CN117035887B - 一种汽车用户满意度测评方法与系统 - Google Patents

Abstract

本发明涉及汽车售后服务技术领域，具体公开了一种汽车用户满意度测评方法与系统，所述方法包括读取汽车模型，基于汽车模型统计用户的评价信息；统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；对所述评价矩阵进行分析，确定用户的满意度；根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵。本发明通过汽车模型获取评价信息，进而将评价信息转换为针对所有部件的评价矩阵，对评价矩阵进行识别，判断客户的满意度，在此基础上，对客户进行归类，在咨询过程中，比对咨询者和归类结果，可以快速定位用户的需求情况，并且评价内容非常全面。

Description

一种汽车用户满意度测评方法与系统

技术领域

本发明涉及汽车售后服务技术领域，具体是一种汽车用户满意度测评方法与系统。

背景技术

随着社会的进步以及科技的发展，汽车逐渐成为了一种常见的交通工具，进入了大部分家庭，汽车虽然是动产，但是由于价值较高，人们在购买时重视度极高，甚至有些规定都将汽车按照不动产的管理办法进行管理。

重视程度高意味着用户在购买时会比对多方的评价信息，进而做出最终的判断，在这一过程中，用户获取到的信息量其实很少，尽管评论信息有几千上万条，但是其核心大都限于有限的几个指标，比如油耗、保值率、稳定性、噪音、配套服务等，参考意义略有不足，这是因为评价体系不够全面，已购买的用户很难全面的对一个车辆做出评价，如何引导已购车用户对车辆进行全面的评价，获取其对车辆的满意度，给未购车用户提供更加契合的参考是本发明技术方案想要解决的技术问题。

发明内容

本发明的目的在于提供一种汽车用户满意度测评方法与系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种汽车用户满意度测评方法，所述方法包括：

读取汽车模型，基于汽车模型统计用户的评价信息；所述汽车模型为含有连接关系的部件集；

统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；

对所述评价矩阵进行分析，确定用户的满意度；

根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵；

其中，所述用户特征在比对用户信息的过程中产生。

作为本发明进一步的方案：所述读取汽车模型，基于汽车模型统计用户的评价信息的步骤包括：

接收管理方输入的拆分单元，基于所述拆分单元创建部件模型；

根据部件模型的位置关系确定部件包含关系及部件临接关系，根据部件包含关系及部件临接关系连接部件模型，得到汽车模型；

向用户发送交互请求，实时获取用户的评价信息，对所述评价信息进行识别，确定对应部件、评价指标及其评价数值。

作为本发明进一步的方案：所述统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵的步骤包括：

遍历所有部件，查询评价指标；

以部件的数量为行数，评价指标的数量为列数创建基准阵；

读取各个部件的评价指标的评价数值，对所述评价数值进行转码，插入基准阵中；

其中，转码规则包括：

越大越优型指标：；

越小越优型指标：；

中间型指标：；

式中，为转换后的第i行第j列的评价数值，为转换前的第i行第j列的评价数 值，a为某一指标的预设的最优数值。

作为本发明进一步的方案：所述对所述评价矩阵进行分析，确定用户的满意度的步骤包括：

读取评价矩阵，计算评价矩阵中每个指标的熵值，根据熵值确定各指标的权重；

基于所述权重统计每个部件的评价数值，得到部件评分；

根据所述部件评分计算用户满意度；其中，计算用户满意度的过程中引入部件权重，所述部件权重由用户的偏好信息确定；

其中，所述权重的计算过程为：

；

；

部件评分的计算过程为：

；

式中，为第j个指标的权重，为第j个指标的熵值，n为指标总数；m为部件总数。

作为本发明进一步的方案：所述根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵的步骤包括：

将所述满意度与预设的梯度数值进行比对，根据比对结果对用户进行分类；

读取同类用户的部件评分，计算部件评分的标准差，根据所述标准差对用户进行二次分类；

向用户发送权限获取请求，接收用户授予的信息查询权限；

基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集；其中，比对过程中的用户数量为递增数值，至少为二，所述数量标签用于表征交集对应的用户数量；

将交集作为用户特征，查询并统计以用户特征为索引的评价矩阵。

作为本发明进一步的方案：所述基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集的步骤包括：

根据用户数量对所有用户进行组合，得到用户组；

基于用户组查询用户信息，将用户信息输入训练好的信息抽取模型，提取关键词；

比对提取到的关键词，计算交集，并向交集中插入由用户数量确定的数量标签；

递增用户数量并循环执行，直至用户数量达到预设的数量阈值。

本发明技术方案还提供了一种汽车用户满意度测评系统，所述系统包括：

评价信息统计模块，用于读取汽车模型，基于汽车模型统计用户的评价信息；所述汽车模型为含有连接关系的部件集；

评价矩阵创建模块，用于统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；

矩阵分析模块，用于对所述评价矩阵进行分析，确定用户的满意度；

矩阵统计模块，用于根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵；

其中，所述用户特征在比对用户信息的过程中产生。

作为本发明进一步的方案：所述评价信息统计模块包括：

部件模型创建单元，用于接收管理方输入的拆分单元，基于所述拆分单元创建部件模型；

部件模型连接单元，用于根据部件模型的位置关系确定部件包含关系及部件临接关系，根据部件包含关系及部件临接关系连接部件模型，得到汽车模型；

获取识别单元，用于向用户发送交互请求，实时获取用户的评价信息，对所述评价信息进行识别，确定对应部件、评价指标及其评价数值。

作为本发明进一步的方案：所述评价矩阵创建模块包括：

部件遍历单元，用于遍历所有部件，查询评价指标；

基准阵创建单元，用于以部件的数量为行数，评价指标的数量为列数创建基准阵；

转码插入单元，用于读取各个部件的评价指标的评价数值，对所述评价数值进行转码，插入基准阵中；

其中，转码规则包括：

越大越优型指标：；

越小越优型指标：；

中间型指标：；

式中，为转换后的第i行第j列的评价数值，为转换前的第i行第j列的评价数 值，a为某一指标的预设的最优数值。

作为本发明进一步的方案：所述矩阵分析模块包括：

权重计算单元，用于读取评价矩阵，计算评价矩阵中每个指标的熵值，根据熵值确定各指标的权重；

数值统计单元，用于基于所述权重统计每个部件的评价数值，得到部件评分；

满意度计算单元，用于根据所述部件评分计算用户满意度；其中，计算用户满意度的过程中引入部件权重，所述部件权重由用户的偏好信息确定；

其中，所述权重的计算过程为：

；

；

部件评分的计算过程为：

；

式中，为第j个指标的权重，为第j个指标的熵值，n为指标总数；m为部件总数。

与现有技术相比，本发明的有益效果是：本发明通过汽车模型获取评价信息，进而将评价信息转换为针对所有部件的评价矩阵，对评价矩阵进行识别，判断客户的满意度，在此基础上，对客户进行归类，在咨询过程中，比对咨询者和归类结果，可以快速定位用户的需求情况，并且评价内容非常全面。

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发明的一些实施例。

图1为汽车用户满意度测评方法的流程框图。

图2为步骤S100的流程框图。

图3为步骤S200的流程框图。

图4为步骤S300的流程框图。

图5为步骤S400的流程框图。

图6为汽车用户满意度测评系统的组成结构框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为汽车用户满意度测评方法的流程框图，本发明实施例中，一种汽车用户满意度测评方法，所述方法包括：

步骤S100：读取汽车模型，基于汽车模型统计用户的评价信息；所述汽车模型为含有连接关系的部件集；

对于一辆汽车来说，其组成部分是固定的，比如车体、发动机、变速箱和底盘等，统计这些部件，可以建立汽车模型；读取汽车模型，以汽车模型为基准统计用户的评价信息，可以全面且细化的反映一个用户对一辆汽车的评价情况。

需要说明的是，关于汽车模型的精度问题，其实本申请中涉及到的汽车模型更像是一个示意模型，各个部件之间只需要“形似”即可，关于具体的尺寸不做限定；此外，关于部件的最小组成单元也不做限定，比如，可以将发动机视为一个整体，无需考虑更为细化的零件；在此要求下，汽车模型的建立过程并不困难。

步骤S200：统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；

用户对每个部件的评价指标不同，比如，对于发动机来说，其评价指标一般是动力指标，对于座椅来说，其评价指标一般是舒适度指标；统计所有部件以及所有评价指标，可以创建一个评价矩阵，所述评价矩阵的每一行对应一个部件，每一列对应一个评价指标；在评价矩阵中，有很多空位置，所述空位置可以赋予默认值，这意味着某一部件不存在对应指标，比如：座椅部件的动力指标就是空位置，因为座椅不存在动力强弱。

步骤S300：对所述评价矩阵进行分析，确定用户的满意度；

创建的评价矩阵反映了一个用户对车辆的综合评价，对评价矩阵进行分析后，可以输出一个数值，用于表征用户对车辆的满意度。

步骤S400：根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵；

其中，所述用户特征在比对用户信息的过程中产生；

获取到用户对车辆的满意度后，根据满意度对用户进行分类，在实际应用中，用户性格对车辆评价过程的影响非常明显，比如，家庭成员数量较多的人对大空间车辆的满意度会很高。因此，在先根据满意度对用户分类后，再比对同类用户的用户信息，可以提取到一些共通的用户信息，比如工作性质、家庭成员数量和爱好等等，从而得到每一类用户对应的满意度。

在实际应用中，接收某个咨询用户的用户信息，比对用户信息和用户特征，获取相似人员对某一车辆的满意度及评价矩阵（对各个部件的评价情况），即可使得用户全面的了解车辆，契合度更高。

值得一提的是，上述内容中涉及到的一个比较上位且重要的概念，就是用户信息，所述用户信息就是能够反映用户情况的信息，包括个人信息和浏览信息，所述个人信息包括年龄、性别和学历等，浏览信息就是日常的浏览数据，反映了偏好情况；这些信息其实都属于隐私信息，在获取之前，需要获取用户给予的权限，这些权限是指定式的，用户指定服务方能够获取哪些信息，服务方才能够获取哪些信息。

图2为步骤S100的流程框图，所述读取汽车模型，基于汽车模型统计用户的评价信息的步骤包括：

步骤S101：接收管理方输入的拆分单元，基于所述拆分单元创建部件模型；

步骤S102：根据部件模型的位置关系确定部件包含关系及部件临接关系，根据部件包含关系及部件临接关系连接部件模型，得到汽车模型；

步骤S103：向用户发送交互请求，实时获取用户的评价信息，对所述评价信息进行识别，确定对应部件、评价指标及其评价数值。

上述内容对评价信息的获取统计过程进行了限定，首先，接收管理方输入的拆分单元，所述拆分单元对应着不同的部件，如上述内容所述，其精度不做要求。

然后，获取不同拆分单元之间的关系，所述关系包括两种，一种是部件包含关系，另一各占是部件临接关系，基于这两种关系，可以对部件进行统计，从而得到一个整体的汽车模型。

最后，将汽车模型发送至用户的用户终端（比如智能手机），接收用户输入的针对各个部件的评价信息，对评价信息进行识别，可以得到用户对部件的各个指标的评价分值。

值得一提的是，评价过程需要消耗用户时间，用户可能会不评价，但是对于车主来说，每辆车的价值都比较高，评价意愿相比于其他产品，会更加的高一些，在此基础上，如果服务方提供一些小礼品，比如加油券等，会进一步放大用户的评价意愿。

图3为步骤S200的流程框图，所述统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵的步骤包括：

步骤S201：遍历所有部件，查询评价指标；

步骤S202：以部件的数量为行数，评价指标的数量为列数创建基准阵；

步骤S203：读取各个部件的评价指标的评价数值，对所述评价数值进行转码，插入基准阵中，得到评价矩阵；

上述内容对评价矩阵的生成过程进行了具体的限定，首先，遍历所有部件，查询评价指标，每个部件的评价指标的数量不同，比如，对于发动机来说，动力和维修频率就是两个指标；将所有评价指标统计起来，可以确定列数；统计所有部件，作为行数；基于行数和列数可以创建一个基准阵，将每个部件的各个评价指标下的数值输入基准阵，即可和量到评价矩阵。

其中，转码规则包括：

越大越优型指标：；

越小越优型指标：；

中间型指标：；

式中，为转换后的第i行第j列的评价数值，为转换前的第i行第j列的评价数 值，a为某一指标的预设的最优数值。

关于上述规则的含义，所述越大越优型指标就是越大越好，比如动力和舒适度等，越小越优型指标就是越小越好，比如维修次数、异响次数和油耗等；中间型指标比较少见，指的是越接近某一数值越好，比如保养次数等，保养次数并不是越大越好，也不是越小越好，每个车辆都有一个最佳次数。

图4为步骤S300的流程框图，所述对所述评价矩阵进行分析，确定用户的满意度的步骤包括：

步骤S301：读取评价矩阵，计算评价矩阵中每个指标的熵值，根据熵值确定各指标的权重；

步骤S302：基于所述权重统计每个部件的评价数值，得到部件评分；

步骤S303：根据所述部件评分计算用户满意度；其中，计算用户满意度的过程中引入部件权重，所述部件权重由用户的偏好信息确定；

上述内容对评价矩阵的分析过程进行了限定，其最基本的需求就是将评价矩阵转换为一个单一数值，比较简单的一种方式是，将评价矩阵直接转换为行列式，计算行列式的值，即可得到一个数值，但是这种方式无法体现各个指标以及各个部件的不同，因此，本发明提供了步骤S301至步骤S303的计算方式。

其中，所述权重的计算过程为：

；

；

部件评分的计算过程为：

；

式中，为第j个指标的权重，为第j个指标的熵值，n为指标总数；m为部件总数。

上述内容的原理在于，先计算各个指标的权重，基于各个指标的权重计算部件的评价数值，然后，根据不同部件的重要性引入部件权重，由部件权重统计所有评价数值，得到满意度；其中，所述部件权重是自主设定的权重，并且会定时更新。

关于上述计算过程，需要说明的一点就是，n是指标总数，也是列数，m是部件总数， 也是行数，如果某个指标的熵值越小,就表明其评价数值的变异程度越大，提供的信息量 也越大，可以认为该指标在综合评价起到作用也越大。

此外，关于，实际上是增设了一个变换：，该变换的作用是使得变 换后的数值属于（0，1]，其中，x的取值为正值，并且y是x的增函数。

图5为步骤S400的流程框图，所述根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵的步骤包括：

步骤S401：将所述满意度与预设的梯度数值进行比对，根据比对结果对用户进行分类；

步骤S402：读取同类用户的部件评分，计算部件评分的标准差，根据所述标准差对用户进行二次分类；

步骤S403：向用户发送权限获取请求，接收用户授予的信息查询权限；

步骤S404：基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集；其中，比对过程中的用户数量为递增数值，至少为二，所述数量标签用于表征交集对应的用户数量；

步骤S405：将交集作为用户特征，查询并统计以用户特征为索引的评价矩阵。

在本发明技术方案的一个实例中，根据满意度对用户进行一次分类，分类的类数与梯度数值的数量相同，然后，对一次分类后的同类用户进行二次分析，计算多个部件评分的标准差，所述标准差反映了用户评价过程的稳定性，通过稳定性对用户进行二次分类。

最后，向用户发送权限获取请求（这一过程可以发生在更早），基于获取到的信息查询权限获取用户信息，对用户信息进行比对，可以得到该类用户的用户特征。

需要说明的是，在比对过程中，比对人数是不固定的，两个用户的交集和三个甚至更多的用户的交集是不同的，一般情况下，人数越多，交集越少，由此，可以得到含有数量标签的用户特征，基于用户特征读取用户对应的评价矩阵，即可得到每一类人员对车辆的评价情况。

进一步的，在后续的应用过程中，对于咨询用户来说，其更容易匹配到多个用户的用户特征（完全包含规则，用户特征越小，越容易匹配），如果匹配的用户特征不唯一，就选取数量标签最小的用户特征，作为匹配到的目标，读取评价矩阵即可。

作为本发明技术方案的一个优选实施例，所述基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集的步骤包括：

根据用户数量对所有用户进行组合，得到用户组；

基于用户组查询用户信息，将用户信息输入训练好的信息抽取模型，提取关键词；

比对提取到的关键词，计算交集，并向交集中插入由用户数量确定的数量标签；

递增用户数量并循环执行，直至用户数量达到预设的数量阈值。

关于本发明技术方案中的用户信息，它是一个上位概念，由于用户给予的权限不同，其内容量也是不同的，很难具体的进行限定，其比对过程一般会借鉴字符串比对过程。

具体的，在本发明技术方案的一个实例中，对用户信息的比对过程进行限定，其重点在于，将比对过程限定为关键词比对过程，此时，交集也是关键词的集合。

此外，比对过程也存在顺序，也即，先对用户进行两两比对，再对用户进行三三比对，并依此类推，直到用户数量足够多。值得一提的是，本发明技术方案很少采用交集大小作为循环跳出条件，只有某一用户数量的所有交集均为空集时，才会跳出，此时，后续的比对结果也是空集。

图6为汽车用户满意度测评系统的组成结构框图，本发明实施例中，一种汽车用户满意度测评系统，所述系统10包括：

评价信息统计模块11，用于读取汽车模型，基于汽车模型统计用户的评价信息；所述汽车模型为含有连接关系的部件集；

评价矩阵创建模块12，用于统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；

矩阵分析模块13，用于对所述评价矩阵进行分析，确定用户的满意度；

矩阵统计模块14，用于根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵；

其中，所述用户特征在比对用户信息的过程中产生。

进一步的，所述评价信息统计模块11包括：

部件模型创建单元，用于接收管理方输入的拆分单元，基于所述拆分单元创建部件模型；

部件模型连接单元，用于根据部件模型的位置关系确定部件包含关系及部件临接关系，根据部件包含关系及部件临接关系连接部件模型，得到汽车模型；

获取识别单元，用于向用户发送交互请求，实时获取用户的评价信息，对所述评价信息进行识别，确定对应部件、评价指标及其评价数值。

具体的，所述评价矩阵创建模块12包括：

部件遍历单元，用于遍历所有部件，查询评价指标；

基准阵创建单元，用于以部件的数量为行数，评价指标的数量为列数创建基准阵；

转码插入单元，用于读取各个部件的评价指标的评价数值，对所述评价数值进行转码，插入基准阵中；

其中，转码规则包括：

越大越优型指标：；

越小越优型指标：；

中间型指标：；

式中，为转换后的第i行第j列的评价数值，为转换前的第i行第j列的评价数 值，a为某一指标的预设的最优数值。

更进一步的，所述矩阵分析模块13包括：

权重计算单元，用于读取评价矩阵，计算评价矩阵中每个指标的熵值，根据熵值确定各指标的权重；

数值统计单元，用于基于所述权重统计每个部件的评价数值，得到部件评分；

满意度计算单元，用于根据所述部件评分计算用户满意度；其中，计算用户满意度的过程中引入部件权重，所述部件权重由用户的偏好信息确定；

其中，所述权重的计算过程为：

；

；

部件评分的计算过程为：

；

式中，为第j个指标的权重，为第j个指标的熵值，n为指标总数；m为部件总数。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种汽车用户满意度测评方法，其特征在于，所述方法包括：

读取汽车模型，基于汽车模型统计用户的评价信息；所述汽车模型为含有连接关系的部件集；

统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；

对所述评价矩阵进行分析，确定用户的满意度；

根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵；

其中，所述用户特征在比对用户信息的过程中产生；

所述统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵的步骤包括：

遍历所有部件，查询评价指标；

以部件的数量为行数，评价指标的数量为列数创建基准阵；

读取各个部件的评价指标的评价数值，对所述评价数值进行转码，插入基准阵中；

其中，转码规则包括：

越大越优型指标：

中间型指标：

式中，为转换后的第i行第j列的评价数值，/>为转换前的第i行第j列的评价数值，a为某一指标的预设的最优数值；

所述对所述评价矩阵进行分析，确定用户的满意度的步骤包括：

读取评价矩阵，计算评价矩阵中每个指标的熵值，根据熵值确定各指标的权重；

基于所述权重统计每个部件的评价数值，得到部件评分；

根据所述部件评分计算用户满意度；其中，计算用户满意度的过程中引入部件权重，所述部件权重由用户的偏好信息确定；

其中，所述权重的计算过程为：

部件评分的计算过程为：

式中，为第j个指标的权重，/>为第j个指标的熵值，n为指标总数；m为部件总数；

所述根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵的步骤包括：

将所述满意度与预设的梯度数值进行比对，根据比对结果对用户进行分类；

读取同类用户的部件评分，计算部件评分的标准差，根据所述标准差对用户进行二次分类；

向用户发送权限获取请求，接收用户授予的信息查询权限；

基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集；其中，比对过程中的用户数量为递增数值，至少为二，所述数量标签用于表征交集对应的用户数量；

将交集作为用户特征，查询并统计以用户特征为索引的评价矩阵；

所述基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集的步骤包括：

根据用户数量对所有用户进行组合，得到用户组；

基于用户组查询用户信息，将用户信息输入训练好的信息抽取模型，提取关键词；

比对提取到的关键词，计算交集，并向交集中插入由用户数量确定的数量标签；

递增用户数量并循环执行，直至用户数量达到预设的数量阈值。

2.根据权利要求1所述的汽车用户满意度测评方法，其特征在于，所述读取汽车模型，基于汽车模型统计用户的评价信息的步骤包括：

接收管理方输入的拆分单元，基于所述拆分单元创建部件模型；

根据部件模型的位置关系确定部件包含关系及部件临接关系，根据部件包含关系及部件临接关系连接部件模型，得到汽车模型；

向用户发送交互请求，实时获取用户的评价信息，对所述评价信息进行识别，确定对应部件、评价指标及其评价数值。

3.一种汽车用户满意度测评系统，其特征在于，所述系统包括：

评价信息统计模块，用于读取汽车模型，基于汽车模型统计用户的评价信息；所述汽车模型为含有连接关系的部件集；

评价矩阵创建模块，用于统计所有部件的评价指标，根据部件名称和评价指标创建评价矩阵；

矩阵分析模块，用于对所述评价矩阵进行分析，确定用户的满意度；

矩阵统计模块，用于根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵；

其中，所述用户特征在比对用户信息的过程中产生；

所述评价矩阵创建模块包括：

部件遍历单元，用于遍历所有部件，查询评价指标；

基准阵创建单元，用于以部件的数量为行数，评价指标的数量为列数创建基准阵；

转码插入单元，用于读取各个部件的评价指标的评价数值，对所述评价数值进行转码，插入基准阵中；

其中，转码规则包括：

越大越优型指标：

中间型指标：

式中，为转换后的第i行第j列的评价数值，/>为转换前的第i行第j列的评价数值，a为某一指标的预设的最优数值；

所述矩阵分析模块包括：

权重计算单元，用于读取评价矩阵，计算评价矩阵中每个指标的熵值，根据熵值确定各指标的权重；

数值统计单元，用于基于所述权重统计每个部件的评价数值，得到部件评分；

满意度计算单元，用于根据所述部件评分计算用户满意度；其中，计算用户满意度的过程中引入部件权重，所述部件权重由用户的偏好信息确定；

其中，所述权重的计算过程为：

部件评分的计算过程为：

式中，为第j个指标的权重，/>为第j个指标的熵值，n为指标总数；m为部件总数；

所述根据所述满意度对用户进行分类，基于预设的用户权限获取用户信息，比对用户信息，根据比对结果统计以用户特征为索引的评价矩阵包括：

将所述满意度与预设的梯度数值进行比对，根据比对结果对用户进行分类；

读取同类用户的部件评分，计算部件评分的标准差，根据所述标准差对用户进行二次分类；

向用户发送权限获取请求，接收用户授予的信息查询权限；

基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集；其中，比对过程中的用户数量为递增数值，至少为二，所述数量标签用于表征交集对应的用户数量；

将交集作为用户特征，查询并统计以用户特征为索引的评价矩阵；

所述基于信息查询权限获取用户信息，比对二次分类后的同类用户的用户信息，计算含有数量标签的交集包括：

根据用户数量对所有用户进行组合，得到用户组；

基于用户组查询用户信息，将用户信息输入训练好的信息抽取模型，提取关键词；

比对提取到的关键词，计算交集，并向交集中插入由用户数量确定的数量标签；

递增用户数量并循环执行，直至用户数量达到预设的数量阈值。

4.根据权利要求3所述的汽车用户满意度测评系统，其特征在于，所述评价信息统计模块包括：

部件模型创建单元，用于接收管理方输入的拆分单元，基于所述拆分单元创建部件模型；

部件模型连接单元，用于根据部件模型的位置关系确定部件包含关系及部件临接关系，根据部件包含关系及部件临接关系连接部件模型，得到汽车模型；

获取识别单元，用于向用户发送交互请求，实时获取用户的评价信息，对所述评价信息进行识别，确定对应部件、评价指标及其评价数值。