本公开提供了一种房价预测的方法、装置和电子设备，应用于人工智能或金融领域等。该方法包括：获取待评估房产的房产地址信息；基于房产地址信息获取针对待评估房产的第一价格特征以及待评估房产的参考房产的第二价格特征，第一价格特征包括第一价格预测特征和第一价格评价特征，第二价格特征包括第二价格预测特征和第二价格评价特征；以及将第一价格特征和第二价格特征输入经训练的房价预测模型，得到预测房价。到预测房价。到预测房价。
【技术实现步骤摘要】
房价预测的方法、装置和电子设备
[0001]本公开涉及人工智能和金融
，更具体地，涉及一种房价预测的方法、装置和电子设备。
技术介绍
[0002]随着金融机构(如银行)普惠业务的发展，客户可以通过手机终端，在线上申请以个人房屋为抵押物的贷款，且业务量逐年扩大。个人房屋的价值的预测结果影响客户的贷款授信额度。
[0003]在实现本公开构思的过程中，申请人发现相关技术中至少存在如下问题。房屋的预测房价不够准确。
技术实现思路
[0004]有鉴于此，本公开提供了一种有助于提升房价预测准确度的房价预测的方法、装置和电子设备。
[0005]本公开的一个方面提供了一种由服务器端执行的房价预测的方法，包括：获取待评估房产的房产地址信息；基于房产地址信息获取针对待评估房产的第一价格特征以及待评估房产的参考房产的第二价格特征，第一价格特征包括第一价格预测特征和第一价格评价特征，第二价格特征包括第二价格预测特征和第二价格评价特征；以及将第一价格特征和第二价格特征输入经训练的房价预测模型，得到预测房价，其中，房价预测模型包括连接的参与子模型和评价子模型，参与子模型的输入包括第一价格预测特征、买卖操作和第一奖励，参与子模型的输出包括第一模型参数；评价子模型的输入包括第一价格特征、第二价格特征、第一模型参数、第一奖励和第二奖励，评价子模型的输出包括预测房价和第二模型参数；第一奖励是基于第一价格评价特征和利用第一模型参数处理第一价格预测特征得到的第一预估价格来确定的，第二奖励是基于第二价格评价特征和利用第一模型参数处理第二价格预测特征后得到的第二预估价格来确定的。
[0006]根据本公开的实施例，房价预测模型包括公共网络和与公共网络分别相连的N个线程，其中，公共网络和N个线程各自的网络结构分别相同，N个线程中每个线程之间独立运行，公共网络包括参与子模型和评价子模型，N是大于1的整数。
[0007]根据本公开的实施例，N个线程各自独立地使用累积的梯度分别更新公共网络的网络参数，并且N个线程在达到指定周期后将自身的网络参数更新为公共网络的网络参数。
[0008]根据本公开的实施例，房价预测模型的损失函数包括策略梯度损失、值残差和策略熵。
[0009]根据本公开的实施例，获取待评估房产的房产地址信息包括：将产证图像按照预设尺寸进行缩放，得到具有预设尺寸的待识别图像；获取待识别图像中的字符区域；从字符区域中获取与产证地址预设区域对应的待识别区域；以及对待识别区域进行文字提取，得到能够表征房产地址信息的字符串。
[0010]根据本公开的实施例，上述方法还包括：在得到字符串之后，从字符串中提取出关于地址的文字；以及基于预设字典对关于地址的文字进行分词存储，预设字典包括行政区、小区所在路牌、楼栋单元特征信息中至少一种。
[0011]根据本公开的实施例，基于预设字典对关于地址的文字进行分词存储包括：利用预设字典使用正向最大匹配方法对字符串进行分词，获取第一分词集合；利用预设字典使用逆向最大匹配方法对字符串进行分词，获取第二分词集合；比较第一分词集合和第二分词集合，取集合中单字少的集合作为分词初步结果；根据地址要素将分词初步结果划分为指定个数等级；逐级比对指定个数等级的分词初步结果和标准等级地址，输出与产证对应的小区标识。
[0012]根据本公开的实施例，第一价格预测特征和第二价格预测特征包括以下至少一种：小区及楼栋相关特征、地理位置特征、周边便利程度特征、周边厌恶程度特征或者周边绿化宜居景观特征；以及第一价格评价特征和第二价格评价特征包括以下至少一种：历史成交价格或者当期挂牌价格。
[0013]根据本公开的实施例，小区及楼栋相关特征包括：物业类型、开发商、房屋性质、建筑类别、总层高、所在层高、朝向、房龄、建筑面积或者容积率中至少一种；地理位置特征包括：小区与城市中心之间的距离或者小区与商业中心之间的距离中至少一种；周边便利程度特征包括：小区与公交站点、地铁站、重点中小学、普通中小学、三甲医院或者普通医院中至少一种之间的距离；周边厌恶程度特征包括：小区与变电站、垃圾焚烧厂、化工厂、殡仪馆中至少一种之间的距离；周边绿化宜居景观特征包括：建筑密度、水系覆盖率、绿植覆盖率、小区与公园之间的距离中至少一种。
[0014]本公开的一个方面提供了一种房价预测的装置，设置于服务器端中，装置包括：房产地址信息获取模块、特征获取模块和房价预测模块。其中，房产地址信息获取模块用于获取待评估房产的房产地址信息；特征获取模块用于基于房产地址信息获取针对待评估房产的第一价格特征以及待评估房产的参考房产的第二价格特征，第一价格特征包括第一价格预测特征和第一价格评价特征，第二价格特征包括第二价格预测特征和第二价格评价特征；以及房价预测模块用于将第一价格特征和第二价格特征输入经训练的房价预测模型，得到预测房价，其中，房价预测模型包括连接的参与子模型和评价子模型，参与子模型的输入包括第一价格预测特征、买卖操作和第一奖励，参与子模型的输出包括第一模型参数；评价子模型的输入包括第一价格特征、第二价格特征、第一模型参数、第一奖励和第二奖励，评价子模型的输出包括预测房价和第二模型参数；第一奖励是基于第一价格评价特征和利用第一模型参数处理第一价格预测特征得到的第一预估价格来确定的，第二奖励是基于第二价格评价特征和利用第一模型参数处理第二价格预测特征后得到的第二预估价格来确定的。
[0015]本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及存储装置，其中，存储装置用于存储可执行指令，可执行指令在被处理器执行时，实现如上的方法。
[0016]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，指令在被执行时用于实现如上的方法。
[0017]本公开的另一方面提供了一种计算机程序，计算机程序包括计算机可执行指令，指令在被执行时用于实现如上的方法。
附图说明
[0018]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0019]图1示意性示出了根据本公开实施例的可以应用房价预测的方法、装置和电子设备的示例性系统架构；
[0020]图2示意性示出了根据本公开实施例的房价预测的方法的流程图；
[0021]图3示意性示出了根据本公开实施例的房价预测模型的结构示意图；
[0022]图4示意性示出了根据本公开实施例的损失函数的构成示意图；
[0023]图5示意性示出了根据本公开实施例的获取房产地址信息的流程图；
[0024]图6示意性示出了根据本公开实施例的进行文字提取的流程图；
[0025]图7示意性示出了根据本公开实施例的进行分词处理的流程图；
[0026]图8示意性示出了根据本公开实施例的房产地址精确匹配流程图；
[0027]图9示意性示出了根据本公开实施例的房价预测的装置的方框图；以及
[0028]图10示意性示出了根据本公开实施例的电子设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种由服务器端执行的房价预测的方法，包括：获取待评估房产的房产地址信息；基于所述房产地址信息获取针对所述待评估房产的第一价格特征以及所述待评估房产的参考房产的第二价格特征，所述第一价格特征包括第一价格预测特征和第一价格评价特征，所述第二价格特征包括第二价格预测特征和第二价格评价特征；以及将所述第一价格特征和所述第二价格特征输入经训练的房价预测模型，得到预测房价，其中，所述房价预测模型包括连接的参与子模型和评价子模型，所述参与子模型的输入包括所述第一价格预测特征、买卖操作和第一奖励，所述参与子模型的输出包括第一模型参数；所述评价子模型的输入包括所述第一价格特征、所述第二价格特征、所述第一模型参数、所述第一奖励和第二奖励，所述评价子模型的输出包括预测房价和第二模型参数；所述第一奖励是基于所述第一价格评价特征和利用所述第一模型参数处理所述第一价格预测特征得到的第一预估价格来确定的，所述第二奖励是基于所述第二价格评价特征和利用所述第一模型参数处理所述第二价格预测特征后得到的第二预估价格来确定的。2.根据权利要求1所述的方法，其中，所述房价预测模型包括公共网络和与所述公共网络分别相连的N个线程，其中，所述公共网络和所述N个线程各自的网络结构分别相同，所述N个线程中每个线程之间独立运行，所述公共网络包括所述参与子模型和所述评价子模型，N是大于1的整数。3.根据权利要求2所述的方法，其中，所述N个线程各自独立地使用累积的梯度分别更新所述公共网络的网络参数，并且所述N个线程在达到指定周期后将自身的网络参数更新为所述公共网络的网络参数。4.根据权利要求1至3任一项所述的方法，其中，所述房价预测模型的损失函数包括策略梯度损失、值残差和策略熵。5.根据权利要求1至3任一项所述的方法，其中，所述获取待评估房产的房产地址信息包括：将产证图像按照预设尺寸进行缩放，得到具有预设尺寸的待识别图像；获取所述待识别图像中的字符区域；从所述字符区域中获取与产证地址预设区域对应的待识别区域；以及对所述待识别区域进行文字提取，得到能够表征所述房产地址信息的字符串。6.根据权利要求5所述的方法，还包括：在得到所述字符串之后，从所述字符串中提取出关于地址的文字；以及基于预设字典对所述关于地址的文字进行分词存储，所述预设字典包括行政区、小区所在路牌、楼栋单元特征信息中至少一种。7.根据权利要求6所述的方法，其中，所述基于预设字典对所述关于地址的文字进行分词存储包括：利用所述预设字典使用正向最大匹配方法对字符串进行分词，获取第一分词集合；利用所述预设字典使用逆向最大匹配方法对字符串进行分词，获取第二分词集合；比较所述第一分词集合和所述第二分词集合，取集合中单字少的集合作为分词初步...
【专利技术属性】
技术研发人员：徐敏，黄文卿，姜力新，刘泊宁，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。