一种质量评估的方法、装置、设备及计算机可读存储介质与流程

本发明实施例涉及质量评估技术领域，尤其涉及一种质量评估的方法、装置、设备及计算机可读存储介质。

背景技术：

目前，随着经济水平的不断提高，中国的影视业也在快速的发展，影视行业的竞争也在逐渐增加。电影的票房或电视剧的收视点击率是衡量一部影视作品质量的重要指标。因此，对电影票房及电视剧收视点击率的预测显得尤为重要。

现有技术中，对影片票房的预测方式一般有两种，一种是在影片接近上映期通过预售票房及排片率对票房进行预测，另一种是在影片上映期通过是对影片的单日票房或一周的总票房对影片的总票房进行预测。由于预测票房是在影片上映后或接近上映期，预测的价值对影片做运营决策、排片及广告定价的影响非常有限。

技术实现要素：

本发明实施例提供一种质量评估的方法、装置、设备及计算机可读存储介质，以提高质量评价的准确性及可靠性。

第一方面，本发明实施例提供了一种质量评估的方法，该方法包括：

在预设时间节点之前，获取目标对象的基本信息；

对基本信息进行拆分，得到可切分属性与叶子属性关系组合，其中，任意一个可切分属性可作为另一可切分属性和/或叶子属性的父节点；

根据组合进行质量评估得到评估结果。

第二方面，本发明实施例还提供了一种质量评估的装置，该装置包括：

基本信息获取模块，用于在预设时间节点之前，获取目标对象的基本信息；

基本信息拆分模块，用于对基本信息进行拆分，得到可切分属性与叶子属性关系组合，其中，任意一个可切分属性可作为另一可切分属性和/或叶子属性的父节点；

质量评估模块，用于根据组合进行质量评估得到评估结果。

第三方面，本发明实施例还提供了一种质量评估的设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现第一方面的质量评估方法。

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第一方面的质量评估方法。

本发明实施例，首先在预设时间节点之前，获取目标对象的基本信息，然后对基本信息进行拆分，得到可切分属性与叶子属性关系组合，最后根据组合进行质量评估得到评估结果。现有技术中，在对质量进行评估时，只针对目标对象的预售票房及排片率进行评估，评估结果比较片面。本发明实施例中，将目标对象的基本信息拆分为可切分属性与叶子属性关系组合，根据可切分属性与叶子属性关系组合进行质量评估，即将目标对象的基本信息进行各个维度的拆解，并对各个维度的属性进行评估，使得评估结果更准确，从而提高质量评估的可靠性。本实施例通过目标对象的基本信息对目标对象进行质量评估，而基本信息是固定可靠的，使得评估结果更可靠，同时基本信息在目标对象的制作阶段就可获取，可更早的获取到评估结果。尤其对于影视行业，一部影片从制作到上映需要1-2年的时间，若在制作阶段就可获得对影片的评估结果，则对于做运营决策、排片及广告定价等具有很大的参考价值。

附图说明

图1是本发明实施例一中的一种质量评估的方法的流程图；

图2是本发明实施例一中的一种对影片拆分的属性关系组合图；

图3是本发明实施例二中的一种质量评估的方法的流程图；

图4是本发明实施例三中的一种质量评估的装置的结构示意图；

图5是本发明实施例四中的一种质量评估的设备的结构示意图。

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。

实施例一

图1为本发明实施例一提供的一种质量评估的方法的流程图，本实施例可适用于对目标对象进行质量评估的情况，如图1所示，该方法具体包括：

s110，在预设时间节点之前，获取目标对象的基本信息。

其中，目标对象可以是影片、电视剧、唱片或者楼盘等。预设时间节点之前可以是目标对象发布时间之前的任意时间，例如：若目标对象是影片、电视剧或者唱片，则预设时间节点之前可以是目标对象制作期阶段；若目标对象是楼盘，则预设时间节点之前可以是楼盘的建造阶段。基本信息可以是表征目标对象不同属性且影响目标对象质量的信息，例如：影片和电视剧的基本信息可以包括主创、题材、制作和发行等；唱片的基本信息可以包括主创、制作和发行等；楼盘的基本信息可以包括开发商、建筑公司和地理环境等。

获取目标对象的基本信息的过程可以是，对目标对象进行多角度全方位的分析，将影响目标对象质量的各种因素罗列出来，最后归纳总结出目标对象的基本信息。

s120，对基本信息进行拆分，得到可切分属性与叶子属性关系组合，其中，任意一个可切分属性可作为另一可切分属性和/或叶子属性的父节点。

其中，可切分属性可以是能够继续拆分为可切分属性和/或叶子属性的属性。叶子属性可以是不能够继续拆分，只能够由其特征参数来表征的属性。对基本信息进行拆分的方式可以是，根据基本信息各个属性的逻辑包含关系进行拆分，获取可切分属性与叶子属性关系组合。示例性的，以影片为例，图2为本发明实施例一提供的一种对影片拆分的属性关系组合图。如图2所示，影片的基本信息包括主创、题材、制作和发行，且主创、题材、制作和发行属于影片基本信息中的可切分属性。在主创属性中还包括演员和编导等，演员和编导属于可切分属性，其中演员属性又包括主角1、主角2、配角1和配角2等叶子属性。题材属性包括知识产权(intellectualproperty，ip)、影片类型、影片制式、国家/地区和系列。其中，知识产权为可切分属性，影片类型、影片制式、国家/地区和系列为叶子属性。即题材属性是ip、影片类型、影片制式、国家/地区和系列的父节点。

s130，根据组合进行质量评估得到评估结果。

本应用场景下，根据组合进行质量评估得到评估结果的过程可以是，根据组合对目标对象进行质量评估得到评估参数，然后根据评估参数预测运营结果。其中，评估参数可以利用百分数来体现，例如：对影片基本信息中演员属性进行质量评估得到的评估参数为80％。根据评估参数预测运营结果的方式可以是，将评估参数与客观因素结合进行分析，获取运营结果。示例性的，以影片为例，在对影片中各个属性进行质量评估得到评估参数后，需结合影片在上映期间其他同类型影片上映的情况进行分析，预测该影片的最终总票房，然后根据预测的总票房确定影片的排片情况、广告定价及运营决策等。若目标对象是楼盘，在对楼盘中各个属性进行质量评估得到评估参数后，需结合当前的市场行情以及政府的相关政策，预测楼盘的总收益，根据预测的总收益确定楼盘的售价以及楼盘发售批次。

优选的，根据组合进行质量评估得到评估结果的方法可以是，对得到的可切分属性和叶子属性进行遍历，获取当前遍历的目标属性的类型，如果目标属性的类型为叶子属性，则根据叶子属性的特征参数对叶子属性进行质量评估，得到叶子属性的评估参数，如果目标属性的类型为可切分属性，则获取可切分属性的子节点的评估参数，根据子节点的评估参数确定可切分属性的评估参数。

优选的，根据组合进行质量评估得到评估结果可以是，基于预设机器学习模型和/或预设评估函数对组合进行质量评估得到评估结果。其中，预设机器学习模型包括下述至少一个机器学习模型：逻辑回归(logisticregression)模型，迭代决策树(gradientboostingdecisiontree，gbdt)模型，神经网络(neuralnetwork)模型。其中，预设估值函数可以是线性加权求和函数。示例性的，利用预设估值函数对目标对象的某一个可切分属性进行质量评估时，计算公式可以表示为y＝f(y1，y2，……，yn；a)＝a1*y1+a2*y2+……an*yn，其中y表示该可切分属性的评估参数，y1、y2……yn表示该可切分属性包含的子节点的评估参数，a表示权重向量，表达公式为a＝[a1，a2，……an]，每个子节点的权重可以是人为设定的，也可以是通过学习模型训练得到的。利用预设机器学习模型目标对象的某一个可切分属性进行质量评估的方式可以是，将该可切分属性包括的所有子节点的评估参数输入预设机器学习模型中，通过模型的学习训练，最后获得该可切分属性的评估参数。

本实施的技术方案，首先在预设时间节点之前，获取目标对象的基本信息，然后对基本信息进行拆分，得到可切分属性与叶子属性关系组合，最后根据组合进行质量评估得到评估结果。现有技术中，在对质量进行评估的时候，只针对目标对象的其中某些属性进行评估，评估结果比较片面。本发明实施例中，将目标对象的基本信息拆分为可切分属性与叶子属性关系组合，根据可切分属性与叶子属性关系组合进行质量评估，即将目标对象的基本信息进行各个维度的拆解，并对各个维度的属性进行评估，使得评估结果更准确，从而提高质量评估的可靠性。本实施例通过目标对象的基本信息对目标对象进行质量评估，而基本信息是固定可靠的，使得评估结果更可靠，同时基本信息在目标对象的制作阶段就可获取，可更早的获取到评估结果。尤其对于影视行业，一部影片从制作到上映需要1-2年的时间，若在制作阶段就可获得对影片的评估结果，则对于做运营决策、排片及广告定价等具有很大的参考价值。

实施例二

图3为本发明实施例二提供的一种质量评估的方法的流程图，以上述实施例为基础，如图3所示，s130，根据组合进行质量评估得到评估结果，还可通过下述方式实施：

s131，对得到的可切分属性和叶子属性进行遍历，获取当前遍历的目标属性的类型。

在本应用场景下，在对目标对象的基本信息拆分后，并得到可切分属性与叶子属性关系组合后，需对可切分属性与叶子属性关系组合进行遍历，对每一个属性进行质量评估。在对得到的可切分属性和叶子属性进行遍历时，若属性没有子节点则是叶子属性，若属性仍然包含子节点，则是可切分属性。

s132，如果目标属性的类型为叶子属性，则根据叶子属性的特征参数对叶子属性进行质量评估，得到叶子属性的评估参数。

在对得到的可切分属性和叶子属性关系组合进行遍历时，若目标属性的类型为叶子属性，首先获取该叶子属性的特征参数，然后根据叶子属性的特征参数基于预设机器学习模型和/或预设评估函数对该叶子属性进行质量评估。示例性的，以影片中的叶子属性主演1为例，主演1的特征参数包括：历史影片的票房和口碑a1、粉丝数a2、微博话题数a3、贴吧话题数a4及新闻数a5等，基于预设评估函数对主演1的质量进行评估时，计算公式可以表示为：a＝f(a1，a2，a3，a4，a5；x)＝x1*a1+x2*a2+x3*a3+x4*a4+x5*a5，其中a为主演1的评估参数，x为特征参数权重向量，可表示为x＝[x1，x2，x3，x4，x5]，其中，每个特征的权重可以是人工设定的，也可以是通过学习模型训练得到的。例如，对于主演1的各个特征参数，评估人员认为历史影片的票房和口碑a1和微博话题数a3比较重要，则这两个特征参数的权重可以设置的较大。基于预设机器学习模型对主演1的质量进行评估时的方式可以是，将主演1包括的特征参数历史影片的票房和口碑a1、粉丝数a2、微博话题数a3、贴吧话题数a4及新闻数a5输入预设机器学习模型中，通过模型的学习训练，最后获得主演1的评估参数。

s133，如果目标属性的类型为可切分属性，则获取可切分属性的子节点的评估参数，根据子节点的评估参数确定可切分属性的评估参数。

在对得到的可切分属性和叶子属性关系组合进行遍历时，若目标属性的类型是可切分属性，则首先获取可该可切分属性的子节点的评估参数，若子节点为叶子属性，获取评估参数的方式与s132相同，若子节点为可切分属性，则继续获取该子节点的子节点的评估参数。在获取到该可切分属性所有子节点的评估参数后，根据子节点的评估参数基于预设机器学习模型和/或预设评估函数确定可切分属性的评估参数。示例性的，以影片中的可切分属性发行属性为例，发行属性的子节点包括发行公司属性、发行成本属性和合作院线属性，且子节点的评估参数分别为发行公司属性为b1、发行成本属性b2和合作院线属性b3，基于预设机器学习模型和/或预设评估函数对发行属性进行质量评估的方式与s132中对叶子属性主演1的方式相同，此处不再赘述。

同理，在对目标对象进行总体质量评估时，需要获取基本信息包含的子节点的评估参数，然后根据评估参数基于预设机器学习模型和/或预设评估函数对目标对象进行整体的质量评估。示例性的，影片的基本信息包括主创、题材、制作和发行这四个可切分属性，则需要分别获取这四个可切分属性的评估参数，然后对目标对象进行整体的质量评估。

本实施例的技术方案，对得到的可切分属性和叶子属性进行遍历，获取当前遍历的目标属性的类型，如果目标属性的类型为叶子属性，则根据叶子属性的特征参数对叶子属性进行质量评估，得到叶子属性的评估参数，如果目标属性的类型为可切分属性，则获取可切分属性的子节点的评估参数，根据子节点的评估参数确定可切分属性的评估参数。对基本信息中各个维度的属性进行质量评估，可全面的获取目标对象的质量评估结果。

实施例三

图4为本发明实施例三提供的一种质量评估的装置的结构示意图。如图4所示，该装置包括：基本信息获取模块410，基本信息拆分模块420和质量评估模块430。

基本信息获取模块410，用于在预设时间节点之前，获取目标对象的基本信息；

基本信息拆分模块420，用于对基本信息进行拆分，得到可切分属性与叶子属性关系组合，其中，任意一个可切分属性可作为另一可切分属性和/或叶子属性的父节点；

质量评估模块430，用于根据组合进行质量评估得到评估结果。

优选的，质量评估模块430，还用于：

对得到的可切分属性和叶子属性进行遍历，获取当前遍历的目标属性的类型；

如果目标属性的类型为叶子属性，则根据叶子属性的特征参数对叶子属性进行质量评估，得到叶子属性的评估参数；

如果目标属性的类型为可切分属性，则获取可切分属性的子节点的评估参数，根据子节点的评估参数确定可切分属性的评估参数。

优选的，质量评估模块430，还用于：

根据组合对目标对象进行质量评估得到评估参数；

根据评估参数预测运营结果。

优选的，质量评估模块430，还用于：

基于预设机器学习模型和/或预设评估函数对组合进行质量评估得到评估结果。

实施例四

图5为本发明实施例四提供的一种质量评估的设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的质量评估方法。

实施例五

本发明实施例五还提供了一种计算机可读存储介质。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。

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)。

上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。

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，本发明不限于这里所述的特定实施例，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。