[發明專利]基于區塊鏈的二手房數據分析方法及系統

在審

• 申請號: 202011429024.0
• 申請日: 2020-12-09
• 公開（公告）號: CN112633915A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 王治東;謝紹韞
• 申請（專利權）人: 蘇州黑云智能科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/16;G06F21/64;G06F16/35;G06F16/335;G06F16/31;G06K9/62
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 郭磊

1.一種基于區塊鏈的二手房數據分析方法，其特征在于，包括：

步驟一：建立關鍵詞分類數據庫；

步驟二：對文本使用分詞技術將其分為關鍵詞；

步驟三：使用TF-IDF模型進行信息檢索；

步驟四：對關鍵詞利用聚類算法進行聚類，對二手房信息進行分類，或者采用分詞技術去碰撞分類數據庫，并歸屬到相應的二手房分類；

步驟五：然后再對二手房交易信息進行分析處理，所述分析處理包括：單位面積房價分析、區域房屋信息分析、房屋樓層分析、房屋配置分析和房屋周圍設施分析；

步驟六：根據二手房交易的地理分布進行劃分，對同樣的房屋交易信息進行分析，并根據已有的房屋交易趨勢預測房屋交易的可能方向和結果；

步驟七：最后將二手房的所有信息存儲在區塊鏈中。

2.如權利要求1所述的基于區塊鏈的二手房數據分析方法，其特征在于，所述關鍵詞分類數據庫包括居家生活類關鍵詞數據庫、出行度假類關鍵詞數據庫、交通便利類關鍵詞數據庫和優質教育類關鍵詞數據庫。

3.如權利要求1所述的基于區塊鏈的二手房數據分析方法，其特征在于，“使用TF-IDF模型進行信息檢索”具體包括：定義需要去除的詞語列表，使用sklearn提供的函數即feature_extraction.text下的TfidfVectorizer函數創建詞語轉向量的對象，使用fit_transform函數將關鍵字轉換為詞向量空間模型。

4.如權利要求1所述的基于區塊鏈的二手房數據分析方法，其特征在于，所述聚類算法采用kmeans聚類算法。

5.如權利要求1所述的基于區塊鏈的二手房數據分析方法，其特征在于，所述分詞技術是httpcws分詞方法。

6.一種基于區塊鏈的二手房數據分析系統，其特征在于，包括網絡爬蟲模塊、房屋數據分析模塊和區塊鏈存儲模塊；

所述網絡爬蟲系統用于提取互聯網中的房屋交易信息，提供所需數據，并定時進行更新；

所述房屋數據分析模塊包括：房屋數據分析模塊、房屋交易分布模塊和房價預測模塊；

所述房屋數據分析模塊基于區塊鏈構建房屋交易數據庫；所述房屋交易分布模塊用于對不用區域的二手房交易數據進行處理生成相應的分布圖，按二手房的交易數量統計劃分為：一級、二級、三級，可以根據輸入的地名提供當地的二手房交易數據。所述房價預測模塊通過建立的二手房房價預測模型對相應的二手房交易信息進行預測分析，根據已有的信息預測二手房房屋交易的大致價格的方向和結果；

所述區塊鏈存儲模塊用于存儲房屋交易信息。

7.如權利要求6所述的基于區塊鏈的二手房數據分析系統，其特征在于，所述房屋數據分析模塊包括二手房單位面積房價分析模塊、區域范圍內二手房信息分析模塊和二手房分類關鍵詞模塊；

所述二手房單位面積房價分析模塊是利用變量直方圖來觀察數據的合理性，查看房價的均值、中位數、標準差基本數值；所述區域范圍內二手房信息分析模塊是對各區的房屋信息數量情況進行比較、各個房屋房價的比較、對二手房房屋結構對房價的影響分析以及房屋地理位置對房價的影響；所述二手房分類關鍵詞模塊通過一個相同意思不同叫法的關鍵詞映射詞庫，對爬取的二手房交易數據統計出詞頻圖譜以及詞云圖。

8.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1到5任一項所述方法的步驟。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1到5任一項所述方法的步驟。

10.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序運行時執行權利要求1到5任一項所述的方法。