[发明专利]基于多层次评估模型的房产价格智能评估方法及装置

权利要求书

1.一种基于多层次评估模型的房产价格智能评估方法，其特征在于，所述方法包括：

获取预处理后的特征数据，将特征数据集按大尺度房价影响因素进行粗粒度划分；

在每个粗粒度区域内以小区为单位计算单位时间内的房产交易均价，构建小区的历史均价向量；

对历史均价向量集合进行聚类分析，以将同一聚类的小区组合为同一细粒度房价片区；

根据不同层次的房产特征数据集，构建多层次房价评估模型；

将房产特征向量输入相应的评估模型以进行房价估算。

2.如权利要求1所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述获取处理后的特征数据之前，包括：采集区域内的房产交易数据，进行特征数据的量化预处理。

3.如权利要求2所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述采集区域内的房产交易数据，进行特征数据的量化预处理，包括：

采集区域内的房产交易数据，筛除所述交易数据中难以量化的数据；

使用独热编码方式对具有原始属性的数据进行向量化，以转化为模型可使用的数据；

对原始数据中的时间数据进行转化，将时间数据划分为年月日三个属性，以转化为可直接处理的输入数据。

4.如权利要求3所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述将特征数据集按大尺度房价影响因素进行粗粒度划分，包括：

将特征数据集按大尺度房价影响因素划分为多个粗粒度区域，并构建小区与粗粒度区域的映射关系；

根据所述映射关系为各房产特征数据向量生成对应的粗粒度区域标签，以构建粗粒度区域房产特征数据集。

5.如权利要求4所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述在每个粗粒度区域内以小区为单位计算单位时间内的房产交易均价，构建小区的历史均价向量，包括：

在粗粒度区域房产特征数据集中，以小区为单位计算单位时间内的房产交易均价，获取小区的历史均价向量；

采用平均值填充法对缺失的交易数据进行填充；

对所述历史均价向量进行归一化处理，其中，计算并获取各小区历史均价向量中最大向量元素，将所述历史均价向量中各向量元素分别除以所述最大向量元素以获取归一化历史均价向量。

6.如权利要求5所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述对历史均价向量集合进行聚类分析，以将同一聚类的小区组合为同一细粒度房价片区，包括：

构建片区映射表，其中，所述映射表中的属性包括小区号、片区号；

采用划分聚类算法对粗粒度区域的历史均价向量集合进行聚类分析，获取均值向量相似度高的聚类簇，为所述聚类簇赋值对应的编号以作为片区号；

将同一聚类簇的小区组合为同一细粒度房价片区，以获取小区与细粒度片区的映射关系；

将所述小区号、片区号分别插入片区映射表对应的位置中。

7.如权利要求6所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述根据不同层次的房产特征数据集，构建多层次房价评估模型，包括：

将不同层次的房产特征数据集按照训练集、验证集分别进行比例分割，其中，所述训练集、验证集对应的比例关系为8：2；

使用所述训练集进行模型训练，构建各层次对应的房价评估模型。

8.如权利要求1所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，还包括：对各层次对应的房价评估模型进行更新。

9.如权利要求8所述的基于多层次评估模型的房产价格智能评估方法，其特征在于，所述对各层次对应的房价评估模型进行更新，包括：

获取预处理后的房产特征交易数据；

将所述房产特征交易数据加入原房产特征数据集中，并筛除所述原房产特征数据集中存储时间长的数据；

使用更新后的房产特征数据集自动更新各层次对应的房价评估模型。

10.一种房产价格智能评估装置，其特征在于，所述装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的基于多层次评估模型的房产价格智能评估程序，所述基于多层次评估模型的房产价格智能评估程序被所述处理器执行时实现如权利要求1-9任一项所述的基于多层次评估模型的房产价格智能评估方法的各个步骤。