[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

说明书

本申请公开了一种基于长租公寓租房场景下的退租预测系统及方法，涉及数据统计技术领域，该系统一具体实施方式包括：退租样本获取模块、特征模块和模型训练模块；退租样本获取模块与特征模块相耦接，用于采集用户退租样本数据构建退租样本集并发送至特征模块；特征模块分别与退租样本获取模块和模型训练模块相耦接，用于接收退租样本集，获取特征数据并进行预处理得到退租数据集，并发送至模型训练模块；模型训练模块与得到特征模块相耦接，用于接收退租数据集，并根据XGBoost模型对退租数据集进行训练得到退租预测模型进行预测。该实施方式通过构建退租预测模型能够及时对用户的退房行为进行预判，减少长租公寓的经济损失。

技术领域

本申请涉及数据统计技术领域，尤其涉及一种基于长租公寓租房场景下的退租预测系统及方法。

背景技术

随着社会经济的发展，流动人口从欠发达地区流入发达地区的规模持续扩大，发达地区的房价居高不下，许多外来人口选择租房来解决暂时的住宿问题。近年来长租公寓逐渐成为适应性居住场所，然而当发生用户退租时，并不能及时了解用户因何退租以及不能作出预判来进行补救措施，不利于长租公寓的收益，需设计一种基于长租公寓租房场景下的退租退租预测模型。

在实现本发明过程中，发明人发现当前长租公寓用户退租模型预测领域适用性存在的问题：

1、退租样本(正样本)和不退租样本(负样本)比例差别比较大，样本不均衡；

2、长租公寓用户签约的时间比较长，同时用户的行为并不高频，行为比较稀疏；

3、产品形态的更新迭代，较为久远的样本特征数据等并不准确。

发明内容

有鉴于此，本申请公开了一种基于长租公寓租房场景下的退租预测系统及方法，能够及时对用户的退房行为进行预判，减少长租公寓的经济损失。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于长租公寓租房场景下的退租预测系统，包括：退租样本获取模块、特征模块和模型训练模块；

退租样本获取模块，与特征模块相耦接，用于采集用户退租样本数据，通过用户退租样本数据构建退租样本集，并将退租样本集发送至特征模块；其中，退租样本集包括正退租样本数据和负退租样本数据；正退租样本数据为已退租用户数据，负退租样本数据为已退租用户退租之前的数据。

特征模块，分别与退租样本获取模块和模型训练模块相耦接，用于接收退租样本获取模块发送的退租样本集，根据退租样本集获取特征数据，并将特征数据进行预处理得到退租数据集，同时将退租数据集发送至模型训练模块；

模型训练模块，与得到特征模块相耦接，用于接收特征模块发送的退租数据集，并根据XGBoost模型对退租数据集进行训练得到退租预测模型进行预测。

优选的，用户退租样本数据通过K-Means算法构建退租样本集。

优选的，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，特征数据包括用户特征数据、交叉特征数据和房源特征数据；

用户特征单元，分别与退租样本获取模块和模型训练模块相耦接，用于接收退租样本获取模块发送的退租样本集，根据退租样本集获取用户特征数据，并将用户特征数据发送至模型训练模块；

交叉特征单元，分别与退租样本获取模块和模型训练模块相耦接，用于接收退租样本获取模块发送的退租样本集，根据退租样本集获取交叉特征数据，并将交叉特征数据发送至模型训练模块；

房源特征单元，分别与退租样本获取模块和模型训练模块相耦接，用于接收退租样本获取模块发送的退租样本集，根据退租样本集获取房源特征数据，并将房源特征数据发送至模型训练模块。