CN108550090A - 一种确定房源价格信息的处理方法及*** - Google Patents
一种确定房源价格信息的处理方法及*** Download PDFInfo
- Publication number
- CN108550090A CN108550090A CN201810575205.0A CN201810575205A CN108550090A CN 108550090 A CN108550090 A CN 108550090A CN 201810575205 A CN201810575205 A CN 201810575205A CN 108550090 A CN108550090 A CN 108550090A
- Authority
- CN
- China
- Prior art keywords
- price
- houses
- source
- conclusion
- business
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000003197 gene knockdown Methods 0.000 claims abstract description 94
- 230000000737 periodic effect Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 43
- 239000013598 vector Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000205 computational method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000009435 building construction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种确定房源价格信息的处理方法及***,其中,该方法包括:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。本发明实施例通过根据相似房源得到预估成交价格,进而结合预期成交周期,利用成交周期模型得到房源的挂牌价,提高了房源定价的准确性及合理性。
Description
技术领域
本发明实施例涉及信息技术领域,具体涉及一种确定房源价格信息的处理方法及***。
背景技术
房地产中介服务平台为房地产交易提供了诸多便利,但是在房地产的定价方面,目前还没有成型的、具有完整逻辑的定价管理方法。经纪人作业过程中更多凭借个人经验积累及市场感知为业主定价,缺乏科学有效的定价依据和定价逻辑。
由于缺乏具备完整的数据和逻辑支撑的房源价格信息处理***给出合理的房源定价预估,因此,经纪人无法在与业主的沟通中对业主的价格预期进行合理的管理和调整,从而在对房源定价和议价过程中处于妥协状态,导致业主挂牌价格高于市场合理价格,进而影响成交周期,降低房源的成交效率。
发明内容
为解决现有技术中没有合理有效的房源定价方法及***的问题,本发明实施例提供一种确定房源价格信息的处理方法及***。
第一方面,本发明实施例提供一种确定房源价格信息的处理方法,该方法包括:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
第二方面,本发明实施例提供一种确定房源价格信息的处理***,该***包括:成交价预估模块,具体用于:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;挂牌价确定模块,具体用于:基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
第三方面,本发明实施例提供一种电子设备,包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如下方法:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如下方法:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
本发明实施例通过根据相似房源得到预估成交价格,进而结合预期成交周期,利用成交周期模型得到房源的挂牌价,提高了房源定价的准确性及合理性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的确定房源价格信息的处理方法流程图;
图2为本发明实施例提供的确定房源价格信息的处理***结构示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的确定房源价格信息的处理方法流程图。如图1所示,所述方法包括:
步骤101、获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;
获取待定价房源的相似房源,可以通过与房源相关的预设指标的相似情况获取待定价房源的相似房源,所述预设指标比如可以为户型、朝向、面积等。
所述相似房源包括相似历史成交房源,所述相似历史成交房源是指已经成交的所述相似房源;并根据所述相似历史成交房源获取目标相似历史成交房源,其中,所述目标相似历史成交房源可以是与所述待定价房源相似度最高的所述相似历史成交房源。
根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格,所述待定价房源的预估成交价格可以与所述目标相似历史成交房源的成交价相同。
所述相似房源可以显示在预设的相似房源列表中,可以在所述相似房源列表中显示预设数量的所述相似房源。
步骤102、基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。所述成交周期与所述挂牌价和成交价的统计参数相对应,所述统计参数的类型预先设定。因此,根据所述成交周期模型,只要获知挂牌价、成交价及成交周期中的任意两个,便可得到另外一个未知参数。所述挂牌价和成交价的统计参数可以为表示所述挂牌价和所述成交价之间差别的统计参数。比如,所述挂牌价和成交价的统计参数可以为所述挂牌价和成交价的差值。
基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价。由于挂牌价和成交价的统计参数对应于相应的成交周期,因此,根据预期成交周期,如3个月,通过所述成交周期模型可以得到挂牌价和成交价的统计参数。令预估成交价格为成交周期模型中的成交价,预期成交周期为成交周期模型中的输出参数成交周期,则可得到挂牌价,即所述待定价房源的挂牌价。
可以理解的,本发明实施例提供的确定房源价格信息的处理方法可以给出多个定价参考值以供业主选择,便于充分披露信息让业主做出最合理的定价决策。因此,所述待定价房源的定价可以为多个。
本发明实施例通过根据相似房源得到预估成交价格,进而结合预期成交周期,利用成交周期模型得到房源的挂牌价,提高了房源定价的准确性及合理性。
进一步地,基于上述实施例,所述挂牌价和成交价的统计参数具体包括:所述挂牌价和成交价的比值。
所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述挂牌价和成交价的统计参数可以为表示所述挂牌价和所述成交价之间差别的统计参数,所述挂牌价和成交价的统计参数可以为所述挂牌价和成交价的比值,所述成交周期模型的输出参数为成交周期。
在所述挂牌价和成交价的统计参数为所述挂牌价和成交价的比值时,所述成交周期模型可以反映所述挂牌价和成交价的比值为不同取值时的成交周期情况,如比值为1.1、比值为1.2等时的成交周期情况。所述挂牌价和成交价的比值与相应的成交周期对应。因此,同样的,根据挂牌价、成交价和成交周期中的任意两个参数,可以得知另外一个参数。
所述挂牌价和成交价的比值可以清楚地表征挂牌价和成交价的关系,如挂牌价高出成交价的比例。通过调整挂牌价和成交价的比值大小可以得到不同的成交周期。
在上述实施例的基础上,本发明实施例通过利用挂牌价和成交价的比值作为成交周期模型的输入参数,进一步提高了房源定价的准确性和便利性。
进一步地,基于上述实施例,所述方法还包括:获取与所述待定价房源相关的预设的统计数据,并根据所述预设的统计数据采用预设策略对所述待定价房源的挂牌价进行修正。
由于所述目标相似历史成交房源的成交价反映的是历史信息,而当前的房地产市场、政策等情况可能发生变化,因此,可以对得到所述待定价房源的挂牌价进行修正,可以获取与所述待定价房源相关的预设的统计数据,并根据所述预设的统计数据采用预设策略对所述预估价格进行修正,如调高或调低等。
所述预设的统计数据可以为体现或影响房源价格趋势的各种因素的数据,如市场反馈、市场趋势数据等。
在上述实施例的基础上,本发明实施例通过根据统计数据调整房源的挂牌价,具有合理的定价逻辑,提高了房源定价的准确性及合理性。
进一步地,基于上述实施例,所述获取待定价房源的相似房源,具体包括:基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标;根据所述关键性指标建立相似度匹配模型,根据所述相似度匹配模型,获取所述待定价房源的相似房源。
所述获取待定价房源的相似房源,首先提炼影响房屋市场价格的关键性指标,具体基于房屋市场价格特征模型进行所述关键性指标的提炼。
价格特征模型是一种处理异质性产品特征与产品价格间关系的模型,最早是对农地价格的研究。房地产特征价格模型的因变量一般为房产总价,自变量为房产的特征变量及时间变量,房产的特征包括区位、建筑、环境等。
所述关键性指标指对房源价格影响力较强的指标。由于指标相近则房源相似,因此,得到所述关键性指标后,进而根据所述关键性指标建立相似度匹配模型,所述相似度匹配模型可以反映房源之间的相似情况,则根据所述相似度匹配模型,可以获取所述待定价房源的相似房源。
在上述实施例的基础上,本发明实施例通过基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标,进而利用关键性指标建立相似度匹配模型来获取待定价房源的相似房源,提高了确定待定价房源的相似房源的准确性,从而进一步提高了房源定价的准确性和可靠度。
进一步地,基于上述实施例,所述基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标包括:利用SUR方法对房屋价格进行价格特征建模,得到所述房屋市场价格特征模型;并利用所述房屋市场价格特征模型进行参数估计和显著性检验,进而获取影响房屋价格的关键性指标;所述根据所述关键性指标建立相似度匹配模型包括:根据所述关键性指标,通过计算Gower距离建立所述相似度匹配模型。
由于价格一般服从对数正态分布,同时为了直观研究各个变量改变一单位对价格变化率的影响,本发明实施例采用半对数形态的价格特征模型。运用价格特征方程对房屋的真实市场价值进行估计时,对于单个商圈可以采取OLS方法进行参数的估计,该方法的假设之一就是误差项之间互不相关。针对多个不同商圈对房屋的真实市场价值进行估计时,各商圈尤其是相邻商圈的房屋因地理位置、房屋类型、学区规划等特点彼此间都会相互影响,因此误差项并不能看作相互独立,OLS估计方法并不适用。似不相关回归模型(Seemingly Unrelated Regressions,SUR)中允许残差存在同期相关性,适用于针对多个不同商圈对房屋的真实市场价值进行估计。SUR将所有商圈放入一个回归模型中进行估计,但允许每个商圈有一套回归系数。因此本发明实施例采用SUR回归模型对所有商圈数据进行分析。
在利用SUR方法对房屋价格进行价格特征建模,得到所述房屋市场价格特征模型后,利用所述房屋市场价格特征模型进行参数估计和显著性检验,进而获取影响房屋价格的关键性指标。
基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标后,根据所述关键性指标建立相似度匹配模型,根据所述相似度匹配模型,获取所述待定价房源的相似房源。
所述根据所述关键性指标建立相似度匹配模型包括:根据所述关键性指标,通过计算Gower距离建立相似度匹配模型。Gower距离用于判断两套房屋的相似性。Gower距离的定义非常简单。首先每个类型的变量都有特殊的距离度量方法,而且该方法会将变量标准化到[0,1]之间;接下来,利用加权线性组合的方法来计算最终的距离矩阵。不同类型变量的计算方法如下所示:
连续型变量:利用归一化的曼哈顿距离计算。
顺序型变量:首先将变量按顺序排列,然后利用曼哈顿距离计算。
名义型变量:首先将包含d个类别的变量转换成d个0-1变量,然后利用Dice系数做进一步的计算。
在上述实施例的基础上,本发明实施例通过利用SUR方法得到房屋市场价格特征模型,提炼关键性指标后,再通过计算Gower距离建立相似度匹配模型,得到相似房源,提高了相似房源确定的准确性,进一步提高了房源定价的准确性。
进一步地,基于上述实施例,所述房屋市场价格特征模型的表达式如下:
其中,Pijt表示商圈j的房源i在月份t的实际挂牌价或成交价,β1j、β2j、β3j、β4j均为常量,Ij表示商圈j的指示变量,Dij表示虚拟变量向量,Cij表示分类变量向量,Nij表示连续变量向量,lnSij表示建筑面积的对数,Mij表示室数、物业费、楼层数、房龄、建筑类型和装修类型等变量,eijt表示实际价格与合理价格的偏差,表示根据价格特征方程估算的房源的合理价格,i为区分房源的下标,j为区分商圈的下标,t为区分月份的下标。
β1j、β2j、β3j、β4j均为常量,是将各变量取值带入房屋市场价格特征模型后自动计算出来的结果。
Dij是一系列虚拟变量向量,包括房屋是否贷款、是否为学区房、是否为地铁房和是否朝向偏南等虚拟变量的向量。比如,房屋属于贷款时为1,否则为0;房屋属于学区房时为1,否则为0;房屋属于地铁房时为1,否则为0;房屋朝向偏南为1,否则为0;
Ij为商圈j的指示变量;Cij是一系列分类变量向量,包括房屋装修类型、房屋建筑类型、房屋状态、房屋挂牌月份等分类变量的向量。
Nij是一系列连续变量向量,包括房屋居室数目、建筑面积的对数、楼层数、房龄、物业费等连续变量在内的向量;
房屋特征交叉项:由于某个单一特征对价格的影响可能依赖于房屋的其它特征,比如面积对价格的影响依赖于居室数等,因此加入交叉项。ln(Sij)*Mij分别表示室数、物业费、楼层数、房龄、建筑类型和装修类型等变量与建筑面积的对数的交叉项。
Mij表示面积依赖变量,是指面积变量对价格的影响所依赖的房屋的其它特征变量,包括室数、物业费、楼层数、房龄、建筑类型和装修类型等变量。
Pijt为商圈j的房源i在月份t的实际挂牌价或成交价,为根据价格特征方程估算的房源的合理价格,残差eijt为实际价格与合理价格的偏差,残差标准差则是衡量价格分散度的指标。
在上述实施例的基础上,本发明实施例通过给出房屋市场价格特征模型的合理的计算方法,进一步提高了房源定价的合理性和准确性。
进一步地,基于上述实施例,所述相似房源还包括相似现有挂牌房源;所述预设的统计数据包括带看数据、房源交易市场趋势数据和交易政策数据;其中,所述带看数据具体包括:所述待定价房源、所述相似现有挂牌房源的带看量及带看反馈数据;所述房源交易市场趋势数据具体包括:所述待定价房源所在小区、所述待定价房源所在商圈、所述待定价房源所在地区的房源交易市场趋势数据;所述交易政策数据具体包括:所述待定价房源所在地区的交易政策数据。
由于所述预估成交价格根据所述目标相似历史成交房源的成交价得到,由于所述目标相似历史成交房源的成交价反映的是历史信息,而当前的房地产市场、政策等情况可能发生变化,因此,需要对所述预估成交价格进行修正,可以根据所述预设的统计数据对所述预估成交价格进行修正,得到所述待定价房源的挂牌价。其中,所述相似房源还包括相似现有挂牌房源;所述预设的统计数据包括带看数据、房源交易市场趋势数据和交易政策数据。
其中,所述带看数据具体包括:所述待定价房源、所述相似现有挂牌房源的带看量及带看反馈数据。比如,若判断获知所述待定价房源或所述相似现有挂牌房源的带看量较多而带看反馈(如成交、客户回电等)较少,则说明所述待定价房源、所述相似现有挂牌房源的定价(挂牌价)较高,则可以按照预设策略降低所述待定价房源的挂牌价,如按照预设比例降低所述待定价房源的挂牌价。再比如,若本房的带看量较相似挂牌房源的带看量少,可考虑下调挂牌价格。
所述房源交易市场趋势数据具体包括:所述待定价房源所在小区、所述待定价房源所在商圈、所述待定价房源所在地区的房源交易市场趋势数据。若判断获知所述待定价房源所在小区、所述待定价房源所在商圈或所述待定价房源所在地区的房源交易市场趋势数据呈现上行趋势,则可以按照预设策略提高所述待定价房源的挂牌价,如按照预设比例提高所述待定价房源的挂牌价;若判断获知所述待定价房源所在小区、所述待定价房源所在商圈或所述待定价房源所在地区的房源交易市场趋势数据呈现下行趋势,则可以按照预设策略降低所述待定价房源的挂牌价,如按照预设比例降低所述待定价房源的挂牌价。
所述交易政策数据具体包括:所述待定价房源所在地区的交易政策数据。若根据所述待定价房源所在地区,如北京的交易政策数据判断获知房源的市场价格呈现上行趋势,则可以按照预设策略提高所述待定价房源的挂牌价,如按照预设比例提高所述待定价房源的挂牌价;若根据所述待定价房源所在地区的交易政策数据判断获知房源的市场价格呈现下行趋势,则可以按照预设策略降低所述待定价房源的挂牌价,如按照预设比例降低所述待定价房源的挂牌价。其中,所述交易政策数据是指与房地产交易有关的政策方面的统计数据。
在上述实施例的基础上,本发明实施例通过根据带看量及带看反馈数据、房源交易市场趋势数据和交易政策数据修正挂牌价,进一步提高了房源定价的准确性及合理性。
图2为本发明实施例提供的确定房源价格信息的处理***结构示意图。如图2所示,所述***包括成交价预估模块10和挂牌价确定模块20,其中:
成交价预估模块10具体用于:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;
成交价预估模块10获取待定价房源的相似房源,可以通过与房源相关的预设指标的相似情况获取待定价房源的相似房源,所述预设指标比如可以为户型、朝向、面积等。
所述相似房源包括相似历史成交房源,所述相似历史成交房源是指已经成交的所述相似房源;并根据所述相似历史成交房源获取目标相似历史成交房源,其中,所述目标相似历史成交房源可以是与所述待定价房源相似度最高的所述相似历史成交房源。
成交价预估模块10根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格,所述待定价房源的预估成交价格可以与所述目标相似历史成交房源的成交价相同。
挂牌价确定模块20具体用于:基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。所述成交周期与所述挂牌价和成交价的统计参数相对应,所述统计参数的类型预先设定。因此,根据所述成交周期模型,只要获知挂牌价、成交价及成交周期中的任意两个,便可得到另外一个未知参数。
挂牌价确定模块20基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价。由于挂牌价和成交价的统计参数对应于相应的成交周期,因此,根据预期成交周期,通过所述成交周期模型可以得到挂牌价和成交价的统计参数。令预估成交价格为成交周期模型中的成交价,预期成交周期为成交周期模型中的输出参数成交周期,则可得到挂牌价,即所述待定价房源的挂牌价。
本发明实施例通过根据相似房源得到预估成交价格,进而结合预期成交周期,利用成交周期模型得到房源的挂牌价,提高了房源定价的准确性及合理性。
进一步地,基于上述实施例,所述挂牌价和成交价的统计参数具体包括:所述挂牌价和成交价的比值。
所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述挂牌价和成交价的统计参数可以为表示所述挂牌价和所述成交价之间差别的统计参数,所述挂牌价和成交价的统计参数可以为所述挂牌价和成交价的比值,所述成交周期模型的输出参数为成交周期。
在所述挂牌价和成交价的统计参数为所述挂牌价和成交价的比值时,所述成交周期模型可以反映所述挂牌价和成交价的比值为不同取值时的成交周期情况。所述挂牌价和成交价的比值与相应的成交周期对应。因此,同样的,根据挂牌价、成交价和成交周期中的任意两个参数,可以得知另外一个参数。
所述挂牌价和成交价的比值可以清楚地表征挂牌价和成交价的关系,如挂牌价高出成交价的比例。通过调整挂牌价和成交价的比值大小可以得到不同的成交周期。
在上述实施例的基础上,本发明实施例通过利用挂牌价和成交价的比值作为成交周期模型的输入参数,进一步提高了房源定价的准确性和便利性。
进一步地,基于上述实施例,所述***还包括统计修正模块,具体用于:获取与所述待定价房源相关的预设的统计数据,并根据所述预设的统计数据采用预设策略对所述待定价房源的挂牌价进行修正。
由于所述目标相似历史成交房源的成交价反映的是历史信息,而当前的房地产市场、政策等情况可能发生变化,因此,统计修正模块对得到所述待定价房源的挂牌价进行修正。统计修正模块可以获取与所述待定价房源相关的预设的统计数据,并根据所述预设的统计数据采用预设策略对所述预估价格进行修正。
所述预设的统计数据可以为体现或影响房源价格趋势的各种因素的数据,如市场趋势数据等。
在上述实施例的基础上,本发明实施例通过根据统计数据调整房源的挂牌价,具有合理的定价逻辑,提高了房源定价的准确性及合理性。
进一步地,基于上述实施例,成交价预估模块10在用于获取待定价房源的相似房源时,具体用于:基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标;根据所述关键性指标建立相似度匹配模型,根据所述相似度匹配模型,获取所述待定价房源的相似房源。
成交价预估模块10获取待定价房源的相似房源,首先提炼影响房屋市场价格的关键性指标,具体基于房屋市场价格特征模型进行所述关键性指标的提炼。
所述关键性指标指对房源价格影响力较强的指标。由于指标相近则房源相似,因此,成交价预估模块10得到所述关键性指标后,进而根据所述关键性指标建立相似度匹配模型,所述相似度匹配模型可以反映房源之间的相似情况,则根据所述相似度匹配模型,可以获取所述待定价房源的相似房源。
在上述实施例的基础上,本发明实施例通过基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标,进而利用关键性指标建立相似度匹配模型来获取待定价房源的相似房源,提高了确定待定价房源的相似房源的准确性,从而进一步提高了房源定价的准确性和可靠度。
进一步地,基于上述实施例,成交价预估模块10在用于基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标时,具体用于:利用SUR方法对房屋价格进行价格特征建模,得到所述房屋市场价格特征模型;并利用所述房屋市场价格特征模型进行参数估计和显著性检验,进而获取影响房屋价格的关键性指标;成交价预估模块10在用于根据所述关键性指标建立相似度匹配模型时,具体用于:根据所述关键性指标,通过计算Gower距离建立所述相似度匹配模型。
成交价预估模块10在利用SUR方法对房屋价格进行价格特征建模,得到所述房屋市场价格特征模型后,利用所述房屋市场价格特征模型进行参数估计和显著性检验,进而获取影响房屋价格的关键性指标。
成交价预估模块10基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标后,根据所述关键性指标建立相似度匹配模型,根据所述相似度匹配模型,获取所述待定价房源的相似房源。
所述根据所述关键性指标建立相似度匹配模型包括:根据所述关键性指标,通过计算Gower距离建立相似度匹配模型。Gower距离用于判断两套房屋的相似性。
在上述实施例的基础上,本发明实施例通过利用SUR方法得到房屋市场价格特征模型,提炼关键性指标后,再通过计算Gower距离建立相似度匹配模型,得到相似房源,提高了相似房源确定的准确性,进一步提高了房源定价的准确性。
进一步地,基于上述实施例,所述房屋市场价格特征模型的表达式如下:
其中,Pijt表示商圈j的房源i在月份t的实际挂牌价或成交价,β1j、β2j、β3j、β4j均为常量,Ij表示商圈j的指示变量,Dij表示虚拟变量向量,Cij表示分类变量向量,Nij表示连续变量向量,lnSij表示建筑面积的对数,Mij表示面积依赖变量,eijt表示实际价格与合理价格的偏差,表示根据价格特征方程估算的房源的合理价格,i为区分房源的下标,j为区分商圈的下标,t为区分月份的下标。
β1j、β2j、β3j、β4j均为常量,是将各变量取值带入房屋市场价格特征模型后自动计算出来的结果。
Dij是一系列虚拟变量向量,包括房屋是否贷款、是否为学区房、是否为地铁房和是否朝向偏南等虚拟变量的向量;Ij为商圈j的指示变量;Cij是一系列分类变量向量,包括房屋装修类型、房屋建筑类型、房屋状态、房屋挂牌月份等分类变量的向量;Nij是一系列连续变量向量,包括房屋居室数目、建筑面积的对数、楼层数、房龄、物业费等连续变量在内的向量;ln(Sij)*Mij表示房屋特征交叉项;Mij表示面积依赖变量,如室数、物业费、楼层数、房龄、建筑类型和装修类型等变量;Pijt为商圈j的房源i在月份t的实际挂牌价或成交价,为根据价格特征方程估算的房源的合理价格,残差eijt为实际价格与合理价格的偏差。
在上述实施例的基础上,本发明实施例通过给出房屋市场价格特征模型的合理的计算方法,进一步提高了房源定价的合理性和准确性。
进一步地,基于上述实施例,所述相似房源还包括相似现有挂牌房源;所述预设的统计数据包括带看数据、房源交易市场趋势数据和交易政策数据;其中,所述带看数据具体包括:所述待定价房源、所述相似现有挂牌房源的带看量及带看反馈数据;所述房源交易市场趋势数据具体包括:所述待定价房源所在小区、所述待定价房源所在商圈、所述待定价房源所在地区的房源交易市场趋势数据;所述交易政策数据具体包括:所述待定价房源所在地区的交易政策数据。
统计修正模块可以根据所述预设的统计数据对所述预估成交价格进行修正,得到所述待定价房源的挂牌价。其中,所述相似房源还包括相似现有挂牌房源;所述预设的统计数据包括带看数据、房源交易市场趋势数据和交易政策数据。
其中,所述带看数据具体包括:所述待定价房源、所述相似现有挂牌房源的带看量及带看反馈数据。比如,若本房的带看量较相似挂牌房源的带看量少,可考虑下调挂牌价格。
所述房源交易市场趋势数据具体包括:所述待定价房源所在小区、所述待定价房源所在商圈、所述待定价房源所在地区的房源交易市场趋势数据。比如,如小区/商圈的市场趋势是下行趋势,可考虑下调挂牌价格,反之则上调挂牌价格。
所述交易政策数据具体包括:所述待定价房源所在地区的交易政策数据。比如,若北京的交易政策及趋势数据是呈现下行趋势,可考虑下调挂牌价格,反之则上调挂牌价格。
在上述实施例的基础上,本发明实施例通过根据带看量及带看反馈数据、房源交易市场趋势数据和交易政策数据修正挂牌价,进一步提高了房源定价的准确性及合理性。
本发明实施例提供的***是用于上述方法的,具体功能可参照上述方法流程,此处不再赘述。
图3为本发明实施例提供的电子设备的结构示意图。如图3所示,所述电子设备包括处理器301、存储器302和总线303。其中,所述处理器301和所述存储器302通过所述总线303完成相互间的通信;所述处理器301用于调用所述存储器302中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种确定房源价格信息的处理方法,其特征在于,包括:
获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;
基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
2.根据权利要求1所述的方法,其特征在于,所述挂牌价和成交价的统计参数具体包括:
所述挂牌价和成交价的比值。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取与所述待定价房源相关的预设的统计数据,并根据所述预设的统计数据采用预设策略对所述待定价房源的挂牌价进行修正。
4.根据权利要求1所述的方法,其特征在于,所述获取待定价房源的相似房源,具体包括:
基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标;根据所述关键性指标建立相似度匹配模型,根据所述相似度匹配模型,获取所述待定价房源的相似房源。
5.根据权利要求4所述的方法,其特征在于,所述基于房屋市场价格特征模型提炼影响房屋市场价格的关键性指标包括:
利用SUR方法对房屋价格进行价格特征建模,得到所述房屋市场价格特征模型;并利用所述房屋市场价格特征模型进行参数估计和显著性检验,进而获取影响房屋价格的关键性指标;
所述根据所述关键性指标建立相似度匹配模型包括:根据所述关键性指标,通过计算Gower距离建立所述相似度匹配模型。
6.根据权利要求5所述的方法,其特征在于,所述房屋市场价格特征模型的表达式如下:
其中,Pijt表示商圈j的房源i在月份t的实际挂牌价或成交价,β1j、β2j、β3j、β4j均为常量,Ij表示商圈j的指示变量,Dij表示虚拟变量向量,Cij表示分类变量向量,Nij表示连续变量向量,lnSij表示建筑面积的对数,Mij表示面积依赖变量,eijt表示实际价格与合理价格的偏差,表示根据价格特征方程估算的房源的合理价格,i为区分房源的下标,j为区分商圈的下标,t为区分月份的下标。
7.根据权利要求3所述的方法,其特征在于,所述相似房源还包括相似现有挂牌房源;所述预设的统计数据包括带看数据、房源交易市场趋势数据和交易政策数据;
其中,所述带看数据具体包括:所述待定价房源、所述相似现有挂牌房源的带看量及带看反馈数据;所述房源交易市场趋势数据具体包括:所述待定价房源所在小区、所述待定价房源所在商圈、所述待定价房源所在地区的房源交易市场趋势数据;所述交易政策数据具体包括:所述待定价房源所在地区的交易政策数据。
8.一种确定房源价格信息的处理***,其特征在于,包括:
成交价预估模块,具体用于:获取待定价房源的相似房源,所述相似房源包括相似历史成交房源;根据所述相似历史成交房源中目标相似历史成交房源的成交价得到所述待定价房源的预估成交价格;
挂牌价确定模块,具体用于:基于建立的成交周期模型,根据预期成交周期、所述预估成交价格得到所述待定价房源的挂牌价;其中,所述成交周期模型的输入参数为挂牌价和成交价的统计参数,所述成交周期模型的输出参数为成交周期。
9.一种电子设备,其特征在于,包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810575205.0A CN108550090A (zh) | 2018-06-06 | 2018-06-06 | 一种确定房源价格信息的处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810575205.0A CN108550090A (zh) | 2018-06-06 | 2018-06-06 | 一种确定房源价格信息的处理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108550090A true CN108550090A (zh) | 2018-09-18 |
Family
ID=63492629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810575205.0A Pending CN108550090A (zh) | 2018-06-06 | 2018-06-06 | 一种确定房源价格信息的处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108550090A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345301A (zh) * | 2018-09-26 | 2019-02-15 | 国信优易数据有限公司 | 一种数据价格确定***以及确定方法 |
CN110060103A (zh) * | 2019-04-19 | 2019-07-26 | 金瓜子科技发展(北京)有限公司 | 一种线性定价的方法、装置、存储介质及电子设备 |
CN110458622A (zh) * | 2019-08-14 | 2019-11-15 | 金瓜子科技发展(北京)有限公司 | 售价确定方法、装置及服务器 |
CN110619089A (zh) * | 2019-05-31 | 2019-12-27 | 北京无限光场科技有限公司 | 信息检索方法和装置 |
CN110689170A (zh) * | 2019-09-04 | 2020-01-14 | 北京三快在线科技有限公司 | 对象参量的确定方法、装置、电子设备及存储介质 |
CN111091426A (zh) * | 2019-12-31 | 2020-05-01 | 青梧桐有限责任公司 | 房源定价方法和*** |
CN111144951A (zh) * | 2019-12-31 | 2020-05-12 | 青梧桐有限责任公司 | 房源定价优化方法和*** |
CN111489180A (zh) * | 2019-01-25 | 2020-08-04 | 北京京东尚科信息技术有限公司 | 参考信息生成方法、***及装置 |
CN111738831A (zh) * | 2020-06-19 | 2020-10-02 | 中国建设银行股份有限公司 | 一种业务处理方法、装置及*** |
CN113344645A (zh) * | 2021-07-07 | 2021-09-03 | 中国工商银行股份有限公司 | 房价预测的方法、装置和电子设备 |
CN113469437A (zh) * | 2021-06-30 | 2021-10-01 | 北京房江湖科技有限公司 | 事件发生周期的预测方法、存储介质与计算机程序产品 |
CN114170204A (zh) * | 2021-12-13 | 2022-03-11 | 国网重庆市电力公司电力科学研究院 | 一种图像计量定价方法 |
-
2018
- 2018-06-06 CN CN201810575205.0A patent/CN108550090A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345301A (zh) * | 2018-09-26 | 2019-02-15 | 国信优易数据有限公司 | 一种数据价格确定***以及确定方法 |
CN111489180A (zh) * | 2019-01-25 | 2020-08-04 | 北京京东尚科信息技术有限公司 | 参考信息生成方法、***及装置 |
CN110060103A (zh) * | 2019-04-19 | 2019-07-26 | 金瓜子科技发展(北京)有限公司 | 一种线性定价的方法、装置、存储介质及电子设备 |
CN110619089A (zh) * | 2019-05-31 | 2019-12-27 | 北京无限光场科技有限公司 | 信息检索方法和装置 |
CN110458622A (zh) * | 2019-08-14 | 2019-11-15 | 金瓜子科技发展(北京)有限公司 | 售价确定方法、装置及服务器 |
CN110689170A (zh) * | 2019-09-04 | 2020-01-14 | 北京三快在线科技有限公司 | 对象参量的确定方法、装置、电子设备及存储介质 |
CN111144951A (zh) * | 2019-12-31 | 2020-05-12 | 青梧桐有限责任公司 | 房源定价优化方法和*** |
CN111091426A (zh) * | 2019-12-31 | 2020-05-01 | 青梧桐有限责任公司 | 房源定价方法和*** |
CN111738831A (zh) * | 2020-06-19 | 2020-10-02 | 中国建设银行股份有限公司 | 一种业务处理方法、装置及*** |
CN113469437A (zh) * | 2021-06-30 | 2021-10-01 | 北京房江湖科技有限公司 | 事件发生周期的预测方法、存储介质与计算机程序产品 |
CN113469437B (zh) * | 2021-06-30 | 2023-11-10 | 北京房江湖科技有限公司 | 房源成交周期的预测方法与存储介质 |
CN113344645A (zh) * | 2021-07-07 | 2021-09-03 | 中国工商银行股份有限公司 | 房价预测的方法、装置和电子设备 |
CN114170204A (zh) * | 2021-12-13 | 2022-03-11 | 国网重庆市电力公司电力科学研究院 | 一种图像计量定价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550090A (zh) | 一种确定房源价格信息的处理方法及*** | |
CN108345958A (zh) | 一种订单出餐时间预测模型构建、预测方法、模型和装置 | |
US20130346151A1 (en) | Systems and methods for automated valuation of real estate developments | |
US20120330759A1 (en) | Energy systems | |
US20210090017A1 (en) | Feedback-based management of delivery orders | |
CN107547214A (zh) | 基于电子书的群组阅读方法、电子设备及计算机存储介质 | |
CN109034505A (zh) | 计量用表需求量在线预测方法及终端设备 | |
CN108256757A (zh) | 一种基于xgboost的房源成交预估方法及预估平台 | |
CN109741177A (zh) | 用户信用的评估方法、装置及智能终端 | |
CN109697636A (zh) | 一种商户推荐方法、商户推荐装置、电子设备和介质 | |
CN108256924A (zh) | 一种产品销售预测装置 | |
CN109191205A (zh) | 一种基于预测模型的定价计算方法及终端设备 | |
Wang et al. | A survey on distributed optimisation approaches and applications in smart grids | |
AU2013101756A4 (en) | Method and system of optimizing a marketing campaign of a saleable commodity | |
CN108090625A (zh) | 一种金融行情的预测方法、终端设备及存储介质 | |
US20200193486A1 (en) | System and method for determining bid vector transformed predictive click-through rate | |
CN117522256A (zh) | 基于供应商画像的采购筛选方法、***、存储介质及终端 | |
US20230252285A1 (en) | Spatio-temporal graph neural network for time series prediction | |
CN116542490A (zh) | 虚拟电厂日前调度封装模型以及调度出清模型构建方法 | |
CN110533485A (zh) | 一种对象选取的方法、装置、存储介质及电子设备 | |
CN109919777A (zh) | 一种数据呈现方法、装置、设备及存储介质 | |
CN115345663A (zh) | 营销策略评估方法、装置、电子设备及存储介质 | |
CN116228316A (zh) | 投放选址的确定方法、装置、电子设备及可读存储介质 | |
US11995595B2 (en) | Automated structured workflow recommendation system | |
CN111695919B (zh) | 评价数据处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |