[發明專利]小區房源平均價值參數估計方法以及裝置

在審

• 申請號: 201811289838.1
• 申請日: 2018-10-31
• 公開（公告）號: CN109544214A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 葉素蘭;李國才;劉卉;楊堅;王婷;黎韜
• 申請（專利權）人: 平安直通咨詢有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/16
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

1.一種小區房源平均價值參數估計方法，所述方法包括：

獲取目標小區的各項小區指標；

將所述目標小區與目標小區對應的各項小區指標輸入預設小區相似度模型，獲取目標小區的小區估價指標，所述預設小區相似度模型以攜帶小區房源平均價值參數的訓練小區作為訓練數據獲得；

在預設小區集內根據目標小區的小區估價指標查找目標小區對應的相似小區，所述預設小區集包含預設小區的小區估價指標；

獲取查找到的所述相似小區的小區房源平均價值參數，根據所述相似小區的小區房源平均價值參數對目標小區的房源平均價值參數進行估計，獲得目標小區的房源平均價值參數。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標小區的各項小區指標包括：

獲取目標小區的小區信息；

根據所述目標小區的小區信息，獲取目標小區的各項小區指標。

3.根據權利要求1所述的方法，其特征在于，所述將所述目標小區與目標小區對應的各項小區指標輸入預設小區相似度模型，獲取目標小區的小區估價指標之前，還包括：

獲取攜帶小區房源平均價值參數的訓練小區以及訓練小區的各項小區指標；

通過K-means聚類分析根據訓練小區的各項小區指標對所述訓練小區進行分類，獲得訓練小區類；

根據訓練小區類確定訓練數據集以及測試數據集；

將訓練數據集輸入初始BP神經網絡，通過訓練數據集對初始BP神經網絡進行訓練；

通過測試數據集對訓練完成的初始BP神經網絡進行測試；

當測試通過時，將訓練完成的初始BP神經網絡作為預設小區相似度模型；

當測試不通過時，根據測試結果更新所述初始BP神經網絡，將更新后的所述初始BP神經網絡重新作為初始BP神經網絡，返回將訓練數據集輸入初始BP神經網絡，通過訓練數據集對初始BP神經網絡進行訓練的操作。

4.根據權利要求1所述的方法，其特征在于，所述在預設小區集內根據目標小區的小區估價指標查找相似小區，獲取所述相似小區的小區房源平均價值參數之前，還包括：

獲取各小區與目標小區的距離信息；

根據各小區與所述目標小區的距離信息確定預設小區；

獲取所述預設小區的各項小區指標；

將所述預設小區與預設小區對應的各項小區指標輸入預設小區相似度模型，獲得預設小區集。

5.根據權利要求1所述的方法，其特征在于，所述在預設小區集內根據目標小區的小區估價指標查找目標小區對應的相似小區，所述預設小區集包含預設小區的小區估價指標具體包括：

獲取預設小區集內預設小區的小區估價指標，將預設小區的小區估價指標在目標小區的小區估價指標的預設范圍內的預設小區作為相似小區。

6.根據權利要求1所述的方法，其特征在于，所述獲取所述相似小區的小區房源平均價值參數具體包括：

獲取相似小區房源的各個市場平均價值參數數據；

當所述市場平均價值參數數據大于預設數量閾值時，去除所述市場平均價值參數數據中的最大值與最小值，將其他市場平均價值參數數據的平均值作為相似小區的小區房源平均價值參數，當所述市場平均價值參數數據小于或等于預設數量閾值時，獲取各市場平均價值參數數據的可信度，將可信度最高的市場平均價值參數數據作為相似小區的小區房源平均價值參數。

7.一種小區房源平均價格參數估計裝置，其特征在于，所述裝置包括：

小區指標獲取模塊，用于獲取目標小區的各項小區指標；

估價指標計算模塊，用于將所述目標小區與目標小區對應的各項小區指標輸入預設小區相似度模型，獲取目標小區的小區估價指標，所述預設小區相似度模型以攜帶小區房源平均價值參數的訓練小區作為訓練數據獲得；

相似小區查找模塊，用于在預設小區集內根據目標小區的小區估價指標查找目標小區對應的相似小區，所述預設小區集包含預設小區的小區估價指標；

房源均價計算模塊，用于獲取查找到的所述相似小區的小區房源平均價值參數，根據所述相似小區的小區房源平均價值參數對目標小區的房源平均價值參數進行估計，獲得目標小區的房源平均價值參數。