[发明专利]汽车未来保值率预测方法、系统、设备及可读存储介质

权利要求书

1.一种汽车未来保值率预测方法，其特征在于，包括以下步骤：

获取待预测汽车文本数据，对待预测汽车文本数据进行分词，得到待预测汽车文本序列；

采用词向量模型，对待预测汽车文本序列中的每个词进行词向量映射，得到文本序列的词向量矩阵；

将文本序列的词向量矩阵作为编码器-解码器模型的输入，获取编码器-解码器模型的输出，即得到待预测汽车的未来保值率预测结果；其中，编码器-解码器模型采用基于门循环单元变体的编码器-解码器模型；

基于门循环单元变体的编码器-解码器模型包括双层编码器及双层解码器，并在双层编码器与双层解码器之间添加软注意力机制；

双层编码器及双层解码器均采用门循环单元变体；其中，门循环单元变体是在门循环单元的基础上，去除其中的重置门，保留更新门，并修改更新门对候补隐藏状态的过滤数据流的方式构建得到；其中，双层编码器的初始隐藏状态为零向量，双层解码器的初始隐藏状态为双层编码器最后一个时刻的隐藏状态；双层解码器的初始输入为1.0；

门循环单元变体的前向传播公式如下所示：

其中，z_t为t时刻门循环单元变体的更新门输出，σ(*)为sigmoid函数，W_z和W_h分别为权重参数矩阵，x_t为t时刻输入的词向量，h_t-1为t-1时刻的隐藏状态，为t时刻的候补隐藏状态，h_t为t时刻的隐藏状态，tanh(*)为双曲正切函数；

软注意力机制的注意力计算公式如下所示：

其中，a_ij为第i时刻解码器对第j时刻编码器输出的注意力分配系数，similarity为相似度函数，h_i-1为双层解码器第i-1时刻的隐藏状态，h_j为双层编码器第j时刻的隐藏状态，C_i为双层编码器第i时刻的注意力，lx为双层编码器输入文本序列的长度，h_k为双层编码器第k时刻的隐藏状态。

2.根据权利要求1所述的一种汽车未来保值率预测方法，其特征在于，采用jieba工具对待预测汽车文本数据进行分词，得到待预测汽车文本序列。

3.根据权利要求1所述的一种汽车未来保值率预测方法，其特征在于，采用word2vec词向量模型，对待预测汽车文本序列中的每个词进行词向量映射，得到文本序列的词向量矩阵。

4.根据权利要求1所述的一种汽车未来保值率预测方法，其特征在于，基于门循环单元变体的编码器-解码器模型的构建训练过程具体如下：

获取若干已知汽车文本数据，对已知汽车文本数据进行分析，得到已知汽车文本序列；采用词向量模型，对已知汽车文本序列中的每个词进行词向量映射，得到已知汽车文本序列的词向量矩阵；

将已知汽车文本序列的词向量矩阵对基于门循环单元变体的编码器-解码器模型进行训练；训练过程，采用反向传播；

根据已知汽车文本数据的样本预测输出值与已知汽车文本数据的样本真实输出值，构建损失函数，并计算损失函数值；

判断损失函数值是否收敛至预设值；

若损失函数值未收敛至预设值，则对基于门循环单元变体的编码器-解码器模型的模型参数进行更新，直至损失函数值收敛至预设值，保存对应的模型参数，得到所述的编码器-解码器模型；

其中，损失函数的表达式为：

其中，L为损失函数，m为已知汽车文本数据的样本个数，y_i为已知汽车文本数据的样本真实输出值，为已知汽车文本数据的样本预测输出值，i为已知汽车文本数据的样本编号。