CN109858770A - 对象质量评估方法和装置 - Google Patents
对象质量评估方法和装置 Download PDFInfo
- Publication number
- CN109858770A CN109858770A CN201910001674.6A CN201910001674A CN109858770A CN 109858770 A CN109858770 A CN 109858770A CN 201910001674 A CN201910001674 A CN 201910001674A CN 109858770 A CN109858770 A CN 109858770A
- Authority
- CN
- China
- Prior art keywords
- quality
- assessed
- feature
- sample
- client
- 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
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种质量评估方法和装置,分别从待评估对象的各个特征的维度对待评估对象进行质量评估,评估方式较为全面,提高了质量评估的准确性;同时,质量评估结果的可解释度较高,便于用户理解。各项特征均为客户端可控的特征,可以使客户端根据质量评估结果对待评估对象的质量进行改进,有助于提高待评估对象的质量。
Description
技术领域
本说明书涉及数据处理技术领域,尤其涉及对象质量评估方法和装置。
背景技术
在日常生产和生活中,常常需要对一个对象的质量进行评估。例如,需要对商品的质量进行评估。因此,有必要对质量评估方式进行改进,以便更加符合实际需要。
发明内容
基于此,本说明书提供了对象质量评估方法和装置。
根据本说明书实施例的第一方面,提供一种对象质量评估方法,所述方法包括:从客户端获取待评估对象,并分别获取所述待评估对象的各项特征的特征值,所述各项特征均为客户端可控的特征;针对各项特征,分别执行以下步骤:根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数;其中,所述质量评估模型包括多个输入参数,每个输入参数分别与所述特征的其中一个特征值相匹配;以及将与所述特征相匹配的输入参数输入到所述质量评估模型,以对所述特征进行评分,并根据所述评分值对所述待评估对象在所述特征维度上的质量进行评估,质量评估结果用于客户端对所述待评估对象的质量进行改进。
可选地,所述方法还包括:根据各项特征对应的评分值对所述待评估对象的综合质量进行评估。
可选地,所述方法还包括:若所述特征中存在评分值低于预设评分阈值的目标特征,根据所述目标特征生成所述待评估对象的优化指示信息,所述优化指示信息用于指示所述客户端对所述目标特征的特征值进行修正;将所述优化指示信息发送至所述客户端。
可选地,所述方法还包括:从所述待评估对象中选择样本对象;获取所述样本对象的样本特征和样本标签;根据所述样本特征值和样本标签对所述质量评估模型进行训练。
可选地,从所述待评估对象中选择样本对象的步骤包括:获取各个待评估对象的购买率;根据待评估对象的点击量对所述购买率进行平滑处理;根据处理后的购买率从所述待评估对象中选择样本对象。
可选地,根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数的步骤包括:分别计算所述样本特征取不同的样本特征值时,各个样本标签对应的样本对象的数量比;分别将各个数量比的对数值作为与对应特征值匹配的输入参数。
可选地,所述质量评估模型为评分卡模型。
可选地,所述待评估对象为商品,所述特征包括以下至少任一:商品价格、商品折扣和商品内容。
根据本说明书实施例的第二方面,提供一种质量评估装置,所述装置包括:获取模块,用于从客户端获取待评估对象,并分别获取所述待评估对象的各项特征的特征值,所述各项特征均为客户端可控的特征;针对各项特征,分别执行以下模块的功能:选择模块,用于根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数;其中,所述质量评估模型包括多个输入参数,每个输入参数分别与所述特征的其中一个特征值相匹配;评估模块,用于将与所述特征相匹配的输入参数输入到所述质量评估模型,以对所述特征进行评分,并根据所述评分值对所述待评估对象在所述特征维度上的质量进行评估,质量评估结果用于客户端对所述待评估对象的质量进行改进。
根据本说明书实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的方法。
根据本说明书实施例的第四方面,提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一实施例所述的方法。
应用本说明书实施例方案,分别从待评估对象的各个特征的维度对待评估对象进行质量评估,评估方式较为全面,提高了质量评估的准确性;同时,质量评估结果的可解释度较高,便于用户理解。各项特征均为客户端可控的特征,可以使客户端根据质量评估结果对待评估对象的质量进行改进,有助于提高待评估对象的质量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本说明书一个实施例的应用场景示意图。
图2是本说明书一个实施例的质量评估方法流程图。
图3是本说明书一个实施例的发布平台上的商品的示意图。
图4是本说明书一个实施例的质量评估结果示意图。
图5是本说明书一个实施例的质量评估方法的总体流程示意图。
图6是本说明书一个实施例的质量评估装置的框图。
图7是本说明书一个实施例的用于实现本说明书方法的计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在实际生产和生活中,常常会遇到需要对目标对象的质量进行评估的情况。目标对象可以是商户中的一件商品,或者是工厂生产的产品,还可以是其他对象。下面以对商品进行质量评估为例对本说明书一个实施例的应用场景进行说明。
如图1所示,是本说明书一个实施例的应用场景示意图。在该应用场景下,包括商户客户端和发布平台的后台服务端,还可以包括用户客户端。商户即发布商品的一方,商户发布的商品可以是菜品、服装、日用品等。商户客户端即商户所使用的客户端,商户可以通过该客户端在某一平台(例如:口碑网)发布商品。用户即浏览商品和消费的一方,用户可以在用户客户端上通过各种方式(例如,输入关键字搜索)浏览商户客户端发布的商品,还可以对商品执行点击查看、消费、收藏、转发等操作。后台服务端可以实现对商户客户端和用户客户端的管理,以及两个客户端之间的信息转发等功能。
对商品的质量评估可由发布平台的后台服务端来实现,后台服务端可以获取商户客户端在本平台发布的商品信息,然后根据获取到的商品信息对商品进行质量评估。后台服务端可以将质量评估结果返回给商户客户端,以使商户客户端了解自身商品的质量优劣,后台服务端还可以向商户客户端提供一些优化建议,以使商户客户端对自身商品进行优化,提高商品质量。后台服务端还可以根据各个商户客户端商品质量的优劣来向用户客户端推送商品或商户,从而保证用户客户端获取到质量较优的商品。
应当说明的是,本说明书实施例的应用场景并不限于以上所述,以上所述的应用场景只是一种举例。
通过上述应用场景可以看出,对目标对象进行质量评估有助于促进目标对象的质量提高,也能在一定程度上保证发布平台上质量较优的目标对象被优先获取到。基于此,本说明书实施例提供一种质量评估方法,如图2所示,所述方法可包括:
步骤202:从客户端获取待评估对象,并分别获取所述待评估对象的各项特征的特征值,所述各项特征均为客户端可控的特征;
针对各项特征,分别执行以下步骤:
步骤204:根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数;其中,所述质量评估模型包括多个输入参数,每个输入参数分别与所述特征的其中一个特征值相匹配;
步骤206:将与所述特征相匹配的输入参数输入到所述质量评估模型,以对所述特征进行评分,并根据所述评分值对所述待评估对象在所述特征维度上的质量进行评估,质量评估结果用于客户端对所述待评估对象的质量进行改进。
上述实施例的步骤可以由发布平台的后台服务端实现。在步骤202中,客户端可以是发布待评估对象的一方,例如,在图1所示的应用场景中,可以是商户客户端。待评估对象可以是商户客户端中的商品,例如,可以是菜品。各项特征可采用客户端可控特征,即,客户端可以对特征值进行更改的特征,这样,便于后续对待评估对象进行质量优化。客户端在发布平台发布商品信息之后,发布平台可以获取本平台上的商品的各项信息,从而获取上述特征。
待评估对象的各项特征可以包括多个维度的特征,以商品为例,可以包括商品价格、商品折扣和/或商品内容等。商品价格可采用每件商品的单价,为了更加全面地体现出商品价格特征,可以考虑价格的以下几个方面内容:
商户在客户端发布的商品的价格与对应商品在门店的客单价的比较结果(即,何者价格更高)。该特征的取值可以是一个布尔值,用1表示客户端发布的商品的价格高于门店客单价,用0表示客户端发布的商品的价格低于或等于门店客单价。
该商户在客户端发布的商品的价格与其他商户在客户端发布的商品的价格的比较结果,即在同一平台(例如:口碑网)经营类似商品的商户之间的价格对比。该特征的取值可以是一个布尔值,用1表示客户端发布的商品的价格高于其他商户的价格,用0表示客户端发布的商品的价格低于或等于其他商户的价格。和/或
该商户在本平台的客户端发布的商品的价格与该商户在其他平台的客户端发布的商品的价格的比较结果,即同一商户在不同平台经营的相同商品之间的价格对比。该特征的取值可以是一个布尔值,用1表示客户端在本平台发布的商品的价格高于该商户在其他平台的客户端发布的商品的价格,用0表示客户端在本平台发布的商品的价格低于或等于该商户在其他平台的客户端发布的商品的价格。
商品折扣即商户发布的商品价格按照该商品原价的若干成计价,例如,商品当前价格为原价的90%,即商品折扣为九折。商品折扣可以通过折扣力度来体现,折扣力度即折扣的幅度,折扣力度越大,优惠越多,商品价格占原价的比例越低。折扣力度这一特征的特征值可以是一个0到1之间的常数,例如,0.5表示5折,0.9表示9折。
商品内容即商品所包含的具体信息。可考虑以下几个方面的内容:
商品中是否包含商户推荐信息。例如,对于菜品来说,菜品中可以包括商户推荐菜。假设一个菜品是麻辣香锅,商户推荐信息可以是其中的配菜种类(例如,金针菇、莴笋和/或牛肉等)。又例如,对于服装来说,服装中可包括商户推荐的不同体型的用户最适合的尺码信息。假设一件服装是衬衫,商户推荐信息可以是买家身高、体重与衬衫的肩宽、胸围等尺码信息之间的匹配信息。
商品折扣的使用门槛。商品折扣的使用门槛可采用折扣的起止时间段来表示。使用门槛这一特征的特征值可以是一个字符串,包括折扣的起始时间和终止时间,其格式可以是20181110-20181210这种形式,其中,前8个数字用于表示折扣的起始时间对应的年、月、日,后8个数字用于表示折扣的终止时间对应的年、月、日。
客户端发布商品的图文质量。一般来说,很多客户端在发布商品时会为商品配图,还可能会为配图添加文字说明,以便使用户更加直观地观察到商品的外观。图文质量可以根据图片的清晰度、图片与实际商品的匹配程度、文字说明与商品的匹配程度等方面的因素来确定。在实际应用中,可以简单地将图文质量用1,0,-1等不同的数值来表示,分别表示图文质量高、中、低。和/或
发布的商品是否符合平台的规定。上述规定可以包括对商品类型的规定(业务底线)以及一些其他方面的规定(平台底线)。对商品类型的规定是指商品类型是否符合平台预先设定的类型,例如,平台是一个图书购买平台,即,平台上的商品均为图书类商品,而客户端发布的商品为服装类商品,则发布的商品类型与平台预先设定的商品类型不符,因此,可判定为发布的商品不符合平台的规定。其他方面的规定,例如,可以是现行的法律法规。比如说,商品是否涉及黄赌毒,是否为法律法规所禁止的商品等。
一个实施例的客户端在发布平台上发布的商品的示意图如图3所示。在实际应用中,发布平台上的商品还可以以其他形式呈现,此处不再赘述。
特征值即特征的取值。例如,针对商户在客户端发布的商品的价格与门店的客单价的比较结果这一特征,其取值可以是一个布尔值;又例如,折扣力度这一特征的特征值可以是一个0到1之间的常数;又例如,使用门槛这一特征的特征值可以是一个字符串。由于各个特征的取值是不同类型的值,因此,在获取到特征值之后,还可以将各个特征值转换为同一类型的变量,以便于后续处理。
在获取特征值之后,针对每项特征,可以重复执行步骤204和步骤206,直到所有特征处理完毕。可采用质量评估模型来对待评估对象的质量进行评估。在执行步骤204之前,可以预先对质量评估模型进行训练。若特征是客户端可控的,则特征在不同的情况下可能具有不同的特征值。对应每个特征值,可以分别计算出一个输入参数。然后,在步骤206中,将选择好的输入参数代入质量评估模型,并根据该质量评估模型对特征进行评分,得到的评分值用于表征待评估对象在该特征维度上的质量。进行质量评估所得的质量评估结果可用于客户端对所述待评估对象的质量进行改进。
在模型训练时,可以从所述待评估对象中选择样本对象;获取所述样本对象的样本特征和样本标签;根据所述样本特征值和样本标签对所述质量评估模型进行训练。
仍以商品为例,可以根据商品的购买率来选择样本对象,并获取样本对象的样本标签。具体来说,可以以全部商品中购买率排行前n(n为小于1的正数)的商品作为正样本,以全部商品中购买率排行后n的商品作为负样本。假设共100件商品,n的取值为20%,则可以以购买率排行前20%的20件商品作为正样本,以购买率排行后20%的20件商品作为负样本。样本标签即为前述的“正”和“负”,为了方便表示,也可以以“-1”作为负样本的样本标签,以“1”作为正样本的样本标签。样本特征可采用前述商品价格、商品折扣和商品内容,与待评估对象的特征相同。根据各个样本对象的样本标签以及样本特征,即可训练出质量评估模型。
进一步地,还可以获取各个待评估对象的购买率;根据待评估对象的点击量对所述购买率进行平滑处理;根据处理后的购买率从所述待评估对象中选择样本对象。例如,可以将一次点击量记为十分之一次购买量,将转换后的点击量叠加到原始获取到的购买量中,以计算最终的购买率。这样,可以提高最终质量评估的准确性。
在选择与特征值匹配的输入参数时,可以分别计算所述样本特征取不同的样本特征值时,各个样本标签对应的样本对象的数量比;分别将各个数量比的对数值作为与对应特征值匹配的输入参数。
假设样本标签包括“正样本”和“负样本”,每种样本标签下的样本对象的数量为100,共200个样本对象。对于样本对象的第i个特征Fi,假设其m个取值分别为w1,w2,…,wm,则对于取值wi(1≤i≤m),先从200个样本对象中筛选出满足特征Fi取值为wi这一条件的正样本和负样本(假设分别为80个和20个),然后计算筛选出的样本对象中正样本和负样本的数量之比,即80/20=4。则质量评估模型与wi匹配的输入参数即为log4。该输入参数的值越大,则对应特征的取值其对正负样本的区分度就越大。
应用本说明书实施例方案,分别从待评估对象的各个特征的维度对待评估对象进行质量评估,评估方式较为全面,提高了质量评估的准确性;同时,质量评估结果的可解释度较高,便于用户理解。
在一个实施例中,还可以根据各项特征对应的评分值对所述待评估对象的综合质量进行评估。例如,可以将各个特征对应的分值进行求和,得到综合质量的分值。通过这种方式,可以使用户更加直观地获取到待评估对象的总体质量。如图4所示,是一个实施例的质量评估结果示意图,图中既包括对待评估对象的综合评估结果,又包括对待评估对象的各个特征的优化建议。
下面以待评估对象是商品为例对本说明书实施例的质量评估方法的总体流程进行说明。如图5所示,所述质量评估方法可包括以下流程:
首先,选取商品样本,对商品样本进行特征工程,获取商品样本的样本特征,并对商品样本进行打标,获取样本标签。样本标签可以包括正样本和负样本。对商品进行打标,以方便后续构建有监督的二分类模型。这里打标的标准可采用商品购买率为标准。以购买率最高的前20%为正样本,后20%为负样本。
然后,进行样本构建并挑选合适的样本,即,根据样本标签和对应该样本的所有特征来训练质量评估模型。质量评估模型可以选择评分卡模型,评分卡模型的可解释性强,有利于业务人员理解和接受。评分卡模型本身可以看作逻辑回归(Logistic Regression,LR)模型的一种包装,模型首先会对特征进行WOE变换,具体如下:
Pg和Pb分别表示特征取某个特征值时正负样本的数量比。做完WOE变换后,可以对其进行通常意义下的逻辑回归,对应的决策函数为:
式中,x表示特征向量,θ表示特征向量对应的评分值向量,P表示样本对象为正样本的概率。其中,y=1表示为正样本,y=0表示为负样本,T表示矩阵转置。假设逻辑回归模型的未知参数为βi(i=1,2,…,N)和α,则可利用LR的参数产出最后的评分卡模型。首先,要定义评分的尺度标准,假设正负样本的数量比为5是600分,正负样本的数量比为10是700分,则构建方程组:
反解factor,offset变量。最后对于某一特定样本对象,其最后的评分公式为:
式中,woei为样本对象的第i个样本特征取当前特征值时的输入参数,score为样本对象的综合评分值,其中,求和符号中的第i项为第i个样本特征对应的得分值。
评分卡模型中的输入参数与样本特征的取值有关,即,不同的样本特征所求得的输入参数是不同的。为了获取不同样本特征值对应的输入特征,可以分别计算样本特征取不同的样本特征值时,各个样本标签对应的样本对象的数量比,然后分别将各个数量比的对数值作为与对应特征值匹配的输入参数。
模型训练好之后,可以对商户客户端的各个商品进行评分。具体地,按照与样本类似的方式获取各个商品的特征,对于每个特征,获取其当前的特征值,然后从根据样本对象预先计算出的各个输入参数中查找与该特征值匹配的输入参数,将输入参数代入到评分卡模型中,即可得到对应特征的评分值。评分值可用于适当的应用场景,以对待评估对象进行质量评估,即在商户端,如口碑掌柜等渠道透出给商户,让商户明白自己商品可能存在的问题,然后优化修正。
在一个实施例中,若所述特征中存在评分值低于预设评分阈值的目标特征,根据所述目标特征生成所述待评估对象的优化指示信息,所述优化指示信息用于指示所述客户端对所述目标特征的特征值进行修正;将所述优化指示信息发送至所述客户端。例如,针对商品价格(客户端在发布平台发布的价格)这一特征,如果商品价格高于门店客单价,可指示客户端设置合理的价格,以将商品价格设置为等于或者低于门店客单价的价格。这样,不仅可以使客户端获知其发布的待评估对象的质量,还可以使客户端明确如何对待评估对象的质量进行改进。不同于一般的做法,将质量评估作为一种黑盒模型,本说明书实施例采用一种白盒模型来进行质量评估,所考虑的特征都是客户端可理解并且可行动修改的,所以该质量评估体系又可以透出给客户端去使用,建议其修改的方向,从而提升待评估对象的质量。
待评估对象为商品时,一个实施例的各个特征如下表所示:
在一个实施例中,针对折扣和商品内容两个特征,根据上述实施例计算得出的评分值如下表所示(数据经人工修改去敏,非模型产出的真实数据):
对于各个特征及其对应的特征值,当其计算得到的评分值低于预设的评分阈值时,可触发修正建议文案,即,向客户端推送优化建议;当其评分值等于或者高于评分阈值时,不触发修正建议文案。
以上实施例中的各种技术特征可以任意进行组合,只要特征之间的组合不存在冲突或矛盾,但是限于篇幅,未进行一一描述,因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
如图6所示,是本说明书一个实施例的质量评估装置的框图,所述装置可包括:
获取模块602,用于从客户端获取待评估对象,并分别获取所述待评估-象的各项特征的特征值,所述各项特征均为客户端可控的特征;
针对各项特征,分别执行以下模块的功能:
选择模块604,用于根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数;其中,所述质量评估模型包括多个输入参数,每个输入参数分别与所述特征的其中一个特征值相匹配;
评估模块606,用于将与所述特征相匹配的输入参数输入到所述质量评估模型,以对所述特征进行评分,并根据所述评分值对所述待评估对象在所述特征维度上的质量进行评估,质量评估结果用于客户端对所述待评估对象的质量进行改进。
上述装置中各个模块的功能和作用的实现过程具体详情见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本说明书装置的实施例可以应用在计算机设备上,例如服务器或智能终端。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在文件处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图7所示,为本说明书装置所在计算机设备的一种硬件结构图,除了图7所示的处理器702、内存704、网络接口706、以及非易失性存储器708之外,实施例中装置所在的服务器或电子设备,通常根据该计算机设备的实际功能,还可以包括其他硬件,对此不再赘述。
相应地,本说明书实施例还提供一种计算机存储介质,所述存储介质中存储有程序,所述程序被处理器执行时实现上述任一实施例中的方法。
相应地,本说明书实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一实施例中的方法。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本领域技术人员在考虑说明书及实践这里公开的说明书后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
以上所述仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (10)
1.一种对象质量评估方法,所述方法包括:
从客户端获取待评估对象,并分别获取所述待评估对象的各项特征的特征值,所述各项特征均为客户端可控的特征;
针对各项特征,分别执行以下步骤:
根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数;其中,所述质量评估模型包括多个输入参数,每个输入参数分别与所述特征的其中一个特征值相匹配;
将与所述特征相匹配的输入参数输入到所述质量评估模型,以对所述特征进行评分,并根据所述评分值对所述待评估对象在所述特征维度上的质量进行评估,质量评估结果用于客户端对所述待评估对象的质量进行改进。
2.根据权利要求1所述的方法,所述方法还包括:
根据各项特征对应的评分值对所述待评估对象的综合质量进行评估。
3.根据权利要求1所述的方法,所述方法还包括:
若所述特征中存在评分值低于预设评分阈值的目标特征,根据所述目标特征生成所述待评估对象的优化指示信息,所述优化指示信息用于指示所述客户端对所述目标特征的特征值进行修正;
将所述优化指示信息发送至所述客户端。
4.根据权利要求1所述的方法,所述方法还包括:
从所述待评估对象中选择样本对象;
获取所述样本对象的样本特征和样本标签;
根据所述样本特征值和样本标签对所述质量评估模型进行训练。
5.根据权利要求4所述的方法,从所述待评估对象中选择样本对象的步骤包括:
获取各个待评估对象的购买率;
根据待评估对象的点击量对所述购买率进行平滑处理;
根据处理后的购买率从所述待评估对象中选择样本对象。
6.根据权利要求4所述的方法,根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数的步骤包括:
分别计算所述样本特征取不同的样本特征值时,各个样本标签对应的样本对象的数量比;
分别将各个数量比的对数值作为与对应特征值匹配的输入参数。
7.根据权利要求1至6任意一项所述的方法,所述质量评估模型为评分卡模型。
8.根据权利要求1至6任意一项所述的方法,所述待评估对象为商品,所述特征包括以下至少任一:商品价格、商品折扣和商品内容。
9.一种对象质量评估装置,所述装置包括:
获取模块,用于从客户端获取待评估对象,并分别获取所述待评估对象的各项特征的特征值,所述各项特征均为客户端可控的特征;
针对各项特征,分别执行以下模块的功能:
选择模块,用于根据所述特征的特征值为预先训练的质量评估模型选择匹配的输入参数;其中,所述质量评估模型包括多个输入参数,每个输入参数分别与所述特征的其中一个特征值相匹配;
评估模块,用于将与所述特征相匹配的输入参数输入到所述质量评估模型,以对所述特征进行评分,并根据所述评分值对所述待评估对象在所述特征维度上的质量进行评估,质量评估结果用于客户端对所述待评估对象的质量进行改进。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1至8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001674.6A CN109858770A (zh) | 2019-01-02 | 2019-01-02 | 对象质量评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001674.6A CN109858770A (zh) | 2019-01-02 | 2019-01-02 | 对象质量评估方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109858770A true CN109858770A (zh) | 2019-06-07 |
Family
ID=66893713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910001674.6A Pending CN109858770A (zh) | 2019-01-02 | 2019-01-02 | 对象质量评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858770A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062914A (zh) * | 2019-11-28 | 2020-04-24 | 重庆中星微人工智能芯片技术有限公司 | 用于采集脸部图像的方法、装置、电子设备和计算机可读介质 |
CN112445992A (zh) * | 2019-09-03 | 2021-03-05 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置 |
CN113076636A (zh) * | 2021-03-29 | 2021-07-06 | 南京贝迪新材料科技股份有限公司 | 一种光学膜裁切质量的评估方法及系统 |
CN117710500A (zh) * | 2023-12-08 | 2024-03-15 | 广东创意热店互联网科技有限公司 | 一种基于扩散模型的电商图像生成方法 |
US12032364B2 (en) | 2020-12-03 | 2024-07-09 | Boe Technology Group Co., Ltd. | Computer-implemented method for defect analysis, computer-implemented method of evaluating likelihood of defect occurrence, apparatus for defect analysis, computer-program product, and intelligent defect analysis system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090319342A1 (en) * | 2008-06-19 | 2009-12-24 | Wize, Inc. | System and method for aggregating and summarizing product/topic sentiment |
CN106021337A (zh) * | 2016-05-09 | 2016-10-12 | 房加科技(北京)有限公司 | 一种基于大数据分析的智能推荐方法及系统 |
CN107767179A (zh) * | 2017-10-25 | 2018-03-06 | 口碑(上海)信息技术有限公司 | 电子券的质量评价方法及装置 |
CN108921398A (zh) * | 2018-06-14 | 2018-11-30 | 口口相传(北京)网络技术有限公司 | 店铺质量评价方法及装置 |
-
2019
- 2019-01-02 CN CN201910001674.6A patent/CN109858770A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090319342A1 (en) * | 2008-06-19 | 2009-12-24 | Wize, Inc. | System and method for aggregating and summarizing product/topic sentiment |
CN106021337A (zh) * | 2016-05-09 | 2016-10-12 | 房加科技(北京)有限公司 | 一种基于大数据分析的智能推荐方法及系统 |
CN107767179A (zh) * | 2017-10-25 | 2018-03-06 | 口碑(上海)信息技术有限公司 | 电子券的质量评价方法及装置 |
CN108921398A (zh) * | 2018-06-14 | 2018-11-30 | 口口相传(北京)网络技术有限公司 | 店铺质量评价方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445992A (zh) * | 2019-09-03 | 2021-03-05 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置 |
CN112445992B (zh) * | 2019-09-03 | 2024-02-20 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置 |
CN111062914A (zh) * | 2019-11-28 | 2020-04-24 | 重庆中星微人工智能芯片技术有限公司 | 用于采集脸部图像的方法、装置、电子设备和计算机可读介质 |
CN111062914B (zh) * | 2019-11-28 | 2023-05-30 | 重庆中星微人工智能芯片技术有限公司 | 用于采集脸部图像的方法、装置、电子设备和计算机可读介质 |
US12032364B2 (en) | 2020-12-03 | 2024-07-09 | Boe Technology Group Co., Ltd. | Computer-implemented method for defect analysis, computer-implemented method of evaluating likelihood of defect occurrence, apparatus for defect analysis, computer-program product, and intelligent defect analysis system |
CN113076636A (zh) * | 2021-03-29 | 2021-07-06 | 南京贝迪新材料科技股份有限公司 | 一种光学膜裁切质量的评估方法及系统 |
CN113076636B (zh) * | 2021-03-29 | 2022-03-11 | 南京贝迪新材料科技股份有限公司 | 一种光学膜裁切质量的评估方法及系统 |
CN117710500A (zh) * | 2023-12-08 | 2024-03-15 | 广东创意热店互联网科技有限公司 | 一种基于扩散模型的电商图像生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858770A (zh) | 对象质量评估方法和装置 | |
Tjahjaningsih et al. | The effect of service quality and product diversity on customer loyalty: The role of customer satisfaction and word of mouth | |
WO2019019554A1 (zh) | 一种推荐信息的获取方法及装置、电子设备 | |
CN103970850B (zh) | 网站信息推荐方法和系统 | |
CN109542916A (zh) | 平台商品入驻方法、装置、计算机设备及存储介质 | |
CN105760400B (zh) | 一种基于搜索行为的推送消息排序方法及装置 | |
US20190370879A1 (en) | Complementary product recommendation systems | |
Sudirjo et al. | The Application of Extended Expectation-Confirmation Model to Identify Influencing Factors Digital Loyalty for Mobile-Based Travel Platform | |
CN109146626B (zh) | 一种基于用户动态兴趣分析的时尚服装搭配推荐方法 | |
CN108229590A (zh) | 一种获取多标签用户画像的方法和装置 | |
CN109377260A (zh) | 面向服装行业的用户行为分析系统 | |
CN106959966A (zh) | 一种信息推荐方法及系统 | |
CN103778235A (zh) | 一种处理商品评价信息的方法和装置 | |
KR102309373B1 (ko) | 기획 판매를 위한 컨텐츠를 자동적으로 구축하는 시스템 및 그 방법 | |
CN108198045A (zh) | 基于电子商务网站数据挖掘的混合推荐系统的设计方法 | |
JP2018077615A (ja) | 広告画像生成装置、広告画像生成方法、広告画像生成装置用プログラム | |
Joshi et al. | Exploring the mediating effect of parent brand reputation on brand equity | |
Tyagi | Meerut embroidery cluster: A case study | |
CN106682923A (zh) | 商品调整方法及系统 | |
CN107274272A (zh) | 数据处理方法、装置和电子设备 | |
JP7062960B2 (ja) | 情報処理システム、プログラム、情報処理装置及び情報出力方法 | |
CN107093122B (zh) | 对象分类方法及装置 | |
CN111026966A (zh) | 基于用户和产品画像及两者关联程度的搜索推荐排序方法 | |
CN109615431A (zh) | 大数据背景下实现数据资产感知及定价功能的系统及其方法 | |
CN113744019A (zh) | 一种商品推荐方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |
|
RJ01 | Rejection of invention patent application after publication |