[发明专利]一种二手车库存量的确定方法及装置

权利要求书

1.一种二手车库存量的确定方法，其特征在于，包括：

根据网络爬虫技术获取各车源的初始数据，其中，所述初始数据包括初始型号数据和初始车商数据；

基于预置的型号匹配模型和预置的车商匹配模型对所述初始数据进行处理，得到由所述型号匹配模型输出的型号结果和由所述车商匹配模型输出的车商结果构成的各车源的待清洗数据，其中，所述待清洗数据包括准确且唯一的型号信息和车商信息；

对所述待清洗数据进行数据清洗，得到各车源的待识别数据，其中，所述待识别数据为清洗后的车源；所述数据清洗包括识别所述待清洗数据中的虚假车源，并对所述虚假车源进行删除；

在所述待识别数据中，依次选取任意两个车源，判断两者所属的销售圈的类型，并确定对应的所述销售圈的预设阈值，其中，所述销售圈反映两个车源在销售地域上的共同性，其中，判断两者所属的销售圈的类型时，对每一对车源，按照两个车源的销售信息给出销售圈类型；

基于NLP技术，依次计算选取的两个车源的相似度，将相似度结果与对应的所述销售圈的预设阈值进行比较，判断是否为重复车源，得到各车源的待筛选数据；其中，所述待筛选数据包括经标记的车源；

从所述待筛选数据中筛选出目标二手车车源，并基于目标二手车车源的在售状态，得到目标二手车的库存量。

2.如权利要求1所述的二手车库存量的确定方法，其特征在于，所述预置的车商匹配模型，其构建过程包括：

第一步，获取各车源的车商信息的训练样本集；

第二步，基于TF-IDF技术，从所述训练样本集中提取每一车源的车商名称特征词，构建特征词库；

第三步，基于NLP技术和所述特征词库，从所述训练样本集中选取任意两个车源的车商信息，并分别计算两者的车商相似度；

第四步，将相似度超过阈值的车商标记为同一个车商；

第五步，循环所述第三步和所述第四步，直至遍历所述训练样本集中的全部车商；

第六步，记录得到的所有所述同一个车商，以此构建所述车商匹配模型。

3.如权利要求2所述的二手车库存量的确定方法，其特征在于，若所述初始车商数据相比于所述训练样本集为新增数据，则依次将所述初始车商数据和所述训练样本集中的每一车商组队，并计算每一组队的相似度；

若相似度最高的组队对应的相似度大于既定阈值，则将这一组队中的初始车商数据和所述训练样本集中的对应车商标记为同一个车商，并以此更新所述车商匹配模型；

若相似度最高的组队对应的相似度小于所述既定阈值，则将这一组队中的初始车商数据标记为全新车商，并以此更新所述车商匹配模型。

4.如权利要求2所述的二手车库存量的确定方法，其特征在于，所述分别计算上述两者的车商相似度，具体包括：

基于NLP技术和所述特征词库，计算两个车商的名称相似度；

基于NLP技术和车商经纬度信息，计算两个车商的地址相似度；

基于NLP技术，计算两个车商发布的车源的相似度；

将所述名称相似度、地址相似度和所述车源的相似度作为输入变量，将对两个车商进行人工标记得到结果作为标记变量，基于所述输入变量和所述标记变量构建概率预测模型，训练得到每个所述输入变量的系数；

以得到的所述系数作为权重计算所述车商相似度。

5.如权利要求1所述的二手车库存量的确定方法，其特征在于，所述基于目标二手车车源的在售状态，得到目标二手车的库存量，具体包括：

获取目标二手车车源的重复车源记录，若目标二手车车源在所述记录内均未下架或已售，且目标二手车车源在所述记录内的最晚发布时间与当前时间的差值在预设范围内，则标记为在售状态，否则为已售状态。