[发明专利]基于长租公寓租房场景下的退租预测系统及方法

权利要求书

1.一种基于长租公寓租房场景下的退租预测系统，其特征在于，包括退租样本获取模块、特征模块和模型训练模块；

所述退租样本获取模块，与所述特征模块相耦接，用于采集用户退租样本数据，通过所述用户退租样本数据构建退租样本集，并将所述退租样本集发送至所述特征模块；其中，所述退租样本集包括正退租样本数据和负退租样本数据，所述正退租样本数据为已退租用户数据，所述负退租样本数据为已退租用户退租之前的数据；

所述特征模块，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取特征数据，并将所述特征数据进行预处理得到退租数据集，同时将所述退租数据集发送至所述模型训练模块；

所述模型训练模块，与得到所述特征模块相耦接，用于接收所述特征模块发送的所述退租数据集，并根据XGBoost模型对所述退租数据集进行训练得到退租预测模型进行预测。

2.根据权利要求1所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，所述用户退租样本数据通过K-Means算法构建所述退租样本集。

3.根据权利要求1所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，所述特征模块，包括用户特征单元、交叉特征单元和房源特征单元，所述特征数据包括用户特征数据、交叉特征数据和所述房源特征数据；

所述用户特征单元，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取所述用户特征数据，并将所述用户特征数据发送至所述模型训练模块；

所述交叉特征单元，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取所述交叉特征数据，并将所述交叉特征数据发送至所述模型训练模块；

所述房源特征单元，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取所述房源特征数据，并将所述房源特征数据发送至所述模型训练模块。

4.根据权利要求3所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，所述用户特征数据包括用户基本信息和用户特征行为，其中，所述用户基本信息包括职业、年龄、性别、教育程度、民族和用户渠道，所述用户特征行为包括租住时长、撤销退租行为、投诉行为和浏览网页行为；

所述交叉特征数据包括用户回访信息和用户偏好信息，其中，所述用户回访信息包括房源综合评分和服务品质评分，所述用户偏好信息包括通勤距离、价格需求和周边商圈需求；

所述房源特征数据包括商圈特征信息、小区特征信息和房态特征信息，其中，所述商圈特征信息包括基于不同城市商圈评级，所述小区特征信息包括小区的基本信息、等级特征、价格特征、交通特征以及通勤时间，所述房态特征信息包括房源的基本属性、房源的动态属性和房源的套间属性。

5.根据权利要求1所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，利用Spark框架和Hive数据仓库将所述特征数据进行预处理得到退租数据集；

其中，所述预处理包括选择、过滤、去重、采样、变换、数据替换、加权、属性生成和数据填补。

6.一种基于长租公寓租房场景下的退租预测方法，其特征在于，包括步骤：

采集用户退租样本数据，通过所述用户退租样本数据构建退租样本集；其中，所述退租样本集包括正退租样本数据和负退租样本数据，所述正退租样本数据为已退租用户数据，所述负退租样本数据为已退租用户退租之前的数据；

根据所述退租样本集获取特征数据，并将所述特征数据进行预处理得到退租数据集，

根据XGBoost模型对所述退租数据集进行训练得到退租预测模型进行预测。

7.根据权利要求1所述的一种基于长租公寓租房场景下的退租预测方法，其特征在于，所述用户退租样本数据通过K-Means算法构建所述退租样本集。