评分模型的训练方法、装置、设备及存储介质

技术领域

本发明属于信息处理领域，尤其涉及一种评分模型的训练方法、装置、设备及存储介质。

背景技术

在对云平台的运营管理工作中，为确保对平台资源的有效利用，经常需要分析平台租户的价值，评估租户申请资源的合理性。

目前的分析方式是直接查看租户的资源利用率、资源占用等明细运营数据，并凭经验做出判决，缺乏统一、直观、科学的数据指标对运营工作进行指导、影响工作效率。

因此，如何简单高效的分析平台租户价值成为一个有待解决的问题。

发明内容

本发明实施例提供了一种评分模型的训练方法、装置、设备及存储介质，能够快速准确的分析云平台的租户价值。

第一方面，提供了一种评分模型的训练方法，评分模型用于根据云平台租户的信息确定云平台租户的模型评分值，该方法包括：获取多个云平台租户的信息，每个云平台租户的信息包括多个指标数据、基于多个指标数据确定的每个云平台租户的第一评分值和第二评分值；至少基于多个云平台租户的信息，训练评分模型。

在一种可能的实现中，基于多个指标数据确定第一评分值，包括：根据多个指标数据确定评价因素集，评价因素集合中的因子包括至少一个维度的评价因素；根据评价因素集确定模糊综合判断矩阵；根据模糊综合判断矩阵确定第一评分值。

在一种可能的实现中，基于多个指标数据确定第二评分值，包括：确定评价因素集对应的因素权重集；根据模糊综合判断矩阵和因素权重集确定第二评分值。

在一种可能的实现中，至少基于多个云平台租户的信息，训练评分模型，包括：根据多个云平台租户的信息中的多个指标数据分别确定云平台用户中每一个云平台用户的第一预测评分值；根据多个指标数据和第一预测评分值训练评分模型。

在一种可能的实现中，根据多个指标数据和第一预测评分值训练评分模型，包括：根据多个指标数据和第一预测评分值分别确定多个云平台租户中的每个云平台用户的第二预测评分值；根据每个云平台租户的第二预测评分值和第二评分值训练评分模型。

在一种可能的实现中，多个指标数据包括第一资源占用指标、第一资源利用指标和第一经济科技价值指标；多个指标数据由第二指标确定，第二指标由多个云平台租户的信息确定，第二指标包括第二资源占用指标、第二资源利用指标和第二经济科技价值指标。

在一种可能的实现中，第二资源占用指标包括下述中的至少一项：预设时间周期内的租户申请的海杜普存储量、预设时间周期内的租户申请的中央处理器核数、预设时间周期内的租户申请的内存。

在一种可能的实现中，第二资源利用指标包括下述中的至少一项：预设时间周期内的租户的存储利用率、预设时间周期内的租户的中央处理器平均利用率。

在一种可能的实现中，第二经济科技价值指标包括下述中的至少一项：预设时间周期内的应用程序接口(Application Program Interface，API)调用次数、预设时间周期内的应用访问次数、预设时间周期内的应用复用个数。

第二方面，提供了一种评分方法，包括：

获取待评分的云平台租户的信息，云平台租户的信息包括多个指标数据；将待评分的云平台租户的信息输入评分模型，得到第二评分值；根据多个指标数据确定客观评分值；根据第二评分值和客观评分值确定云平台租户的综合评分值；其中，评分模型是基于第一方面任一可能的实现中的训练方法得到。

在一种可能的实现中，根据多个指标数据确定客观评分值，包括：根据多个指标数据确定标准差；基于标准差确定多个指标数据中的每个指标数据对应的权重值；根据多个指标数据和每个指标数据对应的权重值确定特征矩阵；基于理想解法和特征矩阵确定客观评分值。

第三方面，提供了一种评分模型的训练装置，所述评分模型用于根据云平台租户的信息确定所述云平台租户的模型评分值，所述装置包括：

获取模块，用于获取多个云平台租户的信息，每个云平台租户的信息包括多个指标数据、基于所述多个指标数据确定的所述每个云平台租户的第一评分值和第二评分值；训练模块，用于至少基于所述多个云平台租户的信息，训练所述评分模型。

第四方面，提供了一种评分装置，其特征在于，包括：

获取模块，用于获取待评分的云平台租户的信息，所述云平台租户的信息包括多个指标数据；评分模型模块，用于将所述待评分的云平台租户的信息输入评分模型，得到第二评分值；其中，评分模型是基于第一方面任一可能的实现中的训练方法得到；客观评分模块，用于根据所述多个指标数据确定客观评分值；综合评分模块，用于根据所述第二评分值和客观评分值确定云平台租户的综合评分值。

第五方面，提供了一种设备，设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现如第一方面至第二方面，或者第一方面至第二方面任一可能的实现中的方法。

第六方面，提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面至第二方面，或者第一方面至第二方面任一可能的实现中的方法。

基于本发明实施例提供的方法、装置、设备及计算机存储介质，通过云平台租户指标数据训练评价云平台租户价值的评分模型，基于训练好的评分模型输出的云平台租户评分值，可以快速判断租户情况，这样不仅会提高运营效率，而且还能避免受到人为因素的干扰。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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的附图。

图1是本发明实施例提供的一种评分模型的训练方法流程示意图；

图2是本发明实施例提供的一种第二资源占用指标示意图；

图3是本发明实施例提供的一种第二资源利用指标示意图；

图4是本发明实施例提供的一种第二经济科技价值指标；

图5是本发明实施例提供的一种评分方法的流程示意图；

图6是本发明实施例提供的一种实现评分方法的流程示意图；

图7是本发明实施例提供的一种租户健康度评估装置的结构示意图；

图8是本发明实施例提供的一种训练装置的结构示意图；

图9是本发明实施例提供的一种评分装置的结构示意图；

图10是本发明实施例提供的示例性硬件架构的示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在对云平台的运营管理工作中，为确保对云平台资源的有效利用，经常需要分析平台租户价值，评估租户申请资源的合理性。该方面以往的工作方式往往是直接查看租户的资源利用率、资源占用等明细运营数据，并凭经验做出判决，缺乏统一、直观、科学的数据指标对运营工作进行指导，效率和精准度都不高。

为了对云平台租户评分的效率及精度，本发明实施例提供了一种评分模型的训练方法，下面对本发明实施例提供的评分模型的训练方法进行描述。

图1所示为本发明实施例提供的一种评分模型的训练方法流程示意图。如图1所示，该方法的执行主体是服务器，该方法训练的评分模型用于根据云平台租户的信息确定云平台租户的模型评分值，该方法可以包括S101-S102，具体如下所示：

S101，获取多个云平台租户的信息，每个云平台租户的信息包括多个指标数据、基于多个指标数据确定的每个云平台租户的第一评分值和第二评分值。

在一个实施例中，多个指标数据包括第一资源占用指标、第一资源利用指标和第一经济科技价值指标；多个指标数据由第二指标确定，第二指标由多个云平台租户的信息确定，第二指标包括第二资源占用指标、第二资源利用指标和第二经济科技价值指标。

其中，多个指标数据由第二指标确定，第二指标是基于租户资源占用、资源利用、价值和意义三方面对总计40维特征进行采集确定的指标，并将这40维特征确定为一级特征

第一，第二资源占用指标包括下述中的至少一项：预设时间周期内的租户申请的海杜普存储量、预设时间周期内的租户申请的中央处理器核数、预设时间周期内的租户申请的内存。具体的第二资源占用指标可参见图2所示的

第二，第二资源利用指标包括下述中的至少一项：预设时间周期内的租户的存储利用率、预设时间周期内的租户的中央处理器平均利用率。具体的第二资源占用指标可参见图3所示的

第三，第二经济科技价值指标包括下述中的至少一项：预设时间周期内的应用程序接口(Application Program Interface，API)调用次数、预设时间周期内的应用访问次数、预设时间周期内的应用复用个数。具体的第二资源占用指标可参见图4所示的

在确定了第二指标之后，就可以根据第二指标确定多个指标数据，指标数据包括：第一资源占用指标、第一资源利用指标和第一经济科技价值指标。下面从三个方面举例介绍，全部的转化过程将在后文详细介绍。

第一方面，根据第二资源占用指标确定第一资源占用指标。

比如，第一资源占用指标

第二方面，根据第二资源利用指标第一资源利用指标。

比如，第一资源利用指标

第三方面，根据第二经济科技价值指标第一经济科技价值指标。

其中，第一经济科技价值指标

至此，将40维的第二指标，也就是第二资源占用指标、第二资源利用指标和第二经济科技价值指标。依次处理后输出27维的指标数据，也就是第一资源占用指标、第一资源利用指标和第一经济科技价值指标。

基于上述确定的指标数据可以确定第一评分值，第一评分值实际上是基于资源利用、资源合理性、租户经济价值、租户科技创新价值、政治和管理意义的五个维度的五项评分，确定第一评分值的步骤可以包括：根据多个指标数据确定评价因素集，评价因素集合中的因子包括至少一个维度的评价因素；根据评价因素集确定模糊综合判断矩阵；根据模糊综合判断矩阵确定第一评分值。

首先，根据多个指标数据确定评价因素集，具体可以包括：确定评价因素Fset＝{f1,f2,f3,f4,f5}＝{资源利用、资源合理性、租户经济价值、租户科技创新价值、政治和管理意义。确定评价因素集FES{＝fes

其次，根据评价因素集确定模糊综合判断矩阵具体可以包括：运营工作相关专家对租户各维度评分，专家数量为rn，则评分为er

计算专家对该租户各评价因素评分类型占比

其中，rr用于表示各类型的评价，即fes

最后，根据模糊综合判断矩阵确定第一评分值。

dimScore

基于上述确定的指标数据还可以确定第二评分值，确定第二评分值的步骤可以包括：确定评价因素集对应的因素权重集；根据模糊综合判断矩阵和因素权重集确定第二评分值。

其中，确定评价因素集对应的因素权重集可以为使用层次分析法确定评价因素权重，层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。本发明中确定的评价因素集对应的因素权重集为FW＝{fw1,fw2,…,fw5}。

其中，根据模糊综合判断矩阵和因素权重集确定的第二评分值可以为fscore＝index(max(FW×SR

S102，至少基于多个云平台租户的信息，训练评分模型。

在一个实施例中，根据多个云平台租户的信息中的多个指标数据分别确定云平台用户中每一个云平台用户的第一预测评分值；根据多个指标数据和第一预测评分值训练评分模型。

根据多个云平台租户的信息中的多个指标数据分别确定云平台用户中每一个云平台用户的第一预测评分值Y

根据多个指标数据和第一预测评分值分别确定多个云平台租户中的每个云平台用户的第二预测评分值；根据每个云平台租户的第二预测评分值和第二评分值训练评分模型。

根据多个指标数据和第一预测评分值Y

因此，基于本发明实施例提供的评分模型的训练方法，通过云平台租户指标数据训练评价云平台租户价值的评分模型，基于训练好的评分模型输出的云平台租户评分值，可以快速判断租户情况，这样不仅会提高运营效率，而且还能避免受到人为因素的干扰。

图5所示为本发明实施例提供的一种评分方法的流程示意图，该方法的执行主体是服务器，该方法可以包括S501-S504，具体如下所示：

S501，获取待评分的云平台租户的信息，云平台租户的信息包括多个指标数据。

S502，将待评分的云平台租户的信息输入评分模型，得到第二评分值。

首先，根据指标数据，分别得到云平台租户在5个因素上的第一预测评分值yd

y

其次，根据第一预测评分值和指标数据构建新租户数据x″＝{x′,y

最后，将x″输入评分模型中确定第二评分值es。

S503，根据多个指标数据确定客观评分值。

根据多个指标数据确定客观评分值是采用标准差系数权重法对租户各指标进行权重设定后，使用TOPSIS理想解法，对租户健康度进行客观评分。具体步骤如下：

步骤1：确认租户数据X＝{x

步骤2：确定租户特征数据X′，其包含特征

步骤3：无量纲化后，利用标准差权术法对各特征进行赋权：

步骤3.1：求特征矩阵X′各特征的均值：

其中，j用于表示特征的类别，i用于表示第几个租户数据的特征的值。

步骤3.2：求各特征指标的标准差：

步骤3.3：求每个特征的权重：

步骤4：计算得到加权之后的特征矩阵：

X″＝X′×W

步骤5：寻找最优最劣解，找到每一个特征的最优记为

步骤6：计算各租户与最优最劣向量的欧式距离：

步骤7：计算租户的相对贴近程度：

步骤8：确定客观评分值：

S504，根据第二评分值和客观评分值确定云平台租户的综合评分值。

其中，基于评分模型输出的第二评分值为es

综上，基于云平台租户在租户资源利用、资源合理性、租户经济价值、租户科技创新价值、政治和管理意义方面的指标数据，确定基于评分模型输出的第二评分值和客观评分值，从两个方面综合输出云平台租户的评分值，提高了分析结果的可靠性和稳定性，改善了以往评价云平台租户健康度过于主观、缺乏适用性的问题，能较好地适用于云平台租户分析工作。

图6是本发明实施例提供的一种实现评分方法的流程示意图，图6所示的方法包括对租户特征的采集处理、建立专家评分模型和建立客观评分模型三部分。

首先，确认健康度模型指标。

确认健康度模型指标需要进行特征处理，特征处理需要确定采集租户运营特征的种类、范围，并通过特征工程对特征进行处理和转换，具体步骤如下：

步骤1：特征处理需要确定采集租户运营特征的种类、范围。本发明基于租户资源占用、资源利用、价值和意义三方面对总计40维特征进行采集，并将这40维特征确定为一级特征

步骤2：转换资源占用方面特征为二级特征。

步骤2.1：依据其他公司数据规模和建设各类资源规模数据，建立回归预测模型，从而获得二级特征体现租户数据规模与所申请资源规模对等程度：

步骤2.1.1：收集移动31个省公司数据规模和建设各类资源规模数据，数据包含如表1所示的特征：

表1各公司数据规模和建设各类资源规模数据

步骤2.1.2：构建训练集X，则：

x特征包含

步骤2.1.3：构建训练标签Y，则

步骤2.1.3：基于X，Y构建线性回归模型Model

步骤2.1.4：对待评估租户x

步骤2.1.5：评估租户实际数据量与租户申请资源预计能处理数据规模进行比较，从而确定二级特征

步骤2.2：确定二级特征

步骤2.3：处理获得二级特征

步骤2.4：判断租户是否有申请工具服务，确定二级特征

步骤3：转换资源利用方面特征为二级特征：

步骤3.1：确定资源利用标准值util_base＝0.5。

步骤3.2：处理获得二级特征

步骤3.3：确定二级特征

步骤3.4：确定CPU、存储、内存单价为cpu_price＝1000，volumn_price＝150，raw_price＝70，从而确定租户

步骤4：转换租户价值和意义方面特征为二级特征：

步骤4.1：确定租户占用资源总价值cost:

步骤4.2：确定二级特征

步骤5：以上特征处理方法确定为Ftransform，则40维租户特征通过Ftransform方法处理后，输出27维二级特征，具体如下表，其中OD表示特征最优方向，若OD＝1，这该特征值越大，租户评价越优，OD＝-1时相反。详细的27维二级特征，如表2所示：

表2 27维二级特征

其次，建立专家评分模型，即用收集到的租户数据进行专家打分环节，专家评估方法结合模糊综合评估方法和SVM支持向量机，首先利用模糊综合评估方法在专家打分的基础上得到方案确定的五个重要租户健康度维度的评分，以及模糊综合得分，再使用SVM训练学习专家评分机制，实现自动获得五个维度评分以及模糊综合评分的能力。

训练专家评分模型的具体步骤如下：

步骤1：确定评价因素Fset＝{f1,f2,f3,f4,f5}＝{资源利用、资源合理性、租户经济价值、租户科技创新价值、政治和管理意义}

步骤2：确定因素评价集FES＝{fes

步骤3：使用层次分析法，确定评价因素权重FW＝{fw

步骤4：运营工作相关专家对租户各维度评分，专家数量为rn，则评分为er

步骤5：计算专家对该租户各评价因素评分类型占比

步骤6：确定租户各因素评分ds:

dimScore

步骤7：进行模糊综合评判，确定租户属于各类评分的隶属度，以及租户最终模糊评分fscore：

fscore＝index(max(FW×SR

步骤8：基于SVM算法训练回归模型，学习专家评分机制：

步骤8.1：租户数据

步骤8.2：获取回归模型输出

Y

步骤8.3：将Y

步骤8.4：训练模糊评分回归模型model

步骤9：当需要对租户x确定其专家评分时:

步骤9.1：租户数据

y

步骤9.2：构建新租户数据x″＝{x′,y

步骤9.3：输出租户专家评估分数es＝model

最后，建立客观评分模型，即使用“标准差权术法”对租户各指标数据进行赋权后，采用“TOPSIS理想解法”，对租户健康度分数进行评估，具体过程参见前文中的S503所示的方法和步骤。

图6所示的实现评分方法的流程示意图，首先结合租户的生命周期，从租户本身的资源占用、数据占用、利用率等多维度进行评估，建立评估模型，输出租户健康度分数。

其次，在专家评分方法中利用了模糊综合评价方法，在专家对各租户指标进行打分后，确定各个指标的权重后，建立模糊综合判断矩阵，计算得出模糊评价，因模糊综合评价方法需要专家对租户指标进行打分，为在后续工作中省略该步骤，计划用SVM分类算法对模糊评价结果进行训练，学习专家打分规则知识。

然后，客观评分模型则是采用标准差系数权重法对租户各指标进行权重设定后，使用TOPSIS理想解法，对租户健康度进行客观评分。

最后，确定专家评分方法输出租户分数es

因此，结合了客观评分模型和专家评分模型输出的分析结果可靠、稳定，改变了以往健康度评估方法过于主观、缺乏适用性的问题，能较好地适用于云平台租户分析工作。

图7是本发明实施例提供的一种租户健康度评估装置的结构示意图。

图7所示的租户健康度评估装置的整体架构包括：数据源、健康度分析模块及可视化模块。

其中数据源包括：云平台数据，包括从云平台直接获取的租户对资源利用情况、资源占用情况等信息；租户数据，包括租户科技价值、管理意义等你租户项目背景信息；以及专家知识库数据。

健康度分析模块由三个子模块分别实现了特征处理、客观评分方法、专家评分方法。租户数据源通过特征处理子模块后，通过客观评分子模块和专家评分子模块，两个评分模块输出综合得到租户健康度分数。

可视化模块将租户健康度分析结果分别以万维网(World Wide Web，web)、移动应用程序(Application，app)和客户端的方式进行可视化，辅助运营人员对租户进行分析。

本发明实施例提供的租户健康度评估装置，能够通过云平台租户指标数据训练评价云平台租户价值的评分模型，基于训练好的评分模型输出的云平台租户评分值，可以快速判断租户情况，这样不仅会提高运营效率，而且还能避免受到人为因素的干扰。

图8是本发明实施例提供的一种训练装置的结构示意图，如图8所示，该装置800可以包括：

获取模块810，用于获取多个云平台租户的信息，每个云平台租户的信息包括多个指标数据，基于多个指标数据确定的每个云平台租户的第一评分值和第二评分值。

获取模块810具体用于根据多个指标数据确定评价因素集，评价因素集合中的因子包括至少一个维度的评价因素；根据评价因素集确定模糊综合判断矩阵；根据模糊综合判断矩阵确定第一评分值。

获取模块810具体用于确定评价因素集对应的因素权重集；根据模糊综合判断矩阵和因素权重集确定第二评分值。

其中，上述涉及到的本发明实施例中的多个指标数据包括第一资源占用指标、第一资源利用指标和第一经济科技价值指标；多个指标数据由第二指标确定，第二指标由多个云平台租户的信息确定，第二指标包括第二资源占用指标、第二资源利用指标和第二经济科技价值指标。

其中，上述涉及到的本发明实施例中的第二资源占用指标包括下述中的至少一项：预设时间周期内的租户申请的海杜普存储量、预设时间周期内的租户申请的中央处理器核数、预设时间周期内的租户申请的内存。

其中，上述涉及到的本发明实施例中的第二资源利用指标包括下述中的至少一项：预设时间周期内的租户的存储利用率、预设时间周期内的租户的中央处理器平均利用率。

其中，上述涉及到的本发明实施例中的第二经济科技价值指标包括下述中的至少一项：预设时间周期内的应用程序接口调用次数、预设时间周期内的应用访问次数、预设时间周期内的应用复用个数。

训练模块820，用于至少基于多个云平台租户的信息，训练评分模型。

训练模块820具体用于根据多个云平台租户的信息中的多个指标数据分别确定云平台用户中每一个云平台用户的第一预测评分值；根据多个指标数据和第一预测评分值训练评分模型。

训练模块820具体用于根据多个指标数据和第一预测评分值分别确定多个云平台租户中的每个云平台用户的第二预测评分值；根据每个云平台租户的第二预测评分值和第二评分值训练评分模型。

本实施例提供的训练装置的各个模块可以实现图1中的方法，为简洁描述，在此不再赘述。本实施例提供的训练装置通过云平台租户指标数据训练评价云平台租户价值的评分模型，基于训练好的评分模型输出的云平台租户评分值，可以快速判断租户情况，这样不仅会提高运营效率，而且还能避免受到人为因素的干扰。

图9是本发明实施例提供的一种评分装置的结构示意图，如图9所示，该装置900可以包括：

获取模块910，用于获取待评分的云平台租户的信息，云平台租户的信息包括多个指标数据。

评分模型模块920，用于将待评分的云平台租户的信息输入评分模型，得到第二评分值。

客观评分模块930，用于根据多个指标数据确定客观评分值。

综合评分模块940，用于根据第二评分值和客观评分值确定云平台租户的综合评分值。

该实施例提供的评分装置的各个模块可以实现图5中的方法，为简洁描述，在此不再赘述。本发明实施例提供的评分装置结合客观评分模块和评分模型分别输出的评分值，综合分析确定云平台组户的分析结果，分析结果可靠、稳定，改变了以往评分过于主观、缺乏适用性的问题，能较好地适用于云平台租户分析工作。

图10示出了本发明实施例提供的示例性硬件结构示意图。

处理设备可以包括处理器1001以及存储有计算机程序指令的存储器1002。

上述处理器1001可以包括中央处理器(Central Processing Unit,CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器1002可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器1002可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器1002可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器1002可在综合网关容灾设备的内部或外部。在特定实施例中，存储器1002是非易失性固态存储器。在特定实施例中，存储器1002包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器1001通过读取并执行存储器1002中存储的计算机程序指令，以实现上述图1-图6所示实施例中的任意一种方法。

在一个示例中，处理设备还可包括通信接口1003和总线1010。其中，如图10所示，处理器1001、存储器1002、通信接口1003通过总线1010连接并完成相互间的通信。

通信接口1003，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线1010包括硬件、软件或两者，将通信事故处理设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线1010可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

该处理设备可以执行本发明实施例中的评分模型的训练方法，从而实现结合图1描述的方法。

该处理设备可以执行本发明实施例中的评分方法，从而实现结合图5描述的方法。

另外，结合上述实施例中的评分方法，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意评分模型的训练方法。

另外，结合上述实施例中的评分方法，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意评分方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为软件方式，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。