[發明專利]一種二手車的定價模型構建方法，定價方法及裝置有效
| 申請號： | 201810609664.6 | 申請日： | 2018-06-13 |
| 公開（公告）號： | CN110599230B | 公開（公告）日： | 2022-07-22 |
| 發明（設計）人： | 張鋒;伊凡;解智;龐敏輝;邱慧 | 申請（專利權）人： | 優軒（北京）信息科技有限公司 |
| 主分類號： | G06Q30/02 | 分類號： | G06Q30/02 |
| 代理公司： | 北京弘權知識產權代理有限公司 11363 | 代理人： | 逯長明;許偉群 |
| 地址： | 100102 北京市朝陽*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 二手車 定價 模型 構建 方法 裝置 | ||
1.一種二手車的定價模型構建方法，其特征在于，所述方法包括：
獲取建模車輛的車輛數據，所述車輛數據包括，建模車輛的車況信息，以及，建模車輛的成交價格，所述車況信息包括：數值信息，以及，文本信息；
預處理所述文本信息，得到文本向量；
合并所述文本向量，以及，數值信息，生成價格影響因素；
基于所述價格影響因素，以及，成交價格，構建二手車的定價模型；
所述預處理所述文本信息，得到文本向量的步驟包括：
對所述文本信息進行分詞預處理，得到詞庫，所述詞庫中存儲有建模詞匯；
獲取模型超參數，所述模型超參數包括：詞向量的維度，模型輸入上下文詞匯數；所述詞向量的維度為預設固定維度；
將所述建模詞匯用one-hot編碼,得到所述建模詞匯的one-hot編碼向量；
隨機得到固定大小的權重矩陣；
根據所述模型輸入上下文詞匯數，獲取相應數量的訓練詞匯；
根據訓練詞匯的one-hot輸入對模型進行訓練，得到所述訓練詞匯的輸出概率；
根據訓練詞匯的輸出概率，以所述訓練詞匯中的中心詞輸出和實際中心詞對比反向調整所述權重矩陣，得到最終的權重矩陣；
根據所述建模詞匯的one-hot編碼向量與所述最終的權重矩陣的乘積，得到每個所述建模詞匯的詞向量；
根據所述詞向量，計算出每條文本信息的文本向量。
2.根據權利要求1所述的方法，其特征在于，所述對文本信息進行分詞預處理，得到詞庫的步驟包括：
根據預置規則，對所述文本信息進行分詞，得到第一詞庫，所述第一詞庫包括：對所述文本信息進過中文分詞切分得到的詞匯；
遍歷所述第一詞庫，刪除停用詞，數字，以及，符號，得到詞庫。
3.根據權利要求2所述的方法，其特征在于，所述根據預置規則，對所述文本信息進行分詞，得到第一詞庫的步驟包括：
遍歷所述文本信息；
判斷所述文本信息中是否包括預置標準詞匯；
如果包括，將所述預置標準詞匯作為一個分詞整體，對所述文本信息進行分詞，得到第一詞庫。
4.一種二手車的定價方法，其特征在于，所述方法包括：
獲取建模車輛的車輛數據，所述車輛數據包括，建模車輛的車況信息，以及，建模車輛的成交價格，所述車況信息包括：數值信息，以及，文本信息；
預處理所述文本信息，得到文本向量；
合并所述文本向量，以及，數值信息，生成價格影響因素；
基于所述價格影響因素，以及，成交價格，構建二手車的定價模型；
基于所述二手車的定價模型，評估二手車的定價；
所述預處理所述文本信息，得到文本向量的步驟包括：
對所述文本信息進行分詞預處理，得到詞庫，所述詞庫中存儲有建模詞匯；
獲取模型超參數，所述模型超參數包括：詞向量的維度，模型輸入上下文詞匯數；所述詞向量的維度為預設固定維度；
將所述建模詞匯用one-hot編碼,得到所述建模詞匯的one-hot編碼向量；
隨機得到固定大小的權重矩陣；
根據所述模型輸入上下文詞匯數，獲取相應數量的訓練詞匯；
根據訓練詞匯的one-hot輸入對模型進行訓練，得到所述訓練詞匯的輸出概率；
根據訓練詞匯的輸出概率，以所述訓練詞匯中的中心詞輸出和實際中心詞對比反向調整所述權重矩陣，得到最終的權重矩陣；
根據所述建模詞匯的one-hot編碼向量與所述最終的權重矩陣的乘積，得到每個所述建模詞匯的詞向量；
根據所述詞向量，計算出每條文本信息的文本向量。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于優軒（北京）信息科技有限公司，未經優軒（北京）信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810609664.6/1.html，轉載請聲明來源鉆瓜專利網。
