[0001] 本申请涉及大数据领域，尤其涉及一种数据处理方法、装置、服务器、介质及程序产品。

[0002] 银行在发放抵押贷款时，如果标的涉及房地产和物业管理的金融产品和服务，通常需要对物业进行评估。物业的服务质量直接影响其市场价值和吸引力，从而影响贷款的风险评估和贷款额度的确定。

[0003] 相关技术中，银行对于物业的服务质量的评估方式，通常是基于线下或线上调研的方式，采集用户对于物业的评价结果对标的进行物业服务质量的评估，这种方式一方面需要消耗大量人力物力，另一方面，过于依赖于用户的主观意念，导致评价结果不够客观。

[0004] 因此，亟需提出一种能够高效、准确评估物业服务质量的技术方案，从而提高银行贷款的风险评估和贷款额度确定的效率。

[0054] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

[0055] 本申请的技术方案中，所涉及的金融数据或用户数据等信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。需要说明的是，在本申请实施例中，可能提及某些软件、组件、模型等业界已有方案，应当将它们认为是示范性的，其目的仅仅是为了说明本申请技术方案实施中的可行性，但并不意味着申请人已经或者必然用到了该方案。

[0056] 随着城市化进程的加快和居民生活水平的提高，物业管理服务作为社区运营的重要组成部分，其服务质量直接影响到居民的生活质量和满意度。因此，银行评估在发放抵押贷款时，如果标的涉及房地产和物业管理的金融产品和服务，也需要对物业进行评估，传统的物业服务质量评估通常依赖于人工调查和反馈，这种方式存在效率低下、数据收集不全面、主观性强等问题。因此，需要提供物业服务质量评价的改进方案，以实现银行更加高效、准确地评估标的物的物业服务质量，同时更好地满足居民需求，提升物业服务的质量和效率。

[0057] 有鉴于此，本申请实施例提出一种基于人工智能技术的物业服务质量评估和改进方案，本申请实施例通过响应于目标终端发起的针对待评估标的的物业服务质量的评估请求，基于多渠道获取用于评估待评估标的的物业服务质量的各项指标数据，将各项指标数据输入至预训练的人工智能模型中，基于人工智能模型对各项指标数据进行处理，得到针对待评估标的各项指标数据的物业服务质量得分，该人工智能模型是基于历史样本数据集训练得到并用于评估物业服务质量得分的模型，基于物业服务质量得分生成物业服务评价报告，并将物业服务评价报告发送至目标终端，以使目标终端基于物业评价报告确定待评估标的的物业服务质量评价是否通过。此过程中，通过多渠道收集物业服务质量的各项指标数据，并使用人工智能技术对收集到的物业服务信息进行分析处理，实现对物业服务质量、用户满意度的智能化评估，为银行提供了更加高效、准确地评估标的物的物业服务质量评估方式；此外，本申请实施例还可以根据评估结果为物业管理平台提供改进建议，该方案对于评估物业服务质量的金融机构或者物业管理平台中具有较高的实用性和市场潜力。

[0058] 下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

[0059] 以银行发放抵押贷款业务为例，图1为适用于本申请实施例的方法的应用场景图。如图1所示，该应用场景包括：服务器10，以及与该服务器电连接的目标终端20其中，目标终端20可以是银行(在一些应用场景中，还可以是其它具有对标的进行物业服务质量评估需求的其它企业、组织或个人，本实施例对此不作特别限定)业务人员进行业务处理的设备，业务人员通过在目标终端设备20上选择待评估标的并向服务器10发起送针对待评估标的的物业服务质量的评估请求，服务器20接收到该评估请求后，通过获取该待评估标的对应的指标数据，并利用人工智能模型对指标数据进行评估分析，以输出物业服务质量得分，并根据该物业服务质量得分生成相应的评价报告反馈给目标终端20，由目标终端根据该评价报告进一步判断标的物的物业服务质量是否通过，从而确定是否进入下游业务流程，例如在发放抵押贷款业务中，如果待评估标的的物业服务质量通过，且其它评估项均通过，可以进入后续的抵押贷款业务审批流程。可选地，还可以包括与服务器10电连接的物业管理平台30，服务器10在生成评价报告后，可以将评价报告存储在云平台或者其它存储空间中，当物业管理平台30发起评价报告请求时，可以向物业管理平台发送该评价报告及对应的优化策略，以便于物业管理平台30进行物业服务质量的改进。

[0060] 其中，服务器10可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器；终端设备20可以包括但不限于，电脑、智能手机、平板电脑、电子书阅读器、动态影像专家压缩标准音频层面3(Moving Picture experts group audio layer III，简称MP3)播放器、动态影像专家压缩标准音频层面4(Moving Picture experts group audio layer IV，简称MP4)播放器、便携计算机、车载电脑、可穿戴设备、台式计算机、机顶盒、智能电视等等。

[0061] 基于图1所示的应用场景，本申请实施例提供一种数据处理方法，执行主体为服务器10。图2为本申请实施例提供的数据处理方法的流程示意图，如图2所示，该方法可以包括如下步骤S201‑S203：

[0062] 步骤S201、响应于目标终端发起的针对待评估标的的物业服务质量的评估请求，基于多渠道获取用于评估所述待评估标的的物业服务质量的各项指标数据。

[0063] 在本实施例中，目标终端可以是银行业务人员处理业务的终端设备(例如，用户的智能手机或计算机)，通过在目标终端上向服务器发起一个请求，请求评估某一特定标的的物业服务的质量，该请求可以包括有关待评估标的信息，例如物业的名称、位置或其他识别特征。服务器在接收到该评估请求后，通过多个渠道收集与该物业服务质量相关的指标数据，多个渠道可以包括如下中的至少之一：物联网设备、移动应用和社交媒体，其中，物联网设备可以是传感器设备(如摄像头、温湿度传感器，等等)，移动应用可以是能够装载电子设备的应用软件，可以是提供物业服务请求、账单支付、公告通知等功能的物业管理应用、或者提供社区公告、活动组织、邻里互动等功能的社区互动应用，等等，其中，移动应用可以和物联网设备集成，以提高数据获取效率。在一些实施例中，除了上述渠道之外还可以包括其它渠道如物业管理平台、第三方服平台，等等。

[0064] 在本实施例中，待评估标的可以是物业项目，例如一个具体的物业项目或建筑群，如住宅小区、商业大厦、办公楼等；或者物业管理公司，即提供物业管理服务的公司，评估其整体服务质量；或者特定服务区域，物业管理中的某个特定区域或功能区，如停车场、公共区域、健身设施，等等。

[0065] 可以理解的，响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

[0066] 可以理解的，物业服务可以指的是业主通过选聘物业服务企业，由业主和物业服务企业按照物业服务合同约定，对房屋及配套的设施设备和相关场地进行维修、养护、管理，维护物业管理区域内的环境卫生和相关秩序的活动。

[0067] 步骤S202、将各项指标数据输入至预训练的人工智能模型中，基于所述人工智能模型对各项指标数据进行处理，得到针对所述待评估标的各项指标数据的物业服务质量得分；其中，所述人工智能模型是基于历史样本数据集训练得到并用于评估物业服务质量得分的模型。

[0068] 替代相关技术中采用线上或线下调研的方式，采集用户对于物业的评价结果对标的进行物业服务质量的评估。本实施例在通过多渠道获取物业服务进行采集后，输入到预训练的人工智能模型中，由人工智能模型对指标数据进行分析处理，以得到针对各项指标数据的物业质量得分。其中，人工智能模型可以是基于机器学习或深度学习的模型，如循环神经网络模型、长短期记忆网络模型和大语言模型，或者决策树、随机森林、支持向量机等等。

[0069] 在一可选实施方式中，该人工智能模型的训练过程，可以采用如下方式：获取历史样本数据集，所述历史样本数据集包括多样本标的的物业服务质量的各项样本指标数据以及对应的评分结果；将所述各项样本指标数据作为初始人工智能模型的输入，并将各项样本指标数据集对应的评分结果作为所述初始人工智能模型的输出，对所述初始人工智能模型进行迭代训练，直至达到预设迭代次数或者损失值满足预设损失条件，得到所述人工智能模型。

[0070] 在本实施例中，通过获取足量的历史样本数据集训练模型，以提高模型准确度，这些数据集可以包括多个样本标的的物业服务质量的各项指标数据，以及这些样本标的的已知评分结果，评分结果可以是由专家评估(如银行抵押贷款业务所设定标准评估，可根据实际确定)，在获取历史样本数据集后，为了确保所有数据格式一致，可以先对样本数据集进行格式化，便于后续处理和输入模型，以及去除缺失值、异常值和噪声数据，以提高数据质量，并可以选择和提取对模型预测最有用的特征(如特征缩放、编码分类变量、生成新特征等)。接下来，可以对样本数据集进行数据分割，将数据集分为训练集、验证集和测试集，以便在训练过程中进行模型验证和最终评估。在选择初始人工智能模型(如循环神经网络模型)后，设置初始模型参数，准备进行训练：通过将各项样本指标数据作为模型的输入，将对应的评分结果作为模型的输出，通过选择合适的损失函数(如均方误差、交叉熵等)，用于衡量模型预测结果与实际结果之间的差距，并通过迭代优化算法(如梯度下降、Adam等)，不断调整模型参数以最小化损失函数，训练过程持续进行，直到达到预设的迭代次数或损失值满足预设的损失条件。

[0071] 此外，在训练过程中，可以使用验证集评估模型性能，防止过拟合。在训练完成后，可以使用测试集评估模型的泛化能力，确保模型在未见过的数据上表现良好，还可以使用多种性能指标(如准确率、精确率、召回率、F1分数等)全面评估模型。

[0072] 在模型训练完成后，可以将训练好的模型部署到生产环境中，用于实际的物业服务质量评估，在本实施例中，可以是将模型部署在服务器中，以供服务器使用。服务器可以监控模型在实际应用中的表现，定期更新模型以适应新的数据和环境变化。

[0073] 如此，便可以训练出一个有效的人工智能模型，用于评估物业服务质量，帮助银行高效、准确评估待评估标的的物业服务水平，从而提升银行的业务处理效率。

[0074] 步骤S203、基于所述物业服务质量得分生成物业服务评价报告，并将所述物业服务评价报告发送至所述目标终端，以使所述目标终端基于所述物业评价报告确定所述待评估标的的物业服务质量评价是否通过。

[0075] 可选地，在物业服务评价报告的生成过程中，可以结合物业服务评价报告模板生成。例如，目标终端在发起物业服务质量的评估请求时，该评估请求中可以携带物业服务评价报告的模版，该模板可由本领域技术人员根据实际应用适应性确定或调整，例如模版中可以包括标题、封面、目录、文本内容等格式，文本内容中可以包括固定项和可填充项，固定项为已填充的格式内容(例如各指标数据的类型)，服务器根据物业服务质量得分，将对应的指标数据所对应的分析结果(得分)填充至可填充项中，以生成物业服务评价报告并发送到目标终端中，以便于银行查询和处理。需要说明的是，除了上述示例之外，还可以采用其它模板或者形式生成物业服务评价报告，例如模版还可以是图标展示等模板，本实施例对此不作特别限定。

[0076] 在一些实施例中，上述步骤基于所述物业服务质量得分生成物业服务评价报告，还可以采用如下方式：利用数据可视化技术，对物业服务质量得分低于相关指标对应的得分阈值的指标数据进行数据分析，得到所述指标数据的待改进点；根据所述物业服务得分和所述指标数据的待改进点，生成物业服务评价报告。

[0077] 在该实施例中，通过筛选出得分低于设定阈值的指标。这些指标代表物业服务的薄弱环节，需要重点关注和改进。通过将低分指标的数据整理成易于分析的格式，准备进行可视化处理，可以选择数据可视化工具来展示数据(如图表创建的方式)，通过对低分指标进行深入分析，识别导致低分的原因，可以是针对具体事件、用户反馈或操作流程的详细分析，并基于分析结果，确定每个低分指标的具体待改进点。例如，可以采用机器学习算法对收集到的数据进行分析，识别服务质量的强项和弱点，通过预构建的物业服务评价模型，对物业服务的各项指标进行综合评分(如优秀、良好、一般、较差)，实现对服务质量的量化评估，并生成服务评价报告。需要说明的是，上述的得分阈值可以是本领域技术人员基于行业标准或历史数据适应性确定得到。如此，便能生成较为详尽的物业评价报告，方便用户查看和进一步处理和分析。

[0078] 在一些实施例中，目标终端根据物业评价报告确定待评估标的的物业服务质量评价是否通过，可以采用如下方式，银行预先设定评估标准并存储在目标终端中，该评估标准用于评估物业服务质量是否达到要求，其可以是基于行业规范、内部政策或历史数据确定的，并可以针对不同指标数据设定权重分配，不同的指标可能有不同的重要性，系统需要根据预设的权重对各项指标进行综合评估，具体地，可以将报告中的综合得分和各项指标得分与预设的评分标准进行对比，使用规则引擎或决策树等逻辑判断工具，根据评分标准和权重计算最终的计算结果，根据计算结果，系统自动判定物业服务质量评价是否通过，如果综合得分和关键指标得分均达到或超过标准，则可以视为通过，对于接近标准边界的情况，可能需要人工复核或进一步调查。进一步地，可以生成评估结果通知，发送给相关利益方，如物业管理公司、银行内部审核团队等。

[0079] 通过此方式，目标终端可以高效、准确地基于物业评价报告确定物业服务质量评价是否通过。这种自动化和系统化的评估流程有助于提高决策效率，减少人为错误，并确保评估过程的透明和一致。

[0080] 在本实施例中，指标数据可以包括如下中的至少之一：硬件设施数据、维修响应时间数据、用户反馈数据、安全管理数据、服务记录数据。

[0081] 其中，硬件设施数据可以是电梯、供水系统、供电系统、暖通空调设备、安防设备等设施的使用状态数据或使用时间数据等；维修响应时间数据可以是物业维修人员对于硬件设施的维修响应时间(如从用户发起到物业维修人员上门维修的时间)；用户反馈数据可以是待评估标的的有效用户(如居民小区的居民)反馈的针对标的的服务质量数据，可以包括满意度调查、投诉记录、建议和意见等；安全管理数据可以是物业管理人员(如安保)对于待评估标的进行安全管理过程中所记录的数据；服务记录数据可以包括清洁服务数据、绿化数据，等等。

[0082] 接下来，对上述步骤S201中基于多渠道获取用于评估所述待评估标的的物业服务质量的各项指标数据作进一步介绍，如图3所示，上述步骤S201可以包括如下步骤S201a‑S201c中的至少之一。

[0083] 在一示例中，可以包括步骤S201：基于物联网设备，获取所述待评估标的的硬件设施数据和维修响应时间数据中的至少之一。

[0084] 物联网设备可以包括温度传感器、湿度传感器、电流传感器、振动传感器、智能电表、智能阀门等，用于监测和采集硬件设施的状态数据，这些物联网设备可以(或者通过物业管理平台)与服务器进行通信连接，以向服务器传输各传感器的硬件设备数据。

[0085] 同样地，维修响应时间数据也可以通过传感器监控，例如在设施或设备上安装传感器，这些传感器可以检测设备状态或故障。具体地，电梯、空调或供水系统中的传感器可以实时监控其运行状态，一旦检测到故障，传感器可以自动生成维修请求，并记录下请求的时间。或者，维修响应时间数据也可以采用自动化工单系统，如物联网设备可以与物业管理系统集成，自动生成和分配维修工单，当传感器检测到问题时，系统会立即创建工单并分配给合适的维修人员，系统可以跟踪从工单生成到维修完成的整个过程，记录每个步骤的时间戳。此外，还可以结合射频识别(Radio Frequency Identification，RFID)和全球定位系统(Global Positioning System，GPS)技术，维修人员可以配备带有RFID标签或GPS追踪的设备，以便物业管理系统实时跟踪他们的位置和工作状态，当维修人员接收到工单并开始工作时，系统可以记录他们的响应时间和到达现场的时间。

[0086] 在一些实施例中，维修人员可以使用专门的移动应用来接收工单、更新维修状态和记录完成时间，应用程序可以自动记录从接收到工单到完成维修的时间，并将这些数据上传到管理系统。

[0087] 进一步地，考虑到服务器在实际应用中可能需要针对多待评估标的进行物业服务质量评估时，为了高效获取对应标的的指标数据，本实施例对上述基于物联网设备，获取所述待评估标的的硬件设施数据和维修响应时间数据中的至少之一的步骤作进一细化。具体而言，可以基于所述待评估标的的定位信息，确定所述待评估标的区域范围内的物联网设备，并从所述物联网设备中获取所述待评估标的的硬件设施数据和维修响应时间数据中的至少之一。如此，通过定位获取的方式，可以有效避免混淆物联网设备的数据，从而提高数据精度。

[0088] 在另一示例中，可以包括步骤S201b：基于移动应用，获取所述待评估标的的安全管理数据和服务记录数据中的至少之一。

[0089] 其中，移动应用可以是物业开发的用于记录物业相关数据的专用移动应用，应用中可以包括安全管理和服务记录的板块，支持数据输入、上传、查看和分析，相关物业管理人员、安保人员和服务人员等可以在移动应用上注册账户，并可以根据用户角色分配不同的权限，确保数据的安全性和隐私性。例如，安保人员可以输入安全事件记录，而服务人员可以输入服务执行记录，服务器通过向移动应用发起请求，通过应用或后台系统获取安全管理数据、服务记录数据等。

[0090] 上述已提到，移动应用可以设计不同的板块，如安全管理和服务记录板块，上述步骤中基于移动应用，获取所述待评估标的的安全管理数据和服务记录数据中的至少之一，可以包括如下步骤：基于所述移动应用的物业安全管理板块，获取所述待评估标的的安全管理数据，和/或基于所述移动应用的服务记录板块，获取所述待评估标的的服务记录数据。通过此方式，服务器可以通过不同板块获取对应的指标数据，提高数据的获取效率。

[0091] 在又一示例中，还可以包括步骤S201c：基于社交媒体，获取所述待评估标的的用户反馈数据。

[0092] 在本实施例中，社交媒体可以是用户活跃的社交媒体平台，如微信、微博中相关物业论坛等，还可以是官方创建的论坛，等等。通过设定与物业标的相关的关键词和标签，如物业名称、服务类型、常见问题等，以便精准捕捉相关讨论和反馈。示例性地，上述步骤中基于社交媒体，获取所述待评估标的的用户反馈数据，包括：从社交媒体中查询关于所述待评估标的评论数据，对所述评论数据进行分词和关键词提取处理，以获取所述待评估标的的用户反馈数据。

[0093] 可以利用与物业标的相关标签(如物业相关名称)，从社交媒体中查询对应的评论数据，并利用分词工具对评论数据进行分词，将文本分解为独立的词语或短语，并可以关键词识别手段，识别出评论中最具代表性和频繁出现的关键词，反映用户关注的主要问题和主题，从而获取待评估标的的用户反馈数据。在一些实施例中，还可以应用情感分析模型分析用户对评论进行情感倾向分析(正面、中性、负面)，从而为每条评论分配情感评分，帮助识别用户的满意度和情感态度。通过这些步骤，服务器可以有效利用社交媒体评论数据，以高效获取待评估标的的用户反馈数据。其中，上述的分词工具、关键词识别手段以及情感分析模型可以采用自然语言处理技术实现。

[0094] 需要说明的是，上述获取各类指标数据的过程，可以是选择获取任意一个或者任意组合的指标数据，本实施例对此不作特别限定。在一些实施例中，除了上述例举的指标数据，或者渠道之外，还可以包括其它指标数据或者渠道，本实施例对此不作特别限定。

[0095] 接下来，对上述步骤S202将各项指标数据输入至预训练的人工智能模型中，作进一不介绍：对各项指标数据进行预处理，得到预处理后的指标数据；其中，所述预处理包括如下中至少之一：数据清洗、数据整合和特征提取；将预处理后的指标数据输入至预训练的人工智能模型中。

[0096] 在本实施例中，数据清洗可以包括识别并处理数据中的缺失值，例如删除缺失数据点、用均值/中位数填充或使用插值法对缺失值进行处理；或者识别并处理异常值，可能需要根据统计方法(如Z‑score)或业务规则进行处理；还可以包括去除数据集中重复的记录，以避免对分析结果产生偏差，等等。数据整合，可以包括将来自不同来源的数据集进行合并，确保所有相关指标数据在一个统一的数据框架中。特征提取可以是从原始数据中提取或生成新的特征，根据相关性分析或业务需求，选择对模型最有用的特征，减少维度和计算复杂度，并可以将数据进行标准化(如Z‑score标准化)或归一化(如Min‑Max归一化)，以确保不同特征在相同的尺度上。在对数据进行如上述数据预处理后，加载已经预训练好的人工智能模型，将预处理后的指标数据输入到模型中，确保数据格式和维度与模型的输入要求一致。相应地，在模型训练过程中对于历史样本数据集的处理可以参照本实施例中的数据预处理方式进行数据处理。

[0097] 通过数据预处理的方式，将数据输入到模型中进行处理，使得输入模型中的数据更加准确，这可以有效提升模型分析处理的准确性和可靠性。

[0098] 图4是本申请实施例提供的另一种数据处理方法的流程示意图，在上述实施例的基础上，本实施例结合物业服务评价报告确定各项指标数据对应的优化策略，并将优化策略传输至物业管理平台，为提升物业服务质量提供数据和决策支撑。具体地，除了上述步骤S201‑S203之外，本实施例提供方法还可以包括步骤S401和步骤S402：

[0099] 步骤S401、根据所述物业服务评价报告，确定针对各项指标数据的优化策略。

[0100] 示例性地，服务器结合物业服务评价报告，识别各项指标的得分情况、低于阈值的指标以及潜在的改进领域。通过报告中的数据分析，确定哪些指标存在问题或表现不佳，例如用户反馈不佳、安全事件频发、维修响应时间过长等。通过对每个低分指标进行深入的原因分析，识别导致问题的具体因素，如资源不足、流程不当或技术问题，并基于根因分析，设计具体的优化策略，例如，优化物业管理流程，提高效率和响应速度；资源配置，调整资源配置，确保关键领域有足够的人员和设备支持；技术升级，引入或升级技术工具，如更先进的监控系统或自动化管理软件；培训与发展，为员工提供培训，提升其技能和服务意识，等等。

[0101] 具体而言，可以利用深度学习技术对识别出的问题进行根源分析，找出服务流程中的瓶颈和不足，通过模拟不同改进方案的可能效果，为决策提供支持，根据问题诊断的结果，利用专家系统和规则引擎生成针对性的改进建议，包括流程优化、人员培训、设施升级等方面，例如，若发现清洁卫生得分较低，则可能建议增加清洁频次或更换清洁设备。同时，提供实施效果预测，帮助物业管理者做出更合理的决策。在一些实施例中，可以在服务器中存储，优化策略映射表，该优化策略映射表中包括指标(得分低于预设阈值时)与优化策略之间的对应关系，利用该优化策略映射表，可以快速确定给出对应的优化策略。在一些实施例中，还可以根据影响程度和可行性，对优化策略进行优先级排序，以便于用户查看优先需要优化的条目。

[0102] 步骤S402、将所述物业服务评价报告及对应的优化策略发送至所述物业管理平台。

[0103] 通过上述方式，针对物业服务评价报告分析出的问题提出优化措施，并同步给物业管理平台，有助于物力管理平台提升物业服务的整体水平，从而为用户带来更好的体验。

[0104] 在一示例性实施例中，如图5所示，包括如下流程：

[0105] S1、数据手机，通过物联网设备(如传感器、监控摄像头)、移动应用和社交媒体等多种渠道收集物业服务相关的数据，可以包括用户反馈、服务记录、设施使用、安全管理、维修响应时间，等等。此过程中，可以利用自然语言处理技术对文本数据进行情感分析和关键词提取，为后续的智能分析提供基础。

[0106] S2、运用数据预处理技术清洗、整合所收集的数据，并通过特征提取关键指标，如服务响应速度、问题解决率、用户满意度等。

[0107] S3、采用人工智能模型(如机器学习算法模型)对收集到的数据进行分析，识别服务质量的强项和弱点。并可以通过构建物业服务评价模型，对物业服务的各项指标进行综合评分(如优秀、良好、一般、较差)，实现对服务质量的量化评估，并生成服务评价报告。

[0108] 此过程中，人工智能模型可以基于服务质量满意度维度，对收集整理的数据进行分析评估，满意度评估维度可以如下：设施维护：公共区域和设施的维护情况，如绿化、电梯、健身设施等是否得到妥善管理；服务响应速度：评估物业服务团队对居民需求和问题的响应时间，以及解决问题的效率；服务态度：物业工作人员的服务态度，包括友好程度、专业性和耐心等；服务专业性：物业团队在维修、清洁、安全等方面的专业技能和知识水平；环境卫生：小区的清洁程度，包括公共区域和垃圾处理等；安全保障：小区的安全措施，如门禁系统、监控设备、巡逻等；费用透明度：物业费用的合理性、收费标准的公开透明以及费用的使用明细；客户沟通：物业公司与业主之间的沟通渠道是否畅通，问题反馈和建议的处理机制；增值服务：物业公司提供的额外服务，如家政、维修、社区活动等；应急处理能力：在突发事件或紧急情况下，物业团队的应对能力和效率；持续改进：物业公司是否有持续改进服务的机制，是否能够根据业主的反馈进行调整和优化；综合印象：业主对物业公司整体服务的总体评价和满意程度。通过对这些维度非常不满意、不满意、一般、很满意、非常满意或1‑5分的评定，进而评估物业服务质量，提出针对性的优化措施和建议。

[0109] S4、针对生成的物业服务评价报告，可以利用深度学习技术对识别出的问题进行根源分析，找出服务流程中的瓶颈和不足。通过模拟不同改进方案的可能效果，为决策提供支持。

[0110] S5、根据问题诊断的结果，可以利用专家系统和规则引擎生成针对性的改进建议，包括流程优化、人员培训、设施升级等方面，例如，若发现清洁卫生得分较低，则可能建议增加清洁频次或更换清洁设备。同时，提供实施效果预测，帮助物业管理者做出更合理的决策。

[0111] 图6是本公开实施例提供的一种数据处理装置的结构示意图，如图6所示，该装置600包括数据采集模块601、数据输入模块602、模型处理模块603和评价生成模块604，其中，[0112] 数据采集模块601，其设置为响应于目标终端发起的针对待评估标的的物业服务质量的评估请求，基于多渠道获取用于评估所述待评估标的的物业服务质量的各项指标数据；

[0113] 数据输入模块602，其设置为将各项指标数据输入至预训练的人工智能模型中；

[0114] 模型处理模块603，其设置为基于所述人工智能模型对各项指标数据进行处理，得到针对所述待评估标的各项指标数据的的物业服务质量得分；其中，所述人工智能模型是基于历史样本数据集训练得到并用于评估物业服务质量得分的模型；

[0115] 评价生成模块604，其设置为基于所述物业服务质量得分生成物业服务评价报告，并将所述物业服务评价报告发送至所述目标终端，以使所述目标终端基于所述物业评价报告确定所述待评估标的的物业服务质量评价是否通过。

[0116] 在一种实施方式中，所述多渠道包括如下中的至少之一：物联网设备、移动应用和社交媒体，所述指标数据包括如下中的至少之一：硬件设施数据、维修响应时间数据、用户反馈数据、安全管理数据、服务记录数据；

[0117] 所述数据采集模块601，包括如下中的至少之一：

[0118] 第一采集单元，其设置为基于物联网设备，获取所述待评估标的的硬件设施数据和维修响应时间数据中的至少之一；

[0119] 第二采集单元，其设置为基于移动应用，获取所述待评估标的的安全管理数据和服务记录数据中的至少之一；

[0120] 第三采集单元，其设置为基于社交媒体，获取所述待评估标的的用户反馈数据。

[0121] 在一种实施方式中，所述第一采集单元，具体设置为基于所述待评估标的的定位信息，确定所述待评估标的区域范围内的物联网设备，并从所述物联网设备中获取所述待评估标的的硬件设施数据和维修响应时间数据中的至少之一；和/或，

[0122] 所述第二采集单元，具体设置为基于所述移动应用的物业安全管理板块，获取所述待评估标的的安全管理数据，和/或基于所述移动应用的服务记录板块，获取所述待评估标的的服务记录数据；和/或，

[0123] 所述第三采集单元，具体设置为从社交媒体中查询关于所述待评估标的评论数据，对所述评论数据进行分词和关键词提取处理，以获取所述待评估标的的用户反馈数据。

[0124] 在一种实施方式中，还包括模型训练模块，包括：

[0125] 样本获取单元，其设置为获取历史样本数据集，所述历史样本数据集包括多样本标的的物业服务质量的各项样本指标数据以及对应的评分结果；

[0126] 训练单元，其设置为将所述各项样本指标数据作为初始人工智能模型的输入，并将各项样本指标数据集对应的评分结果作为所述初始人工智能模型的输出，对所述初始人工智能模型进行迭代训练，直至达到预设迭代次数或者损失值满足预设损失条件，得到所述人工智能模型。

[0127] 在一种实施方式中，所述初始人工智能模型采用如下中至少之一：循环神经网络模型、长短期记忆网络模型和大语言模型。

[0128] 在一种实施方式中，所述数据输入模块602，包括：

[0129] 预处理单元，其设置为对各项指标数据进行预处理，得到预处理后的指标数据；其中，所述预处理包括如下中至少之一：数据清洗、数据整合和特征提取；

[0130] 输入单元，其设置为将预处理后的指标数据输入至预训练的人工智能模型中。

[0131] 在一种实施方式中，所述评价生成模块604，包括：

[0132] 利用数据可视化技术，对物业服务质量得分低于相关指标对应的得分阈值的指标数据进行数据分析，得到所述指标数据的待改进点；

[0133] 根据所述物业服务得分和所述指标数据的待改进点，生成物业服务评价报告。

[0134] 在一种实施方式中，所述装置还包括：

[0135] 策略确定模块，其设置为根据所述物业服务评价报告，确定针对各项指标数据的优化策略；

[0136] 报告发送模块，其设置为将所述物业服务评价报告及对应的优化策略发送至所述物业管理平台。

[0137] 本申请实施例提供的上述装置，可用于执行上述实施例中数据处理方法的技术方案，其实现原理和技术效果类似，在此不再赘述。

[0138] 需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，数据采集模块603可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上数据采集模块603的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

[0139] 本申请实施例相应还提供一种服务器，如图7所示，该服务器可以包括：收发器701、处理器702、存储器703。

[0140] 处理器702执行存储器存储的计算机执行指令，使得处理器702执行上述实施例中的数据处理方案。处理器702可以是通用处理器，包括中央处理器CPU、网络处理器(network processor，NP)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

[0141] 存储器703通过系统总线与处理器702连接并完成相互间的通信，存储器703用于存储计算机程序指令。

[0142] 收发器701可以用于接收或者发送数据。

[0143] 系统总线可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，RAM)，也可能还包括非易失性存储器(non‑volatile memory)。

[0144] 相关说明可以参见上述方法实施例，此处不再多作赘述。

[0145] 本申请实施例相应还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述方法实施例提供的数据处理方法。相关说明可以参见上述方法实施例，此处不再多作赘述。

[0146] 根据本申请的第四方面，提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时如上述方法实施例提供的数据处理方法。相关说明可以参见上述方法实施例，此处不再多作赘述。

[0147] 本申请实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中数据处理方法的技术方案。相关说明可以参见上述方法实施例，此处不再多作赘述。

[0148] 在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

[0149] 作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。

[0150] 另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

[0151] 上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例方法的部分步骤。

[0152] 应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

[0153] 存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

[0154] 总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

[0155] 上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

[0156] 一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电控单元或主控设备中。

[0157] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

[0158] 最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。