[发明专利]一种基于租户需求的市场房源定价的方法及系统在审
申请号: | 202010054583.1 | 申请日: | 2020-01-17 |
公开(公告)号: | CN111260404A | 公开(公告)日: | 2020-06-09 |
发明(设计)人: | 孙朝阳;李昭;陈浩;高靖;崔岩;卢述奇;陈呈;张宵 | 申请(专利权)人: | 青梧桐有限责任公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06Q30/06;G06Q50/16 |
代理公司: | 北京晟睿智杰知识产权代理事务所(特殊普通合伙) 11603 | 代理人: | 于淼 |
地址: | 200241 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 租户 需求 市场 房源 定价 方法 系统 | ||
1.一种基于租户需求的市场房源定价的方法,其特征在于,该方法包括:
基于历史房源信息与历史房源市场报价信息,确定房源信息与房源市场报价的匹配度,构建匹配度集合;
基于所述匹配度集合,处理得到房源特征集合和房源信息对应的租户需求特征集合;
基于房源特征集合和租户需求特征集合,构建房源信息训练样本集;
基于所述房源信息训练样本集构建房源定价模型的目标函数;
基于所述房源定价模型的目标函数生成模型文件和房源特征文件;
将模型文件和房源特征文件进行工程化处理,封装为应用系统;
利用所述应用系统根据新输入的房源信息,输出与新输入的房源信息对应的房源定价。
2.根据权利要求1所述的一种基于租户需求的市场房源定价的方法,其特征在于,所述基于所述匹配度集合,处理得到房源特征集合和房源信息对应的租户需求特征集合的步骤为:
设定匹配度阈值;
将大于所述匹配度阈值的房源信息进行拆解,获取具体的房源特征,按照文本相似度原则,将房源特征由描述型变量转化为数据型变量,构建房源特征集合且房源特征集合为Am=[A1,A2,L,AmN],其中,Am为影响房源市场报价的第m个房源特征,N为第m个房源特征中的子房源特征;
将大于所述匹配度阈值的房源信息对应的租户需求进行拆解,获取具体的租户需求特征,构建租户需求特征集合且租户需求特征集合B=[B1,B2,L,Bi],其中,B为租户需求特征,Bi影响租户租房的第i个租户需求特征,i为租户需求特征的数量。
3.根据权利要求2所述的一种基于租户需求的市场房源定价的方法,其特征在于,还包括,获取所述房源特征集合中的关键特征,具体方法为:
计算房源特征对房源市场报价的贡献率ak和累计贡献率G,计算公式为其中,λk为第k个房源特征对应的特征值,λs为各房源特征的特征值,s为第s个房源特征,λm'为第m’个房源特征的特征值,l为房源特征总数量,m’为第m’房源特征;
当所述贡献率ak大于所设置的贡献率阈值时,则将房源特征判断为关键房源特征;当所述贡献率ak小于所设置的贡献率阈值时,则将所述房源特征判断为非关键房源特征。
4.根据权利要求2所述的一种基于租户需求的市场房源定价的方法,其特征在于,获取房源特征集合之后还包括,对所述房源特征集合进行清洗去除异常数据。
5.根据权利要求1所述的一种基于租户需求的市场房源定价的方法,其特征在于,所述房源特征包括房源位置特征、房源建造特征和房屋具体特征。
6.根据权利要求1所述的一种基于租户需求的市场房源定价的方法,其特征在于,所述基于所述房源信息训练样本集构建房源定价模型的目标函数为:其中,i为第i个房源信息样本,m为房源信息样本的数量,θ为房源特征的权重,θi为第i个房源信息样本的房源特征权重,Pi为第i个房源信息样本的租户需求权重,x为房源特征训练样本集的房源特征矩阵,xi为第i个房源信息样本的房源特征矩阵,T表示转置矩阵。
7.根据权利要求6所述的一种基于租户需求的市场房源定价的方法,其特征在于,所述租户需求权重的计算方法为:选取C个租户,对所述租户需求集合中的每一项租户需求特征进行评分,获取每项租户需求特征评分的平均值,即为租户需求特征的权重。
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青梧桐有限责任公司,未经青梧桐有限责任公司许可,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/202010054583.1/1.html,转载请声明来源钻瓜专利网。