[发明专利]预测性价比的方法和装置

说明书

本发明公开了一种预测性价比的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取目标物品对应的价格回归模型；其中，所述价格回归模型是利用与目标物品属于同一类型的多个物品的特征信息建立的，所述多个物品中的任一物品的特征信息包括：该物品的至少一种属性数据以及该物品的实际价格；将目标物品的属性数据输入所述价格回归模型，确定目标物品的预测价格；根据目标物品的预测价格以及实际价格预测目标物品的性价比。该实施方式能够根据预先建立的价格回归模型确定目标物品的预测价格，进而利用预测价格预测目标物品的性价比向用户提供，从而辅助用户在海量物品中进行决策。

技术领域

本发明涉及计算机技术领域，尤其涉及一种预测性价比的方法和装置。

背景技术

随着计算机技术的迅速发展，用户在选购某种物品时，常常会面对服务方提供的海量的同类型物品。这些物品往往具有多种功能参数与技术指标，同时价格各异，这给用户的决策带来较大困扰。因此，有必要对服务方提供的物品进行性价比预测并将预测结果展示于用户，以便于用户从中选购。

现有技术中，一般通过向用户展示物品的历史评价信息以便于用户对该物品的性价比进行大致判断。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

1.物品的历史评价信息只能为用户提供较为感性的文字信息，无法提供定量的性价比数据，这使用户在面对海量物品时，仍难以有效决策。同时，物品的历史评价信息中往往含有部分虚假信息与恶意信息，这进一步影响了用户的选购。

2.对于新投入市场的物品来说，历史评价信息较少甚至没有，用户无法判断其性价比。

发明内容

有鉴于此，本发明实施例提供一种预测性价比的方法和装置，能够根据预先建立的价格回归模型确定目标物品的预测价格，进而利用预测价格预测目标物品的性价比向用户提供，从而辅助用户在海量物品中进行决策。

为实现上述目的，根据本发明的一个方面，提供了一种预测性价比的方法。

本发明实施例的预测性价比的方法包括：获取目标物品对应的价格回归模型；其中，所述价格回归模型是利用与目标物品属于同一类型的多个物品的特征信息建立的，所述多个物品中的任一物品的特征信息包括：该物品的至少一种属性数据以及该物品的实际价格；将目标物品的属性数据输入所述价格回归模型，确定目标物品的预测价格；根据目标物品的预测价格以及实际价格预测目标物品的性价比。

可选地，所述价格回归模型根据以下步骤建立：对所述多个物品的特征信息进行L次信息提取，获得L个信息集；其中，在每一次信息提取时，在所述多个物品的特征信息中有放回地选取M条特征信息；L为预设的、价格回归模型中的决策树总数；对于所述L个信息集中的每一信息集：对应选取该信息集中每一特征信息中的N种属性数据与实际价格，形成一个训练集；对于每一训练集：进行至少一次基于分裂属性的分裂处理，并根据预设的终止条件确定终止节点，形成一棵决策树；利用L棵决策树获得所述价格回归模型；其中，所述分裂属性由预设的分裂规则确定；所述终止节点中包括至少一条特征信息，所述至少一条特征信息中的实际价格的平均值作为所述终止节点的标记价格。

可选地，M为0.5J到J之间的随机整数，N为0.1K到0.9K之间的随机整数；其中，J为所述多个物品的特征信息总数，K为所述多个物品的特征信息中属性数据的种类总数。

可选地，所述确定目标物品的预测价格包括：根据目标物品的属性数据确定目标物品在所述价格回归模型中每一决策树的终止节点，将所述每一决策树的终止节点的标记价格的平均值作为目标物品的预测价格。

可选地，所述根据目标物品的预测价格以及实际价格预测目标物品的性价比包括：将目标物品的预测价格与实际价格的比值作为目标物品的性价比的预测值。