CN109102141A - 一种服务水平评分方法和装置 - Google Patents

Abstract

本发明公开了一种服务水平评分方法和装置，包括：获取评分对象的行为数据以及评分对象的当前得分，根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。如此，保证了评分对象的得分计算直接与评分对象行为的正负向关联，评分对象的正向行为导致加分，评分对象的负向行为导致减分，解释性好，有利于提高平台对用户的吸引力以及平台的竞争力。

Description

一种服务水平评分方法和装置

技术领域

本发明涉及互联网技术领域，具体涉及一种服务水平评分方法和装置。

背景技术

随着互联网尤其是移动互联网技术的快速发展，互联网与日常生产生活深度融合，各种新业务和新应用层出不穷，改变了人们的生活方式和出行方式，也催生了评分需求。以用户设备上安装的打车应用为例，乘客在打车应用平台的多个司机中进行选择时，首先会参考司机的评分，在此意义上，恰当的评分对司机乃至平台发展都至关重要。

发明内容

本发明提供了一种服务水平评分方法和装置，使得评分对象的得分计算直接与行为的正负向关联，解释性好，便于理解，通用性强。

根据本申请的一个方面，提供了一种服务水平评分方法，包括：

获取评分对象的行为数据以及评分对象的当前得分，

根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；

若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；

若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。

根据本申请的另一个方面，提供了一种服务水平评分装置，包括：

获取模块，用于获取评分对象的行为数据以及评分对象的当前得分，

类型确定模块，用于根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；

评分模块，用于若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。

根据本申请的又一个方面，提供了一种电子设备，包括：处理器，以及用于存储所述处理器可执行指令的存储器，所述处理器，用于执行存储器中所存储的对应于本申请一个方面所述方法中的步骤。

根据本申请的再一个方面，提供了一种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本申请一个方面所述方法中的步骤。

有益效果：本发明实施例提供的服务水平评分方法和装置，首先获取评分对象的行为数据以及评分对象的当前得分，根据获取的评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为，如果为正向行为直接在评分对象的当前得分的基础上加分得到评分对象的新得分。如果为负向行为直接在评分对象的当前得分的基础上减分得到评分对象的新得分。如此，保证了评分对象的得分计算直接与评分对象行为的正负性挂钩，正向行为导致加分，负向行为导致减分，解释性好，便于理解，通用性强，改善了用户体验，增强了评分系统对用户的吸引力，有利于评分的应用和推广。

附图说明

图1是本发明一个实施例的服务水平评分方法的流程图；

图2是本发明一个实施例的人数分布曲线图；

图3是在图2所示曲线上满足宏观分布要求的临界值的示意图；

图4是本发明一个实施例的服务水平评分装置的框图；

图5是本发明实施例的一种电子设备的结构示意图；

图6是本发明实施例的一种计算机可读存储介质的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。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做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。

图1是本发明一个实施例的服务水平评分方法的流程图，参见图1，本实施例的服务水平评分方法包括下列步骤：

步骤S101，获取评分对象的行为数据以及评分对象的当前得分，

步骤S102，根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；

步骤S103，若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；

步骤S104，若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。

由图1所示可知，本实施例的服务水平评分方法，获取评分对象的行为数据以及评分对象的当前得分，然后根据评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为，正向行为加分，负向行为减分，即，评分对象的行为正负向决定加减分，解释性好，便于理解，通用性强，增强了评分的透明性和说服力，有利于评分的推广和应用。

需要说明的是，这里的正向行为类型和负向行为类型可以根据业务需要预先定义，并且在定义正向行为类型和负向行为类型时可以把类型的范围限定的比较宽泛以尽量包含实际可能发生的各类行为。原则上，正向行为应当是符合法律法规、有利于提高用户体验和有利于平台发展的那些行为。负向行为是那些违反法律法规、影响用户体验并不利于平台发展的行为。以打车应用为例，本发明实施例的服务水平的评分方法可用来对司机(评分对象)的服务水平进行评分，那么，正向行为就可以是：按时履约、态度友好、拾金不昧等。负向行为例如是：危险驾驶、有责取消订单、态度恶劣等。

当然，本发明实施例的服务水平评分方法不限于应用到司机服务水平评价，还可以应用于其它服务水平打分，比如，对外卖平台上商户的服务水平的评分，对外卖平台的送餐员的评分等等。相应的，正向行为类型和负向行为类型也应当根据具体业务需要进行定义。

而根据评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为具体可以是，预先为行为类型设定编号，比如正向行为的编号为A0，负向行为的编号为B0，这样可以根据获取的评分对象的行为数据中指示的编号(比如，A和B的不同)，分别与预设的正向行为类型的编号的比较结果，当评分对象的行为数据中指示的编号与其中一种类型匹配时确定出本次行为所属的类型。

在相关技术中，业务评价通常是在业务完成后由业务对象进行反馈，业务评价信息的反馈时间不固定，对于评分系统而言，评价信息的输入犹如涓涓细流，所以也将其称之为流数据。基于流数据的特点，在本发明的一个实施例中，前述步骤S101中的获取评分对象的行为数据包括实时获取评分对象一次行为的行为数据；或者，定时批量获取各评分对象的发生时间在指定时间段内的行为数据。也就是说，本实施例中提供了两种获取评分对象行为数据的实施方式，方式一是实时获取，方式二是定时获取。

具体到本实施例中对司机的服务水平的评价，通常是在行程结束后由乘客反馈包括司机本次服务表现的业务评价信息。针对这些流数据，本实施例可以在每次行为发生之后，实时获取行为数据并根据本次行为重新计算司机的新得分，也可以在行为发生之后的一个固定时间，获取该固定时间点之前指定时间段内发生的多条行为数据，并逐一进行计算。例如，在每天凌晨的2点，获取前一天发生的所有行为数据并针对前一天的所有行为计算一遍加分或减分步长,然后对各行为对应的评分对象的得分进行加、减分。方式一能够满足得分的实时计算需求,可以更及时的将新得分输出给用户供其查看和了解。方式二，能够避开系统资源繁忙的时段，在相对空闲时进行得分计算，减少了系统的能耗并提高了计算效率。实际应用中，可根据需要进行选择，对此不做限制。

本发明一个实施例中，在评分对象的当前得分的基础上加分并确定出评分对象的新得分包括：利用预设的正向行为对应的加分公式计算本次行为对应的加分步长，根据评分对象的当前得分以及计算出的加分步长，确定出评分对象的新得分。在评分对象的当前得分的基础上减分并确定出评分对象的新得分包括：利用预设的负向行为对应的减分公式计算本次行为对应的减分步长，根据评分对象的当前得分以及计算出的减分步长，确定出评分对象的新得分。

也就是说，本实施例的服务水平评分方法基于预设的公式来完成评分对象的得分计算。与行为类型的数量相对应，本实施例的预设的公式也有两个，分别是与正向行为对应的加分公式以及与负向行为对应的减分公式。可以理解，加分公式用于计算出一次加分步长，减分公式用于计算一次减分步长。

这里的加分公式或减分公式通过下列步骤预先设计得到：获取宏观分布目标以及各评分对象的历史行为数据；根据所述宏观分布目标和各评分对象的历史行为数据分别设计加分公式和减分公式。需要强调的是，本实施例中之所以根据宏观分布目标来设计加分公式和减分公式是为了满足应用中的宏观分布控制需要，考虑评分最终的人数分布，在基于行为流的加、减分微观操作中，实现指定的宏观分布目标，提高了评分的可控性。

继续以对打车应用平台上的司机服务水平评分为例说明加减分公式的设计过程。实际应用时，平台上的每个司机都对应有一个初始得分，比如60分。随着时间的积累，每个司机的行为不同得分也将不同。本发明实施例根据业务需求，定义了司机的正向行为和负向行为。负向行为例如有责取消订单、态度恶劣、危险驾驶、私自改变行车路线、违规操作等。正向行为例如按时履约、态度友好、拾金不昧、遵守交通规则等。

然后，根据获取的评分对象的历史行为数据，统计各评分对象的正向行为数量和负向行为数量，并计算得到多个正负行为比值，统计各个正负行为比值下评分对象的总数。根据宏观分布目标，确定正负行为比值的临界值；其中，宏观分布目标为得分在第一阈值以上的评分对象的数目与总评分对象数目的百分比等于第二阈值；设计加分公式为加分步长等于随评分对象的得分而递减的函数，并设计减分公式为减分步长等于随评分对象的得分而递增的函数，以使评分对象的得分达到第一阈值时加分步长与减分步长之比等于临界值。

参见图2，图2中示意了统计正负行为比值下评分对象的总数之后，绘制的人数分布曲线图。图2中横轴x表示正负行为比值，纵轴y表示司机人数。其中，正负行为比值＝负向行为数量/正向行为数量，即负向行为数量与正向行为数量之比，考虑到司机的负向行为数量可能为0，不能做分母，所以在计算正负行为比值时将正向行为数量作为分母。

本实施例中设定打分的基本原则为：(1)从初始得分开始，正向行为导致加分，负向行为导致减分。(2)对优秀的司机提出更高的要求，即，得分越高，加分越难，减分越容易；反之，司机得分越低，减分越难，加分越容易。因此，上述正负行为比值越小，司机最终的稳定得分越高；比值越大，最终的稳定得分越低。

需要说明的是，本实施例在获取评分对象的历史行为数据时，可以获取全体司机的历史行为数据，而如果有足够多的随机采样的司机数据也可以获取部分司机的历史行为数据，只要保证这部分司机的行为分布和整体司机的行为分布一致即可。本实施例中使用大数据技术统计司机的行为数量，能够降低处理成本，所以本实施例中采用直接处理全体司机的历史行为数据。

在确定出图2所示的人数分布曲线之后，本实施例中根据宏观分布目标确定正负行为比值的临界值。这里的宏观分布目标为得分在第一阈值以上的评分对象的数目与总评分对象数目的百分比等于第二阈值。即，a％的司机，得分在b分以上，a例如是70，b例如是80。也就是说，宏观分布目标是全体司机中70％的司机的得分在80分以上。

根据宏观分布目标，确定正负行为比值的临界值具体包括：将正负行为比值进行离散化处理，按照正负行为比值从小到大的顺序将各正负行为比值的区间段对应的评分对象数目累加，将累加值与总评分对象数的百分比达到第二阈值时对应的正负行为比值确定为临界值。这里由于正负行为比值是一个正的实数，因此，把它离散化为多个区间段，比如0％-1％是第一段，1％-2％是第二段，以此类推实现离散化处理，方便后续在各区间段上统计评分对象人数。

实际实现时，按照正负行为比值从小到大的顺序将各正负行为比值的区间段对应的评分对象数目累加，当累加的值达到70％时，将对应的正负行为比值的区间段的上边界点、下边界点或中点三者择一作为临界值。以累加的值达到70％时对应的正负行为比值的区间段为1％-2％为例，此时可将1％作为临界值，或者将2％作为临界值，或者将区间段的中点即1.5％作为临界值，这是由于本实施例中区间段比较窄，因此选取上边界点或下边界点或中点的区别不大。

参见图3，图3是在图2中人数分布曲线的基础上示意了司机人数为70％时对应的正负行为比值的临界值。可以理解，图3中的横轴x也表示正负行为比值，纵轴y也表示司机人数。图3中的x0＝0.1表示临界值为0.1，即，满足宏观分布要求的评分对象，其负向行为数量与正向行为数量的比值为0.1。

确定出正负行为比值的临界值之后，本实施例设计加分公式为加分步长等于随评分对象的得分而递减的函数，并设计减分公式为减分步长等于随评分对象的得分而递增的函数，以使评分对象的得分达到第一阈值时加分步长与减分步长之比等于临界值。即，使得分数为80分时，加分步长/减分步长＝x0＝0.1。

例如，加分公式：y＝f(x)，减分公式：z＝g(x)。其中x是自变量，代表指定得分(可以是任意分数，比如66分)，y是一次加分步长，z是一次减分步长。也就是说，如果司机当时的分数是x，那么此时的加分步长就是y，y是x的函数。同理，z也是关于x的函数。本实施例中，f(x)选用一个递减函数，x越大，y越小，即得分越高的司机，加分越慢。g(x)选用一个递增函数，x越大，z越大，即得分越高的司机，减分越快。由此可看出，在每个不同的得分上，加分步长和减分步长都是不同的，需要根据司机当时的得分利用公式进行计算。

具体应用时，加减分函数的具体形式不限，只要满足加分步长随评分对象的得分递减而减分步长随评分对象得分递增，且在评分对象的得分达到第一阈值时加分步长与减分步长之比等于临界值即可。接上例，如此可以保证满足司机每发生10次正行为，伴随1次负行为，他的得分将稳定在80分的临界分数。

经过上述步骤设计出了需要的加分公式和减分公式。

接下来，利用加分公式或减分公式，获取的评分对象的当前得分可以计算出本次行为对应的加分步长或减分步长，根据本次行为的类型，例如，本次行为属于正向行为，则计算评分对象的当前得分与加分步长的和，将和值作为评分对象的新得分。本次行为属于负向行为，则计算评分对象的当前得分与减分步长的差，将差值作为评分对象的新得分。至此，计算出了评分对象一次行为发生时引起的评分变化以及新得分。

另外，考虑到实际应用中，不同行为的重要性程度可能不同，为了突出这种行为间的相对权重对得分的影响，本发明一个实施例中服务水平评分方法进一步包括：正向行为类型或负向行为类型下分别包括多种子类行为，各种子类行为设有对应的权重，在利用所述加分公式计算出第一加分步长之后，根据本次行为所属的子类确定本次行为的权重，并根据本次行为的权重以及一缩放系数，计算得到第二加分步长，将第二加分步长作为本次行为最终对应的加分步长；或者，在利用预设的负向行为对应的减分公式计算出第一减分步长之后，根据本次行为所属的子类确定本次行为的权重，并根据本次行为的权重以及一缩放系数，计算得到第二减分步长，将第二减分步长作为本次行为最终对应的减分步长。

也就是说，本实施例中，利用前述加分公式计算出加分步长或减分步长之后并不直接根据该加分步长或减分步长进行加、减分计算评分对象的新得分，而是二次计算加分步长或减分步长。为了区分，这里将利用前述加分公式计算出的加分步长称为第一加分步长，将根据权重二次计算出的加分步长称为第二加分步长。同理，这里将利用前述减分公式计算出的减分步长称为第一减分步长，将根据权重二次计算出的减分步长称为第二减分步长。这里的相对权重可根据业务需要设计，一个原则是，对于重要的正负事件，设置更大的相对权重。在计算第二加分步长或第二减分步长时，可根据各子类行为的出现概率进行加权求和，并作归一化，使得每次行为的期望权重对应符合前述第一加、减分步长。

由于第二加分步长和第二减分步长的计算过程相同，为简要，这里仅以第二加分步长的计算为例来说明。

接上例，根据前述加分公式，得分为80分的评分对象每次发生正向行为时应加0.1分，即第一加分步长为0.1。已知正向行为类型下一共包括三种子类行为分别是第一种子类行为A、第二种子类行为B和第三种子类行为C。

根据存储的评分对象的历史行为数据统计得到三种行为发生的概率分别为：P(A)＝0.5，P(B)＝0.3，P(C)＝0.2。

根据业务需要确定三种子类行为的相对重要性分别是：W(A)＝1，W(B)＝5，W(C)＝10。

根据概率和相对重要性，每一次发生正向行为时计算期望权重：

P(A)*W(A)+P(B)*W(B)+P(C)*W(C)＝0.5*1+0.3*5+0.2*10＝4。

即，期望权重等于4。由于在评分时希望平均每次正向行为导致加分0.1分，那么这里就需要对期望权重进行归一化处理，也就是，将子类行为的权重乘以一个缩放系数k。缩放系数的计算过程为：4*k＝0.1，可得缩放系数k＝0.025。

因此，当实际发生一次行为A时，对应的第二加分步长为1*0.025，即，会导致加0.025分。当实际发生一次行为B时，对应的第二加分步长为5*0.025，导致加0.125分。当实际发生一次行为C时，对应的第二加分步长为10*0.025，导致加0.25分。

在本发明的一个实施例中，服务水平评分方法还包括：当接收到终端发送的评分查询请求时，根据评分查询请求查找评分对象的新得分，并将查找到的评分对象的新得分发送至终端供终端输出所述新得分；或者，当确定出评分对象的新得分时，将评分对象的新得分发送至终端，供终端输出新得分。通过及时输出或应请求输出新得分，满足了评分对象或者用户查看和了解评分对象当前得分的需求，改善了用户体验并提高了应用该评分方法的平台的竞争力。

与前述服务水平评分方法同属一技术构思，本发明实施例还提供了服务水平评分装置。图4是本发明一个实施例的服务水平评分装置的框图，参见图4，本实施例的服务水平评分装置400应用于评分系统中，评分系统运行在服务器或服务器集群上，包括：

获取模块401，用于获取评分对象的行为数据以及评分对象的当前得分，

类型确定模块402，用于根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；

评分模块403，用于若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。

在本发明的一个实施例中，评分模块403包括加分模块和减分模块，

所述加分模块，具体用于利用预设的正向行为对应的加分公式计算本次行为对应的加分步长，根据评分对象的当前得分以及计算出的加分步长，确定出评分对象的新得分；所述减分模块，具体用于利用预设的负向行为对应的减分公式计算本次行为对应的减分步长，根据评分对象的当前得分以及计算出的减分步长，确定出评分对象的新得分。

在本发明的一个实施例中，评分模块403还用于通过下列步骤预先设计得到所述加分公式或所述减分公式：获取宏观分布目标以及各评分对象的历史行为数据；根据所述历史行为数据，统计各评分对象的正向行为数量和负向行为数量，并计算得到正负行为比值；统计所述正负行为比值下评分对象的总数；根据所述宏观分布目标，确定所述正负行为比值的临界值；其中，所述宏观分布目标为得分在第一阈值以上的评分对象的数目与总评分对象数目的百分比等于第二阈值；设计加分公式为加分步长等于随评分对象的得分而递减的函数，并设计减分公式为减分步长等于随评分对象的得分而递增的函数，以使所述评分对象的得分达到所述第一阈值时加分步长与减分步长之比等于所述临界值。

在本发明的一个实施例中，正向行为类型或负向行为类型下分别包括多种子类行为，各种子类行为设有对应的权重，所述加分模块，还用于在利用所述加分公式计算出第一加分步长之后，根据本次行为所属的子类确定本次行为的权重，并根据本次行为的权重以及一缩放系数，计算得到第二加分步长，将第二加分步长作为本次行为最终对应的加分步长；所述减分模块，还用于在利用预设的负向行为对应的减分公式计算出第一减分步长之后，根据本次行为所属的子类确定本次行为的权重，并根据本次行为的权重以及一缩放系数，计算得到第二减分步长，将第二减分步长作为本次行为最终对应的减分步长。

在本发明的一个实施例中，获取模块401，用于实时获取评分对象一次行为的行为数据；或者，定时批量获取各评分对象的发生时间在指定时间段内的行为数据。

在本发明的一个实施例中，服务水平评分装置400进一步包括：评分输出模块，用于当接收到终端发送的评分查询请求时，根据所述评分查询请求查找评分对象的新得分，并将查找到的评分对象的新得分发送至终端供所述终端输出所述新得分；或者，当确定出评分对象的新得分时，将所述评分对象的新得分发送至终端，供所述终端输出所述新得分。

综上所述，在本发明的服务水平评分方案中，首先获取评分对象的行为数据以及评分对象的当前得分，根据获取的评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为，如果为正向行为直接在评分对象的当前得分的基础上加分得到评分对象的新得分。如果为负向行为直接在评分对象的当前得分的基础上减分得到评分对象的新得分。如此，确保评分对象的得分取决于行为的正负性，即，正向行为导致加分，负向行为导致减分。解释性好，便于理解，通用性强。另外，本发明实施例的技术方案在计算加分步长或减分步长利用预设加、减分公式，而加、减分公式根据宏观分布目标和要求设计得到，由此实现了对评分对象的得分以及人数的宏观分布控制，增强了评分系统的可控性。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的页面性能测试装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

例如，图5是本发明实施例的一种电子设备的结构示意图。该电子设备500包括：处理器510，以及存储有可在所述处理器510上运行的计算机程序的存储器520。处理器510，用于在执行所述存储器520中的计算机程序时执行本发明中方法的各步骤。存储器520可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器520具有存储用于执行上述方法中的任何方法步骤的计算机程序531的存储空间530。计算机程序531可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图6所述的计算机可读存储介质。

图6是本发明实施例中的一种计算机可读存储介质的结构示意图。该计算机可读存储介质600存储有用于执行根据本发明的方法步骤的计算机程序531，可以被电子设备500的处理器510读取，当计算机程序531由电子设备500运行时，导致该电子设备500执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算程序531可以执行上述实施例中示出的方法。计算机程序531可以以适当形式进行压缩。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (11)

1.一种服务水平评分方法，其特征在于，包括：

获取评分对象的行为数据以及评分对象的当前得分，

根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；

若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；

若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。

2.如权利要求1所述的方法，其特征在于，在所述评分对象的当前得分的基础上加分并确定出评分对象的新得分包括：

利用预设的正向行为对应的加分公式计算本次行为对应的加分步长，根据评分对象的当前得分以及计算出的加分步长，确定出评分对象的新得分；

在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分包括：

利用预设的负向行为对应的减分公式计算本次行为对应的减分步长，根据评分对象的当前得分以及计算出的减分步长，确定出评分对象的新得分。

3.如权利要求2所述的方法，其特征在于，所述加分公式或所述减分公式通过下列步骤预先设计得到：

获取宏观分布目标以及各评分对象的历史行为数据；

根据所述宏观分布目标和各评分对象的历史行为数据分别设计加分公式和减分公式。

4.如权利要求3所述的方法，其特征在于，根据所述宏观分布目标和指定评分对象的历史行为数据分别设计加分公式和减分公式包括：

根据所述历史行为数据，统计各评分对象的正向行为数量和负向行为数量，并计算得到正负行为比值；

统计所述正负行为比值下评分对象的总数；

根据所述宏观分布目标，确定所述正负行为比值的临界值；其中，所述宏观分布目标为得分在第一阈值以上的评分对象的数目与总评分对象数目的百分比等于第二阈值；

设计加分公式为加分步长等于随评分对象的得分而递减的函数，并设计减分公式为减分步长等于随评分对象的得分而递增的函数，以使所述评分对象的得分达到所述第一阈值时加分步长与减分步长之比等于所述临界值。

5.如权利要求4所述的方法，其特征在于，该方法进一步包括：正向行为类型或负向行为类型下分别包括多种子类行为，各种子类行为设有对应的权重，

在利用所述加分公式计算出第一加分步长之后，根据本次行为所属的子类确定本次行为的权重，并根据本次行为的权重以及一缩放系数，计算得到第二加分步长，将第二加分步长作为本次行为最终对应的加分步长；

或者，

在利用预设的负向行为对应的减分公式计算出第一减分步长之后，根据本次行为所属的子类确定本次行为的权重，并根据本次行为的权重以及一缩放系数，计算得到第二减分步长，将第二减分步长作为本次行为最终对应的减分步长。

6.如权利要求4所述的方法，其特征在于，根据所述宏观分布目标，确定正负行为比值的临界值包括：

将所述正负行为比值进行离散化处理；

按照所述正负行为比值从小到大的顺序将各正负行为比值的区间段对应的评分对象数目累加，将累加值与总评分对象数的百分比达到所述第二阈值时对应的正负行为比值确定为临界值。

7.如权利要求1所述的方法，其特征在于，获取评分对象的行为数据包括：

实时获取评分对象一次行为的行为数据；

或者，定时批量获取各评分对象的发生时间在指定时间段内的行为数据。

8.如权利要求1所述的方法，其特征在于，该方法进一步包括：

当接收到终端发送的评分查询请求时，根据所述评分查询请求查找评分对象的新得分，并将查找到的评分对象的新得分发送至终端供所述终端输出所述新得分；

或者，当确定出评分对象的新得分时，将所述评分对象的新得分发送至终端，供所述终端输出所述新得分。

9.一种服务水平评分装置，其特征在于，包括：

获取模块，用于获取评分对象的行为数据以及评分对象的当前得分，

类型确定模块，用于根据所述评分对象的行为数据确定本次行为所属的类型为正向行为或负向行为；

评分模块，用于若本次行为所属的类型为正向行为，则在评分对象的当前得分的基础上加分并确定出所述评分对象的新得分；若本次行为所属的类型为负向行为，则在所述评分对象的当前得分的基础上减分并确定出所述评分对象的新得分。

10.一种电子设备，其特征在于，包括：

处理器，以及用于存储所述处理器可执行指令的存储器，

所述处理器，用于执行存储器中所存储的对应于权利要求1至8任一项所述方法中的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述方法中的步骤。