基于多模态深度学习的房价预测方法
机器学习
2024-09-10 v1 人工智能
计算机视觉与模式识别
摘要
房价的准确预测是住宅房地产领域的一个重要方面，对广泛的利益相关者具有重大意义。然而，由于房屋特征、位置、社区等诸多因素的影响，房价存在显著的可变性，使得预测房价成为一项复杂的任务。尽管已有大量尝试利用各种算法（包括最近的深度学习技术）来准确预测房价，但现有方法未能充分考虑文本和视觉特征等广泛因素。本文通过在一个房价预测系统中全面整合房地产挂牌信息中通常展示的属性（如特征、文本描述、地理空间邻域和房屋图像）来弥补这一空白。具体来说，我们提出了一种多模态深度学习方法，利用不同类型的数据来学习更准确的房屋表示。特别是，我们学习了原始房屋属性、地理空间邻域以及最重要的来自文本描述和房屋图像的联合嵌入；最后使用一个下游回归模型从这个联合学习的嵌入向量中预测房价。我们在真实世界数据集上的实验结果表明，除了原始属性和地理空间嵌入之外，房屋广告描述的文本嵌入和房屋图片的图像嵌入可以显著提高房价预测的准确性。相关源代码和数据集可在以下网址公开获取：https://github.com/4P0N/mhpp
引用
@article{arxiv.2409.05335,
title = {A Multi-Modal Deep Learning Based Approach for House Price Prediction},
author = {Md Hasebul Hasan and Md Abid Jahan and Mohammed Eunus Ali and Yuan-Fang Li and Timos Sellis},
journal= {arXiv preprint arXiv:2409.05335},
year = {2024}
}
备注
22 pages