模型生成方法及装置、服务质量的评估方法及装置的制造方法
【专利说明】
【技术领域】
[0001]本发明涉及互联网技术领域，尤其涉及一种模型生成方法及装置、服务质量的评估方法及装置。
【【背景技术】】
[0002]线上到线下(Online To 0ffline，020)的服务提供模式中，线上平台需要能够评估对象(如商家或者商品)的服务质量，以便于能够及时对于服务质量出现异常的商家或者商品进行调整、修改等处理，以提高用户体验。
[0003]现有技术中，评估对象的服务质量的方式主要依赖于用户的主动投诉，或者通过进行对象的服务质量的人工测试，来评估对象的服务质量。因此，现有技术中评估对象的服务质量的效率比较低，获取成本比较高，且服务质量的评估结果的可靠性比较低。
【
【发明内容】
】
[0004]有鉴于此，本发明实施例提供了一种模型生成方法及装置、服务质量的评估方法及装置，用以解决现有技术中评估对象的服务质量的效率比较低，获取成本比较高，且服务质量的评估结果的可靠性比较低的问题。
[0005]本发明实施例的一方面，提供一种模型生成方法，包括:
[0006]从采集的候选对象中获取服务异常的样本对象；
[0007]获得所述样本对象的服务质量标注结果；
[0008]获取所述样本对象的服务质量特征；
[0009]根据所述样本对象的服务质量标注结果和所述样本对象的服务质量特征进行机器学习，生成对象的服务质量评估模型。
[0010]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述样本对象的服务质量标注结果和所述样本对象的服务质量特征进行机器学习，生成对象的服务质量评估模型，包括:
[0011 ]根据所述样本对象的服务质量标注结果和所述样本对象的服务质量特征进行机器学习，生成对象的服务质量评估模型；
[0012]从采集的所述候选对象中获取测试对象；
[0013]获取所述测试对象的服务质量特征；
[0014]利用所述测试对象的服务质量特征、所述样本对象的服务质量标注结果和所述样本对象的服务质量特征，重新生成对象的服务质量评估模型，直到生成的服务质量评估模型的准确率和召回率中至少一个达到指定阈值时停止；
[0015]输出所述对象的服务质量评估模型。
[0016]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用所述测试对象的服务质量特征、所述样本对象的服务质量标注结果和所述样本对象的服务质量特征，重新生成对象的服务质量评估模型，包括:
[0017]利用生成的对象的服务质量评估模型对所述测试对象的服务质量特征进行评估，以获得所述测试对象的服务质量评估结果；
[0018]根据所述测试对象的服务质量评估结果，获得所述准确率和召回率中至少一个；
[0019]若获取的所述准确率和召回率中至少一个没有达到指定阈值，获得所述测试对象的服务质量标注结果；
[0020]根据所述测试对象的服务质量特征、所述测试对象的服务质量标注结果、所述样本对象的服务质量特征以及所述样本对象的服务质量标注结果进行机器学习，重新生成对象的服务质量评估模型。
[0021]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取候选对象中服务异常的样本对象，包括:
[0022]根据候选对象的至少一个服务特征，获取至少一个服务特征为异常特征的所述候选对象，以作为所述服务异常的样本对象。
[0023]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取样本对象的服务质量特征，包括:
[0024]根据样本对象的业务类型、地理位置、是否有子对象和白名单中至少一个，对所述样本对象进行过滤处理；
[0025]采集过滤处理后获得的样本对象的服务质量特征；
[0026]对所述服务质量特征进行标准化处理、去噪和降维处理。
[0027]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述采集过滤处理后获得的样本对象的服务质量特征，包括:
[0028]根据所述测试对象的服务质量评估结果，确定所述测试对象的服务质量异常信息;
[0029]根据所述测试对象的服务质量异常信息，确定需要采集的服务质量特征；
[0030]根据所述需要采集的服务质量特征，采集过滤处理后获得的样本对象的服务质量特征。
[0031]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述测试对象的服务质量特征、所述测试对象的服务质量标注结果、所述样本对象的服务质量特征以及所述样本对象的服务质量标注结果进行机器学习，重新生成对象的服务质量评估模型，包括:
[0032]根据所述测试对象的服务质量标注结果，获得服务正常的对象集合和服务异常的对象集合；
[0033]获得服务正常的对象集合中各测试对象与服务异常的对象集合中各测试对象的余弦相似度；
[0034]删除所述余弦相似度大于或者等于指定相似阈值的测试对象；
[0035]根据删除后获得的测试对象的服务质量特征、删除后获得的测试对象的服务质量标注结果、所述样本对象的服务质量特征以及所述样本对象的服务质量标注结果进行机器学习，重新生成对象的服务质量评估模型。
[0036]本发明实施例的一方面，提供一种服务质量的评估方法，包括:
[0037]采集待评估对象的服务质量特征；
[0038]根据所述待评估对象的服务质量特征，并利用对象的服务质量评估模型，获得所述待评估对象的服务质量评估结果;其中，所述对象的服务质量评估模型为利用上述模型生成方法获得的。
[0039]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待评估对象的服务质量评估结果包括:所述待评估对象的服务正常或者所述待评估对象的服务异常。
[0040]本发明实施例的一方面，提供一种模型生成装置，包括:
[0041 ]获取模块，用于从采集的候选对象中获取服务异常的样本对象；
[0042]标注模块，用于获得所述样本对象的服务质量标注结果；
[0043]处理模块，用于获取所述样本对象的服务质量特征；
[0044]训练模块，用于根据所述样本对象的服务质量标注结果和所述样本对象的服务质量特征进行机器学习，生成对象的服务质量评估模型。
[0045]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述训练模块，具体用于:
[0046]根据所述样本对象的服务质量标注结果和所述样本对象的服务质量特征进行机器学习，生成对象的服务质量评估模型；
[0047]从采集的所述候选对象中获取测试对象；
[0048]获取所述测试对象的服务质量特征；
[0049]利用所述测试对象的服务质量特征、所述样本对象的服务质量标注结果和所述样本对象的服务质量特征，重新生成对象的服务质量评估模型，直到生成的服务质量评估模型的准确率和召回率中至少一个达到指定阈值时停止；
[0050]输出所述对象的服务质量评估模型。
[0051]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述训练模块用于利用所述测试对象的服务质量特征、所述样本对象的服务质量标注结果和所述样本对象的服务质量特征，重新生成对象的服务质量评估模型时，具体用于:
[0052]利用生成的对象的服务质量评估模型对所述测试对象的服务质量特征进行评估，以获得所述测试对象的服务质量评估结果；
[0053]根据所述测试对象的服务质量评估结果，获得所述准确率和召回率中至少一个；
[0054]若获取的所述准确率和召回率中至少一个没有达到指定阈值，获得所述测试对象的服务质量标注结果；
[0055]根据所述测试对象的服务质量特征、所述测试对象的服务质量标注结果、所述样本对象的服务质量特征以及所述样本对象的服务质量标注结果进行机器学习，重新生成对象的服务质量评估模型。
[0056]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取模块，具体用于:
[0057]根据候选对象的至少一个服务特征，获取至少一个服务特征为异常特征的所述候选对象，以作为所述服务异常的样本对象。
[0058]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述处理模块，具体用于:
[0059]根据样本对象的业务类型、地理位置、是否有子对象和白名单中至少一个，对所述样本对象进行过滤处理；
[0060]采集过滤处理后获得的样本对象的服务质量特征；
[0061 ] 对所述服务质量特征进行标准化处理、去噪和降维处理。
[0062]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述处理模块用于采集过滤处理后获得的样本对象的服务质量特征时，具体用于:
[0063]根据所述测试对象的服务质量评估结果，确定所述测试对象的服务质量异常信息;
[0064]根据所述测试对象的服务质量异常信息，确定需要采集的服务质量特征；
[0065]根据所述需要采集的服务质量特征，采集过滤处理后获得的样本对象的服务质量特征。
[0066]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述训练模块用于根据所述测试对象的服务质量特征、所述测试对象的服务质量标注结果、所述样本对象的服务质量特征以及所述样本对象的服务质量标注结果进行机器学习，重新生成对象的服务质量评估模型时，具体用于:
[0067]根据所述测试对象的服务质量标注结果，获得服务正常的对象集合和服务异常的对象集合；
[0068]获得服务正常的对象集合中各测试对象与服务异常的对象集合中各测试对象的余弦相似度；
[0069]删除所述余弦相似度大于或者等于指定相似阈值的测试对象；
[00