MugRep：面向房地产评估的多任务层次图表示学习框架
机器学习
2021-08-03 v2
摘要
房地产评估是指针对不动产市场价值形成无偏意见的过程，对市场中各类参与者（如房地产经纪人、评估师、贷款方和买方）的决策起着至关重要的作用。然而，由于三大主要挑战，准确的房地产评估并非易事：(1) 房产价值的复杂影响因素；(2) 房地产交易之间异步的时空依赖关系；(3) 住宅社区之间多样化的关联。为此，我们提出一种用于精准房地产评估的多任务层次图表示学习（MugRep）框架。具体而言，通过获取并整合多源城市数据，我们首先构建丰富的特征集，从多个角度（如地理分布、人群移动分布和居民人口统计分布）全面刻画房地产。然后，提出一个演化的房地产交易图及相应的事件图卷积模块，以纳入房地产交易之间异步的时空依赖。此外，为从住宅社区视角进一步融入有价值的知识，我们设计了一个层次异质社区图卷积模块来捕捉住宅社区之间多样化的关联。最后，引入城市片区划分的多任务学习模块，为房地产生成不同分布的价值意见。在两个真实世界数据集上的大量实验证明了 MugRep 及其各组件与特征的有效性。
引用
@article{arxiv.2107.05180,
title = {MugRep: A Multi-Task Hierarchical Graph Representation Learning Framework for Real Estate Appraisal},
author = {Weijia Zhang and Hao Liu and Lijun Zha and Hengshu Zhu and Ji Liu and Dejing Dou and Hui Xiong},
journal= {arXiv preprint arXiv:2107.05180},
year = {2021}
}
备注
11 pages, SIGKDD-2021