针对预测成交价格的说明信息获取方法及设备与流程

本公开涉及计算机，尤其涉及一种针对预测成交价格的说明信息获取方法及设备。

背景技术：

1、在房源交易场景中，房产经纪人通常借助房源估价模型获取目标房源的预测成交价格，以支持与客户的沟通与议价。然而，相关技术中往往仅输出单一的价格数值，缺乏对预测成交价格的可解释性支持，难以说明该预测成交价格是如何形成的。因此，目前亟需一种能够生成用于解释预测成交价格的说明信息的方式，以满足房产经纪人在实际业务中的需求。

技术实现思路

1、本公开提供了一种针对预测成交价格的说明信息获取方法及设备。

2、本公开实施例的一方面提供了一种针对预测成交价格的说明信息获取方法，所述方法包括：

3、获取目标房源的房源数据及参考房源的房源数据，所述房源数据指示对应的房源在多个特征维度的特征，所述目标房源的房源数据与所述参考房源的房源数据满足预设相似度条件；

4、基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源在每个特征维度上对应的特征贡献值；其中，所述特征贡献值指示与所述参考房源相比，所述目标房源在所述特征维度对所述目标房源的预测成交价格的影响；

5、基于所述多个特征维度分别对应的特征贡献值，生成用于解释所述预测成交价格的说明信息。

6、本公开实施例的另一方面提供了一种针对预测成交价格的说明信息获取装置，包括：

7、获取模块，用于获取目标房源的房源数据及参考房源的房源数据，所述房源数据指示对应的房源在多个特征维度的特征，所述目标房源的房源数据与所述参考房源的房源数据满足预设相似度条件；

8、处理模块，用于基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源在每个特征维度上对应的特征贡献值；其中，所述特征贡献值指示与所述参考房源相比，所述目标房源在所述特征维度对所述目标房源的预测成交价格的影响；

9、生成模块，用于基于所述多个特征维度分别对应的特征贡献值，生成用于解释所述预测成交价格的说明信息。

10、在一些实施例中，所述多个特征维度包括多个第一特征维度和第二特征维度，所述第一特征维度用于表示对应房源的单一属性，所述第二特征维度用于表示对应房源的复合属性；所述生成模块，用于基于所述第二特征维度所关联的多个第三特征维度分别对应的权重，将所述第二特征维度对应的特征贡献值分配给每个第三特征维度，得到所述每个第三特征维度对应的分配值，所述第三特征维度为所述第二特征维度所表示的复合属性中各个单一属性分别对应的第一特征维度；将所述第三特征维度对应的特征贡献值与对应的分配值之和，确定为所述第三特征维度更新后的特征贡献值；基于所述第三特征维度更新后的特征贡献值及第四特征维度对应的特征贡献值构建所述说明信息，所述第四特征维度为所述多个第一特征维度中除所述第三特征维度以外的特征维度。

11、在一些实施例中，所述参考房源包括多个；所述处理模块，还用于对于每个参考房源，基于所述目标房源的房源数据及其余参考房源的房源数据，对所述参考房源的房源数据进行处理，得到所述参考房源在所述每个特征维度上对应的特征贡献值；对于每个第三特征维度，确定多个参考房源在所述第三特征维度上对应的特征贡献值的平均值；确定所述多个第三特征维度分别对应的平均值的和值；将所述第三特征维度对应的平均值与所述和值的比值，确定为所述第三特征维度对应的权重。

12、在一些实施例中，所述处理模块，用于通过解释模型，基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源在每个特征维度上对应的特征贡献值；所述预测成交价格通过所述解释模型得到。

13、在一些实施例中，所述处理模块，还用于通过所述解释模型，对所述目标房源的房源数据进行处理，得到所述目标房源的预测成交价格。

14、在一些实施例中，所述解释模型为决策树模型，所述决策树模型包括多个决策树，每个决策树包括所述多个特征维度中至少一个特征维度对应的判断节点；所述处理模块，用于通过所述解释模型中的所述每个决策树，对所述目标房源的房源数据进行处理，得到所述每个决策树对应的输出值；将所述解释模型对应的价格基准值及所述多个决策树分别对应的输出值之和，确定为所述目标房源的预测成交价格。

15、在一些实施例中，所述处理模块，用于通过所述解释模型，基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源的预测成交价格及所述目标房源在所述每个特征维度上对应的特征贡献值。

16、在一些实施例中，所述处理模块，用于通过所述解释模型，基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到价格基准值及所述目标房源在每个特征维度上对应的特征贡献值；将所述价格基准值与所述目标房源在每个特征维度上对应的特征贡献值之和，确定为所述目标房源的预测成交价格。

17、在一些实施例中，所述目标房源及所述参考房源均为未成交的房源；所述装置还包括：

18、所述获取模块，还用于获取样本房源的房源数据及所述样本房源的预测成交价格，所述样本房源为未成交的房源，所述样本房源的预测成交价格为所述样本房源的标价与成交折扣率的乘积，所述成交折扣率由预测模型基于所述样本房源的房源数据预测得到，所述预测模型是基于已成交房源的房源数据及所述已成交房源的成交折扣率训练得到，所述成交折扣率为所述已成交房源的成交价格与标价的比值；

19、训练模块，用于基于所述样本房源的房源数据及所述样本房源的预测成交价格，对所述解释模型进行训练。

20、在一些实施例中，所述预设相似度条件包括以下至少一项：

21、所述目标房源的房源数据与所述参考房源的房源数据之间的相似度大于第一阈值；

22、所述目标房源在目标特征维度上的特征与所述参考房源在所述目标特征维度上的特征之间的相似度大于第二阈值。

23、本公开实施例的再一方面提供了一种电子设备，该电子设备包括：处理器和存储器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，所述处理器执行上述的针对预测成交价格的说明信息获取方法。

24、本公开实施例的再一方面提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，当该计算机程序被处理器执行时，可以实现上述的针对预测成交价格的说明信息获取方法。

25、本公开实施例的再一方面提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的针对预测成交价格的说明信息获取方法。

1.一种针对预测成交价格的说明信息获取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述多个特征维度包括多个第一特征维度和第二特征维度，所述第一特征维度用于表示对应房源的单一属性，所述第二特征维度用于表示对应房源的复合属性；所述基于所述多个特征维度分别对应的特征贡献值，生成用于解释所述预测成交价格的说明信息，包括：

3.根据权利要求2所述的方法，其特征在于，所述参考房源包括多个；所述基于所述第二特征维度所关联的多个第三特征维度分别对应的权重，将所述第二特征维度对应的特征贡献值分配给每个第三特征维度，得到所述每个第三特征维度对应的分配值之前，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源在每个特征维度上对应的特征贡献值，包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述解释模型为决策树模型，所述决策树模型包括多个决策树，每个决策树包括所述多个特征维度中至少一个特征维度对应的判断节点；所述通过所述解释模型，对所述目标房源的房源数据进行处理，得到所述目标房源的预测成交价格，包括：

7.根据权利要求4所述的方法，其特征在于，所述通过解释模型，基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源在每个特征维度上对应的特征贡献值，包括：

8.根据权利要求7所述的方法，其特征在于，所述通过所述解释模型，基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源的预测成交价格及所述目标房源在所述每个特征维度上对应的特征贡献值，包括：

9.根据权利要求4所述的方法，其特征在于，所述目标房源及所述参考房源均为未成交的房源；所述通过解释模型，基于所述参考房源的房源数据，对所述目标房源的房源数据进行处理，得到所述目标房源在每个特征维度上对应的特征贡献值之前，所述方法还包括：

10.一种电子设备，其特征在于，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现如权利要求1至9中任一所述的针对预测成交价格的说明信息获取方法。