【KDD2021】多任务层次图表示学习框架的房地产评估

房地产评估是指对房地产市场价值形成公正看法的过程，对市场中各种参与者(如房地产经纪人、估价师、贷款人和买家)的决策起着至关重要的作用。然而，准确的房地产估价是一项艰巨的任务，主要面临三大挑战: (1)房地产价值的影响因素复杂; (2) 房地产交易间的时空相关性; (3) 居民社区间的多元相关性。为此，我们提出了一个多任务层次图表示学习(MugRep)框架，用于准确的房地产评估。具体而言，我们首先通过获取和整合多源城市数据，构建丰富的特征集，从地理分布、人口流动分布、居民人口分布等多个角度对房地产进行全面剖析。然后，提出一种演化的房地产事务图和相应的事件图卷积模块，以实现房地产事务之间的时空异步依赖。此外，为了进一步整合来自住宅小区的有价值的知识，我们设计了一个分层的异构社区图卷积模块来获取住宅小区之间的多样化关联。最后，引入城市分区多任务学习模块来生成不同分布的房地产价值意见。在两个真实数据集上的大量实验证明了MugRep及其组件和特征的有效性。

https://www.zhuanzhi.ai/paper/32c9259344fdb9b4da07bd0d3277416e