CN110555024A - 一种基于人工智能算法的精准汽车型号匹配系统 - Google Patents
一种基于人工智能算法的精准汽车型号匹配系统 Download PDFInfo
- Publication number
- CN110555024A CN110555024A CN201910746218.4A CN201910746218A CN110555024A CN 110555024 A CN110555024 A CN 110555024A CN 201910746218 A CN201910746218 A CN 201910746218A CN 110555024 A CN110555024 A CN 110555024A
- Authority
- CN
- China
- Prior art keywords
- automobile
- matching
- model
- vehicle
- artificial intelligence
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
Abstract
本发明公开了一种基于人工智能算法的精准汽车型号匹配系统,包括:输入模块,用于获取检测车辆的信息数据;数据库模块,用于获取并保存市场上所有的汽车特征参数,构建汽车产品数据标准;匹配模块,用于将输入模块输入的信息数据与数据库模块中特征参数进行识别匹配,提取汽车特征信息得到匹配总得分并能够根据反馈结果,进行自动学习和迭代优化,生成更高准确度的算法模型;输出模块,用于输出匹配总得分并匹配阈值规则获取匹配结果;本发明基于人工智能算法,运用大数据技术对汽车型号进行识别,解决现有技术中没有任何一种系统可以快速识别出汽车具体型号和参数值的技术问题,实现快速识别出汽车具体型号和参数值,可广泛应用于汽车行业中。
Description
技术领域
本发明涉及大数据处理技术领域,尤其涉及一种基于人工智能算法的精准汽车型号匹配系统。
背景技术
随着市场竞争的加剧,商用车厂商进军乘用车市场,自主乘用车厂商不断推出高端车型向上与合资竞争,合资非豪华厂商设计低成本车型以扩大消费者受众,豪华厂商降低准入门槛,不断推出小型豪华车挤压合资非豪华的高端车型,依然形成了全球最庞大、最复杂的汽车市场。拥有来自260多家汽车厂商2400多个车型45000多个型号,然而并没一个统一的标准。各家都会有自身的方式,因此对于数据的互联互通和盘活数据资产,精准匹配意义重大。在这样的推陈出新的激烈的竞争中,如何快速了解汽车使用、交易、维修保养、金融保险情况,快速且准确识别出汽车具体型号和参数值,成为了企业极需解决的问题。
发明内容
本发明提供了一种基于人工智能算法的精准汽车型号匹配系统,以解决现有技术中没有任何一种系统可以快速识别出汽车具体型号和参数值,并建立数据互联互通的技术问题,从而基于人工智能算法,运用大数据技术对汽车型号进行识别,进而实现快速识别出汽车具体型号和参数值。
为了解决上述技术问题,本发明提供了一种基于人工智能算法的精准汽车型号匹配系统,包括:
输入模块,用于获取检测车辆的信息数据;所述信息数据包括车型名称信息、若干汽车性能参数/特征;
数据库模块,用于获取并保存市场上所有的汽车特征参数,建立全市场统一的标准;
匹配模块,用于通过匹配度评分函数将所述输入模块输入的信息数据与所述数据库模块中的特征参数进行识别匹配,提取汽车特征信息,通过人工智能算法模型得到匹配总得分;
输出模块,用于输出所述匹配总得分并利用匹配阈值规则获取匹配结果。
作为优选方案,所述信息数据还包括生产厂商、汽车品牌、车型名称、车型年款、官方指导价、成交价、车身形式、手自动、车门数、排量、变速箱类型、座位数、气缸数、气缸排列形式、档位个数、最大马力以及年款中的一种或多种组合。
作为优选方案,所述汽车特征参数包括:各种车源的特征描述信息、各种汽车品牌的所有车型ID、各种车型的汽车参数配置信息以及各种汽车特征的专有词信息。
作为优选方案,所述匹配模块还用于:通过神经网络算法,将权重作为变量,利用算法自动算出所述信息数据与所述特征参数的权重值。
作为优选方案,所述匹配模块进行识别匹配包括:词库校对处理、智能分词处理、制定区间规则以及数值标准化处理。
作为优选方案,所述词库校对处理包括:对生产厂商、品牌、车型以及驱动形式的字段通过汽车特征参数进行校对和验证;如果缺失其中一个字段,则会把所有可能作为候选,如缺失车型,则把品牌下的所有车型作为候选。
作为优选方案,所述智能分词处理包括:对型号名称进行自动分词,把型号名称分成多个词组,每个词组与待匹配型号进行对比,并根据对比度设置相应的权重值。
作为优选方案,所述数值标准化处理包括:对有关汽车配置的字段进行数据标准化处理,统一数据格式和单位,便于后续对比。
作为优选方案,所述有关汽车配置的字段包括:汽车的门数、排量、气缸数、档位数以及座椅数。
作为优选方案,还包括:反馈模块,所述反馈模块用于将无法识别的输入信息进行数据标注后,保存在所述数据库模块中更新优化。
相比于现有技术,本发明实施例具有如下有益效果:
本发明基于人工智能算法,运用大数据技术对汽车型号进行识别,解决现有技术中没有任何一种系统可以快速识别出汽车具体型号和参数值的技术问题,实现快速识别出汽车具体型号和参数值。
附图说明
图1:为本发明实施例中的精准汽车型号匹配系统结构示意图;
图2:为本发明实施例中的精准汽车型号匹配系统数据流程示意图;
图3:为本发明实施例中的智能匹配算法结构示意图;
图4:为本发明实施例中的智能匹配得分算法流程示意图;
图5:为本发明实施例中的精准汽车型号匹配系统实验覆盖率示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,本发明优选实施例提供了一种基于人工智能算法的精准汽车型号匹配系统,包括:输入模块、数据库模块、匹配模块和输出模块。
输入模块,用于获取检测车辆的信息数据;所述信息数据包括车型名称信息;
在本实施例中,所述信息数据还包括生产厂商、汽车品牌、车型名称、车型年款、官方指导价、成交价、车身形式、手自动、车门数、排量、变速箱类型、座位数、气缸数、气缸排列形式、档位个数、最大马力以及年款中的一种或多种组合。
数据库模块,用于获取并保存市场上所有的汽车特征参数;
在本实施例中,所述汽车特征参数包括:各种车源的特征描述信息、各种汽车品牌的所有车型ID、各种车型的汽车参数配置信息以及各种汽车特征的专有词信息。
匹配模块,用于通过匹配度评分函数将所述输入模块输入的信息数据与所述数据库模块中的特征参数进行识别匹配,提取汽车特征信息,并得到匹配总得分;
在本实施例中,所述匹配模块还用于:通过神经网络算法,将权重作为变量,利用算法自动算出所述信息数据与所述特征参数的权重值。
在本实施例中,所述匹配模块进行识别匹配包括:词库校对处理、智能分词处理、制定区间规则以及数值标准化处理。
在本实施例中,所述词库校对处理包括:对生产厂商、品牌、车型以及驱动形式的字段通过汽车特征参数进行校对和验证;如果缺失其中一个字段,则会把所有可能作为候选,如缺失车型,则把品牌下的所有车型作为候选。
在本实施例中,所述智能分词处理包括:对型号名称进行自动分词,把型号名称分成多个词组,每个词组与待匹配型号进行对比,并根据对比度设置相应的权重值。
在本实施例中,所述数值标准化处理包括:对有关汽车配置的字段进行数据标准化处理,统一数据格式和单位,便于后续对比。
在本实施例中,所述有关汽车配置的字段包括:汽车的门数、排量、气缸数、档位数以及座椅数。
输出模块,用于输出所述匹配总得分并利用匹配阈值规则获取匹配结果。
在本实施例中,还包括:反馈模块,所述反馈模块用于将无法识别的输入信息进行数据标注后,保存在所述数据库模块中更新优化。
下面结合具体实施例,对本发明进行详细说明。
请参照图2-图5,本发明提出一种基于人工智能算法的精准汽车型号匹配系统,利用人工智能算法实现精准汽车型号匹配,是运用超大规模的汽车特征数据建立智能识别算法,通过输入一辆汽车的若干性能参数,快速识别出汽车具体型号,最终输出车型型号名称,以及200多项具体的配置参数值;并且能够根据反馈结果,进行自动学习和迭代优化,以构建生成具备更高准确度的算法模型。经过2年9次迭代训练,其自动匹配率达到96%,匹配准确率达到98%。具体包括如下内容:
超大规模的数据训练集,来自不同渠道的3000多万辆车源的特征描述信息;覆盖2005年至今的,包括200多个汽车品牌45000多个不同车型型号的车型ID库;包含900万配置信息值的汽车参数配置库;包含5000多个汽车特征词的专有词库。
信息输入,根据配置重要性及可得性选取了其中17项配置特征信息,具体包括:生产厂商、汽车品牌、车型名称、车型年款、官方指导价、成交价、车身形式、手自动、车门数、排量、变速箱类型、座位数、气缸数、气缸排列形式、档位个数、最大马力、年款等。其中,车型名称信息是必填的,其他信息均可选填。
特征处理,对输入数据进行词库校对技术、智能分词、制定区间规则、数值标准化等处理方式提取汽车特征。
方式(1):词库校对
对生产厂商、品牌、车型、驱动形式等字段利用的汽车特征词的专有词库进行校对和验证;如果是缺失其中一个字段,则会把所有可能作为候选,如缺失车型,则把品牌下的所有车型作为候选。
方式(2)智能分词
利用智能分词词库对型号名称进行自动分词,把型号名称分成多个词组,每个词组与待匹配型号进行对比,并建立奖惩机制统计得分。
方式(3)制定区间规则,如下表1所示:
表1:区间规则列表
方式(4)数值标准化
对门数、排量、气缸数、档位数、座椅数、等字段进行数据标准化处理,统一数据格式和单位,便于后续对比。
构造匹配度评分函数:在确定了型号候选集后,构造匹配度评分函数,使待匹配车型型号与型号候选集中的所有型号都可以产生一个匹配度评分,然后选取评分最高的型号与阈值进行比较,高于阈值作为结果型号进行输出,低于阈值则表示该匹配型号匹配失败。
匹配度评分函数由三个子函数构成,分别是Ⅰ类配置评分函数、Ⅱ类配置评分函数、Ⅲ类名称标签评分函数。
Ⅰ类配置评分函数:
Ⅱ类配置评分函数:
Ⅲ类名称标签评分函数:
f3(x3)=g3(x3)
匹配度评分总函数:
利用机器学习做权重的优化:使用神经网络算法,将权重作为变量,根据数据标注的记录进行训练,利用算法自动算出权重。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。
阀值检测,对于匹配度评分函数输出的评分最高的型号,选取一部分进行数据标注。根据数据标注与评分的关系,确定阈值。
输出得分结果,通过匹配度评分函数计算获得匹配总得分,最后利用匹配阀值规则获取匹配结果。
对于成功匹配的车型型号,则会将其直接推送应用端进行应用,假如应用端有型号匹配不正确的反馈,则会进行将其标注放进数据标注记录中;对于无法匹配的车型型号,会进行复检校验,假如可以成功匹配,也将注放进数据标注记录中。数据标注记录将会成为匹配度评分算法函数的训练集。
如图5所示,本模型算法建立的规则驱动引擎和分层筛选技术,实现了信息容错性高、容易拓展的性能。型号精准匹配模型可以应用于同款车型数据的精确连接,把不同系统、不同数据渠道的数据集成在一起,打破企业的数据孤岛,聚合成“车辆大数据”。这是建立“汽车行业大数据”最为关键、重要的一环,也是数据整合过程中的重大难题,为发挥“汽车行业大数据”价值打下坚实的基础。以型号精准匹配算法为内核封装打造形成的匹配工具,极大节约了处理的人力成本。举例来说,完成10000个型号的精准匹配工具只需要5分钟,能够节省人力成本高达1056小时以上。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人工智能算法的精准汽车型号匹配系统,其特征在于,包括:
输入模块,用于获取检测车辆的信息数据;所述信息数据包括车型名称信息;
数据库模块,用于获取并保存市场上所有的汽车特征参数;
匹配模块,用于通过匹配度评分函数将所述输入模块输入的信息数据与所述数据库模块中的特征参数进行识别匹配,提取汽车特征信息,并得到匹配总得分;
输出模块,用于输出所述匹配总得分并利用匹配阈值规则获取匹配结果。
2.如权利要求1所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述信息数据还包括生产厂商、汽车品牌、车型名称、车型年款、官方指导价、成交价、车身形式、手自动、车门数、排量、变速箱类型、座位数、气缸数、气缸排列形式、档位个数、最大马力以及年款中的一种或多种组合。
3.如权利要求1所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述汽车特征参数包括:各种车源的特征描述信息、各种汽车品牌的所有车型ID、各种车型的汽车参数配置信息以及各种汽车特征的专有词信息。
4.如权利要求1所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述匹配模块还用于:通过神经网络算法,将权重作为变量,利用算法自动算出所述信息数据与所述特征参数的权重值。
5.如权利要求4所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述匹配模块进行识别匹配包括:词库校对处理、智能分词处理、制定区间规则以及数值标准化处理。
6.如权利要求5所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述词库校对处理包括:对生产厂商、品牌、车型以及驱动形式的字段通过汽车特征参数进行校对和验证;如果缺失其中一个字段,则会把所有可能作为候选,如缺失车型,则把品牌下的所有车型作为候选。
7.如权利要求5所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述智能分词处理包括:对型号名称进行自动分词,把型号名称分成多个词组,每个词组与待匹配型号进行对比,并根据对比度设置相应的权重值。
8.如权利要求5所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述数值标准化处理包括:对有关汽车配置的字段进行数据标准化处理,统一数据格式和单位,便于后续对比。
9.如权利要求8所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,所述有关汽车配置的字段包括:汽车的门数、排量、气缸数、档位数以及座椅数。
10.如权利要求1所述的基于人工智能算法的精准汽车型号匹配系统,其特征在于,还包括:反馈模块,所述反馈模块用于将无法识别的输入信息进行数据标注后,保存在所述数据库模块中更新优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746218.4A CN110555024B (zh) | 2019-08-13 | 2019-08-13 | 一种基于人工智能算法的精准汽车型号匹配系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746218.4A CN110555024B (zh) | 2019-08-13 | 2019-08-13 | 一种基于人工智能算法的精准汽车型号匹配系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110555024A true CN110555024A (zh) | 2019-12-10 |
CN110555024B CN110555024B (zh) | 2022-03-29 |
Family
ID=68737500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910746218.4A Active CN110555024B (zh) | 2019-08-13 | 2019-08-13 | 一种基于人工智能算法的精准汽车型号匹配系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555024B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047419A (zh) * | 2019-12-31 | 2020-04-21 | 广州探途天下科技有限公司 | 一种车型标准化方法及相关装置 |
CN111966794A (zh) * | 2020-03-31 | 2020-11-20 | 复旦大学附属中山医院 | 一种诊疗数据的识别方法、系统和装置 |
CN112100496A (zh) * | 2020-09-14 | 2020-12-18 | 北京嘀嘀无限科技发展有限公司 | 一种车型数据标准化匹配方法和系统 |
CN112256862A (zh) * | 2020-09-08 | 2021-01-22 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种数据映射关系建立方法 |
CN112417861A (zh) * | 2020-11-06 | 2021-02-26 | 明觉科技(北京)有限公司 | 车辆数据清洗方法、装置及存储介质 |
CN115408580A (zh) * | 2022-08-31 | 2022-11-29 | 广东数鼎科技有限公司 | 一种车源型号的识别方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100174657A1 (en) * | 2008-12-30 | 2010-07-08 | National Automobile Dealers Association | System and method for appraisal information services |
CN104239898A (zh) * | 2014-09-05 | 2014-12-24 | 浙江捷尚视觉科技股份有限公司 | 一种快速卡口车辆比对和车型识别方法 |
CN105741144A (zh) * | 2016-02-03 | 2016-07-06 | 上海赛可电子商务有限公司 | 车辆评估方法、车辆评估系统和车辆评估装置 |
CN106097022A (zh) * | 2016-06-28 | 2016-11-09 | 江苏车置宝信息科技股份有限公司 | 二手车行业的车型等价换算方法 |
CN106844787A (zh) * | 2017-03-16 | 2017-06-13 | 四川大学 | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 |
CN108154275A (zh) * | 2017-12-29 | 2018-06-12 | 广东数鼎科技有限公司 | 基于大数据的汽车残值预测模型及预测方法 |
CN108280674A (zh) * | 2017-12-29 | 2018-07-13 | 广东数鼎科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
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 |
CN109740166A (zh) * | 2019-01-17 | 2019-05-10 | 杭州联保致新科技有限公司 | 一种车型数据名称标准化治理方法 |
-
2019
- 2019-08-13 CN CN201910746218.4A patent/CN110555024B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100174657A1 (en) * | 2008-12-30 | 2010-07-08 | National Automobile Dealers Association | System and method for appraisal information services |
CN104239898A (zh) * | 2014-09-05 | 2014-12-24 | 浙江捷尚视觉科技股份有限公司 | 一种快速卡口车辆比对和车型识别方法 |
CN105741144A (zh) * | 2016-02-03 | 2016-07-06 | 上海赛可电子商务有限公司 | 车辆评估方法、车辆评估系统和车辆评估装置 |
CN106097022A (zh) * | 2016-06-28 | 2016-11-09 | 江苏车置宝信息科技股份有限公司 | 二手车行业的车型等价换算方法 |
CN106844787A (zh) * | 2017-03-16 | 2017-06-13 | 四川大学 | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 |
CN108154275A (zh) * | 2017-12-29 | 2018-06-12 | 广东数鼎科技有限公司 | 基于大数据的汽车残值预测模型及预测方法 |
CN108280674A (zh) * | 2017-12-29 | 2018-07-13 | 广东数鼎科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
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 |
CN109740166A (zh) * | 2019-01-17 | 2019-05-10 | 杭州联保致新科技有限公司 | 一种车型数据名称标准化治理方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047419A (zh) * | 2019-12-31 | 2020-04-21 | 广州探途天下科技有限公司 | 一种车型标准化方法及相关装置 |
CN111966794A (zh) * | 2020-03-31 | 2020-11-20 | 复旦大学附属中山医院 | 一种诊疗数据的识别方法、系统和装置 |
CN112256862A (zh) * | 2020-09-08 | 2021-01-22 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种数据映射关系建立方法 |
CN112100496A (zh) * | 2020-09-14 | 2020-12-18 | 北京嘀嘀无限科技发展有限公司 | 一种车型数据标准化匹配方法和系统 |
CN112417861A (zh) * | 2020-11-06 | 2021-02-26 | 明觉科技(北京)有限公司 | 车辆数据清洗方法、装置及存储介质 |
CN115408580A (zh) * | 2022-08-31 | 2022-11-29 | 广东数鼎科技有限公司 | 一种车源型号的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110555024B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555024B (zh) | 一种基于人工智能算法的精准汽车型号匹配系统 | |
CN108256074B (zh) | 校验处理的方法、装置、电子设备和存储介质 | |
US7930242B2 (en) | Methods and systems for multi-credit reporting agency data modeling | |
CN111145052A (zh) | 司法文书的结构化分析方法及系统 | |
Ke et al. | An intelligent design for remanufacturing method based on vector space model and case-based reasoning | |
CN106021545B (zh) | 用于车辆远程诊断与备件检索的方法 | |
CN108563783B (zh) | 一种基于大数据的财务分析管理系统及方法 | |
US20230083255A1 (en) | System and method for identifying advanced driver assist systems for vehicles | |
CN111274817A (zh) | 一种基于自然语言处理技术的智能化软件成本度量方法 | |
CN117236647B (zh) | 一种基于人工智能的岗位招聘分析方法及系统 | |
CN117290462B (zh) | 一种数据大模型的智能决策系统及方法 | |
CN116645129A (zh) | 一种基于知识图谱的制造资源推荐方法 | |
CN114417015A (zh) | 一种高速列车可维修性知识图谱构建方法 | |
CN117332858A (zh) | 基于知识图谱的汽车故障智能诊断系统的构建方法 | |
WO2022045874A1 (en) | A system and method to generate statistical and analytical report | |
CN117312532A (zh) | 一种基于知识图谱的智能评分方法及系统 | |
CN114611515B (zh) | 一种基于企业舆情信息识别企业实际控制人的方法和系统 | |
CN111258953B (zh) | 一种财务数据转换成评估数据规范化的方法 | |
CN106056223B (zh) | 用于车辆远程诊断与备件检索的平台 | |
CN111274404B (zh) | 一种基于人机协同的小样本实体多领域分类方法 | |
CN114021544A (zh) | 产品合同的要素智能抽取和审核方法及系统 | |
CN113177733A (zh) | 基于卷积神经网络的中小微企业数据建模方法及系统 | |
CN114492308B (zh) | 一种结合知识发现与文本挖掘的产业信息标引方法和系统 | |
CN117708759B (zh) | 定位企业所属产业链环节的方法及装置 | |
Cheng et al. | Intelligent Vehicle Inspection Tool Design Based on Freeman Chain Code for Automatic Annotation of 3D Models |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |