基于深度学习的商品自动定价模型研究.docxVIP

?

?

基于深度学习的商品自动定价模型研究

?

?

黄贺

摘要：在电商网站上，往往需要为卖家所销售的物品提供一个可以参考的售价。基于深度学习技术构建了一个电商网站的商品自动定价模型。模型能够根据卖家所提供的商品数据，同时考虑其中的结构化和非结构化的数据，来为商品生成建议的售价。使用日本最大的C2C二手交易平台提供的数据来训练模型，并使用RMSLE作为我们模型的评价指标，结果显示模型能够有效学习商品信息与真实售价的映射关系，具有很高的实用价值。

关键词：深度学习;定价模型;循环神经网络

：TB：Adoi：10.19311/j.cnki.1672-3198.2019.09.095

1深度学习的发展

人工神经元网络（ArtificialNeuralNetwork，ANN）是模拟生物神经网络进行定义的，是由大量神经元彼此连接而构成的自适应非线性动态网络系统。早在20世纪40年代心理学家McCulloch和数理逻辑学家Pitts提出的第1代模型——MP模型。为神经元网络的研究做了铺垫。到了20世纪50至60年代，Rosenblatt在MP模型的基础之上又继续研究，增加了自动学习的功能，提出了单层感知器模型，第一次将神经网络的研究开始应用到现实生活中来。不过，处理方式相对单一，针对线性不可分问题没法进行处理。直至20世纪80年代，误差逆传播暨反向传播网络（BackPropagationNetwork，BP网络）被科学家Rumelhar提出，此BP网络的提出解决了原来单层感知器没法解决的问题。再后来，各种浅层机器学习模型都先后被提出，再到21世纪初期，Hinton等人提出了多隐层的人工神经网络具有优异的特征学习能力，而且可通过“逐层预训练”来解决深层神经网络在训练上的问题。

自此，深度学习（Deeplearning）的研究成为最集中的研究方向，这使得人工神经网络得到了广大人民的响应。结合深度学习的逐层预训练算法中的自动学习应用于网络每一层的预训练，再加上有监督学习（BP算法）微调预训练好的网络。

目前，带自动学习的包含有深度置信网络（DeepBeliefNetwork，DBN）、卷积神经网络（ConvolutionalNeuralNetwork，CNN）等。2016年初：谷歌旗下人工智能公司深灵（Deepmind）开发的AlphaGo以5：0战胜了欧洲卫冕冠军，让所有人为之震惊。AlphaGo主要采用价值网络（valuenetworksvalue）、策略网络（policynetwork）来自动学习算法并同时选择下棋步法，这两种网络均通过神经网络模型来实现，AlphaGo的成功，标志着人工神经网络已经具备高模仿、自动学习、自动处理并决定行为的潜能。

2神经网络与人工神经网络

深度学习概括来说是一套基于ANN的学习算法，它可以通过从海量的数据中通过输入项拆分并梳理出诸多隐性的元素，通过多维度标签进行对数據分类，获取有参考价值的汇总信息，来提供市场借鉴和决策。比如CNN算法是由图片像素点RGB值可以学习到图片的内部特征，这些特征包括图片总的的实物、数字、颜色、数量等。深度学习的算法提高了人工的效率，之前需要人工手动完成的特征收集基本都可以通过深度学习的人工神经网络来完成。深度学习基本包括三个方面：人工神经网络、卷积神经网络和循环神经网络。

卷积神经网络（ConvolutionalNeuralNetworks）的神经网络结构是多层的，最核心的部分包括卷积层、池化层;最终是有连接层将此两层进行联通的，每一层神经网络各自独立。CNN的好处是算法中的各层局部相互独立，同时参数共享，这样大大减少了环节中的参数量，提高了处理效率。CNN最初是二维图像处理算法，结合池化层，图像的平移、倾斜、缩放、其输出项不会发生变化。Lecun等人最初提出CNN神经网络也正是方便图像处理，即图像输出项尽可能不受外在需求的改变而影响，处理过程更为高效而简单。

3商品自动定价模型

为什么需要商品自动定价模型（跟前面的内容差不多）。

通常人们很难确定一件商品的具体售价是多少，特别是对于二手商品等一些难以有完全相同的商品可以参照的情况下。许多的因素都会对一个商品（特别是二手商品）的售价产生影响。例如，一个商品的品牌、产地、原材料、设计等众所周知的特性。此外，如服装等商品还会受到季节、时尚潮流等影响，而对于PlayStation等电子产品在不同的地区会有巨大的价格差异。除此之外，商品的新旧、卖家的描述也会对商品的实际卖出价格产生很大的影响。因此，对于一个电商网站的卖家而言，特别是二手交易平台的卖家，很难确定自己想要卖出的商品的合理售价是多少。这时候一个能够根据卖家商品信息为商品生成参考定价的价格模型就有其存在的合理性和必要性。而本文