本發(fā)明涉及一種計算門店綜合評分的方法以及裝置。

背景技術(shù)：

在一些電商平臺中，有不少的門店或者商家入駐到系統(tǒng)。通常用戶在消費完成后會給對應(yīng)的門店和商品進行評分。用戶在選擇門店中的商品的時候會查看門店的綜合評分。門店的綜合評分不僅僅代表了商品質(zhì)量、服務(wù)質(zhì)量等方面的量化，更是大部分用戶對這個門店的認(rèn)可度和信任度的表達(dá)方式?？梢哉f門店綜合評分的高低決定了門店的生存狀態(tài)。

在現(xiàn)有技術(shù)中，通常用戶每次消費完成后，app會要求用戶針對本次消費填寫商品質(zhì)量、服務(wù)質(zhì)量、送貨速度等相關(guān)的評分(五分制)，評分系統(tǒng)按照平均評分計算獲得門店的平均評分。

但在，現(xiàn)有技術(shù)中存在如下不足。

(1)計算平均評分，可參考性不強，例如兩個門店，綜合評分都是4分。a門店是5個人評價的結(jié)果，b門店是5萬人評價的結(jié)果。這種計算平均評分的方式不能拉開a門店和b門店的差距。

(2)計算平均評分，公平性欠缺。例如兩個門店，綜合評分都是4分。a門店是5個人評價的結(jié)果，b門店是5萬人評價的結(jié)果。如果a門店和b門店都收到一個5分的新評價。那么a門店綜合評分立刻會上升為4.1分以上。b門店的綜合評分的上升非常不明顯，通常保留3位小數(shù)后會被忽略不計。

技術(shù)實現(xiàn)要素：

本發(fā)明鑒于上述問題而開發(fā)，目的在于提供一種計算門店綜合評分的方法以及裝置，能夠提高綜合評分的準(zhǔn)確性，從而使綜合評分更加具有參考性和公平性。以更加真實的量化方式展現(xiàn)給用戶，實現(xiàn)用戶在選擇門店 的時候評分高的門店比評分低的門店更值得光顧。

為了解決上述問題，本發(fā)明的一個方式涉及一種計算門店綜合評分的方法，包括：獲取針對目標(biāo)門店的評分以及評價次數(shù)；根據(jù)所獲取的所述評分以及所述評價次數(shù)，計算所述目標(biāo)門店的平均評分；根據(jù)表示進入門店排名所需要的最小評價次數(shù)的規(guī)定值、所獲取的所述評價次數(shù)、計算出的所述目標(biāo)門店的平均評分、以及平臺所有門店的平均評分，計算所述目標(biāo)門店的綜合評分wr；以及根據(jù)綜合評分wr，來對所述目標(biāo)門店進行顯示。

此外，在本發(fā)明的計算門店綜合評分的方法中，優(yōu)選計算所述目標(biāo)門店的綜合評分wr時，利用以下的貝葉斯算法公式來進行計算：

wr＝(v÷(v+m))×r+(m÷(v+m))×c

其中，r是計算出的所述目標(biāo)門店的平均評分，v是所獲取的所述評價次數(shù)，m是所述規(guī)定值，c是平臺所有門店的平均評分。

此外，在本發(fā)明的計算門店綜合評分的方法中，優(yōu)選所獲取的所述評分包括：針對商品質(zhì)量的商品評分、針對服務(wù)質(zhì)量的服務(wù)評分和針對送貨速度的配送速度評分，計算所述目標(biāo)門店的平均評分時，利用以下的算式來進行計算：

平均評分＝(商品平均評分×商品權(quán)重)+(配送速度平均評分×配送速度權(quán)重)+(服務(wù)平均評分×服務(wù)權(quán)重)

其中，商品權(quán)重、配送速度權(quán)重以及服務(wù)權(quán)重分別為0％以上且100％以下，并且商品權(quán)重、配送速度權(quán)重以及服務(wù)權(quán)重之和等于100％。

此外，在本發(fā)明的計算門店綜合評分的方法中，優(yōu)選所述商品權(quán)重為40％，所述配送速度權(quán)重為30％，所述服務(wù)權(quán)重為30％。

此外，在本發(fā)明的計算門店綜合評分的方法中，優(yōu)選在冷啟動時，將平臺所有門店的平均評分設(shè)為4.1。

此外，在本發(fā)明的計算門店綜合評分的方法中，優(yōu)選將來自用戶的評價寫入數(shù)據(jù)庫中，在計算平均評分和綜合評分時，使用數(shù)據(jù)庫中的數(shù)據(jù)進行計算，并且將計算結(jié)果寫入數(shù)據(jù)庫中，在向用戶提示評分時，直接從數(shù)據(jù)庫取得綜合評分并進行顯示。

此外，在本發(fā)明的計算門店綜合評分的方法中，優(yōu)選將來自用戶的評 價實時寫入到es中，按規(guī)定時間由評分計算引擎提取es中的數(shù)據(jù)來單獨計算平均評分和綜合評分，并且將計算結(jié)果寫入到mysql中，在向用戶提示評分時，直接調(diào)用mysql來進行顯示。

本發(fā)明的另一個方式涉及一種計算門店綜合評分的裝置，包括：獲取針對目標(biāo)門店的評分以及評價次數(shù)的單元；根據(jù)所獲取的所述評分以及所述評價次數(shù)，計算所述目標(biāo)門店的平均評分的單元；根據(jù)表示進入門店排名所需要的最小評價次數(shù)的規(guī)定值、所獲取的所述評價次數(shù)、計算出的所述目標(biāo)門店的平均評分、以及平臺所有門店的平均評分，計算所述目標(biāo)門店的綜合評分wr的單元；以及根據(jù)綜合評分wr，來對所述目標(biāo)門店進行顯示的單元。

此外，在本發(fā)明的計算門店綜合評分的裝置中，優(yōu)選計算所述目標(biāo)門店的綜合評分wr的單元，利用以下的貝葉斯算法公式來進行計算：

wr＝(v÷(v+m))×r+(m÷(v+m))×c

其中，r是計算出的所述目標(biāo)門店的平均評分，v是所獲取的所述評價次數(shù)，m是所述規(guī)定值，c是平臺所有門店的平均評分。

此外，在本發(fā)明的計算門店綜合評分的裝置中，優(yōu)選所獲取的所述評分包括：針對商品質(zhì)量的商品評分、針對服務(wù)質(zhì)量的服務(wù)評分和針對送貨速度的配送速度評分，計算所述目標(biāo)門店的平均評分的單元，利用以下的算式來進行計算：

平均評分＝(商品平均評分×商品權(quán)重)+(配送速度平均評分×配送速度權(quán)重)+(服務(wù)平均評分×服務(wù)權(quán)重)

其中，商品權(quán)重、配送速度權(quán)重以及服務(wù)權(quán)重分別為0％以上且100％以下，并且商品權(quán)重、配送速度權(quán)重以及服務(wù)權(quán)重之和等于100％。

此外，在本發(fā)明的計算門店綜合評分的裝置中，優(yōu)選將來自用戶的評價實時寫入到es中，按規(guī)定時間由評分計算引擎提取es中的數(shù)據(jù)來單獨計算平均評分和綜合評分，并且將計算結(jié)果寫入到mysql中，在向用戶提示評分時，直接調(diào)用mysql來進行顯示。

根據(jù)本發(fā)明，能夠提高綜合評分的準(zhǔn)確性，從而使綜合評分更加具有參考性和公平性，以更加真實的量化方式展現(xiàn)給用戶，實現(xiàn)用戶在選擇門店的時候評分高的門店比評分低的門店更值得光顧。

附圖說明

通過參考以下組合附圖對所采用的優(yōu)選實施方式的詳細(xì)描述，本發(fā)明的上述目的、優(yōu)點和特征將變得更顯而易見，其中：

圖1是表示本發(fā)明中計算門店綜合評分的方法的流程圖。

圖2是表示本發(fā)明中計算門店綜合評分的裝置的方框圖。

圖3示出本發(fā)明中評價系統(tǒng)模塊架構(gòu)圖。

具體實施方式

下面結(jié)合附圖和實施例對本申請作進一步的詳細(xì)說明?？梢岳斫獾氖牵颂幩枋龅木唧w實施例僅僅用于解釋相關(guān)發(fā)明，而非對該發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與有關(guān)發(fā)明相關(guān)的部分。

需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結(jié)合實施例來詳細(xì)說明本發(fā)明。

在本發(fā)明中，在計算門店的平均評分時，可以使用現(xiàn)有的任意方法。例如，評分包括針對商品質(zhì)量的商品評分、針對服務(wù)質(zhì)量的服務(wù)評分和針對送貨速度的配送速度評分，使用下述算式來計算門店平均評分：

門店平均評分＝(商品平均評分×商品權(quán)重)+(配送速度平均評分×配送速度權(quán)重)+服務(wù)平均評分×服務(wù)權(quán)重

其中，各權(quán)重百分比單獨配置，商品權(quán)重、配送速度權(quán)重以及服務(wù)權(quán)重分別為0％以上且100％以下，三個緯度百分比之和等于100％。

在計算門店平均評分時，例如優(yōu)選：

門店平均評分＝服務(wù)平均評分*30％+配送速度平均評分*30％+商品質(zhì)量平均評分*40％

即，優(yōu)選商品權(quán)重為40％，配送速度權(quán)重為30％，服務(wù)權(quán)重為30％。

在本發(fā)明中，為了提高門店綜合評分的準(zhǔn)確性，在計算出的門店平均評分后，再結(jié)合貝葉斯算法得出門店綜合評分。貝葉斯算法公式如下：

綜合評分wr＝(v÷(v+m))×r+(m÷(v+m))×c

其中，r是用普通的方法計算出的門店平均評分，v是針對門店的評 價次數(shù)，m是一規(guī)定值，表示進入門店排名所需要的最小評價次數(shù)，c是目前平臺所有門店的平均評分。

在本發(fā)明中，為了提高門店綜合評分的準(zhǔn)確性，保證公平性，讓新門店不會初始就具有很低或者很高的分?jǐn)?shù)。讓新門店即便只有0票也具有進入優(yōu)質(zhì)門店的門檻要求票數(shù)，即便只有0票得分也是整體的平均評分。但是從公式可以看出，票數(shù)越多越真實，也就是說，如果差評越來越多，門店的分?jǐn)?shù)會越趨近于真實差評平均評分，遠(yuǎn)離默認(rèn)的平均評分。相反，好評越來越多，門店的分?jǐn)?shù)會無限趨近于真實的平均評分，遠(yuǎn)高于默認(rèn)的平均評分。通過該公式可以在扶持新門店的同時，保證銷量高的門店的優(yōu)勢。例如兩個門店，一個門店有10個五星評價。另外一個門店有1000個五星評價。雖然單純計算平均評分都是5分，但是在貝葉斯算法的場景下。兩個門店之間的分?jǐn)?shù)肯定存在很大差別。

其中上述公式的c是平臺所有門店的平均評分，但是系統(tǒng)存在冷啟動問題，在冷啟動時，即第一次啟動時用4.1作為平均評分c進行計算。例如每天重新計算平均評分c。根據(jù)時間周期越長，c的值會越趨近于真實情況。

m優(yōu)選是優(yōu)質(zhì)門店數(shù)量，例如認(rèn)為評價數(shù)量top30％(100天)的門店是優(yōu)質(zhì)的，按照top排序，取第30％的評價數(shù)量作為m值。

根據(jù)上述貝葉斯算法公式可知，門店的評價次數(shù)越高，其綜合評分越接近其門店平均分。

因為數(shù)據(jù)量龐大，為了解決計算評分過程中的性能問題，本發(fā)明中不采用實時計算的方式。門店評分的顯示直接通過數(shù)據(jù)庫查詢來獲取。但是數(shù)據(jù)庫的分值是通過離線計算模塊計算得出的。例如每天凌晨計算模塊利用貝葉斯公式計算出最新結(jié)果，重新寫入數(shù)據(jù)庫，提供給前端顯示。

圖3示出評價系統(tǒng)模塊架構(gòu)圖。

用戶提交評價分?jǐn)?shù)以后，系統(tǒng)將評價記錄存儲在es中。通過計算模塊，將es的評價記錄進行計算統(tǒng)計后生成綜合評分存儲在mysql中。當(dāng)用戶查詢門店綜合評分的時候，分?jǐn)?shù)查詢mysql即可返回評分結(jié)果。

es(elasticsearch)是一個基于lucene的搜索服務(wù)器。它提供了一個分布式多用戶能力的全文搜索引擎，基于restfulweb接口。 elasticsearch是用java開發(fā)的，并作為apache許可條款下的開放源碼發(fā)布，是第二流行的企業(yè)搜索引擎。設(shè)計用于云計算和存儲中，能夠達(dá)到實時搜索，穩(wěn)定，可靠，快速，安裝使用方便。

因為評價分?jǐn)?shù)計算實時性要求不高。用戶評價完成后，不需要立刻計算分?jǐn)?shù)，第二天顯示最新的分?jǐn)?shù)并不會影響用戶體驗。所以寫入和計算過程如下：

第一步：用戶的評價數(shù)據(jù)實時寫入到es中，

第二步：每天凌晨分?jǐn)?shù)計算引擎抽取es數(shù)據(jù)進行單獨計算。

第三步：將門店的計算結(jié)果寫入到mysql。

第四步：用戶查看評價分?jǐn)?shù)的時候直接調(diào)用mysql記錄。

根據(jù)本發(fā)明技術(shù)方案，能夠取得如下有益技術(shù)效果：

(1)評價分?jǐn)?shù)更加真實公平，評分高的門店是服務(wù)和質(zhì)量更好的門店的量化，用戶會對評價數(shù)據(jù)更加信任。

(2)優(yōu)質(zhì)商家不會再因為新商家的評價基數(shù)低，評分反而快速被超越。商家更加相信評分的真實性和客觀性。讓商家更重視評分的重要性以提高自身的服務(wù)和質(zhì)量。

盡管以上已經(jīng)結(jié)合本發(fā)明的優(yōu)選實施例示出了本發(fā)明，但是本領(lǐng)域的技術(shù)人員將會理解，在不脫離本發(fā)明的精神和范圍的情況下，可以對本發(fā)明進行各種修改、替換和改變。因此，本發(fā)明不應(yīng)由上述實施例來限定，而應(yīng)由所附權(quán)利要求及其等價物來限定。