基于多层感知器的房价指数的显示方法、装置以及设备制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于多层感知器的房价指数的显示方法，包括：获取房屋交易数据；按照预设的特征提取方式，从房屋交易数据中提取出每个房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值；基于每个房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值对预设的目标多层感知器进行训练：从训练完成的目标多层感知器中提取出目标模型参数；根据目标模型参数计算出每一期时间对应的房价指数，并在交互界面显示房价指数。可见，本发明专利技术能够实现对建筑特征、房屋成交时间和房屋成交价格之间的关系的非线性拟合，从而使得在交互界面上所显示的房价指数更加准确。更加准确。更加准确。

【技术实现步骤摘要】
基于多层感知器的房价指数的显示方法、装置以及设备


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于多层感知器的房价指数的显示方法、装置、计算机设备以及存储介质。

技术介绍

[0002]房价指数是一种能够反映房屋价格变动情况的数据。随着计算机技术的发展，利用计算机技术计算出房价指数，然后在计算机的交互界面显示计算出的房价指数，以辅助用户进行房价的分析，已成为一种常见的技术手段。目前，在利用计算机技术计算房价指数时，较为成熟的能够使用计算机技术实现的房价指数的计算方法有成本投放法、中位数价格法、重复交易法和特征价格法等。其中，通过计算机技术实现的特征价格法认为房价是由多种特征决定，通过将价格影响因素分解，保留与时间显著相关的因素，就能得到反映房屋价格变动情况的房价指数。具体地，计算机技术实现的特征价格法通过对房屋价格和房屋品质特征、房屋时间特征之间的关系进行建模，然后根据房屋时间特征前的系数即能够计算出最终的房价指数。目前的计算机技术实现的特征价格法通常通过使用计算机技术进行回归分析来进行对房屋价格和房屋品质特征、房屋时间特征之间的关系进行建模，即通过线性拟合的方式来拟合房屋价格和房屋品质特征、房屋时间特征之间的关系。然而，实际情况中，房屋价格和房屋品质特征、房屋时间特征之间的关系往往并不能通过线性关系准确地刻画出来，这种因为非线性关系产生的拟合误差将会影响到房屋时间特征前的系数的准确度，从而导致计算机最终计算出的房价指数的失真，继而导致在交互界面上显示的房价指数的准确度下降。可见，目前的房价指数的显示方法所显示的房价指数的准确度仍有进一步提升的空间。

技术实现思路

[0003]本专利技术所要解决的技术问题在于，目前的房价指数的显示方法所显示的房价指数的准确度不高。
[0004]为了解决上述技术问题，本专利技术第一方面公开了一种基于多层感知器的房价指数的显示方法，所述方法包括：
[0005]获取房屋交易数据，其中，所述房屋交易数据中记录有多个房屋交易案例中成交的房屋的建筑特征、房屋成交时间和房屋成交价格；
[0006]按照预设的基于关键字匹配的特征提取方式，从所述房屋交易数据中提取出每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值；
[0007]基于每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值对预设的目标多层感知器进行训练，其中，训练完成的所述目标多层感知器用于拟合以下房价公式：
[0008][0009]其中，P为单个房屋交易案例中的成交价格值，X
n
为单个房屋交易案例中的第n个房屋特征向量，α
n
为单个房屋交易案例中的第n个房屋特征向量对应的房屋特征系数，O
t
为单个房屋交易案例中第t期时间的时间哑元向量，β
t
为单个房屋交易案例中第t期时间的时间哑元向量对应的时间哑元系数，N为单个房屋交易案例中房屋特征向量的总数量，T为单个房屋交易案例中交易时间的总期数，C为预设的常数项，ε为随机误差变量；
[0010]从训练完成的所述目标多层感知器中提取出目标模型参数，其中，所述目标模型参数是指所述目标多层感知器中与所述房价公式中的时间哑元系数相关的模型参数；
[0011]根据所述目标模型参数计算出每一期时间对应的房价指数，并在交互界面显示所述房价指数。
[0012]本专利技术第二方面公开了一种基于多层感知器的房价指数的显示装置，所述装置包括：
[0013]获取模块，用于获取房屋交易数据，其中，所述房屋交易数据中记录有多个房屋交易案例中成交的房屋的建筑特征、房屋成交时间和房屋成交价格；
[0014]提取模块，用于按照预设的基于关键字匹配的特征提取方式，从所述房屋交易数据中提取出每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值；
[0015]训练模块，用于基于每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值对预设的目标多层感知器进行训练，其中，训练完成的所述目标多层感知器用于拟合以下房价公式：
[0016][0017]其中，P为单个房屋交易案例中的成交价格值，X
n
为单个房屋交易案例中的第n个房屋特征向量，α
n
为单个房屋交易案例中的第n个房屋特征向量对应的房屋特征系数，O
t
为单个房屋交易案例中第t期时间的时间哑元向量，β
t
为单个房屋交易案例中第t期时间的时间哑元向量对应的时间哑元系数，N为单个房屋交易案例中房屋特征向量的总数量，T为单个房屋交易案例中交易时间的总期数，C为预设的常数项，ε为随机误差变量；
[0018]所述提取模块，还用于从训练完成的所述目标多层感知器中提取出目标模型参数，其中，所述目标模型参数是指所述目标多层感知器中与所述房价公式中的时间哑元系数相关的模型参数；
[0019]显示模块，用于根据所述目标模型参数计算出每一期时间对应的房价指数，并在交互界面显示所述房价指数。
[0020]本专利技术第三方面公开了一种计算机设备，所述计算机设备包括：
[0021]存储有可执行程序代码的存储器；
[0022]与所述存储器连接的处理器；
[0023]所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术第一方面公开的基于多层感知器的房价指数的显示方法中的部分或全部步骤。
[0024]本专利技术第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本专利技术第一方面公开的基于多层感知器的房价指数的显示方法中的部分或全部步骤。
[0025]本专利技术实施例中，获取房屋交易数据，从房屋交易数据中提取出每个房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值，基于每个房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值对预设的目标多层感知器进行训练，从训练完成的目标多层感知器中提取出目标模型参数，最后根据目标模型参数计算出每一期时间对应的房价指数，并在交互界面显示房价指数。通过对目标多层感知器的训练来拟合建筑特征、房屋成交时间和房屋成交价格之间的关系，从而能够实现对建筑特征、房屋成交时间和房屋成交价格之间的关系的非线性拟合，能够更准确地描述出真实的建筑特征、房屋成交时间和房屋成交价格之间的关系，进而使拟合出的房价公式中的各项系数的准确度更高，提高最终根据各项系数计算出的房价指数的准确度，使得在交互界面上所显示的房价指数更加准确。
附图说明
[0026]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1是本专利技术实施例公开的一种基于多层感知器的房价指数的显示方法的流程示意图；
[0028]图2是本专利技术实施例中的目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多层感知器的房价指数的显示方法，其特征在于，所述方法包括：获取房屋交易数据，其中，所述房屋交易数据中记录有多个房屋交易案例中成交的房屋的建筑特征、房屋成交时间和房屋成交价格；按照预设的基于关键字匹配的特征提取方式，从所述房屋交易数据中提取出每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值；基于每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值对预设的目标多层感知器进行训练，其中，训练完成的所述目标多层感知器用于拟合以下房价公式：其中，P为单个房屋交易案例中的成交价格值，X
n
为单个房屋交易案例中的第n个房屋特征向量，α
n
为单个房屋交易案例中的第n个房屋特征向量对应的房屋特征系数，O
t
为单个房屋交易案例中第t期时间的时间哑元向量，β
t
为单个房屋交易案例中第t期时间的时间哑元向量对应的时间哑元系数，N为单个房屋交易案例中房屋特征向量的总数量，T为单个房屋交易案例中交易时间的总期数，C为预设的常数项，ε为随机误差变量；从训练完成的所述目标多层感知器中提取出目标模型参数，其中，所述目标模型参数是指所述目标多层感知器中与所述房价公式中的时间哑元系数相关的模型参数；根据所述目标模型参数计算出每一期时间对应的房价指数，并在交互界面显示所述房价指数。2.根据权利要求1所述的基于多层感知器的房价指数的显示方法，其特征在于，所述目标多层感知器包括一层房屋特征输入层、一层隐藏层、一层linear层和一层线性层，其中，所述房屋特征向量从所述房屋特征输入层输入至所述目标多层感知器，然后经过所述隐藏层后输入至所述linear层，所述时间哑元向量直接输入至所述隐藏层，所述linear层结合所述隐藏层的输出和所述时间哑元向量后连接至所述线性层，所述线性层最终输出所述成交价格值。3.根据权利要求2所述的基于多层感知器的房价指数的显示方法，其特征在于，所述目标模型参数为所述linear层中直接接受所述时间哑元向量的输入的神经元的系数。4.根据权利要求1
‑
3任一项所述的基于多层感知器的房价指数的显示方法，其特征在于，所述根据所述目标模型参数计算出每一期时间对应的房价指数，包括：通过以下公式计算出每一期时间对应的房价指数：其中，Index
t
为第t期时间对应的房价指数，为与所述房价公式中第t期时间的时间哑元系数相关的目标模型参数，为与所述房价公式中预先选定的基期时间的时间哑元系数相关的目标模型参数。5.根据权利要求1
‑
3任一项所述的基于多层感知器的房价指数的显示方法，其特征在
于，所述按照预设的基于关键字匹配的特征提取方式，从所述房屋交易数据中提取出每个所述房屋交易案例对应的房屋特征向量、时间哑元向量和成交价格值，包括：通过关键字匹配的方式，从所述房屋交易数据中提取出每个所述房屋交易案例对应的房屋特征数据、房屋成交时间数据和成交价格值；对每个所述房屋交易案例对应的房屋特征数据执行预设的特征归一化操作，以得到...

【专利技术属性】
技术研发人员：张开元，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：