CN112035569A - 一种商户评分方法及系统 - Google Patents

Abstract

本发明实施例提供一种商户评分方法及系统，方法包括：获取商户在预设时间段内的评分集合；通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。本发明实施例确保了评分的客观性和准确性。

Description

一种商户评分方法及系统

技术领域

本发明涉及区块链技术领域，尤其涉及一种商户评分方法及系统。

背景技术

在基于评分的评价系统(以下简称评价系统)中，用户向评价系统发送对被评价者的评分，评价系统根据用户的评分给出被评价者的综合评分。以某评价系统为例，商户为用户提供相关的服务，用户在服务结束后为商户打出0-5分的评分，并将该评分提交到评价系统。评价系统取所有对该商户做出评价的用户的平均分，作为商户的综合评分。这种评分作为对商户服务质量的量化，对用户和商户来说具有重要的参考价值。用户可以根据商户的综合评分选出服务质量较高的商户，而商户可以通过自己的综合评分来评估自身的服务质量。

然而，现有的评价系统主要基于中心化的架构，即评价系统的所有者拥有全部的评价数据。这导致一旦存储这些评价数据的服务器被黑客所攻击，或者遭遇服务器崩溃等意外状况，这些评价数据可能会丢失。同时，一旦评价系统的所有者与恶意的商户共谋，就能够在后台修改用户的评分，达到作弊的效果。

为解决中心化评分系统的上述问题，有人提出了去中心化的评分系统。然而去中心化的评分系统虽然保证了评分数据的可靠性和不可篡改性，但未解决恶意评分清洗的问题。恶意评分包括用户恶意差评等和真实评分差距较大的评分，这些评分会影响到对商户的客观公正评价，给用户和商户均造成了巨大的损失。

发明内容

本发明实施例提供一种商户评分方法及系统，以解决恶意评分导致的评分不准确的问题。

本发明实施例提供一种商户评分方法，包括：

获取商户在预设时间段内的评分集合；

通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；

基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。

本发明实施例提供一种商户评分系统，包括：

评分收集模块，用于获取商户在预设时间段内的评分集合；

评分清洗模块，用于通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；

评分计算模块，基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。

本发明实施例提供一种电子设备，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计算机程序时实现所述的商户评分方法的步骤。

本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的商户评分方法的步骤。

本发明实施例提供的商户评分方法及系统，通过预设评分清洗算法对评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分，然后基于剩余评分得到商户的当前评分，并基于预先通过区块链平台得到的商户的历史评分以及当前评分，计算得到商户的当前综合评分，减少了恶意评分对商家综合评分的影响，且避免了历史评分的重复计算，从而使得能够更加客观、准确地对商家的服务进行评估。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例中商户评分方法的步骤流程图；

图2为本发明实施例中去中心化评价系统的示意图；

图3为本发明实施例中商户评分系统的模块框图；

图4为本发明实施例中电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

如图1所示，为本发明实施例中商户评分方法的步骤流程图，该方法包括如下步骤：

步骤101：获取商户在预设时间段内的评分集合。

具体的，在需要对某商户进行评分时可以先获取商户在预设时间段内的评分集合。

具体的，每个用户对应一个客户端，客户端能够为用户提供直观的交互平台，即用户可以通过客户端发布评分，也可以查询某商户的评分信息。客户端处理用户的评分请求，将用户的评分发送给本实施例中的评分收集模块，以使评分收集模块能够获取商户在预设时间段内的评分集合。此外，客户端还可以响应用户查询商户评分的请求，调用智能合约从区块链平台中获取该商户的评分，并将结果返回给用户。

此外，具体的，本步骤在获取商户在预设时间段内的评分集合时，可以通过评分收集模块收集从各个客户端发来的评分信息，以不同商户为单位对一段时间内收集到的评分进行分组和汇总，从而得到每个商户在预设时间段内的评分集合，该评分集合中包含了某个商户在该预设时间段收到的全部评分。

步骤102：通过预设评分清洗算法对评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分。

在本步骤中，具体的，可以通过预设评分清洗算法对评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分，此时清洗后的剩余评分即为合法评分。

在此需要说明的是，该预设评分清洗算法可以是由计算机、智能设备等物理设备运行C++等程序语言编写的评分清洗程序。

步骤103：基于剩余评分得到商户的当前评分，并基于预先通过区块链平台得到的商户的历史评分以及所述当前评分，计算得到商户的当前综合评分。

具体的，历史评分为商户在预设时间段的开始时间之前的综合得分。

在本步骤中，可以先基于清洗后的评分集合中的剩余评分得到商户的当前评分，然后基于该当前评分以及预先通过区块链平台得到的商户的历史评分，计算得到商户的当前综合评分。这使得既不会让恶意评分参与评分计算，也不会出现对历史评分的重复计算，使得当前综合评分的计算方式更加合理以及高效，计算结果更加准确。

在此需要说明的是，区块链平台是去中心化网络，用于存储所有的评分数据并为用户评分的存储和综合评分的查询提供底层平台，此时由于区块链具有去中心化和不可篡改的特性，存储在区块链中的评分数据不会因为某个节点的崩溃而丢失，也不会因为某个节点篡改数据而导致数据的不可靠，从而使得能够保证通过区块链平台所获取到的历史评分等评分数据的真实性和可靠性，保证了链上存储链下计算时的数据的可信性。

这样，本实施例通过预设评分清洗算法对评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分，然后基于剩余评分得到商户的当前评分，并基于当前评分以及预先通过区块链平台得到的商户的历史评分，计算得到商户的当前综合评分，解决了中心化评价系统导致的数据容易被篡改的问题，且实现了对恶意评分的过滤，确保了评分的客观性和准确性。

此外，进一步地，在本实施例中，在基于预先通过区块链平台得到的商户的历史评分以及所述当前评分，计算得到商户的当前综合评分时，可以获取所述历史评分的第一权重值和所述当前评分的第二权重值，其中所述第一权重值和所述第二权重值的和值为1；然后计算得到所述历史评分与所述第一权重值的第一乘积以及所述当前评分与所述第二权重值的第二乘积，并将所述第一乘积与所述第二乘积的和值确定为所述当前综合评分。

另外，进一步地，还需要说明的是，在本实施例中还可以将评分集合以及当前综合评分存储在区块链平台中。具体的，区块链平台是去中心化网络，用于存储所有的评分数据，并为用户评分和查询综合评分的智能合约提供底层平台；此外，由于区块链具有去中心化和不可篡改的特性，存储在区块链中的评分数据不会因为某个节点的崩溃而丢失，也不会因为某个节点篡改数据而导致数据的不可靠，保证了数据的可靠性。

另外，进一步地，在本实施例中，在通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分时，可以包括下述任意一项：

其一：通过基于真值发现的评分清洗算法，对所述评分集合中的恶意评分进行迭代清洗，得到迭代结束后未被清洗的剩余评分。

在该种方式中，在通过基于真值发现的评分清洗算法对恶意评分进行清洗时，可以对评分集合中的恶意评分进行迭代清洗，并在迭代结束后，将评分集合中未被清洗的剩余评分视为合法评分。

具体的，该种方式能够基于评分集合中的评分本身进行清洗操作，实现过程简单。

其中，在通过基于真值发现的评分清洗算法，对评分集合中的恶意评分进行迭代清洗，得到迭代结束后未被清洗的剩余评分时，可以包括如下步骤：

步骤A1，在当次迭代清洗过程中获取评分集合中的每个评分的权重值；

步骤A2，基于每个评分的权重值，获取权重值小于预设权重值的恶意评分，并将恶意评分从评分集合中移除，得到当次迭代清洗后未被清洗的剩余评分；

步骤A3，基于当次迭代清洗后未被清洗的剩余评分，得到商户的当前评分，且在判断得到商户的当前评分未收敛时继续迭代清洗，直至商户的当前评分收敛。

在此需要说明的是，预设权重值的取值范围为大于0且小于1。此外，在每一轮迭代过程中，均需要执行上述步骤A1至步骤A3，直至商户的当前评分收敛，即评分集合中的剩余评分中不存在权重值小于预设权重值的恶意评分。

具体的，在获取评分集合中的每个评分的权重值时，可以通过下述公式，计算得到每个评分的权重值：

其中，w_i表示第i个评分的权重值，X表示所述评分集合，x_i表示所述评分集合中的第i个评分，y^*表示所述当前评分且初始值为所述历史评分；d(x_i,y^*)表示距离函数，std_m表示所述评分集合的标准差；

此外，在基于当次迭代清洗后未被清洗的剩余评分，得到所述商户的当前评分时，可以通过下述公式，计算得到商户的当前评分：

其中，x_j表示所述剩余评分中的第j个评分，w_j表示第j个评分的权重值。

这样，在该种方式中，基于真值发现算法，在每一轮迭代中，都为每个用户评分赋予相应的权重值，并将权重值低于预设权重值的评分视为恶意评分，在下一轮迭代前将其清洗，且迭代结束后，未被清洗的剩余评分视为合法评分，实现了对评分集合中恶意评分的迭代清洗过程，减少了恶意评分对商户综合评分的影响。

在此需要说明的是，此时基于剩余评分得到商户的当前评分时，可以直接将收敛时的当前评分确定为商户的最终的当前评分。由于收敛时的当前评分为基于迭代结束后评分集合中的剩余评分得到，保证了最终得到的商户的当前评分的可信性。

此时，商户的当前综合评分y＝α·y_h+β·y^*，其中α为第一权重值，β为第二权重值，y_h为历史评分。

其二：通过基于概率分布的评分清洗算法，对所述评分集合中低于预设概率阈值的恶意评分进行清洗，得到清洗后的剩余评分。

具体的，在该种方式中，在通过基于概率分布的评分清洗算法对恶意评分进行清洗时，可以对评分数据进行统计分析，得到数据的分布信息等统计信息。因为评分信息大致呈正态分布，因此可基于概率分布的思想，给定预设概率阈值p，将评分集合中概率低于p的评分视为恶意评分，并将其清洗，得到清洗后的剩余评分。即该种方式基于评分数据本身以及评分概率分布(如正态分布)情况进行恶意评分的清洗，使得能够过滤掉过高或过低的评分。

具体的，在通过基于概率分布的评分清洗算法，对评分集合中低于预设概率阈值的恶意评分进行清洗，得到清洗后的剩余评分时，可以包括下述步骤：

步骤B1，计算得到评分集合中评分的均值和方差，并基于均值和方差拟合得到评分的概率分布函数；

步骤B2，基于概率分布函数计算得到每个评分的概率值；

步骤B3，获取概率值低于预设概率阈值的恶意评分，并将恶意评分从评分集合中移除，得到当次清洗后未被清洗的剩余评分；

步骤B4，当检测到评分集合未收敛时，基于当次清洗后未被清洗的剩余评分重复上述步骤直至评分集合收敛。

具体的，在步骤B4中，重复上述步骤指重复步骤B1-B3，即对评分集合中的恶意评分进行多次清洗，直至评分集合收敛，从而将过高或过低的恶意评分清洗掉。

在此需要说明的是，可以通过下述公式计算得到评分集合中评分的均值、方差以及每个评分的概率值：

评分集合中评分的均值

方差

每个评分i的概率值

还需要说明的是，在该种方式中，此时基于剩余评分得到商户的当前评分时，可以获取评分集合收敛时的评分集合中剩余评分的均值，并将剩余评分的均值确定为商户的当前评分。

此时，商户的当前综合评分y＝α·y_h+β·u。

其三：通过基于异常行为检测的评分清洗算法，对所述预设时间段内的异常评价行为进行检测，并对所述评分集合中所述异常评价行为所对应的恶意评分进行清洗，得到清洗后的剩余评分。

具体的，在该种方式中，即在通过基于异常行为检测的评分清洗算法对恶意评分进行清洗时，能够对评分数据及其评价行为进行分析，若检测到异常评价行为，则将这些异常评价行为对应的评分视为恶意评分，并将其清洗，得到清洗后的剩余评分，实现了从系统运行的角度进行恶意评分的清洗操作。

具体的，在通过基于异常行为检测的评分清洗算法，对所述预设时间段内的异常评价行为进行检测，并对所述评分集合中所述异常评价行为所对应的恶意评分进行清洗，得到清洗后的剩余评分时，可以具体包括如下步骤：

对预设时间段内的异常评价行为进行检测；并当在预设时间段内检测到异常评价行为时，获取异常评价行为所对应的恶意评分；然后将恶意评分从评分集合中移除，得到评分集合中的剩余评分。

需要说明的是，若短时间内无理由的出现大量的异常评分则可以认为是异常评价行为，例如在商户处于正常的工作状态下(即未开展促销降价活动或礼品赠送活动等)，短时间内检测到了针对该商户的大量高评分或低评分，当然在商户开展促销活动时短时间出现大量评分不属于异常评价行为；此外，若在收集评分的预设时间段内所收集到针对商户的评分均为高评分同样可以认为是异常评价行为，例如针对商户的评分集合中的评分均为满分。

这样，通过该种方式实现了对异常评分的清洗，解决了例如刷单等异常评分行为导致的恶意评分的问题。

在此需要说明的是，此时基于剩余评分得到商户的当前评分时，可以获取剩余评分的平均值，并将剩余评分的平均值确定为商户的当前评分。

具体的，剩余评分的平均值

此时，商户的当前综合评分

其四：通过基于身份检测的评分清洗算法，对所述评分集合中的评分所对应的用户进行身份检测，并对异常用户所对应的恶意评分进行清洗，得到清洗后的剩余评分。

具体的，在通过基于身份检测的评分清洗算法对恶意评分进行清洗时，能够对参与评分的用户进行身份识别，若多个评分属于同一个用户，则该用户可能为刷单的用户，其评分并不能作为参考的依据；若用户为黑名单中的用户，其评分同样不是可信的。即该种方式能够基于用户的身份防止同一用户多次刷分或防止黑名单中的用户干扰评分，实现了从数据角度、系统角度以及用户角度等多重角度的评分清洗操作。

基于此，在通过基于身份检测的评分清洗算法，对所述评分集合中的评分所对应的用户进行身份检测，并对异常用户所对应的恶意评分进行清洗，得到清洗后的剩余评分时，可以包括下述步骤：

基于评分集合中每个评分的评分标识信息判断评分集合中是否存在属于同一用户的至少两个评分；然后当检测到在预设时间范围内存在属于同一用户的至少两个评分时，将该至少两个评分确定为恶意评分，或者，当检测到一评分所对应的用户存在于预设黑名单中时，将该评分确定为恶意评分；最后将恶意评分从评分集合中移除，得到评分集合中的剩余评分。

其中，评分标识信息包括评分所对应的区块链地址或评分所对应的用户身份信息。具体的，用户可以使用自己的区块链地址在区块链平台上提交评分，此时评分标识信息可以为评分所对应的区块链地址，当然评分中可以附带用户的用户名等身份信息。此外，用户身份信息可以为用户名或用户手机号码等信息，在此不对此进行具体限定。

此外，在用户对商户评价时，可能存在一个用户频繁刷单的情况，此时若检测到在一定时间范围内存在属于同一用户的多个评分，则可以将该多个评分确定为恶意评分并进行清洗，从而避免了采用用户频繁刷单时的恶意评分作为商户的合法评分的情况。当然，若同一用户在不同时间段进行评分时，则不会将用户在不同时间段内的评分作为恶意评分。

这样，通过该种方式实现了对异常用户的评分的清洗，解决了恶意用户导致的恶意评分的问题。

在此需要说明的是，此时基于剩余评分得到商户的当前评分时，可以获取剩余评分的平均值，并将剩余评分的平均值确定为商户的当前评分。

具体的，剩余评分的平均值

此时，商户的当前综合评分

这样，本实施例通过上述几种方式，实现了基于真值发现、概率分布、异常行为检测和身份识别的多维度恶意评分清洗，并且实现了将过高、过低的评分，或者行为异常的评分等作为恶意评分进行清洗，且基于清洗后的剩余评分计算商户的当前综合评分，与现有技术相比减少了恶意评分对商户综合评分的影响，能够更加客户及准确的对商户的服务进行评估，解决了用户通过打过低分或过高分而导致的恶意评分的问题，并解决了诸如刷单等行为导致的恶意评分问题。

下面结合系统对本实施例进行具体说明。

如图2所示，为本发明实施例中去中心化评价系统的示意图。参见图2，其中，

客户端为用户提供直观的交互平台，每个用户对应一个客户端。用户可以通过客户端发布评分，也可以查询某商户的评分信息。客户端处理用户的评分请求，将用户的评分发给评分收集模块。同时，客户端响应用户查询商户评分的请求，调用智能合约，从区块链平台中获取该商户的评分，并将结果返回给用户。

评分收集模块收集从各个客户端发来的评分信息，根据不同商户，对一段时间内收到的评分进行分组和汇总，每个组中包含了某个商户在该时段内收到的全部评价。

评分清洗模块使用评分清洗算法，对每组中评分中的恶意评分进行清洗，将清洗操作后得到的评分视作合法的评分。假设评分清洗模块的输入为商户的历史得分y_h，n个用户的评分X＝{x₁,…,x_n}，历史评分的权重α，以及当前评分的权重β(α+β＝1)。评分清洗模块对X中的评分进行清洗，将清洗结果发送给评分计算模块。

评分计算模块在评分清洗操作后，基于该商户的历史评分和清洗后的合法评分，计算出该商户的当前综合评分。即评分计算模块基于评分清洗模块的清洗结果，计算商户的当前综合得分y，其中y_h可以通过查询区块链上商户的历史综合得分信息得到，X为评分收集模块所返回的结果。

在此需要说明的是，评分清洗模块和评分计算模块可以看做一个整体。

区块链平台为去中心化网络，用于存储所有的评分数据，并为用户评分和查询综合评分的智能合约提供底层平台。由于区块链具有去中心化和不可篡改的特性，存储在区块链中的评分数据不会因为某个节点的崩溃而丢失，也不会因为某个节点篡改数据而导致数据的不可靠。

这样，通过上述过程，与现有技术相比减少了恶意评分对商户综合评分的影响，能够更加客户及准确的对商户的服务进行评估，且使得综合评分的计算方式更加合理化。

此外，如图3所示，为本发明实施例中商户评分系统的模块示意图，该评价系统包括：

评分收集模块301，用于获取商户在预设时间段内的评分集合；

评分清洗模块302，用于通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；

评分计算模块303，基于基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。

在此需要说明的是，本系统能够实现上述方法实施例的所有方法步骤，并能够达到相同的技术效果，在此不再进行赘述。

另外，如图4所示，为本发明实施例提供的电子设备的实体结构示意图，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序，以执行下述步骤：

获取商户在预设时间段内的评分集合；

通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；

基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各实施例提供的方法并能够达到相同的技术效果，在此不再进行赘述。

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单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种商户评分方法，其特征在于，包括：

获取商户在预设时间段内的评分集合；

通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；

基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。

2.根据权利要求1所述的商户评分方法，其特征在于，所述通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分，包括下述任意一项：

通过基于真值发现的评分清洗算法，对所述评分集合中的恶意评分进行迭代清洗，得到迭代结束后未被清洗的剩余评分；

通过基于概率分布的评分清洗算法，对所述评分集合中低于预设概率阈值的恶意评分进行清洗，得到清洗后的剩余评分；

通过基于异常行为检测的评分清洗算法，对所述预设时间段内的异常评价行为进行检测，并对所述评分集合中所述异常评价行为所对应的恶意评分进行清洗，得到清洗后的剩余评分；

通过基于身份检测的评分清洗算法，对所述评分集合中的评分所对应的用户进行身份检测，并对异常用户所对应的恶意评分进行清洗，得到清洗后的剩余评分。

3.根据权利要求2所述的商户评分方法，其特征在于，所述通过基于真值发现的评分清洗算法，对所述评分集合中的恶意评分进行迭代清洗，得到迭代结束后未被清洗的剩余评分，包括：

在当次迭代清洗过程中获取所述评分集合中的每个评分的权重值；

基于所述每个评分的权重值，获取权重值小于预设权重值的恶意评分，并将所述恶意评分从所述评分集合中移除，得到当次迭代清洗后未被清洗的剩余评分；

基于所述当次迭代清洗后未被清洗的剩余评分，得到所述商户的当前评分，且在判断得到所述商户的当前评分未收敛时继续迭代清洗，直至所述商户的当前评分收敛；

所述基于所述剩余评分得到所述商户的当前评分，包括：

将收敛时的当前评分确定为所述商户的最终的当前评分。

4.根据权利要求3所述的商户评分方法，其特征在于，

所述获取所述评分集合中的每个评分的权重值，包括：

通过下述公式，计算得到每个评分的权重值：

其中，w_i表示第i个评分的权重值，X表示所述评分集合，x_i表示所述评分集合中的第i个评分，y^*表示所述当前评分且初始值为所述历史评分；d(x_i,y^*)表示距离函数，std_m表示所述评分集合的标准差；

所述基于所述当次迭代清洗后未被清洗的剩余评分，得到所述商户的当前评分，包括：

基于所述当次迭代清洗后未被清洗的剩余评分，通过下述公式，计算得到所述商户的当前评分：

其中，x_j表示所述剩余评分中的第j个评分，w_j表示第j个评分的权重值。

5.根据权利要求2所述的商户评分方法，其特征在于，所述通过基于概率分布的评分清洗算法，对所述评分集合中低于预设概率阈值的恶意评分进行清洗，得到清洗后的剩余评分，包括：

计算得到所述评分集合中评分的均值和方差，并基于所述均值和方差拟合得到所述评分的概率分布函数；

基于所述概率分布函数计算得到每个评分的概率值；

获取概率值低于预设概率阈值的恶意评分，并将所述恶意评分从所述评分集合中移除，得到当次清洗后未被清洗的剩余评分；

当检测到所述评分集合未收敛时，基于所述当次清洗后未被清洗的剩余评分重复上述的步骤直至所述评分集合收敛；

所述基于所述剩余评分得到所述商户的当前评分，包括：

获取所述评分集合收敛时的评分集合中剩余评分的均值，并将所述剩余评分的均值确定为所述商户的当前评分。

6.根据权利要求2所述的商户评分方法，其特征在于，所述通过基于异常行为检测的评分清洗算法，对所述预设时间段内的异常评价行为进行检测，并对所述评分集合中所述异常评价行为所对应的恶意评分进行清洗，得到清洗后的剩余评分，包括：

对所述预设时间段内的异常评价行为进行检测；

当在所述预设时间段内检测到异常评价行为时，获取所述异常评价行为所对应的恶意评分；

将所述恶意评分从所述评分集合中移除，得到所述评分集合中的剩余评分；

所述基于所述剩余评分得到所述商户的当前评分，包括：

获取所述剩余评分的平均值，并将所述剩余评分的平均值确定为所述商户的当前评分。

7.根据权利要求2所述的商户评分方法，其特征在于，所述通过基于身份检测的评分清洗算法，对所述评分集合中的评分所对应的用户进行身份检测，并对异常用户所对应的恶意评分进行清洗，得到清洗后的剩余评分，包括：

基于所述评分集合中每个评分的评分标识信息判断评分集合中是否存在属于同一用户的至少两个评分，其中所述评分标识信息包括评分所对应的区块链地址或评分所对应的用户身份信息；

当检测到在预设时间范围内存在属于同一用户的至少两个评分时，将所述至少两个评分确定为恶意评分，或者，当检测到一评分所对应的用户存在于预设黑名单中时，将所述评分确定为恶意评分；

将所述恶意评分从所述评分集合中移除，得到所述评分集合中的剩余评分；

所述基于所述剩余评分得到所述商户的当前评分，包括：

获取所述剩余评分的平均值，并将所述剩余评分的平均值确定为所述商户的当前评分。

8.根据权利要求1所述的商户评分方法，其特征在于，所述基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，包括：

获取所述历史评分的第一权重值和所述当前评分的第二权重值，其中所述第一权重值和所述第二权重值的和值为1；

计算得到所述历史评分与所述第一权重值的第一乘积以及所述当前评分与所述第二权重值的第二乘积，并将所述第一乘积与所述第二乘积的和值确定为所述当前综合评分。

9.根据权利要求1所述的商户评分方法，其特征在于，还包括：

将所述评分集合以及所述当前综合评分存储在所述区块链平台中。

10.一种商户评分系统，其特征在于，包括：

评分收集模块，用于获取商户在预设时间段内的评分集合；

评分清洗模块，用于通过预设评分清洗算法对所述评分集合中的恶意评分进行清洗操作，得到清洗后的剩余评分；

评分计算模块，基于所述剩余评分得到所述商户的当前评分，并基于预先通过区块链平台得到的所述商户的历史评分以及所述当前评分，计算得到所述商户的当前综合评分，其中所述历史评分为所述商户在所述预设时间段的开始时间之前的综合得分。

Images