[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

本申請涉及機器學習與神經網絡領域，用于處理小區房源數據，具體涉及一種小區房源平均價值參數估計方法、裝置、計算機設備和存儲介質。方法包括：獲取目標小區的各項小區指標；將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；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；獲取相似小區的小區房源平均價值參數，根據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。本申請通過預設綜合各相似小區的房源均價對目標小區的房源價格進行估計，相比估價師考慮的因素更加全面具體，估價的結果更加準確可信。

技術領域

本申請涉及信息處理領域，特別是涉及一種小區房源平均價值參數估計方法以及裝置。

背景技術

小區是指以住宅樓房為主體并配有商業網點、文化教育、娛樂、綠化、公用和公共設施等而形成的具有一定規模的居民生活區。隨著中國城市化的推進，居民小區如同雨后春筍一般冒出，小區房產也隨之成為人們投資的熱點。

然而傳統的房產估值利用市場樣本估價法：估價師對小區進行實地勘察，而后根據經驗選擇與目標小區相似的小區，根據相似小區的價格人為判斷目標小區的定價，但是由于該估價方法的效果完全由估價師的經驗決定，但估價師勘察的數據可能不夠具體，考慮到的因素可能不夠全面，相似小區的鑒別也沒有具體的標準，從而導致相似小區判定不準，繼而導致對目標小區房價的判斷錯誤。

發明內容

基于此，有必要針對上述技術問題，提供一種小區房源平均價值參數估計方法、裝置、計算機設備及存儲介質。

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。

在其中一個實施例中，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；

根據目標小區的小區信息，獲取目標小區的各項小區指標。

在其中一個實施例中，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。