[发明专利]对象信息预测方法、装置、计算机设备和存储介质

权利要求书

1.一种对象信息预测方法，其特征在于，所述方法包括：

获取待预测对象的对象特征数据、区域标识和当前预测时间；所述待预测对象为房屋；所述对象特征数据至少包括所述房屋的建筑面积和套内面积；其中，获取所述待预测对象的对象特征数据，包括：展示对象信息预测页面，根据用户在所述对象信息预测页面输入或选择的对象标识和区域标识，查询存储有多个与对象标识和区域标识匹配的对象特征数据的数据库，得到所述待预测对象的对象特征数据；所述对象标识包括楼栋号和房间号；

确定与所述区域标识和所述当前预测时间均匹配的目标对象信息预测模型；所述目标对象信息预测模型包括多个决策树模型，每个决策树模型对应的对象特征组合不同；其中，每个对象信息预测模型匹配有对应的区域标识和基准预测时间，所述基准预测时间是指评估基准日；

分别将所述对象特征数据中与各个决策树模型的对象特征组合匹配的对象特征数据，输入到所述各个决策树模型，得到所述待预测对象的各个初始预测信息；

根据所述各个决策树模型对应的模型重要性参数，对所述待预测对象的各个初始预测信息进行融合处理，得到所述待预测对象的综合预测信息；所述各个决策树模型对应的模型重要性参数，根据所述各个决策树模型的训练数据的误差量中的中位数确定；所述融合处理为对所述待预测对象的各个初始预测信息进行加权求和处理；所述训练数据的误差量是指训练数据中的样本对象的初始预测信息和实际预测信息之间的差异的绝对值与该样本对象的实际预测信息之间的比值；

对所述综合预测信息进行修正，得到所述待预测对象的当前预测信息，将所述当前预测信息显示在所述对象信息预测页面上；

其中，所述对所述综合预测信息进行修正，得到所述待预测对象的当前预测信息，包括：

从预先训练的对象信息预测模型中，筛选出对应的区域标识与所述目标对象信息预测模型的区域标识相同，且对应的基准预测时间与所述目标对象信息预测模型的基准预测时间的上一个基准预测时间匹配的对象信息预测模型，作为所述目标对象信息预测模型的历史对象信息预测模型；将所述待预测对象的对象特征数据输入到所述历史对象信息预测模型中，得到所述待预测对象的历史综合预测信息；获取所述历史对象信息预测模型的重要性参数和所述目标对象信息预测模型的重要性参数；根据所述历史对象信息预测模型的重要性参数和所述目标对象信息预测模型的重要性参数，对所述历史对象信息预测模型输出的所述历史综合预测信息和所述目标对象信息预测模型输出的所述综合预测信息进行融合处理，得到融合处理后的综合预测信息，作为所述待预测对象的当前预测信息；其中，所述历史对象信息预测模型的重要性参数大于所述目标对象信息预测模型的重要性参数；所述预测信息是指房价信息；

其中，每个训练完成的对象信息预测模型通过以下方式训练得到：

获取同一个区域标识的样本对象的样本对象特征数据；每个样本对象的资源转移时间均位于已确定的基准预测时间之前的预设时间范围内；根据所述样本对象特征数据，得到多份决策树基准数据表；每份决策树基准数据表包含所述样本对象中的部分样本对象的目标对象特征数据，每份决策树基准数据表中的目标对象特征数据对应的对象特征组合不同；根据所述多份决策树基准数据表，构建多个决策树模型；确定各个决策树模型对应的误差量；根据所述各个决策树模型对应的误差量的中位数，确定所述各个决策树模型对应的模型重要性参数；根据所述各个决策树模型对应的模型重要性参数，对所述各个决策树模型进行融合处理，得到对应的对象信息预测模型。

2.根据权利要求1所述的方法，其特征在于，所述分别将所述对象特征数据中与各个决策树模型的对象特征组合匹配的对象特征数据，输入到所述各个决策树模型，得到所述待预测对象的各个初始预测信息，包括：

分别将所述对象特征数据中与各个决策树模型的对象特征组合匹配的对象特征数据，输入到所述各个决策树模型，得到所述各个决策树模型中对应的匹配节点；

根据所述各个决策树模型中的匹配节点的对象预测信息，得到所述待预测对象的各个初始预测信息。