CN114663167A - 基于拍品信息的估价方法、装置、电子设备及存储介质 - Google Patents
基于拍品信息的估价方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114663167A CN114663167A CN202210438509.9A CN202210438509A CN114663167A CN 114663167 A CN114663167 A CN 114663167A CN 202210438509 A CN202210438509 A CN 202210438509A CN 114663167 A CN114663167 A CN 114663167A
- Authority
- CN
- China
- Prior art keywords
- information
- weight factor
- shooting
- attribute information
- 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
Images
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
- G06Q30/0278—Product appraisal
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
Abstract
本发明涉及人工智能技术,揭露一种基于拍品信息的估价方法,包括:根据历史拍品信息选择估计模型,将历史拍品信息输入估计模型计算,得到拍品属性信息的属性类别对应的权重因子;根据待拍品信息匹配目标估价模型,将待拍品信息的拍品属性信息逐一与目标估价模型中历史拍品信息的拍品属性信息计算相似度,选取相似度符合条件属性信息作为参考属性信息;根据参考属性信息提取参考成交结果及参考权重因子,利用参考成交结果调节参考权重因子得到更新权重因子;根据更新权重因子及参考成交结果进行权重计算,得到待估价拍品的估价。本发明还提出一种基于拍品信息的估价装置、设备以及介质。本发明可以提高拍品信息估价方法的客观性、准确性及灵活性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于拍品信息的估价方法、装置、电子设备及计算机可读存储介质。
背景技术
起拍价定价一直是拍卖服务中重要的一环,对一项拍品的价值估价,直接影响拍品的起拍定价和保留价以及送拍人的心理预期和竞拍人的接受程度,一个合理的定价有助于提高成交率,将买卖双方的利益最大化实现双赢。
传统的估价方式往往依靠专业人士对特定领域特定商品有深入的了解才能进行估价,而且服务价格高昂,全依赖于个人判断,行情变化快的情况下可能与市场偏差很大,不能实时跟随市场而变化。同时,网络拍卖的兴起,参与竞拍的商品不断多样化,很多商品可能没有专业的估价服务提供商。互联网时代加入的广大中小卖家对自己挂拍的商品缺乏一个合理的价格估价,估价不够准确,也无法承担购买专业估值的服务的成本。综上所述,现有基于拍品信息的估价方法缺乏客观性、不够准确且灵活性较低。
发明内容
本发明提供一种基于拍品信息的估价方法、装置及计算机可读存储介质,其主要目的在于解决基于拍品信息的估价方法缺乏客观性、不够准确且灵活性较低的问题。
为实现上述目的,本发明提供的一种基于拍品信息的估价方法,包括:
获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;
若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;
若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
可选地,所述根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子,包括:
根据所述拍品属性信息的属性类别在所述估价模型中构建多层神经网络,其中,每层神经网络对应着一种属性类别以及初始权重因子;
将所述拍品属性信息向量化,并逐层输入所述神经网络,计算得到预测结果;
根据所述预测结果与所述成交结果计算损失值,并利用所述损失值调节所述神经网络的所述初始权重因子,得到所述属性类别对应的权重因子。
可选地,所述利用所述损失值调节所述神经网络的所述初始权重因子,得到所述属性类别对应的权重因子,包括:
根据所述损失值与所述估价模型中每层神经网络对应的初始权重以及预设偏置值计算得到权重关联式和偏置值关联式;
根据预设的参数更新公式对所述权重关联式和偏置值关联式进行计算,得到更新后的权重因子,并将所述更新后的权重因子作为所述属性类别对应的权重因子。
可选地,所述根据所述待拍品信息匹配得到目标估价模型,包括:
获取所述待拍品信息的拍品类型为第一拍品类型,从所述估价模型中选取其中一个估价模型,从选取的估价模型中随机选取一个历史拍品信息的拍品类型为第二拍品类型;
逐一计算所述第一拍品类型与选取的估价模型的所述第二拍品类型之间的距离值;
选取所述距离值大于预设阈值的第二拍品类型所对应的估价模型作为作为目标估价模型。
可选地,所述参考属性信息提取参考权重因子以及参考成交结果,包括:
利用所述参考属性信息确定属性类别,根据所述属性类别在所述目标估价模型的输出中检索,将检索到的所述属性类别对应的权重因子作为所述参考权重因子;
根据所述参考属性信息获取参考拍品信息,从所述参考拍品信息中提取得到参考成交结果。
可选地,所述根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子,包括:
提取所述参考成交结果中的竞价次数和成交价,根据所述竞价次数和所述成交价判断是否调节所述参考权重因子;
当所述竞价次数大于等于预设平均次数且所述成交价大于等于预设平均成交价时,则将所述参考权重因子作为更新权重因子;
当所述竞价次数小于预设平均次数且所述成交价小于预设平均成交价时,则将所述参考权重因子作为更新权重因子;
当所述竞价次数小于预设平均次数且所述成交价大于等于预设平均成交价时,则提高所述权重因子,得到更新权重因子;
当所述竞价次数大于等于预设平均次数且所述成交价小于预设平均成交价时,则降低所述参考权重因子,得到更新权重因子。
可选地,所述根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价,包括:
从所述待拍品信息的拍品属性信息中选取一个属性信息作为目标拍品属性信息,根据所述目标拍品属性信息提取对应的参考拍品信息;
根据所述参考拍品信息获取关联的所述更新权重因子及所述参考成交结果中的成交价,得到目标权重因子及目标成交价;
将每一个所述待拍品信息的拍品属性信息所对应的目标权重因子及目标成交价按照预设权重公式进行叠加计算,得到所述待估价拍品的估价。
为了解决上述问题,本发明还提供一种基于拍品信息的估价装置,所述装置包括:
估价模型选择模块,用于获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
权重因子生成模块,用于根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
参考属性信息生成模块,用于获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
权重因子调整模块,用于根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
估价生成模块,用于根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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所述的基于拍品信息的估价方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于拍品信息的估价方法。
本发明实施例通过历史拍品信息对估价模型进行计算,得到估价模型中每个拍品属性信息对应的权重因子,实现了根据历史数据的不同对待估价拍品调整,提高待估价拍品的估价的灵活性;通过待估价拍品的拍品信息与历史拍品信息进行匹配计算,确定不同拍品属性所对应的历史拍品信息,再根据历史拍品信息的成交结果确定参考权重因子,使得最终进行权重计算得到的待估价拍品的估价更加准确。因此本发明提出的基于拍品信息的估价方法、装置、电子设备及计算机可读存储介质,可以解决基于拍品信息的估价方法缺乏客观性、不够准确且灵活性较低的问题。
附图说明
图1为本发明一实施例提供的基于拍品信息的估价方法的流程示意图;
图2为本发明一实施例提供的根据拍品属性信息和成交结果对估价模型进行计算的流程示意图;
图3为本发明一实施例提供的根据参考成交结果中的竞价次数和成交价调节参考权重因子的流程示意图;
图4为本发明一实施例提供的基于拍品信息的估价装置的功能模块图;
图5为本发明一实施例提供的实现所述基于拍品信息的估价方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于拍品信息的估价方法。所述基于拍品信息的估价方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于拍品信息的估价方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于拍品信息的估价方法的流程示意图。在本实施例中,所述基于拍品信息的估价方法包括:
S1、获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型。
本发明实施例中,所述历史拍品信息是各种类型的拍品的信息,每个历史拍品信息包括拍品类型、拍品属性信息、成交结果等,其中所述拍品类型可以实现对历史拍品的分类,所述拍品属性信息是历史拍品的具体属性,所述成交结果可以为历史拍品的成交价、竞拍次数等。
例如,以房产拍品为例,其所属的拍品类型为房产类,其包含的拍品属性信息有房屋位置、楼层、居住氛围、道路通达度、公共交通便捷度、公共配套完善程度、基础设施状况、环境质量、土地使用限制等,其成交结果可以为成交价300万、竞拍次数5次等。
本发明实施例中,所述预设估价模型根据拍品类型相对应,不同的拍品类型对应着不同的估价模块,因此估价模型中的历史数据属于同一拍品类型,有利于对一种拍品类型的拍品进行估价,提高了估价模型估价的准确性、
S2、根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子。
请参阅图2所示,本发明实施例中,所述根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子,包括:
S21、根据所述拍品属性信息的属性类别在所述估价模型中构建多层神经网络,其中,每层神经网络对应着一种属性类别以及初始权重因子;
S22、将所述拍品属性信息向量化,并逐层输入所述神经网络,计算得到预测结果;
S23、根据所述预测结果与所述成交结果计算损失值,并利用所述损失值调节所述神经网络的所述初始权重因子,得到所述属性类别对应的权重因子。
本发明实施例中,所述成交结果中包含成交价、结果、竞拍次数等信息,根据所述神经网络计算得到的预测结果可以为预测成交价、预测结果等,根据预测结果和成交结果利用如下Focal Loss损失函数计算,即得到损失值:
进一步地,所述利用所述损失值调节所述神经网络的所述初始权重因子,得到所述属性类别对应的权重因子,包括:
根据所述损失值与所述估价模型中每层神经网络对应的初始权重以及预设偏置值计算得到权重关联式和偏置值关联式;
根据预设的参数更新公式对所述权重关联式和偏置值关联式进行计算,得到更新后的权重因子,并将所述更新后的权重因子作为所述属性类别对应的权重因子。
具体地,所述根据所述损失值与所述估价模型中每层神经网络对应的初始权重以及预设偏置值计算得到权重关联式的公式如下所示:
所述根据所述损失值与所述估价模型中每层神经网络对应的初始权重以及预设偏置值计算得到偏置值关联式的公式如下所示:
所述根据预设的参数更新公式对所述权重关联式和偏置值关联式进行计算得到所述属性类别对应的权重因子的公式如下所示:
其中,WL jk为更新后的权重因子,γ为预设参数。
本发明另一可选实施例可以采用反向传播算法对估价模型求梯度,在利用优化算法(例如Adam优化算法)对神经网络的网络参数(如权重因子)进行更新。
S3、获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息。
本发明实施例中,可以利用具有抓取功能的计算机语句(例如,java语句、python语句等)或者爬虫技术等,从存储区域(例如,区块链节点等)抓取待估价拍品的待拍品信息。
本发明实施例中,所述根据所述待拍品信息匹配得到目标估价模型,包括:
获取所述待拍品信息的拍品类型为第一拍品类型,从所述估价模型中选取其中一个估价模型,从选取的估价模型中随机选取一个历史拍品信息的拍品类型为第二拍品类型;
逐一计算所述第一拍品类型与选取的估价模型的所述第二拍品类型之间的距离值;
选取所述距离值大于预设阈值的第二拍品类型所对应的估价模型作为作为目标估价模型。
本发明实施例可以利用如下距离值算法逐一计算所述第一拍品类型与选取的估价模型的所述第二拍品类型之间的距离值:
其中,D为所述距离值,a为所述第一拍品类型,bi为第i个估价模型的第二拍品类型。
本发明实施例中,可采用如下余弦相似度公式计算所述待拍品信息的拍品属性信息与所述目标估价模型中的历史拍品信息的拍品属性信息之间的相似度:
其中,p为所述待拍品信息的拍品属性信息,qmn为第m个句子的第n个句子分词的概率分布,simmn为所述目标估价模型中第m个历史拍品信息的第n个拍品属性信息的余弦相似度;
S4、根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子。
本发明实施例中,所述参考属性信息提取参考权重因子以及参考成交结果,包括:
利用所述参考属性信息确定属性类别,根据所述属性类别在所述目标估价模型的输出中检索,将检索到的所述属性类别对应的权重因子作为所述参考权重因子;
根据所述参考属性信息获取参考拍品信息,从所述参考拍品信息中提取得到参考成交结果。
本发明实施例中,通过所述参考属性信息可以确定所述目标估价模型的属性类别以及所述的历史拍品信息,该历史拍品信息既可作为参考拍品信息;所述参考权重因子是根据所述目标估价模型计算后的输出结果得到,所述参考成交结果是根据所述参考拍品信息的不同信息提取得到。
若所述参考成交结果为未成交,则执行S5、降低所述参考权重因子,得到更新权重因子。
本发明实施例中,对于未成交的参考拍品信息,说明是无人报名或无人出价,可能是起拍价定价过高,应当降低该笔交易数据权重。
本发明实施例中,可以获取该参考拍品信息对应拍品类型的其他拍品在一定时间段(例如,一周内)的平均成交价,根据该平均成交价和所述参考成交结果中的成交价计算差值,根据差值按比例降低所述参考权重因子。
若所述参考成交结果为成交,则执行S6、根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子。
请参阅图3所示,本发明实施例中,所述根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子,包括:
S31、提取所述参考成交结果中的竞价次数和成交价,根据所述竞价次数和所述成交价判断是否调节所述参考权重因子;
当所述竞价次数大于等于预设平均次数且所述成交价大于等于预设平均成交价时,则执行S32、将所述参考权重因子作为更新权重因子;
当所述竞价次数小于预设平均次数且所述成交价小于预设平均成交价时,则执行S32、将所述参考权重因子作为更新权重因子;
当所述竞价次数小于预设平均次数且所述成交价大于等于预设平均成交价时,则执行S33、提高所述权重因子,得到更新权重因子;
当所述竞价次数大于等于预设平均次数且所述成交价小于预设平均成交价时,则执行S34、降低所述参考权重因子,得到更新权重因子。
本发明实施例中,所述预设平均次数可以根据拍品信息对应的拍品类型的其他拍品的成交平均竞价次数而定,所述预设平均成交价可以为拍品信息对应的拍品类型的其他拍品在一定时间段(例如,一周内)的平均成交价。假设所述预设平均次数为M次、所述预设平均成交价为N,对于已成交数据,如果竞价次数大于M次,且该笔交易成交价低于N,说明起拍价定价过低,降低该笔交易数据权重;如果竞价次数小于M次,且该笔交易成交价不低于N,说明该商品标的起拍价预测合理,提升其权重。
本发明实施例可以根据竞价次数与所述预设平均次数,以及所述成交价与所述预设平均成交价之间的差值进行计算,根据计算结果按比例降低或者提升权重因子。
S7、根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
本发明实施例中,待估价拍品的拍品信息可以具有很多拍品属性,每个拍品属性可以对应着相同或者不同的历史拍品信息,该历史拍品信息都是所述待估价拍品的参考拍品信息,每一个拍品属性对应的历史拍品信息具有各自的权重,每个历史拍品的成交结果中都具有最终成交价,根据所述成交价及对应的所述权重进行权重计算,即可得到所述待估价拍品的估价。
本发明实施例中,所述根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价,包括:
从所述待拍品信息的拍品属性信息中选取一个属性信息作为目标拍品属性信息,根据所述目标拍品属性信息提取对应的参考拍品信息;
根据所述参考拍品信息获取关联的所述更新权重因子及所述参考成交结果中的成交价,得到目标权重因子及目标成交价;
将每一个所述待拍品信息的拍品属性信息所对应的目标权重因子及目标成交价按照预设权重公式进行叠加计算,得到所述待估价拍品的估价。
本发明实施例中,可以利用如下权重算法对每一个所述待拍品信息的拍品属性信息所对应的目标权重因子及目标成交价进行叠加计算,得到所述待估价拍品的估价:
其中,G为所述待估价拍品的估价,n为所述拍品属性信息的数量,Qi为第i个参考拍品信息中的目标成交价,Pi为第i个参考拍品信息中的目标权重因子。
本发明实施例通过历史拍品信息对估价模型进行计算,得到估价模型中每个拍品属性信息对应的权重因子,实现了根据历史数据的不同对待估价拍品调整,提高待估价拍品的估价的灵活性;通过待估价拍品的拍品信息与历史拍品信息进行匹配计算,确定不同拍品属性所对应的历史拍品信息,再根据历史拍品信息的成交结果确定参考权重因子,使得最终进行权重计算得到的待估价拍品的估价更加准确。因此本发明提出的基于拍品信息的估价方法,可以解决基于拍品信息的估价方法缺乏客观性、不够准确且灵活性较低的问题。
如图4所示,是本发明一实施例提供的基于拍品信息的估价装置的功能模块图。
本发明所述基于拍品信息的估价装置100可以安装于电子设备中。根据实现的功能,所述基于拍品信息的估价装置100可以包括估价模型选择模块101、权重因子生成模块102、参考属性信息生成模块103、权重因子调整模块104及估价生成模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述估价模型选择模块101,用于获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
所述权重因子生成模块102,用于根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
所述参考属性信息生成模块103,用于获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
所述权重因子调整模块104,用于根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
所述估价生成模块105,用于根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
详细地,本发明实施例中所述基于拍品信息的估价装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于拍品信息的估价方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于拍品信息的估价方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于拍品信息的估价程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于拍品信息的估价程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于拍品信息的估价程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于拍品信息的估价程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;
若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;
若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;
若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;
若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于拍品信息的估价方法,其特征在于,所述方法包括:
获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;
若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;
若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
2.如权利要求1所述的基于拍品信息的估价方法,其特征在于,所述根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子,包括:
根据所述拍品属性信息的属性类别在所述估价模型中构建多层神经网络,其中,每层神经网络对应着一种属性类别以及初始权重因子;
将所述拍品属性信息向量化,并逐层输入所述神经网络,计算得到预测结果;
根据所述预测结果与所述成交结果计算损失值,并利用所述损失值调节所述神经网络的所述初始权重因子,得到所述属性类别对应的权重因子。
3.如权利要求2所述的基于拍品信息的估价方法,其特征在于,所述利用所述损失值调节所述神经网络的所述初始权重因子,得到所述属性类别对应的权重因子,包括:
根据所述损失值与所述估价模型中每层神经网络对应的初始权重以及预设偏置值计算得到权重关联式和偏置值关联式;
根据预设的参数更新公式对所述权重关联式和偏置值关联式进行计算,得到更新后的权重因子,并将所述更新后的权重因子作为所述属性类别对应的权重因子。
4.如权利要求1所述的基于拍品信息的估价方法,其特征在于,所述根据所述待拍品信息匹配得到目标估价模型,包括:
获取所述待拍品信息的拍品类型为第一拍品类型,从所述估价模型中选取其中一个估价模型,从选取的估价模型中随机选取一个历史拍品信息的拍品类型为第二拍品类型;
逐一计算所述第一拍品类型与选取的估价模型的所述第二拍品类型之间的距离值;
选取所述距离值大于预设阈值的第二拍品类型所对应的估价模型作为作为目标估价模型。
5.如权利要求1所述的基于拍品信息的估价方法,其特征在于,所述参考属性信息提取参考权重因子以及参考成交结果,包括:
利用所述参考属性信息确定属性类别,根据所述属性类别在所述目标估价模型的输出中检索,将检索到的所述属性类别对应的权重因子作为所述参考权重因子;
根据所述参考属性信息获取参考拍品信息,从所述参考拍品信息中提取得到参考成交结果。
6.如权利要求1所述的基于拍品信息的估价方法,其特征在于,所述根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子,包括:
提取所述参考成交结果中的竞价次数和成交价,根据所述竞价次数和所述成交价判断是否调节所述参考权重因子;
当所述竞价次数大于等于预设平均次数且所述成交价大于等于预设平均成交价时,则将所述参考权重因子作为更新权重因子;
当所述竞价次数小于预设平均次数且所述成交价小于预设平均成交价时,则将所述参考权重因子作为更新权重因子;
当所述竞价次数小于预设平均次数且所述成交价大于等于预设平均成交价时,则提高所述权重因子,得到更新权重因子;
当所述竞价次数大于等于预设平均次数且所述成交价小于预设平均成交价时,则降低所述参考权重因子,得到更新权重因子。
7.如权利要求1至6中任一项所述的基于拍品信息的估价方法,其特征在于,所述根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价,包括:
从所述待拍品信息的拍品属性信息中选取一个属性信息作为目标拍品属性信息,根据所述目标拍品属性信息提取对应的参考拍品信息;
根据所述参考拍品信息获取关联的所述更新权重因子及所述参考成交结果中的成交价,得到目标权重因子及目标成交价;
将每一个所述待拍品信息的拍品属性信息所对应的目标权重因子及目标成交价按照预设权重公式进行叠加计算,得到所述待估价拍品的估价。
8.一种基于拍品信息的估价装置,其特征在于,所述装置包括:
估价模型选择模块,用于获取历史拍品信息,其中,所述历史拍品信息包括拍品类型、拍品属性信息及成交结果,根据所述拍品类型将所述历史拍品信息输入对应的预设估价模型;
权重因子生成模块,用于根据所述拍品属性信息和所述成交结果对所述估价模型进行计算,得到所述估价模型中每个所述拍品属性信息的属性类别所对应的权重因子;
参考属性信息生成模块,用于获取待估价拍品的待拍品信息,根据所述待拍品信息匹配得到目标估价模型,将所述待拍品信息的拍品属性信息逐一与所述目标估价模型中的历史拍品信息的拍品属性信息计算相似度,选取相似度符合预设条件的拍品属性信息作为参考属性信息;
权重因子调整模块,用于根据所述参考属性信息提取参考权重因子以及参考成交结果,根据所述参考成交结果判断是否调节所述参考权重因子;若所述参考成交结果为未成交,则降低所述参考权重因子,得到更新权重因子;若所述参考成交结果为成交,则根据所述参考成交结果中的竞价次数和成交价调节所述参考权重因子,得到更新权重因子;
估价生成模块,用于根据所述更新权重因子及所述参考成交结果进行权重计算,得到所述待估价拍品的估价。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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如权利要求1至7中任意一项所述的基于拍品信息的估价方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于拍品信息的估价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438509.9A CN114663167A (zh) | 2022-04-25 | 2022-04-25 | 基于拍品信息的估价方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438509.9A CN114663167A (zh) | 2022-04-25 | 2022-04-25 | 基于拍品信息的估价方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663167A true CN114663167A (zh) | 2022-06-24 |
Family
ID=82036541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210438509.9A Pending CN114663167A (zh) | 2022-04-25 | 2022-04-25 | 基于拍品信息的估价方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663167A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114840567A (zh) * | 2022-07-04 | 2022-08-02 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及系统 |
CN116580249A (zh) * | 2023-06-06 | 2023-08-11 | 河北中废通拍卖有限公司 | 基于集成学习模型的拍品分类方法、系统及存储介质 |
-
2022
- 2022-04-25 CN CN202210438509.9A patent/CN114663167A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114840567A (zh) * | 2022-07-04 | 2022-08-02 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及系统 |
CN116580249A (zh) * | 2023-06-06 | 2023-08-11 | 河北中废通拍卖有限公司 | 基于集成学习模型的拍品分类方法、系统及存储介质 |
CN116580249B (zh) * | 2023-06-06 | 2024-02-20 | 河北中废通拍卖有限公司 | 基于集成学习模型的拍品分类方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009174B (zh) | 风险识别模型训练方法、装置及服务器 | |
CN113508378A (zh) | 推荐模型的训练方法、推荐方法、装置及计算机可读介质 | |
CN109711955B (zh) | 基于当前订单的差评预警方法、系统、黑名单库建立方法 | |
CN114663167A (zh) | 基于拍品信息的估价方法、装置、电子设备及存储介质 | |
CN115391669B (zh) | 一种智能推荐方法、装置、电子设备 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN110992097A (zh) | 营收产品价格的处理方法、装置、计算机设备及存储介质 | |
CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
CN113886691A (zh) | 基于历史数据的智能推荐方法、装置、电子设备及介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN111639706A (zh) | 基于图像集的个人风险画像生成方法及相关设备 | |
CN112288337A (zh) | 行为推荐方法、装置、设备及介质 | |
CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN115204971B (zh) | 产品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN116151857A (zh) | 一种营销模型的构建方法及装置 | |
CN109886299A (zh) | 一种用户画像方法、装置、可读存储介质及终端设备 | |
CN115238179A (zh) | 项目推送方法、装置、电子设备及计算机可读存储介质 | |
US11537688B2 (en) | System and method for processing copyright and profit distribution of clothes fashion design using blockchain | |
CN115049429A (zh) | 增益预测方法、装置和计算机设备 | |
CN114757630A (zh) | 仓储管理模型确定方法、装置及计算机设备 | |
KR20220113302A (ko) | 인공 신경망 기반의 부동산 투자 큐레이션 시스템 및 그 방법 | |
CN114187096A (zh) | 基于用户画像的风险评估方法、装置、设备及存储介质 | |
CN114429367A (zh) | 异常检测方法、装置、计算机设备和存储介质 | |
CN113298530A (zh) | 基于行情数据分类的交易配置方法、装置、设备及介质 | |
CN111583215A (zh) | 损伤图像智能定损方法、装置、电子设备及存储介质 |
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 |