的某项特质或具体指标，等等。也就是说，适用于各种可以由用户进行评价的实体或对象。

对于某个有待评估的对象，服务器获取针对该评估对象做出的评价信息，以及做出上述评价信息的用户的信用信息，然后，基于用户的信用信息确定对应的评价信息的权重信息，最后基于评价信息和权重信息确定该评估对象的综合评价。

以上应用场景可能涉及多个服务器。在一个例子中，由第一服务器提供评估对象，并接受用户评价。例如，评估对象可以是一个淘宝店铺，那么对应地，第一服务器可以是提供淘宝平台的服务器。在一个例子中，可以由第二服务器提供用户的信用信息。例如，用户的信用信息可以是基于大数据形成的芝麻信用分，那么对应地，第二服务器可以是芝麻服务器。在一个例子中，由第三服务器从以上第一服务器获取用户对评估对象的评价信息，从以上第二服务器获取用户的信用信息，然后对评估对象进行综合评价。然而，在不同情况下，这些服务器也可以根据情况集成或组合在一起。例如，在一个例子中，可以通过同一服务器提供评价信息和用户的信用信息；或者，对评估对象进行综合评价的第三服务器可以集成在第一服务器和/或第二服务器中；或者，由同一服务器实现评价信息和信用信息的提供，以及对象的综合评价。这些场景都可以适用于说明书描述的实施例。

图2为本说明书披露的一个实施例提供的评估方法的流程图。所述方法的执行主体可以为具有处理能力的设备：服务器或者系统或者平台，例如，图1中的服务器。如图2所示，所述方法具体包括以下步骤：S210，获取针对评估对象的多个评价信息；S220，获取与所述多个评价信息相对应的多个用户的信用信息；S230，基于所述信用信息确定所述多个评价信息的权重信息；以及S240，基于所述多个评价信息以及所述权重信息，确定所述评估目标的综合评价。

下面结合具体例子描述以上各个步骤的具体执行方式。

首先，在步骤S210，获取针对评估对象的多个评价信息。

如前所述，所述评估对象可以是电子商务平台中适于由用户进行评价的各种实体或对象，例如，一个网络商铺，一件售卖商品，一项特定服务，服务的某项具体指标等等。

对评估对象进行的评价信息可以有多种表现形式。例如，比较常见的，可以用一星到五星作为评价信息，星数越高，评价越高。或者，可以通过1-100之内的打分作为评价信息，分数越高，评价越高。在另一例子中，评价信息也可以是文字信息。

根据一个实施例，在步骤S210中，获取预定时间段内，针对评估对象的评价信息。上述预定时间段可以根据需要设定，例如可以是一天，一个礼拜，一个月，等等。在这样的情况下，评估对象的综合评价基于上述预定时间段而定时地更新。

根据另一实施例，在步骤S210中，获取针对评估对象做出的预定数目的评价信息。例如，每当检测到对于特定评估对象，新增了100条评价信息，就获取这100条评价信息，从而基于这些评价信息更新评估对象的综合评价。在这样的情况下，评估对象的综合评价基于新评价信息产生的速度动态更新。

在一个实施例中，在步骤S210，根据预定选择条件，获取针对评估对象的多个评价信息。上述预定选择条件用于对评价信息进行初步筛选。例如，在一个例子中，预定选择条件可以包括，排除评价分过高或者过低的评价(例如高于某最高阈值或者低于某最低阈值)，以避免刷评价或恶意极低差评的风险。在另一例子中，预定选择条件可以包括，对于同一用户在一段时间内做出的多次评价，只选择其中一次或若干次(例如第一次)评价信息。本领域技术人员也可以根据需要设定其他的预定选择条件。利用这样的预选择定条件，可以对评价信息进行选择，预先排除一些对客观评估可能不利的因素。

接着，在步骤S220，获取与上述多个评价信息相对应的多个用户的信用信息。

与评价信息类似地，信用信息也可以有多种表现形式。例如，在一个例子中，信用信息可以是用“极好，较好，一般，有风险，高风险”进行分级的信用级别信息。在另一例子中，信用信息可以是从一星到五星的信用级别信息，星数越高，信用等级越高。或者，在另一例子中，信用信息可以是例如在1-10之内的信用分数，分数越高，信用越好。此外，信用信息也可以采用本领域中的其他形式。

信用信息可以通过多种渠道提供和获取。在一个例子中，用户在使用电子商务平台中的产品/服务之后，不仅可以对产品/服务的提供方，例如商家，进行评价，商家也可以对用户，也就是买家，进行评价。如此，用户就会具有作为买家的评价分。在一个具体例子中，这个买家的评价分可以作为用户的信用信息。此外，也可以采用更为全面的信用信息。例如，基于大数据形成的芝麻信用分可以全面地反映用户的交易信用情况，因此，在一个例子中，可以采用芝麻信用分作为用户的信用信息。在另一例子中，还可以采用其他第三方机构提供的信用信息，例如，银行、政府或者其他部门提供的与征信记录相关的信用信息。

在获得了用户的信用信息的基础上，在步骤S230，基于所获得的信用信息确定对应的评价信息的权重信息。

在一个例子中，根据预先定义的映射表，确定与信用信息对应的权重值。这特别适用于信用信息为信用等级的情况。图3示出根据一个例子的权重映射表。在图3的例子中，信用信息为从一星到五星的信用等级，相应地，在映射表中，为不同的信用等级分配了不同的权重值，例如，一星的信用等级对应0.1的权重值，五星的信用等级对应0.5的权重值。虽然在图3的例子中，权重值依赖于信用等级的增高呈现准线性的增加，但是这仅仅是一个示例。根据不同的应用场景的需要，映射表的映射关系也可以按照其他规则来定义。

在一个例子中，通过预设的信用权重函数y＝f(x)确定各个信用信息对应的权重值，其中x表示信用信息对应的信用值，y表示权重值。在信用信息为信用等级的情况下，可以首先通过预定规则将信用等级转化为信用值。例如，将图3中的一星信用等级转化为20分的信用分值，将五星信用等级转化为100分，从而将星级信用等级转化为20-100分之间的信用值。在信用信息本身包含信用值的情况下，可以直接将信用值作为上述函数的输入变量x。

在一个实施例中，信用权重函数y＝f(x)是在预定信用区间内的连续函数。上述预定信用区间可以是信用分的可能区间，例如对于以上星级信用所转化的信用分，这个信用区间即为[20,100]。又例如，对于基于大数据形成的芝麻信用分，其信用区间为预定的[350,950]。在另一实施例中，信用权重函数y＝f(x)也可以是信用区间内分段连续的函数，甚至不连续的函数。

下面结合信用信息为芝麻信用分的情况，描述信用权重函数y＝f(x)的具体例子。

在一个例子中，上述信用权重函数y＝f(x)为线性单调递增函数，例如y＝a(x-b)。通过调节参数a和b的取值，可以使得权重值y在预定范围之内。图4示出在一个例子中的信用权重函数。在图4的例子中，将各参数设定为a＝0.00166667，b＝350,可以看到在芝麻信用分x在[350,950]的区间内，权重值y表现为从0开始的单调线性递增。

图5示出信用权重函数的另一例子。在图5的例子中，信用权重函数采用二次函数的形式：y＝x²

经过x’＝(x-350)/600进行调整和平移，该函数在芝麻信用分区间[350,950]的表现如图5中的方框内所示。可以看到，当选择这样的二次函数作为信用权重函数，得到的权重值在所需的信用区间内随着信用分的增加而单调递增，不过其递增并不是线性递增，而是增速不断变大(导数增大)的递增过程。

图6示出信用权重函数的另一例子。在图6的例子中，信用权重函数采取双曲正切函数的形式：

经过x’＝(x-700)/350，y’＝y+1对该函数进行x方向和y方向的调整和平移，最终该函数在芝麻信用分区间[350,950]的表现如图5中的方框内所示。可以看到，所选择的双曲正切函数在所需的信用区间内也是单调递增的，不过其增速(导数大小)经历先增加又减小的过程。

图7示出信用权重函数的又一例子。在图7的例子中，信用权重函数采取正态分布的形式：其中，参数设定为σ＝1,u＝0。

经过x’＝(x-750)/150对该函数进行调整和平移，该函数在芝麻信用分区间[350,950]的表现如图7的方框内所示。可以看到，通过选择以上函数作为信用权重函数，信用权重函数在所需的信用区间内呈正态分布。也就是说，并非信用分越高，对应的评价信息的权重就越高，而是使得信用分特别低和信用分特别高的用户做出的评价权重都比较低，而信用分处于中间区间的用户做出的评价权重较高。在图7的例子中，信用分为750分的用户做出的评价权重值最高，高于750分的信用分所对应的权重值开始降低。可以理解，正态分布的顶点位置可以根据需要，通过对函数进行平移而进行不同的设定。在一些场景下，选择正态分布函数作为信用权重函数更有利于做出客观的评估。例如，在一些情况下，某些机构提供的信用信息至少部分地基于用户交易金额而确定：资金交易活跃的用户信用值更高，这暗示着，这部分用户的资金更为充裕。而某些评估对象，例如折扣款的产品，可能是面向经济类用户的。此时，信用值很高的用户由于资金的充裕，可能比较挑剔，对于经济类产品做出不公正的评价。如此，正态分布形式的信用权重函数会给出更适合的权重分布。

可以理解，以上描述的几种具体函数仅仅是作为示例。本领域技术人员可以根据具体业务、应用场景的需求，选择其他不同的函数形式作为信用权重函数。

除了以上等级式的信用信息(可以通过一些方式转化为信用分值)和数值式的信用信息之外，还有可能存在其他形式的信用信息，例如黑名单，被举报名单等。黑名单、被举报名单中的用户，可以认为是信用状况较差的用户，但是可能由于时效性原因，或者提供方不一致的原因，未能在常规的信用分数上体现。在这样的情况下，进一步参看黑名单或被举报名单，将其中的用户的评价信息的权重直接设为某个预定的较低权重值，例如直接设为0。

在一个实施例中，为了使得最终的综合评价在预定范围之内，对以上获得的各个评价信息的权重值进行归一化，获得权重归一因子。

具体地，假定在步骤S210，获得了针对某个评估对象的n项评价信息S_i，i＝1，…n，并在步骤S220，获取了上述多个评价信息S_i所对应的用户的信用信息C_i。接着，通过以上描述的权重映射表或者信用权重函数，确定了各个信用信息C_i对应的权重值w_i，该权重值也就是信用信息C_i所对应的评价信息S_i的权重值。然后，可以对各项评价信息S_i所对应的权重值w_i进行归一化，即令：

从而得到P值作为权重归一因子。

基于如此获得的权重信息(例如包括权重值和权重归一因子)以及之前获得的评价信息，在步骤S240，可以确定出评估对象的综合评价。如前所述，评价信息可以有多种表现形式。在一个实施例中，对于非数值形式的评价信息，可以将其转化为对应的评价分数。例如，对于星级的评价信息，可以将一星评价对应为1分，五星评价对应为5分。对于纯文字的评价信息，可以通过语义分析等方式，将其转化为评价分数。

在此基础上，在步骤S240，基于获得的权重信息对评价信息所对应的评价分数进行加权求和，将求和结果作为评估对象的综合评价。在一个具体实施例中，评估对象的综合评价S可以表示为：

S＝∑p·s_i·w_i＝p·∑s_i·w_i

其中s_i为评价信息对应的评价分数，w_i为评价信息对应的权重，p为权重归一因子。

如此，评估对象的综合评价基于做出评价的用户的信用信息而确定，减小或避免了刷评或恶意差评对综合评价的影响，使得综合评价更客观地反映评估对象的质量，极大地提升了电子商务平台的可靠性和用户体验。

下面结合一个具体例子描述基于信用权重的综合评价与常规评价的不同。

如下的表1示出在一个例子中，有10个用户对某个评估对象做出的评价，用户的评价直接表示为1-5分的评价分数。

表1

用户	A	B	C	D	E	F	G	H	I	J
											评价分数	5	5	5	5	5	1	1	2	5	1

根据常规方法，将这些用户的评价分数求平均，可以得到该评估对象的综合评价分数为(5+5+5+5+5+1+1+2+5+5)/10＝3.9。

然而，如果基于用户的信用信息确定各个评价的权重，会得到不同的结果。下面的表2接着示出了做出评价的用户的信用信息。在这个例子中，信用信息体现为芝麻信用分数。

表2

用户	A	B	C	D	E	F	G	H	I	J
											评价分数	5	5	5	5	5	1	1	2	5	1
芝麻分数	350	350	450	400	550	800	750	800	400	450

如果使用信用权重函数可以得到各个用户的评价的权重值，如下表3所示。

表3

用户	A	B	C	D	E	F	G	H	I	J
											评价分数	5	5	5	5	5	1	1	2	5	1
芝麻分数	350	350	450	400	550	800	750	800	400	450
											权重值	0	0	0.167	0.083	0.333	0.75	0.667	0.75	0.083	0.167

对表3的权重值进行归一化：

P*(0+0+0.167+0.083+0.333+0.75+0.667+0.75+0.083+0.167)＝1

得到权重归一化因子p＝0.3333。

因此，最终该评估对象的综合评价为：

S＝(5*0+5*0+5*0.167+5*0.083+5*0.333+1*0.75+1*0.667+2*0.75+5*0.083+5*0.167)*0.3333＝2.3604

可以看到，根据信用权重获得的综合评价与简单地通过求平均得到的综合评价有很大差异。通过求平均方式获得的综合评价很容易受到刷评的影响(例如信用度不高的用户A，B，C，D，I均给出了5分的评价)，而得到不够客观的结果。而在考虑了用户信用因素之后，降低了信用度不高的用户的评价权重，使得综合评价更客观地反映真实的评价情况。

在本说明书披露的另一方面的实施例中，提供了一种对电子商务平台中的评估对象进行评估的装置。图8示出根据一个实施例的评估装置的结构示意图。如图8所示，该装置800包括：评价获取单元810，配置为获取针对所述评估对象的多个评价信息；信用获取单元820，配置为获取与所述多个评价信息相对应的多个用户的信用信息；权重确定单元830，配置为基于所述信用信息确定对应的评价信息的权重信息；评价确定单元840，配置为基于所述多个评价信息以及所述权重信息，确定所述评估对象的综合评价。

在一个实施例中，评价获取单元810进一步配置为：获取预定时间段内(例如可以是一天，一个礼拜，一个月，等等)，针对评估对象的多个评价信息；或者，获取针对评估对象做出的预定数目(例如可以是100个，200个等等)的评价信息。

在一个实施例中，评价获取单元810进一步配置为，根据预定选择条件，获取针对评估对象的多个评价信息。所述预定选择条件用于对评价信息进行初步筛选，例如可以是排除评价分过高或者过低的评价，或者从同一用户的多次评价中选择若干次评价信息，等等。

在一个实施例中，所述信用信息包括以下中的至少一项：用户作为买家的评价分，芝麻信用分，第三方机构提供的与征信记录相关的信用信息。

在一个实施例中，所述权重确定单元830配置为：确定各个信用信息所对应的评价信息的权重值；对所述权重值进行归一化，以获得权重归一因子。

在一个实施例中，所述权重确定单元830进一步配置为：通过映射表确定各个信用信息所对应的权重值。

在另一实施例中，所述权重确定单元830进一步配置为：通过在预设信用区间内的信用权重函数y＝f(x)确定各个信用信息对应的权重值，其中x表示所述信用信息对应的信用值，y表示权重值。

在一个实施例中，所述信用权重函数y＝f(x)是在所述信用区间内单调递增的函数。例如，信用权重函数y＝f(x)可以是在信用区间内单调递增的线性函数，二次函数，双曲正切函数等。

在一个实施例中，所述信用权重函数y＝f(x)是在所述信用区间内符合正态分布的函数。

在一个实施例中，所述权重确定单元830还配置为：获取信用黑名单，将所述信用黑名单中的用户的评价信息的权重值设定为预设值。

根据另一方面，说明书的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行以上实施例描述的评估方法，例如图2所示的方法。

进一步地，根据一个实施例，还提供一种计算设备，该设备例如是图1所示的服务器。计算设备包括存储器和处理器，其中存储器中存储有可执行代码，处理器执行所述可执行代码时，实现以上实施例描述的评估方法，例如图2所示的方法。

本领域普通技术人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执轨道，取决于技术方案的特定应用和设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执轨道的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (22)

1.一种对待评估的评估对象进行评估的方法，其特征在于，包括：

获取针对所述评估对象的多个评价信息；

获取与所述多个评价信息相对应的多个用户的信用信息；

基于所述信用信息确定对应的评价信息的权重信息；

基于所述多个评价信息以及所述权重信息，确定所述评估对象的综合评价。

2.根据权利要求1所述的方法，其特征在于，所述获取针对所述评估对象的多个评价信息包括：

获取预定时间段内，针对评估对象的多个评价信息；或者

获取针对评估对象做出的预定数目的评价信息。

3.根据权利要求1所述的方法，其特征在于，所述获取针对所述评估对象的多个评价信息包括，根据预定选择条件，获取针对评估对象的多个评价信息。

4.根据权利要求1所述的方法，其特征在于，所述信用信息包括以下中的至少一项：用户作为买家的评价分，芝麻信用分，第三方机构提供的与征信记录相关的信用信息。

5.根据权利要求1-4中任一项所述的方法，其特征在于，基于所述信用信息确定对应的评价信息的权重信息包括：

确定各个信用信息所对应的评价信息的权重值；

对所述权重值进行归一化，以获得权重归一因子。

6.根据权利要求5中所述的方法，其特征在于，所述确定各个信用信息所对应的评价信息的权重值包括：

通过映射表确定各个信用信息所对应的权重值。

7.根据权利要求5所述的方法，其特征在于，所述确定各个信用信息所对应的评价信息的权重值包括：

通过在预设信用区间内的信用权重函数y＝f(x)确定各个信用信息对应的权重值，其中x表示所述信用信息对应的信用值，y表示权重值。

8.根据权利要求7所述的方法，其特征在于，所述信用权重函数y＝f(x)是在所述信用区间内单调递增的函数。

9.根据权利要求7所述的方法，其特征在于，所述信用权重函数y＝f(x)是在所述信用区间内符合正态分布的函数。

10.根据权利要求5所述的方法，其特征在于，所述信用信息还包括黑名单，所述确定各个信用信息所对应的评价信息的权重值包括：

将所述信用黑名单中的用户的评价信息的权重值设定为预设值。

11.一种对待评估的评估对象进行评估的装置，其特征在于，包括：

评价获取单元，配置为获取针对所述评估对象的多个评价信息；

信用获取单元，配置为获取与所述多个评价信息相对应的多个用户的信用信息；

权重确定单元，配置为基于所述信用信息确定对应的评价信息的权重信息；

评价确定单元，配置为基于所述多个评价信息以及所述权重信息，确定所述评估对象的综合评价。

12.根据权利要求11所述的装置，其特征在于，所述评价获取单元配置为：

获取预定时间段内，针对评估对象的多个评价信息；或者

获取针对评估对象做出的预定数目的评价信息。

13.根据权利要求11所述的装置，其特征在于，所述评价获取单元配置为，根据预定选择条件，获取针对评估对象的多个评价信息。

14.根据权利要求11所述的装置，其特征在于，所述信用信息包括以下中的至少一项：用户作为买家的评价分，芝麻信用分，第三方机构提供的与征信记录相关的信用信息。

15.根据权利要求11-14中任一项所述的装置，其特征在于，所述权重确定单元配置为：

确定各个信用信息所对应的评价信息的权重值；

对所述权重值进行归一化，以获得权重归一因子。

16.根据权利要求15中所述的装置，其特征在于，所述权重确定单元配置为：

通过映射表确定各个信用信息所对应的权重值。

17.根据权利要求15所述的装置，其特征在于，所述权重确定单元配置为：

通过在预设信用区间内的信用权重函数y＝f(x)确定各个信用信息对应的权重值，其中x表示所述信用信息对应的信用值，y表示权重值。

18.根据权利要求17所述的装置，其特征在于，所述信用权重函数y＝f(x)是在所述信用区间内单调递增的函数。

19.根据权利要求17所述的装置，其特征在于，所述信用权重函数y＝f(x)是在所述信用区间内符合正态分布的函数。

20.根据权利要求15所述的装置，其特征在于，所述信用信息还包括黑名单，所述权重确定单元配置为：

将所述信用黑名单中的用户的评价信息的权重值设定为预设值。

21.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-10中任一项的所述的方法。

22.一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-10中任一项所述的方法。