一种信誉量化的方法和系统与流程

1.本发明涉及信用评分技术，尤其涉及了与用户端结合展示的一种信誉量化的方法和系统。


背景技术：

2.如何让信誉由抽象而具现化、可以有一个明确的衡量标准、可以直接像金钱一样数字化，来更方便继承发扬。
3.同时用户越来越多的通过网络来处理各种业务，其中有些业务，如借贷相关业务，需要商家根据对用户的信用评分来预估该用户的违约风险，从而为用户设置最高借贷金额等。伴随着全国经济的飞速发展，国民的信誉成为目前各行各业争相关注的焦点。由于我国个人信誉评估体系不完善，面临着巨大的信用风险。
4.现有技术中只是单纯的对信用进行评分，没有结合信用与信誉行为进行评分，这样对于获取的信用分会存在一定的偏差与缺陷。例如现有技术专利申请号为：cn201910941535.1，专利申请日为， 2019-09-30，专利名称为：信用评分方法及系统；专利申请号为： cn201710069578.6，专利申请日为，2017-02-08，专利名称为：信用评分方法及装置。
5.在现有技术中信用分只是代表着信用，对于现有的信誉评估不能进行量化。。


技术实现要素：

6.本发明针对现有技术中现有技术中信用分只是代表着信用，对于现有的信誉评估不能进行量化的问题，提供了一种信誉量化的方法和系统。
7.为了解决上述技术问题，本发明通过下述技术方案得以解决：一种信誉量化系统，应用于应用服务端，包括信誉数据采集模块、信誉数据的分类处理模块、信誉数据的评级模块、信誉数据的运算模块和存储用户信息模块，量化模块；
8.信誉数据采集模块，信誉数据采集模块用于采集个体用户和企业的信誉数据；通过个体、商户和企业用户授权获得在各大机构的信用数据并数据运算获得用户初始信誉分值，通过网络端获取个体、商户和企业用户的信誉数据及通过信誉采集模块获取个体、商户和企业用户的信誉数据；
9.信誉数据的分类处理模块，信誉数据的分类处理模块用于对获取的信誉数据通过冗余化、相似分类匹配、聚类事件归类算法，对信誉数据进行归类分类，从而得到不同种类的信誉事件；
10.信誉事件的评级模块，对于得到的不同种类的信誉事件进行事件评级处理，一个信誉事件对应一类信誉事件的集合，每一类信誉事件的集合对应一个信誉事件评级，每一类信誉事件的评级对应一个信誉分值；每一个信誉事件在它所在分类的事件中对应一个轻重程度评级，每一个轻重程度的评级对应一个信誉事件的修正因数；
11.信誉数据的运算模块，对用户在各个机构信用分数据进行评级划分比重整合获得
初始信誉分数值，对信誉采集模块的事件数据进行事件评级和判断轻重程度后结合初始信誉分数值进行修正运算和量化运算，并分析用户信誉分值依据时间节点的变化状态；
12.存储用户信息模块，存储用户信息模块用于存储用户的信息；
13.量化模块，量化模块用于对计算后的信誉数据进行量化展示。
14.作为优选，还包括修正模块，修正模块包括初始信誉分值修正模块和最终信誉分值修正模块，初始信誉分值修正模块用于对初始信誉分值进行修正；最终信誉分值修正模块，用于对计算后的信誉分值进行修正。
15.为了解决上述技术问题，本技术还提供了一种信誉量化的方法，其特征在于，应用于应用服务端，所述方法包括：
16.获取信誉数据，通过个体、商户和企业用户授权获得在各大机构的信用数据后整合处理获取初始信誉分值，通过网络端获取个体、商户和企业用户的信誉数据及通过信誉采集模块获取个体、商户和企业用户的信誉数据；
17.信誉数据的分类处理，对于获取的信誉数据通过冗余化、相似分类匹配、聚类事件归类算法，对信誉数据进行归类分类，从而得到不同种类的信誉事件；
18.信誉事件的评级，对于得到的不同种类的信誉事件进行信誉事件评级处理，一个信誉事件对应一类信誉事件的集合，每一类信誉事件的集合对应一个信誉事件评级，每一类信誉事件的评级对应一个信誉分值；信誉事件的轻重程度，对于信誉事件在它所在的一类事件中进行轻重程度的判断，每一个事件对应一个在这类事件中的轻重程度即修正因数；
19.依据公式1获得信誉分值scorefinal；
[0020][0021]
公式1中，cdata是初始信誉分值；x是除特殊事件外不同的信誉事件的总个数；θx是第x个事件的修正因数；dx是第x个事件的正负分值；y是特殊信誉事件的总个数；ey是用户第y个特殊信誉事件的增减分值；w是初始信誉分值的修正系数。
[0022]
作为优选，信誉数据采集模块的方法包括：
[0023]
个体、商户和企业用户上传行为信息至应用服务端；行为信息包括文明信息和不文明信息；
[0024]
行为信息的识别，应用服务端对行为信息通过人脸识别、声纹识别和资料核对进行识别；判断行为对象是注册用户或非注册用户；对注册的用户信息进行行为信息的判断；
[0025]
行为信息的判断，对于注册后的用户信息进行文明信息和不文明信息的判断；
[0026]
行为信息的佐证，对判断后的文明信息或不文明信息，系统内系统管理对用户进行私密问询事件真假且问询能否提供佐证信息；防止对不文明行为的矫枉过正，对于不文明行为的对象，如果是未注册用户，就把上传的证据进行封存，如果是已注册用户，不会暴露其隐私，会在系统内系统管理对其进行私密问询事件真假且问询能否提供佐证确认事件的真伪，若其回应假且愿意提供佐证才为假事件，其余情况为真事件；不是让大家互相上传不文明行为，而是增加其做不文明行为的成本，减少社会中类似事件的发生；同时也给群众提供一个反应社会不文明行为的合理发泄渠道，减少社会网曝现象的发生；
[0027]
佐证信息的判断，对于获得的佐证信息进行判断，并记录相关的行为信息的结果，
记录的行为信息的结果则为获取的信誉数据。
[0028]
作为优选，通过信用机构获取个体、商户和企业用户的信誉数据，在获取信誉数据之前对信用机构进行信用评级，对于信用机构的信用评级的方法包括：
[0029]
信用机构的信用数据采集，并将采集的信用数据传送至数据库；
[0030]
信用机构的信用分比重的获取，依据公式2对于信用机构的信用进行信用分比重分的计算，且每一个评级对应一个比重分fn；
[0031][0032]
公式2中，m来表示这家机构为几级评级，i代表获取了信用分数据机构个数；
[0033]
对信用机构信用分的计算；依据公式3进行计算初始信誉分值 cdata：
[0034][0035]
其中，score为信誉分的总分，n代表获取的信用机构数；bn代表第n家机构的信分数值；cn代表第n家机构的信用分系统设置的总分数；fn是每家机构信用分所占的比重。
[0036]
当用户在信用机构无信用数据或未形成信用分，即n＝0时则赋初值cdata＝cdata0，其中cdata0是根据信誉分总分score预先设置的一个初值。
[0037]
作为优选，网络端获取个体、商户和企业用户的信誉数据，通过网络爬虫技术在全网内检索记录个体、商户和企业用户的信誉数据。
[0038]
作为优选，佐证信息的判断，对于获得的佐证信息进行判断，并记录相关的行为信息的结果，获得了不同行为信息的结果后，并对不同的行为结果进行不同的数据处理。
[0039]
作为优选，获得的佐证信息进行判断，并记录相关的行为信息的结果；行为信息的结果包括4种，4种行为信息的结果分别为：用户上传的社会文明信息为真、用户上传的社会文明信息为假、用户上传的社会不文明信息为真、用户上传的社会不文明信息为假。
[0040]
作为优选，还包括信誉数据的修正处理，修正处理包括初始信誉分值和最终信誉分值的修正处理，
[0041]
对初始信誉分值cdata进行修正处理，随着信誉事件的增加，逐步降低cdata对信誉分值scorefinal的影响；
[0042]
对于信誉分值scorefinal进行修正处理，当信誉分值scorefinal达到一定阈值时，减缓其变化速率。
[0043]
本发明由于采用了以上技术方案，具有显著的技术效果：本发明通过大数据算法对现有信用数据进行整合，通过自有信誉数据采集模块、网络爬虫、人工智能结合整合后的信用数据对信誉进行量化，量化后的信誉模块与用户信息模块一起进行展示。
附图说明
[0044]
图1是本发明的方法流程图。
[0045]
图2是本发明的信誉分初始计算流程图。
[0046]
图3是本发明的行为结果流程图。
[0047]
图4是本发明的实施例2方法流程图。
具体实施方式
[0048]
下面结合附图与实施例对本发明作进一步详细描述。
[0049]
实施例1
[0050]
一种信誉量化系统，应用于应用服务端，包括信誉数据采集模块、信誉数据的分类处理模块、信誉数据的评级模块、信誉数据的运算模块和存储用户信息模块，量化模块；
[0051]
信誉数据采集模块，信誉数据采集模块用于采集个体用户和企业的信誉数据；通过个体、商户和企业用户授权获得在各大机构的信用数据并数据运算获得用户初始信誉分值，通过网络端获取个体、商户和企业用户的信誉数据及通过信誉采集模块获取个体、商户和企业用户的信誉数据；
[0052]
信誉数据的分类处理模块，信誉数据的分类处理模块用于对获取的信誉数据通过冗余化、相似分类匹配、聚类事件归类算法，对信誉数据进行归类分类，从而得到不同种类的信誉事件；
[0053]
信誉事件的评级模块，对于得到的不同种类的信誉事件进行事件评级处理，一个信誉事件对应一类信誉事件的集合，每一类信誉事件的集合对应一个信誉事件评级，每一类信誉事件的评级对应一个信誉分值；每一个信誉事件在它所在分类的事件中对应一个轻重程度评级，每一个轻重程度的评级对应一个信誉事件的修正因数；
[0054]
信誉数据的运算模块，对用户在各个机构信用分数据进行评级划分比重整合获得初始信誉分数值，对信誉采集模块的事件数据进行事件评级和判断轻重程度后结合初始信誉分数值进行修正量化运算，并对对用户信誉分值前后时间节点变化状态通过趋势图展示；
[0055]
存储用户信息模块，存储用户信息模块用于存储用户的信息；
[0056]
量化模块，量化模块用于对计算后的信誉数据进行量化展示。
[0057]
存储用户的信息包括用户注册模块，用户登录模块，存贮着用户的个人信息，用户名、手机号、实名认证身份证信息、用户头像、用户头像展示的背景图、用户心情、用户个性签名、用户状态、人脸识别特征码、声纹识别特征码。
[0058]
从服务器获取用户信誉分数值和信誉分变化状态趋势后与用户信息模块实时交互，当用户在展示其用户名或头像或背景图或签名或状态或心情时，用户信誉分数值和信誉分变化状态趋势通过服务器实时更新，与任一模块进行一体化展示，实现信誉分的可视化，系统的部分功能可视化。
[0059]
实施例2
[0060]
在实施例1基础上，本实施例还包括修正模块，修正模块包括初始信誉分值修正模块和最终信誉分值修正模块，初始信誉分值修正模块用于对初始信誉分值进行修正；最终信誉分值修正模块，用于对计算后的信誉分值进行修正。
[0061]
实施例3
[0062]
在上述实施例基础上，为了实现信誉量化的系统采用的方法，其应用于应用服务端，所述方法包括：
[0063]
获取信誉数据，通过个体、商户和企业用户授权获得在各大机构的信用数据后整合处理获取初始信誉分值，通过网络端获取个体、商户和企业用户的信誉数据及通过信誉采集模块获取个体、商户和企业用户的信誉数据；
[0064]
数据库现在集合了三块数据，第一块是用户授权的信用机构的信用数据；第二块是网络爬虫获得的用户信誉事件数据；第三块是自有信誉采集数据模块反馈的用户信誉数据。
[0065]
信誉数据的分类处理，对于获取的信誉数据通过冗余化、相似分类匹配、聚类事件归类算法，对信誉数据进行归类分类，从而得到不同种类的信誉事件；
[0066]
信誉事件的评级，对于得到的不同种类的信誉事件进行信誉事件评级处理，一个信誉事件对应一类信誉事件的集合，每一类信誉事件的集合对应一个信誉事件评级，每一类信誉事件的评级对应一个信誉分值；信誉事件的轻重程度，对于信誉事件在它所在的一类事件中进行轻重程度的判断，每一个事件对应一个在这类事件中的轻重程度即修正因数；
[0067]
依据公式1获得信誉分值scorefinal；
[0068][0069]
公式1中，cdata是初始信誉分值；x是除特殊事件外不同的信誉事件的总个数；θx是第x个事件的修正因数；dx是第x个事件的正负分值；y是特殊信誉事件的总个数；ey是用户第y个特殊信誉事件的增减分值；w是初始信誉分值的修正系数。
[0070]
用户信誉分数值的最终值scorefinal随着参数的变化在不断更新，服务器依据时间节点做出一个scorefinal在前后时间节点的变化状态和随着时间变化的长期趋势图，用来表示用户一段时间内信誉分变化的状态。
[0071]
信誉数据采集模块的方法包括：
[0072]
个体、商户和企业用户上传行为信息至应用服务端；行为信息包括文明信息和不文明信息；
[0073]
行为信息的识别，应用服务端对行为信息通过人脸识别、声纹识别和资料核对进行识别；判断行为对象是注册用户或非注册用户；对注册的用户信息进行行为信息的判断；
[0074]
行为信息的判断，对于注册后的用户信息进行文明信息和不文明信息的判断；
[0075]
行为信息的佐证，对判断后的文明信息或不文明信息，系统内系统管理对用户进行私密问询事件真假且问询能否提供佐证信息；防止对不文明行为的矫枉过正，对于不文明行为的对象，如果是未注册用户，就把上传的证据进行封存，如果是已注册用户，不会暴露其隐私，会在系统内系统管理对其进行私密问询事件真假且问询能否提供佐证确认事件的真伪，若其回应假且愿意提供佐证才为假事件，其余情况为真事件；不是让大家互相上传不文明行为，而是增加其做不文明行为的成本，减少社会中类似事件的发生；同时也给群众提供一个反应社会不文明行为的合理发泄渠道，减少社会网曝现象的发生；
[0076]
佐证信息的判断，对于获得的佐证信息进行判断，并记录相关的行为信息的结果，记录的行为信息的结果则为获取的信誉数据。
[0077]
用户把文明行为和不文明行为数据上传到我们的服务器，服务器经过人脸识别、声纹识别和文本资料对行为对象作匹配处理，之后进行逻辑运算判断事件真伪，之后将判断为真实事件的行为上传数据库。被匹配到的对象被系统私密问询后有5种行为，不回应、回应真且愿意提供佐证、回应真但不愿意提供佐证、回应假且愿意提供佐证、回应假但不愿意提供佐证。因为是一种信誉评判，判断事件的真实率做不到像司法的严谨程度，需要一定
的准确率即可，目的更多是一种引导。
[0078]
通过信用机构获取个体、商户和企业用户的信誉数据，在获取信誉数据之前对信用机构进行信用评级，对于信用机构的信用评级的方法包括：
[0079]
信用机构的信用数据采集，并将采集的信用数据传送至数据库；
[0080]
信用机构的信用分比重的获取，依据公式2对于信用机构的信用进行信用分比重分的计算，且每一个评级对应一个比重分fn；
[0081][0082]
公式2中，m来表示这家机构为几级评级，i代表获取了信用分数据机构个数；
[0083]
对信用机构信用分的计算；依据公式3进行计算初始信誉分值 cdata：
[0084][0085]
其中，score为信誉分的总分，n代表获取的信用机构数；bn代表第n家机构的信分数值；cn代表第n家机构的信用分系统设置的总分数；fn是每家机构信用分所占的比重。
[0086]
当用户在信用机构无信用数据或未形成信用分，即n＝0时则赋初值cdata＝cdata0，其中cdata0是根据信誉分总分score预先设置的一个初值。
[0087]
网络端获取个体、商户和企业用户的信誉数据，通过网络爬虫技术在全网内检索记录个体、商户和企业用户的信誉数据。
[0088]
佐证信息的判断，对于获得的佐证信息进行判断，并记录相关的行为信息的结果，获得了不同行为信息的结果后，并对不同的行为结果进行不同的数据处理。
[0089]
获得的佐证信息进行判断，并记录相关的行为信息的结果；行为信息的结果包括4种，4种行为信息的结果分别为：用户上传的社会文明信息为真、用户上传的社会文明信息为假、用户上传的社会不文明信息为真、用户上传的社会不文明信息为假。
[0090]
实施例4
[0091]
在上述实施例基础上，本实施例还包括信誉数据的修正处理，修正处理包括初始信誉分值和最终信誉分值的修正处理，
[0092]
对初始信誉分值cdata进行修正处理，随着信誉事件的增加，逐步降低cdata对信誉分值scorefinal的影响；
[0093]
对于信誉分值scorefinal进行修正处理，当信誉分值scorefinal达到一定阈值时，减缓其变化速率。
[0094]
实施例5
[0095]
在实施例1基础上，本实施例信誉量化的系统带有注册模块和登录模块，可以进行单独装置处理，不仅仅可以加载到各种软件app上，还可以在各种智能硬件设备上搭载。针对不同设备还可以进行处理，例如一个社交软件通过用户授权可以直接加载信誉量化系统；智能硬件需要实现智能化与用户交互，可以加载信誉量化系统。对于信誉量化的展示形式多样化。
[0096]
实施例6
[0097]
在上述实施例基础上，本实施例如对于个体用户在六家机构有信用数据在信用数
据表1中，其中四家评级机构是a1、a2、a2、a6，另外2家还未产生信用分数值系统，这2家未形成信用分数值的机构数据加入的信用采集数据库，暂时不参与用户初始信誉分数值的运算，剩下四家机构的各自比重的计算方法如下：
[0098]
f1＝{[93/(93+83+83+63)]*100％}
[0099]
f2＝{[83/(93+83+83+63)]*100％}
[0100]
f3＝{[83/(93+83+83+63)]*100％}
[0101]
f4＝{[63/(93+83+83+63)]*100％}
[0102]
每家机构对应一个评级数，其中i代表获取了多少个用户信用分数据机构,用m来表示这家机构为几级评级，例如a2级评级，则m＝2， 10-m的三次方的值即是表格
①
中的a2对应的比重权值。一个n值对应一个m值。
[0103]
表1机构信用数据表
[0104]
a0a1a2a3a4a5a6a7a8a91039383736353433
32313
[0105]
用户第1家机构的信用分系统的总分定义为c1，用户在这家机构的信用分定义为b1；用户第2家机构的信用分总分定义为c2，用户在这家机构的信用分定义为b2；第n家机构的信用分总分定义为 cn，用户在这家机构的用户信用分定义为bn。总分设置为score，如果用户未在信用机构留下信用数据或者还未形成数值，则初始信分数值设置cdata1为cdata0，例如cdata0赋值为score的0.6倍。
[0106]
用户的初始信誉分数值cdata1具体计算公式如下：
[0107][0108]
其中n代表获取了多少个用户信用分数据机构；bn代表第n家机构的信分数值；cn代表第n家机构的信用分系统设置的总分数；当n＝0时，cdata1＝cdata0。
[0109]
在附图中，对于不同的行为结果处理的方式，行为结果一，对上传假事件的用户进行特殊事件标记扣分处理；行为结果二，对文明行为对象进行事件记录上传，后期进行加分运算；行为结果三，对不文明行为对象进行事件记录上传，后期进行减分运算，同时对把事件上传的用户，进行可以进行礼品兑换的积分奖励(积分奖励模块属于鼓励大家“勇敢对不文明行为说不”和进行产品营销模块，这里就不做具体说明)；行为结果四，把佐证和上传证据返回服务器进行数据的再处理，进行佐证和上传证据的比对，确立真实性，例如通过人工智能技术对影音文本资料采用关键词提取，用户身份核对等来确立事件真伪，若关键词差异巨大化则佐证无效判断事件为真，返回结果三，若关键词有一定相似性则判断事件为假，对上传假事件的用户进行特殊事件标记减分处理。
[0110]
数据分类处理后，接着对各类事件进行评级处理；
[0111]
例如文明行为(包含守信行为)则为s1级、s2级、sn级，不文明行为t1级、t2级、tn级等，并给各个评级分配相应分值dx。
[0112]
一类事件对应一个评级，对应一个相应分值。
[0113]
具体分配分值规则可参考如下表2：
[0114]
表2行为评级分数表
[0115]
s1s2s3s4sxt1t2t3t4tx
108641-10-8-6-4-1
[0116]
同一类事件的每个事件造成的效果，会有一个轻重程度，引入一个修正因数θ来表达事件的轻重程度对分值的影响。
[0117]
轻重程度再进行一个评级处理，例如r1级，r2级，rn级。每个 rn对应一个修正因数θx,即每个事件轻重评级后获得一个修正因数θx。具体rx级对应的修正因数的数值可参考如下表3：
[0118]
表3修正因数表
[0119]
r1r2r30.51.02.0
[0120]
对于特殊事件，服务器暂时不能有效的评级，包括信誉分采集模块用户上传证据为假做了标记进行减分处理，加入一个特殊增减分项 ey来解决这个问题。
[0121]
随着服务器数据模型的增加，特殊事件会不断的减少。
[0122]
对于初始信誉分数值再引入一个修正因数w对其进行校正，例如当样本x＝0时，w＝1；随着x越来越大，w无限趋近于0。随着样本数据过大时，对初始信誉分数值进行修正，使信誉分在用户行为事件达到一定数量时增减速度变缓或者增加自采信誉数据在整个分数中的比重。例如具体计算公式如下：
[0123][0124]
其中k为一个常数，例如设置为1000，当x＝1000时w＝0.5。k 结合实际数据运行情况合理设置。
[0125]
结合初始信誉分数值的计算，用户信誉分数值的最终值 scorefinal的具体计算公式如下：
[0126][0127]
其中cdata1是用户从授权信用机构获取的初始信誉分值；k是一个常数；x是用户在数据库里现在的文明行为和不文明行为的总数；θx是第x个事件的修正因数；dx是第x个事件的正负分值；y是用户特殊事件的总个数；ey是用户第y个特殊事件的增减分值。
[0128]
根据实际运行情况，当scorefinal达到0.8倍score时，进行修正，使其增长趋势变缓；当x事件数量达到变量极限时，为了防止数据溢出，可以对其保存分值和x归零操作。
[0129]
信誉分通过上下时间节点数值比对来表述信誉分变化的状态。如果scorefinal的数值在增加，给用户信誉分变化的状态标记为“+”，代表的是用户这一段时间信誉分有所增加；如果scorefinal的数值在降低，给用户信誉分变化的状态标记为
“‑”
，代表的是用户这一段时间信誉分有所减少；如果scorefinal的数值在一段时间没有变化，给用户信誉分变化的状态标记为
“”
，
“”
代表用户是白户或者用户这一段时间无相应信誉分变化的行为。这里仅以一个简单的比对来讲述信誉分的状态，也可以用信誉分分趋势变化来讲述信誉分的状态，还有信誉分状态的标记也可以多样化，趋势的图片格式、表情包格式、简单对比后的图片格式表情包格式等，不局限于本发明中提到的“+”、
“‑”
和
“”
。
[0130]
数据运算后获得用户的最终信誉分与信誉分变化状态后，反馈用户应用端。
[0131]
实施例7
[0132]
在上述实施例基础上，具体实践中通过一种信用分或者一种信誉分或者多个模块结合的信誉分就可以与用户信息模块一起展示，也应包含在本发明中；本发明对用户定义包含个人、商户、企业及其他，只要可以使用本系统的用户也应该包含在本发明提到的用户；信誉分与用户信息一起展示模块，在具体实践中可以选择部分展示、部分不展示或全部不展示，多种组合的选择也应该包含在本发明中。
[0133]
实施例8
[0134]
在上述实施例基础上，本实施例信誉分状态的获取可以通过多种途径，不局限于本发明中提到趋势图和上下时间点比较来获取；信誉分状态的标记也可以多样化，图片格式，表情包格式等，不局限于本发明中提到的“+”、
“‑”
和
“”
；通过信誉分的变化，可以衍生很多形态，不局限于本发明提到的状态变化。
[0135]
实施例9
[0136]
在上述实施例基础上，本发明多次用到评级系统，发明中提到的以数字形式n个等级来进行分级只是一种举例方便说明这种评级系统，评级也可以有其他方式，例如一星机构，二星机构，三星机构，一星事件，三星事件。
[0137]
本发明中出现的公式和表格只是实现信誉分运算的一种方式，这种方式可以进行显而易见的扩展和缩减，例如针对初始信誉分与自算信誉分的结合，可以进行一种比重倾斜，再引入一个比重参数，自算信誉分在样本数据较小时占一个小比重，随着样本数据增加，前期比重缓慢增加，等样本数据积累到一定程度开始指数型增加无限趋近于 100％等；数据机构评级后再对数据进行比重计算，也可以进行不需要比重，直接数据相加求平均值运算；再例如表格1、表格2、表格3，评级对应的赋值，可以随意设计一种与评级数挂钩的合理公式或者不用公式直接进行预定义写入数据库，方便进行数据处理和调用。
[0138]
在本发明所提供的几个模块构建中，应该理解到，所揭露的服务器、模块系统和方法等，可以通过其它的方式实现。本发明中所描述模块构建方法仅仅是示意性的。在本发明系统构建的各功能模块可以集成在一个系统中，也可以是各个模块单独存在，也可以两个或两个以上模块集成在一个模块中。所述功能的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0139]
在本发明系统构建的各功能模块可以集成在一个系统中，也可以是各个模块单独存在，也可以两个或两个以上模块集成在一个模块中。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)和其余的智能设备执行本发明各个方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器 (ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0140]
最后应说明的是：以上各举例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各举例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各举例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各举例技术方案的范
围，其均应涵盖在本发明的权利要求和说明书的范围当中。