[發明專利]基于深度神經網絡的電子產品異步自適應價值評估方法

在審

• 申請號: 201911117324.2
• 申請日: 2019-11-14
• 公開（公告）號: CN110852808A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 杜永萍;王陸霖;韓紅桂;甄琪;鄶曉丹;吳玉鋒
• 申請（專利權）人: 北京工業大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 吳蔭芳

本發明涉及一種基于深度神經網絡的電子產品異步自適應價值評估方法，用于解決二手電子產品自動定價的問題。具體包括估計產品本身價值的估價模塊和為應對市場變化進行定價調整的自適應調價模塊，自適應調價模塊使用雙深度Q網絡，其模型結構由兩個結構相同、參數不同的深度Q學習網絡構成，即行為網絡和目標網絡；估價模塊根據影響電子產品價格的內部屬性得到t時刻的產品基本估價由估價模塊輸出的估計價格經過自適應調價模塊選擇的調價動作a_t調整之后得到最終價格本發明充分利用市場交易的信息，自適應調整定價以適應快速變化的市場，保證價格的合理性，提高交易成交率。

技術領域

本發明涉及再生資源回收利用領域，具體涉及一種基于深度神經網絡的二手電子產品異步自適應價值評估方法。

背景技術

近年來，科技發展日新月異，電子產品品類層出不窮。同時伴隨著互聯網的發展，電子商務逐漸興起，越來越多的用戶選擇網上購物。由于互聯網信息獲取的實時性和便利性，用戶可通過互聯網查看并對比各個平臺的定價、優惠措施和銷售情況之后，再決定是否購買。電子產品的價格會隨著時間不斷變化，對于電子產品銷售商來說，需要在這種與競爭對手之間的博弈中獲得一定的價格優勢，因此迫切需要一種能高效的根據當前的產品價值、庫存和銷售能力等信息綜合分析之后進行準確定價的方法，使得自己在激烈的競爭中占得先機，達到收益最大化。特別對于二手電子產品來說，影響產品價格的因素除了產品本身屬性之外還有市場對于產品的需求量等，二手電子產品定價情況更復雜，參考因素更多，對具有高效智能學習調整能力的定價方法的需求更加迫切。

傳統的二手電子產品定價方式主要依賴人工進行逐個型號的模型確定，比如二手手機需要參考手機初始購買的渠道、內存容量、手機使用老化程度等因素來計算手機價值，通過擁有行業經驗的專業人員來制定模型，在得到手機各項屬性之后通過模型計算手機的價值，最后參考市場因素的影響和銷售端的銷售能力來最終確定價格。在傳統的二手手機定價過程中，復雜的模型制定和考慮市場因素最終定價的環節都依賴富有經驗的專業人員。

常規的產品定價方法準確性和實時性都較差，需要人工干預定價過程。本發明為彌補以上不足，分別使用基于深度學習和強化學習的方法，包括依據產品本身屬性進行產品價值預測的估價模塊和依據市場信息進行價格調整的調價模塊。利用深度學習技術自動學習產品屬性特征組合得到價值預測模型，并采用定期進行參數更新的方法保證基礎定價的時效性。利用強化學習可以在與環境交互的同時進行參數更新的特性進行調價動作選擇的學習，最終形成異步更新的高效智能自適應的價值評估方法。

發明內容：

二手電子產品的定價浮動較大，且受到多種因素影響，傳統電子產品定價的方式過程繁瑣且對于價格調整通常滯后，容易由于定價跟不上市場變化而喪失訂單，造成經濟損失。為解決這個問題，通常采用的方式是人工定價，即銷售商需要時刻關注行業內變化，需要安排專業人員每天甚至實時調整產品的定價。對于二手電子商務平臺來說業務通常涉及多種類、多品牌、多型號的電子產品，進行定價管理就更加耗費人力物力。本發明將定價過程交由計算機自動完成，在高效定價的同時大幅度減少人工參與。

二手電子產品價格變化較快，本發明使用異步定價的機制，即將定價過程分為兩個階段，分為估計電子產品基礎價值的估價模塊和快速適應市場變化的自適應調價模塊，其中電子產品估價模塊利用深度學習模型對產品價值進行估計，自適應調價模塊利用強化學習的方法對產品定價進行實時調整，所采用的方法能夠適應快速變化的市場進行準確定價，采用基礎價值估計加上自適應調整的方式保證定價的準確性。

特征工程是一項十分繁瑣、耗費人力物力的工作，在機器學習方法中，特征需要通過行業專家確定，并進行特征編碼。深度學習算法則會從數據中學習特征，大大減少了發現特征的成本。本發明專利使用深度學習方法對電子產品的各項屬性進行建模，建立電子產品與其價值的映射，訓練過程中融入歷史訂單信息，可以準確高效的實現價格預測。