房源处理方法、装置、终端设备以及存储介质与流程

1.本技术涉及信息处理技术领域，尤其涉及一种房源处理方法、装置、终端设备以及存储介质。


背景技术：

2.随着科学技术的发展，人们能够很方便的在网上浏览各种房源的信息进行购房租房。
3.由于人们的竞争和逐利，许多房地产公司和中介等为了吸引客户，发布一些不实的、虚假的房源来欺骗客户。但是，通过客户或者是专业评估人员，对于房源信息的真实性评估，通常都带有主观推断，评估的有效性较低；同时，这些房源信息也会不断的发布到各平台上，真假混乱，也即，房源信息的真实性低，导致客户不再愿意信任这些房源信息。


技术实现要素：

4.本技术的主要目的在于提供一种房源处理方法、装置、终端设备以及存储介质，旨在解决房源的处理问题，避免出现虚假房源，提高房地产市场的房源真实性。
5.为实现上述目的，本技术提供一种房源处理方法，所述房源处理方法包括：获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。
6.可选地，所述将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果的步骤之前，还包括：创建所述评估模型，具体包括：获取预先设定的基础数据库；对所述基础数据库中的数据进行标注，得到基础属性；创建所述逻辑回归模型，得到初始评估模型；基于所述基础数据库以及所述基础属性，对所述初始评估模型进行训练，得到训练后的评估模型。
7.可选地，所述基于所述基础数据库以及所述基础属性，对所述初始评估模型进行训练，得到训练后的评估模型的步骤包括：将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；将所述数据特征与所述基础属性进行对比，得到对比结果；将所述对比结果带入预设的损失函数进行计算，得到目标损失参数；将所述目标损失参数回传到所述初始评估模型中，对所述初始评估模型中的参数
进行更新；并返回步骤：将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；以此循环，进行参数迭代，直到所述初始评估模型收敛，终止训练，得到训练后的评估模型。
8.可选地，所述对所述基础数据库中的数据进行标注，得到基础属性的步骤包括：将所述基础数据库中的数据进行清洗，得到真实数据；针对所述真实数据，进行标注，得到所述基础属性。
9.可选地，所述基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理的步骤包括：将所述目标房源信息以及所述评估结果进行计算，得到计算结果；基于所述计算结果、预设评估阈值以及预设初始分数，对所述目标房源进行评分，得到所述目标房源的分数；根据所述目标房源的分数，进行奖励或处罚。
10.可选地，所述基于所述计算结果以及预设评估阈值，对所述目标房源进行评分，得到评分后的目标房源的步骤包括：判断所述计算结果是否小于所述预设评估阈值；若所述计算结果小于所述预设评估阈值，则按照预设的递增规则，基于所述初始分数对所述目标房源的分数进行加分，得到所述评分后的目标房源；若所述计算结果大于或等于所述预设评估阈值，则按照预设的递减规则，基于所述初始分数对所述目标房源的分数进行减分，得到所述评分后的目标房源。
11.可选地，所述根据所述目标房源的分数，进行奖励或处罚的步骤包括：判断所述目标房源的分数是否大于预设分数阈值；若所述目标房源的分数大于所述预设分数阈值，则针对所述目标房源进行奖励；若所述目标房源的分数小于或等于所述预设分数阈值，则对所述目标房源进行处罚。
12.本技术实施例还提出一种房源处理装置，所述房源处理装置包括：获取模块，用于获取目标房源的目标房源信息；评估模块，用于将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；处理模块，用于基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。
13.本技术实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房源处理程序，所述房源处理程序被所述处理器执行时实现如上所述的房源处理方法的步骤。
14.本技术实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有房源处理程序，所述房源处理程序被处理器执行时实现如上所述的房源处理方法的步骤。
15.本技术实施例提出的房源处理方法、装置、终端设备以及存储介质，通过获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到
评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。通过训练后的评估模型对房源信息进行评估，并针对评估结果对房源进行处理，解决房源的处理问题，避免出现虚假房源，提高房地产市场的房源真实性。基于本技术方案，从真实世界中房地产市场存在的虚假房源的问题出发，构建了一个真实世界的房源数据库，并在该房源数据库上验证了本技术提出的房源处理方法的有效性，然后对房源进行处理，最后经过本技术方法处理的房源真实性得到明显改善。
附图说明
16.图1为本技术房源处理装置所属终端设备的功能模块示意图；图2为本技术房源处理方法第一示例性实施例的流程示意图；图3为本技术房源处理方法第二示例性实施例的流程示意图；图4为本技术房源处理方法的初始评估模型示意图；图5为本技术房源处理方法第三示例性实施例的流程示意图；图6为本技术房源处理方法第四示例性实施例的流程示意图；图7为本技术房源处理方法第五示例性实施例的流程示意图；图8为本技术房源处理方法第六示例性实施例的流程示意图；图9为本技术房源处理方法第七示例性实施例的流程示意图。
17.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
18.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
19.本技术实施例的主要解决方案是：获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。通过训练后的评估模型对房源信息进行评估，并针对评估结果对房源进行处理，解决房源的处理问题，避免出现虚假房源，提高房地产市场的房源真实性。基于本技术方案，从真实世界中房地产市场存在的虚假房源的问题出发，构建了一个真实世界的房源数据库，并在该房源数据库上验证了本技术提出的房源处理方法的有效性，然后对房源进行处理，最后经过本技术方法处理的房源真实性得到明显改善。
20.本技术实施例考虑到，由于人们的竞争和逐利，许多房地产公司和中介等为了吸引客户，发布一些不实的、虚假的房源来欺骗客户。但是，对于房源信息的真实性评估，通常带有主观推断，评估的有效性较低；同时，这些房源信息也会不断的发布到各平台上，真假混乱，也即，房源信息的真实性低，导致客户不再愿意信任这些房源信息。
21.因此，本技术实施例方案，从真实世界中房地产市场存在的虚假房源的问题出发，结合逻辑回归模型的分类处理能力，提出一种基于逻辑回归模型的虚假房源的奖惩处理方法，最后经过本技术方法处理的房源真实性得到明显改善。
22.具体地，参照图1，图1为本技术房源处理装置所属终端设备的功能模块示意图。该房源处理装置可以为独立于终端设备的、能够进行房源信息评估、模型训练的装置，其可以
通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定终端设备或服务器等。
23.在本实施例中，该房源处理装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
24.存储器130中存储有操作系统以及房源处理程序，房源处理装置可以将获取目标房源的目标房源信息；将目标房源信息输入至预先创建的评估模型中进行评估，得到的评估结果，基于预设的逻辑回归模型训练得到的评估模型；基于目标房源信息以及评估结果，通过预设的奖惩机制，对目标房源进行的处理等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括wifi模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
25.其中，存储器130中的房源处理程序被处理器执行时实现以下步骤：获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。
26.进一步地，存储器130中的房源处理程序被处理器执行时还实现以下步骤：创建所述评估模型，具体包括：获取预先设定的基础数据库；对所述基础数据库中的数据进行标注，得到基础属性；创建所述逻辑回归模型，得到初始评估模型；基于所述基础数据库以及所述基础属性，对所述初始评估模型进行训练，得到训练后的评估模型。
27.进一步地，存储器130中的房源处理程序被处理器执行时还实现以下步骤：将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；将所述数据特征与所述基础属性进行对比，得到对比结果；将所述对比结果带入预设的损失函数进行计算，得到目标损失参数；将所述目标损失参数回传到所述初始评估模型中，对所述初始评估模型中的参数进行更新；并返回步骤：将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；以此循环，进行参数迭代，直到所述初始评估模型收敛，终止训练，得到训练后的评估模型。
28.进一步地，存储器130中的房源处理程序被处理器执行时还实现以下步骤：将所述基础数据库中的数据进行清洗，得到真实数据；针对所述真实数据，进行标注，得到所述基础属性。
29.进一步地，存储器130中的房源处理程序被处理器执行时还实现以下步骤：将所述目标房源信息以及所述评估结果进行计算，得到计算结果；
基于所述计算结果、预设评估阈值以及预设初始分数，对所述目标房源进行评分，得到所述目标房源的分数；根据所述目标房源的分数，进行奖励或处罚。
30.进一步地，存储器130中的房源处理程序被处理器执行时还实现以下步骤：判断所述计算结果是否小于所述预设评估阈值；若所述计算结果小于所述预设评估阈值，则按照预设的递增规则，基于所述初始分数对所述目标房源的分数进行加分，得到所述评分后的目标房源；若所述计算结果大于或等于所述预设评估阈值，则按照预设的递减规则，基于所述初始分数对所述目标房源的分数进行减分，得到所述评分后的目标房源。
31.进一步地，存储器130中的房源处理程序被处理器执行时还实现以下步骤：判断所述目标房源的分数是否大于预设分数阈值；若所述目标房源的分数大于所述预设分数阈值，则针对所述目标房源进行奖励；若所述目标房源的分数小于或等于所述预设分数阈值，则对所述目标房源进行处罚。
32.本实施例通过上述方案，具体通过获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。通过训练后的评估模型对房源信息进行评估，并针对评估结果对房源进行处理，解决房源的处理问题，避免出现虚假房源，提高房地产市场的房源真实性。基于本技术方案，从真实世界中房地产市场存在的虚假房源的问题出发，构建了一个真实世界的房源数据库，并在该房源数据库上验证了本技术提出的房源处理方法的有效性，然后对房源进行处理，最后经过本技术方法处理的房源真实性得到明显改善。
33.基于上述终端设备架构但不限于上述架构，提出本技术方法实施例。
34.参照图2，图2为本技术房源处理方法第一示例性实施例的流程示意图。所述房源处理方法包括：步骤s210，获取目标房源的目标房源信息；具体地，随着科学技术的发展，人们能够很方便的在网上浏览各种房源信息进行购房租房，但是由于人们的竞争和逐利，因此，许多房地产公司和中介等为了吸引客户，发布一些不实的、虚假的房源来欺骗客户；并且，这些虚假的房源也会不断的发布，真假混乱，导致客户不再愿意信任发布的房源信息，使得房地产市场交易率低。在此背景下，提出一种基于逻辑回归模型的虚假房源奖惩方法，对虚假房源做出评估，并且利用合理的奖罚机制，保证房源信息的真实性。首先，可以通过任一平台获取得到目标房源的房源信息，并将房源信息输入至评估模型中进行评估。
35.步骤s220，将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；具体地，将房源信息输入至预先创建的评估模型中进行评估，得到评估结果。其中，评估模型用于对房源信息进行评估，判断评估结果的有效性，从而自动识别房源信息的有效性，节省了人力成本，提升了评估效率。在本技术实施例中，以逻辑回归模型为优选，对逻辑回归模型进行训练，在其他实施例中，也可以是其他对房源信息进行评估的模型。评估
结果用于判断房源的真假，以供通过预设的奖惩机制，对目标房源进行奖励或处罚。
36.步骤s230，基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。
37.具体地，根据目标房源信息以及房源信息的有效性，计算房源信息的真实性，并根据预先设定的奖惩机制，对房源进行处理。其中，由于虚假房源容易占据平台的主页，而真实房源无法得到有效推广。因此，奖惩机制用于对房源信息进行奖励或处罚，从而使得真实房源可以更有效地曝光在各平台的主页，提高房源信息的真实性以及房地产市场的交易效率。
38.本实施例通过上述方案，具体通过获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。通过训练后的评估模型对房源信息进行评估，并针对评估结果对房源进行处理，解决房源的处理问题，避免出现虚假房源，提高房地产市场的房源真实性。基于本技术方案，从真实世界中房地产市场存在的虚假房源的问题出发，构建了一个真实世界的房源数据库，并在该房源数据库上验证了本技术提出的房源处理方法的有效性，然后对房源进行处理，最后经过本技术方法处理的房源真实性得到明显改善。
39.参照图3，图3为本技术房源处理方法第二示例性实施例的流程示意图。基于上述图2所示的实施例，步骤s220，将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到之前，还包括：创建所述评估模型，具体包括：步骤s310，获取预先设定的基础数据库；具体地，获取预先设定的基础数据库，其中，基础数据库中的数据包括但不限于：房源基础备案、交易数据等与房源相关的信息，获取数据的途径包括但不限于：政府网站、企业网站如贝壳、安居网等。
40.步骤s320，对所述基础数据库中的数据进行标注，得到基础属性；具体地，根据实际情况，对基础数据库中的数据审核并处理，也即，将虚假数据和无法判断的数据进行清除，将真实数据进行标注，得到基础属性。
41.步骤s330，创建所述逻辑回归模型，得到初始评估模型；具体地，基于逻辑回归模型，得到初始评估模型，可以使得训练速度较快，分类的时候，计算量只和特征的数目相关；并且适合二分类问题，不需要缩放输入特征；且内存资源占用小。如图4所示，图4为本技术房源处理方法的初始评估模型示意图，图中具体示出初始评估模型的参数，包括价格以及房屋面积。
42.步骤s340，基于所述基础数据库以及所述基础属性，对所述初始评估模型进行训练，得到训练后的评估模型。
43.具体地，由于人们的竞争和逐利，导致虚假的房源信息混乱，使得客户或专业的评估人员都无法有效识别房源的有效性。因此，在本技术实施例中，训练基于逻辑回归模型的初始评估模型，得到训练后的评估模型，可以有效评估房源信息，节省人力成本，提升评估效率。
44.本实施例通过上述方案，具体通过获取预先设定的基础数据库；对所述基础数据
库中的数据进行标注，得到基础属性；创建所述逻辑回归模型，得到初始评估模型；基于所述基础数据库以及所述基础属性，对所述初始评估模型进行训练，得到训练后的评估模型。通过将基础数据库输入至初始评估模型中，对初始评估模型进行训练，可以提高评估有效性以及评估效率。
45.参照图5，图5为本技术房源处理方法第三示例性实施例的流程示意图。基于上述图3所示的实施例，步骤s340，基于所述基础数据库以及所述基础属性，对所述初始评估模型进行训练，得到训练后的评估模型，包括：步骤s510，将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；具体地，将基础数据库中的数据输入至初始评估模型中进行特征提取，得到数据特征。通过初始评估模型对基础数据库中的数据进行特征提取，可以减少特征数量，以防止维度灾难、减少训练时间；增强模型泛化能力，减少过拟合；增强对特征和特征值的理解。
46.步骤s520，将所述数据特征与所述基础属性进行对比，得到对比结果；具体地，将数据特征与基础属性进行对比，得到对比结果，可以将对比结果带入损失函数进行计算，得到目标损失参数，得到训练后的初始评估模型。
47.步骤s530，将所述对比结果带入预设的损失函数进行计算，得到目标损失参数；具体地，将对比结果带入损失函数进行计算，得到目标损失参数，可以将目标损失参数回传到初始评估模型中，结合初始评估模型收敛的条件，调整初始评估模型中的参数。例如，将目标损失参数结合损失权重，调整初始评估模型中的参数。其中，损失权重根据实际情况进行设定，损失函数包括但不限于：回归损失函数、平方误差损失函数、绝对误差损失函数、huber损失函数、二分类损失函数、二分类交叉熵、hinge损失函数、多分类损失函数。
48.步骤s540，将所述目标损失参数回传到所述初始评估模型中，对所述初始评估模型中的参数进行更新；并返回步骤：将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；具体地，将目标损失参数回传到初始评估模型中，对初始评估模型中的参数进行更新，并返回步骤s510，将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征。其中，对评估模型中的参数进行更新，可以是通过沿负梯度方向更新参数，可以是动量更新、还可以基于牛顿法的二阶优化算法进行迭代更新，本身实施例对此不作限定。
49.步骤s550，以此循环，进行参数迭代，直到所述初始评估模型收敛，终止训练，得到训练后的评估模型。
50.具体地，通过参数迭代，直到初始评估模型收敛，终止训练，得到训练后的评估模型，可以实现自动、有效且低成本地评估房源信息。
51.本实施例通过上述方案，具体通过将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；将所述数据特征与所述基础属性进行对比，得到对比结果；将所述对比结果带入预设的损失函数进行计算，得到目标损失参数；将所述目标损失参数回传到所述初始评估模型中，对所述初始评估模型中的参数进行更新；并返回步骤：将所述基础数据库中的数据输入至所述初始评估模型中进行特征提取，得到数据特征；以
此循环，进行参数迭代，直到所述初始评估模型收敛，终止训练，得到训练后的评估模型。通过将对比结果带入损失函数进行计算，以训练初始评估模型，可以解决房源的处理问题，降低时间成本以及硬件成本。
52.参照图6，图6为本技术房源处理方法第四示例性实施例的流程示意图。基于上述图3所示的实施例，步骤s320，对所述基础数据库中的数据进行标注，得到基础属性，包括：步骤s610，将所述基础数据库中的数据进行清洗，得到真实数据；具体地，将虚假数据和无法判断的数据进行清除，从而提高数据的准确性。
53.步骤s620，针对所述真实数据，进行标注，得到所述基础属性。
54.具体地，针对真实数据，进行标注基础属性。基础属性用于与初始评估模型提取的特征进行对比，得到对比结果，从而计算得到目标损失参数。例如，基础属性包括但不限于：房子楼层，面积，单价，交通等。
55.本实施例通过上述方案，具体通过将所述基础数据库中的数据进行清洗，得到真实数据；针对所述真实数据，进行标注，得到所述基础属性。通过将真实数据进行标注，可以提高模型训练的速度。
56.参照图7，图7为本技术房源处理方法第五示例性实施例的流程示意图。基于上述图2所示的实施例，步骤s230，基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理，包括：步骤s710，将所述目标房源信息以及所述评估结果进行计算，得到计算结果；具体地，将目标房源信息以及评估结果进行计算，得到计算结果，计算结果用于与评估阈值进行比较，从而根据计算结果和预设的评估阈值，可以对目标房源进行评分，判断评估结果的有效性。
57.步骤s720，基于所述计算结果、预设评估阈值以及预设初始分数，对所述目标房源进行评分，得到所述目标房源的分数；具体地，预设评估阈值用于判断评估结果的有效性，根据计算结果、预设评估阈值，初始化目标房源的分数，并基于初始分数，对目标房源进行评分，从而针对真实房源进行奖励，或是对虚假房源进行惩罚。例如，初始分数可以根据实际情况设定，在本技术实施例中以60分为优选。
58.步骤s730，根据所述目标房源的分数，进行奖励或处罚。
59.具体地，根据计算得到的目标房源的分数，可以对真实房源进行奖励，或是对虚假房源进行惩罚。
60.本实施例通过上述方案，具体通过将所述目标房源信息以及所述评估结果进行计算，得到计算结果；基于所述计算结果、预设评估阈值以及预设初始分数，对所述目标房源进行评分，得到所述目标房源的分数；根据所述目标房源的分数，进行奖励或处罚。根据评分后的目标房源，可以对虚假房源进行惩罚或是对真实房源进行奖励，从而提高房地产市场房源真实性。
61.参照图8，图8为本技术房源处理方法第六示例性实施例的流程示意图。基于上述图7所示的实施例，步骤s720，基于所述计算结果、预设评估阈值以及预设初始分数，对所述目标房源进行评分，得到所述目标房源的分数，包括：步骤s810，判断所述计算结果是否小于所述预设评估阈值；
具体地，若该房源原始标价为x，将房源信息进行逻辑非线性计算得到y，判断房源信息的有效性,计算|x/y
–
1|《30%。则为真实房源，否则为虚假。
62.步骤s820，若所述计算结果小于所述预设评估阈值，则按照预设的递增规则，基于所述初始分数对所述目标房源的分数进行加分，得到所述评分后的目标房源；具体地，如果计算结果小于预设评估阈值，则根据递增规则，对真实的目标房源的分数加分。例如，|x/y
–
1|《30%，递增规则为：基于初始分数，对真实的目标房源的分数进行加分，第一次加10分，第二次加五分，也即，增加的分数为逐渐减半，底线为0.5分，直至满分。
63.步骤s830，若所述计算结果大于或等于所述预设评估阈值，则按照预设的递减规则，基于所述初始分数对所述目标房源的分数进行减分，得到所述评分后的目标房源。
64.具体地，如果计算结果大于或等于预设评估阈值，则根据递减规则，对虚假的目标房源的分数进行扣分。例如，|x/y
–
1|大于或等于30%，递减规则为：基于初始分数，对虚假的目标房源的分数进行扣分，第一次减1分，第二次减2分，第三次减4分，也即，减去的分数为逐渐加倍，直至分数归零。
65.本实施例通过上述方案，具体通过判断所述计算结果是否小于所述预设评估阈值；若所述计算结果小于所述预设评估阈值，则按照预设的递增规则，基于所述初始分数对所述目标房源的分数进行加分，得到所述评分后的目标房源；若所述计算结果大于或等于所述预设评估阈值，则按照预设的递减规则，基于所述初始分数对所述目标房源的分数进行减分，得到所述评分后的目标房源。通过分数衡量判断真实房源以及虚假房源，可以有效地、快速地使用分数确定各房源真实性。
66.参照图9，图9为本技术房源处理方法第七示例性实施例的流程示意图。基于上述图7所示的实施例，步骤s730，根据所述目标房源的分数，进行奖励或处罚，包括：步骤s910，判断所述目标房源的分数是否大于预设分数阈值；具体地，根据前步骤s720，基于所述计算结果、预设评估阈值以及预设初始分数，对所述目标房源进行评分，得到所述目标房源的分数，判断目标房源的分数是否大于预设分数阈值，例如，预设分数阈值为70分。
67.步骤s920，若所述目标房源的分数大于所述预设分数阈值，则针对所述目标房源进行奖励；具体地，若目标房源的分数大于70分，则对分高的房源进行广告推荐，增加曝光度。
68.步骤s930，若所述目标房源的分数小于或等于所述预设分数阈值，则对所述目标房源进行处罚。
69.具体地，若目标房源的分数小于或等于70分，则对分低的房源进行拉黑，限制发布。并设置反馈系统，通过增加反馈系统来进行举报或者反馈错误。
70.本实施例通过上述方案，具体通过判断所述目标房源的分数是否大于预设分数阈值；若所述目标房源的分数大于所述预设分数阈值，则针对所述目标房源进行奖励；若所述目标房源的分数小于或等于所述预设分数阈值，则对所述目标房源进行处罚。通过对目标房源进行奖励或惩罚，可以有效地改善各平台所发布的虚假房源信息，提高房地产市场的房源信息的真实性。
71.此外，本技术实施例还提出一种房源处理装置，所述房源处理装置包括：获取模块，用于获取目标房源的目标房源信息；评估模块，用于将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；处理模块，用于基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。
72.本实施例实现房源处理的原理及实施过程，请参照上述各实施例，在此不再赘述。
73.此外，本技术实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房源处理程序，所述房源处理程序被所述处理器执行时实现如上所述的房源处理方法的步骤。
74.由于本房源处理程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
75.此外，本技术实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有房源处理程序，所述房源处理程序被处理器执行时实现如上所述的房源处理方法的步骤。
76.由于本房源处理程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
77.相比现有技术，本技术实施例提出的房源处理方法、装置、终端设备以及存储介质，通过获取目标房源的目标房源信息；将所述目标房源信息输入至预先创建的评估模型中进行评估，得到评估结果，所述评估模型基于预设的逻辑回归模型训练得到；基于所述目标房源信息以及所述评估结果，通过预设的奖惩机制，对所述目标房源进行处理。通过训练后的评估模型对房源信息进行评估，并针对评估结果对房源进行处理，解决房源的处理问题，避免出现虚假房源，提高房地产市场的房源真实性。基于本技术方案，从真实世界中房地产市场存在的虚假房源的问题出发，构建了一个真实世界的房源数据库，并在该房源数据库上验证了本技术提出的房源处理方法的有效性，然后对房源进行处理，最后经过本技术方法处理的房源真实性得到明显改善。
78.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
79.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
80.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算
机，服务器，被控终端，或者网络设备等)执行本技术每个实施例的方法。
81.以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。