【技术实现步骤摘要】
车配件异常信息自动检测处理方法及其相关设备
[0001]本申请涉及人工智能和车配件异常智能检测
，尤其涉及一种车配件异常信息自动检测处理方法及其相关设备。
技术介绍
[0002]传统的车辆标准定损系统对于各大厂商配件信息维护是根据区域和地方市县市场价在车系级别和配件品质属性三个因子进行捆绑。
[0003]但是，根据厂商、机构、品质、原厂件进行组合性维护，数据量大、且复杂、数据采集时间周期长，尽管花费大量的人力进行信息的采集和维护，仍避免不了大量的配件信息异常，为了减少车配件信息异常率，配件信息维护岗每天花费大量宝贵的时间投入到简单、重复、异常类型的进行人工筛选与整理，既不够自动化，也增加了平台维护人员手工筛选的时间成本。
技术实现思路
[0004]本申请实施例的目的在于提出一种车配件异常信息自动检测处理方法及其相关设备，以实现异常配件的分类和采集全自动化实现，降低了平台维护人员手工筛选的时间成本，保证用户的满意度且更加智能化。
[0005]为了解决上述技术问题，本申请实施例提供一种车配件...
【技术保护点】
【技术特征摘要】
1.一种车配件异常信息自动检测处理方法，其特征在于，包括下述步骤：从大数据平台实时获取若干条车配件信息，构建异常检测集；基于预设的车配件异常分类模型和所述异常检测集，获取所述异常检测集对应的异常类型，并将所述异常类型加入到预设车配件异常清单；判断所述车配件异常清单中结果是否为空值；若是，则将所述从大数据平台实时获取若干条车配件信息更新至预设定损平台；若否，则从所述车配件异常清单中获取所述异常类型，向所述定损平台发送异常预警；所述定损平台在接收到所述异常预警之后，将所述异常类型作为关键词搜索定损平台已发布的含有所述关键词的车配件信息，并对所述车配件信息进行失效处理。2.根据权利要求1所述的车配件异常信息自动检测处理方法，其特征在于，在所述基于预设的车配件异常分类模型和所述异常检测集，获取所述异常检测集对应的异常类型的步骤之前，所述方法还包括：预先设定异常类型种类，获取异常数据量一定的数据集，作为训练集；构建与所述异常类型种类相同数量的分类器，其中，每个分类器只对其对应的异常类型进行分类，且各分类器对应的异常类型不相同；依次将所述训练集输入所述各分类器，获取分类结果；基于各异常类型对应的异常数据量，判断各异常类型对应的分类结果是否达到预设阈值；若否，则调整当前异常类型对应分类器的分类条件，将所述训练集再次输入调整后的所述分类器，获取分类结果，直到所述分类结果达到预设阈值，则所述当前异常类型对应的分类器学习训练完成；直到所有分类器学习训练完成，对所述所有分类器进行整合，生成所述车配件异常分类模型。3.根据权利要求2所述的车配件异常信息自动检测处理方法，其特征在于，所述基于预设的车配件异常分类模型和所述异常检测集，获取所述异常检测集对应的异常类型的步骤，具体包括：将所述异常检测集录入所述车配件异常分类模型；基于所述车配件异常分类模型中的AdaBoost算法，初步确定所述异常检测集中出现异常的车配件信息分别对应的异常类型；基于所述车配件异常分类模型中的朴素贝叶斯算法和所述初步结果，获取所述异常检测集对应的异常类型。4.根据权利要求3所述的车配件异常信息自动检测处理方法，其特征在于，所述基于所述车配件异常分类模型中的AdaBoost算法，初步确定所述异常检测集中出现异常的车配件信息分别对应的异常类型的步骤，具体包括：基于AdaBoost算法：获取所述车配件异常分类模型中各分类器分别对应的异常预测分值，其中，i表示所述异常检测集中样本的编号，α
i
表示当前分类器进行第i次分类时获取的分类权重，G
i(x)
表示当前分类器进行第i次分类时对应的分类函数，n表示所述异常检测集中样本数量；
基于预设异常分类分值区间和所述异常预测分值，初步确定所述异常检测集中出现异常的车配件信息分别对应的异常类型。5.根据权利要求4所述的车配件异常信息自动检测处理方法，其特征在于，所述基于所述车配件异常分类模型中的朴素贝叶斯算法和所述初步结果，获取所述异常检测集对应的异常类型的步骤，具体包括：统计所述异常检测集中出现异常的车配件信息分别对应的异常类型；基于统计结果，获...
【专利技术属性】
技术研发人员：朱志华，徐振博，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。