[发明专利]数据估算方法、装置和计算机可读存储介质

权利要求书

1.一种数据估算方法，包括：

将用户对待估算物品的描述文本中的每个词映射为词向量，作为描述文本特征；

将待估算物品的物品特征、所述待估算物品的购买用户的用户特征、用户对所述待估算物品的描述文本特征输入到残值估算模型中；

获取所述残值估算模型输出的估算结果信息，包括：

采用第一预设数量个第一预设尺寸的卷积核对所述描述文本特征进行卷积操作，获得第一预设数量个文本特征图；

根据所述物品特征、所述用户特征、所述文本特征图构建特征抽取向量，其中，所述特征抽取向量包括每个文本特征图中的最大值；

将所述特征抽取向量通过残值估算模型的全连接层输入到残值估算模型的分类层中；以及

获取所述残值估算模型的分类层输出的估算结果信息；

根据所述估算结果信息确定所述待估算物品的残值。

2.根据权利要求1所述的数据估算方法，其中，描述文本特征采用矩阵的形式表示，所述描述文本特征的第一维度数为描述文本特征所表示的词语的数量，矩阵的第二维度数为词向量的维度数；所述卷积核的第一维度数小于所述描述文本特征的第一维度数，所述卷积核的第二维度数等于所述描述文本特征的第二维度数。

3.根据权利要求1所述的数据估算方法，其中，所述获取所述残值估算模型输出的估算结果信息还包括：

采用第二预设数量个第二预设尺寸的卷积核对所述物品特征进行卷积操作，获得第二预设数量个物品特征图；

采用第三预设数量个第三预设尺寸的卷积核对所述用户特征进行卷积操作，获得第三预设数量个用户特征图；

其中，所述特征抽取向量还包括每个物品特征图中的最大值以及每个用户特征图中的最大值。

4.根据权利要求1所述的数据估算方法，还包括：

获取训练数据，其中，每条训练数据包括物品特征、物品的购买用户的用户特征、用户对物品的描述文本特征以及训练数据的标记值，所述标记值表示物品的残值信息；

根据训练数据调整深度学习模型的参数，获得残值估算模型。

5.根据权利要求4所述的数据估算方法，其中，所述描述文本特征包括所述描述文本中每个词的词向量；

所述数据估算方法还包括：

根据训练数据调整所述描述文本特征中的词向量。

6.根据权利要求1所述的数据估算方法，还包括：

响应于用户提交的对所述待估算物品的描述文本的信息量少于预设值，根据与所述待估算物品相同的物品的历史残值确定所述待估算物品的残值。

7.一种数据估算装置，包括：

描述文本特征生成模块，被配置为将用户对待估算物品的描述文本中的每个词映射为词向量，作为描述文本特征；

特征输入模块，被配置为将待估算物品的物品特征、所述待估算物品的购买用户的用户特征、用户对所述待估算物品的描述文本特征输入到残值估算模型中；

结果输出模块，被配置为获取所述残值估算模型输出的估算结果信息，包括：

特征图生成单元，被配置为采用第一预设数量个第一预设尺寸的卷积核对所述描述文本特征进行卷积操作，获得第一预设数量个文本特征图；

特征抽取向量构建单元，被配置为根据所述物品特征、所述用户特征、所述文本特征图构建特征抽取向量，其中，所述特征抽取向量包括每个文本特征图中的最大值；

分类层输入单元，被配置为将所述特征抽取向量通过残值估算模型的全连接层输入到残值估算模型的分类层中；以及

分类层输出单元，被配置为获取所述残值估算模型的分类层输出的估算结果信息；

残值估算模块，被配置为根据所述估算结果信息确定所述待估算物品的残值。

8.根据权利要求7所述的数据估算装置，其中，描述文本特征采用矩阵的形式表示，所述描述文本特征的第一维度数为描述文本特征所表示的词语的数量，矩阵的第二维度数为词向量的维度数；所述卷积核的第一维度数小于所述描述文本特征的第一维度数，所述卷积核的第二维度数等于所述描述文本特征的第二维度数。