[发明专利]一种基于互联网公开数据的车辆价值评估方法

权利要求书

1.一种基于互联网公开数据的车辆价值评估方法，其特征在于，包括：

步骤1：互联网公开数据实时采集并更新；

步骤2：对采集、更新得到的互联网数据进行数据处理；

步骤3：根据处理得到的数据进行融合编码建模；

步骤4：根据车辆实际输入的信息，智能选择使用DFS或者BFS的方法，对数据融合编码后的结构进行层级匹配，得到候选集，用BLEU和Levenshtein距离的方法对候选集数据进行匹配度评分，根据车辆型号的特性，选出评分最高的车辆作为评估结果；BLEU的算法公式为：

其中，BP是BLEU的惩罚因子，用来惩罚翻译结果的句子过短，P_n是各个n值下的n-gram的精度计算结果，ω_n是各个n-gram结果的权重因子。

步骤5：对于二手车估值，将LightGBM模型、DeepFM模型和传统规则模型的用加权平均的方法计算得到融合模型，通过融合模型对车辆价格进行评估，所述传统规则模型是指按厂商指导价折价计算的二手车估价方式来训练建模。

2.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述步骤1中的互联网公开数据实时采集，是基于互联网采集平台对全网公开的新车数据、二手车数据进行24小时不间断爬取。

3.根据权利要求2所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述互联网采集平台包括互联网数据采集模块和数据整合模块，所述互联网数据采集模块通过动态网页分布式抓取和结构化数据抽取来获取数据。

4.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述步骤2包括：将采集到的异构多源的脏数据进行数据去重和数据清洗后得到结构化数据。

5.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述步骤3中融合编码建模基于树形结构，对格式化的数据进行建模。

6.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述步骤4中，客户使用接口时数据质量存在差异，

当输入数据质量高时，匹配采用DFS的方法进行数据搜索；

当输入数据质量低时，匹配采用BFS的方法进行数据搜索。

7.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述LightGBM模型是基于GBDT算法实现的，利用已爬取的车辆数据经过特征工程进行车辆估值模型的建模，其训练步骤分为：数据预处理、特征工程、模型训练与参数优化、预测输出四个部分。

8.根据权利要求7所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述数据预处理部分将之前通过外部互联网得到的经过实时清洗的数据进行缺失值处理、异常值处理、样本分层处理基本预处理工作；特征工程部分将选择对预测任务有关系的特征进行建模；在完成特征工程后，进行模型训练，在训练调参阶段，采用贝叶斯优化算法调参的方式在指定范围内搜索LightGBM模型中的各项超参数，得到最优的LightGBM模型；最后进行车估值的预测输出。

9.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述DeepFM模型结合了FM处理低阶组合特征和DNN处理高阶组合特征的优势，联合训练FM模型和DNN模型。

10.根据权利要求1所述的一种基于互联网公开数据的车辆价值评估方法，其特征在于，所述融合模型是指结合DeepFM模型、LightGBM模型和传统规则模型，在特定的价格区间内做加权平均，得到二手车价格估值的准确值，计算结果如下公式所示：

y＝ω₁×y_DeepFM+ω₂×y_LightGBM+ω₃×y_rule

其中y_DeepFM是DeepFM模型输出，y_LightGBM是LightGBM模型输出，y_rule是传统规则模型输出值，ω₁为DeepFM模型的权重，ω₂为LightGBM模型的权重，ω₃为传统规则模型的权重。