[发明专利]基于深度学习的预测数据变化的方法、装置和计算机设备

说明书

本申请揭示了一种基于深度学习的预测数据变化的方法、装置和计算机设备，其中方法包括：根据用户端发送的预测请求，获取指定网站上发布的文章；判断所述文章中是否有与所述指定区域对应的区域字段，所述区域字段是表示指定区域的地理位置的信息字段；若是，则通过TF‑IDF矩阵抽取所述文章中的关键词；将所述关键词输入到预设的词向量模型，得到各个关键词对应的词向量；将所述词向量输入到经训练后得到的目标属性值预测模型后，输出所述指定区域的目标属性值的第一涨幅系数。本申请自动根据房地产相关的网站上读取文章，并根据文章非常客观的分析出房价的涨幅趋势。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种基于深度学习的预测数据变化的方法、装置和计算机设备。

背景技术

房地产的价格是实时变动的，变动情况会因为一些时事热点而涨或跌。

目前媒体信息非常发达，任何有关房产信息的媒体文章都会发表在媒体平台上，媒体文章中表达出来的信息与房地产的价格是有着很大的关联关系的，一些房地产专家可以根据房地产相关的文章判断出房价的大致走势。但是具体的房价是如何变动，房地产专家很难具体判断出来。

发明内容

本申请的主要目的为提供一种基于深度学习的预测数据变化的方法、装置和计算机设备，旨在解决现有技术中无法根据文章的内容对房价的涨幅做出具体判断的问题。

为了实现上述发明目的，本申请提出一种基于深度学习的预测数据的方法，包括：

根据用户端发送的预测请求，获取指定网站上发布的文章，所述预测请求用于指示预测指定区域的目标属性值变化；

判断所述文章中是否有与所述指定区域对应的区域字段，所述区域字段是表示指定区域的地理位置的信息字段；

若是，则通过TF-IDF矩阵抽取所述文章中的关键词，所述TF-IDF矩阵是词频-逆文本频率指数矩阵；

将所述关键词输入到预设的词向量模型，得到各个关键词对应的词向量；

将所述词向量输入到经训练后得到的目标属性值预测模型后，输出所述指定区域的目标属性值的第一涨幅系数。

进一步地，所述将所述词向量输入到经训练后得到的目标属性值预测模型后，输出所述指定区域的目标属性值的第一涨幅系数的步骤之后，包括：

获取所述文章的阅读数量、转发数量以及评论数量；

将所述阅读数量、转发数量以及评论数量输入到预设的公式中，计算得出所述文章的权重系数；

将所述权重系数乘以所述第一涨幅系数，得到更新后的第二涨幅系数。

进一步地，

所述将所述阅读数量、转发数量以及评论数量输入到预设的公式中，计算得出所述文章的权重系数的步骤，包括：

将所述阅读数量输入到预设的第一公式中，将所述转发数量输入到预设的第二公式中，将所述评论数量输入到预设的第三公式中，分别计算得到阅读权重系数、转发权重系数和评论权重系数；

将所述阅读权重系数、转发权重系数和评论权重系数相加，得到所述文章的权重系数。

进一步地，所述判断文章中是否有与所述指定区域对应的区域字段的步骤之前，包括：

读取所述指定区域的第一位置信息；

在预设的地址库中获取所述第一位置信息对应的行政等级；

在所述预设的地址库中获取所述行政等级的上一等级对应的第二位置信息以及所述行政等级的下一等级对应的第三位置信息；

将所述第一位置信息、第二位置信息以及第三位置信息确定为与所述指定区域对应的区域字段。