CN110060103A - 一种线性定价的方法、装置、存储介质及电子设备 - Google Patents
一种线性定价的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110060103A CN110060103A CN201910319582.2A CN201910319582A CN110060103A CN 110060103 A CN110060103 A CN 110060103A CN 201910319582 A CN201910319582 A CN 201910319582A CN 110060103 A CN110060103 A CN 110060103A
- Authority
- CN
- China
- Prior art keywords
- price
- attribute information
- fixed
- effective
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Abstract
本发明提供了一种线性定价的方法、装置、存储介质及电子设备,其中,该方法包括:确定待定价对象的属性信息,并生成待定价对象的属性信息扩展范围;选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数;根据有效对象的每项属性信息的属性差值和相应的影响系数对有效对象的价格进行修正,确定有效对象的修正价格;根据有效对象的修正价格确定待定价对象的价格。通过本发明实施例提供的线性定价的方法、装置、存储介质及电子设备,将属性信息不同但相对来说比较集中的有效对象标准化为待定价对象,使得具有不同属性信息的有效对象之间具有更强的可比性,利用修正价格可以更加准确地确定待定价对象的价格。
Description
技术领域
本发明涉及线性定价的技术领域,具体而言,涉及一种线性定价的方法、装置、存储介质及电子设备。
背景技术
现有的业务中需要对车源进行定价时,一般采用点型模型确定车源的价格,或者通过人工定价师团队线下人工定价。现有的点型模型可以为黑盒模型,该黑盒模型通过将同车型的车辆价格相加求平均,输出一个点型价格(一个具体的价格值),在报价业务场景时可以直接依黑盒输出的点型价格进行签约等。
由于待定价的车源的车况与黑盒模型定价时采用的同车型车辆的车况可能不同,车况偏差较大,利用简单的黑盒模型不能很好地反映该车源实际的市场价位;而通过定价师团队定价的方式对定价师的经验要求较高,且效率较低,还会增加人力成本,也存在误定价的风险。
发明内容
为解决上述问题,本发明实施例的目的在于提供一种线性定价的方法、装置、存储介质及电子设备。
第一方面,本发明实施例提供了一种线性定价的方法,包括:确定待定价对象的属性信息,并对所述待定价对象的属性信息进行扩展处理,生成所述待定价对象的属性信息扩展范围;
选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数,所述有效对象的属性信息落入相应的所述待定价对象的属性信息扩展范围内;
确定所述有效对象的属性信息与所述待定价对象的属性信息之间的属性差值,并根据所述有效对象的每项属性信息的属性差值和相应的影响系数对所述有效对象的价格进行修正,确定所述有效对象的修正价格;
根据所述有效对象的修正价格确定所述待定价对象的价格。
第二方面,本发明实施例还提供了一种线性定价的装置,包括:
确定模块,用于确定待定价对象的属性信息,并对所述待定价对象的属性信息进行扩展处理,生成所述待定价对象的属性信息扩展范围;
选取模块,用于选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数,所述有效对象的属性信息落入相应的所述待定价对象的属性信息扩展范围内;
价格修正模块,用于确定所述有效对象的属性信息与所述待定价对象的属性信息之间的属性差值,并根据所述有效对象的每项属性信息的属性差值和相应的影响系数对所述有效对象的价格进行修正,确定所述有效对象的修正价格;
定价模块,用于根据所述有效对象的修正价格确定所述待定价对象的价格。
第三方面,本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于上述任意一项所述的线性定价的方法。
第四方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任意一项所述的线性定价的方法。
本发明实施例上述第一方面提供的方案中,本发明实施例提供的一种线性定价的方法,根据待定价对象的属性信息扩展范围选取有效对象,有效对象和待定价对象的属性信息相对来说比较集中,属性信息对于价格的影响越容易满足线性关系;之后根据有效对象的属性信息与待定价对象的属性信息之间的属性差值对有效对象的价格进行修正,最后利用修正后的价格确定待定价对象的价格。本实施例通过属性信息之间的属性差值,将属性信息不同但相对来说比较集中的有效对象标准化为待定价对象,使得具有不同属性信息的有效对象之间具有更强的可比性,且有效对象修正后的价格更接近于待定价对象的价格,利用修正价格可以更加准确地确定待定价对象的价格。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种线性定价的方法的流程图;
图2示出了本发明实施例所提供的线性定价的方法中,选取价格已知的有效对象的具体方法的流程图;
图3示出了本发明实施例所提供的一种线性定价的装置的结构示意图;
图4示出了本发明实施例所提供的用于执行线性定价的方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的一种线性定价的方法,参见图1所示,包括:
步骤101:确定待定价对象的属性信息,并对待定价对象的属性信息进行扩展处理,生成待定价对象的属性信息扩展范围。
本发明实施例中,待定价对象即为需要确定价格的对象,该对象具体可以为具有价值的物品;其中,该对象优选为难定价但具有参考价格的物品,例如二手的物品等。待定价对象的属性信息为可以影响该待定价对象价格的信息;例如,待定价对象为二手车,影响二手车价格的信息包含车龄、里程、车型、车系、颜色、车牌城市、车况等,则该属性信息可以包括车龄、里程、车型、车系、颜色、车牌城市、车况中的一项或多项。
同时,本实施例中基于该待定价对象的属性信息生成一个范围,方便后续确定与该待定价对象具有相似或相近属性信息的对象,即下述的有效对象。具体的,在确定待定价对象的属性信息后,对每项属性信息分别进行扩展处理,将该属性信息扩展为一个范围,即属性信息扩展范围。优选的,该属性信息扩展范围的中间值为相对应的属性信息,即在扩展处理时以该属性信息为起点分别向两个方向进行扩展。例如,属性信息为车龄,且待定价对象的车龄为5年,则扩展处理后生成的车龄扩展范围(即属性信息扩展范围)可以为4~6年、4.5~5.5年等,扩展处理时的扩展程度根据具体的实际情况而定。
步骤102:选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数,有效对象的属性信息落入相应的待定价对象的属性信息扩展范围内。
本发明实施例中,预先确定价格已知的对象,并确定该对象的属性信息,若该对象的属性信息落入步骤101中确定的属性信息扩展范围内,则将该对象作为有效对象。可选的,由于每个对象(包括待定价对象和有效对象)可能包含多项属性信息,在选取有效对象时,需要有效对象的所有属性信息均落入相应的属性信息扩展范围。以对象为二手车为例,该属性信息包括车龄和里程,且待定价对象的车龄为5年,里程为10万公里,相应的属性信息扩展范围也包含两个,假设车龄扩展范围为4~6年,里程扩展范围为8.8~11.2万公里;若一辆价格(比如二手交易时的成交价格)已知的二手车的车龄为4.5年,里程为11万公里,则该辆二手车的车龄和里程均落入上述的两个属性信息扩展范围,则该辆二手车可以作为待定价对象的一个有效对象。若某辆二手车的车龄为5年,里程为8万公里,由于该辆二手车的里程没有落入待定价对象的里程扩展范围内,故该辆二手车不能作为待定价对象的一个有效对象。
同时,对象的每项属性信息对该对象的价格均会有影响,本实施例中以影响系数来表示该属性信息对价格的影响程度;若某项属性信息对价格没有影响,则影响系数为零。以对象是二手车、属性信息是车龄为例说明,一般情况下,车龄越大,二手车的价格越低,则与车龄对应的影响系数是一个负值,该影响系数的具体指可通过统计的方式来确定。
步骤103:确定有效对象的属性信息与待定价对象的属性信息之间的属性差值,并根据有效对象的每项属性信息的属性差值和相应的影响系数对有效对象的价格进行修正,确定有效对象的修正价格。
本发明实施例中,通过有效对象与待定价对象之间的属性差值,以该待定价对象作为标准,对该有效对象进行标准化处理。本实施例中,由于在步骤102中选取的有效对象是落入待定价对象的属性信息扩展范围内的对象,即有效对象为与该待定价对象相似的对象,有效对象和待定价对象的属性信息相对来说比较集中;而对象的属性信息越集中,属性信息对于价格(有效对象的成交价格、待定价对象的价格等)的影响越容易满足线性关系,故本实施例步骤103中可以对有效对象的每项属性信息分别进行修正,最终确定该有效对象修正后的价格,即修正价格。且修正价格的区间范围更小,区间更收敛,所确定的精度更高。
具体的,对有效对象的价格进行修正包括:确定有效对象的属性信息与待定价对象的属性信息之间的属性差值,并根据属性差值以及相应的影响系数确定属性差值相对应的价格差值;根据所有属性信息的属性差值对应的价格差值对有效对象的价格进行修正。
本实施例中,属性信息的改变可以引起价格的改变,相应的,属性差值可以确定相应的价格差值,具体通过上述确定的影响系数来计算价格差值。在确定所有属性差值对应的价格差值后,即可确定有效对象的成交价格与待定价对象之间的总价格差值,即可以确定有效对象的修正价格。例如,对象为二手车,属性信息为车龄,且有效对象的车龄为2年,价格为10万元;而待定价对象的车龄为3年,现需要确定待定价对象的价格。由于二者的属性信息不同,若直接进行比较则确定的结果不准确。本实施例中,有效对象的车龄比待定价对象的车龄少1年,若步骤102中确定属性信息车龄的影响系数为-10%(即车龄增加一年,价格下降10%),此时可以把2年车龄的二手车的成交价格10万元*(1-10%)修正成3年车龄的价格,即修正成与待定价对象具有相同属性信息的价格,使得修正后的价格与待定价车辆的价格更具有可比性。
本实施例中,通过属性信息之间的属性差值,将属性信息不同但相对来说比较集中的有效对象标准化为待定价对象的属性信息,使得具有不同属性信息的有效对象之间具有更强的可比性,且有效对象修正后的价格更接近于待定价对象的价格。
步骤104:根据有效对象的修正价格确定待定价对象的价格。
本发明实施例中,由于有效对象的修正价格表示的是与该待定价对象具有相同属性信息的对象的价格,故该有效对象的修正价格可以更精确的表示待定价对象的价格,故根据有效对象的修正价格可以准确地确定待定价对象的价格。例如,将所有有效对象的修正价格的均值作为该待定价对象的价格。
本发明实施例提供的一种线性定价的方法,根据待定价对象的属性信息扩展范围选取有效对象,有效对象和待定价对象的属性信息相对来说比较集中,属性信息对于价格的影响越容易满足线性关系;之后根据有效对象的属性信息与待定价对象的属性信息之间的属性差值对有效对象的价格进行修正,最后利用修正后的价格确定待定价对象的价格。本实施例通过属性信息之间的属性差值,将属性信息不同但相对来说比较集中的有效对象标准化为待定价对象,使得具有不同属性信息的有效对象之间具有更强的可比性,且有效对象修正后的价格更接近于待定价对象的价格,利用修正价格可以更加准确地确定待定价对象的价格。
在上述实施例的基础上,参见图2所示,步骤102选取价格已知的有效对象包括:
步骤1021:在预设时间段内成交的对象样本池中,选取落入属性信息扩展范围的对象作为目标对象,并确定目标对象的数量。
本发明实施例中,该预设时间段为选取的一个时间段,该时间段优选为最近的一个时间段,即该时间段的结束点为当前时间,例如,该预设时间段为最近的一个月等。通过设置预设时间段可以保证选取的有效对象的时效性。同时,对象成交时,可以将已成交的对象放置在相应的对象样本池中,即对象样本池中包含大量的已成交对象,每个对象具有自身的属性信息,将属性信息落入该属性信息扩展范围的对象作为目标对象。本实施例中,目标对象、有效对象和待定价对象均为一类对象,只是属性信息可能不相同而已;同时,目标对象只是有效对象的一种临时称呼,区分两个名称只是为了方便说明,并不用于限定目标对象和有效对象是两个不同的对象。
步骤1022:判断目标对象的数量是否小于预设数量,在目标对象的数量不小于预设数量时,继续步骤1023,否则继续步骤1024。
步骤1023:将目标对象作为有效对象。
步骤1024:扩大待定价对象的属性信息扩展范围,并重新继续步骤1021,即重新在扩大后的属性信息扩展范围内选取目标对象,直至选取的目标对象的数量不小于预设数量,并将选取的目标对象作为有效对象。
本发明实施例中,为了保证所确定的待定价对象的价格的准确性,还需要保证有效对象的数量,一般来说,有效对象的数量越多,最后确定的待定价对象的价格越准确。本实施例中,当确定的有效对象的数量(即步骤1021中确定的目标对象的数量)不足够时,需要扩大待定价对象的属性信息扩展范围,并重新选取目标对象。以对象为二手车、属性信息包括车龄、里程、车型、车系四项为例说明。一般为了保证有效对象与待定价对象的一致性,在确定属性信息扩展范围时,不容易确定影响系数的属性信息的扩展范围较小,而容易确定影响系数的属性信息可以设置较大的扩展范围。例如,不同车型的价格相对难以比较,即影响系数难以确定,此时在确定有效对象时可以选取与待定价对象相同车型的对象,即车型的扩展范围就是待定价对象的车型,或者说车型的扩展范围本质上是一个点。而对于车龄、里程等,与其相关的影响系数容易确定,此时可以对车龄和里程进行扩展,比如待定价对象的车龄为3年,里程为10万公里,相应的,车龄扩展范围为4~6年,里程扩展范围为8.8~11.2万公里。若此时确定的目标对象的数量不够,即目标对象的数量少于预设数量,此时可以对一个或多个属性信息扩展范围进行扩大,比如将里程扩展范围扩大到8~12万公里等,之后继续确定目标对象以及目标对象的数量,直至数量满足要求,此时即可将所有的目标对象作为所需的有效对象。
在上述实施例的基础上,步骤102“确定每项属性信息与价格之间的影响系数”包括:
步骤A1:建立价格回归模型:
其中,P表示价格,xi表示第i项属性信息,ki表示第i项属性信息对应的影响系数,fi()表示第i项属性信息对价格的影响函数,n为属性信息的总项数。
步骤A2:根据有效对象的价格以及属性信息、或者根据预先选取的对象的价格以及属性信息对价格回归模型进行多元回归分析,确定每项属性信息对应的影响系数。
本发明实施例中,建立价格与所有属性信息之间的模型,即价格回归模型,利用该模型来确定每项属性信息对应的影响系数。其中,根据每项属性信息的特性,确定每项属性信息对价格的影响函数fi(),该影响函数可以为指数函数、多项式函数等,本实施例对此不做限定。以有效对象或者预先选取的对象作为样本,利用已知的有效对象的价格与属性信息之间的关系对该价格回归模型进行多元回归分析,从而可以确定该价格回归模型的具体参数,即可以确定影响系数。
例如,最简单的,以三项属性信息为例说明,价格回归模型可以为P=k1x1+k2x2+k3x3,利用已知的价格P以及属性信息x1,x2,x3即可确定价格回归模型的影响系数k1,k2,k3。
可选的,在步骤A1“建立价格回归模型”之前,该方法还包括:对每项属性信息进行数字化处理,生成数字化的属性信息xi。
本实施例中,由于属性信息可能为非量化的描述信息,比如车型、颜色等,故需要将原始的属性信息转换为数字形式的属性信息,即进行数字化处理,生成数字化的属性信息xi。具体的,可以建立属性信息与数字之间的对应关系,比如对于“颜色”,可以为每种颜色进行编号,将颜色数字化;或者利用RGB色彩模式来数字化描述“颜色”。或者,利用词模型将文字形式的属性信息转换为特征值或特征向量。也可采用其他方式,本实施例对此不做限定。
在上述实施例的基础上,在步骤104“确定有效对象的修正价格”之后,该方法还包括:
对所有的有效对象的修正价格进行统计,确定与预先设置的置信区间相对应的修正价格的价格区间,并将价格区间作为待定价对象的参考价格区间。
本发明实施例中,在确定待定价对象的价格,即点型价格,的同时,还可以确定待定价对象的参考价格区间。本实施例中,利用置信区间来确定修正价格的价格区间,该价格区间即可作为待定价对象的参考价格区间。例如,置信区间为[5%,95%],则去修正价格的5分位数和95分位数,之后得到的修正价格的区间则可视为对待定价对象的一个90%(置信水平为90%)的置信区间估计,即参考价格区间。因此,有90%的可能性待定价对象最终的成交价会落入这个参考价格区间。
可选的,该参考价格区间还可衡量定价师的专业能力。例如,通过二手车的参考价格区间与定价师出价的偏离程度,可以判断定价师的定价准确度、专业度。
本发明实施例提供的一种线性定价的方法,根据待定价对象的属性信息扩展范围选取有效对象,有效对象和待定价对象的属性信息相对来说比较集中,属性信息对于价格的影响越容易满足线性关系;之后根据有效对象的属性信息与待定价对象的属性信息之间的属性差值对有效对象的价格进行修正,最后利用修正后的价格确定待定价对象的价格。本实施例通过属性信息之间的属性差值,将属性信息不同但相对来说比较集中的有效对象标准化为待定价对象,使得具有不同属性信息的有效对象之间具有更强的可比性,且有效对象修正后的价格更接近于待定价对象的价格,利用修正价格可以更加准确地确定待定价对象的价格。同时,在确定有效对象时可以逐渐放开属性信息扩展范围,逐渐扩大筛选条件,可以细粒度地选取有效对象;利用多元回归分析可以方便快速确定每项属性信息的影响系数;同时,还可生成待定价对象的参考价格区间,极大程度的反应不同属性信息的对象实际符合当前市场的价格区间,提升定价的高准确度。
以上详细介绍了线性定价的方法流程,该方法也可以通过相应的装置实现,下面详细介绍该装置的结构和功能。
本发明实施例提供的一种线性定价的装置,参见图3所示,包括:
确定模块31,用于确定待定价对象的属性信息,并对所述待定价对象的属性信息进行扩展处理,生成所述待定价对象的属性信息扩展范围;
选取模块32,用于选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数,所述有效对象的属性信息落入相应的所述待定价对象的属性信息扩展范围内;
价格修正模块33,用于确定所述有效对象的属性信息与所述待定价对象的属性信息之间的属性差值,并根据所述有效对象的每项属性信息的属性差值和相应的影响系数对所述有效对象的价格进行修正,确定所述有效对象的修正价格;
定价模块34,用于根据所述有效对象的修正价格确定所述待定价对象的价格。
在上述实施例的基础上,所述选取模块32选取价格已知的有效对象包括:
在预设时间段内成交的对象样本池中,选取落入所述属性信息扩展范围的对象作为目标对象,并确定所述目标对象的数量;
在所述目标对象的数量不小于预设数量时,将所述目标对象作为有效对象;
在所述目标对象的数量小于预设数量时,扩大所述待定价对象的属性信息扩展范围,并重新在扩大后的所述属性信息扩展范围内选取目标对象,直至选取的目标对象的数量不小于预设数量,并将选取的所述目标对象作为有效对象。
在上述实施例的基础上,选取模块32确定每项属性信息与价格之间的影响系数包括:
建立价格回归模型:
其中,P表示价格,xi表示第i项属性信息,ki表示第i项属性信息对应的影响系数,fi()表示第i项属性信息对价格的影响函数,n为属性信息的总项数;
根据所述有效对象的价格以及属性信息、或者根据预先选取的对象的价格以及属性信息对所述价格回归模型进行多元回归分析,确定每项属性信息对应的影响系数。
在上述实施例的基础上,在所述选取模块32建立价格回归模型之前,还用于:
对每项所述属性信息进行数字化处理,生成数字化的属性信息xi。
在上述实施例的基础上,所述价格修正模块33对所述有效对象的价格进行修正包括:
根据所述属性差值以及相应的影响系数确定所述属性差值相对应的价格差值;
根据所有属性信息的属性差值对应的价格差值对所述有效对象的价格进行修正。
在上述实施例的基础上,所述定价模块34在确定所述有效对象的修正价格之后,还用于:
对所有的所述有效对象的修正价格进行统计,确定与预先设置的置信区间相对应的所述修正价格的价格区间,并将所述价格区间作为所述待定价对象的参考价格区间。
本发明实施例提供的一种线性定价的装置,根据待定价对象的属性信息扩展范围选取有效对象,有效对象和待定价对象的属性信息相对来说比较集中,属性信息对于价格的影响越容易满足线性关系;之后根据有效对象的属性信息与待定价对象的属性信息之间的属性差值对有效对象的价格进行修正,最后利用修正后的价格确定待定价对象的价格。本实施例通过属性信息之间的属性差值,将属性信息不同但相对来说比较集中的有效对象标准化为待定价对象,使得具有不同属性信息的有效对象之间具有更强的可比性,且有效对象修正后的价格更接近于待定价对象的价格,利用修正价格可以更加准确地确定待定价对象的价格。同时,在确定有效对象时可以逐渐放开属性信息扩展范围,逐渐扩大筛选条件,可以细粒度地选取有效对象;利用多元回归分析可以方便快速确定每项属性信息的影响系数;同时,还可生成待定价对象的参考价格区间,极大程度的反应不同属性信息的对象实际符合当前市场的价格区间,提升定价的高准确度。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,其包含用于执行上述的线性定价的方法的程序,该计算机可执行指令可执行上述任意方法实施例中的方法。
其中,所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
图4示出了本发明的另一个实施例的一种电子设备的结构框图。所述电子设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对电子设备的具体实现做限定。
该电子设备1100包括至少一个处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory array)1130和总线1140。其中,处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网元通信,其中网元包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU,或者是专用集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于可执行的指令。存储器1130可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块,并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行,以使处理器1110能够执行上述任意方法实施例中的线性定价的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种线性定价的方法,其特征在于,包括:
确定待定价对象的属性信息,并对所述待定价对象的属性信息进行扩展处理,生成所述待定价对象的属性信息扩展范围;
选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数,所述有效对象的属性信息落入相应的所述待定价对象的属性信息扩展范围内;
确定所述有效对象的属性信息与所述待定价对象的属性信息之间的属性差值,并根据所述有效对象的每项属性信息的属性差值和相应的影响系数对所述有效对象的价格进行修正,确定所述有效对象的修正价格;
根据所述有效对象的修正价格确定所述待定价对象的价格。
2.根据权利要求1所述的方法,其特征在于,所述选取价格已知的有效对象包括:
在预设时间段内成交的对象样本池中,选取落入所述属性信息扩展范围的对象作为目标对象,并确定所述目标对象的数量;
在所述目标对象的数量不小于预设数量时,将所述目标对象作为有效对象;
在所述目标对象的数量小于预设数量时,扩大所述待定价对象的属性信息扩展范围,并重新在扩大后的所述属性信息扩展范围内选取目标对象,直至选取的目标对象的数量不小于预设数量,并将选取的所述目标对象作为有效对象。
3.根据权利要求1所述的方法,其特征在于,确定每项属性信息与价格之间的影响系数包括:
建立价格回归模型:
其中,P表示价格,xi表示第i项属性信息,ki表示第i项属性信息对应的影响系数,fi()表示第i项属性信息对价格的影响函数,n为属性信息的总项数;
根据所述有效对象的价格以及属性信息、或者根据预先选取的对象的价格以及属性信息对所述价格回归模型进行多元回归分析,确定每项属性信息对应的影响系数。
4.根据权利要求3所述的方法,其特征在于,在所述建立价格回归模型之前,还包括:
对每项所述属性信息进行数字化处理,生成数字化的属性信息xi。
5.根据权利要求1所述的方法,其特征在于,所述对所述有效对象的价格进行修正包括:
根据所述属性差值以及相应的影响系数确定所述属性差值相对应的价格差值;
根据所有属性信息的属性差值对应的价格差值对所述有效对象的价格进行修正。
6.根据权利要求1-5任一项所述的方法,其特征在于,在确定所述有效对象的修正价格之后,还包括:
对所有的所述有效对象的修正价格进行统计,确定与预先设置的置信区间相对应的所述修正价格的价格区间,并将所述价格区间作为所述待定价对象的参考价格区间。
7.一种线性定价的装置,其特征在于,包括:
确定模块,用于确定待定价对象的属性信息,并对所述待定价对象的属性信息进行扩展处理,生成所述待定价对象的属性信息扩展范围;
选取模块,用于选取价格已知的有效对象,确定每项属性信息与价格之间的影响系数,所述有效对象的属性信息落入相应的所述待定价对象的属性信息扩展范围内;
价格修正模块,用于确定所述有效对象的属性信息与所述待定价对象的属性信息之间的属性差值,并根据所述有效对象的每项属性信息的属性差值和相应的影响系数对所述有效对象的价格进行修正,确定所述有效对象的修正价格;
定价模块,用于根据所述有效对象的修正价格确定所述待定价对象的价格。
8.根据权利要求7所述的装置,其特征在于,所述定价模块在确定所述有效对象的修正价格之后,还用于:
对所有的所述有效对象的修正价格进行统计,确定与预先设置的置信区间相对应的所述修正价格的价格区间,并将所述价格区间作为所述待定价对象的参考价格区间。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-6任意一项所述的线性定价的方法。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6任意一项所述的线性定价的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319582.2A CN110060103A (zh) | 2019-04-19 | 2019-04-19 | 一种线性定价的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319582.2A CN110060103A (zh) | 2019-04-19 | 2019-04-19 | 一种线性定价的方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110060103A true CN110060103A (zh) | 2019-07-26 |
Family
ID=67319834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910319582.2A Pending CN110060103A (zh) | 2019-04-19 | 2019-04-19 | 一种线性定价的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060103A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062737A (zh) * | 2019-11-11 | 2020-04-24 | 北京三快在线科技有限公司 | 对象参量的确定方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10261009A (ja) * | 1996-12-20 | 1998-09-29 | Ryoichi Ino | 中古車の評価査定の処理方法、及び中古車の評価査定の処理装置 |
KR20140094059A (ko) * | 2013-01-16 | 2014-07-30 | (주)링커 | 가격 결정 방법 및 시스템 |
US20160042376A1 (en) * | 2013-03-11 | 2016-02-11 | Carproof | Used motor vehicle pricing system |
CN105741145A (zh) * | 2016-02-06 | 2016-07-06 | 广州拓谷信息科技股份有限公司 | 一种用于二手车价格的评估算法的方法 |
CN106157090A (zh) * | 2016-06-28 | 2016-11-23 | 江苏车置宝信息科技股份有限公司 | 基于大数据实现的在线二手车价评估方法 |
KR101675820B1 (ko) * | 2016-01-19 | 2016-11-29 | 박은양 | 표준가격을 이용한 중고차 가격산정 시스템 |
CN108550090A (zh) * | 2018-06-06 | 2018-09-18 | 链家网(北京)科技有限公司 | 一种确定房源价格信息的处理方法及系统 |
CN109299807A (zh) * | 2017-12-29 | 2019-02-01 | 广东数鼎科技有限公司 | 一种二手车定价优化方法及系统 |
CN109583926A (zh) * | 2017-09-29 | 2019-04-05 | 优估(上海)信息科技有限公司 | 一种二手车定价方法装置及系统 |
-
2019
- 2019-04-19 CN CN201910319582.2A patent/CN110060103A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10261009A (ja) * | 1996-12-20 | 1998-09-29 | Ryoichi Ino | 中古車の評価査定の処理方法、及び中古車の評価査定の処理装置 |
KR20140094059A (ko) * | 2013-01-16 | 2014-07-30 | (주)링커 | 가격 결정 방법 및 시스템 |
US20160042376A1 (en) * | 2013-03-11 | 2016-02-11 | Carproof | Used motor vehicle pricing system |
KR101675820B1 (ko) * | 2016-01-19 | 2016-11-29 | 박은양 | 표준가격을 이용한 중고차 가격산정 시스템 |
CN105741145A (zh) * | 2016-02-06 | 2016-07-06 | 广州拓谷信息科技股份有限公司 | 一种用于二手车价格的评估算法的方法 |
CN106157090A (zh) * | 2016-06-28 | 2016-11-23 | 江苏车置宝信息科技股份有限公司 | 基于大数据实现的在线二手车价评估方法 |
CN109583926A (zh) * | 2017-09-29 | 2019-04-05 | 优估(上海)信息科技有限公司 | 一种二手车定价方法装置及系统 |
CN109299807A (zh) * | 2017-12-29 | 2019-02-01 | 广东数鼎科技有限公司 | 一种二手车定价优化方法及系统 |
CN108550090A (zh) * | 2018-06-06 | 2018-09-18 | 链家网(北京)科技有限公司 | 一种确定房源价格信息的处理方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062737A (zh) * | 2019-11-11 | 2020-04-24 | 北京三快在线科技有限公司 | 对象参量的确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019169977A1 (zh) | 一种信息转化率的预测、信息推荐方法和装置 | |
Andersen et al. | Jump-diffusion processes: Volatility smile fitting and numerical methods for option pricing | |
WO2020107894A1 (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
CN110795458A (zh) | 交互式数据分析方法、装置、电子设备和计算机可读存储介质 | |
WO2014201302A1 (en) | Provision of insurance products | |
CN109636181A (zh) | 一种用户信用分计算方法及系统 | |
CN109740352A (zh) | 一种账号处理方法、装置及电子设备 | |
CN110188990A (zh) | 一种资源请求和资金请求分流方法、装置及设备 | |
CN110060103A (zh) | 一种线性定价的方法、装置、存储介质及电子设备 | |
WO2023246391A1 (zh) | 风险特征描述的提取 | |
CN109598478B (zh) | 一种风测结果描述文案的生成方法、装置及电子设备 | |
CN111126788A (zh) | 风险识别方法及装置和电子设备 | |
JP4824269B2 (ja) | 査定評価処理方法、査定評価処理プログラム、査定評価処理システム | |
CN111091402A (zh) | 一种价值数据调整方法、装置、电子设备及可读介质 | |
CN109063967A (zh) | 一种风控场景特征张量的处理方法、装置及电子设备 | |
CN112506976B (zh) | 数据流向的展示方法、装置、电子设备及存储介质 | |
CN114417089A (zh) | 查询方法、装置、终端设备及计算机可读存储介质 | |
CN115033456A (zh) | 一种内网前端性能监控方法、装置、计算机设备及存储介质 | |
CN110942238B (zh) | 课程推荐设备及方法 | |
CN113409119A (zh) | 融资租赁企业资金风险的评估方法、装置、存储介质和电子设备 | |
CN105913270A (zh) | 一种企业信用评估方法及装置 | |
US20080005159A1 (en) | Method and computer program product for collection-based iterative refinement of semantic associations according to granularity | |
JP2002288436A (ja) | 通貨オプション適正価格の決定方法及びそのシステム | |
CN108734956B (zh) | 电子地图的路况数据获取方法及装置 | |
CN116431268B (zh) | 基于大数据处理的数据可视化分析方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
RJ01 | Rejection of invention patent application after publication |