[发明专利]基于深度迁移学习的房地产市场分析方法、装置及设备

说明书

本发明属于自然语言处理、情感分析领域，特别涉及一种基于深度迁移学习的房地产市场分析方法、装置及设备，方法包括采集房地产网络舆情数据，并对舆情数据进行预处理；构建一个融入变分信息瓶颈的深度多通道神经网络；利用相关领域中大量的标注数据对网络进行预训练；通过迁移学习的方式，使用少量已标注的舆情数据对预先建立的网络进行微调；在所述迁移后的网络上对未标注的房地产舆情数据进行情感倾向分析，并获得最终的房地产市场情绪分析结果；本发明将深度迁移学习与房地产网络舆情进行结合，能够准确分析房地产市场情绪，从而为有关部门的政策制定、公司企业的决策部署以及个体消费者的投资规划，提供参考和指引。

技术领域

本发明属于自然语言处理、情感分析领域，特别涉及一种基于深度迁移学习的房地产市场分析方法、装置及设备。

背景技术

日益增长的移动手机用户量带动着社交网络的逐渐兴起。各种网络媒体、社交平台已经成为民众获取、传播和讨论社会舆情的重要途径之一。根据中国互联网络信息中心(CNNIC)发布的第44次《中国互联网络发展状况统计报告》可知，到2019年6月为止，我国的网民人数为8.54亿，互联网普及率达61.2％，较2018年底增长2598万，普及率上升1.6％。此外，报告还显示，截至2019年6月，我国网络新闻的用户规模达6.86亿，较2018年底增长1114万，占网民整体的80.3％。由此可见，网络舆情在社会整体舆情中所占的比例越来越高，在研究社会舆情状况时对相应的网络舆情进行分析也显得越来越重要。

随着越来越多的“90后”消费者加入到房地产市场的交易群体中，房地产网络舆情也变得更加丰富和活跃，网络舆情开始被视为影响房地产市场的一个重要因素。因此，房地产市场中的各种现象和问题、未来的发展趋势等，不仅是政府所要关注的重点，同时也是广大社会民众关注和讨论的焦点。房地产商作为房地产市场的供给主体，在实施有关市场行为时，需要综合考虑多方面的信息。随着对网络资源和大数据利用的兴起，作为传统制造业的房地产业在制定决策和实施市场行为时也开始逐渐关注网络舆情的影响。消费者作为房地产市场的需求主体，由于信息不对称性等因素的影响，其在房地产市场中往往处于劣势地位。因此，消费者在做出有关市场行为时经常会通过网络获取一些相关的资料信息作为其决策的参考。政府在制定政策时需要考虑社会民众的反应，而网络舆情则是获取民意的一条重要渠道。

近年来，深度学习在各行各业的广泛应用，给房地产舆情分析打开了新的思路。因此，将深度学习技术应用于网络舆情的情感分析，实现房地产市场情绪分析极具研究价值。

基于深度学习的情感分析方法，其具有较高的通用性、灵活性和自适应性，近年来成为主流的舆情分析方法。通常是将文本表示为向量矩阵的形式，然后输入到深度神经网络中根据训练数据对网络进行训练。但是深度神经网络的准确率依赖于大规模、高质量的标注数据，随着舆情数据的不断增加需要大量的人力来标注训练集，这是费时费力的。因此，现有的情感分析方法无法达到精准的舆情分析效果。

发明内容

为了弥补现有情感分析方法的不足，本发明提出一种基于深度迁移学习的房地产市场分析方法，具体包括以下步骤：

采集房地产网络舆情数据，并对舆情数据进行预处理；

构建一个融入变分信息瓶颈的深度多通道神经网络；

利用相关领域中大量的标注数据对网络进行预训练；

通过迁移学习的方式，使用少量已标注的舆情数据对预先建立的网络进行微调；

在所述迁移后的网络上对未标注的房地产舆情数据进行情感倾向分析，并获得最终的房地产市场情绪分析结果。

进一步的，对舆情数据进行预处理至少包括去除重复数据、特殊符号，并结合领域知识对少量数据进行情感极性标注。