[發明專利]殘值確定方法、模型獲取方法、裝置、設備及存儲介質

在審

• 申請號: 202010969352.3
• 申請日: 2020-09-15
• 公開（公告）號: CN112101998A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 薛淼;孟格思;李敏;王瑜
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00
• 代理公司: 北京超成律師事務所 11646
• 代理人: 裴素英

1.一種物品殘值確定方法，其特征在于，包括：

獲取目標物品的特征數據，所述目標物品的特征數據用于表征所述目標物品在多種維度下的信息；

將所述特征數據輸入預先訓練獲取的目標預測模型，得到所述目標物品的預測殘值、所述目標物品的殘值上限以及所述目標物品的殘值下限；

輸出所述目標物品的預測殘值、所述目標物品的殘值上限以及所述目標物品的殘值下限。

2.根據權利要求1所述的方法，其特征在于，所述目標物品的特征數據包括：所述目標物品在基礎屬性維度、歷史交易結果維度、時間類型維度以及地域維度的特征數據。

3.根據權利要求2所述的方法，其特征在于，所述歷史交易結果維度的特征數據包括：時間平滑特征數據以及信息熵特征數據，所述時間平滑特征數據基于所述目標物品對應的歷史實際殘值以及時間信息得到，所述信息熵特征數據基于對所述目標物品對應的歷史實際殘值的熵值計算得到。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述方法還包括：

根據預設特征上的各特征數據之間的預設比值，得到關聯物品的預測殘值、殘值上限以及殘值下限，所述關聯物品與所述目標物品在所述預設特征上的特征數據不同，并且，所述關聯物品與所述目標物品在除所述預設特征之外的特征上的特征數據相同。

5.根據權利要求1-3任一項所述的方法，其特征在于，所述目標預測模型包括：殘值預測模型、殘值上限預測模型以及殘值下限預測模型；

所述將所述特征數據輸入預先訓練獲取的目標預測模型，得到所述目標物品的預測殘值、所述目標物品的殘值上限以及所述目標物品的殘值下限，包括：

將所述特征數據分別輸入預先訓練獲取的殘值預測模型、殘值上限預測模型以及殘值下限預測模型，分別得到所述目標物品的預測殘值、所述目標物品的殘值上限以及所述目標物品的殘值下限。

6.根據權利要求5所述的方法，其特征在于，所述將所述特征數據分別輸入預先訓練獲取的殘值預測模型、殘值上限預測模型以及殘值下限預測模型，分別得到所述目標物品的預測殘值、所述目標物品的殘值上限以及所述目標物品的殘值下限，包括：

將所述特征數據分別輸入預先訓練獲取的殘值預測模型、殘值上限預測模型以及殘值下限預測模型，分別得到所述殘值預測模型輸出的預測殘值率、所述殘值上限預測模型輸出的殘值率上限以及所述殘值下限預測模型輸出的殘值率下限；

根據所述預測殘值率、所述殘值率上限、所述殘值率下限以及所述目標物品的原始價值，得到所述目標物品的預測殘值、所述目標物品的殘值上限以及所述目標物品的殘值下限。

7.根據權利要求1-3任一項所述的方法，其特征在于，所述獲取目標物品的特征數據，包括：

獲取所述目標物品的基礎屬性信息；

根據所述目標物品的基礎屬性信息，獲取與所述基礎屬性信息匹配的多個特征數據；

將所述與所述基礎屬性信息匹配的多個特征數據作為所述目標物品的特征數據。

8.根據權利要求7所述的方法，其特征在于，所述根據所述目標物品的基礎屬性信息，獲取與所述基礎屬性信息匹配的多個特征數據之前，還包括：

從多個數據源平臺獲取原始數據，所述原始數據包括多種目標物品在多種維度的信息；

對所述原始數據進行格式轉換，得到預設格式的數據；

對所述預設格式的數據進行處理，得到多種目標物品的特征數據，所述處理至少包括：統計、編碼。

9.一種殘值預測模型的訓練獲取方法，其特征在于，包括：

采集獲取訓練樣本，所述訓練樣本標記有：物品的特征數據以及物品的殘值信息，所述物品的特征數據用于表征物品在多種維度下的信息；

采用所述訓練樣本，訓練得到目標預測模型，所述目標預測模型用于獲取物品的預測殘值、殘值上限以及殘值下限。