CN115775110A

CN115775110A - 一种服务质量评估方法及装置

Info

Publication number: CN115775110A
Application number: CN202211548038.3A
Authority: CN
Inventors: 胡晓菁; 徐廷; 曲春歌; 石英; 田婧怡; 鹿琦; 王一彬; 鲁俊
Original assignee: China Post Information Technology Beijing Co ltd
Current assignee: China Post Information Technology Beijing Co ltd
Priority date: 2022-12-05
Filing date: 2022-12-05
Publication date: 2023-03-10

Abstract

本发明公开了一种服务质量评估方法及装置。该方法包括：确定包括各待评估对象的待使用矩阵；根据待使用矩阵及指标权重矩阵，确定待使用矩阵对应的待应用矩阵，对待应用矩阵归一化处理，得到标准化决策矩阵；对标准化决策矩阵中每一列评估指标，获取当前评估指标的至少一个规范化值及预设的指标处理类型，确定与当前评估指标对应的指标值；基于各评估指标的指标值，确定第一矩阵；基于第一矩阵的最大值、最小值及各待评估对象的标准化决策矩阵，确定灰色相关系数；进而确定各待评估对象的目标评估值，基于目标评估值确定相应待评估对象的服务质量，从多个维度选取评估指标，对每个指标进行科学赋权，以得到更准确的服务质量评估结果。

Description

一种服务质量评估方法及装置

技术领域

本发明涉及质量评估技术领域，尤其涉及一种服务质量评估方法及装置。

背景技术

随着经济的发展以及企业改革的不断深化，服务质量评估为企业改革提供了科学的依据，是企业改变运营策略、维护用户的重要参考。

目前的服务质量评估大多是基于业务专家的主观经验选择评估指标，确定每个指标对应的权重值然后采用线性加权法进行计算。

上述方法，在评估指标的选取上具有一定的主观性，且评估指标维度较少，导致评估结果主观性太强，准确率较低，可参考意义不大。

发明内容

本发明提供了一种服务质量评估方法及装置，以丰富质量评估指标的维度，提高评估结果的准确率以及评估结果的可参考性。

根据本发明的一方面，提供了一种服务质量评估方法，该方法包括：

确定包括各待评估对象的待使用矩阵；其中，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；

根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，指标权重矩阵为各评估指标所对应的权重值；

对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值；

基于各评估指标所对应的指标值，确定第一矩阵；

基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数；

基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

根据本发明的另一方面，提供了一种服务质量评估装置，该装置包括：

待使用矩阵确定模块，用于确定包括各待评估对象的待使用矩阵；其中，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；

标准化决策矩阵确定模块，用于根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，指标权重矩阵为各评估指标所对应的权重值；

指标值计算模块，用于对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值；

第一矩阵确定模块，用于基于各评估指标所对应的指标值，确定第一矩阵；

相关系数计算模块，用于基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数；

目标评估值计算模块，用于基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

根据本发明的另一方面，提供了一种电子设备，电子设备包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的服务质量评估方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的服务质量评估方法。

本发明实施例的技术方案，通过确定包括各待评估对象的待使用矩阵；其中，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，指标权重矩阵为各评估指标所对应的权重值；对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值；基于各评估指标所对应的指标值，确定第一矩阵；基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数；基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量，选择多个不同维度的评估指标，确定各评估指标对应的权重值，来对评估对象做出质量评估，解决了当前评估方法中评估指标选取主观性强，评估指标维度较少，准确率低，可参考价值低的问题，实现了从多个维度选取评估指标，对每个指标进行科学赋权，以得到更准确的评估结果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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是根据本发明实施例一提供的一种服务质量评估方法的流程图；

图2是根据本发明实施例提供的确定各评估指标及各评估指标对应的指标权重矩阵的流程图；

图3是根据本发明实施例二提供的一种服务质量评估方法的流程图；

图4是根据本发明实施例三提供的一种服务质量评估方法的流程图；

图5是根据本发明实施例四提供的一种服务质量评估方法的流程图；

图6是根据本发明实施例五提供的一种服务质量评估装置的结构示意图；

图7是实现本发明实施例的服务质量评估方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供的一种服务质量评估方法的流程图，本实施例可适用于对用户服务质量进行评估的情况，该方法可以由服务质量评估装置来执行，该服务质量评估装置可以采用硬件和/或软件的形式实现，该服务质量评估装置可配置于电子设备中。

如图1所示，该方法包括：

S110、确定包括各待评估对象的待使用矩阵。

其中，待评估对象是指需要对其工作结果的关键业绩指标进行评估的对象，待评估对象可以是但不限于：企业、职工、机器等。待使用矩阵是包括各个待评估对象对应的各个评估指标相应数据的矩阵。进一步的，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值。评估维度是指可以定性描述服务质量完成情况特征的维度，例如：服务时效性、服务可靠性、服务经济性等。评估指标是指在评估维度下进行具体化得到的定量分析服务质量的指标，如服务时效性可以具体分为：时限达成率、竞品时限差、次日送达率等；服务可靠性可以具体分为：问题及时解决率、物品中途丢失率、用户信息规范率等。待使用评估值是指各个待评估对象在相应评估指标下所对应的数值。

具体的，建立服务质量评估数据库。其中，数据库中可以包含各待评估对象以及各评估对象在相应的评估指标下所对应的评估值。评估指标可以是：用户满意率、服务成本及收入、用户问题处理时限、服务完成时限等。从大数据库中，通过筛选待评估对象以及对应的评估指标得到待使用矩阵。

S120、根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵。

其中，指标权重矩阵为各评估指标所对应的权重值构成的矩阵，需要说明的是，指标权重矩阵可以根据各评估指标的历史数据预先确定，也可以基于当前待使用矩阵中的数据进行实时计算得到，本实施例在此不做限制。待应用矩阵是指通过指标权重矩阵对待使用矩阵进行加权后得到的矩阵。归一化处理是指将待应用矩阵中的数据映射成0-1之间的小数，好处是可以消除指标之间的量纲影响，以解决指标之间的可比性问题。进一步的，归一化的方法可以是但不限于：均值标准差归一化、极大极小归一化、小数定标归一化等。标准化决策矩阵是指经过将待使用矩阵中的待使用评估值经过加权和归一化处理的矩阵。

在本实施例中，“根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵”的处理方式可以是：基于待使用矩阵和指标权重矩阵的乘积，得到待应用矩阵。

具体的，待使用矩阵为X，指标权重矩阵为Y，则待应用矩阵Z＝X*Y。需要说明的是，可以先对待使用矩阵进行归一化处理再对待使用矩阵加权，也可以先对待使用矩阵加权处理再进行归一化处理。

S130、对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预先设置的指标处理类型，确定与当前评估指标所对应的指标值。

其中，规范化值是指对待使用矩阵中的每个待使用评估值进行加权和归一化得到的值。指标处理类型是指对标准化决策矩阵中每一列所对应的评估指标进行处理的方法类型，由于有些评估指标为越大越优型如：单次服务收入、用户满意度；有些评估指标为越小越优型如：单次服务成本、用户投诉率，为提高评估结果的准确率，在对所有评估指标进行综合分析时需要将所有评估指标趋同化，即全部处理为正向化指标。对于各评估指标来说，指标值是在规范化值的基础上进行正向化处理得到的值。

具体的，由于对各评估指标对应的各规范化值的处理方式相同，现以对其中一个评估指标对应的一个规范化值的处理进行说明：指标类型为正向处理类型，对于当前评估指标对应的规范化值利用相关公式进行正向化处理，得到当前评估指标对应的指标值。进一步的，指标的类型可根据预设的规则进行识别并标记。

S140、基于各评估指标所对应的指标值，确定第一矩阵。

其中，第一矩阵是指由各评估指标对应的最大指标值和最小指标值构成的矩阵。

具体的，由于对所有评估指标对应的指标值的处理方式相同，现以对其中一个评估指标对应的指标值的处理方式进行说明：对于当前评估指标，将当前评估指标对应的所有指标值进行大小比较，得到当前评估指标对应的最大指标值和最小指标值。对所有评估指标进行相同的处理，得到各评估指标对应的最大指标值和最小指标值，将所有评估指标对应的最大值作为一行，所有评估指标对应的最小值作为一行，进而确定第一矩阵。

示例性的，在标准化决策矩阵

中，a_ji为第j个评估对象的第i个评估指标对应的指标值，其中，j＝1,2,3，i＝1,2,3。通过对每个评估指标对应的指标值进行比较得到：a₁₁＞a₃₁＞a₂₁，a₂₂＞a₁₂＞a₃₂，a₁₃＞a₂₃＞a₃₃，则第一矩阵为：

S150、基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数。

其中，灰色相关系数是指能够根据两组数据之间发展趋势的相似或相异程度，来衡量两组数据之间关联程度的方法。灰色相关系数包括正向相关系数和负向相关系数。正向相关系数是指用来衡量当前待评估对象相应的所有评估指标下的数据与第一矩阵中的最大值行数据关联程度的系数。负向相关系数是指用来衡量当前待评估对象相应的所有评估指标下的数据与第一矩阵中的最小值行数据关联程度的系数。

具体的，由于对各待评估对象对应的所有指标下的指标值进行相同的处理，现以对其中一个待评估对象对应的所有指标下的指标值的处理进行说明，提取当前待评估对象在标准化决策矩阵中所有评估指标对应的指标值，通过灰色度系数算法计算当前待评估对象所有评估指标对应的指标值与第一矩阵中最大值行数据之间的正向相关系数和与最小值行数据之间的负向相关系数。

S160、基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

其中，目标评估值是指能够综合各个指标对待评估对象进行服务质量评估的属性值。进一步的，目标评估值越大表示待评估对象的服务质量越高，目标评估值越小表示待评估对象的服务质量越低。

本发明实施例的技术方案，通过确定包括各待评估对象的待使用矩阵；其中，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，指标权重矩阵为各评估指标所对应的权重值；对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值；基于各评估指标所对应的指标值，确定第一矩阵；基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数；基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量，解决了当前评估方法中评估指标选取主观性强，评估指标维度较少，准确率低，可参考价值低的问题，实现了从多个维度选取评估指标，对每个指标进行科学赋权，以得到更准确的评估结果。

在本实施例中，确定各评估指标及各评估指标对应的指标权重矩阵的方式可以是：S101-S105，参见图2：

S101、获取预先设置的至少一个评估维度，以及每个评估维度所对应的至少一个待筛选评估指标。

其中，待筛选评估指标是指每个评估维度下可以划分的所有评估指标，由于一些评估指标之间存在很强的关联性，如：有效处理率与问题解决率、理赔及时率和理赔及时满意率两两之间具有很强的关联性，在筛选时需要对其进行合并或剔除，好处是可以保证评估指标的独立性，提高数据处理效率。进一步的，由于不同行业的侧重点不同，因此评估维度以及评估维度的数量也不同，每个评估维度下的待筛选评估指标的数量也不同，对此，本实施例在此不做限制。

具体的，根据评估对象的行业特性和发展需求，至少设置一个维度，对其服务质量进行评估，每个维度下至少划分至少一个待筛选评估指标。

示例性的，对于快递企业，根据企业发展要求和业务特性，可以预先设置五个评估维度：时效性、客户服务、可靠性、经济性及定制化维度，在时效性维度下分：省际出口时限达成率、省际进口时限达成率、省内互寄时限达成率；客户服务下分：客户投诉率、客服有效处理率、主动客服保障率等；可靠性维度下分跟单异常发生率、有责丢失率、及时揽收成功率等；经济性维度下分：单件成本、总体收入等；定制化维度下分：电子面单使用率、揽收订单直派率、寄递业务履职率等。

S102、对于各待筛选评估指标，确定当前待筛选评估指标与其他待筛选评估指标之间的相关性系数。

其中，相关性系数是用来表征两个待筛选评估指标之间的相关程度的系数，相关性系数越接近1则说明两个待筛选评估指标越相关；相关性系数越接近0，则说明两个待筛选评估指标越不相关。

具体的，可以在服务质量评估数据库中筛选若干个待评估对象以及对应的两个待筛选评估指标的两组数据，利用相关性算法计算两个待筛选评估指标之间的相关性系数。进一步的，相关性算法可以是斯皮尔曼相关性算法、皮尔逊相关性算法等，本实施例在此不做限制。

示例性的，在快递服务质量评估数据库中提取3个待评估对象对应的客服有效处理率和问题一次及时解决率两个待筛选评估指标对应的两组数据得到：(X1，X2，X3)、(Y1，Y2，Y3)。其中(X1，X2，X3)为3个待评估对象对应的客服有效处理率,(Y1,Y2,Y3)为3个待评估对象对应的问题一次及时解决率,代入到皮尔逊相关性算法公式中得到两个待筛选评估指标之间的相关系数为0.77。

S103、基于各相关性系数对至少一个待筛选评估指标进行筛选处理，以得到各评估维度下所对应的至少一个评估指标。

具体的，若两个待筛选评估指标之间的相关性系数大于设定阈值，则将其中一个待筛选评估指标删除不参与后续计算或将两个指标进行合并处理。。通过剔除强相关待筛选评估指标得到最终的评估指标，保证各评估指标之间的独立性，同时提高了计算效率。

在上述示例基础上，设定阈值为0.7，客服有效处理率和问题一次及时解决率两个待筛选评估指标之间的相关系数为0.77，0.77>0.7，则将客服有效处理率和问题一次及时解决率中的一个待筛选评估指标进行删除。

S104、获取各评估维度所对应的维度权重值，以及至少一个指标所对应的指标原始权重值。

其中，维度权重值是衡量每个维度在进行评估时需要分配的权重，维度权重值越大说明该维度对于服务质量的影响越大。进一步的，维度权重值可以是由专家对各个维度进行分析，从而确定不同维度的权重值。原始权重值是指各个指标对应的权重值。

具体的，由于对每个评估维度的处理方式相同，现以对其中一个评估维度的处理进行说明：对于当前评估维度，通过专家分析当前维度对服务质量评估的重要性，确定当前评估维度对应的权重值。指标的原始权重值可以根据各评估指标之间的相关性系数结合客观权重赋权算法得到。

示例性的，在快递服务行业，通过多个行业专家基于主观经验对时效性、客户服务、可靠性、经济性及定制化对于行业发展的重要性进行评估，将认为对行业发展相对重要的维度赋予相对较高的权重值，如对时效性、客户服务、可靠性、经济性及定制化赋予的权重值分别是0.25、0.34、0.2、0.11、0.1；根据各评估指标之间的相关性系数结合客观权重赋权算法得到各评估维度对应的各评估指标的原始权重值。

S105、基于维度权重值以及指标原始权重值，确定指标权重矩阵。

具体的，指标权重＝指标所属维度权重值*指标原始权重值，各个指标的指标权重构成指标权重矩阵。

示例性的，时效性、客户服务、可靠性、经济性及定制化五个维度的权重值分别是：0.25、0.34、0.2、0.11、0.1，每个评估维度对应一个评估指标以及评估指标对应的原始权重值分别为：问题及时解决率0.1、客户投诉率0.2、有责丢失率0.3、单件收入0.3、电子面单使用率0.1：则指标权重矩阵为：(0.025,0.068,0.06,0.033,0.01)。

本实施例中，确定各评估指标及各评估指标对应的指标权重矩阵的方法，通过获取预先设置的至少一个评估维度，以及每个评估维度所对应的至少一个待筛选评估指标；对于各待筛选评估指标，确定当前待筛选评估指标与其他待筛选评估指标之间的相关性系数；基于各相关性系数对至少一个待筛选评估指标进行筛选处理，以得到各评估维度下所对应的至少一个评估指标；获取各评估维度所对应的维度权重值，以及至少一个指标所对应的指标原始权重值；基于维度权重值以及指标原始权重值，确定指标权重矩阵，结合专家对评估维度进行赋权以及利用客观分析法对各指标进行赋权，得到指标权重矩阵，克服了评估结果主观性太强的缺点，进一步提高了评估结果的客观性和可参考性。

实施例二

图3为本发明实施例二提供的一种服务质量评估方法的流程图，在前述实施例的基础上，可以对对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值进一步细化，其具体的实施方式可以参见本发明实施例的详细阐述，其中，与上述实施例相同或者相应的技术术语在此不再赘述。

如图3所示，该方法包括：

S210、确定包括各待评估对象的待使用矩阵。

其中，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值。

S220、根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵。

其中，指标权重矩阵为各评估指标所对应的权重值。

S230、对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值。

可选的，获取当前评估指标所对应的最大值和最小值，并确定最大值与最小值之间的差值，得到待使用数值。

其中，待使用数值是指各评估指标列数据中的最大值和最小值之间的差值。

具体的，由于对各评估指标对应的列数据的处理方式相同，现以其中一个评估指标对应的列数据的处理进行说明，通过比较当前评估指标下的各个数据大小关系，得到当前评估指标所对应的最大值和最小值，通过作差得到当前评估指标对应的最大值与最小值之间的差值，作为待使用数值。

示例性的，待评估对象分别为:企业A、企业B、企业C。当前评估指标为理赔及时率，在标准化决策矩阵中企业A、企业B、企业C对应的理赔及时率分别是0.88、0.98、0.75，则比较三个数据的大小，得到评估指标理赔及时率的最大值0.98和最小值0.75，通过作差，得到待使用数值0.23。

进一步的，对于各规范化值，根据指标处理类型，确定最大值与当前负向规范化值的第一差值，并基于第一差值和待使用数值的比值，确定与当前负向规范化值相对应的正向指标值，以及确定当前正向规范化值与最小值的第二差值，并基于第二差值和待使用数值的比值，确定与当前正向规范化值相对应的正向指标值。

其中，负向规范化值是指越小越优型评估指标对应的规范化值。正向规范化值是指越大越优型评估指标对应的规范化值。第一差值是指当前越小越优型评估指标对应的最大值与当前待评估对象在相应的评估指标下对应的规范化值的差值。第二差值是指当前待评估对象在当前越大越优型评估指标下对应的正向规范化值与当前评估指标对应的最小值的差值。

具体的，指标处理类型为正向处理类型，由于对各越小越优型评估指标对应的负向规范化值的处理方式相同，现以对其中一个越小越优型评估指标对应的一个负向规范化值的正向处理方式进行说明：对于当前越小越优型评估指标对应的当前负向规范化值，计算当前负向规范化值对应的越小越优型评估指标对应的最大值与当前负向规范值之间的第一差值，根据第一差值与待使用数值的比值确定当前负向规范值对应的正向指标值,具体公式如下：

其中，X_ji是指第j个待评估对象对应的第i个越小越优型评估指标的正向指标值，max(x_i)是指第i个越小越优型指标对应的最大值，min(x_i)是指第i个越小越优型评估指标对应的最小值，x_ji是指第j个待评估对象对应的第i个越小越优型评估指标的规范化值。

示例性的，待评估对象分别为甲、乙、丙、丁,成本评估指标对应的负向规范化值分别为0.15,0.23,0.12,0.22，由于对每个负向规范化值的处理方式相同，现以对待评估对象甲的负向规范化值0.15进行说明：其中成本评估指标对应的最大值为0.23，最小值为0.12，则待使用数值为0.11，当前待评估对象甲的当前负向规范化值为0.15，则第一差值为0.08，待评估对象对应的成本评估指标的正向指标值为0.08/0.11≈0.73。同理可得，乙、丙、丁对应的理赔及时率评估指标的正向指标值分别为0，1,0.09，由此可知，待评估对象的正向指标值越大，对应的负向规范化值越小，则成本越低。

进一步的，指标处理类型为正向处理类型，由于对各越大越优型评估指标对应的正向规范化值的处理方式相同现以对其中一个越大越优型评估指标对应的一个正向规范化值的正向处理方式进行说明：对于当前越大越优型评估指标对应的当前正向规范化值，计算当前正向规范值与当前越大越优型评估指标对应的最小值之间的第二差值，根据第二差值与待使用数值的比值确定当前越大越优型评估指标对应的当前正向规范化值,具体公式如下：

其中，X_ji是指第j个待评估对象对应的第i个越大越优型评估指标的正向指标值，max(x_i)是指第i个越大越优型指标对应的最大值，min(x_i)是指第i个越大越优型评估指标对应的最小值，x_ji是指第j个待评估对象对应的第i个越大越优型评估指标的正向规范化值。

示例性的，待评估对象分别为甲、乙、丙、丁,理赔及时率评估指标对应的正向规范化值分别为0.78,0.82,0.95,0.69，由于对每个正向规范化值的处理方式相同，现以对待评估对象甲的正向规范化值0.78进行说明：其中理赔及时率评估指标对应的最大值为0.95，最小值为0.69，则待使用数值为0.26，当前待评估对象甲的当前正向规范化值为0.78，则第二差值为0.78-0.69＝0.09，待评估对象甲对应的理赔及时率评估指标的正向指标值为0.09/0.26≈0.35，同理可得乙、丙、丁对应的理赔及时率评估指标的正向指标值分别为0.5，1，0。由此可知，待评估对象的正向指标值越大，对应的正向规范化值越大，则理赔及时率越高。

S240、基于每个评估指标对应的正向指标值，确定每个评估指标的最大值和最小值。

具体的，由于对所有评估指标对应的正向指标值的处理方式相同，现以对其中一个评估指标对应的正向指标值的处理方式进行说明：对于当前评估指标，比较所有待评估对象的当前评估指标对应的正向指标值，将当前评估指标对应的最大正向指标值作为最大值，将当前评估指标对应的最小正向指标值作为最小值。

示例性的，在标准化决策矩阵

中，a₁₁、a₂₁、a₃₁为3个待评估对象对应的评估指标1的正向指标值，a₁₂、a₂₂、a₃₂为3个待评估对象对应的评估指标2的正向指标值；a₁₃、a₂₃、a₃₃为3个待评估对象对应的评估指标3的正向指标值。对于每个评估指标对应的正向指标值进行比较得到：a₁₁＞a₃₁＞a₂₁，a₂₂＞a₁₂＞a₃₂，a₁₃＞a₂₃＞a₃₃，则评估指标1对应的最大值为a₁₁，评估指标2对应的最大值为a₂₂，评估指标3对应的最大值为a₁₃；评估指标1对应的最小值为a₂₁，评估指标2对应的最小值为a₃₂，评估指标3对应的最小值为a₃₃。

S250、基于每个评估指标的最大值和最小值，确定第一矩阵。

具体的，将每个评估指标对应的最大值作为第一矩阵的第一行数据，最小值作为第一矩阵的第二行数据得到第一矩阵。

在上述示例基础上，在标准化决策矩阵

中，且对于每个指标a₁₁＞a₃₁＞a，a₂₂＞a₁₂＞a₃₂，a₁₃＞a₂₃＞a₃₃，则第一矩阵为：

S260、基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数。

S270、基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

本发明实施例的技术方案，通过确定包括各待评估对象的待使用矩阵；根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值；基于每个评估指标对应的正向指标值，确定每个评估指标的最大值和最小值；基于每个评估指标的最大值和最小值，确定第一矩阵；基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量，将所有评估指标对应的规范化值通过正向化处理，使所有评估指标呈同趋势化，从而消除不同评估之间的不可公度性，进而得到更加客观、准确的服务质量评估结果。

实施例三

图4为本发明实施例三提供的一种服务质量评估方法的流程图，在前述实施例的基础上，可以对基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数进一步细化，其具体的实施方式可以参见本发明实施例的详细阐述，其中，与上述实施例相同或者相应的技术术语在此不再赘述。

如图4所示，该方法包括：

S310、确定包括各待评估对象的待使用矩阵。

S320、根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵。

其中，指标权重矩阵为各评估指标所对应的权重值。

S330、对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预先设置的指标处理类型，确定与当前评估指标所对应的指标值。

S340、基于各评估指标所对应的指标值，确定第一矩阵。

S350、基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数。

可选的，获取标准化决策矩阵中与各待评估对象所对应的行数据；其中，行数据的每一列对应于各评估指标下的规范化值；

其中，行数据是指各待评估对象对应的所有评估指标的数据。

具体的，通过对待评估对象名称列进行筛选得到待评估对象对应的所有评估指标的行数据。

示例性的，当前待评估对象A在标准化决策矩阵中的行数据为(0.2,0.35,0.46)。

可选的，对于各行数据，确定当前行数据与在同一评估指标下所对应的最大值以及指标值，确定第一数值，并基于各第一数值确定正向相关系数。

其中，第一数值是指各行数据对应的所有指标值与第一矩阵中最大值行数据之间各个差值的绝对值，进一步的，第一数值分为最大第一数值和最小第一数值，最大第一数值是指第一数值中最大的值，最小第一数值是最小的第一数值。正向相关系数是指当前行数据与最大值行数据之间的相关性系数。进一步的，若正向相关性系数越大，表示当前行数据与最大值行数据的相关性系数，正向相关系数越大则对应的待评估对象的服务质量越好。

进一步的，基于下述公式确定第一数值以及正向相关系数：

其中，ξ^max是j个待评估对象的正向相关系数矩阵，i是指第i个评估指标，j是指第j个待评估对象，x_ji是指第j个待评估对象相应的i个评估指标对应的行数据，max_i是指i个评估指标的最大值行数据，ρ是指预先设置的系数。min_i min_j|max_i-x_ji|是指最小第一数值，max_i max_j|max_i-x_ji|是指最大第一数值。

示例性的，ρ通常情况下为0.5，待评估对象A，5个评估指标对应的行数据为X＝(0.1,0.2,0.3,0.4,0.5)待评估对象B的行数据为Y＝(0.3,0.2,0.4,0.2,0.1),第一矩阵中最大值行数据为Z＝(0.4,0.22,0.43，0.44,0.55),设M＝|X-Z|,N＝|Y-Z|,则M＝(0.3,0.2,0.3,0.04,0.05),N＝(0.1,0.02,0.03,0.24,0.45)则第一数值为：0.3、0.2、0.3、0.04、0.05、0.1、0.02、0.03、0.24、0.45，则最大第一数值为0.45，最小第一数值为0.02，将ρ、第一数值分别代入到公式中得到，两个待评估对象行数据对应的正向相关系数矩阵，对正相关系数矩阵中每一行数据做均值处理，得到待评估对象A行数据X、待评估对象B行数据Y与最大值行数据Z之间的正相关系数ξ_A ^max和ξ_B ^max。

从公式中可以看出，当max_i与x_ji越相近时，x_ji与最大值之间的正相关系数越大。

可选的，确定当前行数据在同一评估指标下所对应的最小值以及指标值，确定第二数值，并基于各第二数值确定负向相关系数。

其中，第二数值是指各行数据对应的所有指标值与第一矩阵中最小值行数据之间各个差值的绝对值。进一步的，第二数值分为最大第二数值和最小第二数值，最大第二数值是指第二数值中最大的值，最小第二数值是最小的第二数值。负向相关系数是指当前行数据与第一矩阵中的最小值行数据之间的相关性系数。进一步的，若负向相关性系数越大，表示当前行数据与最小值行数据的相关性越强，则对应的待评估对象的服务质量越差。

进一步的，基于下述公式确定第二数值以及负向相关系数：

其中，ξ^min所有待评估对象的负向相关系数矩阵，i是指第i个待评估指标，j是指第j个待评估对象，x_ji是指第j个待评估对象相应的i个待评估指标对应的行数据，min_i是指i个评估指标的最小值行数据，ρ是指预先设置的系数。min_i min_j|min_i-x_ji|是指最小第二数值，max_i max_j|min_i-x_ji|是指最大第二数值。

示例性的，ρ通常情况下为0.05，待评估对象A，5个评估指标对应的行数据为X＝(0.1,0.2,0.3,0.4,0.5)待评估对象B的行数据为Y＝(0.3,0.2,0.4,0.2,0.1),第一矩阵中最小值行数据为Z＝(0.08,0.12,0.2，0.1,0.05),设M＝|X-Z|,N＝|Y-Z|,则M＝(0.02，0.08,0.1,0.3,0.45),N＝(0.22,0.08,0.2,0.1,0.05)则第二数值为：0.02，0.08,0.1,0.3,0.45,0.22,0.08,0.2,0.1,0.05，则最大第二数值为0.45，最小第二数值为0.02，将ρ、各第二数值分别代入到公式中得到，两个待评估对象行数据对应的负向相关系数矩阵，对负相关系数矩阵中每一行数据做均值处理，得到待评估对象A行数据X、待评估对象B行数据Y与最小值行数据Z之间的负相关系数分别为ξ_A ^min和ξ_B ^min。

S360、基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

可选的，基于下述公式确定各待评估对象所对应的目标评估值：

其中，j是指第j个待评估对象，ξ_j ^min是指第j个待评估对象对应的负向相关系数，ξ_j ^max是指第j个待评估对象对应的正向相关系数。

具体的，根据各待评估对象的灰色相关系数，根据目标评估值公式得到对应的目标评估值，目标评估值越大则说明该目标评估值对应的待评估对象的服务质量越好。

示例性的，对于待评估对象A计算得到ξ_A ^min＝0.13，ξ_A ^max＝0.89；对于待评估对象B计算得到ξ_B ^min＝0.67，ξ_B ^max＝0.31。利用目标评估值计算公式得到待评估对象A的目标评估值为0.87，待评估对象B的目标评估值的目标评估值为0.32，则可以确定待评估对象A的服务质量优于待评估对象B。

本发明实施例的技术方案，通过确定包括各待评估对象的待使用矩阵；根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预先设置的指标处理类型，确定与当前评估指标所对应的指标值；基于各评估指标所对应的指标值，确定第一矩阵；基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数；基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定的相应待评估对象服务质量考虑到各待评估对象所有指标值与最大值行数据、最小值行数据之间的发展趋势，实现了对待评估对象服务质量的准确评估。

实施例四

图5为本发明实施例四提供的一种服务质量评估方法的流程图，在前述实施例的基础上，可以对服务质量评估方法进一步优化，其具体的实施方式可以参见本发明实施例的详细阐述，其中，与上述实施例相同或者相应的技术术语在此不再赘述。

如图5所示，该装置包括：

S401、预先设置至少一个评估维度，确定每个评估维度对应的权重。

示例性的，基于快递行业的特性和发展要求，设置时效性、客户服务、可靠性、经济性及定制化五个维度。并利用层次分析法对各个维度计算权重，得到各维度的权重值矩阵W。

S402、确定各评估维度对应的至少一个待筛选评估指标。

在上述示例基础上，在时效性维度下分：省际出口时限达成率、省际进口时限达成率、省内互寄时限达成率等；客户服务下分：客户投诉率、客服有效处理率、主动客服保障率等；可靠性维度下分跟单异常发生率、有责丢失率、及时揽收成功率等；经济性维度下分：单件成本、总体收入等；定制化维度下分：电子面单使用率、揽收订单直派率、寄递业务履职率等。

S403、对于各待筛选评估指标，确定当前待筛选评估指标与其他待筛选评估指标之间的相关性系数。

示例性的，在快递服务质量评估数据库中筛选若干个待评估对象以及对应的两个待筛选评估指标的两组数据，利用斯皮尔曼相关性算法或皮尔逊相关系数算法计算各个待筛选评估指标两两之间的相关性系数。

S404、若两个待筛选评估指标的相关性系数大于预设阈值，则剔除其中一个待筛选评估指标，得到每个维度下至少一个评估指标。

示例性的，预设阈值为0.7，若待筛选评估指标为理赔及时率和理赔及时满意率之间的相关性系数为0.77，则将理赔及时率或理赔及时满意率剔除，不参与后续计算，进而得到每个维度下相互独立的至少一个评估指标。

S405、根据各个指标之间的相关性系数计算各评估指标对应的指标原始权重值，确定指标权重矩阵。

示例性的，可以根据各个指标两两之间的相关性系数，通过CRITIC权重法计算每个评估指标对应的原始权重值，将得到的每个评估指标所属的维度权重值与指标原始权重值相乘，得到各指标对应的指标权重，构成指标权重矩阵。

S406、获取包括各待评估对象的待使用矩阵。

示例性的，从快递服务质量评估数据库中，筛选出本次进行服务评估的待评估对象以及评估指标得到此次质量服务评估使用的待使用矩阵。

S407、将待使用矩阵与指标权重矩阵相乘，得到待应用矩阵，将待应用矩阵进行归一化处理得到标准化决策矩阵。

在上述示例基础上，对待使用矩阵中的每一个评估指标进行加权，得到待应用矩阵，对于每一列评估指标对应的数据进行归一化处理得到标准化决策矩阵。

S408、标准化决策矩阵中每一列所对应的评估指标进行正向处理，得到与当前评估指标所对应的指标值。

S409、提取各指标对应的最大指标值，与最小指标值分别得到正理想解和负理想解。

其中，正理想解是由各评估指标对应的最大指标值构成的行数据，负理想解是由各指标对应的最小指标值构成的行数据。

S410、对各待评估对象，基于灰色关联度计算公式计算当前待评估对象对应的行数据与正理想解之间的正向相关系数，和与负理想解之间的负向相关系数。

S411、对各待评估对象，根据当前待评估对象的正向相关系数和负向相关系数，确定当前待评估对象的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

本发明实施例的技术方案，通过预先设置至少一个评估维度，确定每个评估维度对应的权重；确定各评估维度对应的至少一个待筛选评估指标；对于各待筛选评估指标，确定当前待筛选评估指标与其他待筛选评估指标之间的相关性系数；若两个待筛选评估指标的相关性系数大于预设阈值，则剔除其中一个待筛选评估指标，得到每个维度下至少一个评估指标；根据各个指标之间的相关性系数计算各评估指标对应的指标原始权重值，确定指标权重矩阵；获取包括各待评估对象的待使用矩阵；将待使用矩阵与指标权重矩阵相乘，得到待应用矩阵，将待应用矩阵进行归一化处理得到标准化决策矩阵；标准化决策矩阵中每一列所对应的评估指标进行正向处理或负处理，得到与当前评估指标所对应的指标值；提取各指标对应的最大指标值，与最小指标值分别得到正理想解和负理想解；对各待评估对象，基于灰色关联度计算公式计算当前待评估对象对应的行数据与正理想解之间的正向相关系数，和与负理想解之间的负向相关系数；对各待评估对象，根据当前待评估对象的正向相关系数和负向相关系数，确定当前待评估对象的目标评估值，以基于目标评估值确定相应待评估对象的服务质量，通过多种算法，建立了一套多层次服务质量评估指标体系，结合主客观综合赋权法，减小评估结果的主观性，排除极值对总体的影响，具有较强的灵活性和预测性，使评估结果客观性、严谨性更强。

实施例五

图6为本发明实施例五提供的服务质量评估装置的结构示意图。

如图6所示，该装置包括：

待使用矩阵确定模块510，用于确定包括各待评估对象的待使用矩阵；其中，待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；标准化决策矩阵确定模块520，用于根据待使用矩阵以及预先确定的指标权重矩阵，确定与待使用矩阵相对应的待应用矩阵，并对待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，指标权重矩阵为各评估指标所对应的权重值；指标值计算模块530，用于对于标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与当前评估指标所对应的指标值；第一矩阵确定模块540，用于基于各评估指标所对应的指标值，确定第一矩阵；相关系数计算模块550，用于基于第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，灰色相关系数包括正向相关系数和负向相关系数；目标评估值计算模块560，用于基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于目标评估值确定相应待评估对象的服务质量。

在上述各技术方案基础上，服务质量评估装置还包括：

评估维度及待筛选指标获取模块，用于获取预先设置的至少一个评估维度，以及每个评估维度所对应的至少一个待筛选评估指标；

相关性系数计算模块，用于对于各待筛选评估指标，确定当前待筛选评估指标与其他待筛选评估指标之间的相关性系数；

评估指标确定模块，用于基于各相关性系数对至少一个待筛选评估指标进行筛选处理，以得到各评估维度下所对应的至少一个评估指标。

在上述各技术方案基础上，服务质量评估装置还包括：

权重矩阵确定模块，用于在得到至少一个评估指标之后，获取各评估维度所对应的维度权重值，以及至少一个指标所对应的指标原始权重值；基于维度权重值以及指标原始权重值，确定指标权重矩阵。

在上述各技术方案基础上，标准化决策矩阵确定模块具体用于：

基于待使用矩阵和指标权重矩阵的乘积，得到待应用矩阵。

在上述各技术方案基础上，指标值计算模块具体用于：

获取当前评估指标所对应的最大值和最小值，并确定最大值与最小值之间的差值，得到待使用数值；

对于各规范化值，根据指标处理类型，确定最大值与当前负向规范化值的第一差值，并基于第一差值和待使用数值的比值，确定与当前负向规范化值相对应的正向指标值，以及确定当前正向规范化值与最小值的第二差值，并基于第二差值和待使用数值的比值，确定与当前正向规范化值相对应的正向指标值。其中，指标处理类型为正向处理类型，指标值为正向指标值。

在上述各技术方案基础上，第一矩阵确定模块具体用于：

基于每个评估指标对应的正向指标值，确定每个评估指标的最大值和最小值；基于每个评估指标的最大值和最小值，确定第一矩阵。

在上述各技术方案基础上，相关系数计算模块具体包括：

行数据获取单元，用于获取标准化决策矩阵中与各待评估对象所对应的行数据；其中，行数据的每一列对应于各评估指标下的规范化值；

相关系数计算单元，用于对于各行数据，确定当前行数据在同一评估指标下所对应的最大值以及指标值，确定第一数值，并基于各第一数值确定正向相关系数；以及，确定当前行数据在同一评估指标下所对应的最小值以及指标值，确定第二数值，并基于各第二数值确定负向相关系数。

可选的，基于下述公式确定第一数值以及正向相关系数：

以及，

基于下述公式确定第二数值以及负向相关系数：

其中，ξ^max是j个评估对象的正向相关系数矩阵，i是指第i个评估指标，j是指第j个评估对象，x_ji是指第j个评估对象相应的i个评估指标对应的行数据，max_i是指i个评估指标的最大值行数据，ρ是指预先设置的系数。

在上述各技术方案基础上，服务质量评估装置还包括：

目标评估值计算模块，用于基于下述公式确定各待评估对象所对应的目标评估值：

其中，j是指第j个评估对象，ξ_j ^min是指第j个评估对象对应的负向相关系数，ξ_j ^max是指第j个评估对象对应的正向相关系数。

本发明实施例所提供的服务质量评估装置可执行本发明任意实施例所提供的服务质量评估方法，具备执行方法相应的功能模块和有益效果。

实施例六

图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如服务质量评估方法。

在一些实施例中，服务质量评估方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的服务质量评估方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行服务质量评估方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种服务质量评估方法，其特征在于，包括：

确定包括各待评估对象的待使用矩阵；其中，所述待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；

根据所述待使用矩阵以及预先确定的指标权重矩阵，确定与所述待使用矩阵相对应的待应用矩阵，并对所述待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，所述指标权重矩阵为各评估指标所对应的权重值；

对于所述标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与所述当前评估指标所对应的指标值；

基于各评估指标所对应的指标值，确定第一矩阵；

基于所述第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，所述灰色相关系数包括正向相关系数和负向相关系数；

基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于所述目标评估值确定相应待评估对象的服务质量。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取预先设置的至少一个评估维度，以及每个评估维度所对应的至少一个待筛选评估指标；

对于各待筛选评估指标，确定当前待筛选评估指标与其他待筛选评估指标之间的相关性系数；

基于各相关性系数对所述至少一个待筛选评估指标进行筛选处理，以得到各评估维度下所对应的至少一个评估指标。

3.根据权利要求1或2所述的方法，其特征在于，在得到至少一个评估指标之后，还包括：

获取各评估维度所对应的维度权重值，以及至少一个指标所对应的指标原始权重值；

基于所述维度权重值以及所述指标原始权重值，确定所述指标权重矩阵。

4.根据权利要求1所述的方法，其特征在于，所述根据所述待使用矩阵以及预先确定的指标权重矩阵，确定与所述待使用矩阵相对应的待应用矩阵，包括：

基于所述待使用矩阵和所述指标权重矩阵的乘积，得到待应用矩阵。

5.根据权利要求1所述的方法，其特征在于，所述指标处理类型为正向处理类型，所述指标值为正向指标值，所述获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与所述当前评估指标所对应的指标值，包括：

获取当前评估指标所对应的最大值和最小值，并确定所述最大值与所述最小值之间的差值，得到待使用数值；

对于各规范化值，根据所述指标处理类型，确定所述最大值与当前负向规范化值的第一差值，并基于所述第一差值和所述待使用数值的比值，确定与所述当前负向规范化值相对应的正向指标值，以及确定当前正向规范化值与所述最小值的第二差值，并基于所述第二差值和所述待使用数值的比值，确定与当前正向规范化值相对应的正向指标值。

6.根据权利要求5所述的方法，其特征在于，所述基于各评估指标所对应的指标值，确定第一矩阵，包括：

基于每个评估指标对应的正向指标值，确定每个评估指标的最大值和最小值；

基于每个评估指标的最大值和最小值，确定所述第一矩阵。

7.根据权利要求1所述的方法，其特征在于，所述基于所述第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数，包括：

获取所述标准化决策矩阵中与各待评估对象所对应的行数据；其中，所述行数据的每一列对应于各评估指标下的规范化值；

对于各行数据，确定当前行数据在同一评估指标下所对应的最大值以及指标值，确定第一数值，并基于各第一数值确定所述正向相关系数；以及，

确定当前行数据在同一评估指标下所对应的最小值以及指标值，确定第二数值，并基于各第二数值确定所述负向相关系数。

8.根据权利要求7所述的方法，其特征在于，基于下述公式确定所述第一数值以及所述正向相关系数：

以及，

基于下述公式确定所述第二数值以及负向相关系数：

9.根据权利要求1所述的方法，其特征在于，基于下述公式确定各待评估对象所对应的目标评估值：

10.一种服务质量评估装置，其特征在于，包括：

待使用矩阵确定模块，用于确定包括各待评估对象的待使用矩阵；其中，所述待使用矩阵的行用于表征每个待评估对象，列用于表征每个评估维度下的评估指标，行与列交叉点所对应的元素为待评估对象在相应评估指标下所对应的待使用评估值；

标准化决策矩阵确定模块，用于根据所述待使用矩阵以及预先确定的指标权重矩阵，确定与所述待使用矩阵相对应的待应用矩阵，并对所述待应用矩阵进行归一化处理，得到标准化决策矩阵；其中，所述指标权重矩阵为各评估指标所对应的权重值；

指标值计算模块，用于对于所述标准化决策矩阵中每一列所对应的评估指标，获取当前评估指标所对应的至少一个规范化值以及预设设置的指标处理类型，确定与所述当前评估指标所对应的指标值；

相关系数计算模块，用于基于所述第一矩阵中的最大值、最小值以及各待评估对象所对应的标准化决策矩阵，确定灰色相关系数；其中，所述灰色相关系数包括正向相关系数和负向相关系数；

目标评估值计算模块，用于基于各待评估对象所对应的灰色相关系数，确定各待评估对象所对应的目标评估值，以基于所述目标评估值确定相应待评估对象的服务质量。