[发明专利]房价预测的方法、装置和电子设备

说明书

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。

技术领域

本公开涉及人工智能和金融技术领域，更具体地，涉及一种房价预测的方法、装置和电子设备。

背景技术

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。

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。

发明内容

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。

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。

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。

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。

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。

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。

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。

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。

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。