用户评价信息的处理方法及装置.pdf

《用户评价信息的处理方法及装置.pdf》由会员分享，可在线阅读，更多相关《用户评价信息的处理方法及装置.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910224089.2 (22)申请日 2019.03.22 (71)申请人 浙江口碑网络技术有限公司 地址 310012 浙江省杭州市西湖区西斗门 路3号天堂软件园A幢11楼G座 (72)发明人 贺三元 (74)专利代理机构 北京市浩天知识产权代理事 务所(普通合伙) 11276 代理人 宋菲张颖瑛 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/12(2012.01) G06K 9/00(2006.01) (54)发明名称 用户评价信息的。

2、处理方法及装置 (57)摘要 本发明公开了一种用户评价信息的处理方 法及装置。 其中， 方法包括： 获取用户评价信息； 其中， 用户评价信息中包含有用餐后的剩余菜品 图片信息以及用餐评价信息； 对用户评价信息中 的剩余菜品图片信息进行识别， 确定与用户评价 信息对应的至少一个菜品的剩余量； 根据用户评 价信息对应的至少一个菜品的剩余量与用户评 价信息中的用餐评价信息的匹配度， 确定用户评 价信息的可信度。 本方案中用户提交的用户评价 信息中包含有用餐后的剩余菜品图片信息， 从而 可提高刷单成本， 降低刷单行为的发生概率； 并 且， 采用本方案可精准地确定出无法反应真实的 用餐质量的评价信息， 。

3、快速准确地筛选出虚假评 价， 提升用户体验， 并避免损失商家利益。 权利要求书2页 说明书14页 附图2页 CN 110020891 A 2019.07.16 CN 110020891 A 1.一种用户评价信息的处理方法， 包括： 获取用户评价信息； 其中， 所述用户评价信息中包含有用餐后的剩余菜品图片信息以 及用餐评价信息； 对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述用户评价信息对应 的至少一个菜品的剩余量； 根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评价信息中的用餐 评价信息的匹配度， 确定所述用户评价信息的可信度。 2.根据权利要求1所述的方法， 其中， 。

4、所述对所述用户评价信息中的剩余菜品图片信息 进行识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量进一步包括； 获取预先提供的， 菜品处于不同剩余量时所对应的标准剩余菜品图片信息； 依据所述标准剩余菜品图片信息， 对所述用户评价信息中的剩余菜品图片信息进行识 别， 确定与所述用户评价信息对应的至少一个菜品的剩余量。 3.根据权利要求2所述的方法， 所述对所述用户评价信息中的剩余菜品图片信息进行 识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量进一步包括： 将所述标准剩余菜品图片信息作为训练样本， 训练预先构建的剩余菜品识别模型； 利用训练后的剩余菜品识别模型， 对所述用户评价信息。

5、中的剩余菜品图片信息进行识 别， 确定与所述用户评价信息对应的至少一个菜品的剩余量。 4.根据权利要求2或3所述的方法， 其中， 所述对所述用户评价信息中的剩余菜品图片 信息进行识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量进一步包括： 获取与所述用户评价信息对应的订单信息， 并提取所述订单信息中包含的菜品信息； 获取与所述订单信息中包含的菜品信息对应的标准剩余菜品图片信息； 依据所述订单信息中包含的菜品信息对应的标准剩余菜品图片信息， 对所述用户评价 信息中的剩余菜品图片信息进行识别， 确定与所述用户评价信息对应的至少一个菜品的剩 余量。 5.根据权利要求2-4中任一项所述的方法，。

6、 其中， 所述标准剩余菜品图片信息中包含有 菜品信息及盛装菜品的器皿信息。 6.根据权利要求1-5中任一项所述的方法， 其中， 所述对所述用户评价信息中的剩余菜 品图片信息进行识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量进一步包 括： 对所述用户评价信息中的剩余菜品图片信息进行识别， 确定所述剩余菜品图片信息中 包含的菜品， 以及与所述包含的菜品相对应的剩余量； 将所述剩余菜品图片信息中包含的菜品相对应的剩余量， 作为与所述用户评价信息对 应的至少一个菜品的剩余量。 7.根据权利要求1-6中任一项所述的方法， 其中， 所述根据所述用户评价信息对应的至 少一个菜品的剩余量与所述用户评。

7、价信息中的用餐评价信息的匹配度， 确定所述用户评价 信息的可信度进一步包括： 根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评价信息中的用餐 评价信息的匹配度， 确实所述至少一个菜品的菜品评价可信度； 基于所述至少一个菜品的菜品评价可信度， 确定所述用户评价信息的可信度。 权利要求书 1/2 页 2 CN 110020891 A 2 8.一种用户评价信息的处理装置， 包括： 评价获取模块， 适于获取用户评价信息； 其中， 所述用户评价信息中包含有用餐后的剩 余菜品图片信息以及用餐评价信息； 识别模块， 适于对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述用 户评价信息对应。

8、的至少一个菜品的剩余量； 确定模块， 适于根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评价 信息中的用餐评价信息的匹配度， 确定所述用户评价信息的可信度。 9.一种计算设备， 包括： 处理器、 存储器、 通信接口和通信总线， 所述处理器、 所述存储 器和所述通信接口通过所述通信总线完成相互间的通信； 所述存储器用于存放至少一可执行指令， 所述可执行指令使所述处理器执行如权利要 求1-7中任一项所述的用户评价信息的处理方法对应的操作。 10.一种计算机存储介质， 所述存储介质中存储有至少一可执行指令， 所述可执行指令 使处理器执行如权利要求1-7中任一项所述的用户评价信息的处理方法对。

9、应的操作。 权利要求书 2/2 页 3 CN 110020891 A 3 用户评价信息的处理方法及装置 技术领域 0001 本发明涉及互联网技术领域， 具体涉及一种用户评价信息的处理方法及装置。 背景技术 0002 随着互联网技术的飞速发展， 各类生活服务类平台不断涌现。 人们可通过该平台 对平台对接的商家中的产品进行浏览或消费， 从而极大方便了人们的工作与生活。 近年来， 许多平台为用户提供有相应的用户评价功能， 即用户可在产品消费后对该产品或商家进行 评价， 以便于后续其他用户对产品的选择及消费。 0003 然而， 目前的用户评价信息中通常包含有许多虚假评价信息。 例如， 用户评价信息 中。

10、普遍存在有刷单评论， 即刷单用户仅在平台线上购买刷单商家的菜品， 而刷单商家并未 对刷单用户购买的菜品进行出菜处理， 但刷单用户仍可在平台中对该刷单商家进行好评， 针对上述好评刷单行为， 公告号为CN206039625U的中国专利申请提出了， 在用户提交评价 之前需提供相应的购买凭证。 然而该举措仍无法有效降低好评刷单现象的发生概率(例如， 刷单商家可仅打印出菜小票供刷单用户进行评价， 而不进行出菜处理)。 0004 此外， 目前的用户评价信息中还包含有许多恶意差评评价， 即用户因受竞对商家 雇佣等， 对消费的产品或商家进行恶意差评； 又或者， 某些店铺为获得用户好评会推出相应 的优惠或返利活。

11、动， 而某些用户通常会为获取相应优惠或返利对菜品做出好评， 而该好评 并无法真实反映用餐质量。 0005 总之， 现有的用户评价信息中存在许多评价信息无法真实反映用餐质量的评价信 息， 从而影响后续其他用户对产品的选择与消费， 进而在降低用户体验的同时， 还易因缺失 真实性和公平性， 影响平台对接的商家的利益。 发明内容 0006 鉴于上述问题， 提出了本发明以便提供一种克服上述问题或者至少部分地解决上 述问题的用户评价信息的处理方法及装置。 0007 根据本发明的一个方面， 提供了一种用户评价信息的处理方法， 包括： 0008 获取用户评价信息； 其中， 所述用户评价信息中包含有用餐后的剩余。

12、菜品图片信 息以及用餐评价信息； 0009 对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述用户评价信息 对应的至少一个菜品的剩余量； 0010 根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评价信息中的 用餐评价信息的匹配度， 确定所述用户评价信息的可信度。 0011 可选的， 所述对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述 用户评价信息对应的至少一个菜品的剩余量进一步包括； 0012 获取预先提供的， 菜品处于不同剩余量时所对应的标准剩余菜品图片信息； 0013 依据所述标准剩余菜品图片信息， 对所述用户评价信息中的剩余菜品图片信息进 说明书 1/1。

13、4 页 4 CN 110020891 A 4 行识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量。 0014 可选的， 所述对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述 用户评价信息对应的至少一个菜品的剩余量进一步包括： 0015 将所述标准剩余菜品图片信息作为训练样本， 训练预先构建的剩余菜品识别模 型； 0016 利用训练后的剩余菜品识别模型， 对所述用户评价信息中的剩余菜品图片信息进 行识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量。 0017 可选的， 所述对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述 用户评价信息对应的至少一个菜品的剩。

14、余量进一步包括： 0018 获取与所述用户评价信息对应的订单信息， 并提取所述订单信息中包含的菜品信 息； 0019 获取与所述订单信息中包含的菜品信息对应的标准剩余菜品图片信息； 0020 依据所述订单信息中包含的菜品信息对应的标准剩余菜品图片信息， 对所述用户 评价信息中的剩余菜品图片信息进行识别， 确定与所述用户评价信息对应的至少一个菜品 的剩余量。 0021 可选的， 所述标准剩余菜品图片信息中包含有菜品信息及盛装菜品的器皿信息。 0022 可选的， 所述对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所述 用户评价信息对应的至少一个菜品的剩余量进一步包括： 0023 对所述用。

15、户评价信息中的剩余菜品图片信息进行识别， 确定所述剩余菜品图片信 息中包含的菜品， 以及与所述包含的菜品相对应的剩余量； 0024 将所述剩余菜品图片信息中包含的菜品相对应的剩余量， 作为与所述用户评价信 息对应的至少一个菜品的剩余量。 0025 可选的， 所述根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评 价信息中的用餐评价信息的匹配度， 确定所述用户评价信息的可信度进一步包括： 0026 根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评价信息中的 用餐评价信息的匹配度， 确实所述至少一个菜品的菜品评价可信度； 0027 基于所述至少一个菜品的菜品评价可信度， 确定所述。

16、用户评价信息的可信度。 0028 可选的， 所述基于所述至少一个菜品的菜品评价可信度， 确定所述用户评价信息 的可信度进一步包括： 0029 确定所述至少一个菜品中菜品评价可信度大于预设阈值的菜品的数目； 0030 计算所述菜品评价可信度大于预设阈值的菜品的数目与所述用户评价信息对应 的菜品的数目的比值； 0031 根据计算结果， 确定所述用户评价信息的可信度。 0032 可选的， 所述根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户评 价信息中的用餐评价信息的匹配度， 确实所述至少一个菜品的菜品评价可信度进一步包 括： 0033 根据所述用餐评价信息， 确定与所述用餐评价信息对应的标。

17、准菜品剩余量； 0034 针对所述至少一个菜品中的每个菜品， 计算该菜品的剩余量与所述标准菜品剩余 量的匹配度； 说明书 2/14 页 5 CN 110020891 A 5 0035 根据该菜品的剩余量与所述标准菜品剩余量的匹配度， 确定该菜品的菜品评价可 信度。 0036 可选的， 在所述对所述用户评价信息中的剩余菜品图片信息进行识别进一步包 括： 0037 确定所述用户评价信息是否为无效用户评价信息； 0038 若否， 则对所述用户评价信息中的剩余菜品图片信息进行识别。 0039 可选的， 所述确定所述用户评价信息是否为无效用户评价信息进一步包括： 0040 获取在预设时间段内， 多条用户。

18、评价信息中的剩余菜品图片信息； 0041 针对每条剩余菜品图片信息， 统计该剩余菜品图片信息所对应的用户评价信息的 数量； 0042 当同一剩余菜品图片信息对应的用户评价信息的数量大于预设数量时， 确定所述 同一剩余菜品图片信息对应的用户评价信息为无效用户评价信息。 0043 可选的， 在所述确定所述用户评价信息的可信度之后， 所述方法还包括： 0044 根据所述用户评价信息的可信度， 展示所述用户评价信息。 0045 根据本发明的另一方面， 提供了一种用户评价信息的处理装置， 包括： 0046 评价获取模块， 适于获取用户评价信息； 其中， 所述用户评价信息中包含有用餐后 的剩余菜品图片信息。

19、以及用餐评价信息； 0047 识别模块， 适于对所述用户评价信息中的剩余菜品图片信息进行识别， 确定与所 述用户评价信息对应的至少一个菜品的剩余量； 0048 确定模块， 适于根据所述用户评价信息对应的至少一个菜品的剩余量与所述用户 评价信息中的用餐评价信息的匹配度， 确定所述用户评价信息的可信度。 0049 可选的， 所述装置还包括： 标准图片获取模块， 适于获取预先提供的， 菜品处于不 同剩余量时所对应的标准剩余菜品图片信息； 0050 所述识别模块进一步适于： 依据所述标准剩余菜品图片信息， 对所述用户评价信 息中的剩余菜品图片信息进行识别， 确定与所述用户评价信息对应的至少一个菜品的剩。

20、余 量。 0051 可选的， 所述识别模块进一步适于： 将所述标准剩余菜品图片信息作为训练样本， 训练预先构建的剩余菜品识别模型； 0052 利用训练后的剩余菜品识别模型， 对所述用户评价信息中的剩余菜品图片信息进 行识别， 确定与所述用户评价信息对应的至少一个菜品的剩余量。 0053 可选的， 所述识别模块进一步适于： 获取与所述用户评价信息对应的订单信息， 并 提取所述订单信息中包含的菜品信息； 0054 获取与所述订单信息中包含的菜品信息对应的标准剩余菜品图片信息； 0055 依据所述订单信息中包含的菜品信息对应的标准剩余菜品图片信息， 对所述用户 评价信息中的剩余菜品图片信息进行识别，。

21、 确定与所述用户评价信息对应的至少一个菜品 的剩余量。 0056 可选的， 所述标准剩余菜品图片信息中包含有菜品信息及盛装菜品的器皿信息。 0057 可选的， 所述识别模块进一步适于： 对所述用户评价信息中的剩余菜品图片信息 进行识别， 确定所述剩余菜品图片信息中包含的菜品， 以及与所述包含的菜品相对应的剩 说明书 3/14 页 6 CN 110020891 A 6 余量； 0058 将所述剩余菜品图片信息中包含的菜品相对应的剩余量， 作为与所述用户评价信 息对应的至少一个菜品的剩余量。 0059 可选的， 所述确定模块进一步适于： 根据所述用户评价信息对应的至少一个菜品 的剩余量与所述用户评。

22、价信息中的用餐评价信息的匹配度， 确实所述至少一个菜品的菜品 评价可信度； 0060 基于所述至少一个菜品的菜品评价可信度， 确定所述用户评价信息的可信度。 0061 可选的， 所述确定模块进一步适于： 确定所述至少一个菜品中菜品评价可信度大 于预设阈值的菜品的数目； 0062 计算所述菜品评价可信度大于预设阈值的菜品的数目与所述用户评价信息对应 的菜品的数目的比值； 0063 根据计算结果， 确定所述用户评价信息的可信度。 0064 可选的， 所述确定模块进一步适于： 根据所述用餐评价信息， 确定与所述用餐评价 信息对应的标准菜品剩余量； 0065 针对所述至少一个菜品中的每个菜品， 计算该。

23、菜品的剩余量与所述标准菜品剩余 量的匹配度； 0066 根据该菜品的剩余量与所述标准菜品剩余量的匹配度， 确定该菜品的菜品评价可 信度。 0067 可选的， 所述装置还包括： 无效评价确定模块， 适于确定所述用户评价信息是否为 无效用户评价信息； 0068 所述识别模块进一步适于： 若确定所述用户评价信息为无效用户评价信息， 则对 所述用户评价信息中的剩余菜品图片信息进行识别。 0069 可选的， 所述无效评价确定模块进一步适于： 获取在预设时间段内， 多条用户评价 信息中的剩余菜品图片信息； 0070 针对每条剩余菜品图片信息， 统计该剩余菜品图片信息所对应的用户评价信息的 数量； 0071。

24、 当同一剩余菜品图片信息对应的用户评价信息的数量大于预设数量时， 确定所述 同一剩余菜品图片信息对应的用户评价信息为无效用户评价信息。 0072 可选的， 所述装置还包括： 展现模块， 适于在所述确定所述用户评价信息的可信度 之后， 根据所述用户评价信息的可信度， 展示所述用户评价信息。 0073 根据本发明的又一方面， 提供了一种计算设备， 包括： 处理器、 存储器、 通信接口和 通信总线， 所述处理器、 所述存储器和所述通信接口通过所述通信总线完成相互间的通信； 0074 所述存储器用于存放至少一可执行指令， 所述可执行指令使所述处理器执行上述 用户评价信息的处理方法对应的操作。 0075。

25、 根据本发明的再一方面， 提供了一种计算机存储介质， 所述存储介质中存储有至 少一可执行指令， 所述可执行指令使处理器执行如上述用户评价信息的处理方法对应的操 作。 0076 根据本发明提供的用户评价信息的处理方法及装置， 首先获取用户评价信息； 其 中， 用户评价信息中包含有用餐后的剩余菜品图片信息以及用餐评价信息； 进一步对用户 说明书 4/14 页 7 CN 110020891 A 7 评价信息中的剩余菜品图片信息进行识别， 确定与用户评价信息对应的至少一个菜品的剩 余量； 最终根据用户评价信息对应的至少一个菜品的剩余量与用户评价信息中的用餐评价 信息的匹配度， 确定用户评价信息的可信度。

26、。 本方案中用户提交的用户评价信息中需包含 有用餐后的剩余菜品图片信息， 可提高刷单成本， 降低刷单行为的发生概率； 且采用本方案 可精准地确定出无法反应真实的用餐质量的评价信息， 快速准确地筛选出虚假评价， 提升 用户体验， 并避免因缺失真实性和公平性影响平台对接商家的利益。 0077 上述说明仅是本发明技术方案的概述， 为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施， 并且为了让本发明的上述和其它目的、 特征和优点能够 更明显易懂， 以下特举本发明的具体实施方式。 附图说明 0078 通过阅读下文优选实施方式的详细描述， 各种其他的优点和益处对于本领域普通 技术人员将变。

27、得清楚明了。 附图仅用于示出优选实施方式的目的， 而并不认为是对本发明 的限制。 而且在整个附图中， 用相同的参考符号表示相同的部件。 在附图中： 0079 图1示出了根据本发明一个实施例提供的一种用户评价信息的处理方法的流程示 意图； 0080 图2示出了根据本发明另一个实施例提供的一种用户评价信息的处理方法的流程 示意图； 0081 图3示出了根据本发明一个实施例提供的一种用户评价信息的处理装置的功能结 构示意图； 0082 图4示出了根据本发明一个实施例提供的一种计算设备的结构示意图。 具体实施方式 0083 下面将参照附图更详细地描述本公开的示例性实施例。 虽然附图中显示了本公开 的示。

28、例性实施例， 然而应当理解， 可以以各种形式实现本公开而不应被这里阐述的实施例 所限制。 相反， 提供这些实施例是为了能够更透彻地理解本公开， 并且能够将本公开的范围 完整的传达给本领域的技术人员。 0084 图1示出了根据本发明一个实施例提供的一种用户评价信息的处理方法的流程示 意图。 其中， 本实施例所提供的用户评价信息可适用于对接有餐饮类商家的服务类平台， 采 用本实施例所提供的方法可以有效确定出针对餐饮类商家的虚假评价， 并有效降低刷单行 为的发生频次。 0085 如图1所示， 该方法包括： 0086 步骤S110， 获取用户评价信息； 其中， 用户评价信息中包含有用餐后的剩余菜品图 。

29、片信息以及用餐评价信息。 0087 在本实施例中， 用户提交的用户评价信息中包含有用餐后的剩余菜品图片信息。 其中， 该剩余菜品图片信息可由用户终端的图像采集设备获得， 也可通过智能餐桌等设备 获得。 例如， 在实施过程中， 当用户用餐结束后进行评价时， 可提示用户拍摄剩余菜品图片， 待用户拍摄剩余菜品图片后方可进行用户评论信息的提交， 从而保证用户提交的用户评价 信息中必然包含有剩余菜品图片信息。 通过剩余菜品图片信息的设置， 可避免发生商家不 说明书 5/14 页 8 CN 110020891 A 8 出菜， 用户未消费的情况下， 用户仍能提交用户评价， 从而在很大程度上提高刷单成本， 避。

30、 免刷单行为的发生。 0088 进一步， 本实施例中的用户评价信息中还包含有用餐评价信息。 其中， 该用餐评价 信息可以包括对此次用餐的评分信息， 也可以包括对此次用餐的文字和/或语音等评论信 息。 例如， 用餐评价信息可以为 “评分： 五星； 味道不错， 还会再来” 等等。 0089 步骤S120， 对用户评价信息中的剩余菜品图片信息进行识别， 确定与用户评价信 息对应的至少一个菜品的剩余量。 0090 由于用餐后的菜品剩余量可反映用餐质量(如菜品味道， 店铺服务等等)， 所以本 步骤中对用户评价信息中的剩余菜品图片信息进行识别， 以获得与用户评价信息对应的至 少一个菜品的剩余量。 其中， 。

31、本实施例对具体的识别方式不做限定。 例如， 可以为提升识别 准确率及识别效率， 采用机器学习的方式来对剩余菜品图片信息进行识别。 0091 步骤S130， 根据用户评价信息对应的至少一个菜品的剩余量与用户评价信息中的 用餐评价信息的匹配度， 确定用户评价信息的可信度。 0092 首先需确定用户评价信息对应的至少一个菜品的剩余量与用户评价信息中的用 餐评价信息的匹配度。 在具体实施时， 菜品的剩余量应当负相关于用餐评价信息中对菜品 或店铺的评分， 即菜品剩余量越高， 则用户针对菜品或店铺的评分应当越低。 而当实际的用 户评价信息中菜品的剩余量较高， 而用户针对菜品或店铺的评分较高时， 则确定用户。

32、评价 信息对应的至少一个菜品的剩余量与用户评价信息中的用餐评价信息的匹配度较低； 同 理， 当实际的用户评价信息中菜品的剩余量较低， 而用户针对菜品或店铺的评分较低时， 则 确定用户评价信息对应的至少一个菜品的剩余量与用户评价信息中的用餐评价信息的匹 配度较低。 例如， 用户评价信息中的用餐评价信息为五星好评， 而步骤S120中确定的与用户 评价信息对应的3个菜品的剩余量均为百分之90， 则用户评价信息对应的至少一个菜品的 剩余量与用户评价信息中的用餐评价信息的匹配度较低。 0093 进一步地， 本实施例是根据用户评价信息对应的菜品剩余量与用餐评价信息的匹 配度来确定该条用户评价信息的可信度。。

33、 其中， 用户评价信息对应的至少一个菜品的剩余 量与用户评价信息中的用餐评价信息的匹配度愈高， 用户评价信息的可信度愈高； 反之， 用 户评价信息对应的至少一个菜品的剩余量与用户评价信息中的用餐评价信息的匹配度愈 低， 用户评价信息的可信度愈低。 通过该方式可准确地确定出用户评价信息是否为虚假评 价。 0094 由此可见， 本实施例中用户提交的用户评价信息中需包含有用餐后的剩余菜品图 片信息， 从而避免了商家不出菜， 用户未消费的情况下， 用户仍能提交用户评价信息的现象 的发生， 进而提高刷单成本， 降低刷单行为的发生频次； 并且， 本实施例对剩余菜品图片信 息进行识别， 以确定与用户评价信息。

34、对应的至少一个菜品的剩余量， 最终根据用户评价信 息对应的至少一个菜品的剩余量与用户评价信息中的用餐评价信息的匹配度， 准确地确定 用户评价信息的可信度， 从而可精准地确定出无法反应真实的菜品或店铺质量的评价信 息， 快速准确地筛选出虚假评价， 为后续其他用户对产品的选择与消费提供真实性的参考， 从而提升用户体验， 并避免因缺失真实性和公平性， 影响平台对接商家的利益。 0095 图2示出了根据本发明另一个实施例提供的一种用户评价信息的处理方法的流程 示意图。 如图2所示， 该方法包括： 说明书 6/14 页 9 CN 110020891 A 9 0096 步骤S210， 获取用户评价信息； 。

35、其中， 用户评价信息中包含有用餐后的剩余菜品图 片信息以及用餐评价信息。 0097 在实际的实施过程中， 在接收到用户提交的下单点餐请求之后， 可获取用户对应 的订单信息， 并向用户返回点餐结果。 待用户用餐结束后， 用户可通过相应的方式触发针对 此次用餐的评价操作。 在用户进行评价过程中， 可提示用户对用餐后的剩余菜品进行拍照 处理， 从而使得用户提交的用户评价信息中包含有用餐后的剩余菜品图片信息。 通过剩余 菜品图片信息的设置， 可避免发生商家不出菜， 用户未消费的情况下， 用户仍能提交用户评 价， 从而提高刷单成本， 避免刷单行为的发生。 进一步， 本实施例中的用户评价信息中还包 含有用。

36、餐评价信息。 其中， 该用餐评价信息可以包括对此次用餐的评分信息， 也可以包括对 此次用餐的文字和/或语音等评论信息。 例如， 用餐评价信息可以为 “评分： 五星； 味道不错， 还会再来” 等等。 0098 在一种可选的实施方式中， 为提升用户评价信息可信度的整体确定效率， 本实施 例在获取用户评价信息之后， 进一步确定用户评价信息是否为无效用户评价信息， 即剔除 用户评价信息中的刷单评论等无效评论。 在确定该用户评价信息不是无效用户评价信息之 后， 才可执行后续对用户评价信息中的剩余菜品图片信息进行识别的步骤。 在确定用户评 价信息是否为无效用户评价信息时， 获取在预设时间段内， 多条用户评。

37、价信息中的剩余菜 品图片信息； 针对每条剩余菜品图片信息， 统计该剩余菜品图片信息所对应的用户评价信 息的数量； 当同一剩余菜品图片信息对应的用户评价信息的数量大于预设数量时， 确定同 一剩余菜品图片信息对应的用户评价信息为无效用户评价信息。 例如， 若在某一时段内， 有 10个用户(超过预设数量8)的用户评价信息中的剩余菜品图片信息相同， 则确定该10个用 户为刷单用户， 从而将该10个用户的用户评价信息确定为无效评价， 并不执行后续步骤 S220。 0099 步骤S220， 利用训练后的剩余菜品识别模型， 对用户评价信息中的剩余菜品图片 信息进行识别， 确定与用户评价信息对应的至少一个菜品。

38、的剩余量。 0100 在对用户评价信息中的剩余菜品图片信息进行识别过程中， 可获取预先提供的， 菜品处于不同剩余量时所对应的标准剩余菜品图片信息， 进而依据标准剩余菜品图片信 息， 对用户评价信息中的剩余菜品图片信息进行识别， 确定与用户评价信息对应的至少一 个菜品的剩余量。 其中， 标准剩余菜品图片信息可由商家提供。 举例来说， 商家A可预先提供 其经营的菜品B在剩余量分别为0、 20、 40、 60、 70、 80及100时的标准剩余菜 品图片信息。 可选的， 为提升后续剩余菜品图片信息的识别准确度， 此处所述的标准剩余菜 品图片信息中包含有菜品信息及盛装菜品的器皿信息。 其中， 为进一步。

39、提升后续的图片识 别精度， 此处的器皿信息具体为完整的器皿信息。 0101 可选的， 为提升剩余菜品图片信息的识别效率及准确率， 本实施中可获取与用户 评价信息对应的订单信息， 并提取订单信息中包含的菜品信息； 获取与订单信息中包含的 菜品信息对应的标准剩余菜品图片信息， 进而依据订单信息中包含的菜品信息对应的标准 剩余菜品图片信息， 对用户评价信息中的剩余菜品图片信息进行识别， 确定与用户评价信 息对应的至少一个菜品的剩余量。 通过订单信息来获取标准剩余菜品图片信息， 可缩小剩 余菜品图片信息的菜品识别范围， 从而有利于提升识别效率； 并且， 将菜品识别范围限制在 订单信息对应的菜品范围内，。

40、 可避免识别出订单信息之外的其他菜品， 从而有利于识别准 说明书 7/14 页 10 CN 110020891 A 10 确度的提升。 0102 优选的， 为进一步地提升剩余菜品图片信息， 以及获得的菜品剩余量的准确度， 本 实施例具体是通过机器学习的方式来对用户评价信息中的剩余菜品图片信息进行识别。 0103 在具体的机器学习识别菜品剩余量过程中， 需预先构建剩余菜品识别模型， 进一 步地将获取的标准剩余菜品图片信息作为训练样本， 训练预先构建的剩余菜品识别模型。 最终利用训练后的剩余菜品识别模型， 对用户评价信息中的剩余菜品图片信息进行识别， 确定与用户评价信息对应的至少一个菜品的剩余量。。

41、 其中， 本实施例对具体的剩余菜品识 别模型构建方式， 以及具体的训练方式不做限定， 本领域技术人员可根据实际的需求选择 相应的机器学习算法。 可选的， 待剩余菜品识别模型训练完毕后， 可在接收到用户的下单点 餐请求之后， 便获取用户对应的订单信息， 从而依据订单信息获取标准剩余菜品图片信息， 进而根据训练好的剩余菜品识别模型对用户评价信息中的剩余菜品图片信息进行识别。 0104 对用户评价信息中的剩余菜品图片信息进行识别后， 可确定剩余菜品图片信息中 包含的菜品， 以及与该包含的菜品相对应的剩余量。 从而根据剩余菜品图片信息中包含的 菜品， 以及与该包含的菜品相对应的剩余量， 确定与用户评价。

42、信息对应的至少一个菜品的 剩余量。 其中， 确定与用户评价信息对应的至少一个菜品的剩余量可采用以下实施方式中 的至少一种： 0105 实施方式一： 确定用户评价信息对应的订单信息所包含的全部菜品， 根据剩余菜 品图片信息中包含的菜品相对应的剩余量， 推导出订单信息所包含的全部菜品中每个菜品 对应的剩余量。 例如， 用户订单信息对应有8个菜品， 然而在用户就餐过程中， 其中2个菜品 已从桌台中撤去， 从而导致最终的剩余菜品图片信息中仅包含有6个菜品， 则可将撤去的2 个菜品的剩余量确定为0， 从而获得该8个菜品对应的剩余量， 进而将该8个菜品对应的剩 余量确定为用户评价信息对应的菜品的剩余量。 。

43、0106 实施方式二： 不同于实施方式一， 本实施方式中是将剩余菜品图片信息中包含的 菜品相对应的剩余量， 作为与用户评价信息对应的至少一个菜品的剩余量。 例如， 用户订单 信息对应有8个菜品， 其中2个菜品已从桌台中撤去， 剩余菜品图片信息中仅包含有6个菜 品。 在该种实施方式中， 仅将该6个菜品对应的剩余量作为用户评价信息对应的至少一个菜 品的剩余量。 本实施方式中， 由于仅将剩余菜品图片信息包含的菜品的剩余量作为用户评 价信息对应的菜品的剩余量， 可在一定程度上避免商家或用户的作弊行为， 便于准确计算 用户评价信息的可信度。 0107 步骤S230， 根据用户评价信息对应的至少一个菜品的。

44、剩余量与用户评价信息中的 用餐评价信息的匹配度， 确实至少一个菜品的菜品评价可信度。 0108 在确定菜品评价可信度过程中， 具体是根据用餐评价信息， 确定与用餐评价信息 对应的标准菜品剩余量。 在实际实施过程中， 预先设定有用餐评分对应的标准菜品剩余量。 例如， 用餐评分20分对应标准菜品剩余量80-100， 用餐评分100分对应标准菜品剩余量 0-20等等。 则在根据用餐评价信息， 确定与用餐评价信息对应的标准菜品剩余量时， 需 将用餐评价信息转换为对应的用餐评分。 其中， 本实施例对具体的转换方式不做限定， 例 如， 若用餐评价信息中包含有评分信息(如星级评分)， 可将该评分信息进行相应。

45、的量级转 换， 生成对应的用餐评分(如五星好评对应用餐评分100分)； 若用餐评价信息中未包含有评 分信息， 则可通过提取评价信息中的文字或语音关键字， 根据提取出的关键字确定用餐评 说明书 8/14 页 11 CN 110020891 A 11 分(例如， 提取评价信息中的关键字 “很好吃” ， 并确定 “很好吃” 对应于用餐评分100分)。 0109 进一步， 针对用户评价信息对应的至少一个菜品中的每个菜品， 计算该菜品的剩 余量与标准菜品剩余量的匹配度。 例如， 可根据该菜品的剩余量与标准菜品剩余量的比值， 计算该菜品的剩余量与标准菜品剩余量的匹配度； 或者， 计算该菜品的剩余量与标准菜。

46、品 剩余量差值， 根据该差值计算该菜品的剩余量与标准菜品剩余量的匹配度(如可根据差值 的绝对值与该菜品的剩余量的比值， 或者根据该绝对值与标准菜品剩余量的比值， 计算该 菜品的剩余量与标准菜品剩余量的匹配度)。 如， 菜品A剩余量为50， 标准菜品剩余量为 60， 则该菜品的剩余量与标准菜品剩余量的匹配度可以为50/60， 也可以为1-(60- 50)/2 0110 更进一步地， 根据该菜品的剩余量与标准菜品剩余量的匹配度， 确定该菜品的菜 品评价可信度。 具体地， 可将计算出的该菜品的剩余量与标准菜品剩余量的匹配度， 作为该 菜品的菜品评价可信度； 也可采用特定的换算方法， 对计算出的匹配度。

47、进行换算后获得该 菜品的菜品评价可信度。 0111 通过本步骤可具体定量地计算出菜品评价可信度， 为后续用户评价信息可信度的 准确计算提供基础。 0112 步骤S240， 基于用户评价信息对应的至少一个菜品的菜品评价可信度， 确定用户 评价信息的可信度。 0113 在具体的实施方式中， 可采用多种方法根据基于用户评价信息对应的至少一个菜 品的菜品评价可信度， 确定用户评价信息的可信度。 0114 在一种实施方式中， 可根据用户评价信息对应的至少一个菜品的菜品评价可信度 的平均值， 确定用户评价信息的可信度； 也可以根据用户评价信息对应的至少一个菜品的 菜品评价可信度的中的最高值或最低值， 确定。

48、用户评价信息的可信度。 0115 在又一种实施方式中， 可确定至少一个菜品中菜品评价可信度大于预设阈值的菜 品的数目； 计算菜品评价可信度大于预设阈值的菜品的数目与用户评价信息对应的菜品的 数目的比值； 最终根据计算结果， 确定用户评价信息的可信度。 举例来说， 若用户评价信息 对应的至少一个菜品的菜品评价可信度分别为： 菜品A， 可信度90； 菜品B， 可信度10； 菜 品C， 可信度80， 菜品D， 可信度100； 预设阈值为70， 则确定大于预设阈值的菜品的数 目为3， 与用户评价信息对应的菜品的数目为4， 从而确定用户评价信息的可信度为3/4(即 75)。 相较于上述实施方式， 本实施。

49、方式具有较高的计算精度， 可准确反映用户评价信息 的可信度。 0116 步骤S250， 根据用户评价信息的可信度， 展示用户评价信息。 0117 具体地， 可按照用户评价信息的可信度由高至低的顺序， 展示用户评价信息； 或 者， 使用户评价信息的可信度正相关于用户评价信息的展示几率， 使得用户评价信息的可 信度愈高， 用户评价信息的展示几率越高。 0118 由此可见， 本实施例中用户提交的用户评价信息中需包含有用餐后的剩余菜品图 片信息， 从而避免了商家不出菜， 用户未消费的情况下， 用户仍能提交用户评价信息的现象 的发生， 进而提高刷单成本， 降低刷单行为的发生频次； 并且， 本实施例对剩余。

50、菜品图片信 息进行识别， 以确定与用户评价信息对应的至少一个菜品的剩余量， 最终根据用户评价信 息对应的至少一个菜品的剩余量与用户评价信息中的用餐评价信息的匹配度， 准确地确定 说明书 9/14 页 12 CN 110020891 A 12 用户评价信息的可信度， 从而可精准地确定出无法反应真实的菜品或店铺质量的评价信 息， 快速准确地筛选出虚假评价， 为后续其他用户对产品的选择与消费提供真实性的参考， 从而提升用户体验， 并避免因缺失真实性和公平性， 影响平台对接商家的利益。 0119 并且， 本实施例中以商家提供的标准剩余菜品图片信息为训练样本， 训练获得剩 余菜品图片信息， 并采用机器学。