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

中图分类号：TB 文献标识码：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（Artificial Neural Network，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Mc Culloch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（Back Propagation Network，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。……