[发明专利]一种基于保值率和离散神经网络的废旧手机定价方法

说明书

本发明公开了一种基于保值率和离散神经网络的废旧手机定价方法，属于电子产品回收领域，解决了废旧手机回收难以精准定价的问题。本发明将预测废旧手机价格转换为预测废旧手机的保值率，固定了神经网络的预测空间，使得预测效果更加精准；影响废旧手机回收价格的特征一般为离散取值，本发明设计的一种离散神经网络模型，自适应的将离散特征稠密化，提取离散特征的关键信息，端到端的实现废旧手机特征到保值率的转换。本发明能够高效实现废旧手机价格评估，并通过测试验证了方法的可行性，具有重要应用价值。

技术领域

本发明属于电子产品回收领域，基于废旧手机回收平台大量的交易数据，训练神经网络，实现废旧手机的价格评估。该方法将影响废旧手机回收价格的离散特征输入本发明设计的离散神经网络模型，自适应的将离散特征稠密化，提取离散特征的关键信息，实现废旧手机特征到保值率的转换，再依据保值率计算出回收价格，建立了废旧手机离散特征与保值率之间的预测模型，精准的实现了废旧手机价格评估。

背景技术

废旧手机蕴含着丰富的可回收资源，但其回收价格受到众多因素影响，难以准确评估，导致其回收率低下。为了促进废旧手机的有效回收，实现废旧手机价格的精准评估是其中的关键环节，具有广阔的应用前景。

废旧手机定价主要分为人工和数学模型两种方式。人工方法由回收人员主观决定，因为二手机市场交易不透明，回收过程存在较大的信息差，这种方法难以对废旧手机进行公正的评估。数学模型方法基于手机的各项参数构建数学模型完成手机价格的预测，这种方法不受人为因素的影响，其价格评估也更加客观，但影响废旧手机价格的因素众多、关系复杂，很难建立一个准确高效的数学模型。近年来，基于神经网络的价格预测方法开始被广泛关注。神经网络有很强的学习能力，然而用于废旧手机价格预测却有以下问题。一、现有方法大都用神经网络直接预测废旧手机的价格，但废旧手机回收价格的取值空间很大，会让神经网络很难收敛，无法准确估价。二、影响废旧手机回收价格的因素很多，且多为离散取值，特征稀疏，直接将这些特征输入神经网络，难以取得效果。同时，这些特征大多相互独立，即使进行主成分分析，也很难做到有效的特征降维。

现有技术专利CN201910814910.6提出一种基于模糊神经网络的废旧手机定价方法，其针对废旧手机回收过程中难以精准定价的问题，提出一种基于模糊神经网络的废旧手机定价方法。首先基于主成分分析的特征提取方法，获得了影响废旧手机回收价值的关键特征变量；建立了基于模糊神经网络的废旧手机定价模型，实现了回收价值与关键特征变量之间的非线性关系描述。该技术主要基于模糊神经网络，以关键特征变量作为输入，通过模型训练得出最终价格；这种技术输入特征较多，不能很好的进行归一化处理并且关键的价格影响信息聚集度高，价格波动较大。

本发明的目的在于设计了一种基于保值率和离散神经网络的废旧手机定价方法。该方法将预测废旧手机价格转换为预测废旧手机的保值率，归一化了神经网络的预测空间，使得预测效果更加精准。同时设计了一种离散神经网络模型，自适应的将离散特征稠密化，提取离散特征的关键信息，端到端的实现废旧手机特征到保值率的转换，最后基于保值率实现废旧手机价格评估。

发明内容

针对现有神经网络价格预测模型难于收敛，预测结果不稳定的问题，本发明实现了一种基于保值率和离散神经网络的废旧手机定价方法。该方法将预测废旧手机价格转换为预测废旧手机的保值率，归一化了神经网络的预测空间，同时设计了一种离散神经网络模型，自适应的将离散特征稠密化，提取离散特征的关键信息，端到端的实现废旧手机特征到保值率的转换，最后基于保值率实现废旧手机价格评估，为废旧手机回收提供了一种有效的定价方法。

一种基于保值率和离散神经网络的废旧手机定价方法，本发明采用如下的技术方案及实现步骤：

(1)保值率的计算

新手机按官方售价进行出售，随着使用时间的增加会损耗，价格也会降低，回收价格与新机价格的比值随着时间变化，依据回收价格与新机价格的保值率定义如下：