[發明專利]群租房識別方法及系統及存儲介質

有效

• 申請號: 202010172254.7
• 申請日: 2020-03-12
• 公開（公告）號: CN111401431B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 樊浩圣
• 申請（專利權）人: 成都小步創想慧聯科技有限公司
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/25;G06F18/10;G06Q50/16
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 岳鳳羽

1.一種群租房識別方法，其特征在于，包括：

獲取待識別房屋業務數據，所述待識別房屋業務數據包括：房屋用水量數據，房屋用電量數據，房屋用氣量數據和房屋建筑面積數據；

根據所述待識別房屋的業務數據，基于預先構建的群租識別模型，得到待識別房屋的類別數據，所述待識別房屋的類別數據包括：群租和非群租；

群租識別模型的構建方法包括：

從預先建立的動態數據池中獲取房屋歷史數據作為樣本數據，所述房屋歷史數據包括：房屋歷史類別數據，以及所述房屋歷史類別數據對應的房屋歷史業務數據；所述房屋歷史業務數據包括：房屋歷史用水量數據，房屋歷史用電量數據，房屋歷史用氣量數據和房屋歷史建筑面積數據；

計算群租房屋歷史類別和非群租房屋歷史類別的先驗概率；

計算所述房屋歷史用水量數據，房屋歷史用電量數據，房屋歷史用氣量數據和房屋歷史建筑面積數據的先驗概率；

分別計算所述房屋歷史用水量數據，房屋歷史用電量數據，房屋歷史用氣量數據和房屋歷史建筑面積數據在群租房屋歷史類別條件下和非群租房屋歷史類別條件下的條件概率；

根據房屋歷史類別數據的先驗概率，房屋歷史業務數據的先驗概率，以及房屋歷史業務數據在群租房屋歷史類別條件下和非群租房屋歷史類別條件下的條件概率，建立群租識別模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述待識別房屋的業務數據，基于預先構建的群租識別模型，得到待識別房屋的類別，具體包括：

根據所述待識別房屋的業務數據，所述房屋歷史類別數據的先驗概率，房屋歷史業務數據的先驗概率，以及房屋歷史業務數據在群租房屋歷史類別條件下和非群租房屋歷史類別條件下的條件概率，計算所述待識別房屋的群租類別后驗概率和非群租類別后驗概率；

在所述待識別房屋的群租類別后驗概率大于非群租類別后驗概率時，輸出所述待識別房屋的類別為群租類別；

在所述待識別房屋的非群租類別后驗概率大于等于群租類別后驗概率時，輸出所述待識別房屋的類別為非群租類別。

3.根據權利要求1所述的方法，其特征在于，還包括：

驗證所述待識別房屋的類別，得到所述待識別房屋的類別數據；

將驗證后的所述待識別房屋的類別數據和業務數據作為房屋歷史數據加入所述動態數據池；

在確定循環進行時，將動態數據池中的全部數據作為下次建立群租識別模型時的房屋歷史數據。

4.根據權利要求3所述的方法，其特征在于，還包括：

將所述動態數據池中存儲時間超過預設時間值的房屋歷史數據剔除。

5.根據權利要求1所述的方法，其特征在于，還包括：

對所述待識別房屋業務數據進行預處理，具體包括：

判斷所述待識別房屋業務數據是否出現缺失值，若所述待識別房屋業務數據出現缺失值，獲取所述待識別房屋同樓層的房屋業務數據平均值，采用所述平均值填補所述缺失值；

判斷所述待識別房屋業務數據是否出現異常值，若所述待識別房屋業務數據出現異常值，獲取所述待識別房屋同樓層的房屋業務數據平均值，采用所述平均值替換所述異常值。

6.根據權利要求1所述的方法，其特征在于，所述獲取待識別房屋業務數據，具體包括：周期性的獲取待識別房屋業務數據；所述周期具體為日，或周，或月。

7.根據權利要求2所述的方法，其特征在于，所述群租識別模型基于高斯樸素貝葉斯分類算法進行計算。

8.一種群租房識別系統，其特征在于，包括：

處理器和存儲器；

所述處理器與存儲器通過通信總線相連接：

其中，所述處理器，用于調用并執行所述存儲器中存儲的程序；

所述存儲器，用于存儲程序，所述程序至少用于執行權利要求1-7任一項所述的群租房識別方法。

9.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時，實現如權利要求1-7任一項所述的群租房識別方法。