[发明专利]商户评分的计算方法、装置、设备及存储介质

权利要求书

1.一种商户评分的计算方法，其特征在于，所述方法包括：

获取商户在互联网平台上的用户评价；

根据所述用户评价计算得到所述商户的初始商户评分；

获取所述商户在所述互联网平台上的信用特征；

根据所述信用特征计算得到所述商户的商户信用评分；

根据所述商户信用评分对所述初始商户评分进行更新，得到更新后的商户评分。

2.根据权利要求1所述的方法，其特征在于，所述信用特征包括：用户评价波动特征和诚信行为特征；

所述根据所述信用特征计算得到所述商户的商户信用评分，包括：

根据所述用户评价波动特征计算所述商户的第一商户信用评分；

根据所述诚信行为特征计算所述商户的第二商户信用评分；

根据所述第一商户信用评分和所述第二商户信用评分计算得到第三商户信用评分，将所述第三商户信用评分确定为所述商户的商户信用评分。

3.根据权利要求1所述的方法，其特征在于，所述信用特征包括：用户评价波动特征；

所述根据所述信用特征计算得到所述商户的商户信用评分，包括：

根据所述用户评价波动特征计算所述商户的第一商户信用评分；

将所述第一商户信用评分确定为所述商户的商户信用评分。

4.根据权利要求1所述的方法，其特征在于，所述信用特征包括：诚信行为特征；

所述根据所述诚信行为特征计算得到所述商户的商户信用评分，包括：

根据所述诚信行为特征计算所述商户的第二商户信用评分；

将所述第二商户信用评分确定为所述商户的商户信用评分。

5.根据权利要求2或3所述的方法，其特征在于，所述用户评价波动特征包括：评价数量的波动特征、好评数量的波动特征、差评数量的波动特征中的至少一种；

所述根据所述用户评价波动特征计算所述商户的第一商户信用评分，包括：

将所述用户评价波动特征输入第一机器学习模型中进行预测，得到所述商户的评分类别，所述评分类别对应各自的评分区间；

根据所述评分类别计算所述商户的所述第一商户信用评分。

6.根据权利要求2或4所述的方法，其特征在于，所述诚信行为特征包括：是否存在作弊行为、在活动期间获得好评类型的用户评价的比例、正常评价的比例、正常且高质量的比例中的至少一种；

所述根据所述诚信行为特征计算所述商户的第二商户信用评分，包括：

将所述诚信行为特征输入第二机器学习模型中进行识别，得到所述商户的商户类型，所述商户类型包括：正常商户和作弊商户；

根据所述商户类型计算所述商户的所述第二商户信用评分。

7.根据权利要求2所述的方法，其特征在于，所述根据所述第一商户信用评分和所述第二商户信用评分计算得到第三商户信用评分，将所述第三商户信用评分确定为所述商户的商户信用评分，包括：

计算所述第一商户信用评分和第一权重的第一乘积；

计算所述第二商户信用评分和第二权重的第二乘积；

计算所述第一乘积和所述第二乘积的和，得到所述商户的商户信用评分。

8.根据权利要求1至7任一所述的方法，其特征在于，所述根据所述商户信用评分对所述初始商户评分进行更新，得到更新后的商户评分，包括：

根据所述商户信用评分计算出所述商户的信用质量权重；

将所述初始商户评分和所述信用质量权重相乘，得到所述更新后的商户评分。

9.根据权利要求1至7任一所述的方法，其特征在于，所述根据所述用户评价计算得到所述商户的初始商户评分，包括：

对所述商户的每个用户评价，获取所述用户评价的至少两个维度的评价特征；

根据所述至少两个维度的评价特征以及所述至少两个维度分别对应的评价权重，计算所述用户评价在所述至少两个维度下的评价加权分；

将所述商户的多个用户评价的评价加权分进行汇总，得到所述商户的初始商户评分。