王陆霖，刘 杨，彭 治，杜永萍，韩红桂

(北京工业大学 信息学部，北京 100124)

0 引 言

电子产品的估价阶段是电子产品回收过程的关键阶段，能否合理高效并准确地估价会影响电子产品的回收效率和买卖双方的交易意愿[1,2]。

目前对于电子产品的价值评估技术的研究大多通过人工设定各个属性的权重，形成算法模型来进行产品价值的评估[3]。电子产品相较于其它产品，其价值波动较大，上述方法需耗费较多人力。因此，研究者们开始研究基于数据驱动的价值评估方法。Zhang等[4]和Yan等[5]使用遗传算法对BP神经网络进行优化，得到了较高的预测精度。Yu等[6]使用极限学习机构建预测模型，有效降低了数据噪音的影响。Han等[7]提出了一种混合构建神经网络的方法，能够适应价格变动。Wang等[8]引入奇异谱分析(SSA)并建立神经网络来进行商品价值的评估。NTAKARIS等[9]使用深度神经网络模型来进行价格预测，实现了特征的自动提取。Han等[10]使用模糊神经网络进行废旧手机的价值评估，提高了评估精度。Wang等[11]和Peng等[12]采用序列建模的思想，模型能够随时间自适应调整评估结果。

数据驱动的方法较为依赖历史数据，而电子产品的更新换代较快，模型会产生因缺乏历史数据而导致的对新产品的冷启动问题，然而已有的工作中都缺乏相应的缓解方法。因此，本文提出了基于属性分类建模的价值评估模型(attribute classification modeling based value evaluation mo-del，ACMVE)，设计了基于属性分类的价值评估系统架构。

1 基于属性分类的价值评估架构

我们在对主流的在线电子产品回收平台的调研中发现，电子产品回收平台对产品进行价值评估的结果主要受到3个因素的影响，如图1所示。……