多维度因子驱动的技术服务在线交易智能定价系统的制作方法

摘要: 本发明涉及技术服务,具体为多维度因子驱动的技术服务在线交易智能定价系统。背景技术:1、在视频剪辑服务交易平台的参数库中,由于各维度权重参数采用静态配置或人工经验...
多维度因子驱动的技术服务在线交易智能定价系统的制作方法

本发明涉及技术服务,具体为多维度因子驱动的技术服务在线交易智能定价系统。

背景技术:

1、在视频剪辑服务交易平台的参数库中,由于各维度权重参数采用静态配置或人工经验设定,无法随平台交易数据的分布变化自动校准,导致参数库中的权重系数与实际成交数据分布之间产生系统性偏差,进而造成平台报价系统的输出值与实际成交值之间的均方根误差持续增大,影响平台交易撮合效率。

2、在视频剪辑、内容制作类服务交易平台中,平台需要为剪辑师提供的服务确定计价参数,以便对任务进行报价、结算与佣金分配。现有技术中,此类计价参数通常有以下两种确定方式:

3、一是在系统上线时由运营人员根据经验一次性设定固定值,长期不做变更;

4、二是由运营人员定期凭主观经验人工调整。

5、在视频剪辑服务交易场景中,一个任务订单通常同时包含多个时长档位的视频和多项效果类目服务,平台数据库仅能采集到聚合记录,无法直接获取各维度各自对应的独立成交数据,这种聚合存储的数据结构与多维度精细化管理的业务需求之间存在系统性数据缺失,其次固定参数方式则因缺乏对异常数据的抗干扰能力和对参数剧烈波动的抑制能力,容易出现系统参数长期偏离真实数据分布的情况。

技术实现思路

1、针对现有技术的不足,本发明提供了多维度因子驱动的技术服务在线交易智能定价系统,解决了聚合数据无法拆解导致单项维度的真实贡献不可度量,以及缺乏异常数据的抗干扰机制与参数波动的抑制能力的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:多维度因子驱动的技术服务在线交易智能定价系统,包括:

3、数据采集模块,从交易数据库中采集状态为已完成的任务记录作为原始数据元组,任务记录包含时长档位标识、服务者等级标识、效果类目集合及任务总分配值;

4、任务拆解模块,将原始数据元组按时长档位拆分为若干计算单元,每个计算单元对应一个时长档位,并将效果类目集合中的每个类目项与对应的服务者等级标识和时长档位标识组合,生成最小维度键和中间数据记录;

5、多维度数据贡献分配模块,从基准值参数库读取各计算单元对应的基准值、单项服务基准值和等级基准值,计算基准值总和,再计算各最小维度的实际贡献值,同时更新中间数据记录;

6、匹配度计算与动态调整模块,以最小维度键分组,计算各组实际贡献值中位数和单项服务基准中位数,并以此计算匹配度比率,根据匹配度比率落入的预设区间对对应维度的基准值执行梯度调整,并对单次调整幅度施加封顶保护;

7、参数回写与匹配调用模块,将调整后的各维度基准值回写至基准值参数库,当收到新任务预估请求时,以新任务的时长档位、服务者等级和效果类目为查询键从基准值参数库匹配对应参数,代入预估值公式计算任务权重预估值并输出。

8、作为本发明的进一步方案,所述时长档位标识包括0-30秒、30-60秒、60-120秒;

9、服务者等级标识包括初级、中级、高级或资深;

10、效果类目集合包括专业调色、基础动态图形、特效合成;

11、任务总分配值表示该剪辑任务实际支付给服务提供方的最终结算净额。

12、作为本发明的进一步方案,所述任务拆解模块的具体处理过程为:

13、解析原始数据元组中的时长档位标识,若该字段包含多个时长档位值,则将该原始数据元组复制拆分为多条独立的数据记录记作计算单元,且每个计算单元对应一个时长档位值,若原始数据元组中仅包含单个时长档位值,则作为一个计算单元。

14、作为本发明的进一步方案,读取计算单元中的效果类目集合字段,提取效果类目集合中的每一个类目项得到若干个独立的类目元素,将每个类目元素与对应的服务者等级标识和时长档位标识进行组合,得到最小维度键,对于计算单元中不在集合中的类目,系统不生成对应的最小维度键,同时每个最小维度键对应生成独立的中间数据记录。

15、作为本发明的进一步方案,所述基准值总和wtotal_ref=b×l+σ(wref_i),b为时长档位对应的基准值,wref-i为该时长档位下、该效果类目对应的单项服务基准值,l为该时长档位下、该服务者等级对应的基准值;

16、最小维度的实际贡献值wactual_i=wref_i×(atotal÷wtotal_ref),其中atotal为该计算单元的任务总分配值。

17、作为本发明的进一步方案,所述计算匹配度比率的具体方式为:

18、以最小维度键分组,计算各组实际贡献值中位数和单项服务基准中位数分别得到实际贡献值中位数mactual和单项服务基准中位数mref,若某分组在统计周期内的有效记录数量为零,则系统将该维度标记为零数据维度,反之则标记为非零数据维度;

19、针对得到的每个零数据维度,计算匹配度比率=mactual÷mref。

20、作为本发明的进一步方案,所述实际贡献值中位数的计算方式为:

21、对每个分组,系统收集分组下所有记录的实际贡献值wactual_i,并形成该维度的实际贡献值序列,同时将序列按数值升序排序,并取中间位置的值,若序列长度为偶数,则取中间两个值的算术平均值,得到该维度的实际贡献值中位数mactual;

22、单项服务基准中位数的计算方式为:针对同一分组,收集该分组下所有记录的单项服务基准值wref-i,并形成该维度的单项服务基准序列,并执行相同的中位数计算,得到该维度的单项服务基准中位数mref。

23、作为本发明的进一步方案,若匹配度比率>1,则表示该维度的基准值b相对于实际贡献值wactual_i偏低,需上调,若匹配度比率<1,则表示该维度的基准值b相对于实际贡献值wactual_i偏高,需下调,若匹配度比率落入预设的持平区间,表示该维度的基准值b与实际贡献值wactual_i匹配,无需调整。

24、作为本发明的进一步方案,所述根据匹配度比率落入的预设区间对对应维度的基准值执行梯度调整的具体方式为:

25、将匹配度比率与预设的多个数值区间进行比较,[0.95,1.05]为持平区间,(1.05,1.20]为轻度偏低区间,(1.20,∞)为严重偏低区间,[0.80,0.95)为轻度偏高区间,[0,0.80)为严重偏高区间;

26、严重偏低区间对应上调10%,轻度偏低区间对应上调5%,持平区间对应调整量为0,轻度偏高区间对应下调5%,严重偏高区间对应下调10%。

27、作为本发明的进一步方案,所述任务权重预估值的计算方式为:

28、任务预估值=b×l+σ(wref_i×ci),其中ci为各效果类目对应的动态调整乘数因子,且ci初始值为0,当系统判断某类目的基准值相对真实成交偏高时,ci需调低,当判断偏低时,ci需调高。

29、本发明提供了多维度因子驱动的技术服务在线交易智能定价系统。与现有技术相比具备以下有益效果:

30、本发明通过多层递进式数据处理架构,将仅能以整单粒度采集到的聚合数据客观分摊到每一个最小维度,实现了从聚合数据中还原各维度在真实成交中实际贡献权重的技术突破,解决了现有技术因聚合存储-多维度需求数据结构不匹配而无法度量单项维度真实贡献的技术难题,其次采用中位数作为核心统计量,抑制了异常数据对统计结果的干扰,在此基础上,配合单次幅度封顶保护和零数据维度暂停调整机制,形成多级稳定性保护体系,避免参数因单次异常数据而产生剧烈波动。