基于评分模板的处理方法、装置、设备、存储介质及产品

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种基于评分模板的处理方法、装置、设备、存储介质及产品。

背景技术

目前，在很多业务场景中，需要对业务场景中涉及的主体进行评分，以选择合适的主体进行相关业务。例如，采购业务场景中，需要对供应商进行评分，以选择合适的供应商进行相关物品或服务的采购。

在评分时，通常采用固有的评分模板进行评分，灵活性差，评分结果不准确。

发明内容

本发明实施例提供一种基于评分模板的处理方法、装置、设备、存储介质及产品，可以优化现有的基于评分模板的处理方案。

第一方面，本发明实施例提供了一种基于评分模板的处理方法，包括：

获取预设类型业务中的目标业务环节对应的评分场景特征，其中，所述评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，所述预设对象由待进行评分的候选主体提供；

将所述评分场景特征输入至所述目标业务环节对应的预设模板推荐模型；

根据所述预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，其中，所述推荐评分模板用于对所述候选主体进行评分。

第二方面，本发明实施例还提供了一种基于评分模板的处理装置，包括：

评分场景特征获取模块，用于获取预设类型业务中的目标业务环节对应的评分场景特征，其中，所述评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，所述预设对象由待进行评分的候选主体提供；

特征输入模块，用于将所述评分场景特征输入至所述目标业务环节对应的预设模板推荐模型；

推荐模板确定模块，用于根据所述预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，其中，所述推荐评分模板用于对所述候选主体进行评分。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的基于评分模板的处理方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的基于评分模板的处理方法。

第五方面，本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如本发明实施例中任一所述的基于评分模板的处理方法。

本发明实施例提供的基于评分模板的处理方案，获取预设类型业务中的目标业务环节对应的评分场景特征，其中，评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，预设对象由待进行评分的候选主体提供，将评分场景特征输入至目标业务环节对应的预设模板推荐模型，根据预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，其中，推荐评分模板用于对候选主体进行评分。通过采用上述技术方案，对于预设类型业务中当前关注的业务环节，基于业务元素特征、用户操作特征以及预设对象的对象类别特征来全面地表征当前的评分场景，并利用对应的预设模板推荐模型根据当前的评分场景特征进行评分模板的推荐，使得在对候选主体进行评分时，可以使用更加灵活地贴合具体的评分场景的评分模板进行评分，使得评分结果更加符合实际情况，更加准确。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的一种基于评分模板的处理方法的流程图；

图2为本发明实施例提供的又一种基于评分模板的处理方法的流程图；

图3为本发明实施例所提供的一种基于评分模板的处理装置的结构示意图；

图4是实现本发明实施例的基于评分模板的处理方法的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

图1为本发明实施例提供的一种基于评分模板的处理方法的流程图，本公开实施例适用于基于评分模板对候选主体进行评价的情形，该方法可以由基于评分模板的处理装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是手机、智能手表、平板电脑以及个人数字助理等移动终端，也可以为个人计算机(Personal Computer，PC)端或服务器等设备。

步骤101、获取预设类型业务中的目标业务环节对应的评分场景特征，其中，所述评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，所述预设对象由待进行评分的候选主体提供。

本发明实施例中，候选主体可以理解为与预设类型业务相关联的待评价的主体，具体类型可以根据预设类型业务确定。上述主体用于提供预设对象，预设对象的类型也可以根据预设类型业务确定。预设类型业务例如可以是采购业务(或采购管理业务)，对应的主体可包括供应商，对应的预设对象可以包括采购对象等；预设类型业务例如还可以是视频推送业务，对应的主体可包括视频发布方或视频制作方，对应的预设对象可以包括视频。为了便于说明，下文中以采购业务为例进行说明。

示例性的，业务流程中通常包含多个业务环节，以采购业务为例，业务环节可以包括如采购信息发布环节、供应商竞标环节、供应商谈判环节、供应商履约环节、以及验收环节等等。针对不同的业务环节，对候选主体的关注侧重点以及不同侧重点的关注程度等均可能不同。本发明实施例中，可针对具体的业务环节来确定对应的评分模板，目标业务环节可以理解为预设类型业务中当前关注的业务环节，或预设类型业务当前所处的业务环节。

相关技术中，在对供应商进行评分时，通常采用预设的固定的评分模板进行评分，而实际的业务开展过程中，往往会存在丰富多样的因素使得同一业务环节中，对候选主体的关注侧重点以及不同侧重点的关注程度等也可能不同，固化的评分模板难以有针对性地进行评分，造成评分结果不准确，从而难以根据评分结果合理选择需要采用的供应商。

本发明实施例中，获取影响评分侧重点的因素的相关信息作为评分场景特征，并利用预设模板推荐模型进行精准的评分模板推荐。其中，评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，还可以根据实际需求设定更加丰富的场景特征。业务元素特征可以理解为业务相关的静态特征，用户操作特征可以理解为业务相关的动态特征。用户可以理解为预设类型业务的业务人员，如采购管理人员等。

可选的，所述业务元素特征包括是否存在初选主体、初选主体名称、是否存在历史主体、历史主体名称、是否已生成业务方案数据以及业务方案数据中的至少一项。这样设置的好处在于，可以准确地描述业务相关静态特征。以采购业务为例，业务元素特征可以包括，是否存在预先筛选出来的供应商，若存在，则还可以包括预设筛选出来的供应商的名称；还可以包括是否存在曾经采用过的供应商，若存在，则还可以包括曾经采用过的供应商的名称；还可以包括是否已经生成采购业务方案，若已生成，还可包括采购业务方案中的相关数据。

可选的，所述用户操作特征包括是否已进行主体选取操作、是否已进行业务方案创建操作、以及是否输入重新推荐操作中的至少一项。这样设置的好处在于，可以准确地描述业务相关动态特征。以采购业务为例，可以包括用户是否进行过供应商选取操作，还可以包括用户是否进行过采购方案创建操作，还可以包括用户是否在对推荐的评分不满意的情况下重新发起评分模板的推荐操作等。

示例性的，以采购业务为例，预设对象包括采购对象，对象类别特征可以包括产品和服务，不同类别的评分关注点可能不同，产品类可能更关注产品品质和产品供应情况，而服务类可能更关注服务质量和服务体验等。可选的，还可以包括更细粒度的类别。以产品为例，可包括办公用品、日用品、电子产品和食品等；以服务为例，可以包括工程类服务、物业类服务和软件开发类服务等。

步骤102、将所述评分场景特征输入至所述目标业务环节对应的预设模板推荐模型。

示例性的，可预先针对不同的业务环节分别训练对应的模板推荐模型，在获取到评分场景特征后，读取目标业务环节对应的预设模板推荐模型，或调用目标业务环节对应的预设模板推荐模型的输入接口，将所获取到的评分场景特征输入至预设模板推荐模型中。

示例性的，在获取到多维的评分场景特征后，还可通过降维方式，将多维的特征拉平为单维度特征，作为模型的输入，提高模型的运算效率。

可选的，预设模板推荐模型例如可以基于决策树模型训练得到。在模型训练阶段，可以采集大量的评分场景特征数据，根据业务方经验对采集的数据进行标注，得到训练集，针对不同的业务环节分别进行相应的模板推荐模型的训练。

步骤103、根据所述预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，其中，所述推荐评分模板用于对所述候选主体进行评分。

示例性的，可以预先构建预设评分模板库，预设评分模板库中可以包含多个评分模板，评分模板可以按照模板名称进行存储，还可进一步对评分模板进行分类。预设模板推荐模型可以输出预设评分模板库中各评分模板对应的第一推荐概率值，也可以输出预设评分模板库中各评分模板类别对应的第二推荐概率值。可选的，可以从高至低对第一推荐概率值进行排序，选取排名前N的第一推荐概率值对应的评分模板作为推荐评分模板；也可以从高至低对第二推荐概率值进行排序，选取排名前M的第一推荐概率值对应的评分模板类别作为推荐评分模板类别，将推荐评分模板类别中包含的评分模板作为推荐评分模板。

本发明实施例提供的基于评分模板的处理方法，获取预设类型业务中的目标业务环节对应的评分场景特征，其中，评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，预设对象由待进行评分的候选主体提供，将评分场景特征输入至目标业务环节对应的预设模板推荐模型，根据预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，其中，推荐评分模板用于对候选主体进行评分。通过采用上述技术方案，对于预设类型业务中当前关注的业务环节，基于业务元素特征、用户操作特征以及预设对象的对象类别特征来全面地表征当前的评分场景，并利用对应的预设模板推荐模型根据当前的评分场景特征进行评分模板的推荐，使得在对候选主体进行评分时，可以使用更加灵活地贴合具体的评分场景的评分模板进行评分，使得评分结果更加符合实际情况，更加准确。

在一些实施例中，在所述确定推荐评分模板之后，还包括：输出所述推荐评分模板；接收用户针对所述推荐评分模板输入的选择操作，并根据所述选择操作将被选中的推荐评分模板确定为目标评分模板。这样设置的好处在于，根据用户的操作从推荐评分模板中确定最终用于评价候选主体的目标评分模板，进一步提高评分模板选择的合理性，提高评分准确度。

示例性的，可以在前端页面中显示多个推荐评分模板和对应的选择控件，用户通过触发选择控件进行推荐评分模板的选择。

在一些实施例中，在所述确定推荐评分模板之后，还包括：输出所述推荐评分模板；响应于用户针对所述推荐评分模板的拒绝操作，显示模板筛选页面；接收用户基于所述模板筛选页面输入的目标评分维度和目标对象类别；根据所述目标业务环节、所述目标评分维度和所述目标对象类别确定目标评分模板名称；根据所述目标评分模板名称从所述预设评分模板库中获取对应的目标评分模板。这样设置的好处在于，当用户对所推荐的评分模板不满意时，可以自主进行评分模板的灵活选择，进一步提高评分模板选择的合理性，提高评分准确度。

示例性的，输出所述推荐评分模板后，可以通过显示提示信息的方式询问用户是否选择推荐评分模板，若用户触发“否”选项，可认为输入拒绝操作，则显示模板筛选页面。预设评分模板库中的评分模板可以业务环节-评分维度-对象类别进行命名，用户可以在模板筛选页面输入的目标评分维度和目标对象类别，根据目标业务环节、目标评分维度和目标对象类别组合出目标评分模板名称，进而从所述预设评分模板库中获取与目标评分模板名称一致的评分模板作为目标评分模板。

其中，以采购场景为例，评分维度可以包括如基础信息维度、业务执行维度以及履约情况维度等。模板筛选页面中可以显示多个评分维度供用户选择，并确定用户选择的目标评分维度。不同评分维度下可以存在多种评分指标。其中，基础信息维度例如可包括供应商的属性信息，如成立时间、员工人数以及产能等；业务执行维度例如可包括供应商的配合度等；履约指标例如可包括合约完成情况，如完成质量，是否存在违约项目等。

在一些实施例中，还包括：获取所述候选主体的与所述目标评分模板中的目标评分指标对应的候选主体数据；依据所述目标评分模板、所述候选主体数据、以及所述目标评分指标对应的目标权重系数，确定所述候选主体的得分。这样设置的好处在于，在采用目标评分模板对候选主体进行评分时，为不同的评分指标确定对应的目标权重系数，使得评分结果更加准确。

在一些实施例中，所述目标评分模板包括多个，不同目标评分模板对应不同的目标评分维度；获取所述候选主体对应的基于不同目标评分模板得到的得分集合；将所述得分集合中的得分，以及得分关联的目标评分维度，输入至预设等级评价模型；根据所述预设等级评价模型的输出，确定所述候选主体对应的评价等级。这样设置的好处在于，可以利用模型输出候选主体在多个评分维度的评价等级，评价等级可以作为画像标签，对候选主体进行评价画像分析，进一步帮助用户合理选择目标主体。

示例性的，所述预设等级评价模型基于卷积神经网络模型训练得到，具体可以是基于深度卷积神经网络(Deep Convolutional Neural Network，DCNN)的分类模型，采用AdaDelta自适应学习率的优化方法用以加速模型的优化速度，初期训练阶段可通过修正数据集标签使模型更加准确。

在一些实施例中，还包括：获取所述候选主体与历史竞争主体的组合信息，其中，所述组合信息中包括所述候选主体与相同历史竞争主体的组合次数；其中，所述将所述得分集合中的得分，以及得分关联的目标评分维度，输入至预设等级评价模型，包括：将所述得分集合中的得分、得分关联的目标评分维度以及所述组合信息，输入至预设等级评价模型。这样设置的好处在于，可以进一步丰富评价画像标签，有利于识别候选主体的减分行为。

示例性的，以采购场景为例，多个候选供应商存在竞争关系，可以根据组合信息来识别候选供应商的恶意行为，如恶意围标行为。例如，以候选供应商参与过的项目作为基础，分析每次项目谈判过程与该候选供应商共同参与谈判的组合情况，例如统计当前候选供应商与某个竞争供应商同时出现在一个项目中的次数，若当前候选供应商与多个竞争供应商同时出现在一个项目中的次数均大于1，可以对次数进行累计，例如当前候选供应商为E，E和竞争供应商F曾同时出现在5个项目中，E和竞争供应商G曾同时出现在4个项目中，则次数为9。组合次数越高，则可认为存在恶意行为的概率更高，将作为候选主体的减分项。

在一些实施例中，根据所述预设等级评价模型的输出，确定所述候选主体对应的评价等级，包括：根据所述预设等级评价模型的输出，确定所述候选主体对应的多个评价等级，其中，所述多个评价等级包括每个目标评分维度对应的第一评价等级，以及所述组合信息对应的第二评价等级；基于预设计算规则，对所述第一评价等级和所述第二评价等级进行计算，得到所述候选主体对应的综合等级；根据所述综合等级确定所述目标业务环节对应的推荐主体。这样设置的好处在于，可以针对每个候选主体计算综合等级，为用户提供更加全面的参考信息，帮助用户快速准确地选择合适的目标主体。

图2为本发明实施例提供的又一种基于评分模板的处理方法的流程图，在上述各可选实施例基础上进行优化，如图2所示，该方法可包括：

步骤201、获取预设类型业务中的目标业务环节对应的评分场景特征。

其中，所述评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，所述预设对象由待进行评分的候选主体提供。业务元素特征包括是否存在初选主体、是否存在历史主体、以及是否已生成业务方案数据；用户操作特征包括是否已进行主体选取操作、是否已进行业务方案创建操作、以及是否输入重新推荐操作。

步骤202、将评分场景特征输入至目标业务环节对应的预设模板推荐模型，根据预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，并输出推荐评分模板。

其中，预设模板推荐模型基于决策树模型训练得到。

可选的，所述预设评分模板库通过以下方式得到：针对每个评分维度，分别建立对象类别与评分指标的对应关系，形成指标库；针对每个业务环节下的每个评分维度的每个对象类别，多次获取用户从所述指标库中选取的备选指标，形成多个初始模板，计算多个初始模板中的各备选指标的占比，根据所述占比对各备选指标进行排序，并根据排序结果从各备选指标中确定入选指标，根据所述入选指标生成标准评价模板；根据所述标准评价模板构建预设评分模板库。这样设置的好处在于，合理构建丰富准确的预设评分模板库，为评分模板的准确推荐奠定基础。

示例性的，以采购场景为例，评分维度可以包括如基础信息维度、业务执行维度以及履约情况维度等。通过收集供应商相关数据，获取能够用于评价供应商的评分指标集合，按照对象类别对评分指标集合中的指标进行分组，使得具体的评分指标落入以评分指标为横轴、以及对象类别为纵轴的网格中，形成指标库。

示例性的，可提供可视化评价模板生成程序，以采购场景为例，采购管理人员可以通过前台的模板配置界面输入业务环节，以便为所输入的业务环节配置初始模板。例如，针对当前输入的业务环节，用户可以进一步在模板配置界面输入当前评分维度和当前对象类别，随后，模板配置界面可以显示指标库中，当前评分维度下的当前对象类别对应的全部评分指标或推荐评分指标，由用户从中选取备选指标，形成对应的初始模板。其中，多次获取可以包括获取多个用户分别选取的备选指标。示例性的，按照业务环节-评分维度-对象类别为唯一标识，对相应的初始模板进行归类存储，也即存储多个初始模板集合，每个初始模板集合对应一个模板标识。对于同一类的初始模板，可以计算其中出现的各备选指标的占比，进而进行入选指标的确定。例如，业务环节A-评分维度A-对象类别A对应的初始模板集合中，包含3个初始模板，初始模板1中包含备选指标a、b、c和d，初始模板2中包含备选指标a、b、e和f，初始模板3中包含备选指标a、e、f和g，则总计出现7个备选指标，分别计算各备选指标的占比，例如，a的占比为3/7，b的占比为2/7等，选择占比较高的或占比大于或等于预设阈值的备选指标作为入选指标。假设预设阈值为2/7，则入选指标可包括a、b、e和f，则业务环节A-评分维度A-对象类别A对应的标准评价模板中包含的评价指标包括a、b、e和f。

示例性的，针对每个模板标识按照上述方式生成对应的标准评价模板，根据所生成的所有标准评价模板构建预设评分模板库。

可选的，所述根据所述标准评价模板构建预设评分模板库，包括：针对每个标准评价模板，获取用户输入的多个权重组合，针对所述多个权重组合中的每个权重组合，利用历史主体数据计算所述标准评价模板的备选得分，根据备选得分的分布情况确定目标权重组合，根据所述目标权重组合确定为标准权重系数；根据每个标准评价模板以及每个标准评价模板对应的标准权重系数，构建预设评分模板库。这样设置的好处在于，合理地设定标准评价模板对应的标准权重系数，进一步提高利用标准评价模板进行评分时的准确度。

示例性的，针对每个标准评价模板，可以由用户设置多个权重组合，每个权重组合中包含当前标准评价模板中的各评分指标的权重系数。针对每个权重组合，获取供应商历史数据，依据标准评价模板和当前权重组合来计算供应商的备选得分，根据备选得分的分布情况选择合适的目标权重组合，例如，将备选得分中的中位数对应的权重组合确定为目标权重组合。

步骤203、判断用户是否选择使用推荐评分模板，若是，则执行步骤204；否则，执行步骤205。

示例性的，若用户针对推荐评分模板输入了的选择操作，则认为用户选择使用推荐评分模板，若输出推荐评分模板后的预设时长内，未接收到用户操作，或用户输入拒绝操作，则认为用户未选择使用推荐评分模板。

步骤204、根据用户针对所述推荐评分模板输入的选择操作，将被选中的推荐评分模板确定为目标评分模板。

步骤205、显示模板筛选页面，接收用户基于所述模板筛选页面输入的目标评分维度和目标对象类别，根据目标业务环节、目标评分维度和目标对象类别确定目标评分模板名称，根据目标评分模板名称从预设评分模板库中获取对应的目标评分模板。

步骤206、获取候选主体的与目标评分模板中的目标评分指标对应的候选主体数据，依据目标评分模板、候选主体数据、以及目标评分指标对应的目标权重系数，确定候选主体的得分。

步骤207、获取候选主体对应的基于不同目标评分模板得到的得分集合，获取所述候选主体与历史竞争主体的组合信息。

步骤208、将得分集合中的得分、得分关联的目标评分维度以及组合信息，输入至预设等级评价模型。

步骤209、根据预设等级评价模型的输出，确定候选主体对应的多个评价等级，其中，多个评价等级包括每个目标评分维度对应的第一评价等级，以及组合信息对应的第二评价等级。

示例性的，假设当前使用的目标评分模板包括2个，分别对应于基础信息维度和业务执行维度，则第一评价等级包括基础信息维度对应的评价等级x，以及业务执行维度对应的评价等级y，第二评价等级包括恶意组合行为的评价等级z。

可选的，可以在页面中针对每个候选主体显示对应的多个评价等级，帮助用户在不同维度分别了解每个候选主体的评价情况。

步骤210、基于预设计算规则，对第一评价等级和第二评价等级进行计算，得到候选主体对应的综合等级。

示例性的，由于第二评价等级对应于候选主体的减分行为，因此，可在确定综合等级时，进行相应的惩罚。预设计算规则例如可以是加权求和，第一评价等级对应的加权系数为正数，而第二评价等级对应的加权系数为负数。例如，综合等级＝k1*x+k2*y-k3*z，其中，k、k2和k3均大于0。

步骤211、根据综合等级确定目标业务环节对应的推荐主体。

示例性的，若候选主体为10个，则根据各个候选主体对应的综合等级进行排序，将排名靠前的候选主体确定为当前业务环节对应的推荐主体，并提供给用户。

本发明实施例提供的基于评分模板的处理方法，在利用目标业务环节对应的预设模板推荐模型针对当前的评分场景特征输出推荐评分模板的基础上，允许用户自主通过输入评分维度以及对象类别等模板名称组成要素来选择预设评分模板库中的模板，从而灵活地选定合适的评分模板，并利用所选模板进行评分，当所确定的目标评分模板为多个时，利用预设等级评价模型对不同的评分维度以及候选主体的组合情况分别进行评级，灵活地考虑多种等级评价因素，进而得出更加符合当前场景的等级评价结果，为用户提供准确的评价参考信息。

图3为本发明实施例所提供的一种基于评分模板的处理装置的结构示意图，所述装置包括：

评分场景特征获取模块301，用于获取预设类型业务中的目标业务环节对应的评分场景特征，其中，所述评分场景特征中包括业务元素特征、用户操作特征以及预设对象的对象类别特征，所述预设对象由待进行评分的候选主体提供；

特征输入模块302，用于将所述评分场景特征输入至所述目标业务环节对应的预设模板推荐模型；

推荐模板确定模块303，用于根据所述预设模板推荐模型的输出，从预设评分模板库中确定推荐评分模板，其中，所述推荐评分模板用于对所述候选主体进行评分。

本发明实施例提供的基于评分模板的处理装置，对于预设类型业务中当前关注的业务环节，基于业务元素特征、用户操作特征以及预设对象的对象类别特征来全面地表征当前的评分场景，并利用对应的预设模板推荐模型根据当前的评分场景特征进行评分模板的推荐，使得在对候选主体进行评分时，可以使用更加灵活地贴合具体的评分场景的评分模板进行评分，使得评分结果更加符合实际情况，更加准确。

可选的，该装置还包括：

推荐评分模板输出模块，用于在所述确定推荐评分模板之后，输出所述推荐评分模板；

目标评分模板确定模块，用于接收用户针对所述推荐评分模板输入的选择操作，并根据所述选择操作将被选中的推荐评分模板确定为目标评分模板。

可选的，所述业务元素特征包括是否存在初选主体、初选主体名称、是否存在历史主体、历史主体名称、是否已生成业务方案数据以及业务方案数据中的至少一项；所述用户操作特征包括是否已进行主体选取操作、是否已进行业务方案创建操作、以及是否输入重新推荐操作中的至少一项。

可选的，该装置还包括：

推荐评分模板输出模块，用于在所述确定推荐评分模板之后，输出所述推荐评分模板；

模板筛选页面显示模块，用于响应于用户针对所述推荐评分模板的拒绝操作，显示模板筛选页面；

接收模块，用于接收用户基于所述模板筛选页面输入的目标评分维度和目标对象类别；

模板名称确定模块，用于根据所述目标业务环节、所述目标评分维度和所述目标对象类别确定目标评分模板名称；

目标评分模板获取模块，用于根据所述目标评分模板名称从所述预设评分模板库中获取对应的目标评分模板。

可选的，该装置还包括：

候选主体数据获取模块，用于获取所述候选主体的与所述目标评分模板中的目标评分指标对应的候选主体数据；

得分确定模块，用于依据所述目标评分模板、所述候选主体数据、以及所述目标评分指标对应的目标权重系数，确定所述候选主体的得分。

可选的，所述目标评分模板包括多个，不同目标评分模板对应不同的目标评分维度；所述装置还包括：

得分集合获取模块，用于获取所述候选主体对应的基于不同目标评分模板得到的得分集合；

模型输入模块，用于将所述得分集合中的得分，以及得分关联的目标评分维度，输入至预设等级评价模型；

评价等级确定模块，用于根据所述预设等级评价模型的输出，确定所述候选主体对应的评价等级。

可选的，该装置还包括：

组合信息获取模块，用于获取所述候选主体与历史竞争主体的组合信息，其中，所述组合信息中包括所述候选主体与相同历史竞争主体的组合次数；

其中，所述模型输入模块具体用于：将所述得分集合中的得分、得分关联的目标评分维度以及所述组合信息，输入至预设等级评价模型。

可选的，评价等级确定模块，包括：

评价等级确定子单元，用于根据所述预设等级评价模型的输出，确定所述候选主体对应的多个评价等级，其中，所述多个评价等级包括每个目标评分维度对应的第一评价等级，以及所述组合信息对应的第二评价等级；

综合等级确定子单元，用于基于预设计算规则，对所述第一评价等级和所述第二评价等级进行计算，得到所述候选主体对应的综合等级；

推荐主体确定子单元，用于根据所述综合等级确定所述目标业务环节对应的推荐主体。

可选的，所述预设推荐模板模型基于决策树模型训练得到，所述预设等级评价模型基于卷积神经网络模型训练得到。

可选的，所述预设评分模板库通过以下方式得到：

针对每个评分维度，分别建立对象类别与评分指标的对应关系，形成指标库；

针对每个业务环节下的每个评分维度的每个对象类别，多次获取用户从所述指标库中选取的备选指标，形成多个初始模板，计算多个初始模板中的各备选指标的占比，根据所述占比对各备选指标进行排序，并根据排序结果从各备选指标中确定入选指标，根据所述入选指标生成标准评价模板；

根据所述标准评价模板构建预设评分模板库。

可选的，所述根据所述标准评价模板构建预设评分模板库，包括：

针对每个标准评价模板，获取用户输入的多个权重组合，针对所述多个权重组合中的每个权重组合，利用历史主体数据计算所述标准评价模板的备选得分，根据备选得分的分布情况确定目标权重组合，根据所述目标权重组合确定为标准权重系数；

根据每个标准评价模板以及每个标准评价模板对应的标准权重系数，构建预设评分模板库。

本发明实施例所提供的基于评分模板的处理装置可执行本发明任意实施例所提供的基于评分模板的处理方法，具备执行方法相应的功能模块和有益效果。

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于评分模板的处理方法。

在一些实施例中，基于评分模板的处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于评分模板的处理方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于评分模板的处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

本发明实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现如本申请任一实施例所提供的基于评分模板的处理方法。

计算机程序产品在实现的过程中，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

上述实施例中提供的基于评分模板的处理装置、设备、存储介质及产品可执行本申请任意实施例所提供的基于评分模板的处理方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的基于评分模板的处理方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。