System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及数据处理领域,尤其涉及一种信息预测方法、电子设备及存储介质。
技术介绍
1、在房源买卖和租赁过程中,经纪人录入房源信息,并发布到相应的房网络平台,是房屋交易的一个重要环节。
2、现有技术中,经纪人录入房源信息时,需要收集大量的证据信息,并依据证据信息录入房源信息。
3、然而,依据证据信息录入房源信息的效率较低。
技术实现思路
1、本公开提供了一种信息预测方法、电子设备及存储介质。
2、根据本公开的一个方面,提供一种信息预测方法,包括:
3、响应于对目标房屋的目标数据的录入操作,从预设预测楼盘数据中获取所述目标房屋对应的房屋数据;所述预测楼盘数据是根据每个预设预测属性对应的历史房屋聚类包括的历史数据设置的;
4、使用所述房屋数据中所述录入操作对应的第一数据预测所述目标数据。
5、根据本公开的至少一个实施方式的信息预测方法,在所述从预设预测楼盘数据中获取所述目标房屋对应的房屋数据之前,还包括:
6、根据每个预测属性对应的历史房屋聚类包括的历史数据获取每个预测属性的预测数据;
7、根据所述预测数据更新预设初始楼盘数据,得到所述预测楼盘数据。
8、根据本公开的至少一个实施方式的信息预测方法,对于任一预测属性,所述根据每个预测属性对应的历史房屋聚类包括的历史数据获取每个预测属性的预测数据,包括:
9、获取该预测属性对应的属性特征;
10、从所述初始楼盘
11、使用预设聚类算法对所述特征数据进行聚类分析,得到该预测属性对应的历史房屋聚类;
12、根据每个历史房屋聚类包括的房屋的该预测属性的历史数据,获取每个历史房屋聚类包括的房屋的该预测属性的预测数据。
13、根据本公开的至少一个实施方式的信息预测方法,对于任一历史房屋聚类,所述获取每个历史房屋聚类包括的房屋的该预测属性的预测数据,包括:
14、获取该历史房屋聚类包括的房屋的该预测属性的历史数据;
15、分别获取每个历史数据的来源可信度,并根据每个历史数据的来源可信度获取该历史房屋聚类包括的房屋的该预测属性的预测数据;或者,根据所有历史数据中占比最高的数据获取该历史房屋聚类包括的房屋的该预测属性的预测数据。
16、根据本公开的至少一个实施方式的信息预测方法,对于任一历史数据,所述分别获取每个历史数据的来源可信度,包括:
17、根据预设评价指标获取该历史数据的评价值;
18、根据所述评价值和对应的评价系数获取该历史数据的来源可信度。
19、根据本公开的至少一个实施方式的信息预测方法,所述使用预设聚类算法对所述特征数据进行聚类分析,包括:
20、对所述特征数据分别进行向量化处理,得到特征向量;
21、使用预设聚类算法对所述特征向量进行聚类分析。
22、根据本公开的至少一个实施方式的信息预测方法,在所述使用预设聚类算法对所述特征数据进行聚类分析之前,还包括:
23、判断该预测属性的同类属性是否已经进行过聚类分析;
24、如果是,根据预先聚类分析的同类属性对应的历史房屋聚类获取该预测属性对应的历史房屋聚类;
25、否则,执行所述使用预设聚类算法对所述特征数据进行聚类分析步骤。
26、根据本公开的至少一个实施方式的信息预测方法,对于任一预测属性,所述根据每个预测属性对应的历史房屋聚类包括的历史数据获取每个预测属性的预测数据,包括:
27、从所述初始楼盘数据中获取该预测属性对应的初始数据的来源可信度;
28、判断该预测属性对应的初始数据中是否存在来源可信度大于预设阈值的数据;
29、如果存在,根据该预测属性对应的历史房屋聚类包括的历史数据获取每个预测属性的预测数据。
30、根据本公开的至少一个实施方式的信息预测方法,所述根据所述预测数据更新预设初始楼盘数据,包括:
31、判断所述预测数据是否符合预设规则;
32、根据符合规则的预测数据更新预设初始楼盘数据。
33、根据本公开的至少一个实施方式的信息预测方法,所述从预设预测楼盘数据中获取所述目标房屋对应的房屋数据,包括:
34、判断所述目标数据对应的属性是否属于所述预测属性;
35、如果属于,从预设预测楼盘数据中获取所述目标房屋对应的房屋数据。
36、根据本公开的另一个方面,提供一种信息预测方法,包括:
37、响应于对目标房屋的目标数据的录入操作,获取所述目标数据对应的目标属性;
38、获取所述目标属性对应的历史房屋聚类;
39、从所述历史房屋聚类中获取所述目标房屋所属的目标聚类;
40、使用所述目标聚类包括的历史数据中所述录入操作对应的第二数据预测所述目标数据。
41、根据本公开的至少一个实施方式的信息预测方法,所述获取所述目标属性对应的历史房屋聚类,包括:
42、获取所述目标属性对应的属性特征;
43、从预设初始楼盘数据中获取所述属性特征对应的特征数据;
44、使用预设聚类算法对所述特征数据进行聚类分析,得到该目标属性对应的历史房屋聚类。
45、根据本公开的至少一个实施方式的信息预测方法,所述使用所述目标聚类包括的历史数据中所述录入操作对应的第二数据预测所述目标数据,包括:
46、获取该目标聚类包括的房屋的目标属性的历史数据;
47、分别获取每个历史数据的来源可信度,并根据每个历史数据的来源可信度获取所述第二数据;或者,根据所有历史数据中占比最高的数据获取所述第二数据。
48、根据本公开的另一个方面,提供一种电子设备,包括:
49、存储器,所述存储器存储执行指令;
50、处理器,所述处理器执行所述存储器存储的执行指令,使得所述处理器执行本公开任一个实施方式的信息预测方法。
51、根据本公开的又一个方面,提供一种可读存储介质,所述可读存储介质中存储有执行指令,所述执行指令被处理器执行时用于实现本公开任一个实施方式的信息预测方法。
本文档来自技高网...【技术保护点】
1.一种信息预测方法,其特征在于,包括:
2.根据权利要求1所述的信息预测方法,其特征在于,在所述从预设预测楼盘数据中获取所述目标房屋对应的房屋数据之前,还包括:
3.根据权利要求2所述的信息预测方法,其特征在于,所述使用预设聚类算法对所述特征数据进行聚类分析,包括:
4.根据权利要求2所述的信息预测方法,其特征在于,在所述使用预设聚类算法对所述特征数据进行聚类分析之前,还包括:
5.根据权利要求2所述的信息预测方法,其特征在于,对于任一预测属性,所述根据每个预测属性对应的历史房屋聚类包括的历史数据获取每个预测属性的预测数据,包括:
6.根据权利要求2所述的信息预测方法,其特征在于,所述根据所述预测数据更新预设初始楼盘数据,包括:
7.根据权利要求1或2所述的信息预测方法,其特征在于,所述从预设预测楼盘数据中获取所述目标房屋对应的房屋数据,包括:
8.一种信息预测方法,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种可读存储介质,其特征在于,所述可读存储
...【技术特征摘要】
1.一种信息预测方法,其特征在于,包括:
2.根据权利要求1所述的信息预测方法,其特征在于,在所述从预设预测楼盘数据中获取所述目标房屋对应的房屋数据之前,还包括:
3.根据权利要求2所述的信息预测方法,其特征在于,所述使用预设聚类算法对所述特征数据进行聚类分析,包括:
4.根据权利要求2所述的信息预测方法,其特征在于,在所述使用预设聚类算法对所述特征数据进行聚类分析之前,还包括:
5.根据权利要求2所述的信息预测方法,其特征在于,对于任一预测属性,所述根据每个预测属性对应的历史房屋聚类包括的历史...
【专利技术属性】
技术研发人员:于海洋,
申请(专利权)人:贝壳找房北京科技有限公司,
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。