[发明专利]去化周期的预测、去化周期预测模型的生成方法及装置

说明书

本公开关于一种去化周期的预测、去化周期预测模型的生成方法及装置，属于大数据智能分析技术技术领域。其中，该去化周期的预测方法包括：获取待预测住房的特征数据，根据特征数据确定待预测住房的环境资源类型，根据环境资源类型获取对应的去化周期预测模型，将特征数据输入至去化周期预测模型，得到待预测住房的去化周期。能够适应住房的特征数据的动态变化，更加准确地进行去化周期预测。

技术领域

本公开涉及大数据智能分析技术领域，尤其涉及一种去化周期的预测、去化周期预测模型的生成方法及装置。

背景技术

房地产业中去化周期作为一个重要参数用于反映一个地方的房屋的供需程度。一个地方的去化周期短，房屋供给短缺，一个地方的去化周期长，说明该地供过于求。

相关技术中，多依赖领域专家通过对各个区域一定时间内住房的相关数据及相关影响因子进行加权计算获取该区域住房的去化周期，然而，随着社会及房地产业的不断发展，各项影响因子的比重不断变化，如何适应动态变化，更加准确地进行去化周期预测成为该领域亟待解决的问题。

发明内容

本公开提供一种去化周期的预测、去化周期预测模型的生成方法及装置，以至少解决相关技术中难以适应动态变化，无法更加准确地进行去化周期预测的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种去化周期的预测方法，包括：获取待预测住房的特征数据；根据所述特征数据确定所述待预测住房的环境资源类型；根据所述环境资源类型获取对应的去化周期预测模型；将所述特征数据输入至所述去化周期预测模型，得到所述待预测住房的去化周期。

在本公开的一个实施例中，所述特征数据包括以下至少一种：住房信息、网签信息、城市信息、区域信息和人口数据。

在本公开的一个实施例中，所述去化周期预测模型为深度因子分解机模型。

根据本公开实施例的第二方面，提供了一种去化周期预测模型的生成方法，包括：获取样本住房的样本特征数据和实际去化周期，并根据所述样本特征数据确定所述样本住房的环境资源类型；将所述样本特征数据输入至待训练的去化周期预测模型，得到所述样本住房的样本去化周期；根据所述实际去化周期和所述样本去化周期对所述待训练的去化周期预测模型进行训练，得到所述环境资源类型对应的去化周期预测模型。

在本公开的一个实施例中，所述将所述样本特征数据输入至待训练的去化周期预测模型，得到所述样本住房的样本去化周期，包括：将所述样本特征数据划分为多个分片样本特征数据；将所述分片样本特征数据输入至对应工作节点的待训练的去化周期预测模型，得到所述样本住房的样本去化周期。

在本公开的一个实施例中，所述根据所述实际去化周期和所述样本去化周期对所述待训练的去化周期预测模型进行训练，得到所述去化周期预测模型，包括：将多个所述工作节点输出的分片梯度输入至参数服务器，所述分片梯度根据所述实际去化周期和所述样本去化周期得到；获取所述参数服务器输出的调整后的模型参数，所述模型参数根据多个所述分片梯度得到；根据所述调整后的模型参数生成所述去化周期预测模型。

在本公开的一个实施例中，所述样本特征数据包括以下至少一种：样本住房信息、样本网签信息、样本城市信息、样本区域信息和样本人口数据。

在本公开的一个实施例中，所述去化周期预测模型为深度因子分解机模型。

根据本公开实施例的第三方面，提供一种去化周期的预测装置，包括：第一获取模块，被配置为执行获取待预测住房的特征数据；确定模块，被配置为执行根据所述特征数据确定所述待预测住房的环境资源类型；第二获取模块，被配置为执行根据所述环境资源类型获取对应的去化周期预测模型；第一预测模块，被配置为执行将所述特征数据输入至所述去化周期预测模型，得到所述待预测住房的去化周期。

在本公开的一个实施例中，所述特征数据包括以下至少一种：住房信息、网签信息、城市信息、区域信息和人口数据。