[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

说明书

本发明公开了一种汽车配件价格预测方法，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。本发明可以快速准确的对汽车配件进行价格预测。

技术领域

本申请涉及数据分析技术领域，尤其涉及一种汽车配件价格预测方法、系统、设备与可读存储介质。

背景技术

随着汽车配件市场的发展，越来越多的汽车配件价格存在信息不透明、层级众多、流通各环节难以监控监管等问题。现有技术中对价格的确定获取到的数据较少，且根据获取到的数据进行简单的数学运算就确立价格。然而，在实际应用场景中存在多种影响汽车配件的价格确定的因素，汽车配件的价格会随着各种影响因素周期性波动，无法准确快速的确立价格。

发明内容

本申请提出一种汽车配件价格预测方法、系统、设备与可读存储介质，能够解决现有技术中汽车价格难以预测的问题。

为实现上述目的，本申请提供一种汽车配件价格预测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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；