环顾四周！一种用于房地产评估的邻域关系图学习框架
机器学习
2022-12-26 v1
摘要
房地产评估是城市应用中的关键问题，旨在对市场上的房产进行估值。传统方法基于领域知识进行评估，但受限于手工设计的代价。近来，若干方法通过估算房产价值时考虑房产交易记录，实现了估值过程的自动化。然而，现有方法仅考虑房地产自身，忽略了房产之间的关系。此外，朴素地聚合邻域信息无法刻画交易之间的关系。为应对这些局限，我们提出一种新颖的邻域关系图学习框架（ReGram），通过注意力机制将目标交易与周边邻域之间的关系纳入考量。为建模社区间的影响，我们整合了环境信息及来自其他社区的每笔交易的过去价格。此外，由于不同区域的目标交易在特征上兼具共性与差异，我们引入动态适配器，基于输入相关的核权重对目标交易的不同分布进行建模。在涵盖多种场景的真实数据集上的大量实验表明，ReGram 稳健地优于最先进的方法。进一步地，我们进行了全面的消融研究以检验 ReGram 中各组件的有效性。
引用
@article{arxiv.2212.12190,
title = {Look Around! A Neighbor Relation Graph Learning Framework for Real Estate Appraisal},
author = {Chih-Chia Li and Wei-Yao Wang and Wei-Wei Du and Wen-Chih Peng},
journal= {arXiv preprint arXiv:2212.12190},
year = {2022}
}