[發明專利]一種測算方法及裝置

在審

• 申請號: 202010583497.X
• 申請日: 2020-06-23
• 公開（公告）號: CN111737317A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 馬二超;李亞莉
• 申請（專利權）人: 廣聯達科技股份有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/215;G06F16/35;G06F40/289;G06F16/903
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明所提供的一種測算方法和裝置，獲取用戶調價行為日志；根據所述用戶調價行為日志的分類結果，對所述用戶行為記錄進行標準化處理，確定標準化數據集；從所述標準化數據集中獲取非異常數據集，根據重采樣算法及置信水平參數，確定預測價格區間。通過重采樣算法及置信水平參數，計算出合理范圍的價格區間，更精準。

技術領域

本發明涉及一種數據處理技術，尤其涉及一種測算方法及裝置。

背景技術

在工程造價領域，測算建筑材料的合理價格區間是在調價行為日志清洗后的結果上做數據挖掘的一個場景應用，其目的是探索每種建筑材料在不同地域、工程業態、材料規格屬性上的合理價格區間范圍，可對材料價格部分影響因素和終端用戶選材定價提供數據參考。建筑材料合理價格區間是指對于大量相同地區、相同工程業態的建筑工程，在造價階段所選用同一種建筑材料的價格波動會在一個時間周期內應處于一個或若干個相對穩定的范圍內，該價格范圍內的材料亦是造價用戶經常選擇使用的材料；部分材料會有若干個價格范圍區間，是因為材料本身因不同材質、品牌、制造工藝差異而存在一種檔次劃分，該部分材料尤其在裝飾專業領域尤為明顯。

在價格區間測算方面，現有技術使用聚類算法的比較多，但在一些出現數值較為連續的數據集上，聚類算法計算出的價格區間結果范圍太大，不夠精準。

發明內容

為達到上述目的，本發明實施例的技術方案是這樣實現的：根據本發明實施例的一方面，提供一種測算方法及裝置，所述方法包括：獲取用戶調價行為日志；根據所述用戶調價行為日志的分類結果，對所述用戶行為記錄進行標準化處理，確定標準化數據集；從所述標準化數據集中獲取非異常數據集，根據重采樣算法及置信水平參數，確定預測價格區間。

上述方案中，根據所述用戶調價行為日志的分類結果，對所述用戶行為記錄進行標準化處理，確定標準化數據集，包括：通過關鍵字匹配與正則表達式在所述用戶調價行為日志中檢測品種屬性值，獲得檢測結果；如果所述檢測結果為未匹配，則清洗失敗，將所述用戶調價行為日志保存到數據庫；如果所述檢測結果為匹配，則抽取材料規格的值進行處理。

上述方案中，如果所述檢測結果為匹配，則抽取材料規格的值進行處理，包括：通過所述正則表達式的規則逐條抽取所述用戶調價行為日志的特定屬性值；判斷所述特定屬性值是否要重組或轉換，獲得判斷結果；如果所述判斷結果為需要，則將不規范的單位統一成標準單位，獲得標準化數據集，并保存到所述數據庫。

上述方案中，根據所述用戶調價行為日志的分類結果，對所述用戶行為記錄進行標準化處理，確定標準化數據集后，還包括：在所述標準化數據集中提取預設時間段的數據進行過濾，獲得新數據集；若所述新數據集大于或等于50，則對所述新數據集排序，并用四分位法將兩端各20％可能有異常值的數據剔除，獲得所述非異常數據集。

上述方案中，所述根據重采樣算法及置信水平參數，確定預測價格區間，包括：獲取所述非異常數據集；從所述非異常數據集的n個數據中隨機抽n條記錄，獲得最新數據集；對所述最新數據集進行排序，用置信水平參數設置四分位上、下位的位置，提取上分位和下分位上的數據，記為區間上、下限的值，并分別放入上、下限數組。

上述方案中，并分別放入上、下限數組后，還包括：判斷所述上、下數組長度是否滿足預設長度；若不滿足預設長度，則繼續從所述非異常數據集n個數據中隨機抽n條記錄。

上述方案中，判斷所述上、下數組長度是否滿足預設長度，還包括：若滿足預設長度，則對所述上、下限數組分別求平均值；根據所述平均值，獲得合理平均價格區間。

上述方案中，所述獲取用戶調價行為日志前，包括：獲取樣本數據；合并所述樣本數據的名稱和屬性描述信息，其中，所述樣本數據包括：建筑材料數據和非建筑材料數據；進行分詞處理，從生成新記錄；將所述新記錄進行向量化處理，并通過文本分類算法訓練，形成分類模型。