去化周期的预测、去化周期预测模型的生成方法及装置与流程

技术特征：
1.一种去化周期的预测方法，其特征在于，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。2.根据权利要求1所述的预测方法，其特征在于，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。3.根据权利要求1所述的预测方法，其特征在于，所述去化周期预测模型为深度因子分解机模型。4.一种去化周期预测模型的生成方法，其特征在于，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。5.根据权利要求4所述的生成方法，其特征在于，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。6.根据权利要求5所述的生成方法，其特征在于，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。7.根据权利要求4所述的预测方法，其特征在于，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。8.根据权利要求4所述的生成方法，其特征在于，所述去化周期预测模型为深度因子分解机模型。9.一种去化周期的预测装置，其特征在于，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。10.根据权利要求9所述的预测装置，其特征在于，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。11.根据权利要求9所述的预测装置，其特征在于，所述去化周期预测模型为深度因子分解机模型。12.一种去化周期预测模型的生成装置，其特征在于，包括：第三获取模块，被配置为执行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；第二预测模块，被配置为执行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；训练模块，被配置为执行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。13.根据权利要求12所述的生成装置，其特征在于，所述第二预测模块，进一步被配置为执行：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。14.根据权利要求13所述的生成装置，其特征在于，所述训练模块，进一步被配置为执行：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。15.根据权利要求12所述的预测装置，其特征在于，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。16.根据权利要求12所述的生成方法，其特征在于，所述去化周期预测模型为深度因子分解机模型。17.一种电子设备，其特征在于，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如权利要求1-3中任一种所述的去化周期的预测方法，或者实现如权利要求4-8中任一种所述的去化周期预测模型的生成方法。18.一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-3中任一项所述的去化周期的预测方法，或者执行如权利要求4-8中任一种所述的去化周期预测模型的生成方法。19.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的去化周期的预测方法，或者实现如权利要求4-8中
任一种所述的去化周期预测模型的生成方法。

技术总结
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。更加准确地进行去化周期预测。更加准确地进行去化周期预测。


技术研发人员：吴秦明 覃鹏 袁媛 唐豪鸿 肖伟
受保护的技术使用者：建信金融科技有限责任公司
技术研发日：2021.11.22
技术公布日：2022/3/25