[发明专利]一种基于多模型融合的二手手机回收价格预测算法

权利要求书

1.一种基于多模型融合的二手手机回收价格预测算法，其特征在于，以XGBoost算法作为基础模型，构造多个XGBoost作为基础分类器，采用GBDT作为模型融合的基础模型；二手手机回收价格预测算法包括基于多层注意力机制的手机检测报告表示学习算法、基于手机检测项特征和品牌特征的算法，以及基于手机近期成交记录的价格回归模型，分为训练阶段和应用阶段，具体包含如下方法：

步骤一：从手机中提取检测报告侧、检测项+品牌侧、用户销售数据侧特征；

步骤二：训练基于检测报告侧特征，采用多层注意力模型将检测报告转换为一维的实数型向量embedding特征；

步骤三：训练基于多模型融合的分类模型，实现对embedding特征、检测项+品牌侧、用户销售数据侧特征的融合，进行手机价格评估；

步骤四：根据主动学习策略对样本进行排序，挑选出决策置信度低的样本进行人工标注。

2.根据权利要求1所述的一种基于多模型融合的二手手机回收价格预测算法，其特征在于：所述步骤一中，检测报告侧特征主要为检测人员出具的报告文本；检测项+品牌侧包括该手机的缺陷项；品牌侧主要包括但不限于名牌名，名牌影响力；用户侧特征主要为人工设计的手机销售类特征。

3.根据权利要求1所述的一种基于多模型融合的二手手机回收价格预测算法，其特征在于：所述手机检测报告表示学习算法具体包括：

Step1：对文章进行分词，通过嵌入矩阵将分词后的检测报告文本转化为向量表示；

Step2：利用表示学习提取器，通过对词粒度的信息进行聚合得到句子嵌入特征；

Step3：对句子嵌入特征进行融合得到最终的文章嵌入特征。

4.根据权利要求1所述的一种基于多模型融合的二手手机回收价格预测算法，其特征在于：以XGBoost算法作为基础模型，构造多个XGBoost作为基础分类器，具体包括：

Step1：提取手机检测报告的表示学习特征、手机的检测特征和品牌特征以及用户反馈侧特征；

Step2：多个XGBoost基础分类器对样本集合进行随机采样；

Step3：利用手机销售价格的测试集对每个XGBoost模型进行误差计算，误差较大的模型进行剪枝，利用误差作为模型的权重，对模型得分进行融合，从而得到最终的手机价格。

5.根据权利要求1所述的一种基于多模型融合的二手手机回收价格预测算法，其特征在于：还包括将模型预测过程中的非置信样本进行人工标注。