(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210965234.4 (22)申请日 2022.08.12 (71)申请人 上海估家网络科技有限公司 地址 200335 上海市长 宁区金钟路6 58弄10 号206-027室 申请人 张效海 (72)发明人 穆良书　 (74)专利代理 机构 上海智信专利代理有限公司 31002 专利代理师 杨怡清 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/16(2012.01) (54)发明名称 一种基于神经网络的房产估值方法 (57)摘要 本发明涉及一种基于神经网络的房产估值 方法， 包括： 步骤S1， 选取待估值房产， 并确定待 估值房产的影响因素数据集； 步骤S2， 选取多个 具有价格的房产作为训练样本源， 对训练样本源 的对应于影 响因素数据集中的数据进行预处理， 获取训练样本源的预处理后的数据； 步骤S3， 根 据训练样 本源的预处理后的数据， 建立用于房产 估值的神经网络模型； 步骤S4， 将预处理后的数 据作为训练样本， 输入至神经网络模 型以得到经 过训练的神经网络模型； 利用经过训练的神经网 络模型， 根据待估值房产的预处理后的数据， 预 测出待估值房产的价格。 本发明通过神经网络算 法量化各影 响因素与房产价格 之间的内在关系， 从而能够准确地估计房产价格， 且精度较高。 权利要求书2页 说明书5页 附图1页 CN 115271825 A 2022.11.01 CN 115271825 A 1.一种基于神经网络的房产估值方法， 其特 征在于， 包括： 步骤S1， 选取待估值房产， 并确定所述待估值房产的影响因素 数据集； 步骤S2， 选取多个具有价格的房产作为训练样本源， 对训练样本源的对应于所述影响 因素数据集中的数据进行 预处理， 获取训练样本源的预处 理后的数据； 步骤S3， 根据所述训练样本源的预处 理后的数据， 建立用于房产估值的神经网络模型； 步骤S4， 将所述预处理后的数据作为训练样本， 输入至所述神经网络模型以得到经过 训练的神经网络模型； 将所述待估值房产 的对应于所述影响因素数据集的数据进行预处 理， 获取待估值房产的预处理后的数据， 将待估值房产的预处理后的数据输入经过训练的 神经网络模型， 预测出待估值房产的价格。 2.根据权利要求1所述的基于神经网络的房产估值方法， 其特征在于， 所述影响因素数 据集包括 价格维度数据、 空间维度数据以及相关标签数据。 3.根据权利要求2所述的基于神经网络的房产估值方法， 其特征在于， 所述价格维度 数 据包括待估值房产周边小区的最高均价、 待估值房产与最高均价所在小区的距离、 待估值 房产周边小区的最低均价以及待估值房产与最低均价所在小区的距离 。 4.根据权利要求2所述的基于神经网络的房产估值方法， 其特征在于， 所述空间维度 数 据包括待估值房产的周边银行距离、 周边医院距离、 周边学校距离、 周边地铁数量、 周边公 交数量、 周边厌 恶设施数量以及待估值房产与行政区域中心的距离 。 5.根据权利要求2所述的基于神经网络的房产估值方法， 其特征在于， 所述相关标签数 据包括建筑年代、 物业类型、 开发商标签以及建筑类型。 6.根据权利要求1所述的基于神经网络的房产估值方法， 其特征在于， 所述步骤S2包 括： 步骤S21， 对价格维度数据、 空间维度数据和相关标签数据进行异常值处理、 去重处理、 缺失值处 理； 步骤S22， 对进行异常值处 理、 缺失值处 理、 去重处 理后的数据进行归一 化处理。 7.根据权利要求6所述的基于神经网络的房产估值方法， 其特征在于， 所述异常值处理 的方法包括删除法、 保留法和平均值 替代法。 8.根据权利要求1所述的基于神经网络的房产估值方法， 其特征在于， 所述步骤S3包 括： 步骤S31， 确定该神经网络模型包括15个输入节点和1个输出节点； 步骤S32， 选定该神经网络模型每一层神经元的激活函数为： ReLU＝max(0,x)， x表示输 入节点的输入值， max()表示取最大值； 步骤S33， 选定该神 经网络模型的损失函数为： Loss＝∑(y ‑fθ(xi))2， 其中， y表示真实 值， fθ(xi)表示通过模型 预测的预测值； 步骤S34， 在该神经网络模型中加入 优化器Adam， 并确定梯度更新 规则函数为： mt＝β1mt‑1+(1‑β1)gt；权　利　要　求　书 1/2 页 2 CN 115271825 A 2其中， θt+1表示第t+1轮参数， θt表示第t轮参数， mt表示增大学习率的参数， vt表示减小 学习率的参数， gt表示时间步长为t时的梯度， η表示学习率， ε为一常数， β1为一阶矩的指数 衰减率， β2为二阶矩的指数衰减率。权　利　要　求　书 2/2 页 3 CN 115271825 A 3