CN116188178A - 资源信息处理方法、装置、设备、存储介质和产品 - Google Patents
资源信息处理方法、装置、设备、存储介质和产品 Download PDFInfo
- Publication number
- CN116188178A CN116188178A CN202310288526.3A CN202310288526A CN116188178A CN 116188178 A CN116188178 A CN 116188178A CN 202310288526 A CN202310288526 A CN 202310288526A CN 116188178 A CN116188178 A CN 116188178A
- Authority
- CN
- China
- Prior art keywords
- resource
- house
- delivered
- attribute value
- resource attribute
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000011161 development Methods 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims description 60
- 238000004590 computer program Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 29
- 238000013507 mapping Methods 0.000 claims description 29
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 230000004044 response Effects 0.000 description 6
- 230000005653 Brownian motion process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种资源信息处理方法、装置、设备、存储介质和产品,可用于金融科技领域或其他相关领域,能够提高资源信息获取效率。所述方法包括:响应于资源信息获取请求,确定与待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取待交付房屋对象在预设交付日的资源属性值;确定对待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;获取正面状态下目标资源对象的第一资源属性值,以及,根据待交付房屋对象的资源属性值,以及待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下目标资源对象的第二资源属性值;基于第一资源属性和第二资源属性值,确定目标资源对象的资源信息。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种资源信息处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着计算机技术发展,可以结合多方面的信息确定房屋保险的资源信息。
相关技术中,在确定房屋保险定价时,主要由有经验的工作人员结合过往经验确定房屋保险的资源信息。然而,该方式需要人为地定期对房屋保险的资源信息进行更新,耗费大量的人力成本,并且由于依赖于经验,往往难以获取到与房屋实际情况适配的资源信息,存在资源信息获取效率较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高资源信息获取效率的资源信息处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种资源信息处理方法。所述方法包括:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
在其中一个实施例中,所述确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态,包括:
获取随机生成的多个资源信息调整参数;
针对每个所述资源信息调整参数,基于所述资源信息调整参数和所述开发对象在当前日期的初始资源信息,对所述开发对象从当前日期到所述预设交付日之间的资源信息的变化进行模拟,得到第一模拟结果;
根据所述开发对象在每个第一模拟结果中预设交付日的预测资源信息,确定所述开发对象在每个第一模拟结果中的资源状态,得到多个资源状态。
在其中一个实施例中,所述基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息,包括:
确定各个正面状态下所述目标资源对象的第一资源属性值,以及各个负面状态下所述目标资源对象的第二资源属性值;
基于各个第一资源属性值和各个第二资源属性值的平均值,得到所述目标资源对象的资源信息。
在其中一个实施例中,所述基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值,包括:
基于所述多个参考房屋对象的资源属性值,确定所述待交付房屋对象在开发完成时的预测资源属性值;
根据所述待交付房屋对象在当前日期的初始资源属性值,以及所述预测资源属性值和所述预设交付日,确定所述待交付房屋对象的开发速度;
根据所述初始资源属性值和所述开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,基于第二模拟结果确定所述待交付房屋对象在所述预设交付日的资源属性值。
在其中一个实施例中,所述根据所述初始资源属性值和所述开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,基于第二模拟结果确定所述待交付房屋对象在所述预设交付日的资源属性值,包括:
获取随机生成的多组资源属性值调整参数;
针对每组所述资源属性值调整参数,基于所述资源属性值调整参数、所述初始资源属性值和开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,得到第二模拟结果;
根据多个第二模拟结果中每个第二模拟结果表征的所述待交付房屋对象在所述预设交付日的资源属性值,确定所述待交付房屋对象在所述预设交付日的资源属性值。
在其中一个实施例中,所述基于所述多个参考房屋对象的资源属性值,确定所述待交付房屋对象在开发完成时的预测资源属性值,包括:
从多个参考房屋对象中确定一参考房屋对象作为基准房屋对象,并从所述多个参考房屋对象中确定与所述基准房屋对象的距离在预设距离范围内的多个样本房屋对象;
获取每个样本房屋对象与所述基准房屋对象之间的第一距离,并基于所述第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征;
利用多个样本房屋对象的资源属性值和房屋特征进行回归分析,得到资源属性值与房屋特征之间的映射关系;
基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值。
在其中一个实施例中,所述基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值,包括:
获取所述待交付房屋对象与预设的目标基准房屋对象的第二距离,并基于所述第二距离以及所述待交付房屋对象的属性特征,确定所述待交付房屋对象的房屋特征;
基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值。
在其中一个实施例中,在所述基于所述第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征之前,还包括:
获取每个样本房屋对象的房屋对象面积,以及每个样本房屋对象从开发完毕到当前的持续时间;
基于每个样本房屋对象的房屋对象面积和持续时间,得到每个样本房屋对象的属性特征。
第二方面,本申请还提供了一种资源信息处理装置。所述装置包括:
房屋对象资源信息获取模块,用于响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
资源状态确定模块,用于确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
资源属性值确定模块,用于获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
资源信息确定模块,用于基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
上述资源信息处理方法、装置、计算机设备、存储介质和计算机程序产品响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,可以确定与待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取待交付房屋对象在预设交付日的资源属性值,该目标资源对象用于在待交付房屋对象交付失败时提供虚拟资源;并且可以确定对待交付房屋对象进行开发的开发对象在预设交付日的资源状态,资源状态用于表征开发对象的资源是否足够开发所述待交付房屋对象,资源状态包括正面状态和负面状态;进而可以获取正面状态下目标资源对象的第一资源属性值,以及,根据待交付房屋对象的资源属性值,以及待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下目标资源对象的第二资源属性值;然后,可以基于第一资源属性和第二资源属性值,确定目标资源对象的资源信息。本申请中,可以结合参考房屋对象确定待交付房屋对象自身的资源属性值,并对开发对象在预设交付日的资源状态进行预测,结合不同资源状态下待交付房屋对象的资源属性值,准确确定出与待交付对象关联的目标资源对象的资源信息,避免依赖人为经验确定资源信息,提高资源信息获取效率。
附图说明
图1为一个实施例中一种资源信息处理方法的应用环境图;
图2为一个实施例中一种资源信息处理方法的流程示意图;
图3为一个实施例中一种确定待交付房屋对象资源属性值的步骤的流程示意图;
图4为一个实施例中另一种确定待交付房屋对象资源属性值的步骤的流程示意图;
图5为一个实施例中另一种资源信息处理方法的流程示意图;
图6为一个实施例中一种确定待交付房屋对象的预测资源属性值的流程示意图;
图7为一个实施例中一种资源信息处理装置的结构框图;
图8为一个实施例中一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请的资源信息处理方法、装置、计算机设备、存储介质和计算机程序产品,可用于金融领域中,也可用于除金融领域之外的任意领域的资源信息处理中,本申请的资源信息处理方法、装置、计算机设备、存储介质和计算机程序产品的应用领域不做限定。
本申请实施例提供的资源信息处理方法,可以应用于如图1所示的应用环境中,该应用环境中可以包括终端和服务器,终端通过网络与服务器进行通信。
在本申请中,终端可以针对与待交付房屋对象关联的目标资源对象,生成资源信息获取请求,服务器响应于资源信息获取请求,可以确定与交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取待交付房屋对象在预设交付日的资源属性值;其中,目标资源对象用于在待交付房屋对象交付失败时提供虚拟资源;进而服务器可以确定对待交付房屋对象进行开发的开发对象在预设交付日的资源状态;该资源状态用于表征开发对象的资源是否足够开发待交付房屋对象,资源状态包括正面状态和负面状态;然后,服务器可以获取正面状态下目标资源对象的第一资源属性值,以及,根据待交付房屋对象的资源属性值,以及待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下目标资源对象的第二资源属性值,并基于第一资源属性和第二资源属性值,确定目标资源对象的资源信息。
其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现,服务器可以具有相应的数据存储系统,该数据存储系统可以存储服务器需要处理的数据,数据存储系统可以集成在服务器上,也可以放在云上或其他网络服务器上。
在一个实施例中,如图2所示,提供了一种资源信息处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S201,响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取待交付房屋对象在预设交付日的资源属性值。
其中,待交付房屋对象可以待交付房屋对应的数据对象,待交付房屋可以是处于开发状态中且尚未交付给用户的房屋,通过待交付房屋对象的信息可以表征待交付房屋的信息,在一示例中,待交付房屋可以是期房,待交付房屋对象可以是期房对象。
目标资源对象用于在待交付房屋对象交付失败时提供虚拟资源。具体而言,由于待交付房屋对象尚未向用户交付(即房屋对象的交付状态处于未交付状态),则房屋在预设交付日成功交付给用户前存在交付失败的可能。与待交付房屋对象关联的目标资源对象,可以房屋对象在预设交付日向用户交付失败的情况下,向用户提供预设数量的虚拟资源。在一种实施例中,目标资源对象可以是房屋保险,如期房保险。
资源属性值可用于表征虚拟资源的资源数量,对象可以具有相应的资源属性值。
具体实现中,针对与待交付房屋对象关联的目标资源对象,终端可以生成资源信息获取请求,以请求确定目标资源对象的资源信息,该资源信息中可以包括目标资源对象的资源属性值。
响应于资源信息获取请求,由于目标资源对象是在待交付房屋对象交付失败时提供虚拟资源,目标资源对象的资源信息与待交付房屋对象的资源属性值相关,因此可以确定待交付房屋对象的资源属性值。
具体地,由于待交付房屋对象并未向用户交付,因此未能直接得到相关方(如开发对象)针对待交付房屋对象设置的资源属性值。
在本实施例中,可以确定与待交付房屋对象相似的多个已交付的房屋对象作为参考房屋对象。在一种可选的实施例中,每个房屋对象可以具有多个房屋特征,房屋特征可以是表征房屋对象特点的信息,示例性的,房屋特征可以包括以下至少一种类型:用于表征房屋对象位置特点的房屋特征、用于表征房屋对象用途特点的房屋特征、用于表征房屋对象对应开发对象的特点的房屋特征、用于表征房屋对象结构和/或内部配置(如家具或装修等)特点的房屋特征。进而可以获取多个的候选房屋对象的房屋特征,并将与待交付房屋对象具有相同或相似房屋特征的多个候选房屋对象作为参考房屋对象,由此得到多个参考房屋对象。
S202,确定对待交付房屋对象进行开发的开发对象在预设交付日的资源状态,资源状态用于表征开发对象的资源是否足够开发待交付房屋对象,资源状态包括正面状态和负面状态。
其中,待交付房屋对象由开发对象进行开发,开发对象可以通过开发对象自身配置的资源对待交付房屋对象进行开发,直到开发完成并将待交付房屋对象交付给用户。
在开发对象对待交付房屋对象进行开发的过程中,开发对象配置的资源可以发生变动,当开发对象的资源不足以继续对待交付房屋对象进行开发时,待交付房屋对象存在无法交付的情况。
在本实施例中,可以通过资源状态表征开发对象的资源是否足够对待交付房屋对象进行开发,资源状态可以包括正面状态和负面状态,正面状态指示开发对象的资源足够开发待交付房屋对象,负面状态指示开发对象的资源状态不足以继续对待交付房屋对象进行开发。在一种示例中,若开发对象的资源由资产和负债(或债务)构成,正面状态可以是指资产的资源属性值大于或等于负债的资源属性值的情况,负面状态可以是指资产的资源属性值小于负债的资源属性值的情况(即资不抵债)。
实际应用中,可以在接收到针对待交付房屋对象关联的目标资源对象的资源信息获取请求后,可以对开发对象的资源状态进行预测,并基于预测结果确定开发对象在预设交付日的资源状态。
S203,获取正面状态下目标资源对象的第一资源属性值,以及,根据待交付房屋对象的资源属性值,以及待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下目标资源对象的第二资源属性值。
具体地,可以对开发对象在预设交付日的资源状态进行多次预测,在多次预测结果中,开发对象的状态可以包括正面状态和负面状态。
若确定在预设交付日,开发对象的资源状态为正面状态,可以获取正面状态下目标资源对象的第一资源属性值,其中,对于正面状态,由于预测目标资源对象可以在预设交付日正常交付,无需通过目标资源对象向用户提供虚拟资源,因此,目标资源对象的资源属性值可以是预设值(如0),也即可以将该预设值作为目标资源对象的第一资源属性值。
若确定在预设交付日开发对象的资源状态为负面状态,则将通过目标资源对象向用户提供虚拟资源,具体地,可以根据待交付房屋对象的资源属性值,以及待交付房屋对象交付失败时需要向用户提供的虚拟资源的资源属性值,获取负面状态下目标资源对象的第二资源属性值,例如可以根据向用户提供的虚拟资源的资源属性值与待交付房屋对象的资源属性两者之和,确定第二资源属性值。
S204,基于第一资源属性和第二资源属性值,确定目标资源对象的资源信息。
进而,可以结合第一资源属性值和第二资源属性值,确定目标资源对象的资源信息,例如可以确定第一资源属性值和第二资源属性值的平均值,并将该平均值确定为目标资源对象的资源信息。
在本实施例中,响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,可以确定与待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取待交付房屋对象在预设交付日的资源属性值,该目标资源对象用于在待交付房屋对象交付失败时提供虚拟资源;并且可以确定对待交付房屋对象进行开发的开发对象在预设交付日的资源状态,资源状态用于表征开发对象的资源是否足够开发所述待交付房屋对象,资源状态包括正面状态和负面状态;进而可以获取正面状态下目标资源对象的第一资源属性值,以及,根据待交付房屋对象的资源属性值,以及待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下目标资源对象的第二资源属性值;然后,可以基于第一资源属性和第二资源属性值,确定目标资源对象的资源信息。本申请中,可以结合参考房屋对象确定待交付房屋对象自身的资源属性值,并对开发对象在预设交付日的资源状态进行预测,结合不同资源状态下待交付房屋对象的资源属性值,准确确定出与待交付对象关联的目标资源对象的资源信息,避免依赖人为经验确定资源信息,提高资源信息获取效率。
在一个实施例中,如图3所示,S202确定对待交付房屋对象进行开发的开发对象在预设交付日的资源状态,可以包括如下步骤:
S301,获取随机生成的多个资源信息调整参数。
其中,资源信息调整参数可以理解为:对开发对象的资源信息进行调整的信息;当开发对象的资源信息发生变化时,可以基于该资源信息调整参数确定资源信息的变化值。
实际应用中,可以获取随机生成的多个资源信息调整参数,在一示例中,资源信息调整参数可以是服从正态分布的随机数。
S302,针对每个资源信息调整参数,基于资源信息调整参数和开发对象在当前日期的初始资源信息,对开发对象从当前日期到预设交付日之间的资源信息的变化进行模拟,得到第一模拟结果。
作为一示例,初始资源信息可以理解为是开发对象在当前日期的资源信息,示例性地,资源信息可以包括开发对象资产和负债的资源信息,其中,资产的资源信息可以包括开发对象资产的资源属性值,负债的资源信息可以包括负债的资源属性值。
具体实现中,在得到多个资源信息调整参数后,可以分别利用每个资源信息调整参数进行模拟,得到不同资源信息调整参数下的模拟结果,为便于区分,利用资源信息调整参数进行模拟得到的模拟结果,可以称为第一模拟结果。
针对每个资源信息调整参数,可以基于该资源信息调整参数和开发对象在当前日期的初始资源信息,对开发对象从当前日期到预设交付日之间的资源信息的变化进行模拟,得到第一模拟结果。
为使本领域技术人员更清楚地理解本步骤,以下通过一个例子进行介绍,但应当理解的是,本申请实施例并不限于此。
1、可以获取开发对象当前的资产信息作为初始资产信息,包括资产的资源属性值A和负债的资源属性值L。在一种可选的实施例中,可以通过开发对象对外公开的信息(例如资产负债表)得到资源属性值A和资源属性值L。
2、随机生成资源信息调整参数dw(dw为生成的正态分布随机数(均值为0,方差为dt)),该参数可以理解为维纳过程中涉及到的参数。
3、对开发对象资产信息的变化进行模拟,在进行模拟时,可以通过蒙特卡洛模拟实现,在该模拟过程中可以涉及到维纳过程,其中,维纳过程是一个独立增量过程,也称作布朗运动过程,是一种连续时间随机过程。
具体地,可以先通过如下方式确定dAt和dLt:
dAt=aAtdt+σAAtdw
dLt=rLtdt
其中,At和Lt分别为时刻t时开发对象的资产对应的资产信息和负债对应的资产信息,t∈[0,T]表示时间,其中0表示当前时间,T表示预设交付日;dAt为经过时间dt后资产的资源属性值A的增量,dLt为经过时间dt后资产的资源属性值L的增量,a用于表征开发对象的资产的使用情况,σA可以表征开发对象的资产的不确定性波动,r表征开发对象债务的资源交换率。在一示例中,若开发对象具有市盈率和股票,a可以基于开发对象的市盈率确定,σA可以基于开发对象对应股票在最近预设时间内的标准差得到。
在时间dt过后,开发对象更新后的资产对应的资产信息以及负债对应的负债信息为:
At+dt=At+dAt
Lt+dt=Lt+dLt
将更新后的At+dt和Lt+dt分别确定为起始点At和Lt:
t←t+dt
A(t)←A(t+dt)
L(t)←L(t+dt)
重复上述步骤直到模拟到预设交付日,即可确定出在当前资源信息调整参数dw下,开发对象从当前日期到预设交付日之间的资源信息的变化情况,得到第一模拟结果。
S303,根据开发对象在每个第一模拟结果中预设交付日的预测资源信息,确定开发对象在每个第一模拟结果中的资源状态,得到多个资源状态。
针对得到的每个第一模拟结果,可以根据开发对象在第一模拟结果中预设交付日的资源信息,即预测资源信息,确定开发对象的资源状态,由此得到多个资源状态。在一些可选的实施例中,不同资源状态下目标资源对象的资源属性值MT可以如下所示:
其中,K为待交付房屋对象在预设交付日交付失败时向用户提供的虚拟资源信息,ST为预设交付日时待交付房屋对象的资源属性值,E为开发对象的资源不足以继续开发资源对象的情况,例如资不抵债。
在本实施例中,可以通过多个资源信息调整参数对开发对象在当前日期到预设交付日期之间的资源信息变化情况进行模拟,为后续综合多种情况下的资源状态提供基础。
在一个实施例中,S204基于第一资源属性和第二资源属性值,确定目标资源对象的资源信息,可以包括如下步骤:
确定各个正面状态下目标资源对象的第一资源属性值,以及各个负面状态下目标资源对象的第二资源属性值;基于各个第一资源属性值和各个第二资源属性值的平均值,得到目标资源对象的资源信息。
具体实现中,在得到多个第一模拟结果后,多个第一模拟结果可以至少包括一个正面状态和至少一个负面状态,然后可以确定在各个正面状态下目标资源对象的第一资源属性值,在一些可选的实施例中,可以将各个正面状态下的第一资源属性值设为相同的预设值,也可以设置为不同的预设值;并且,可以获取各个负面状态下目标资源对象的第二资源属性值,在确定第二资源属性值时。
在得到各个第一资源属性值和各个第二资源属性值后,可以对各个第一资源属性值和第二资源属性值求和,得到资源属性值之和,然后,可以根据资源属性值之和以及多个第一模拟结果对应的结果数量的比值,确定各个第一资源属性值和各个第二资源属性值的平均值并对该平均值进行折现,将折现得到的资源属性值作为目标资源对象的资源信息。在一些示例中,可以按照如下方式进行折现,得到折现后的资源属性值Pay:
在本实施例中,通过对开发对象在预设交付日的资源状态进行多次模拟,结合各个正面状态下的第一资源属性值和各个负面状态下的第二资源属性值,确定资源信息,能够降低确定资源信息时存在的统计偏差,综合不同资源状态下的资源信息,有效提升资源信息的准确性和可靠性。
在一个实施例中,如图3所示,S201基于多个参考房屋对象的资源属性值,获取待交付房屋对象在预设交付日的资源属性值,可以包括如下步骤:
S301,基于多个参考房屋对象的资源属性值,确定待交付房屋对象在开发完成时的预测资源属性值。
具体地,由于多个参考房屋对象处于已交付状态,在本步骤中,可以基于多个参考房屋对象的资源属性值,确定待交付房屋对象在开发完成时的预测资源属性值。
S302,根据待交付房屋对象在当前日期的初始资源属性值,以及预测资源属性值和预设交付日,确定待交付房屋对象的开发速度。
实际应用中,预测资源属性值是开发完成时待交付房屋对象的资源属性值,而在预设交付日待交付房屋对象可能尚未完成开发(未能交付的情况),基于此,可以根据待交付房屋对象在当前日期的初始资源属性值、预测资源属性值和预设交付日,确定待交付房屋对象的开发速度,其中,开发速度也可以称为平均建设进度。
在一种可选的实施例中,可以通过如下方式确定开发速度μ:
S0=初期投入的资源属性值*待交付房屋对象面积/建设房产总面积
S303,根据初始资源属性值和开发速度,对待交付房屋对象从当前日期到预设交付日之间的资源属性值的变化进行模拟,基于第二模拟结果确定待交付房屋对象在预设交付日的资源属性值。
具体而言,待交付房屋对象的开发进度可以与待交付房屋对象的资源属性值呈正相关,开发速度可以决定待交付房屋对象的开发进度,开发速度越快,开发进度越高。
基于此,可以根据初始资源属性值和开发速度,对待交付房屋对象从当前日期到预设交付日之间的资源属性值的变化进行模拟,得到模拟结果,该模拟结果也可以称为第二模拟结果,进而可以基于第二模拟结果确定待交付房屋对象在预设交付日的资源属性值。
在本实施例中,通过结合初始资源属性值和开发速度,对待交付房屋对象的资源属性值的变化进行模拟,可以细致化地确定出待交付房屋对象在当前日期到预设交付日之间的变化情况,从而可以准确得到待交付房屋对象在预设交付日的资源属性值。
在一个实施例中,如图4所示,S302根据待交付房屋对象在当前日期的初始资源属性值,以及预测资源属性值和预设交付日,确定待交付房屋对象的开发速度,可以包括如下步骤:
S401,获取随机生成的多组资源属性值调整参数。
其中,资源属性值调整参数可以理解为:对待交付房屋对象的资源属性值进行调整的信息;当待交付房屋对象的资源属性值发生变化时,可以基于资源属性值调整参数确定资源属性值的变化值。
实际应用中,可以获取随机生成的多组资源属性值调整参数,每组资源属性值调整参数可以包括多个资源属性值调整参数,在一示例中,资源属性值调整参数可以是服从正态分布的随机数,多个资源属性值调整参数可以为两个,一个用于调整开发对象对待交付房屋对象的资源属性值的影响,另一个可用于调整房屋对象交易平台对待交付房屋对象的资源属性值的影响。
S402,针对每组资源属性值调整参数,基于资源属性值调整参数、初始资源属性值和开发速度,对待交付房屋对象从当前日期到预设交付日之间的资源属性值的变化进行模拟,得到第二模拟结果。
作为一示例,初始资源属性值可以理解为是待交付对象在当前日期的资源属性值。
实际应用中,在得到多组资源属性值调整参数后,可以分别利用每组资源属性值调整参数进行模拟,得到不同组的资源属性值调整参数的模拟结果,为便于区分,利用资源属性值调整参数进行模拟得到的模拟结果,可以称为第二模拟结果。
针对每组资源属性值调整参数,可以基于该组资源属性值调整参数、初始资源属性值和开发速度,对待交付房屋对象从当前日期到预设交付日之间的资源属性值的变化进行模拟,得到第二模拟结果。
为使本领域技术人员更清楚地理解本步骤,以下通过一个例子进行介绍,但应当理解的是,本申请实施例并不限于此。
1、可以获取当前开发对象对该房屋对象的已投入的虚拟资源作为初始资源属性值。在一种可选的实施例中,可以将对同批房屋对象已投入的虚拟资源作为初始资源属性值。
2、随机一组资源属性值调整参数,包括dw1,dw2(dw1,dw2为相互独立生成的服从正态分布的随机数(均值为0,方差为dt)),可以理解为维纳过程中涉及到的参数。
3、对待交付房屋对象的资源属性值的变化进行模拟,在进行模拟时,可以通过蒙特卡洛模拟实现。具体可以如下所示:
首先计算dSt:
dSt=μStdt+σ1Stdw1+σ2Stdw2
S0=s0
其中,dSt为时刻t时待交付房屋对象的资源属性值;μ为开发速度;σ用于表征波动因素对待交付房屋对象的影响,其中可以包括σ1和σ2,σ1是由开发对象产生的波动,σ2是由房屋对象交易平台产生的波动,在一示例中,σ1可以通过开发对象对应股票在最近预设时间内的标准差得到,σ2通过计算参考房屋对象房产近一年的标准差得出。标准差的计算方式可以如下所示:
在时间dt过后,St更新为St+dt,St+dt通过如下方式确定:
St+dt=St+dSt
然后可以重复上述步骤直到模拟到预设交付时间,即可确定出在当前组资源属性值调整参数(即dw1,dw2)下,待交付房屋对象从当前日期到预设交付日之间的资源属性值的变化情况,得到第二模拟结果。
S403,根据多个第二模拟结果中每个第二模拟结果表征的待交付房屋对象在预设交付日的资源属性值,确定待交付房屋对象在预设交付日的资源属性值。
然后,针对得到的多个第二模拟结果,可以根据待交付房屋对象在每个第二模拟结果中预设交付日的资源属性值,确定待交付房屋对象在预设交付日的资源属性值,例如可以获取多个第二模拟结果中预设交付日的资源属性值的平均值,并根据该平均值得到待交付房屋对象在预设交付日的资源属性值。
在本实施例中,通过对待交付房屋对象在预设交付日的资源属性值进行多次模拟,能够降低确定资源属性值时存在的统计偏差,综合多个预设交付日时预测的资源属性值确定出待交付房屋对象的资源属性值,有效提升该资源属性值的准确性和可靠性。
在一个实施例中,S301基于多个参考房屋对象的资源属性值,确定待交付房屋对象在开发完成时的预测资源属性值,可以包括如下步骤:
S3011,从多个参考房屋对象中确定一参考房屋对象作为基准房屋对象,并从多个参考房屋对象中确定与基准房屋对象的距离在预设距离范围内的多个样本房屋对象。
在具体实现中,在获取多个参考房屋对象后,可以从多个参考房屋对象中依次确定一参考房屋对象作为基准房屋对象。针对当前确定出的基准房屋对象,可以进一步确定各个参考房屋对象与该基准房屋对象之间的距离,并将距离在预设距离范围内的多个参考房屋对象,确定为样本房屋对象,由此得到多个样本房屋对象。
S3012,获取每个样本房屋对象与基准房屋对象之间的第一距离,并基于第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征。
作为一示例,第一距离可以是预设方位上的距离,例如东西距离或南北距离。
在得到多个样本房屋对象后,可以确定每个样本对象与基准房屋对象之间的距离,作为第一距离,并且可以获取每个样本房屋对象的属性特征,并基于该第一距离以及每个样本房屋对象的属性特征,得到每个样本房屋对象的房屋特征。其中,属性特征可以是房屋对象固有的特征,如房屋的结构、面积等。
S3013,利用多个样本房屋对象的资源属性值和房屋特征进行回归分析,得到资源属性值与房屋特征之间的映射关系。
在得到多个样本房屋对象的房屋特征后,可以利用多个样本房屋对象的资源属性值和房屋特征进行回归分析,确定出样本房屋对象的资源属性值与样本房屋对象的房屋特征之间的映射关系。
S3014,基于待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定待交付房屋对象的预测资源属性值。
具体而言,得到的映射关系可以表征资源属性值与房屋特征之间的映射关系,换句话说,房屋特征可以理解为映射关系中的自变量,而资源属性值可以理解为因变量。因此,对于待交付房屋对象,可以获取待交付房屋对象的房屋特征,并基于待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定待交付房屋对象的资源属性值。
在本实施例中,通过利用多个样本房屋对象的资源属性值和房屋特征进行回归分析,能够准确构建资源属性值与房屋特征之间的映射关系,从而可以快速准确地确定出房屋对象的预测资源属性值。
在一个实施例中,S3014基于待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定待交付房屋对象的预测资源属性值,包括:
获取待交付房屋对象与预设的目标基准房屋对象的第二距离,并基于第二距离以及待交付房屋对象的属性特征,确定待交付房屋对象的房屋特征;基于待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定待交付房屋对象的预测资源属性值。
实际应用中,可以获取待交付房屋对象与目标基准房屋对象的第二距离。具体而言,可以将待交付房屋对象自身确定为目标基准房屋对象,或者,也可以从多个参考房屋对象中确定出一个参考房屋对象,作为目标基准房屋对象。并且,还可以获取待交付房屋对象的属性特征,例如待交付房屋对象的房屋对象面积,以及每个样本房屋对象从开发完毕到当前的持续时间等信息。进而可以将第二距离和待交付房屋对象的属性特征,确定为待交付房屋对象的房屋特征。
然后,可以根据待交付房屋对象的房屋特征以及资源属性值与房屋特征之间的映射关系,确定待交付房屋对象的预测资源属性值。
在本实施例中,可以根据待交付房屋对象自身的房屋特征和预先确定的映射关系,准确识别出与待交付房屋对象匹配的预测资源属性值。
在一个实施例中,在基于第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征之前,还包括:
获取每个样本房屋对象的房屋对象面积,以及每个样本房屋对象从开发完毕到当前的持续时间;基于每个样本房屋对象的房屋对象面积和持续时间,得到每个样本房屋对象的属性特征。
实际应用中,样本房屋对象处于已经开发完毕并交付的状态,可以具有相关的房屋对象数据。在一些可选的实施例中,房屋对象数据可以在指定的预设网址中通过爬虫技术获得,也可以由发送资源信息获取请求的请求者提供(例如待交付房屋对象的开发对象或者银行)。
在得到房屋对象数据后,可以从房屋对象数据中获取每个样本房屋对象的房屋对象面积,该面积可以理解为房内部屋的建筑面积,并且,还可以获取每个样本房屋对象从开发完毕到当前的持续时间,该时间也可以称为房屋年限。然后,可以基于每个样本房屋对象的房屋对象面积和持续时间,得到每个样本房屋对象的属性特征,进而后续可以结合样本房屋对象自身的属性确定出资源属性值。
为了使本领域技术人员能够更好地理解上述步骤,以下通过一个例子对本申请实施例加以示例性说明,但应当理解的是,本申请实施例并不限于此。
如图5所示,可以通过网络爬虫模块从互联网(例如请求者指定的网址)中获取待交付房屋对象周边的多个参考房屋对象的房屋对象数据,也可以由请求者直接提供房屋对象数据;获取到的房屋对象数据可以存储到数据库中。然后,映射关系确定模块可以从数据库中获取多个参考房屋对象的房屋对象数据,并根据房屋对象数据确定出资源属性值与房屋特征之间的映射关系。
具体而言,映射关系确定模块的处理流程可以如图6所示,对于每个参考房屋对象,可以从数据库中获取以下房屋特征:资源属性值P(i),房屋对象面积A(i),从开发完毕到当前的持续时间Y(i),与基准房屋对象之间的第一距离,包括东西方向的第一距离D1(x,i)以及南北方向的第一距离D2(x,i)。其中,基准房屋对象可以从多个参考房屋对象中确定。由此基于每个参考房屋对象的各个房屋特征,可以得到n组数据,每组数据中包括一个参考房屋对象的多个房屋特征。
然后,可以通过数据处理模块对多个参考房屋对象的各个房屋特征作标准化处理,以资源属性值为示例,具体处理过程如下所示:
2、确定资源属性值的标准差σPx:
3、确定标准化后的资源属性值:
对其他房屋特征作相同处理,具体可以参考上述过程,此处不作赘述。为方便表示,下述回归公式中的房屋特征均为已标准化处理的房屋特征。
4、对于房屋对象的资源属性值与房屋特征之间的映射关系,可以表示为:
其中,P(x)是模型得出的资源属性值,β0是常数参数,βY是房屋特征Y(x)的系数参数,其他β是其他房屋特征对应的系数参数。
对于现有的每个参考房屋对象,可以获取到因变量资源属性值P和各个自变量(即房屋特征)Y、A、D1、D2,并通过矩阵计算模块构造矩阵。其中,可以基于房屋特征可以构造自变量矩阵X:
对于资源属性值可以构造矩阵P:
然后矩阵计算模块可以用矩阵X和矩阵P用最小二乘法算出误差最小的参数矩阵β:
由最小二乘法,参数矩阵的计算方式为:
求得β后将对应参数代入即可得到映射关系。
5、在得到映射关系后,对于待交付房屋对象,可以由待交付房屋对象的预测资源属性值确定模块,从数据库获取待交付房屋对象的多个房屋特征,并进行标准化处理,得到标准化处理后的多个房屋特征,包括房屋对象持续时间Y(x)=0,房屋面积A(x),待交付房屋对象x和基准位置(如待交付房屋对象自身的位置)的东西方向的距离差D1()=0,待交付房屋对象x和基准位置的南北方向的距离差D2(x,i)=0,即可得出待交付房屋对象的标准化后的预测资源属性值P(x),然后可以对P(x)进行标准化的逆运算,得到实际的预测资源属性值,并且可以结合开发速度等信息进行模拟,得到待交付房屋对象的资源属性值。
6、可以将开发对象的相关资源信息输入到目标资源对象的资源属性值确定模块进行模拟,得到开发对象的资源状态,然后可以由目标资源对象的资源属性值确定模块结合开发对象的资源状态和待交付房屋对象的资源属性值,确定出目标资源对象的资源属性值,并作为输出结果输出。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的资源信息处理方法的资源信息处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个资源信息处理装置实施例中的具体限定可以参见上文中对于资源信息处理方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种资源信息处理装置,包括:
房屋对象资源信息获取模块701,用于响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
资源状态确定模块702,用于确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
资源属性值确定模块703,用于获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
资源信息确定模块704,用于基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
在一个实施例中,所述资源状态确定模块702,具体用于:
获取随机生成的多个资源信息调整参数;
针对每个所述资源信息调整参数,基于所述资源信息调整参数和所述开发对象在当前日期的初始资源信息,对所述开发对象从当前日期到所述预设交付日之间的资源信息的变化进行模拟,得到第一模拟结果;
根据所述开发对象在每个第一模拟结果中预设交付日的预测资源信息,确定所述开发对象在每个第一模拟结果中的资源状态,得到多个资源状态。
在一个实施例中,所述资源信息确定模块704,具体用于:
确定各个正面状态下所述目标资源对象的第一资源属性值,以及各个负面状态下所述目标资源对象的第二资源属性值;
基于各个第一资源属性值和各个第二资源属性值的平均值,得到所述目标资源对象的资源信息。
在一个实施例中,所述房屋对象资源信息获取模块701,具体用于:
基于所述多个参考房屋对象的资源属性值,确定所述待交付房屋对象在开发完成时的预测资源属性值;
根据所述待交付房屋对象在当前日期的初始资源属性值,以及所述预测资源属性值和所述预设交付日,确定所述待交付房屋对象的开发速度;
根据所述初始资源属性值和所述开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,基于第二模拟结果确定所述待交付房屋对象在所述预设交付日的资源属性值。
在一个实施例中,所述房屋对象资源信息获取模块701,具体用于:
获取随机生成的多组资源属性值调整参数;
针对每组所述资源属性值调整参数,基于所述资源属性值调整参数、所述初始资源属性值和开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,得到第二模拟结果;
根据多个第二模拟结果中每个第二模拟结果表征的所述待交付房屋对象在所述预设交付日的资源属性值,确定所述待交付房屋对象在所述预设交付日的资源属性值。
在一个实施例中,所述房屋对象资源信息获取模块701,具体用于:
从多个参考房屋对象中确定一参考房屋对象作为基准房屋对象,并从所述多个参考房屋对象中确定与所述基准房屋对象的距离在预设距离范围内的多个样本房屋对象;
获取每个样本房屋对象与所述基准房屋对象之间的第一距离,并基于所述第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征;
利用多个样本房屋对象的资源属性值和房屋特征进行回归分析,得到资源属性值与房屋特征之间的映射关系;
基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值。
在一个实施例中,所述房屋对象资源信息获取模块701,具体用于:
获取所述待交付房屋对象与预设的目标基准房屋对象的第二距离,并基于所述第二距离以及所述待交付房屋对象的属性特征,确定所述待交付房屋对象的房屋特征;
基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值。
在一个实施例中,所述房屋对象资源信息获取模块701,还用于:
获取每个样本房屋对象的房屋对象面积,以及每个样本房屋对象从开发完毕到当前的持续时间;
基于每个样本房屋对象的房屋对象面积和持续时间,得到每个样本房屋对象的属性特征。
上述资源信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储房屋对象数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种资源信息处理方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
在一个实施例中,处理器执行计算机程序时还实现上述其他实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
在一个实施例中,计算机程序被处理器执行时还实现上述其他实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
在一个实施例中,计算机程序被处理器执行时还实现上述其他实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种资源信息处理方法,其特征在于,所述方法包括:
响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
2.根据权利要求1所述的方法,其特征在于,所述确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态,包括:
获取随机生成的多个资源信息调整参数;
针对每个所述资源信息调整参数,基于所述资源信息调整参数和所述开发对象在当前日期的初始资源信息,对所述开发对象从当前日期到所述预设交付日之间的资源信息的变化进行模拟,得到第一模拟结果;
根据所述开发对象在每个第一模拟结果中预设交付日的预测资源信息,确定所述开发对象在每个第一模拟结果中的资源状态,得到多个资源状态。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息,包括:
确定各个正面状态下所述目标资源对象的第一资源属性值,以及各个负面状态下所述目标资源对象的第二资源属性值;
基于各个第一资源属性值和各个第二资源属性值的平均值,得到所述目标资源对象的资源信息。
4.根据权利要求1所述的方法,其特征在于,所述基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值,包括:
基于所述多个参考房屋对象的资源属性值,确定所述待交付房屋对象在开发完成时的预测资源属性值;
根据所述待交付房屋对象在当前日期的初始资源属性值,以及所述预测资源属性值和所述预设交付日,确定所述待交付房屋对象的开发速度;
根据所述初始资源属性值和所述开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,基于第二模拟结果确定所述待交付房屋对象在所述预设交付日的资源属性值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述初始资源属性值和所述开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,基于第二模拟结果确定所述待交付房屋对象在所述预设交付日的资源属性值,包括:
获取随机生成的多组资源属性值调整参数;
针对每组所述资源属性值调整参数,基于所述资源属性值调整参数、所述初始资源属性值和开发速度,对所述待交付房屋对象从当前日期到所述预设交付日之间的资源属性值的变化进行模拟,得到第二模拟结果;
根据多个第二模拟结果中每个第二模拟结果表征的所述待交付房屋对象在所述预设交付日的资源属性值,确定所述待交付房屋对象在所述预设交付日的资源属性值。
6.根据权利要求4所述的方法,其特征在于,所述基于所述多个参考房屋对象的资源属性值,确定所述待交付房屋对象在开发完成时的预测资源属性值,包括:
从多个参考房屋对象中确定一参考房屋对象作为基准房屋对象,并从所述多个参考房屋对象中确定与所述基准房屋对象的距离在预设距离范围内的多个样本房屋对象;
获取每个样本房屋对象与所述基准房屋对象之间的第一距离,并基于所述第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征;
利用多个样本房屋对象的资源属性值和房屋特征进行回归分析,得到资源属性值与房屋特征之间的映射关系;
基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值。
7.根据权利要求6所述的方法,其特征在于,所述基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值,包括:
获取所述待交付房屋对象与预设的目标基准房屋对象的第二距离,并基于所述第二距离以及所述待交付房屋对象的属性特征,确定所述待交付房屋对象的房屋特征;
基于所述待交付房屋对象的房屋特征,以及资源属性值与房屋特征之间的映射关系,确定所述待交付房屋对象的预测资源属性值。
8.根据权利要求6所述的方法,其特征在于,在所述基于所述第一距离以及每个样本房屋对象的属性特征,确定每个样本房屋对象的房屋特征之前,还包括:
获取每个样本房屋对象的房屋对象面积,以及每个样本房屋对象从开发完毕到当前的持续时间;
基于每个样本房屋对象的房屋对象面积和持续时间,得到每个样本房屋对象的属性特征。
9.一种资源信息处理装置,其特征在于,所述装置包括:
房屋对象资源信息获取模块,用于响应于对待交付房屋对象关联的目标资源对象的资源信息获取请求,确定与所述待交付房屋对象相似的多个已交付的参考房屋对象,并基于多个参考房屋对象的资源属性值,获取所述待交付房屋对象在预设交付日的资源属性值;所述目标资源对象用于在所述待交付房屋对象交付失败时提供虚拟资源;
资源状态确定模块,用于确定对所述待交付房屋对象进行开发的开发对象在所述预设交付日的资源状态;所述资源状态用于表征所述开发对象的资源是否足够开发所述待交付房屋对象,所述资源状态包括正面状态和负面状态;
资源属性值确定模块,用于获取正面状态下所述目标资源对象的第一资源属性值,以及,根据所述待交付房屋对象的资源属性值,以及所述待交付房屋对象交付失败时提供的虚拟资源的资源属性值,获取负面状态下所述目标资源对象的第二资源属性值;
资源信息确定模块,用于基于所述第一资源属性和第二资源属性值,确定所述目标资源对象的资源信息。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一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,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288526.3A CN116188178A (zh) | 2023-03-23 | 2023-03-23 | 资源信息处理方法、装置、设备、存储介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288526.3A CN116188178A (zh) | 2023-03-23 | 2023-03-23 | 资源信息处理方法、装置、设备、存储介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116188178A true CN116188178A (zh) | 2023-05-30 |
Family
ID=86450709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310288526.3A Pending CN116188178A (zh) | 2023-03-23 | 2023-03-23 | 资源信息处理方法、装置、设备、存储介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188178A (zh) |
-
2023
- 2023-03-23 CN CN202310288526.3A patent/CN116188178A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khandani et al. | Systemic risk and the refinancing ratchet effect | |
US20170213284A1 (en) | Methods and systems for computing trading strategies for use in portfolio management and computing associated probability distributions for use in option pricing | |
WO2007133685A2 (en) | Collaterized debt obligation evaluation system and method | |
Hainaut | A model for interest rates with clustering effects | |
US20130218807A1 (en) | System and Method for Valuation and Risk Estimation of Mortgage Backed Securities | |
Zhou et al. | Uncertain risk aversion | |
Latini et al. | Mean-reverting no-arbitrage additive models for forward curves in energy markets | |
Chen et al. | Direct likelihood evaluation for the renewal Hawkes process | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
Hart et al. | Price mean reversion, seasonality, and options markets | |
Barletta et al. | Orthogonal expansions for VIX options under affine jump diffusions | |
CN114741402A (zh) | 业务特征池的处理方法、装置、计算机设备和存储介质 | |
Soltyk et al. | Modeling time‐varying higher‐order conditional moments: A survey | |
Martin et al. | Efficient method of moments estimators for integer time series models | |
Zhao et al. | Claim reserving for insurance contracts in line with the International Financial Reporting Standards 17: a new paid-incurred chain approach to risk adjustments | |
Choe et al. | The k th default time distribution and basket default swap pricing | |
Topaloglou et al. | Pricing options on scenario trees | |
CN116188178A (zh) | 资源信息处理方法、装置、设备、存储介质和产品 | |
CN114238044A (zh) | 开源项目活跃度的计算方法、装置和计算机设备 | |
Todorov et al. | Efficient quasi-Monte Carlo methods for multiple integrals in option pricing | |
US20160300308A1 (en) | Systems and methods for retirement planning | |
CN111598704A (zh) | 面向风投机构联合投资的关联性处理方法、装置和设备 | |
US8255302B2 (en) | System and methods for modeling a multiplicative index | |
Ascione et al. | Credit default swap spreads modeling and forecasting with a stochastic square-root three-factor model | |
CN111221878B (zh) | 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质 |
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 |