基于多头门控注意力提升房价估计
机器学习
2024-05-14 v1
摘要
评估房价对各种利益相关者（包括房主、投资者和政策制定者）至关重要。然而，传统的空间插值方法在捕捉影响财产价值的复杂空间关系方面存在局限。为此，我们开发了一种新方法——基于多头门控注意力的空间插值。我们的做法基于注意力机制的插值模型，纳入多个注意力头和门控机制，以更好地捕捉空间依赖性和上下文信息。重要的是，我们的模型产生的嵌入能够降低数据的维度，使线性回归等简单模型能够超越复杂的集成模型。我们进行了大量实验，比较了我们的方法与基线方法以及原始注意力机制插值模型。结果表明，房价预测准确率显著提高，验证了我们方法的有效性。这项研究推进了空间插值领域，为更精确的房价评估提供了稳健工具。我们的 GitHub 仓库包含所有数据集和代码，供感兴趣的研究者和实践者使用，以复制或构建 upon 本项工作。
引用
@article{arxiv.2405.07456,
title = {Boosting House Price Estimations with Multi-Head Gated Attention},
author = {Zakaria Abdellah Sellam and Cosimo Distante and Abdelmalik Taleb-Ahmed and Pier Luigi Mazzeo},
journal= {arXiv preprint arXiv:2405.07456},
year = {2024}
}