CN109242323A - 一种汽车维修厂评分方法及相关装置 - Google Patents
一种汽车维修厂评分方法及相关装置 Download PDFInfo
- Publication number
- CN109242323A CN109242323A CN201811089315.2A CN201811089315A CN109242323A CN 109242323 A CN109242323 A CN 109242323A CN 201811089315 A CN201811089315 A CN 201811089315A CN 109242323 A CN109242323 A CN 109242323A
- Authority
- CN
- China
- Prior art keywords
- scoring
- target
- representation data
- factory
- maintenance factory
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012423 maintenance Methods 0.000 claims abstract description 128
- 238000012549 training Methods 0.000 claims abstract description 37
- 241001269238 Data Species 0.000 claims abstract description 27
- 238000013442 quality metrics Methods 0.000 claims description 26
- 238000012417 linear regression Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种汽车维修厂评分方法,将满足预设规则的目标画像数据与对应的预设评分作为训练模型进行训练,从而得到目标模型,在需要对待评分维修厂进行评分时,即可利用目标模型对待评分维修厂的第一画像数据进行评分,得到待评分维修厂的目标评分。由于目标模型是通过大量目标画像数据及对应的预设评分训练得到,而目标评分又是通过目标模型预测得到,而不是主观评价,因此,目标评分更为客观,也可以使用户可以更直接的了解到维修厂的水平。本申请还提供一种汽车维修厂评分系统、装置及计算机可读存储介质,同样可以实现上述技术效果。
Description
技术领域
本申请涉及数据处理技术领域,更具体地说,涉及一种汽车维修厂评分方法、系统、装置及计算机可读存储介质。
背景技术
当前人类社会正处在大数据时代,整个社会正在朝着数据驱动型社会迈进,汽车后市场作为其中一环,也不例外。汽车维修厂作为汽车后市场的市场主体、汽车后服务的供给方,其专业水平、服务质量直接影响了客户的体验。
但是现阶段能够提供的关于汽车维修厂专业水平、服务质量的信息,都仅仅是一些具体的描述,却没有针对汽车维修厂专业水平、服务质量的客观评分参考,因此用户并不能直观的查看到有关汽车维修厂专业水平、服务质量的客观的评分以及等级情况。
因此,如何确定汽车维修厂的客观评分,是本领域技术人员需要解决的问题。
发明内容
本申请的目的在于提供一种汽车维修厂评分方法、系统、装置及计算机可读存储介质,以解决如何确定汽车维修厂的客观评分的问题。
为实现上述目的,本申请实施例提供了如下技术方案:
一种汽车维修厂评分方法,包括:
确定满足预设规则的目标画像数据;
设定每个目标画像数据的预设评分;
将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型;
利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
其中,所述确定满足预设规则的目标画像数据,包括:
确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征;
确定与每个所述目标特征分别对应的第一阈值与第二阈值;其中,所述第一阈值为用于确定维修厂专业水平指标与服务质量指标均为最高等级的阈值,所述第二阈值为用于确定维修厂水平指标与服务质量指标均为最低等级的阈值;
将备选维修厂画像数据中,目标特征均满足对应的所述第一阈值的维修厂画像数据作为最高等级维修厂的第二画像数据;其中,所述每个备选维修厂画像数据包括所有所述目标特征;
将所述备选维修厂画像数据中,目标特征均满足对应的所述第二阈值的维修厂画像数据作为最低等级维修厂的第三画像数据;其中,所述第二画像数据与所述第三画像数据作为所述目标画像数据。
其中,所述设定每个目标画像数据的预设评分,包括:
为所有所述第二画像数据均设定第一评分;
为所有所述第三画像数据均设定第二评分;其中,所述第一评分与所述第二评分为所述预设评分。
其中,所述目标模型为线性回归模型。
其中,所述目标模型为逻辑回归模型。
其中,所述利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分之后,还包括:
确定预设等级区间划分规则;
利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
本申请还提供了一种汽车维修厂评分系统,包括:
第一确定模块,用于确定满足预设规则的目标画像数据;
设定模块,用于设定每个目标画像数据的预设评分;
训练模块,用于将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型;
评分模块,用于利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
其中,第一确定模块,包括:
第一确定单元,用于确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征;
第二确定单元,用于确定与每个所述目标特征分别对应的第一阈值与第二阈值;其中,所述第一阈值为用于确定维修厂专业水平指标与服务质量指标均为最高等级的阈值,所述第二阈值为用于确定维修厂水平指标与服务质量指标均为最低等级的阈值;
第三确定单元,用于将备选维修厂画像数据中,目标特征均满足对应的所述第一阈值的维修厂画像数据作为最高等级维修厂的第二画像数据;其中,所述每个备选维修厂画像数据包括所有所述目标特征;
第四确定单元,用于将所述备选维修厂画像数据中,目标特征均满足对应的所述第二阈值的维修厂画像数据作为最低等级维修厂的第三画像数据;其中,所述第二画像数据与所述第三画像数据作为所述目标画像数据。
其中,设定模块,包括:
第一设定单元,用于为所有所述第二画像数据均设定第一评分;
第二设定单元,用于为所有所述第三画像数据均设定第二评分;其中,所述第一评分与所述第二评分为所述预设评分。
其中,所述目标模型为线性回归模型。
其中,所述目标模型为逻辑回归模型。
其中,还包括:
第二确定模块,用于确定预设等级区间划分规则;
区间划分模块,用于利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
本申请还提供了一种汽车维修厂评分装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如所述汽车维修厂评分方法的步骤。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质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所述汽车维修厂评分方法的步骤。
通过以上方案可知,本申请提供的一种汽车维修厂评分方法,包括:确定满足预设规则的目标画像数据;设定每个目标画像数据的预设评分;将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型;利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
由此可见,本申请提供的一种汽车维修厂评分方法,将满足预设规则的目标画像数据与对应的预设评分作为训练模型进行训练,从而得到目标模型,在需要对待评分维修厂进行评分时,即可利用目标模型对待评分维修厂的第一画像数据进行评分,得到待评分维修厂的目标评分。由于目标模型是通过大量目标画像数据及对应的预设评分训练得到,而目标评分又是通过目标模型预测得到,而不是主观评价,因此,目标评分更为客观,也可以使用户可以更直接的了解到维修厂的水平。本申请还提供一种汽车维修厂评分系统、装置及计算机可读存储介质,同样可以实现上述技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本申请实施例公开的一种汽车维修厂评分方法流程图;
图2为本申请实施例公开的一种具体的汽车维修厂评分方法流程图;
图3为本申请实施例公开的一种具体的汽车维修厂评分方法流程图;
图4为本申请实施例公开的一种汽车维修厂评分系统结构示意图;
图5为本申请实施例公开的一种汽车维修厂评分装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例公开了一种汽车维修厂评分方法、系统、装置及计算机可读存储介质,以解决如何确定汽车维修厂的客观评分的问题。
参见图1,本申请实施例提供的一种汽车维修厂评分方法,具体包括:
S101,确定满足预设规则的目标画像数据。
具体地,首先确定满足预设规则的目标画像数据。
需要说明的是,画像数据即为维修厂的所有特征数据,每个维修厂都对应有一组画像数据,画像数据中包括维修厂的所有特征数据。例如,对应维修厂A,有一组画像数据,其包括了A的店面环境情况、技师情况、专业设备情况、擅长维修技术等情况。
在本方案中,需要确定出作为训练样本的目标画像数据,选定什么样的画像数据作为训练样本由预设规则确定,具体预设规则可以根据目标模型的实际情况来确定,在本方案中不做具体限定。
S102,设定每个目标画像数据的预设评分。
具体地,对于目标画像数据对应的评分,需要预先设定,预设评分的设定根据目标画像数据的实际情况来设定,例如,目标画像数据中的某些特征满足了高水平条件,则设定这种目标画像的评分较高,而满足低水平条件则评分较低,具体的设定方法在本方案中不做具体限定,只要与目标画像数据的实际水平相符即可。
S103,将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型。
具体地,将所有的目标画像数据以及每个画像数据对应的评分作为训练样本,进行训练,得到目标训练模型。
在本方案中,目标模型可以是线性回归模型。
其中,线性回归模型一般形式为y=β0+β1x1+...+βkxk+ε,其中,x0,x1,...,xk为目标画像数据中的各项特征数据的指标,y为目标画像数据的预设评分,β0,β1,...,βk,是未知参数,ε是随机误差项,假定ε~N(0,σ2)。
目标模型也可以为逻辑回归模型,假设因变量Y是二分变量,自变量x=(x0,x1,...,xk),令p=P(Y=1)为某事件发生的概率,则称为二分数据的逻辑斯蒂回归模型。其中g(x)=β0+β1x1+…+βkxk+ε,β0,β1,...,βk是未知参数,ε是随机误差项,假定ε~N(0,σ2)。以目标画像数据中的各项特征数据的指标为自变量x,对应的预设评分为因变量y,输入训练样本进行模型训练,得到目标预测模型。
S104,利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
具体地,在训练好目标模型后,即可利用目标模型对待评分维修厂的第一画像数据进行评分,从而得到待评分维修厂的评分。
由此可见,本申请提供的一种汽车维修厂评分方法,将满足预设规则的目标画像数据与对应的预设评分作为训练模型进行训练,从而得到目标模型,在需要对待评分维修厂进行评分时,即可利用目标模型对待评分维修厂的第一画像数据进行评分,得到待评分维修厂的目标评分。由于目标模型是通过大量目标画像数据及对应的预设评分训练得到,而目标评分又是通过目标模型预测得到,而不是主观评价,因此,目标评分更为客观,也可以使用户可以更直接的了解到维修厂的水平。
下面对本申请实施例提供的一种具体的汽车维修厂评分方法进行介绍,下文描述的一种具体的汽车维修厂评分方法对上文中目标画像数据的确定进行进一步的说明与限定,其他步骤内容与上述实施例大致相同,具体可以与上述实施例相互参照。
参见图2,本申请实施例提供的一种具体的汽车维修厂评分方法,具体包括:
S201,确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征。
需要说明的是,每一个维修厂都对应一组画像数据,每一组画像数据中又包括了对应维修厂的所有特征。在所有特征中,包括了至少一个可以衡量维修厂专业水平指标与服务质量指标的目标特征。
在本方案中,首先确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征,例如,目标特征可以设备齐全度、店面经营年数、高级技师人数等。
S202,确定与每个所述目标特征分别对应的第一阈值与第二阈值;其中,所述第一阈值为用于确定维修厂专业水平指标与服务质量指标均为最高等级的阈值,所述第二阈值为用于确定维修厂水平指标与服务质量指标均为最低等级的阈值。
需要说明的是,对应每一个目标特征,都有一个最高标准,即第一阈值,和一个最低标准,即第二阈值。如果一个画像数据中的所有目标特征都满足第一阈值,则说明该画像数据对应的维修厂专业水平指标与服务质量指标均为最高等级,反之,如果其所有目标特征都满足第二阈值,则说明该画像数据对应的维修厂专业水平指标与服务质量指标均为最低等级。
可以理解的是,由于第一阈值用于确定维修厂专业水平指标与服务质量指标均为最高等级,所以第一阈值是满足最高等级的一个最小值,满足第一阈值也就是大于或等于第一阈值;由于第二阈值是用于确定维修厂水平指标与服务质量指标均为最低等级,所以第二阈值是最低等级的一个最大值,满足第二阈值也就是小于或等于第二阈值。
S203,将备选维修厂画像数据中,目标特征均满足对应的所述第一阈值的维修厂画像数据作为最高等级维修厂的第二画像数据;其中,所述每个备选维修厂画像数据包括所有所述目标特征。
具体地,在备选维修厂画像数据中,确定目标特征均满足对应的第一阈值的画像数据,将该画像数据作为最高等级维修厂的第二画像数据。也就是说,如果一组备选维修厂画像数据中的所有目标特征均满足每个目标特征所对应的第一阈值,则将该维修厂画像数据作为最高等级维修厂的画像数据,该画像数据作为第二画像数据。
S204,将所述备选维修厂画像数据中,目标特征均满足对应的所述第二阈值的维修厂画像数据作为最低等级维修厂的第三画像数据;其中,所述第二画像数据与所述第三画像数据作为所述目标画像数据。
具体地,在备选维修厂画像数据中,确定目标特征均满足对应的第二阈值的画像数据,将该画像数据作为最低等级维修厂的第三画像数据。也就是说,如果一组备选维修厂画像数据中的所有目标特征均满足每个目标特征所对应的第二阈值,则将该维修厂画像数据作为最低等级维修厂的画像数据,该画像数据作为第三画像数据。
第二画像数据与第三画像数据也就是目标画像数据。
S205,设定每个目标画像数据的预设评分。
在一个具体的实施方式中,为所有所述第二画像数据均设定第一评分;为所有所述第三画像数据均设定第二评分;其中,所述第一评分与所述第二评分为所述预设评分。
具体地,为第二画像数据设定第一评分,为第三画像数据设定第二评分,由于第二画像数据是维修厂专业水平指标与服务质量指标均为最高等级的画像数据,因此为其设定的评分应该是最高评分,反之,第三画像数据应为最低评分。在本方案中,可以为每一个第二画像数据都设置评分为1,为每一个第三画像数据都设置评分为0。
S206,将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型。
S207,利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
其中,S206,S207分别与上述实施例中S103,S104大致相同,具体可以参考上述实施例。
为了更直观的体现出维修厂水平,本方案提供一种具体的汽车维修厂评分方法,在上述实施例的基础上对汽车维修厂按照评分划分等级,使维修厂除了具有直观的评分信息外,还有更直观的等级信息。
下面对本申请实施例提供的一种具体的汽车维修厂评分方法进行介绍,下文描述的一种具体的汽车维修厂评分方法可以与上述实施例相互参照。
参见图3,本申请实施例提供的一种具体的汽车维修厂评分方法,在上述任一实施例的基础上,还包括:
S301,确定预设等级区间划分规则。
首先,确定预设等级区间的划分规则,该划分规则可以根据实际情况来设定,可以设定每个等级区间级别的对应的分数区间,例如,A级对应0.8分到1分,也可以设定每个等级区间可以包括的个数或比例,例如评分由高到低,前n个,或前百分之N的评分为A级,具体划分规则在本方案中不做具体限定。
S302,利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
具体地,利用预设等级区间划分规则将目标评分划分到对应的目标等级区间,评分划分到目标等级区间后,评分对应的维修厂也就是属于该等级区间。
下面对本申请提供的一种具体的汽车维修厂评级方法进行介绍,下文描述的一种具体的汽车维修厂评级方法与上述任一实施例均可以相互参照。
在本方案中,共有100个维修厂,并对应有100组维修厂画像数据,每一组画像数据中,均包括以下特征数据:
店面位置指标、店面大小指标、店面经营年数指标、技师人数指标、高级技师人数指标、专业设备齐全指标等。
第一步,设定可以作为衡量维修厂专业水平指标与服务质量指标的目标特征为店面经营年数指标、高级技师人数指标、专业设备齐全指标。
第二步,设定店面经营年数指标的第一阈值为6年,第二阈值为0.5年;高级技术人数指标的第一阈值为20人,第二阈值为1人;专业设备齐全指标的第一阈值为95%,第二阈值为5%。
第三步,在100组维修厂画像数据确定包括店面经营年数指标、高级技师人数指标、专业设备齐全指标这三个特征,且这三个特征对应的指标均大于或等于对应的第一阈值的第二画像数据。
第四步,在在100组维修厂画像数据确定包括店面经营年数指标、高级技师人数指标、专业设备齐全指标这三个特征,且这三个特征对应的指标均小于或等于对应的第二阈值的第三画像数据。
第五步,确定每个第二画像数据对应的评分分别为1,确定,每个第三画像数据对应的评分分别为0。
第六步,将评分为1的第一画像数据与评分为0的第三画像数据作为训练样本,通过线性回归模型y=β0+β1x1+...+βkxk+ε进行训练,得到目标模型。
第七步,利用目标模型对待评分的维修厂画像数据进行预测评分,得到评分为0.9。
第八步,确定预设等级区间划分规则为:
0.8与1之间的评分为A级,其中包括1不包括0.8;
0.5与0.8之间的评分为B级,其中包括0.8不包括0.5;
0.5一下的评分为C级,包括0.5。
第九步,按照预设等级区间划分规则将评分0.8划分到A级,对应0.8的维修厂的等级也为A级。
下面对本申请实施例提供的一种汽车维修厂评分系统进行介绍,下文描述的一种汽车维修厂评分系统与上述任一实施例可以相互参照。
参见图4,本申请实施例提供的一种汽车维修厂评分系统,具体包括:
第一确定模块401,用于确定满足预设规则的目标画像数据。
在一个具体的实施方式中,第一确定模块401包括:
第一确定单元,用于确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征;
第二确定单元,用于确定与每个所述目标特征分别对应的第一阈值与第二阈值;其中,所述第一阈值为用于确定维修厂专业水平指标与服务质量指标均为最高等级的阈值,所述第二阈值为用于确定维修厂水平指标与服务质量指标均为最低等级的阈值;
第三确定单元,用于将备选维修厂画像数据中,目标特征均满足对应的所述第一阈值的维修厂画像数据作为最高等级维修厂的第二画像数据;其中,所述每个备选维修厂画像数据包括所有所述目标特征;
第四确定单元,用于将所述备选维修厂画像数据中,目标特征均满足对应的所述第二阈值的维修厂画像数据作为最低等级维修厂的第三画像数据;其中,所述第二画像数据与所述第三画像数据作为所述目标画像数据。
设定模块402,用于设定每个目标画像数据的预设评分。
在一个具体的实施方式中,设定模块402包括:
第一设定单元,用于为所有所述第二画像数据均设定第一评分;
第二设定单元,用于为所有所述第三画像数据均设定第二评分;其中,所述第一评分与所述第二评分为所述预设评分。
训练模块403,用于将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型。
其中,所述目标模型为线性回归模型。
其中,所述目标模型为逻辑回归模型。
评分模块404,用于利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
在一个具体的实施方式中,所述系统还包括:
第二确定模块,用于确定预设等级区间划分规则;
区间划分模块,用于利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
本实施例的汽车维修厂评分系统用于实现前述的汽车维修厂评分方法,因此汽车维修厂评分系统中的具体实施方式可见前文中的汽车维修厂评分方法的实施例部分,例如,第一确定模块401,设定模块402,训练模块403,评分模块404,分别用于实现上述汽车维修厂评分方法中步骤S101,S102,S103,S104所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
下面对本申请实施例提供的一种汽车维修厂评分装置进行介绍,下文描述的一种汽车维修厂评分装置与上述实施例可以相互参照。
参见图5,本申请实施例提供的一种汽车维修厂评分装置,具体包括:
存储器501,用于存储计算机程序;
处理器502,用于执行所述计算机程序时实现以下步骤:
确定满足预设规则的目标画像数据;设定每个目标画像数据的预设评分;将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型;利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
其中目标模型为线性回归模型或逻辑回归模型。
在一些具体的实施例中,所述处理器502执行所述存储器501中保存的计算机子程序时,具体可以实现以下步骤:
确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征;确定与每个所述目标特征分别对应的第一阈值与第二阈值;其中,所述第一阈值为用于确定维修厂专业水平指标与服务质量指标均为最高等级的阈值,所述第二阈值为用于确定维修厂水平指标与服务质量指标均为最低等级的阈值;将备选维修厂画像数据中,目标特征均满足对应的所述第一阈值的维修厂画像数据作为最高等级维修厂的第二画像数据;其中,所述每个备选维修厂画像数据包括所有所述目标特征;将所述备选维修厂画像数据中,目标特征均满足对应的所述第二阈值的维修厂画像数据作为最低等级维修厂的第三画像数据;其中,所述第二画像数据与所述第三画像数据作为所述目标画像数据。
在一些具体的实施例中,所述处理器502执行所述存储器501中保存的计算机子程序时,具体可以实现以下步骤:
为所有所述第二画像数据均设定第一评分;为所有所述第三画像数据均设定第二评分;其中,所述第一评分与所述第二评分为所述预设评分。
在一些具体的实施例中,所述处理器502执行所述存储器501中保存的计算机子程序时,具体可以实现以下步骤:
确定预设等级区间划分规则;利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
进一步的,本申请实施例提供的一种汽车维修厂评分装置,还可以包括:
输入接口503,用于获取外界导入的计算机程序,并将获取到的计算机程序保存至所述存储器501中,还可以用于获取外界终端设备传输的各种指令和参数,并传输至处理器502中,以便处理器502利用上述各种指令和参数展开相应的处理。本实施例中,所述输入接口503具体可以包括但不限于USB接口、串行接口、语音输入接口、指纹输入接口、硬盘读取接口等。
输出接口504,用于将处理器502产生的各种数据输出至与其相连的终端设备,以便于与输出接口504相连的其他终端设备能够获取到处理器502产生的各种数据。本实施例中,所述输出接口504具体可以包括但不限于USB接口、串行接口等。
通讯单元505,用于在汽车维修厂评分装置和外部终端之间建立远程通讯连接,以便于汽车维修厂评分装置能够外部终端进行数据交互中。本实施例中,通讯单元505具体可以包括但不限于基于无线通讯技术或有线通讯技术的远程通讯单元。
键盘506,用于获取用户通过实时敲击键帽而输入的各种参数数据或指令。
显示器507,用于对文件夹挂载过程的相关信息进行实时显示,以便于用户了解汽车维修厂评分情况。
鼠标508,可以用于协助用户输入数据并简化用户的操作。
本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种汽车维修厂评分方法,其特征在于,包括:
确定满足预设规则的目标画像数据;
设定每个目标画像数据的预设评分;
将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型;
利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
2.根据权利要求1所述的方法,其特征在于,所述确定满足预设规则的目标画像数据,包括:
确定用于衡量维修厂专业水平指标与服务质量指标的至少一个目标特征;
确定与每个所述目标特征分别对应的第一阈值与第二阈值;其中,所述第一阈值为用于确定维修厂专业水平指标与服务质量指标均为最高等级的阈值,所述第二阈值为用于确定维修厂水平指标与服务质量指标均为最低等级的阈值;
将备选维修厂画像数据中,目标特征均满足对应的所述第一阈值的维修厂画像数据作为最高等级维修厂的第二画像数据;其中,所述每个备选维修厂画像数据包括所有所述目标特征;
将所述备选维修厂画像数据中,目标特征均满足对应的所述第二阈值的维修厂画像数据作为最低等级维修厂的第三画像数据;其中,所述第二画像数据与所述第三画像数据作为所述目标画像数据。
3.根据权利要求2所述的方法,其特征在于,所述设定每个目标画像数据的预设评分,包括:
为所有所述第二画像数据均设定第一评分;
为所有所述第三画像数据均设定第二评分;其中,所述第一评分与所述第二评分为所述预设评分。
4.根据权利要求1所述的方法,其特征在于,所述目标模型为线性回归模型。
5.根据权利要求1所述的方法,其特征在于,所述目标模型为逻辑回归模型。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分之后,还包括:
确定预设等级区间划分规则;
利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
7.一种汽车维修厂评分系统,其特征在于,包括:
第一确定模块,用于确定满足预设规则的目标画像数据;
设定模块,用于设定每个目标画像数据的预设评分;
训练模块,用于将所有所述目标画像数据与对应的所述预设评分作为训练样本进行训练,得到目标训练模型;
评分模块,用于利用所述目标模型对待评分维修厂的第一画像数据进行评分,得到目标评分,其中所述第一画像数据为所述待评分维修厂的特征数据。
8.根据权利要求7所述的系统,其特征在于,还包括:
第二确定模块,用于确定预设等级区间划分规则;
区间划分模块,用于利用所述预设等级区间划分规则将所述目标评分划分至目标等级区间。
9.一种汽车维修厂评分装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述汽车维修厂评分方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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6任一项所述汽车维修厂评分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089315.2A CN109242323B (zh) | 2018-09-18 | 2018-09-18 | 一种汽车维修厂评分方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089315.2A CN109242323B (zh) | 2018-09-18 | 2018-09-18 | 一种汽车维修厂评分方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242323A true CN109242323A (zh) | 2019-01-18 |
CN109242323B CN109242323B (zh) | 2022-04-15 |
Family
ID=65059295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811089315.2A Active CN109242323B (zh) | 2018-09-18 | 2018-09-18 | 一种汽车维修厂评分方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242323B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919442A (zh) * | 2019-01-31 | 2019-06-21 | 德联易控科技(北京)有限公司 | 基于评价数据的汽修厂分类方法、装置及电子设备 |
CN110009246A (zh) * | 2019-04-12 | 2019-07-12 | 国网福建省电力有限公司莆田供电公司 | 一种基于大数据画像技术的输电线路运行状态评估方法 |
CN110363307A (zh) * | 2019-06-03 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 汽车维修保养机构评级方法及装置 |
CN110413902A (zh) * | 2019-06-21 | 2019-11-05 | 中国平安财产保险股份有限公司 | 车辆维修厂在线推荐方法、装置、设备和存储介质 |
CN112232719A (zh) * | 2020-12-11 | 2021-01-15 | 北京基调网络股份有限公司 | 一种指标定量评分方法、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251172A (zh) * | 2016-07-20 | 2016-12-21 | 武汉斗鱼网络科技有限公司 | 一种基于熵值法的用户价值评分计算方法及系统 |
CN108364191A (zh) * | 2018-01-11 | 2018-08-03 | 国网山东省电力公司 | 基于随机森林和逻辑回归的优质客户优化识别方法及装置 |
CN108389069A (zh) * | 2018-01-11 | 2018-08-10 | 国网山东省电力公司 | 基于随机森林和逻辑回归的优质客户识别方法及装置 |
-
2018
- 2018-09-18 CN CN201811089315.2A patent/CN109242323B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251172A (zh) * | 2016-07-20 | 2016-12-21 | 武汉斗鱼网络科技有限公司 | 一种基于熵值法的用户价值评分计算方法及系统 |
CN108364191A (zh) * | 2018-01-11 | 2018-08-03 | 国网山东省电力公司 | 基于随机森林和逻辑回归的优质客户优化识别方法及装置 |
CN108389069A (zh) * | 2018-01-11 | 2018-08-10 | 国网山东省电力公司 | 基于随机森林和逻辑回归的优质客户识别方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919442A (zh) * | 2019-01-31 | 2019-06-21 | 德联易控科技(北京)有限公司 | 基于评价数据的汽修厂分类方法、装置及电子设备 |
CN110009246A (zh) * | 2019-04-12 | 2019-07-12 | 国网福建省电力有限公司莆田供电公司 | 一种基于大数据画像技术的输电线路运行状态评估方法 |
CN110009246B (zh) * | 2019-04-12 | 2023-04-07 | 国网福建省电力有限公司莆田供电公司 | 一种基于大数据画像技术的输电线路运行状态评估方法 |
CN110363307A (zh) * | 2019-06-03 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 汽车维修保养机构评级方法及装置 |
CN110413902A (zh) * | 2019-06-21 | 2019-11-05 | 中国平安财产保险股份有限公司 | 车辆维修厂在线推荐方法、装置、设备和存储介质 |
CN112232719A (zh) * | 2020-12-11 | 2021-01-15 | 北京基调网络股份有限公司 | 一种指标定量评分方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109242323B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242323A (zh) | 一种汽车维修厂评分方法及相关装置 | |
CN108829718B (zh) | 一种数据处理的方法和装置 | |
CN112102011A (zh) | 基于人工智能的用户等级预测方法、装置、终端及介质 | |
CN113627160B (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
CN109389178A (zh) | 一种维修厂评级方法、系统及电子设备和存储介质 | |
CN114462350B (zh) | 集成电路芯片验证方法、装置、电子设备及存储介质 | |
CN112507728A (zh) | 智能对话方法、装置、电子设备及存储介质 | |
CN116168403A (zh) | 医疗数据分类模型训练方法、分类方法、装置及相关介质 | |
CN116563035A (zh) | 医保数据的分析方法及装置、电子设备和存储介质 | |
CN110837562B (zh) | 案件的处理方法、装置和系统 | |
CN114415997B (zh) | 显示参数设置方法、装置、电子设备及存储介质 | |
CN109545350A (zh) | 一种导诊方法及装置 | |
CN115186738A (zh) | 模型训练方法、装置和存储介质 | |
CN115840867A (zh) | 数学解题模型的生成方法、装置、电子设备和存储介质 | |
CN113361575A (zh) | 模型训练方法、装置和电子设备 | |
CN116483983B (zh) | 一种虚拟人物情绪变化量的生成方法及相关设备 | |
CN114185881B (zh) | 异常数据自动修复方法、装置、设备及存储介质 | |
CN113723554B (zh) | 模型调度方法、装置、电子设备及计算机可读存储介质 | |
CN113204973B (zh) | 答非所问识别模型的训练方法、装置、设备和存储介质 | |
CN111144973B (zh) | 问题排名方法及计算机可读存储介质 | |
CN113962382A (zh) | 训练样本的构建方法、装置、电子设备和可读存储介质 | |
CN117876166A (zh) | 基于用户画像的职业规划方法、装置和电子设备 | |
CN115830674A (zh) | 脑启发的表情感知神经网络模型获取方法及系统 | |
CN116631608A (zh) | 问诊症状识别方法、装置、设备及存储介质 | |
CN116173514A (zh) | 倍数确定方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |