[发明专利]一种基于图像自动报价系统及方法

权利要求书

1.一种基于图像自动报价系统，其特征在于，包括：

数据采集模块，用于完成定制拍摄的约拍流程，包括发布或接取约拍单、签约和交付数据以得到数据模型，在电子商务交易网站上爬取真实交易数据，通过对模型中设计的特征进行分析，从电子商务网站的页面内容中选取合适的参数，通过正则匹配或JSON格式来提取数据，对数据的格式进行处理，存储为符合格式需求的数据集；

数据预处理模块，用于支持全景商品的交易，包括编辑商品信息、购物车管理和全景商品的结算交易，数据为离散型取值，数据的预处理包括数值型数据的标准化、归一化和编码；在文本特征中，为自然语言处理相关的数据清理和训练词向量；

特征提取模块，用于提供对全景图数据的管理，包括全景图的查看、预览和对全景数据的信息编辑，通过Embedding操作转换为计算机容易处理的形式，并通过CNN、LSTM神经网络的各种模型进行特征提取；

分类模块，用于对定制拍摄和全景市场产生的订单提供管理功能的模块，包括约拍订单管理和商品交易订单管理，在提取特征之后，行为属性和文本内容均进行数据的分类识别，其中，将提取到的特征向量输入到分类器中，将分类与模型的优化过程进行融合，采用softmax函数完成分类以实现基于图像的自动报价过程。

2.根据权利要求1所述的基于图像自动报价系统，其特征在于，数据预处理模块包括：

数据清洗单元，对文本中的异常字符进行处理，对交易数据中用户评论内容中的特定字符进行筛选和剔除，其中分词包括Jieba分词工具，使用jieba.cut()函数，将存储评论文本内容的文件传入并使用精确模式进行分词；

去停用词单元，在Jieba分词完成时使用readlines()遍历预先设定的停用词表，排除分词后的数据中包含的停用词；

词构建单元，采用skip-gram模型进行词向量的建立，根据代码、词向量的长度和迭代次数对领域数据进行建模，获取词向量字典，将输入的数据中的词转换成词向量，使用embedding_lookup()函数，输出更新后的词嵌入矩阵。

3.根据权利要求2所述的基于图像自动报价系统，其特征在于，数据预处理模块还包括：

Bi-LSTM层，两层双向LSTM的模型结构，用于根据隐藏层hiddenSize参数定义前向lstmFwCell、后向lstmBwCell，同时设定dropout参数，设置input_keep_prob和output_keep_prob来实现遗忘门和记忆门的功能，其中，在一个细胞中，input控制输入和output控制输出，通过函数bidirectional_dynamic_rnn实现双向LSTM并对outputs中的fw和bw的结果拼接以传入到下一层，将最后一层Bi-LSTM输出的结果分割成前向和后向的输出，将两部分向量相加作为Attention的输入；

Attention层，用于对Bi-LSTM的输出用激活函数做非线性转换，M＝tf.tanh(H)，随机初始化一个权重向量W，维度为最后一层LSTM的神经元数量，对W和M进行矩阵运算并做维度转换得到restoreM，用softmax做归一化处理得到alpha，将求得的alpha的值对H进行加权求和得到r，r的降维和非线性转换，做dropout处理防止过度拟合，输出句子的向量表示；

分类层，用于在提取到特征向量之后进行全连接操作，通过sigmoid作为激活函数实现softmax在二分类的作用，使用sigmoid_cross_entropy_with_logits作为损失函数，Adam算法作为优化函数进行梯度更新，对参数进行优化，提高训练模型参数时的收敛速度，调整隐藏层层数、每层神经元素、权重初始化方式、dropout保持率、学习率、梯度下降算法、epoch数时，训练模型以获得最优分类模型。