[發明專利]基于聯合訓練模型的事故車判別方法和裝置

在審

• 申請號: 202110039388.6
• 申請日: 2021-01-12
• 公開（公告）號: CN112651493A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 王寶祥;章水鑫
• 申請（專利權）人: 南京三百云信息科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06F16/2458;G06F16/33;G06F40/211;G06F40/216;G06F40/284
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張萌

本發明提供了一種基于聯合訓練模型的事故車判別方法和裝置，涉及事故車判別的技術領域，聯合訓練模型包括線性模型和深度學習模型，包括獲取當前車輛的預先處理的保險維修記錄；基于預先處理的保險維修記錄獲得車輛結構化數據；將車輛結構化數據輸入線性模型并將預先處理的保險維修記錄作為車輛非結構化數據輸入深度學習模型，判別出當前車輛是否為事故車；若是，則根據車輛結構化數據識別事故原因，通過結構化數據與非結構化數據的聯合訓練，實現事故原因與事故車的準確判別。

技術領域

本發明涉及事故車判別的技術領域，尤其是涉及一種基于聯合訓練模型的事故車判別方法和裝置。

背景技術

伴隨著國內持續發展的汽車工業和逐步提高的人民收入水平，汽車生產與消費水平也顯著提升，汽車保有量不斷增加。隨著個體消費觀念的轉變，也讓購買使用二手車行為逐步被消費者接受，而對二手車進行科學有效的評估則是促進二手車交易市場進步與發展的重要措施，以保證消費者能夠購買到具有價值的優質二手車。

二手車中包括一部分事故車輛，即汽車在使用過程中，曾發生過嚴重碰撞、水浸、火燒等雖然經過修復并使用，但仍存在安全隱患的車輛。提高對事故車的識別是二手車評估過程中的重中之重。

當前一般利用深層的神經網絡的自動獲取特征表達能力，去掉了繁雜的人工特征識別工程，從車輛維修保養記錄及保險記錄等文本中識別事故車輛，但此種方式識別準確性有限，也無法識別出車輛的事故原因，不能滿足當前二手車市場的應用要求。

發明內容

本發明的目的在于提供一種基于聯合訓練模型的事故車判別方法和裝置，通過結構化數據與非結構化數據的聯合訓練，實現事故原因與事故車的準確判別。

第一方面，本發明實施例提供了一種基于聯合訓練模型的事故車判別方法，聯合訓練模型包括線性模型和深度學習模型，所述方法包括：

獲取當前車輛的預先處理的保險維修記錄；

基于所述預先處理的保險維修記錄獲得車輛結構化數據；

將所述車輛結構化數據輸入所述線性模型并將所述預先處理的保險維修記錄作為車輛非結構化數據輸入所述深度學習模型，判別出所述當前車輛是否為事故車；

若是，則根據所述車輛結構化數據識別事故原因。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，所述車輛結構化數據包括動詞名詞組合和車輛數據，基于所述預先處理的保險維修記錄獲得車輛結構化數據的步驟，包括：

基于概率上下文無關文法將所述預先處理的保險維修記錄生成動詞名詞組合；

從所述預先處理的保險維修記錄中抽取車輛數據。

結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，所述線性模型包括第一線性模型和第二線性模型，將所述車輛結構化數據輸入所述線性模型的步驟，包括：

將所述動詞名詞組合對應的數據源、所述動詞名詞組合和所述當前車輛的車型輸入所述第一線性模型，將所述車輛數據輸入第二線性模型。

結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，在獲取當前車輛的預先處理的保險維修記錄的步驟之前，還包括：

建立車輛的汽車零件詞庫，所述詞庫中包括車輛的所有零件；

根據事故分析師的標注，劃分為零件主要汽車零件詞庫與非主要汽車零件詞庫；

通過正則表達式對當前車輛的保險維修記錄進行過濾處理操作；

通過詞語處理工具對過濾處理后的保險維修記錄進行分詞處理以及去除停用詞操作；