一种基于大数据分析的信用评估系统技术方案

本发明专利技术属于房源信用等级评估领域，具体公开提供的一种基于大数据分析的信用评估系统，该系统包括通过目标房源的历史维修记录和环境设施，了解目标房源的质量状况，综合分析房屋质量对应的信用等级影响系数，避免租户租赁到低质量房源

【技术实现步骤摘要】
一种基于大数据分析的信用评估系统


[0001]本专利技术属于房源信用等级评估领域，涉及到一种基于大数据分析的信用评估系统
。

技术介绍

[0002]随着城市化进程的加快，租赁市场规模不断扩大，在庞大的租赁市场中，房源信用等级评估可以为租户提供参考和保障，以及提高租赁市场的透明度和公平性，进而促进租赁市场的健康发展
。
另一方面，租房是个长期性的合同关系，租房过程中存在租金拖欠
、
房屋质量问题等风险，通过对房源信用进行评估，可以提前了解房主的信用状况，从而帮助租户避免租赁风险，降低租赁纠纷的发生
。
[0003]目前现有对房源租赁信用等级进行评估的方式在数据可靠性方面存在不足，具体体现在以下方面：
1、
现有技术主要基于房屋位置和设备信息对房源信用等级进行评估，缺乏对房源历史租赁信息的分析
。
历史租赁信息包括租户的实际租期偏差
、
押金退还记录等，这些信息能更准确地反映出房源的租赁质量，并且及时反映出房源隐藏的租赁风险，对于评估租客的信用等级具有重要作用，故而缺乏对房源历史租赁信息的分析，可能导致租户无法及时发现房主的不良记录，进而导致对房屋信用等级的评估不准确
。
[0004]2、
现有技术对房源信用评估单纯关注房源本身，缺乏对房主行为信息进行分析，房主行为直接关系到租户的租房体验和合同履行情况
。
例如，房主是否按时维护和修理房屋，是否积极解决租户问题等，这些行为能够直接影响租户对房主的信任程度，故而没有对房主行为信息进行分析，会使得租房信用评估结果无法全面反映出房源的维护和服务质量，从而影响租户的决策
。

技术实现思路

[0005]鉴于此，为解决上述
技术介绍
中所提出的问题，现提出一种基于大数据分析的信用评估系统
。
[0006]本专利技术的目的可以通过以下技术方案实现：本专利技术提供一种基于大数据分析的信用评估系统，该系统包括：目标房源确定获取模块，用于获取租户需求信息，进而从云端平台中筛选目标房源
。
[0007]房屋质量评估模块，用于获取目标房源的各次历史维修记录，据此分析房屋质量对应的信用等级影响系数
。
[0008]房主行为评估模块，用于获取目标房源的房主各次历史服务行为记录，对房主行为影响因子进行评估，并结合房主个人信息，分析房主行为对应的信用等级影响系数
。
[0009]合约履行记录分析模块，用于获取目标房源的各次历史租赁记录，历史租赁记录包括租赁合同开始日期和租赁合同结束日期
、
实际履行日期
、
押金退还记录，据此分析历史租赁记录对应的信用等级影响系数
。
[0010]目标房源信用评价模块，用于评估目标房源的综合信用指数，据此评估目标房源
的信用等级
。
[0011]具体地，所述筛选目标房源的筛选方式为：提取租户需求信息中的各标签，记为租户需求信息标签集
。
[0012]获取云端平台中的各房源对应各标签，结合租户需求信息，计算得到各房源对应各标签的匹配权重，各房源对应各标签的匹配权重包括各房源对应租金范围标签的匹配权重
、
各房源对应人员组成标签的匹配权重
、
各房源对应环境设施标签的匹配权重
。
[0013]对各房源对应各标签的匹配权重进行汇总得到各房源对应标签集的综合匹配度，筛选出综合匹配度最大值，将综合匹配度最大值对应的房源记为目标房源
。
[0014]具体地，所述租户需求信息包括租户对房屋的期望租金范围和期望支付方式
、
租户对房屋的期望布设结构
、
租户对房屋的期望位置和期望空间大小
、
以及各必要设备和各附加设备
。
[0015]维修记录包括维修项目种类
、
维修费用以及维修时间记录
。
[0016]其中，维修时间记录包括维修申请时间和维修结束时间
。
[0017]具体地，所述房屋质量对应的信用等级影响系数相应分析方式为：从各房源对应环境设施标签的匹配权重中提取目标房源对应环境设施标签的匹配权重，记为
δ
'。
[0018]基于目标房源的各次维修记录分析目标房源的历史维修频率和维修项目影响因子，分别记为
ψ
、J。
[0019]获取目标房源在平台的出租注册年限
W
，据此分析房屋质量对应的信用等级影响系数
W'
为设定的单位年限，
δ0为环境设施标签的匹配权重预设值，
l
为设定的房屋质量信用等级影响系数偏差补偿值
,
ψ
'
为设定的参照维修频率
。
[0020]具体地，所述目标房源对应环境设施标签的匹配权重计算方法为：从云端平台中提取各房源的房屋信息，房屋信息包括房屋位置
、
空间大小
、
布设结构
、
以及配套设备，并从租户需求信息中提取租户对房屋的期望位置和期望空间大小，计算得到各房源空间属性匹配度
η
i
，
i
为房源编号，
i
＝
1,2,...,m。
[0021]基于各房源的房屋信息得到各房源对应环境设施标签包含的各设备，并从租户需求信息中提取各必要设备和各附加设备，对比得到各房源对应的必要设备匹配数量和附加设备匹配数量，分别记为
d
i
、d
i
'。
[0022]从租户需求信息中提取租户对房屋的期望布设结构，布设结构包括采光方向和房间划分数量，将其与各房源的布设结构进行对比，得到各房屋的布设结构匹配度
γ
i
。
[0023]计算各房源对应环境设施标签的匹配权重
δ3i
，其中，
D
为租户需求信息中的必要设备和附加设备求和总数，分别为必要设备
、
附加设定对应的设定影响占比，
β
1、
β
2、
β3分别为空间属性匹配度
、
设备包含数量和布设结构匹配度对应的设定占比，进而提取得到目标房源对应环境设施标签的匹配权重
δ
'。
[0024]具体地，所述对房主行为影响因子进行评估的评估方式为：从云端平台中提取目
标房源的各次历史服务行为记录，历史服务行为记录包括历史租户的评价反馈文本记录和沟通交流文本记录
。
[0025]基于各历史租户的评价反馈文本记录得到各历史租户的评价文本内容，对各历史租户的评价文本内容进行关键词分析，计算各历史租户评价反馈对应的好评度
E
j
，
j
为历史租户编本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据分析的信用评估系统，其特征在于，该系统包括：目标房源确定获取模块，用于获取租户需求信息，进而从云端平台中筛选目标房源；房屋质量评估模块，用于获取目标房源的各次历史维修记录，据此分析房屋质量对应的信用等级影响系数；房主行为评估模块，用于获取目标房源的房主各次历史服务行为记录，对房主行为影响因子进行评估，并结合房主个人信息，分析房主行为对应的信用等级影响系数；合约履行记录分析模块，用于获取目标房源的各次历史租赁记录，历史租赁记录包括租赁合同开始日期和租赁合同结束日期
、
实际履行日期
、
押金退还记录，据此分析历史租赁记录对应的信用等级影响系数；目标房源信用评价模块，用于评估目标房源的综合信用指数，据此评估目标房源的信用等级
。2.
根据权利要求1所述的一种基于大数据分析的信用评估系统，其特征在于：所述筛选目标房源的筛选方式为：提取租户需求信息中的各标签，记为租户需求信息标签集；获取云端平台中的各房源对应各标签，结合租户需求信息，计算得到各房源对应各标签的匹配权重，各房源对应各标签的匹配权重包括各房源对应租金范围标签的匹配权重
、
各房源对应人员组成标签的匹配权重
、
各房源对应环境设施标签的匹配权重；对各房源对应各标签的匹配权重进行汇总得到各房源对应标签集的综合匹配度，筛选出综合匹配度最大值，将综合匹配度最大值对应的房源记为目标房源
。3.
根据权利要求2所述的一种基于大数据分析的信用评估系统，其特征在于：所述租户需求信息包括租户对房屋的期望租金范围和期望支付方式
、
租户对房屋的期望布设结构
、
租户对房屋的期望位置和期望空间大小
、
以及各必要设备和各附加设备；维修记录包括维修项目种类
、
维修费用以及维修时间记录；其中，维修时间记录包括维修申请时间和维修结束时间
。4.
根据权利要求2所述的一种基于大数据分析的信用评估系统，其特征在于：所述房屋质量对应的信用等级影响系数相应分析方式为：从各房源对应环境设施标签的匹配权重中提取目标房源对应环境设施标签的匹配权重，记为
δ
'
；基于目标房源的各次维修记录分析目标房源的历史维修频率和维修项目影响因子，分别记为
ψ
、J
；获取目标房源在平台的出租注册年限
W
，据此分析房屋质量对应的信用等级影响系数
W'
为设定的单位年限，
δ0为环境设施标签的匹配权重预设值，
l
为设定的房屋质量信用等级影响系数偏差补偿值
,
ψ
'
为设定的参照维修频率
。5.
根据权利要求4所述的一种基于大数据分析的信用评估系统，其特征在于：所述目标房源对应环境设施标签的匹配权重计算方法为：从云端平台中提取各房源的房屋信息，房屋信息包括房屋位置
、
空间大小
、
布设结构
、
以及配套设备，并从租户需求信息中提取租户对房屋的期望位置和期望空间大小，计算得
到各房源空间属性匹配度
η
i
，
i
为房源编号，
i
＝
1,2,
…
,m
；基于各房源的房屋信息得到各房源对应环境设施标签包含的各设备，并从租户需求信息中提取各必要设备和各附加设备，对比得到各房源对应的必要设备匹配数量和附加设备匹配数量，分别记为
d
i
、d
i
'
；从租户需求信息中提取租户对房屋的期望布设结构，布设结构包括采光方向和房间划分数量，将其与各房源的布设结构进行对比，得到各房屋的布设结构匹配度
γ
i
；计算各房源对应环境设施标签的匹配权重
δ3i
，其中，
D
为租户需求信息中的必要设备和附加设备求和总数，分别为必要设备
、
附加设定对应的设定影响占比，
β
1、
β
2、
β3分别为空间属性匹配度
、
设备包含数量和布设结构匹配度对应的设定占比，进而提取得到目标房源对应环境设施标签的匹配权重
δ
'。6.

【专利技术属性】
技术研发人员：水新莹，郭章森，柏耀明，詹翔，蓝娟，
申请(专利权)人：惠国征信服务股份有限公司，
类型：发明
国别省市：