CN116737790A - 一种售楼交易数据处理方法及系统 - Google Patents
一种售楼交易数据处理方法及系统 Download PDFInfo
- Publication number
- CN116737790A CN116737790A CN202310538666.1A CN202310538666A CN116737790A CN 116737790 A CN116737790 A CN 116737790A CN 202310538666 A CN202310538666 A CN 202310538666A CN 116737790 A CN116737790 A CN 116737790A
- Authority
- CN
- China
- Prior art keywords
- transaction
- data
- transaction data
- building
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种售楼交易数据处理方法及系统。一种售楼交易数据处理系统,包括售楼交易数据构成模块,用于设立交易节点和交易数据云服务器;售楼交易数据获取模块,用于在各个交易节点获取初始交易数据;初始交易数据预处理模块,用于对初始交易数据进行预处理;交易数据处理模块,用于将交易数据划分为多个交易数据集,构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中;交易数据分析模块,用于计算售楼交易率;售楼推荐模块,用于给用户推荐交易楼房种类。本发明通过对售楼交易数据的处理,使得用户能够通过自身的条件以及经济能力得到推荐的楼房种类以及信息,而且这种推荐是基于大量的售楼交易数据,具有普遍性和有效性。
Description
技术领域
本发明涉及数据处理技术领域,特别地涉及一种售楼交易数据处理方法及系统。
背景技术
售楼是一种将房地产权出售给个人或者企业单位的商业行为,用于满足个人的居住或者企业的使用;随着售楼行为的不断进行,会产生大量的售楼交易数据,目前对售楼交易数据的处理一般都是以房价为核心,对房价进行实时监督,给用户提供参考;但对于不同用户想要够买什么样的楼房,并没有给出实际性的数据参考。
因此需要一种售楼交易数据处理方法及系统用于解决上述背景所带来的问题。
发明内容
针对上述问题,本申请提供一种售楼交易数据处理方法及系统。
作为本申请的一个方面,提供一种售楼交易数据处理方法。
一种售楼交易数据处理方法,包括:
S1:将各个售楼点的交易系统作为交易节点,再设立一个交易数据云服务器,且每个交易节点都与交易数据云服务器相互连接;
S2:获取各个交易节点的初始交易数据,初始交易数据包括:初始交易人信息数据、初始交易金额数据、初始金额用途数据和交易楼房信息数据;
S3:对S2中获取到的初始交易数据进行预处理,预处理包括对无关的初始金额用途数据和对应的初始交易金额数据进行删除、对重合度大于预设重合度的初始交易数据进行删除和对残缺的初始交易金额数据的补充,并且将剩下的初始交易金额数据进行汇总,获取交易总金额;
S4:将S3中预处理好的初始交易数据作为交易数据,且交易数据包括交易人信息、交易总金额和交易楼房信息;
S5:在交易数据云服务器上根据交易人信息将交易数据划分为多个交易数据集,然后再通过交易人年龄区间、交易总金额区间和交易楼房种类构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中;
S6:获取交易数据组合中交易数据集的数量,并且根据交易数据组合中交易数据集的数量计算售楼交易率;
S7:获取用户的年龄和预交易金额,根据用户的年龄和预交易金额匹配交易楼房种类,并且根据售楼交易率向用户推荐交易楼房种类。
进一步地,对于步骤S3,预处理的方法如下:对无关的初始金额用途数据和对应的初始交易金额数据进行删除,无关的初始金额用途数据包括税金、手续费和管理费;基于有监督的关键词提取算法,对含有税金、手续费和管理费的关键词的初始金额用途数据进行提取,并且获取初始金额用途数据相对应的初始交易金额数据,再对无关的初始金额用途数据和对应的初始交易金额数据进行删除;对重复的初始交易数据进行删除,将获取的初始交易数据和交易数据云服务器上的交易数据进行重合度匹配,若获取的初始交易数据和交易数据云服务器上的交易数据的重合度大于预设的重合度,则将获取的初始交易数据进行删除;残缺初始交易金额数据的补充,通过残缺初始交易金额数据对应的初始金额用途数据以及交易楼房信息对初始交易金额数据进行重新计算,并且进行补充;最后将剩下的交易金额进行汇总,获取交易总金额。
进一步地,对于步骤S5,处理方法如下:先从交易人信息中提取交易人年龄,从交易楼房信息中提取交易楼房种类;然后将交易数据根据用户分为交易数据集Dn,n=1,2,3…N,所述的N代表交易数据集的个数,将交易人信息中的交易人的年龄分为M个交易人年龄区间,每一个年龄区间Am代表一个年龄段,且m=1,2,3…M;再将交易总金额分为P种交易总金额区间Bp,且p=1,2,3…P;再将交易楼房种类分为q种,且q=1,2,3…Q,最后将交易数据集中的交易人年龄、交易总金额以及交易楼房种类和交易数据组合中的交易人年龄区间、交易总金额区间以及交易楼房种类进行匹配,匹配步骤如下:从N种交易数据集中选取交易数据集Dn,针对交易数据集Dn执行如下操作:将交易数据集Dn中的交易人年龄和交易数据组合Cr中的交易人年龄区间进行匹配;待匹配成功后,再将交易数据集Dn中的交易总金额和交易数据组合Cr中的交易总金额区间进行匹配,待匹配成功后,再将交易数据集Dn中的交易楼房种类和交易数据组合Cr中的交易楼房种类进行匹配;匹配成功后,则判定交易数据集Dn属于交易数据组合Cr。
进一步地,对于步骤S6,对交易数据组合Cr中交易数据集的数量Er进行获取,通过公式获取售楼交易率Fr,其中r=1,2,3…R,并且根据最大售楼交易率获取相应的最优交易数据组合。
进一步地,对于步骤S7,获取用户个人信息和购房预算,从用户个人信息中提取用户年龄,从购房预算中提取预交易金额,将用户年龄以及预交易金额和交易数据组合进行匹配,匹配到多种交易楼房种类,再根据售楼交易率Fr向用户推荐售楼交易率Fr高的楼房种类。
作为本申请的另一个方面,提供一种售楼交易数据处理系统。
一种售楼交易数据处理系统,包括:
售楼交易数据构成模块,用于设立交易节点和交易数据云服务器,并且将交易节点和交易数据云服务器互相连接;
售楼交易数据获取模块,用于通过各个交易节点获取初始交易数据;
初始交易数据预处理模块,用于对初始交易数据进行预处理,得到交易数据;
交易数据处理模块,用于根据交易人信息将交易数据划分为多个交易数据集,再通过交易人年龄区间、交易金额区间和交易楼房种类构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中;
交易数据分析模块,用于根据交易数据组合中交易数据集的数量计算售楼交易率;
售楼推荐模块,用于通过获取用户年龄预交易金额给用户推荐交易楼房种类。
进一步地,还包括:
售楼交易数据监测模块,用于实时监测全国各地的售楼交易数据,实时更新楼房数据相关信息。
本发明具有以下优点:
1、本发明通过在各个售楼部设立交易节点,并且获取交易节点上的初始交易数据,然后将初始交易数据进行预处理,从而获得交易数据,再将交易数据按照交易人信息划分为交易数据集,再构建交易数据组合,并且将这些交易数据集匹配到对应的交易数据组合中,再根据交易数据组合中交易数据集的数量获取售楼交易率,最后通过售楼交易率来判断不同用户不同经济条件所适合的楼房。
2、本发明通过对售楼交易数据的处理,使得用户能够通过自身的条件以及经济能力得到推荐的楼房种类以及信息,而且这种推荐是基于大量的售楼交易数据,具有普遍性和有效性。
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,下面描述中的附图仅仅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示出的结构获得其他的附图。
图1为本发明一种售楼交易数据处理系统的结构示意图。
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,对本申请部分实施例进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。然而,本领域的普通技术人员可以理解,在本申请的各实施例中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本申请所要求保护的技术方案。
实施例1
本发明实施例1提供一种售楼交易数据处理方法,包括:
S1:将各个售楼点的交易系统作为交易节点,再设立一个交易数据云服务器,且每个交易节点都与交易数据云服务器相互连接。
需要说明的是,给每个售楼点都用同一个交易系统,便于交易数据的整理,以及交易数据云服务器的处理,而且通过交易节点和交易数据云服务器的连接,使得所有的售楼交易数据都集中储存在云服务器上,有利于数据的整合。
S2:获取各个交易节点的初始交易数据,初始交易数据包括:初始交易人信息数据、初始交易金额数据、初始金额用途数据和交易楼房信息数据。
需要说明的是,一开始获取的交易数据为初始交易数据,初始交易数据比较杂乱,存在数据的重复或这丢失的情况,这对后面的数据处理会造成影响。
S3:对S2中获取到的初始交易数据进行预处理,预处理包括对无关的初始金额用途数据和对应的初始交易金额数据进行删除、对重合度大于预设重合度的初始交易数据进行删除和对残缺的初始交易金额数据的补充,并且将剩下的初始交易金额数据进行汇总,获取交易总金额。
需要说明的是,预处理的方法如下:对无关的初始金额用途数据和对应的初始交易金额数据进行删除,无关的初始金额用途数据包括税金、手续费和管理费;基于有监督的关键词提取算法,对含有税金、手续费和管理费的关键词的初始金额用途数据进行提取,并且获取初始金额用途数据相对应的初始交易金额数据,再对无关的初始金额用途数据和对应的初始交易金额数据进行删除;例如,购买楼房是需要交契税、印花税、抵押登记费和物业管理费等不同用途的金额;对重复的初始交易数据进行删除,将获取的初始交易数据和交易数据云服务器上的交易数据进行重合度匹配,若获取的初始交易数据和交易数据云服务器上的交易数据的重合度大于预设的重合度,则将获取的初始交易数据进行删除;例如,有的人需要一次性买两套房子,第二次买房的初始交易数据和第一次买房的初始交易数据大致相同,所以为了避免交易数据云服务器上数据堆积,直接将第二次买房的初始交易数据进行删除;残缺初始交易金额数据的补充,通过残缺初始交易金额数据对应的初始金额用途数据以及交易楼房信息对初始交易金额数据进行重新计算,并且进行补充;例如,某个楼房的交易金额缺失,则可以通过该楼房的价格进行计算补充;最后将剩下的交易金额进行汇总,获取交易总金额。
S4:将S3中预处理好的初始交易数据作为交易数据,且交易数据包括交易人信息、交易总金额和交易楼房信息;此时的交易数据较为完善,有利于后面的交易数据划分和交易数据的匹配。
S5:在交易数据云服务器上根据交易人信息将交易数据划分为多个交易数据集,然后再通过交易人年龄区间、交易总金额区间和交易楼房种类构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中。
需要说明的是,具体过程如下:先从交易人信息中提取交易人年龄,从交易楼房信息中提取交易楼房种类;然后将交易数据根据用户分为交易数据集Dn,n=1,2,3…N,所述的N代表交易数据集的个数,将交易人信息中的交易人的年龄分为M个交易人年龄区间,每一个年龄区间Am代表一个年龄段,且m=1,2,3…M;例如二十到三十岁,三十到四十岁,四十到五十岁的这种年龄区间;再将交易总金额分为P种交易总金额区间Bp,且p=1,2,3…P;同理,比如二十万到四十万,四十万到六十万的这种交易总金额区间;再将交易楼房种类分为q种,且q=1,2,3…Q,例如,电梯房、经济房和小别墅这样的楼房种类;最后将交易数据集中的交易人年龄、交易总金额以及交易楼房种类和交易数据组合中的交易人年龄区间、交易总金额区间以及交易楼房种类进行匹配,匹配步骤如下:从N种交易数据集中选取交易数据集Dn,针对交易数据集Dn执行如下操作:将交易数据集Dn中的交易人年龄和交易数据组合Cr中的交易人年龄区间进行匹配;待匹配成功后,再将交易数据集Dn中的交易总金额和交易数据组合Cr中的交易总金额区间进行匹配,待匹配成功后,再将交易数据集Dn中的交易楼房种类和交易数据组合Cr中的交易楼房种类进行匹配;匹配成功后,则判定交易数据集Dn属于交易数据组合Cr;例如,一个二十五岁的人,花了五十万买了一层电梯房,那么这个交易数据集所对应的交易数据组合就是一个年龄区间为二十岁至三十岁,交易金额为四十万至六十万,交易楼房种类为电梯房的交易数据组合。
S6:获取交易数据组合中交易数据集的数量,并且根据交易数据组合中交易数据集的数量计算售楼交易率。
需要说明的是,通过公式获取售楼交易率Fr,其中r=1,2,3…R,并且根据最大售楼交易率获取相应的最优交易数据组合;例如四十岁的人花费六十万的金额所购买的楼房种类绝大多数为电梯房,所以这个交易数据组合的售楼交易率很高,也说明电梯房是这个年龄绝大多数人的选择。
S7:获取用户的年龄和预交易金额,根据用户的年龄和预交易金额匹配交易楼房种类,并且根据售楼交易率向用户推荐交易楼房种类;
需要说明的是,具体操作如下:先获取用户个人信息和购房预算,从用户个人信息中提取用户年龄,从购房预算中提取预交易金额,将用户年龄以及预交易金额和交易数据组合中的交易人年龄区间以及交易总金额区间进行依次匹配,待用户年龄和预交易金额都匹配成功后,会有对应的多种交易楼房种类,且每一种楼房种类都有对应的售楼交易率Fr,再根据售楼交易率Fr向用户推荐售楼交易率Fr高的楼房种类;例如一个三十岁的人打算花费五百万买房,将这个人的年龄及预算和交易数据组合中的交易人年龄区间以及交易总金额区间匹配后会获取到各种交易楼房的种类,但是,其中电梯房的售楼交易率很低,因为很少有人会花费五百万买一层电梯房,相反,别墅的售楼交易率相比而言会更高,所以会向用户推荐别墅,而且将别墅信息推荐给用户。
实施例2
参见图1,在实施例1的基础上,本发明实施例2提供一种售楼交易数据处理系统。
一种售楼交易数据处理系统,包括:
售楼交易数据构成模块,用于在各个售楼点设立交易节点和交易数据云服务器,并且将交易节点和交易数据云服务器互相连接。
售楼交易数据获取模块,用于通过各个交易节点获取初始交易数据。
初始交易数据预处理模块,用于对初始交易数据进行预处理,删除重复和无关的数据,从而得到交易数据。
交易数据处理模块,用于根据交易人信息将交易数据划分为多个交易数据集,再通过交易人年龄区间、交易金额区间和交易楼房种类构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中。
交易数据分析模块,用于根据交易数据组合中交易数据集的数量计算售楼交易率;从而分析不同年龄段,不同经济条件的用户对于楼房种类的选择。
售楼推荐模块,用于通过获取用户年龄和预交易金额给用户推荐适合的交易楼房种类以及楼房信息。
售楼交易数据监测模块,用于实时监测全国各地的售楼交易数据,实时更新楼房数据相关信息。
本发明通过在各个售楼部设立交易节点,并且获取交易节点上的初始交易数据,然后将初始交易数据进行预处理,从而获得交易数据,再将交易数据按照交易人信息划分为交易数据集,再构建交易数据组合,并且将这些交易数据集匹配到对应的交易数据组合中,再根据交易数据组合中交易数据集的数量获取售楼交易率,最后通过售楼交易率来判断不同用户不同经济条件所适合的楼房;通过对售楼交易数据的处理,使得用户能够通过自身的条件以及经济能力得到推荐的楼房种类以及信息,而且这种推荐是基于大量的售楼交易数据,具有普遍性和有效性。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。
Claims (7)
1.一种售楼交易数据处理方法,其特征在于,包括如下步骤:
S1:将各个售楼点的交易系统作为交易节点,再设立一个交易数据云服务器,且每个交易节点都与交易数据云服务器相互连接;
S2:获取各个交易节点的初始交易数据,初始交易数据包括:初始交易人信息数据、初始交易金额数据、初始金额用途数据和交易楼房信息数据;
S3:对S2中获取到的初始交易数据进行预处理,预处理包括对无关的初始金额用途数据和对应的初始交易金额数据进行删除、对重合度大于预设重合度的初始交易数据进行删除和对残缺的初始交易金额数据的补充,并且将剩下的初始交易金额数据进行汇总,获取交易总金额;
S4:将S3中预处理好的初始交易数据作为交易数据,且交易数据包括交易人信息、交易总金额和交易楼房信息;
S5:在交易数据云服务器上根据交易人信息将交易数据划分为多个交易数据集,然后再通过交易人年龄区间、交易总金额区间和交易楼房种类构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中;
S6:获取交易数据组合中交易数据集的数量,并且根据交易数据组合中交易数据集的数量计算售楼交易率;
S7:获取用户的年龄和预交易金额,根据用户的年龄和预交易金额匹配交易楼房种类,并且根据售楼交易率向用户推荐交易楼房种类。
2.如权利要求1所述的一种售楼交易数据处理方法,其特征在于,对于步骤S3,预处理的方法如下:对无关的初始金额用途数据和对应的初始交易金额数据进行删除,无关的初始金额用途数据包括税金、手续费和管理费;基于有监督的关键词提取算法,对含有税金、手续费和管理费的关键词的初始金额用途数据进行提取,并且获取初始金额用途数据相对应的初始交易金额数据,再对无关的初始金额用途数据和对应的初始交易金额数据进行删除;对重复的初始交易数据进行删除,将获取的初始交易数据和交易数据云服务器上的交易数据进行重合度匹配,若获取的初始交易数据和交易数据云服务器上的交易数据的重合度大于预设的重合度,则将获取的初始交易数据进行删除;残缺初始交易金额数据的补充,通过残缺初始交易金额数据对应的初始金额用途数据以及交易楼房信息对初始交易金额数据进行重新计算,并且进行补充;最后将剩下的交易金额进行汇总,获取交易总金额。
3.如权利要求2所述的一种售楼交易数据处理方法,其特征在于,对于步骤S5,处理方法如下:先从交易人信息中提取交易人年龄,从交易楼房信息中提取交易楼房种类;然后将交易数据根据用户分为交易数据集Dn,n=1,2,3…N,所述的N代表交易数据集的个数,将交易人信息中的交易人的年龄分为M个交易人年龄区间,每一个交易人年龄区间Am代表一个年龄段,且m=1,2,3…M;再将交易总金额分为P种交易总金额区间Bp,且p=1,2,3…P;再将交易楼房种类分为q种,且q=1,2,3…Q,最后将交易数据集中的交易人年龄、交易总金额以及交易楼房种类和交易数据组合中的交易人年龄区间、交易总金额区间以及交易楼房种类进行匹配,匹配步骤如下:从N种交易数据集中选取交易数据集Dn,针对交易数据集Dn执行如下操作:将交易数据集Dn中的交易人年龄和交易数据组合Cr中的交易人年龄区间进行匹配;待匹配成功后,再将交易数据集Dn中的交易总金额和交易数据组合Cr中的交易总金额区间进行匹配,待匹配成功后,再将交易数据集Dn中的交易楼房种类和交易数据组合Cr中的交易楼房种类进行匹配;匹配成功后,则判定交易数据集Dn属于交易数据组合Cr。
4.如权利要求3所述的一种售楼交易数据处理方法,其特征在于,对于步骤S6,对交易数据组合Cr中交易数据集的数量Er进行获取,通过公式获取售楼交易率Fr,其中r=1,2,3…R,并且根据最大售楼交易率获取相应的最优交易数据组合。
5.如权利要求4所述的一种售楼交易数据处理方法,其特征在于,对于步骤S7,获取用户个人信息和购房预算,从用户个人信息中提取用户年龄,从购房预算中提取预交易金额,将用户年龄以及预交易金额和交易数据组合进行匹配,匹配到多种交易楼房种类,再根据售楼交易率Fr向用户推荐售楼交易率Fr高的楼房种类。
6.一种售楼交易数据处理系统,其特征在于,包括:
售楼交易数据构成模块,用于设立交易节点和交易数据云服务器,并且将交易节点和交易数据云服务器互相连接;
售楼交易数据获取模块,用于在各个交易节点获取初始交易数据;
初始交易数据预处理模块,用于对初始交易数据进行预处理,得到交易数据;交易数据处理模块,用于根据交易人信息将交易数据划分为多个交易数据集,再通过交易人年龄区间、交易金额区间和交易楼房种类构建交易数据组合,并且将交易数据集匹配到相应的交易数据组合中;
交易数据分析模块,用于根据交易数据组合中交易数据集的数量计算售楼交易率;
售楼推荐模块,用于通过获取用户年龄预交易金额给用户推荐交易楼房种类。
7.如权利要求6所述的一种售楼交易数据处理系统,其特征在于,还包括:
售楼交易数据监测模块,用于实时监测全国各地的售楼交易数据,实时更新楼房数据相关信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310538666.1A CN116737790A (zh) | 2023-05-15 | 2023-05-15 | 一种售楼交易数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310538666.1A CN116737790A (zh) | 2023-05-15 | 2023-05-15 | 一种售楼交易数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116737790A true CN116737790A (zh) | 2023-09-12 |
Family
ID=87903458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310538666.1A Pending CN116737790A (zh) | 2023-05-15 | 2023-05-15 | 一种售楼交易数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116737790A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931066A (zh) * | 2015-09-24 | 2016-09-07 | 中国银联股份有限公司 | 一种交易数据处理方法及装置 |
CN106971256A (zh) * | 2017-02-16 | 2017-07-21 | 安徽新安爱房资讯有限公司 | 一种房产信息智能化管理系统 |
CN106981006A (zh) * | 2017-02-16 | 2017-07-25 | 安徽新安爱房资讯有限公司 | 一种智能房产信息管理系统 |
CN109658188A (zh) * | 2018-12-14 | 2019-04-19 | 平安城市建设科技(深圳)有限公司 | 基于大数据分析的房源推荐方法、装置、设备及存储介质 |
CN110889737A (zh) * | 2019-10-17 | 2020-03-17 | 贝壳技术有限公司 | 合租室友的推荐方法、装置、服务器及存储介质 |
CN111311357A (zh) * | 2020-01-20 | 2020-06-19 | 昊居科技有限公司 | 一种房屋交易信息管理方法及系统 |
CN114022203A (zh) * | 2021-11-08 | 2022-02-08 | 上海选家网络科技有限公司 | 一种二手房房源核价系统及方法 |
CN114493713A (zh) * | 2022-01-30 | 2022-05-13 | 上海烈熊网络技术有限公司 | 一种基于大数据的数字化自动营销方法和系统 |
CN115358819A (zh) * | 2022-08-23 | 2022-11-18 | 深圳飞之度科技有限公司 | 一种数据处理方法与装置 |
KR20230062488A (ko) * | 2022-07-08 | 2023-05-09 | 이진기 | Nft 기반의 작품 거래 서비스를 제공하는 방법 및 장치 |
-
2023
- 2023-05-15 CN CN202310538666.1A patent/CN116737790A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931066A (zh) * | 2015-09-24 | 2016-09-07 | 中国银联股份有限公司 | 一种交易数据处理方法及装置 |
CN106971256A (zh) * | 2017-02-16 | 2017-07-21 | 安徽新安爱房资讯有限公司 | 一种房产信息智能化管理系统 |
CN106981006A (zh) * | 2017-02-16 | 2017-07-25 | 安徽新安爱房资讯有限公司 | 一种智能房产信息管理系统 |
CN109658188A (zh) * | 2018-12-14 | 2019-04-19 | 平安城市建设科技(深圳)有限公司 | 基于大数据分析的房源推荐方法、装置、设备及存储介质 |
CN110889737A (zh) * | 2019-10-17 | 2020-03-17 | 贝壳技术有限公司 | 合租室友的推荐方法、装置、服务器及存储介质 |
CN111311357A (zh) * | 2020-01-20 | 2020-06-19 | 昊居科技有限公司 | 一种房屋交易信息管理方法及系统 |
CN114022203A (zh) * | 2021-11-08 | 2022-02-08 | 上海选家网络科技有限公司 | 一种二手房房源核价系统及方法 |
CN114493713A (zh) * | 2022-01-30 | 2022-05-13 | 上海烈熊网络技术有限公司 | 一种基于大数据的数字化自动营销方法和系统 |
KR20230062488A (ko) * | 2022-07-08 | 2023-05-09 | 이진기 | Nft 기반의 작품 거래 서비스를 제공하는 방법 및 장치 |
CN115358819A (zh) * | 2022-08-23 | 2022-11-18 | 深圳飞之度科技有限公司 | 一种数据处理方法与装置 |
Non-Patent Citations (1)
Title |
---|
本刊编辑部;: "用数据构建行业服务新模式", 中国建设信息化, no. 18, 30 September 2016 (2016-09-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10853891B2 (en) | System and methods for electronic commerce using personal and business networks | |
WO2017028735A1 (zh) | 选择及推荐展示对象的方法及装置 | |
CN111723292B (zh) | 基于图神经网络的推荐方法、系统、电子设备及存储介质 | |
US20100070373A1 (en) | Auction System | |
US10607160B2 (en) | Unique accommodation search improvement founded in listing booking conversion | |
KR102068820B1 (ko) | 온라인 마켓 상에서 상품의 등록 및 통합 관리를 수행하는 컴퓨터 프로그램 및 이의 동작 방법 | |
KR102307662B1 (ko) | 상품 정보 제공 시스템 및 그 방법 | |
CN110689402A (zh) | 推荐商家的方法、装置、电子设备及可读存储介质 | |
Xuefeng et al. | Predicting the final prices of online auction items | |
Shah et al. | Mining eBay: Bidding strategies and shill detection | |
CN112580978B (zh) | 电力市场成员信用评价及信用标签的生成方法 | |
Rao et al. | Methods for handling massive numbers of attributes in conjoint analysis | |
Wang et al. | Research on bilateral matching decision method considering attribute association in heterogeneous information environment | |
CN117291651A (zh) | 美妆行业的自然复购预测模型的创建方法及其应用 | |
CN116737790A (zh) | 一种售楼交易数据处理方法及系统 | |
Fershtman et al. | Sequential learning with endogenous consideration sets | |
CN115391666A (zh) | 医院在线推荐方法、装置、计算机设备和存储介质 | |
CN111460300B (zh) | 网络内容推送方法、装置及存储介质 | |
CN114925261A (zh) | 关键词确定方法、装置、设备、存储介质及程序产品 | |
CN113158053A (zh) | 服务类产品推荐方法、装置、计算机设备及存储介质 | |
Chornous et al. | Modeling and Forecasting Dynamic Factors of Pricing in E-commerce. | |
Li et al. | Bid price controls for car rental network revenue management | |
KR20200067778A (ko) | 관심 키워드 제공부를 포함한 특허기술 거래 시스템 | |
Sun | The effects of auctions parameters on price dispersion and bidder entry on eBay: a conditional logit analysis | |
Nikolić et al. | Hedonic price attributes of Airbnb listings in Split |
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 |