本發(fā)明涉及用于等級評定的方法以及實現(xiàn)該方法的系統(tǒng)。

背景技術(shù)：

在各種工業(yè)和商業(yè)應用中，經(jīng)常需要對服務對象或者用戶進行等級評定以確定為該對象或者用戶提供的服務的類型或級別。例如，在傳統(tǒng)金融業(yè)或互聯(lián)網(wǎng)金融業(yè)中，通常會通過調(diào)查問卷的形式對服務對象或用戶進行風險承受能力評估，并且根據(jù)評估結(jié)果為服務對象或用戶提供適當?shù)姆铡Ｓ掷?，在制造業(yè)中，生產(chǎn)廠商(例如手機生產(chǎn)廠商)也會以調(diào)查問卷等形式對產(chǎn)品的購買對象或用戶的需求進行調(diào)查，根據(jù)調(diào)查結(jié)果確定不同對象或用戶的需求等級水平，從而為不同對象或用戶提供不同價格水平或種類的產(chǎn)品。

技術(shù)實現(xiàn)要素：

然而，上述以調(diào)查問卷的形式進行的評估受對象或用戶的主觀意愿的影響較大，常常無法客觀反映對象或用戶的真實情況。例如，在金融服務領域，調(diào)查對象可能會有意隱藏或編造自己的客觀信息，如收入水平、固定資產(chǎn)水平、投資經(jīng)驗等，使得調(diào)查問卷無法準確反映調(diào)查對象的真實的風險承受能力，從而不能為調(diào)查對象或用戶提供精確的服務或產(chǎn)品。

針對以上問題，本發(fā)明提供了一種用于進行等級評定的方法和實現(xiàn)該方法的系統(tǒng)，其不僅利用評估對象的輸入信息，而且利用通過大數(shù)據(jù)方式得到的評估對象的大數(shù)據(jù)信息來更加精確地對對象的等級進行評定，從而使得能夠為對象提供更加準確的服務或產(chǎn)品。

根據(jù)本發(fā)明的第一個方面，提供了一種用于等級評定的方法。該方法包括：接收評估對象的輸入信息；基于該評估對象的輸入信息計算該對象的第一維度評估值；從大數(shù)據(jù)源獲取與該評估對象有關的大數(shù)據(jù)信息；基于該評估對象的輸入信息和從大數(shù)據(jù)源獲取的與該評估對象有關的大數(shù)據(jù)信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個；基于該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值；以及基于該對象的第一維度評估值和第二維度評估值確定該對象的等級。

根據(jù)本發(fā)明的第二個方面，提供了一種用于等級評定的系統(tǒng)。該系統(tǒng)包括：接收單元，其被配置為接收評估對象的輸入信息；第一維度評估值計算單元，其被配置為基于該評估對象的輸入信息計算該對象的第一維度評估值；大數(shù)據(jù)獲取單元，其被配置為從大數(shù)據(jù)源獲取與該評估對象有關的大數(shù)據(jù)信息；第二維度評估值計算單元，其被配置為基于該評估對象的輸入信息和從大數(shù)據(jù)源獲取的與該評估對象有關的大數(shù)據(jù)信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個，并且基于該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值；以及對象等級確定單元，其被配置為基于該對象的第一維度評估值和第二維度評估值確定該對象的等級。

根據(jù)本發(fā)明的第三個方面，提供了一種用于等級評定的系統(tǒng)。該系統(tǒng)包括：處理器和存儲器，該存儲器包括可由該處理器運行的指令，該處理器被配置為運行該指令，以：接收評估對象的輸入信息；基于該評估對象的輸入信息計算該對象的第一維度評估值；從大數(shù)據(jù)源獲取與該評估對象有關的大數(shù)據(jù)信息；基于該評估對象的輸入信息和從大數(shù)據(jù)源獲取的與該評估對象有關的大數(shù)據(jù)信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個；基于該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值；以及基于該對象的第一維度評估值和第二維度評估值確定該對象的等級。

附圖說明

通過參考下列附圖所給出的本發(fā)明的具體實施方式的描述，將更好地理解本發(fā)明，并且本發(fā)明的其他目的、細節(jié)、特點和優(yōu)點將變得更加顯而易見，其中：

圖1示出了根據(jù)本發(fā)明的實施方式的整體系統(tǒng)的示意圖；

圖2示出了根據(jù)本發(fā)明的實施方式的用于等級評定的方法的流程圖；

圖3示出了根據(jù)本發(fā)明的實施方式的用于獲取第二維度評估值的第二分量的方法的流程圖；

圖4示出了根據(jù)本發(fā)明的實施方式的用于獲取第二維度評估值的第三分量的方法的流程圖；

圖5示出了根據(jù)本發(fā)明的一些實施例的一種用于等級評定的評定系統(tǒng)的方框圖；

圖6示出了適合實現(xiàn)本發(fā)明的實施例的評定系統(tǒng)的方框圖。

具體實施方式

下面將參照附圖更詳細地描述本發(fā)明的優(yōu)選實施方式。雖然附圖中顯示了本發(fā)明的優(yōu)選實施方式，然而應該理解，可以以各種形式實現(xiàn)本發(fā)明而不應被這里闡述的實施方式所限制。相反，提供這些實施方式是為了使本發(fā)明更加透徹和完整，并且能夠?qū)⒈景l(fā)明的范圍完整的傳達給本領域的技術(shù)人員。

圖1示出了根據(jù)本發(fā)明的實施方式的整體系統(tǒng)100的示意圖。如圖1中所示，整體系統(tǒng)100包括評定系統(tǒng)110、用戶設備120和大數(shù)據(jù)源130。評定系統(tǒng)110用于執(zhí)行根據(jù)本發(fā)明所述的用于等級評定的方法，其具體結(jié)構(gòu)如下面參照圖5和圖6詳細描述。在一些實現(xiàn)中，評定系統(tǒng)110可以是整體系統(tǒng)100中的一個單獨的或集成的組件，如服務器或處理器等，也可以是整體系統(tǒng)100的一個子系統(tǒng)。用戶設備120用于觸發(fā)評定系統(tǒng)110執(zhí)行針對特定用戶或?qū)ο蟮牡燃壴u定，向評定系統(tǒng)110輸入信息和/或從評定系統(tǒng)110接收評定結(jié)果。在一些實現(xiàn)中，用戶設備120可以是能夠通過有線或無線網(wǎng)絡與評定系統(tǒng)110進行通信的任何終端設備，包括但不限于移動終端、智能電話、臺式電腦、筆記本電腦、平板電腦、個人數(shù)字助理等。大數(shù)據(jù)源130用于向評定系統(tǒng)110提供與要評定的用戶或?qū)ο笥嘘P的各種信息。在一些實現(xiàn)中，大數(shù)據(jù)源130可以是存儲或記錄有要評定的用戶或?qū)ο蟮母鞣N信息的存儲器、數(shù)據(jù)庫、數(shù)據(jù)倉庫等。

圖2示出了根據(jù)本發(fā)明的實施方式的用于等級評定的方法200的流程圖。以下，在本發(fā)明的描述中，以對用戶或?qū)ο蟮耐顿Y能力和風險承受能力進行評定為例對根據(jù)本發(fā)明的方法200進行描述。然而，本領域技術(shù)人員可以理解，方法200可以類似的應用于利用多種數(shù)據(jù)來源對對象或用戶進行多維等級評定的任何應用場景中，而不脫離本發(fā)明的范圍。

方法200開始于步驟210，其中評定系統(tǒng)110從用戶設備120接收評估對象的輸入信息。在一種實現(xiàn)中，用戶設備120可以通過其上安裝的應用程序(app)或者通過Web端口等來觸發(fā)方法200并且向評定系統(tǒng)110輸入信息。從用戶設備120輸入的信息可以包括對象的客觀信息和主觀偏好信息。例如，在對用戶進行投資風險承受能力評定的應用場景中，對象的客觀信息可以包括多個客觀信息元素，如評估對象的職業(yè)、學歷、個人收入、家庭收入、資產(chǎn)狀況等，對象的主觀偏好信息也可以包括多個主觀信息元素，如評估對象的計劃投資期限、投資目的、理財觀點、投資經(jīng)驗等。又例如，在生產(chǎn)廠商對產(chǎn)品使用對象的需求水平進行評定的應用場景中，對象的客觀信息可以包括多個客觀信息元素，如對象的職業(yè)、學歷、個人收入、家庭收入等，對象的主觀偏好信息可以包括多個主觀信息元素，如評估對象的產(chǎn)品偏好類型、類似產(chǎn)品的既往使用情況、購買預算等。

接下來，在步驟220，評定系統(tǒng)110基于評估對象的輸入信息計算該對象的第一維度評估值。在一些實現(xiàn)中，評定系統(tǒng)110基于評估對象輸入的主觀偏好信息計算第一維度評估值，該第一維度評估值反映了評估對象的主觀偏好等級。例如，可以為輸入的多個主觀信息元素中的每個信息元素賦予相應的分值，并且通過將各個主觀信息元素的分值相加得到第一維度評估值。進一步地或者替換的，該第一維度評估值可以被歸一化或者標準化到特定的值區(qū)間，例如[1，100]的區(qū)間上。本領域技術(shù)人員可以理解，本發(fā)明并不局限于通過將各個主觀信息元素的分值相加來得到第一維度評估值這種實施方式，而是可以包括各種其他可行的算法，例如加權(quán)求和、求均值等等。

此外，在步驟220，評定系統(tǒng)110還可以對所計算的第一維度評估值進行分級。例如，評定系統(tǒng)110中可以存儲有多個分級閾值，用于將所計算的第一維度評估值映射到不同級別。這里，分級閾值可以根據(jù)應用的不同而不同，并且可以是經(jīng)驗得到的或者是根據(jù)應用需求而設置的，本文中不再贅述。在一種具體實例中，例如可以將第一維度評估值映射到1-5級。在對對象進行投資風險承受能力評估的應用場景下，第一維度評估值能夠反映對象的主觀風險偏好。

另一方面，在方法200被觸發(fā)之后，評定系統(tǒng)110還可以從大數(shù)據(jù)源130獲取與評估對象有關的大數(shù)據(jù)信息(步驟230)。所獲取的信息可以包括整體系統(tǒng)100內(nèi)存儲的與該評估對象有關的各種信息和/或整體系統(tǒng)100外部的可以由評定系統(tǒng)110訪問的與該評估對象有關的各種信息。

在步驟240，評定系統(tǒng)110可以根據(jù)從大數(shù)據(jù)源130獲取的與評估對象有關的大數(shù)據(jù)信息和評估對象的輸入信息來確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個。

在一些實現(xiàn)中，在步驟240，評定系統(tǒng)110可以基于評估對象(在步驟210)的輸入信息確定第二維度評估值的第一分量。在一種實現(xiàn)中，評定系統(tǒng)110可以基于評估對象輸入的客觀信息來計算該第一分量。例如，可以為輸入的多個客觀信息元素中的每個信息元素分別賦予相應的分值，并且通過將各個客觀信息元素的分值相加得到該第一分量。進一步地或者替換的，該第一分量可以被歸一化或者標準化到特定的值區(qū)間，例如[1，100]的區(qū)間上。本領域技術(shù)人員可以理解，本發(fā)明并不局限于通過將各個客觀信息元素的分值相加來得到第一分量這種實施方式，而是可以包括各種其他可行的算法，例如加權(quán)求和、求均值等等。

此外，在步驟240，評定系統(tǒng)110還可以對所獲得的第一分量進行分級。例如，評定系統(tǒng)110中可以存儲有多個分級閾值，用于將所計算的第一分量映射到不同級別。這里，分級閾值可以根據(jù)應用的不同而不同，并且可以是經(jīng)驗得到的或者是根據(jù)應用需求而設置的，本文中不再贅述。并且顯然，用于第一分量的分級閾值與上述用于第一維度評估值的分級閾值以及下面所述的用于第二分量和第三分量的分級閾值可以相同也可以不同。在一種具體實例中，例如可以將第一分量映射到1-5級。

在一些實現(xiàn)中，在步驟240，評定系統(tǒng)110可以基于從大數(shù)據(jù)源130獲取的與評估對象有關的信息利用規(guī)則模型獲得第二維度評估值的第二分量。圖3示出了根據(jù)本發(fā)明的實施方式的用于獲取第二維度評估值的第二分量的方法30的流程圖。仍然以對用戶進行投資風險承受能力評定為例，假設評定系統(tǒng)110從大數(shù)據(jù)源130獲得的與評估對象有關的信息包括如下特征變量：評估對象的婚姻狀況、教育水平、所在城市、年齡、資產(chǎn)總金額、固定資產(chǎn)狀況、月收入預估值、投資金額、期限、產(chǎn)品類型、消費行為等。

如圖3中所示，在步驟32，評定系統(tǒng)110根據(jù)特征變量的類型對上述特征變量分組，并向每個組賦予組權(quán)重值，向每個組中的每個特征變量賦予相應的變量權(quán)重值。在一種實現(xiàn)中，評定系統(tǒng)110將上述特征變量分為基本信息組(G1)、資產(chǎn)信息組(G2)、投資行為組(G3)和消費行為組(G4)。基本信息組(G1)可以包括評估對象的婚姻狀況(假設變量值為a(11)，權(quán)重為w(11))、教育水平(假設變量值為a(12)，權(quán)重為w(12))、所在城市(假設變量值為a(13)，權(quán)重為w(13))和年齡(假設變量值為a(14)，權(quán)重為w(14))等特征變量，其組權(quán)重為w(g1)；資產(chǎn)信息類組(G2)可以包括評估對象的資產(chǎn)總金額(假設變量值為a(21)，權(quán)重為w(21))、固定資產(chǎn)狀況(假設變量值為a(22)，權(quán)重為w(22))、月收入預估值(假設變量值為a(23)，權(quán)重為w(23))等特征變量，其組權(quán)重為w(g2)；投資行為組(G3)可以包括評估對象的投資金額(假設變量值為a(31)，權(quán)重為w(31))、期限(假設變量值為a(32)，權(quán)重為w(32))和產(chǎn)品類型(假設變量值為a(33)，權(quán)重為w(33))等特征變量，其組權(quán)重為w(g3)；消費行為組(G4)可以包括與評估對象的消費行為(假設變量值為a(41)，權(quán)重為w(41))相關的特征變量，其組權(quán)重為w(g4)。

本領域技術(shù)人員可以理解，上述分組方式和權(quán)重分配方式僅僅是示例性的，根據(jù)應用類型的不同和其他系統(tǒng)限制條件，還可以對特征變量進行其他形式的分組和權(quán)重分配而不脫離本發(fā)明的范圍。

接下來，在步驟34，評定系統(tǒng)110對每個組內(nèi)的特征變量進行加權(quán)求和：

基本信息組(G1)：

w(11)*a(11)+w(12)*a(12)+w(13)*a(13)+w(14)*a(14)

資產(chǎn)信息組(G2)：

w(21)*a(21)+w(22)*a(22)+w(23)*a(23)

投資行為組(G3)：

w(31)*a(31)+w(32)*a(32)+w(33)*a(33)

消費行為組(G4)：

w(41)*a(41)

在步驟36，評定系統(tǒng)110利用規(guī)則模型和所獲得的各個組的特征變量的加權(quán)和來計算第二分量。

例如，所計算的第二分量可以表示為：

其中，w(gi)表示第i組(在上面的實例中，i＝1，2，3，4)的組權(quán)重值，Ni表示第i組所包含的特征變量的個數(shù)，w(ij)表示第i組的第j個特征變量的權(quán)重值，a(ij)表示第i組的第j個特征變量的變量值，k是一個可調(diào)常量(例如k＝500)。

方法30還可以包括步驟38，評定系統(tǒng)110將所計算的第二分量進行分級。例如，評定系統(tǒng)110中可以存儲有多個分級閾值，用于將所計算的第二分量映射到不同級別。這里，分級閾值可以根據(jù)應用的不同而不同，并且可以是經(jīng)驗得到的或者是根據(jù)應用需求而設置的，本文中不再贅述。在一種具體實例中，例如可以將第二分量映射到1-5級。

進一步地或者替代地，在步驟38，評定系統(tǒng)110還可以將所計算的第二分量歸一化或者標準化到特定的值區(qū)間，例如[1，100]的區(qū)間上。

在一些實現(xiàn)中，在步驟240，評定系統(tǒng)110可以基于從大數(shù)據(jù)源130獲取的與評估對象有關的信息利用機器學習模型獲得第二維度評估值的第三分量。圖4示出了根據(jù)本發(fā)明的實施方式的用于獲取第二維度評估值的第三分量的方法40的流程圖。

如圖4中所示，在步驟42，評定系統(tǒng)110利用機器學習模型，對從大數(shù)據(jù)源130獲取的與評估對象有關的信息的各個維度的數(shù)據(jù)進行融合，并對各個樣本根據(jù)領域知識進行自動化標注。

具體地，在一種實現(xiàn)中，步驟42可以包括如下子步驟：

(1)根據(jù)領域知識找出跟目標變量最相關的特征變量，作為初始標注變量，加入到標注變量集中。

(2)從初始標注變量出發(fā)，統(tǒng)計各個變量之間的相關性，將相關性高的變量加入標注變量集。重復此過程直到找不到與標注變量集中的變量相關性高的變量。

(3)基于大數(shù)據(jù)統(tǒng)計，根據(jù)歷史情況下目標變量的分布比例數(shù)據(jù)，確定正負樣本的比例。

(4)根據(jù)所確定的正負樣本的比例確定每個變量的相應分位數(shù)作為標注正負樣本的閾值。

(5)統(tǒng)計每個樣本在每個變量上被標注的類別，當一個樣本被多個變量標注為同一類別時，將此樣本自動化標注為此類別。

在步驟44，評定系統(tǒng)110對各個維度的特征變量進行特征處理。

具體地，在一種實現(xiàn)中，如果所獲取的信息是連續(xù)變量，則評定系統(tǒng)110可以對該變量執(zhí)行對數(shù)變換、歸一化變換和平方根變換中的任何一個或多個。在另一種實現(xiàn)中，如果所獲取的信息是連續(xù)變量，則評定系統(tǒng)110還可以按照分位數(shù)對該變量執(zhí)行離散化處理，并將離散化后的變量與連續(xù)變量一起使用。此外，針對可能缺失的信息(即未能從大數(shù)據(jù)源130獲取的信息)，可以為其單獨生成一個一維變量以指示該變量是否缺失。

在步驟46，評定系統(tǒng)110利用機器學習模型對步驟42得到的自動化標注后的樣本和步驟44的特征處理后的特征變量進行建模。

可選的，步驟46還可以包括利用L1懲罰因子對所得到的模型進行優(yōu)化，以防止過擬合，解決異構(gòu)數(shù)據(jù)源的缺失、數(shù)據(jù)源內(nèi)部的共線性問題等。

接下來，在步驟48，評定系統(tǒng)110基于從大數(shù)據(jù)源130獲取的與評估對象有關的信息和步驟46得到的模型獲取評估對象的第二維度評估值的第三分量。

在一種實現(xiàn)中，第三分量可以表示為：

Sigmod(w0*x0+w1*x1+...wn*xn)，

其中xi表示第i個特征變量，wi表示第i個特征變量的權(quán)重值，Sigmod()表示S型函數(shù)。在一種實現(xiàn)中，Sigmod函數(shù)可以是邏輯回歸函數(shù)。

進一步地，在步驟48，評定系統(tǒng)110還可以將所得到的第三分量進行分級。例如，評定系統(tǒng)110中可以存儲有多個分級閾值，用于將所計算的第三分量映射到不同級別。這里，分級閾值可以根據(jù)應用的不同而不同，并且可以是經(jīng)驗得到的或者是根據(jù)應用需求而設置的，本文中不再贅述。在一種具體實例中，例如可以將第三分量映射到1-5級。

進一步地或者替代地，在步驟48，評定系統(tǒng)110還可以將所計算的第三分量歸一化或者標準化到特定的值區(qū)間，例如[1，100]的區(qū)間上。

再次參考圖2，在接下來的步驟250，評定系統(tǒng)110可以基于所確定的第二維度評估值的第一分量、第二分量和第三分量中的至少一個來確定該第二維度評估值。

在一種實現(xiàn)中，可以通過對第一分量、第二分量和第三分量進行加權(quán)求和來確定第二維度評估值。在一種具體實例中，例如可以將第二維度評估值映射到1-5級。在對對象進行投資風險承受能力評估的應用場景下，第二維度評估值能夠反映對象的客觀實力。

假設第一分量的權(quán)重為W1，第二分量的權(quán)重為W2，第三分量的權(quán)重為W3，則第二維度評估值可以表示為：

第一分量*W1+第二分量*W2+第三分量*W3。

可以理解，第一分量、第二分量和第三分量的權(quán)重值并不是固定設置的，而是可以根據(jù)從大數(shù)據(jù)源獲得的信息的情況動態(tài)設置。例如，第一分量、第二分量和第三分量的權(quán)重值可以根據(jù)模型中對象指標值的填充率來設置。當模型中對象指標值的填充率大于或等于第一閾值時，使用第一組權(quán)重值(W1，W2，W3)；當模型中對象指標值的填充率小于第一閾值并且大于或等于第二閾值時，使用第二組權(quán)重值(W1，W2，W3)；當模型中對象指標值的填充率大于第二閾值時，使用第三組權(quán)重值(W1，W2，W3)。

這里，對象指標值的填充率是指從大數(shù)據(jù)源未獲取到的對象的信息項數(shù)與待統(tǒng)計的總項數(shù)之間的比率，其指示了所能獲取的關于評估對象的信息的豐富性。當對象指標值的填充率較低時，表示獲取到的該對象的信息較多，當對象指標值的填充率較高時，表示獲取到的該對象的信息較少。在對用戶進行投資風險承受能力評估的應用場景下，當對象指標值的填充率較高時，可以將第一分量的權(quán)重值W1設置得較高些。

此外，各組權(quán)重值(W1，W2，W3)可以根據(jù)應用場景和需求的不同而不同地設置。

最后，在步驟260，評定系統(tǒng)110基于所確定的對象的第一維度評估值和第二維度評估值確定該對象的等級。

例如，假設第一維度評估值和第二維度評估值都被映射為1-5級，則可以通過5*5的表格來確定對象等級1-5，如下表所示。

進一步的，在將第一維度評估值和第二維度評估值的第一分量、第二分量、第三分量歸一化或標準化到特定值區(qū)間，如[1，100]的區(qū)間的情況下，還可以根據(jù)歸一化或標準化后的值確定對象的總分值，并且隨著對象的各個特征變量的變化而動態(tài)更新該總分值，以反映對象的變化的能力或等級。

圖5示出了根據(jù)本發(fā)明的一些實施例的一種用于等級評定的評定系統(tǒng)500的方框圖。評定系統(tǒng)500例如可以實現(xiàn)在上述評定系統(tǒng)110中或由上述評定系統(tǒng)110實現(xiàn)。

如圖5中所述，評定系統(tǒng)500包括接收單元510，其被配置為接收評估對象的輸入信息。評定系統(tǒng)500還包括第一維度評估值計算單元520，其被配置為基于該評估對象的輸入信息計算該對象的第一維度評估值。評定系統(tǒng)500還包括大數(shù)據(jù)獲取單元530，其被配置為從大數(shù)據(jù)源獲取與該評估對象有關的大數(shù)據(jù)信息。評定系統(tǒng)500還包括第二維度評估值計算單元540，其被配置為基于該評估對象的輸入信息和從大數(shù)據(jù)源獲取的與該評估對象有關的大數(shù)據(jù)信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個，并且基于該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值。評定系統(tǒng)500還包括對象等級確定單元550，其被配置為基于該對象的第一維度評估值和第二維度評估值確定該對象的等級。

在一些實現(xiàn)中，第二維度評估值計算單元540還被配置為：基于該評估對象輸入的客觀信息確定該第二維度評估值的第一分量。

在一些實現(xiàn)中，客觀信息包括多個客觀信息元素，其中第二維度評估值計算單元540還被配置為：為該多個客觀信息元素中的每個信息元素分別賦予相應的分值，將該多個客觀信息元素中的每個信息元素的分值相加以確定該第一分量。

在一些實現(xiàn)中，第二維度評估值計算單元540還被配置為：基于從該大數(shù)據(jù)源獲取的與該評估對象有關的大數(shù)據(jù)信息，利用規(guī)則模型確定該第二維度評估值的第二分量。

在一些實現(xiàn)中，與評估對象有關的信息包括多個特征變量，并且其中第二維度評估值計算單元540還被配置為：根據(jù)類型對該多個特征變量分組，并向每個組賦予組權(quán)重值，向每個組中的每個特征變量賦予相應的變量權(quán)重值；對每個組內(nèi)的特征變量進行加權(quán)求和；利用規(guī)則模型和所獲得的各個組的特征變量的加權(quán)和來計算該第二分量。

在一些實現(xiàn)中，第二維度評估值計算單元540還被配置為：基于從該大數(shù)據(jù)源獲取的與該評估對象有關的信息，利用機器學習模型獲得該第二維度評估值的第三分量。

在一些實現(xiàn)中，與評估對象有關的信息包括多個特征變量，并且其中第二維度評估值計算單元540還被配置為：利用機器學習模型，對從該大數(shù)據(jù)源獲取的與該評估對象有關的信息的各個維度的數(shù)據(jù)進行融合，并對各個樣本根據(jù)領域知識進行自動化標注；對各個維度的特征變量進行特征處理；利用機器學習模型對得到的自動化標注后的樣本和特征處理后的特征變量進行建模；基于從該大數(shù)據(jù)源獲取的與該評估對象有關的信息和建模得到的模型獲取該評估對象的第二維度評估值的第三分量。

在一些實現(xiàn)中，第二維度評估值計算單元540還被配置為：通過對該第一分量、該第二分量和該第三分量進行加權(quán)求和來確定該第二維度評估值。

在一些實現(xiàn)中，等級確定單元550還被配置為：將該第一維度評估值和該第二維度評估值分別映射到不同級別，以確定該對象的等級。

應當理解，圖5中所示的評定系統(tǒng)500可以部分或全部地由軟件模塊、硬件模塊、固件模塊或者其任意組合來實現(xiàn)，本發(fā)明的范圍在此方面不受限制。例如，在基于硬件的實現(xiàn)中，可以使用集成電路(IC)、專用集成電路(ASIC)、片上系統(tǒng)(SOC)、現(xiàn)場可編程門陣列(FPGA)等硬件設備來實現(xiàn)上文描述的一個或多個單元。

圖6示出了適合實現(xiàn)本發(fā)明的實施例的評定系統(tǒng)600的方框圖。評定系統(tǒng)600可以用來實現(xiàn)如圖1中所示的評定系統(tǒng)110或者如圖5中所示的評定系統(tǒng)500。

如圖6中所示，評定系統(tǒng)600包括處理器610以及耦接到處理器610的存儲器620。存儲器620存儲有可由處理器610運行的指令630。存儲器620可以是適用于本地技術(shù)環(huán)境的任何合適的類型，并且可以利用任何合適的數(shù)據(jù)存儲技術(shù)來實現(xiàn)，包括但不限于基于半導體的存儲器件、磁存儲器件和系統(tǒng)、光存儲器件和系統(tǒng)。盡管圖6中僅僅示出了一個存儲器單元，但是在設備600中可以有多個物理不同的存儲器單元。

處理器610可以是適用于本地技術(shù)環(huán)境的任何合適的類型，并且可以包括但不限于通用計算機、專用計算機、微處理器、數(shù)字信號處理器(DSP)以及基于處理器的多核處理器架構(gòu)中的一個或多個多個。設備600也可以包括多個處理器610。處理器610被配置為運行指令630以執(zhí)行如圖2所示的方法200。

利用本發(fā)明提供的方法，不僅利用了評估對象的輸入信息，而且利用通過大數(shù)據(jù)方式得到的評估對象的大數(shù)據(jù)信息來對對象的等級進行評估，從而有助于為該對象提供更加準確的產(chǎn)品或服務。

在一個或多個示例性設計中，可以用硬件、軟件、固件或它們的任意組合來實現(xiàn)本申請所述的功能。例如，如果用軟件來實現(xiàn)，則可以將所述功能作為一個或多個指令或代碼存儲在計算機可讀介質(zhì)上，或者作為計算機可讀介質(zhì)上的一個或多個指令或代碼來傳輸。

本文公開的評定系統(tǒng)的各個單元可以使用分立硬件組件來實現(xiàn)，也可以集成地實現(xiàn)在一個硬件組件，如處理器上。例如，可以用通用處理器、數(shù)字信號處理器(DSP)、專用集成電路(ASIC)、現(xiàn)場可編程門陣列(FPGA)或其它可編程邏輯器件、分立門或者晶體管邏輯、分立硬件組件或用于執(zhí)行本文所述的功能的任意組合來實現(xiàn)或執(zhí)行結(jié)合本公開所描述的各種示例性的邏輯塊、模塊和電路。

本領域普通技術(shù)人員還應當理解，結(jié)合本申請的實施例描述的各種示例性的邏輯塊、模塊、電路和算法步驟可以實現(xiàn)成電子硬件、計算機軟件或二者的組合。例如，如果以計算機軟件來實現(xiàn)本文所述的連接器，可以將該計算機軟件實現(xiàn)在任何已知的或?qū)砜芍木哂芯W(wǎng)絡連接能力的家庭設備上，例如機頂盒、家庭基站等。如果以硬件來實現(xiàn)本文所述的連接器，則可以將該連接器實現(xiàn)為獨立的硬件設備，或者集成在任何已知的或?qū)砜芍募彝ピO備上，例如機頂盒、家庭基站等。

本公開的以上描述用于使本領域的任何普通技術(shù)人員能夠?qū)崿F(xiàn)或使用本公開。對于本領域普通技術(shù)人員來說，本公開的各種修改都是顯而易見的，并且本文定義的一般性原理也可以在不脫離本公開的精神和保護范圍的情況下應用于其它變形。因此，本公開并不限于本文所述的實例和設計，而是與本文公開的原理和新穎性特性的最廣范圍相一致。