[发明专利]汽车配件价格预测方法、系统、设备与可读存储介质

权利要求书

1.一种汽车配件价格预测方法，其特征在于，所述方法包括：

采集目标汽车配件的原始交易数据集；

对所述原始交易数据集进行清洗，得到有效交易数据集；

根据预设的解析规则从所述有效交易数据集中解析出影响所述目标汽车配件的交易价格的关键设计特征，其中，所述关键设计特征包括交易属性、配件属性和环境属性中的至少一项非价格交易要素；

从所述有效交易数据集中提取包括所述关键设计特征的交易数据集作为训练数据集，并将所述训练数据集对预设的初始预测模型进行训练，得到价格预测模型；

利用所述价格预测模型预测所述目标汽车配件的当前价格。

2.如权利要求1所述的汽车配件价格预测方法，其特征在于，所述采集目标汽车配件的原始交易数据集包括：

通过网络爬虫方式从预设的第三方数据平台爬取汽车配件信息，并从所述汽车配件信息中提取出汽车配件的交易数据存储到所述原始交易数据集，其中，所述第三方数据平台包括汽车配件交易平台和汽车配件资讯平台。

3.如权利要求1所述的汽车配件价格预测方法，其特征在于，所述对所述原始交易数据集进行清洗，得到有效交易数据集包括：

根据预设的过滤规则对所述原始交易数据集进行过滤得到所述有效交易数据集，所述过滤规则包括去除所述原始交易数据集中的异常交易数据，所述异常交易数据包括交易要素缺失或乱码的交易数据及交易价格高于或低于所述原始交易数据交易价格平均数的预设倍数的交易数据。

4.如权利要求1所述的汽车配件价格预测方法，其特征在于，所述根据预设的解析规则从所述有效交易数据集中解析出影响所述目标汽车配件的交易价格的关键设计特征包括：

通过文字识别技术识别出所述有效交易数据集中每一条交易数据的交易价格和非价格交易要素；

采用灰色系统理论模型和时间序列模型找出对所述交易价格产生影响的非价格交易要素，作为所述关键设计特征。

5.如权利要求1-4任一项所述的汽车配件价格预测方法，其特征在于，所述从所述有效交易数据集中提取包括所述关键设计特征的交易数据集作为训练数据集，并将所述训练数据集对预设的初始预测模型进行训练，得到价格预测模型包括：

获取所述有效交易数据集中包括所述关键设计特征的交易数据作为训练数据集，其中，所述交易数据包括所述非价格交易要素与符合所述非价格交易要素的配件价格数据，所述交易数据为所述训练数据集中的任一条交易数据；

将所述训练数据集中的所述交易数据随机分为训练样本数据集和验证样本数据集；

根据所述训练样本数据集中的交易数据对所述初始预测模型进行训练，得到非价格交易要素模型；

根据所述验证样本数据集中的交易数据对所述非价格交易要素模型进行验证，并根据验证结果修正所述非价格交易要素模型，得到所述价格预测模型。

6.如权利要求5所述的汽车配件价格预测方法，其特征在于，所述根据所述验证样本数据集中的交易数据对所述非价格交易要素模型进行验证，并根据验证结果修正所述非价格交易要素模型，得到所述价格预测模型包括：

将所述训练样本数据集中所述目标汽车配件的非价格交易要素输入所述初始预测模型中得到预测价格；

根据所述配件价格数据中的交易价格和所述预测价格对所述初始预测模型进行模型纠正，得到所述非价格交易要素模型，所述模型纠正包括调整所述非价格交易要素在所述初始预测模型中所占的权重。