利用图卷积网络提取租赁公寓平面图的房地产价值
机器学习
2024-11-27 v1 人工智能
计算机视觉与模式识别
摘要
基于近期提出并稍作修改的访问图提取方法，从日本大阪府一个面向家庭租赁公寓群的大量平面图图像中自动提取指示从房间流线视角出发邻接关系的访问图。我们定义并实现了一种用于访问图的图卷积网络（GCN），并提出一种将访问图作为平面图价值来估计其房地产价值的模型。该模型包含平面图价值及使用其他一般解释变量的特征价格法，被用于估计租金并比较其估计精度。此外，从所学卷积网络分析了解释租金的平面图特征。因此，提出并验证了一种综合估计房地产平面图价值的新模型。结果表明，相比传统模型，所提方法显著提升了租金估计精度，且通过分析所学 GCN 可理解影响平面图价值的具体空间配置规则。
引用
@article{arxiv.2303.13568,
title = {Extracting real estate values of rental apartment floor plans using graph convolutional networks},
author = {Atsushi Takizawa},
journal= {arXiv preprint arXiv:2303.13568},
year = {2024}
}