一种用于汽修店铺的综合排序方法、系统、设备及介质与流程

1.本发明涉及计算机技术领域，特别涉及一种用于汽修店铺的综合排序方法、系统、设备及介质。


背景技术：

2.随着时间发展，现在市面上有很多的汽车维修类平台，通过该汽车维修类平台可以进行搜索门店和预约，使得用户可以直接到店进行维修保养，但是目前这类汽车维修类平台没有一个省时省力店铺排序体系，人们在出行前或出行过程中通过在网上实现对汽车维修类的搜索及预订。
3.目前，用户在网上搜索出的汽车维修类店铺顺序杂乱，且大多采用通用的数据采集方式及排序显示方法，未根据汽修领域的行业特点进行数据采集方式及排序显示方法的调整，不能科学、针对地进行店铺推荐，用户也不能直观切准确的进行店铺选择，费时费力，为用户对汽车维修类店铺的选择带来极大的不便与低准确性。


技术实现要素：

4.有鉴于此，本发明提供一种用于汽修店铺的综合排序方法、系统及可读介质，通过对店铺影响因素进行赋权计算以及与用户影响因素进行相互匹配来实现汽修店铺的综合显示，具有高精度、高准确性、评分标准完善等特点。
5.本发明提供一种用于汽修店铺的综合排序方法，所述方法包括：获取用户地理位置标识、用户影响因素；基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；根据所述第一店铺列表，获取店铺影响因素，基于所述店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；将所述第三店铺列表发送至客户端用于排序。
6.优选的，所述用户地理位置标识为客户端获取的地理位置标识。
7.优选的，所述根据所述第一店铺列表，获取店铺影响因素，基于所述店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表，具体包括：获取所述第一店铺列表中店铺的店铺影响因素；其中，至少一个所述店铺影响因素具有下级影响因素组；对每个所述下级影响因素组进行赋权计算，生成下级权重评分；基于所述下级权重评分对所述店铺影响因素进行赋权计算，生成权重评分；基于所述权重评分将所述第一店铺列表中店铺降序排列，生成第二店铺列表。
8.优选的，所述店铺影响因素包括：
技师数量、是否有中级及以上职称技师、店铺信息完善度、店铺星级以及预估等待时长。
9.优选的，所述对每个所述下级影响因素组进行赋权计算，生成下级权重评分，包括：通过权重分析模型对每个下级影响因素组中的影响因素赋予权重并进行计算，生成下级权重评分，其中所述每个下级影响因素组中的影响因素权重和为1。
10.优选的，所述基于所述下级权重评分对所述店铺影响因素进行赋权计算，生成权重评分，包括：通过层次分析方法对每个店铺影响因素赋予权重，其中所述店铺影响因素的权重和为1；基于所述下级权重评分对所述店铺影响因素进行计算，生成权重评分。
11.优选的，所述基于用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表，包括：所述用户影响因素包括：用户当前经纬度、用户常用车辆；标记所述第二店铺列表中不支持所述用户常用车辆的店铺；根据所述用户当前经纬度，将第二店铺列表中权重评分相同的店铺按与用户的距离升序排序，生成第三店铺列表。
12.本发明还提供一种用于汽修店铺的综合显示系统，所述系统包括：信息获取模块，用于获取用户地理位置标识、用户影响因素；筛选排序模块，用于基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；基于店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；数据发送模块，用于将所述第三店铺列表发送至客户端用于排序。
13.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时实现所述用于汽修店铺的综合显示方法的步骤。
14.一种可读介质，其特征在于，所述可读介质存储有机器可执行指令，所述机器可执行指令执行时实现所述用于汽修店铺的综合显示方法。
15.本发明的首要改进之处为通过针对汽修领域的特点，增加店铺影响因素以及用户影响因素，通过权重分析模型以及层次分析等方法对不同影响因素进行赋权计算，根据计算结果对店铺进行筛选排序进行显示，并将对于客户有用的信息同步进行显示，科学、有针对性的提供汽修店铺的推荐显示，极大的减少了客户挑选店铺时的时间成本，且推荐结果直观、准确，具有高精度，评分标准完善等特点。
附图说明
16.图1为一种用于汽修店铺的综合排序方法流程示意图。
具体实施方式
17.为了使本领域的技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步的详细说明。
18.本发明提供的一种用于汽修店铺的综合排序方法，如图1所示，该方法包括以下步骤：s1：获取用户地理位置标识、用户影响因素；s2：基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；s3：根据所述第一店铺列表，获取店铺影响因素，基于所述店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；s4：基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；s5：将所述第三店铺列表发送至客户端用于排序。
19.本发明公开的方法可以基于用户地理位置标识确定用户目标城市或区域，基于用户影响因素在该地域范围内进行店铺筛选，有利于提高最终店铺筛选结果与用户需求的一致性。
20.具体的，本发明公开的方法基于店铺影响因素对店铺进行权重评分，根据权重评分对店铺进行排序，获得第二店铺列表，再根据用户影响因素，对第二店铺列表中的店铺进行筛选排序，生成进行最终显示的第三店铺列表；其中，通过确定常规店铺影响因素以及具有汽修领域特点的店铺影响因素的权重，计算店铺的权重评分，使得最终发送给客户端的店铺列表的排序结果更加符合用户需求。
21.其中，店铺影响因素可以具有下级影响因素组，且下级影响因素组的权重评分决定对应店铺影响因素的数据。
22.以本技术的一个优选实施例对本发明内容进行说明：s1：获取用户地理位置标识及用户影响因素；所述用户地理位置标识通常为坐标信息，服务器接收来自客户端的用户地理位置标识；该用户地理位置标识可为客户端当前所在位置的地理位置标识，也可为客户端基于用户输入或选择的地理位置信息而产生的地理位置标识；地理位置标识一般为gps坐标，服务器获取该gps坐标后可基于坐标的对应关系确定用户的目标城市或范围区域；所述用户影响因素影响为用户的一个或多个用户信息，该用户影响因素影响最终的店铺排序结果。
23.例如，本优选实施例中，用户影响因素包括用户经纬度以及用户常用车辆。
24.s2：基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；服务器在获取到用户地理位置标识后，在店铺池中对店铺进行筛选并得到第一店铺列表。具体的，服务器的数据库中的店铺池预标记有地理位置信息或所在城市信息，服务器将店铺的所在城市信息或地理位置信息与来自客户端的地理位置信息进行匹配，并从店铺池中筛选出匹配的店铺，得到无序的第一店铺列表。本领域技术人员也可以在本发明基础上，也可以通过标记店铺的地理信息形成用于筛选的标签，当时获取用户地理位置标识后，通过用户地理位置标识对应的城市信息匹配和进行筛选。
25.例如，客户端的实时地理位置为东经104
°
06
′
,北纬30
°
67
′
，服务器基于该坐标获
取用户的地理位置标识为成都，基于该城市信息匹配出店铺池中位于成都市行政区域内的店铺得到第一店铺列表；又例如，用户在客户端输入的实时位置信息为104
°
68
′
，北纬31
°
47
′
，服务器基于该地理位置标识所包含的gps坐标为圆心，预设的直线距离为半径范围筛选出第一店铺列表。
26.s3：根据所述第一店铺列表，获取店铺影响因素，基于所述店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；在本方法中，店铺影响因素优选地包括技师数量、是否有中级及以上职称技师、店铺信息完善度、店铺星级以及预估等待时长中的至少两个；本实施例中，第一店铺列表中各店铺的店铺影响因素具体通过公式计算第一列表中店铺的店铺权重评分s
总
，其中，si为每个店铺影响因素的权重评分；店铺影响因素的权重评分si通过公式计算获得，其中，ci为店铺影响因素数据，为店铺影响因素的权重，且。
27.进一步地，店铺影响因素还可以具有下级影响因素组，具有下级影响因素组的店铺影响因素数据由对应下级影响因素组决定。
28.例如：在上述列举的店铺影响因素中，店铺信息完善度以及店铺星级两个店铺影响因素还可以具有下级影响因素组，例如：店铺信息完善度的下级影响因素组可以包括：是否填写店铺已有服务、是否有vip卡、是否有优惠券、是否填写店铺已有商品以及是否支持平台权益包；店铺星级的下级影响因素组包括：技师水平星级、服务星级、环境星级以及店铺形象星级。
29.其中，店铺已有服务以及店铺已有商品被预先存储在数据库中，通过查询、搜索以及遍历数据库等方法可以得知当前店铺是否填写店铺已有服务以及是否填写店铺已有商品；是否有vip卡、是否有优惠券以及是否支持平台权益包。上述影响因素并非固定不变的因素，部分影响因素可以根据店铺自身的活动安排进行调整，服务器获取店铺调整后的信息后，覆盖数据库中的原数据，并重新计算店铺权重评分s
总
。
30.上述店铺信息完善度由是否填写店铺已有服务、是否有vip卡、是否有优惠券、是否填写店铺已有商品以及是否支持平台权益包的下级因素组共同影响店铺信息完善度，从用户的服务需求、商品需求以及价格优惠需求3点出发，店铺信息完善度越高，用户就能够越了解店铺的各类信息，更易于做出选择。
31.店铺星级受下级影响因素组技师水平星级、服务星级、环境星级以及店铺形象星级影响，从技师水平、服务、环境以及店铺形象4个角度对店铺进行评价。
32.需要说明的是，店铺星级的下级影响因素组的具体数据通过用户打分的方式获
得，在用户完成订单后，会接收到打分提醒，对店铺水平星级、服务星级、环境星级以及店铺形象星级进行打分，打分结果被上传到服务器进行存储，根据总打分人数以及总分计算各个店铺星级下级影响因素的平均分作为最终得分；当有新的打分时，会对数据库中的最终得分结果进行重新计算，得到新的最终得分。
33.在本实施例中，使用权重分析模型对下级影响因素组进行赋权计算，确定每个下级影响因素组中下级影响因素的权重ω
xi
后，通过公式计算下级影响因素的权重评分，并通过求和公式得到对应的下级店铺影响因素组的权重评分s
x
，即下级权重评分s
x
，其中，为下级影响因素数据；x为每个下级影响因素组的编号，可为a-z中的任意一个；其中，每个店铺影响因素的下级影响因素组的权重和为1，即其中，xi（i=1、2、
…
、n）为下级影响因素组，例如技师水平星级、服务星级、环境星级以及店铺形象星级其中的至少一个；是否填写店铺已有服务、是否有vip卡、是否有优惠券、是否填写店铺已有商品以及是否支持平台权益包其中的至少一个；通过下级影响因素组计算得到对应店铺影响因素的店铺影响因素数据ci。
34.需要说明的是，上述店铺影响因素以及下级影响因素组并非固定的，可以根据具体情况进行调整，但至少保证有一个店铺影响因素具有下级因素组，通过此种方法能够使最终的店铺显示结果更具精确，以及使店铺的权重评分更加合理，其他的影响因素分类方法在本方案中不再进行举例说明。
35.当前在汽修领域内的店铺筛选排序，对店铺信息的采集不够完善，通常都采用通用的采集模式，未做针对汽修行业特点的改进，在本方案中，针对汽修行业的特点，加入了符合行业特性的店铺影响因素，具体包括是否有中级及以上职称技师。在汽修领域内，维修技术是用户进行店铺选择的重点考量因素，且该行业内拥有中级及以上职称的技师数量相对较少，若一家店铺拥有中级及以上职称技师，对该店铺的维修技术有所保证，用户选择该店铺的几率会极大增加。在本专利的综合显示方法中，加入了是否有中级以上职称技师这一数据维度，对于用户更具有参考价值。
36.本方案提供一种优选的具体实施方式，对上述权重评分并获得第二店铺列表进行说明。
37.首先获取第一店铺列表，获取第一店铺列表预设的店铺影响因素和店铺影响因素对应的下级影响因素组；先进行下级影响因素组的权重计算，获得对应店铺影响因素的数据；下级影响因素组采用权重分析模型确定每个下级店铺影响因素组中下级影响因素的权重（如下表1、表2所示）。
38.表1
在该权重分析模型中，在店铺信息完善度的下级影响因素组中，有关于价格优惠的影响因素的权重较高，因为价格影响因素往往是决定用户会不会选择该店铺的第一影响因素，其次为是否填写已有服务和商品可供用户查看，是否支持平台权益包的权重最低，且该下级影响因素组中所有的影响因素的权重和为1。
39.表2同样的，在该权重分析模型中，在店铺星级的下级影响因素组中，每个影响因素的重要性基本相同，因此对其中的每个影响因素赋予相同的权重，且该下级影响因素组中所有影响因素的权重和为1；需要说明的是，在除本实施例以外的其他实施方式中，对于重要性不同的影响因素应按照重要性分配权重，越重要的影响因素应分配更大的权重，本方案中不再进行举例说明。
40.确定每个下级影响因素组中影响因素的权重后，应确定每个影响因素的数据，对影响因素数据进行量化，本优选实施例中提供一种数据量化标准（如表3、表4所示）， 但该标准并不固定，可根据具体情况进行调整。
41.表3在本实施例中，店铺信息完善度的下级影响因素组中的影响因素的判断结果为是时，记1分，当判断结果为否时，记0分；表4在本实施例中，店铺星级的下级影响因素组中影响因素的数据量化标准按照不同星级进行确定，1星记0分，2-3星记1分，4-5星记2分。
42.根据第一店铺列表中每个店铺的具体下级店铺影响因素数据，通过权重评分计算公式计算下级店铺影响因素的权重评分，其中，下级店铺影响因素数据，为下级店铺影响因素权重，为下级影响因素数据；x为每个下级影响因素组的编号，可为a-z中的任意一个。
43.通过求和公式
得到对应的下级店铺影响因素组的权重评分s
x
，即下级权重评分s
x
；将上述下级影响因素组的权重评分作为对应店铺影响因素的数据ci；两个下级影响因素组的权重评分将会作为对应店铺影响因素，即店铺信息完善度以及店铺星级的具体影响因素数据。
44.通过层次分析方法确定每个店铺影响因素的权重，首先需要对影响因素的重要性进行判断（如下表5所示）。
45.表5根据上述影响因素的重要性判断结果，可以采用方根法或和法中的任意一种方法进行权重计算，本实施例中采用和法进行权重计算，具体的，根据上述影响因素的重要性判断结果生成比较矩阵a如下：对比较矩阵a进行归一化处理，得到权重向量，通过权重向量确定每个店铺影响因素的权重。
46.获得每个店铺影响因素的权重后，依旧需要确定每个店铺影响因素的数据量化标准，在本实施例中，店铺影响因素中的店铺信息完善度以及店铺信息的权重评分已经通过相应的下级影响因素确定，因此仅需对其他店铺影响因素进行数据量化标准的确定。
47.本实施例中，每个店铺的权重评分s
总
为每个店铺的店铺影响因素的权重评分si的和。
48.计算获得第一店铺列表中每个店铺的权重评分后，根据上述权重评分对店铺进行降序排序，生成第二店铺列表。
49.需要说明的是，在本实施例中，预估等待时间的计算公式为其中，店铺平均维修时间的获取方式为读取第一店铺列表中每个店铺的全部历史订单，并进一步读取每个订单中车辆入场时间与离场时间，计算出每个订单的维修时间，将每个历史订单的维修时间相加获得历史总维修时间，通过公式得到店铺平均维修时间；通过上述公式，能够较为精确地计算出每个店铺每个维保订单的店铺平均维修时间，为预估等待时间的计算提供数据保障。
50.当前排队人数为当前在用户之前正在排队的人数，当前排队人数被存储在数据库中，根据订单完成情况或取消排队等情景进行实时修改；每个店铺的维修工位信息被预先存储在数据库中。
51.店铺空闲工位数被存储在数据库中，根据店铺当前的订单信息进行实时修改，具体的，店铺空闲工位数=维修工位数-当前订单数。
52.本方法根据线下汽修店铺的特点，将重要的影响因素根据行业经验以及科学数据分析方法进行权重分配，并根据具体数据对店铺进行评分，将评分作为店铺排序的依据，使得最终的显示结果准确、客观、科学，避免了用户在进行店铺挑选时浪费过多时间，为用户提供了优质且符合用户需求的店铺选择。
53.本方案的优选实施例中，提供一种具体的实施方式为：通过层次分析方法确定每个店铺影响因素的权重，首先需要对影响因素的重要性进行判断（如下表6所示）。
54.表6
根据上述影响因素的重要性判断结果生成比较矩阵a如下：对比较矩阵a进行归一化处理，得到权重向量，即在店铺影响因素中，技师数量的权重为7.304%，是否有中级及以上职称技师的权重为29.470%，店铺信息完善度的权重为8.735%，店铺星级的权重为16.139%，预估等待时间的权重为38.352%。
55.通过对比较矩阵a计算可得：最大特征值；通过公式，计算得到一致性指标ci=0.034，其中，n为上述对比矩阵a的阶数；通过查询随机一致性比率ri表格得到随机一致性比率ri=1.12，根据公式，计算得到一致性检验系数cr=0.030，上述一致性检验系数cr=0.030《0.1，说明上述比较矩阵a满足一致性检验，计算所获得的权重具有一致性。
56.获得每个店铺影响因素的权重后，依旧需要确定每个店铺影响因素的数据量化标准（如下表7-表9所示）。
57.表7表8表9根据上述各个店铺影响因素的数据量化标准、每个店铺影响因素的权重以及影响因素数据对第一店铺列表中的每个店铺的店铺影响因素进行权重评分。
58.s4：基于用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；在本实施例中，用户影响因素包括用户当前经纬度以及用户常用车辆；将第二店铺列表中的店铺中不支持用户常用车辆的店铺进行标记，并根据用户当前经纬度计算用户当前与第二店铺列表中店铺的准确距离，并将第二店铺列表中权重评分相同的店铺按与用户的距离升序进行排序，生成第三店铺列表。
59.需要说明的是，用户常用车辆的数量不做限制。
60.本专利相较于现有的店铺排序方法，针对汽修领域的特点，新增了用户常用车辆的影响因素，在对店铺进行筛选排序时，将不支持用户常用车辆的店铺进行标注，使用户能够在众多店铺中快速地分辨支持其常用车辆的店铺以及不支持其常用车辆的店铺，省去了用户大量的筛选核实时间。
61.s5：将所述第三店铺列表发送至客户端进行显示。
62.本实施例中，在生成第三店铺列表后，将第三店铺列表中的数据进行aes加密算法以及rsa加密算法组合加密，并将数据发送至客户端，客户端通过密钥对数据进行解密，并进行显示。
63.服务器将第三店铺列表中的店铺、对应店铺影响因素发送至客户端，客户端显示第三店铺列表并同时对店铺影响因素进行显示。根据客户端的数据实时同步请求，服务器根据数据库的权重评分以及影响因素更新结果更新客户端的显示内容。
64.使用户能够直观地了解每个店铺的信息，避免用户进行多余的查看操作。
65.一种用于汽修店铺的综合显示系统，所述系统包括：信息获取模块，用于获取用户地理位置标识、用户影响因素；筛选排序模块，用于基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；基于店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；数据发送模块，用于将所述第三店铺列表发送至客户端用于排序。
66.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时实现所述用于汽修店铺的综合显示方法的步骤。
67.一种可读介质，其特征在于，所述可读介质存储有机器可执行指令，所述机器可执行指令执行时实现所述用于汽修店铺的综合显示方法。
68.以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种用于汽修店铺的综合排序方法，其特征在于，所述方法包括：获取用户地理位置标识、用户影响因素；基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；根据所述第一店铺列表，获取店铺影响因素，基于所述店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；将所述第三店铺列表发送至客户端用于排序。2.根据权利要求1所述的一种用于汽修店铺的综合排序方法，其特征在于，所述用户地理位置标识为客户端获取的地理位置标识。3.根据权利要求1所述的一种用于汽修店铺的综合排序方法，其特征在于，所述根据所述第一店铺列表，获取店铺影响因素，基于所述店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表，具体包括：获取所述第一店铺列表中店铺的店铺影响因素；其中，至少一个所述店铺影响因素具有下级影响因素组；对每个所述下级影响因素组进行赋权计算，生成下级权重评分；基于所述下级权重评分对所述店铺影响因素进行赋权计算，生成权重评分；基于所述权重评分将所述第一店铺列表中店铺降序排列，生成第二店铺列表。4.根据权利要求3所述的一种用于汽修店铺的综合排序方法，其特征在于，所述店铺影响因素包括：技师数量、是否有中级及以上职称技师、店铺信息完善度、店铺星级以及预估等待时长。5.根据权利要求3所述的一种用于汽修店铺的综合排序方法，其特征在于，所述对每个所述下级影响因素组进行赋权计算，生成下级权重评分，包括：通过权重分析模型对每个下级影响因素组中的影响因素赋予权重并进行计算，生成下级权重评分，其中所述每个下级影响因素组中的影响因素权重和为1。6.根据权利要求3所述的一种用于汽修店铺的综合排序方法，其特征在于，所述基于所述下级权重评分对所述店铺影响因素进行赋权计算，生成权重评分，包括：通过层次分析方法对每个店铺影响因素赋予权重，其中所述店铺影响因素的权重和为1；基于所述下级权重评分对所述店铺影响因素进行计算，生成权重评分。7.根据权利要求1所述的一种用于汽修店铺的综合排序方法，其特征在于，所述基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表，包括：所述用户影响因素包括：用户当前经纬度、用户常用车辆；标记所述第二店铺列表中不支持所述用户常用车辆的店铺；根据所述用户当前经纬度，将第二店铺列表中权重评分相同的店铺按与用户的距离升序排序，生成第三店铺列表。8.一种用于汽修店铺的综合排序系统，其特征在于，所述系统包括：
信息获取模块，用于获取用户地理位置标识、用户影响因素；筛选排序模块，用于基于所述用户地理位置标识对店铺进行筛选，生成第一店铺列表；基于店铺影响因素对所述第一店铺列表中的店铺进行权重评分，并根据所述权重评分生成第二店铺列表；基于所述用户影响因素将所述第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；数据发送模块，用于将所述第三店铺列表发送至客户端用于排序。9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7任一所述方法的步骤。10.一种可读介质，其特征在于，所述可读介质存储有机器可执行指令，所述机器可执行指令执行时实现权利要求1-7中任一项所述的方法。

技术总结
本发明公开一种用于汽修店铺的综合排序方法、系统、设备及介质。通过获取用户当前地理位置标识、用户影响因素，基于用户当前地理位置标识对店铺进行筛选，生成第一店铺列表；根据第一店铺列表，获取店铺影响因素，基于店铺影响因素对第一店铺列表中的店铺进行权重评分，并根据权重评分生成第二店铺列表；基于用户影响因素将第二店铺列表中的店铺进行筛选排序，生成第三店铺列表；将第三店铺列表发送至客户端用于排序。科学、有针对性的提供汽修店铺的推荐显示，极大的减少了客户挑选店铺时的时间成本，且推荐结果直观、准确，具有高精度，评分标准完善等特点。评分标准完善等特点。评分标准完善等特点。


技术研发人员：罗程科
受保护的技术使用者：迎动科技发展（成都）有限公司
技术研发日：2023.07.12
技术公布日：2023/8/14