CN110288397A - 一种房地产租赁调研用市场分析方法 - Google Patents
一种房地产租赁调研用市场分析方法 Download PDFInfo
- Publication number
- CN110288397A CN110288397A CN201910541083.8A CN201910541083A CN110288397A CN 110288397 A CN110288397 A CN 110288397A CN 201910541083 A CN201910541083 A CN 201910541083A CN 110288397 A CN110288397 A CN 110288397A
- Authority
- CN
- China
- Prior art keywords
- real estate
- analysis method
- market analysis
- investigation
- data
- 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
- 238000011835 investigation Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 230000000694 effects Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 102100035606 Beta-casein Human genes 0.000 description 11
- 101000947120 Homo sapiens Beta-casein Proteins 0.000 description 11
- 238000000034 method Methods 0.000 description 8
- 230000007812 deficiency Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种房地产租赁调研用市场分析方法，包括如下步骤：在大数据时代利用互联网对租赁市场进行信息采集；对采集的信息进行汇总，并利用K均值进行标注；本发明的有益效果是：利用Kmeans++聚类算法，能够提高聚类效率与聚类的效果，从而对房地产租赁调研市场分析更精准；缩短了耗时，提高了效率。
Description
技术领域
本发明属于房地产租赁技术领域，具体涉及一种房地产租赁调研用市场分析方法。
背景技术
房地产租赁是指出租人将土地使用权同地上建筑物、其他附着物或房屋出租给承租人使用，由承租人向出租人支付租金的行为。
房地产租赁市场调查是指为了解和预测房地产租赁市场的产品供给和需求信息、正确判断和把握市场现状及其发展趋势，同时为制定科学决策提供可靠依据的一项市场调查活动。
房地产市场调研能使决策者准确把握产品定位及经营策略，也可以从中发现新的市场机会，从而较好地规避市场风险。
房地产租赁调查主要包括环境调查、需求调查、供给调查、营销环境调查。
现有的房地产租赁调研用市场分析存在着以下方面的不足：
1.耗时长；
2.调研的准确性方面存在着不足。
发明内容
本发明的目的在于提供一种房地产租赁调研用市场分析方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种房地产租赁调研用市场分析方法，包括如下步骤：
步骤一：信息采集：在大数据时代利用互联网对租赁市场进行信息采集；
步骤二：信息汇总、标注：对采集的信息进行汇总，并利用K均值进行标注。
作为本发明的一种优选的技术方案，所述步骤二中，K均值算法如下：
1)利用kmeans++在n个数据点中取k个质心：首先随机选取一个数据点作为第一个质心，接着，选取距离第一个点最远的数据点作为第二个质心，再接着选取距离第一个和第二个质心距离之和最大的数据点最为第三个质心，以此类推，选取出k个初始质心点；
2)把所有数据点都归属到离它最近的质心，并且标为相应的类别号，从而把所有数据点分成k个簇；
3)在各个簇内部求均值确定新的质心；
4)重复第2，3步骤直到各个数据点的归属不变或者达到提前设定迭代次数。
作为本发明的一种优选的技术方案，所述第2步骤中，距离选择为欧式距离。
作为本发明的一种优选的技术方案，所述信息采集可通过《流动人口发展报告》以及房产租赁APP获得。
作为本发明的一种优选的技术方案，还包括服务器。
作为本发明的一种优选的技术方案，所述汇总、标注后的信息上传到服务器。
作为本发明的一种优选的技术方案，还包括云端。
作为本发明的一种优选的技术方案，服务器的内容可上传至云端进行加密存储。
与现有技术相比，本发明的有益效果是：
(1)利用Kmeans++聚类算法，能够提高聚类效率与聚类的效果，从而对房地产租赁调研市场分析更精准；
(2)缩短了耗时，提高了效率。
附图说明
图1为本发明的流程图。
具体实施方式
一种房地产租赁调研用市场分析方法，包括如下步骤：
步骤一：信息采集：在大数据时代利用互联网对租赁市场进行信息采集；信息采集可通过《流动人口发展报告》以及房产租赁APP获得；
步骤二：信息汇总、标注：对采集的信息进行汇总，并利用K均值进行标注；汇总、标注后的信息可上传到服务器，服务器的内容可上传至云端进行加密存储，K均值算法如下：
1)利用kmeans++在n个数据点中取k个质心：普通kmeans算法中，是随机选取k个数据点最为初始的质心，但这样的结果可能会导致聚类迭代的过程中收敛速度慢或者收敛到局部最优的结果；Kmeans++成功解决了这个问题，它改进了质心初始化的方法：首先随机选取一个数据点作为第一个质心，接着，选取距离第一个点最远的数据点作为第二个质心，再接着选取距离第一个和第二个质心距离之和最大的数据点最为第三个质心，以此类推，选取出k个初始质心点；
2)把所有数据点都归属到离它最近的质心，并且标为相应的类别号，从而把所有数据点分成k个簇；此处的距离选择欧式距离；
3)在各个簇内部求均值确定新的质心；
4)重复第2，3步骤直到各个数据点的归属不变或者达到提前设定迭代次数。
普通kmeans算法，算法过程如下：
1)从N个文档随机选取K个文档作为质心；
2)对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类；
3)重新计算已经得到的各个类的质心；
4)迭代2、3步直至新的质心与原质心相等或小于指定阈值，算法结束。
具体如下：
输入：k，data[n]；
1)选择k个初始中心点，例如c[0]＝data[0]，…c[k-1]＝data[k-1]；
2)对于data[0]….data[n]，分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i；
3)对于所有标记为i点，重新计算c[i]＝{所有标记为i的data[j]之和}/标记为i的个数；
4)重复(2)(3)，直到所有c[i]值的变化小于给定阈值。
在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的，很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适，这也是K-means算法的一个不足。
在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化，这个初始聚类中心的选择对聚类结果有较大的影响，一旦初始值选择的不好，可能无法得到有效的聚类结果，这也成为K-means算法的一个主要问题。
在K-means算法中，算法的时间开销是非常大的，所以需要对算法的时间复杂度进行分析、改进，提高算法应用范围。
利用Kmeans++聚类算法，有着很多其他算法无法比拟的优点，能够提高聚类效率与聚类的效果，从而对房地产租赁调研市场分析更精准。
云端加密时，为了应对云端数据的威胁，对数据进行加密是一种有效的解决手段；有效的云数据加密方式有云加密数据库、数据库加密网关、以及云访问安全代理三种。
1)云加密数据库
使用具有加密功能的数据库或者数据库引擎，在数据库将租赁调研市场分析汇总的数据写入文件时对汇总数据进行加密，读取汇总数据时进行解密，租赁调研市场分析汇总的数据文件被加密后，无法通过直接拷贝用户数据文件盗取用户数据。
这种方式通常具有相对较高的性能和透明性，对数据库的触发器，存储过程等特性支持的比较全面，其缺点是防护能力有限，不能限制数据库超级用户的数据读取权限；而且其通用性较差，仅适用于IaaS形式的租户自建数据库。
2)云数据库安全代理(CDSB)
CDSB云数据加密网关作为数据库的出入口，将所有租赁调研市场分析汇总的数据加密后写入数据库，读取租赁调研市场分析汇总的数据的时候进行解密，通过网关访问数据库可以获得明文数据，而越过网关直接读取租赁调研市场分析汇总的数据则只能获得密文。
该加密方式具有较高的通用性，既适用于SaaS数据库，也适用于IaaS数据库，该方式为数据库提供了统一的二次认证和二次鉴权机制，能够很好的防止云平台供应商访问真实数据，从而具有良好的安全性；性能方面，加密网关通过SQL重写，以及通过提供密文索引的方式，使得***的整体性能较高。
3)云访问安全代理(CASB)
CASB应用加密网关主要设置在企业或个人的内部网络出口处，对于流出的租赁市场数据进行统一加密并对流入的租赁市场数据统一解密。
该加密方式不用考虑应用后端的数据库类型，具有更高的通用性，且将加解密功能进行了分布式处理，具有较高的综合性能，如果加密方法强度足够的话，该方式在理论上具有较好的安全性；但是由于要考虑到加密后租赁调研市场分析汇总的数据检索、格式的兼容等因素，所采用的加密算法强度不得不被降低。
CDSB和CASB的对比
由上述分析可知，CDSB数据库加密网关和CASB应用加密网关都具有较高的安全性，本节对这两种方式的适用性和安全性做进一步的深入对比分析。
1)适用性
CDSB对于各种云端上租赁调研市场分析汇总的数据使用方式都能较好的适用，而CASB方式只适用于SaaS应用的方式。
2)抗统计分析攻击性能
CDSB数据库加密网关可以采用多样性的加密算法，包括国密算法，也支持带随机盐值的高强度加密算法，使得相同明文加密后的结果不同，这使得加密结果在对抗统计分析攻击方面的安全性很高。
而CASB加密网关为了保持对应用***的兼容，使得在加密算法的选择上受限多多，比如，为了保持加密后数值类型的兼容，不得不采用格式保持加密(FPE)，而这种加密方法的安全性还没有得到权威部门的认可；而且为了保证加密后的检索，由于没有办法在租赁调研市场分析汇总的数据库中直接建立密文索引，所以必须保持加密前后内容的大小关系、位置信息、统计特征的一致性。
所以，CASB加密网关的加密强度，是远远小于CDSB数据库加密网关的。
3)直接泄露明文可能性
在CDSB模式中，明文数据的直接泄露点包括应用服务端和前端的浏览器/APP，在CASB模式中，明文数据的直接泄露点在前端的浏览器/APP，也就是说，可以从APP端导出租户的所有数据；而应用服务端和APP端在本质上是同一个应用***，所以当SaaS服务以APP方式提供时，CDSB和CASB模式的明文泄露风险是相当的，只有当服务仅以WEB方式提供时，CASB的明文泄露风险才低于CDSB。
使用数据库加密网关对SaaS服务的数据进行加密
在SaaS服务中，众多SaaS的租赁调研市场分析汇总的数据在服务后端统一存储于一张大表中，通过租户的ID进行区分和“隔离”，为了将不同租户的数据通过加密进行隔离，除了使用CASB外，也可以使用CDSB数据库加密网关来实现加密隔离。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种房地产租赁调研用市场分析方法，其特征在于，包括如下步骤：
步骤一：信息采集：在大数据时代利用互联网对租赁市场进行信息采集；
步骤二：信息汇总、标注：对采集的信息进行汇总，并利用K均值进行标注。
2.根据权利要求1所述的一种房地产租赁调研用市场分析方法，其特征在于：所述步骤二中，K均值算法如下：
1)利用kmeans++在n个数据点中取k个质心：首先随机选取一个数据点作为第一个质心，接着，选取距离第一个点最远的数据点作为第二个质心，再接着选取距离第一个和第二个质心距离之和最大的数据点最为第三个质心，以此类推，选取出k个初始质心点；
2)把所有数据点都归属到离它最近的质心，并且标为相应的类别号，从而把所有数据点分成k个簇；
3)在各个簇内部求均值确定新的质心；
4)重复第2，3步骤直到各个数据点的归属不变或者达到提前设定迭代次数。
3.根据权利要求2所述的一种房地产租赁调研用市场分析方法，其特征在于：所述第2步骤中，距离选择为欧式距离。
4.根据权利要求1所述的一种房地产租赁调研用市场分析方法，其特征在于：所述信息采集可通过《流动人口发展报告》以及房产租赁APP获得。
5.根据权利要求1所述的一种房地产租赁调研用市场分析方法，其特征在于：还包括服务器。
6.根据权利要求5所述的一种房地产租赁调研用市场分析方法，其特征在于：所述汇总、标注后的信息上传到服务器。
7.根据权利要求1所述的一种房地产租赁调研用市场分析方法，其特征在于：还包括云端。
8.根据权利要求6或7所述的一种房地产租赁调研用市场分析方法，其特征在于：服务器的内容可上传至云端进行加密存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910541083.8A CN110288397A (zh) | 2019-06-21 | 2019-06-21 | 一种房地产租赁调研用市场分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910541083.8A CN110288397A (zh) | 2019-06-21 | 2019-06-21 | 一种房地产租赁调研用市场分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110288397A true CN110288397A (zh) | 2019-09-27 |
Family
ID=68005201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910541083.8A Pending CN110288397A (zh) | 2019-06-21 | 2019-06-21 | 一种房地产租赁调研用市场分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110288397A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150324939A1 (en) * | 2014-03-09 | 2015-11-12 | Ashutosh Malaviya | Real-estate client management method and system |
| US20160292800A1 (en) * | 2015-03-30 | 2016-10-06 | Creed Smith | Automated Real Estate Valuation System |
| CN106503438A (zh) * | 2016-10-20 | 2017-03-15 | 上海科瓴医疗科技有限公司 | 一种用于药店会员分析的h‑rfm用户建模方法及*** |
| WO2017150772A1 (ko) * | 2016-02-29 | 2017-09-08 | 권형달 | 부동산 정보 제공 및 공유 장치 |
| CN107633437A (zh) * | 2016-07-18 | 2018-01-26 | 东莞登龙智能科技有限公司 | 一种公寓租赁管理***及其设计方法 |
| CN109285092A (zh) * | 2017-07-20 | 2019-01-29 | 金东珉 | 网上房地产信息提供***，房地产放心交易服务提供*** |
| CN109446275A (zh) * | 2018-09-03 | 2019-03-08 | 厦门快商通信息技术有限公司 | 一种基于大数据的航空数据分析方法、设备及存储介质 |
-
2019
- 2019-06-21 CN CN201910541083.8A patent/CN110288397A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150324939A1 (en) * | 2014-03-09 | 2015-11-12 | Ashutosh Malaviya | Real-estate client management method and system |
| US20160292800A1 (en) * | 2015-03-30 | 2016-10-06 | Creed Smith | Automated Real Estate Valuation System |
| WO2017150772A1 (ko) * | 2016-02-29 | 2017-09-08 | 권형달 | 부동산 정보 제공 및 공유 장치 |
| CN107633437A (zh) * | 2016-07-18 | 2018-01-26 | 东莞登龙智能科技有限公司 | 一种公寓租赁管理***及其设计方法 |
| CN106503438A (zh) * | 2016-10-20 | 2017-03-15 | 上海科瓴医疗科技有限公司 | 一种用于药店会员分析的h‑rfm用户建模方法及*** |
| CN109285092A (zh) * | 2017-07-20 | 2019-01-29 | 金东珉 | 网上房地产信息提供***，房地产放心交易服务提供*** |
| CN109446275A (zh) * | 2018-09-03 | 2019-03-08 | 厦门快商通信息技术有限公司 | 一种基于大数据的航空数据分析方法、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| C SMITH等: "Utility Theory and Rent Optimization: Utilizing Cluster Analysis to Segment Rental Markets", 《JOURNAL OF REAL ESTATE RESEARCH》 * |
| K GUO等: "Cluster analysis on city real estate market of China: based on a new integrated method for time series clustering", 《PROCEDIA COMPUTER SCIENCE》 * |
| ZHIYONG_WILL: "简单易学的机器学习算法——K-Means++算法", 《机器学习，数据挖掘算法》 * |
| 卢俊文等: "广州租赁住房的空间分布格局及其成因", 《热带地理》 * |
| 杨纲等: "基于改进kmeans++算法的用户分类与电价政策影响分析", 《电力需求侧管理》 * |
| 陈翠卓: "移动平台下基于K-means的租房信息聚类算法研究与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10491576B1 (en) | System and method for security breach response using hierarchical cryptographic key management | |
| Jiang et al. | Achieving high performance and privacy-preserving query over encrypted multidimensional big metering data | |
| CN110033258B (zh) | 基于区块链的业务数据加密方法及装置 | |
| CA3057854C (en) | Method and system for hierarchical cryptographic key management | |
| Papadopoulos et al. | Nearest neighbor search with strong location privacy | |
| CN106022155B (zh) | 用于数据库安全管理的方法及服务器 | |
| WO2020135853A1 (zh) | 密钥安全管理***和方法、介质和计算机程序 | |
| US11811907B2 (en) | Data processing permits system with keys | |
| CN110827028B (zh) | 一种基于区块链的数据采集交易***和方法 | |
| CN109670321A (zh) | 数据存储方法、数据查询方法及装置 | |
| CN102236766A (zh) | 安全的数据项级数据库加密*** | |
| CN109493017A (zh) | 基于区块链的可信外包存储方法 | |
| CN110134718B (zh) | 一种基于属性加密的支持多关键字的模糊搜索方法 | |
| CN107359998A (zh) | 一种便携式智能口令管理体制的建立与操作方法 | |
| CN108881203A (zh) | 基于区块链的数据管理方法、电子设备、存储介质及*** | |
| CN110009339A (zh) | 基于区块链的数据处理方法和装置 | |
| CN109829333A (zh) | 一种基于OpenID的关键信息保护方法及*** | |
| CN106372874A (zh) | 一种基于云平台下物联网移动金融支付*** | |
| CN107995147A (zh) | 基于分布式文件***的元数据加解密方法和*** | |
| US11210423B2 (en) | User action collection for sensitive customer data | |
| CN113239401A (zh) | 一种基于电力物联网的大数据分析***、方法及计算机存储介质 | |
| CN103577771A (zh) | 一种基于磁盘加密的虚拟桌面数据防泄漏保护技术 | |
| CN110288397A (zh) | 一种房地产租赁调研用市场分析方法 | |
| CN109816525A (zh) | 一种数据处理方法及其装置、介质、终端 | |
| CN109299598A (zh) | 数据管理方法及装置 |
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 |
Application publication date: 20190927 |
|
| RJ01 | Rejection of invention patent application after publication |