[发明专利]房源价格的确定方法、装置、设备及介质在审

专利信息
申请号: 201910658505.X 申请日: 2019-07-19
公开(公告)号: CN110634014A 公开(公告)日: 2019-12-31
发明(设计)人: 不公告发明人 申请(专利权)人: 北京无限光场科技有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q10/04;G06Q50/16;G06K9/62
代理公司: 11332 北京品源专利代理有限公司 代理人: 孟金喆
地址: 100081 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 价格预测 查询 预测 特征信息 小区特征 预先确定 多维度特征信息 预处理 所在小区 样本训练 估价 租赁 主观 房屋 保证
【权利要求书】:

1.一种房源价格的确定方法,其特征在于,包括:

确定待查询房源的房源特征信息;

确定待查询房源所在小区的小区特征信息;所述小区特征信息包括小区自身特征信息和/或周边设施特征信息;

将所述房源特征信息和所述小区特征信息,输入至预先确定的房源价格预测模型中,获得所述待查询房源的预测价格;所述房源价格预测模型由经预处理的房源样本训练得到,所述预测价格包括售卖价格或租赁价格。

2.根据权利要求1所述的方法,其特征在于,确定待查询房源所在小区的小区自身特征信息,包括:

确定待查询房源所在小区的小区标识信息;

将所述小区标识信息与预先创建的各小区的自身特征配置信息进行匹配,并依据标识匹配结果确定所述待查询房源所在小区的小区自身特征信息;其中所述自身特征配置信息中一个小区关联有唯一的小区自身特征。

3.根据权利要求2所述的方法,其特征在于,依据标识匹配结果确定所述待查询房源所在小区的小区自身特征信息,包括:

若标识匹配成功,则将匹配到的小区自身特征信息作为所述待查询房源所在小区的小区自身特征信息;

若标识匹配不成功,则将预先设置的默认初始特征信息作为所述待查询房源所在小区的小区自身特征信息。

4.根据权利要求2所述的方法,其特征在于,确定待查询房源所在小区的小区标识信息,包括:

响应于用户在客户端页面上输入的小区名称,在所述客户端页面上显示至少一个候选小区和所述至少一个候选小区的位置信息,供用户选择;

响应于用户在客户端页面上的选择操作,将用户选择的小区作为待查询房源所在小区,并查询所述待查询房源所在小区的小区标识信息。

5.根据权利要求1所述的方法,其特征在于,确定待查询房源所在小区的周边设施特征信息,包括:

基于电子地图,查询在所述待查询房源所在小区的预设距离范围内的小区周边设施,并确定所述小区周边设施的周边设施标识信息;

将所述周边设施标识信息与预先创建的各小区周边设施的周边设施特征配置信息进行匹配,确定所述小区周边设施的周边设施特征信息;所述周边设施特征配置信息中一个小区周边设施关联有唯一的周边设施特征。

6.根据权利要求1所述的方法,其特征在于,确定待查询房源的房源特征信息,包括:

在客户端页面上显示候选展示子页面;其中所述候选展示子页面中包含至少一个候选房源特征;

响应于用户在所述候选展示子页面上的选择操作,将用户选择的候选房源特征,作为所述待查询房源的房源特征信息。

7.根据权利要求1所述的方法,其特征在于,所述小区自身特征信息包括:小区房源均价、小区建造年代、小区房屋总栋数、小区绿化率、小区容积率、小区房源最大价格、小区房源最小价格和小区管理费中的至少一项;所述房源特征信息包括:房源面积、房源的室内空间数、房源所在楼层、总楼层数、房源朝向和房源装修类型中的至少一项;所述周边设施特征信息包括小区周边设施的设施类型。

8.根据权利要求1所述的方法,其特征在于,所述房源价格预测模型的构建操作包括:

针对每一小区的房源样本,依据预设的房源筛选方式对所述小区内的房源样本进行筛选,并将筛选后剩余的房源样本作为训练样本;

依据所述训练样本对预先构建的树形结构回归模型进行训练,得到所述房源价格预测模型。

9.根据权利要求8所述的方法,其特征在于,依据预设的房源筛选方式对所述小区内的房源样本进行筛选,包括:

依据小区内各个房源样本的房源价格分布结果,小区房源均价与房源样本的房源价格之间的差值占比,和/或小区的建造年代,对小区内的房源样本进行筛选处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京无限光场科技有限公司,未经北京无限光场科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910658505.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top