JP2020109598A - 取引モデル構築装置、取引モデル構築方法及び取引モデル構築プログラム - Google Patents

Abstract

【課題】最適な不動産取引のための取引モデルを構築することが可能な取引モデル構築装置、方法及びプログラムを提供する。【解決手段】取引モデル構築システム１の取引モデル構築装置１００は、その機能として、不動産の属性情報、契約家賃、契約成立期間の情報を含む実際の不動産取引における契約実績情報を取得する契約実績情報取得部１３１と、契約家賃を説明変数とし、契約成立期間を目的変数とする機械学習を行い、契約家賃に基づいて契約成立期間を算出するための取引モデルを構築する取引モデル構築部１３２と、取引モデルに基づいて、任意に設定された契約家賃から契約成立期間を推定する契約成立期間推定部１３３と、契約成立期間の推定値から契約成立までの期間を予測して最適な契約家賃を算出する最適契約家賃算出部１３４と、を備える。【選択図】図１

Description

本開示は、最適な不動産取引を行うための取引モデル構築装置、取引モデル構築方法及び取引モデル構築プログラムに関する。

住宅等の不動産物件の賃貸契約における賃料は、不動産物件の面積、立地の地理的条件、建物の築年数、または建物が備える設備（オートロックの有無やインターネット接続回線の種類等）といった各説明変数によって算出されるのが一般的である。

このような不動産物件の賃貸契約における賃料や、売買契約における売買価格を算出する手法として、特許文献１には、ヘドニック分析を用いた価格推定法が開示されている。特許文献１に記載の価格推定法は、面積や立地といった各説明変数に設定した係数に基づいて不動産価格を算出するものであり、各係数は、重回帰分析の結果に基づいて算出されるものである。

また、特許文献２には、不動産物件の周囲の街並みの要素を評価することが可能な物件価格分析システムが開示されている。特許文献２に記載の物件価格分析システムでは、従来の価格推定法では考慮されていない対象物件の周辺環境による価格寄与分を、物件の要素とその影響度を定量化することにより、対象物件の周辺環境の価値を定量的に把握することを可能にするものである。

特開２０１３−１６１２９３号公報 特開２０１８−１６５９３７号公報

ところで、不動産物件の賃貸契約における賃料は、その不動産物件が賃貸可能な状態になってからの期間によっても左右されることがあると考えられる。例えば、賃貸物件の場合、前の住人が転居により空き家になってからの期間が一定以上経過すると、賃料収入が得られなくなることから、値下げをすることが考えられる。そのため、不動産物件の面積、立地の地理的条件、建物の築年数等の説明変数だけでは評価できない場合もあり、最適な不動産価格の算出は困難である。特許文献１または２に記載の手法では、このような期間についての評価は出来なかった。

そこで、本開示では、実際の不動産取引における契約家賃を説明変数とし、契約成立期間を推定することにより、最適な不動産取引のための取引モデルを構築することが可能な取引モデル構築装置、取引モデル構築方法及び取引モデル構築プログラムについて説明する。

本開示の一態様における取引モデル構築装置は、最適な不動産取引のためのモデル構築を行う取引モデル構築装置であって、不動産についての契約が成立するまでの期間である契約成立期間と、不動産の契約家賃と、不動産の属性情報とを含む、不動産の契約実績情報を取得する契約実績情報取得部と、契約実績情報のうち、契約家賃及び属性情報を説明変数とし、契約成立期間を目的変数とする機械学習を行い、契約家賃に基づいて契約成立期間を算出するための取引モデルを構築する取引モデル構築部と、取引モデルに基づき、任意に設定された契約家賃から契約成立期間を推定する契約成立期間推定部と、を備える。

本開示の一態様における取引モデル構築方法は、最適な不動産取引のためのモデル構築を行う取引モデル構築方法であって、契約実績情報取得部が行う、不動産についての契約が成立するまでの期間である契約成立期間と、不動産の契約家賃と、不動産の属性情報とを含む、不動産の契約実績情報を取得する契約実績情報取得ステップと、取引モデル構築部が行う、契約実績情報のうち、契約家賃及び属性情報を説明変数とし、契約成立期間を目的変数とする機械学習を行い、契約家賃に基づいて契約成立期間を算出するための取引モデルを構築する取引モデル構築ステップと、契約成立期間推定部が行う、取引モデルに基づき、任意に設定された契約家賃から契約成立期間を推定する契約成立期間推定ステップと、を備える。

また、本開示の一態様における取引モデル構築プログラムは、最適な不動産取引のためのモデル構築を行う取引モデル構築プログラムであって、不動産についての契約が成立するまでの期間である契約成立期間と、不動産の契約家賃と、不動産の属性情報とを含む、不動産の契約実績情報を取得する契約実績情報取得ステップと、契約実績情報のうち、契約家賃及び属性情報を説明変数とし、契約成立期間を目的変数とする機械学習を行い、契約家賃に基づいて契約成立期間を算出するための取引モデルを構築する取引モデル構築ステップと、取引モデルに基づき、任意に設定された契約家賃から契約成立期間を推定する契約成立期間推定ステップと、を電子計算機に実行させる。

本開示によれば、実際の不動産取引における契約家賃を説明変数とする機械学習を行い、契約家賃に基づいて契約成立期間を算出するための取引モデルを構築するので、契約家賃から契約成立期間を推定することが可能である。これにより、最適な契約家賃を算出することが可能である。

本開示の一実施形態に係る取引モデル構築システムを示すブロック構成図である。 図１の契約実績情報ＤＢ１２１の格納内容の例を示す模式図である。 図１の取引モデル構築部１３２を説明するための、従来の取引モデルの処理例を示す模式図である。 図１の取引モデル構築部１３２を説明するための、従来例に対する変更点を示す模式図である。 図１の取引モデル構築部１３２の処理例を示す模式図である。 図１の取引モデルＤＢ１２２に格納される取引モデルの第１の例を示す模式図である。 図１の取引モデルＤＢ１２２に格納される取引モデルの第２の例を示す模式図である。 図１の取引モデルＤＢ１２２に格納される取引モデルの第３の例を示す模式図である。 図１の取引モデル構築装置１００の動作を示すフローチャートである。 本開示の一実施形態に係るコンピュータ３００を示す機能ブロック構成図である。

以下、本開示の実施形態について図面を参照して説明する。なお、以下に説明する実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。

（実施形態１）
＜構成＞
図１は、本開示の実施形態１に係る取引モデル構築システム１を示すブロック構成図である。この取引モデル構築システム１は、最適な不動産取引のための取引モデル、具体的には、実際の不動産取引における、例えばアパートや賃貸マンション等の契約家賃を説明変数とし、契約成立期間を算出するための取引モデルを構築することで、契約家賃から契約成立期間を推定し、最適な契約家賃を算出することを支援するシステムである。

取引モデル構築システム１は、取引モデル構築装置１００と、ユーザ端末２００と、ネットワークＮＷとを有している。取引モデル構築装置１００と、ユーザ端末２００とは、ネットワークＮＷを介して相互に接続される。ネットワークＮＷは、通信を行うための通信網であり、例えばインターネット、イントラネット、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等の通信網により構成されている。

取引モデル構築装置１００は、取引モデルを構築するために、実際の不動産取引における契約家賃等の契約実績情報を取得し、機械学習を行うことで取引モデルを構築し、ユーザ端末２００からの操作により提供する装置であり、例えば、各種Ｗｅｂサービスを提供するサーバ装置により構成されている。なお、サーバ装置は単体で動作するサーバ装置に限られず、ネットワークＮＷを介して通信を行うことで協調動作する分散型サーバシステムでも良い。

ユーザ端末２００は、取引モデル構築システム１を利用するユーザの端末であり、例えばパーソナルコンピュータやタブレット端末等の情報処理装置により構成されている。このユーザは、例えば、不動産取引を行う不動産業者や不動産物件のオーナー（不動産の所有者）であり、取引モデル構築システム１を利用して、例えば自己の取引対象である物件の最適な契約家賃を算出するため、取引モデル構築システム１を利用する。

取引モデル構築装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを備える。

通信部１１０は、ネットワークＮＷを介してユーザ端末２００と有線または無線で通信を行うための通信インタフェースであり、例えばＴＣＰ／ＩＰ（Transmission Control Protocol/Internet Protocol）等の通信規約により通信が行われる。また、通信部１１０では、例えば会員登録等により認証されているユーザとの通信を行う場合、ＳＳＬ（Secure Sockets Layer）やＴＬＳ（Transport Layer Security）等の暗号化方式により暗号化して通信を行う。

記憶部１２０は、各種制御処理や制御部１３０内の各機能を実行するためのプログラム、入力データ等を記憶するものであり、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等から構成される。また、記憶部１２０は、契約実績情報ＤＢ１２１及び取引モデルＤＢ１２２を記憶する。さらに、記憶部１２０は、ユーザ端末２００と通信を行ったデータや、後述する各処理にて生成されたデータを一時的に記憶する。

契約実績情報ＤＢ１２１には、実際の不動産取引における契約実績情報が格納されている。この契約実績情報には、後述する契約実績情報取得部１３１が取得する、不動産の属性情報や、不動産の契約家賃、不動産についての契約が成立するまでの期間である契約成立期間といった情報が含まれる。

取引モデルＤＢ１２２には、例えば、契約家賃から契約成立期間を推定するような取引モデルが格納されている。この取引モデルは、後述する取引モデル構築部１３２が構築する取引モデルであり、実際の不動産取引における契約家賃等の契約実績情報を取得して機械学習を行うことによりモデル構築が行われる。

制御部１３０は、記憶部１２０に記憶されているプログラムを実行することにより、取引モデル構築装置１００の全体の動作を制御するものであり、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等から構成される。制御部１３０の機能として、契約実績情報取得部１３１と、取引モデル構築部１３２と、契約成立期間推定部１３３と、最適契約家賃算出部１３４とを備えている。この契約実績情報取得部１３１、取引モデル構築部１３２、契約成立期間推定部１３３、及び最適契約家賃算出部１３４は、記憶部１２０に記憶されているプログラムにより起動されて取引モデル構築装置１００にて実行される。

契約実績情報取得部１３１は、不動産の属性情報や、不動産の契約家賃、不動産についての契約が成立するまでの期間である契約成立期間といった情報を含む、実際の不動産取引における契約実績情報を取得する。また、契約実績情報取得部１３１は、取得した契約実績情報を契約実績情報ＤＢ１２１へ格納する。

契約実績情報取得部１３１における契約実績情報を取得する手段の一例は、例えば、不動産業者が管理する業務サーバにおける、過去の取引データが格納されているデータベースからデータ連携により取得する手段がある。また、インターネット上の不動産取引支援サイトにおいて、実際に不動産取引が成立した場合に成約情報を表示させるが、その成約情報表示ページにコンバージョンタグを埋め込み、コンバージョンタグにより成約情報を送信させることにより取得する手段でも良い。さらに、ユーザ端末２００に契約実績情報を入力させてその入力情報を取得しても良く、この場合の入力情報は、Ｗｅｂページへの入力情報でも良く、所定のファイル形式により作成された契約実績情報の一覧であっても良い。

図２は、図１の契約実績情報ＤＢ１２１の格納内容の例を示す模式図である。契約実績情報ＤＢ１２１には、前述のように契約実績情報取得部１３１で取得された契約実績情報が格納され、図２に示す物件ＩＤに紐づいて、図２に示す契約実績情報ＤＢ１２１の列名に対応して、物件名、契約実績情報が含まれる。

物件ＩＤは、不動産物件の情報を一意に特定する識別情報である。物件名は、不動産の物件名称であるが、契約実績情報は契約単位ごとに管理する情報であるため、当該不動産が集合住宅の場合、階数や部屋番号まで格納されている。契約実績情報は、不動産取引に関する諸情報であり、例として、図２に示すように物件ＩＤが「001」の場合、最寄駅までの所要時間として「１２分」が、建物面積として「３７平方ｍ」が、契約家賃として「110,000円」が、沿線として「山手線」が、ネット回線有無として「有」が、契約成立期間として「８５日」の情報がそれぞれ格納されている。ここで、契約成立期間は、例えば前の契約期間の終了から新たな契約が成立するまでの期間（日数）であるが、当該不動産が賃貸可能な状態になってからの期間でも良く、当該不動産が不動産情報サイトで検索可能な状態になってからの期間でも良い。

なお、契約実績情報は前述のようなものに限られず、例えば不動産物件の築年数、不動産物件の設備情報（エアコンの有無、オートロックの有無、宅配ボックスの有無等）や、駐車場の有無、近隣情報（スーパーマーケットやコンビニエンスストアまでの距離、小学校や中学校までの距離等）が含まれても良い。

取引モデル構築部１３２は、契約実績情報ＤＢ１２１に格納されている契約実績情報のうち、不動産の契約家賃及び属性情報を説明変数とし、契約成立期間を目的変数とする機械学習を行い、不動産の契約家賃に基づいて契約成立期間を算出するための取引モデルを構築する。このときの機械学習の手法は、例えば、多層のニューラルネットワークを構築してディープラーニングを行う、ＤＮＮ（Deep Neural Network）により行われる。また、取引モデル構築部１３２は、構築した取引モデルを取引モデルＤＢ１２２に格納する。

なお、取引モデル構築部１３２によって構築される取引モデルは、不動産の契約家賃から契約成立期間を算出する一方向性の関数ではなく、契約成立期間から、逆に最適な契約家賃を算出することも可能な取引モデルであり、例えば、契約家賃と契約成立期間との関係を示す２次元グラフにより示される。また、この取引モデルは契約家賃と契約成立期間との関係だけではなく、契約家賃、契約成立期間、及び契約家賃と契約成立期間との関係性の確度を示す確度情報のそれぞれの関係を示す３次元グラフにより示される取引モデルでも良く、その他の不動産の属性情報を説明変数または目的変数とする取引モデルでも良い。

契約成立期間推定部１３３は、取引モデルＤＢ１２２に格納されている取引モデルに基づいて、任意に設定された契約家賃から、契約成立期間を推定する。例えば、ユーザがユーザ端末２００から、取引モデル構築装置１００が提供する所定のＷｅｂサイトにアクセスすると、所定の入力フォーマットが表示され、希望する契約家賃を入力できるような画面構成になっている。この入力画面でユーザが希望の契約家賃を入力すると、契約成立期間推定部１３３では、取引モデルＤＢ１２２に格納されている取引モデルに基づいて、契約家賃から契約成立期間の推定値を算出して画面に出力する。

契約成立期間推定部１３３における契約成立期間の推定は、取引モデルＤＢ１２２に格納されている取引モデルが、契約家賃と契約成立期間との関係を示す２次元グラフである場合、契約家賃との関係で契約成立期間の推定値が算出される。また、取引モデルが契約家賃、契約成立期間、及び契約家賃と契約成立期間との確度情報のそれぞれの関係を示す３次元グラフである場合、契約家賃との関係で、最も確度情報が高い契約成立期間の推定値が算出される。また、その他の不動産の属性情報が説明変数である場合、その属性情報も契約成立期間の推定値を算出するためのパラメータとして使用される。

最適契約家賃算出部１３４は、契約成立期間推定部１３３にて算出された契約成立期間の推定値から、契約成立までの期間を予測することにより最適な契約家賃を算出する。ここでいう最適な契約家賃とは、例えば、不動産業者や不動産物件のオーナーにとって利益を最大化するために最適な契約家賃であり、具体的には、一定の家賃収入を確保するための契約家賃が設定されたり、また、家賃収入を確実に確保するための契約家賃が設定されたりする。このため、例えば、契約成立期間推定部１３３にて実際の契約家賃から契約成立期間の推定値が算出されるため、この契約成立期間を変更して取引モデルを用いることにより、契約家賃の最適値が算出される。

最適契約家賃算出部１３４による最適家賃の算出も、例えば、ユーザがユーザ端末２００から、取引モデル構築装置１００が提供する所定のＷｅｂサイトにアクセスすると、所定の入力フォーマットが表示され、契約成立期間を入力できるようになっており、最適契約家賃算出部１３４では、最適な契約家賃を算出して画面に出力する。

最適契約家賃算出部１３４における最適な契約家賃の算出は、取引モデルＤＢ１２２に格納されている取引モデルが、契約家賃と契約成立期間との関係を示す２次元グラフである場合、契約成立期間を変更することにより契約家賃の最適値が算出される。また、取引モデルが契約家賃、契約成立期間、及び契約家賃と契約成立期間との確度情報のそれぞれの関係を示す３次元グラフである場合、変更した契約成立期間との関係で、最も確度情報が高い契約家賃の最適値が算出される。また、その他の不動産の属性情報が説明変数である場合、その属性情報も最適契約家賃を算出するためのパラメータとして使用される。

＜取引モデル＞
次に、取引モデル構築部１３２によって取引モデルを構築する際の処理について説明する。図３は、図１の取引モデル構築部１３２を説明するための、従来の取引モデルの処理例を示す模式図である。図４は、図１の取引モデル構築部１３２を説明するための、従来例に対する変更点を示す模式図である。また、図５は、図１の取引モデル構築部１３２の処理例を示す模式図である。

図３に示す取引モデル構築の処理は、不動産取引における、従来の取引モデルの処理例を示すものであり、説明変数ＥＶに対してＤＮＮによりディープラーニングが行われ、目的変数ＯＶを算出している。この取引モデルは、実際の不動産取引における契約実績情報から抽出された情報を説明変数ＥＶとしており、具体例として、最寄駅までの所要時間、建物面積、沿線、及びネット回線有無の情報が示されている。また、目的変数ＯＶとして、契約家賃が示されている。このように、最寄駅までの所要時間、建物面積、沿線、ネット回線有無といった不動産の属性情報から、契約家賃の推定値を算出する取引モデルは、従来から存在しており、不動産の家賃を査定する処方として利用されていた。

ところが、このような取引モデルによる契約家賃と、実際の不動産取引における契約家賃とは、乖離が見られており、その理由として、契約成立期間に差異があることが原因であると考えられた。前述のように、契約成立期間が一定以上経過すると、賃料収入が得られなくなることから値下げをすることが考えられ、同じような属性の不動産物件でも契約家賃に差異が見られるからである。

そこで、図４に示すように、図３に示す取引モデルにおける目的変数ＯＶである契約家賃を説明変数として、新たな取引モデルを構築することとした。図５に示す新たな取引モデル構築の処理が本件発明における処理であり、実際の不動産取引における契約実績情報から抽出された説明変数ＥＶに対してＤＮＮによりディープラーニングが行われ、目的変数ＯＶを算出するモデルである点は従来例の取引モデルと同様である。この取引モデルは、最寄駅までの所要時間、建物面積、沿線、ネット回線有無に加えて、契約家賃を説明変数ＥＶとし、契約成立期間を目的変数ＯＶとするものである。

このように、取引モデル構築部１３２により、契約家賃を説明変数ＥＶとし、契約成立期間を目的変数ＯＶとする取引モデルを構築することにより、不動産の契約家賃に基づいて契約成立期間を推定することを可能としている。これにより、契約家賃と契約成立期間との間の変化をモデル化することが出来るので、契約成立期間から、逆に最適な契約家賃を算出することを可能としている。

次に、このようにして取引モデル構築部１３２により構築された取引モデルの例について説明する。図６は、図１の取引モデルＤＢ１２２に格納される取引モデルの第１の例を示す模式図である。

図６に示す取引モデルは、契約家賃と契約成立期間との関係を示す２次元グラフの例であり、横軸に契約成立期間が、縦軸に契約家賃が示されている。このグラフに示される回帰曲線Ｌ１は、例えば取引モデル構築部１３２により構築された取引モデルから抽出された、所定の条件に該当する契約家賃と契約成立期間との回帰曲線である。例えば、契約成立期間推定部１３３において契約家賃を100,000円と指定すると、回帰曲線Ｌ１上の点Ｐ１に示すように、契約成立期間の推定値として１０日が算出される。また、契約家賃を140,000円と指定すると、回帰曲線Ｌ１上の点Ｐ２に示すように、契約成立期間の推定値として３０日が算出される。このように、契約家賃が高くなると契約が成立しにくくなるので、契約成立期間が長くなることが分かる。

契約家賃が高くなると契約成立期間が長くなるため、不動産業者や不動産物件のオーナーにとって、その期間は家賃収入が発生しないことになり、機会損失となってしまう。そのため、図６に示す回帰曲線Ｌ１によると、契約成立期間をできるだけ短くしたい場合は、契約家賃を安く設定すれば良い。逆に、家賃収入を出来るだけ多く確保したい場合は、契約家賃を高くする分契約成立期間が長くなることとなる。そのため、機会損失と家賃収入の確保というトレードオフの関係により、最適な契約家賃が決定される。最適契約家賃算出部１３４では、このトレードオフの関係から、最適な契約家賃を算出している。

図７は、図１の取引モデルＤＢ１２２に格納される取引モデルの第２の例を示す模式図である。図７に示す取引モデルは、契約家賃、契約成立期間、及び契約家賃と契約成立期間との関係性の確度を示す確度情報のそれぞれの関係を示す３次元グラフの例であり、右下方向の軸に契約成立期間が、縦軸に契約家賃が、右上方向の軸に確度が示されている。このグラフに示される回帰曲線Ｌ２は、図６に示す回帰曲線Ｌ１と同様であるが、例えば取引モデル構築部１３２により構築された取引モデルから抽出された、所定の確度のときの回帰曲線を示している。回帰曲線Ｌ２上の点Ｐ３及び点Ｐ４は、図６に示す回帰曲線Ｌ１上の点Ｐ１及び点Ｐ２と同様であるが、最適契約家賃算出部１３４における最適家賃の算出は、最も確度情報が高い契約家賃の最適値が算出される。

図７に示すグラフは、契約家賃が高くなると契約成立期間が長くなるようなグラフであるが、確度との関係で曲線の形状が変化すると考えられ、契約家賃、契約成立期間、及び確度の間で変化する曲面で示される。この曲面の中で確度が一定以上であり、契約家賃の値がピークである値が契約家賃の最適値であると判断することにより、最適契約家賃算出部１３４では最適値を算出している。

図８は、図１の取引モデルＤＢ１２２に格納される取引モデルの第３の例を示す模式図である。図８に示す取引モデルは、沿線と契約成立期間との関係を示す２次元グラフの例であり、横軸に契約成立期間が、縦軸に沿線が示されている。このグラフに示される回帰曲線Ｌ３は、図６及び図７に示す回帰曲線Ｌ１，Ｌ２と同様に、例えば取引モデル構築部１３２により構築された取引モデルから抽出された、所定の条件に該当する沿線と契約成立期間との回帰曲線である。例えば、契約成立期間推定部１３３において契約成立期間を１０日と指定すると、回帰曲線Ｌ３上の点Ｐ５に示すように、沿線の推定値として東急東横線が選定される。また、契約成立期間を３０日と指定すると、回帰曲線Ｌ３上の点Ｐ６に示すように、沿線の推定値として山手線が選定される。このように、契約成立期間と沿線との関係により、その不動産物件の沿線から最適な契約成立期間を推定することが可能である。

なお、図６〜図８に示す取引モデルは、所定の属性要素による関係を抽出したものであり、このような２次元または３次元グラフにより示される取引モデルとは限られず、複数の属性情報から契約成立期間を推定しても良く。最適な契約家賃を算出しても良い。

＜処理の流れ＞
図９を参照しながら、取引モデル構築システム１の取引モデル構築装置１００が実行する、取引モデル構築方法の一例の処理の流れについて説明する。図９は、図１の取引モデル構築装置１００の動作を示すフローチャートである。

ステップＳ１０１の処理として、契約実績情報取得部１３１では、不動産の属性情報、契約家賃、不動産についての契約が成立するまでの期間である契約成立期間といった情報を含む、実際の不動産取引における契約実績情報が取得される。これらの情報は、例えば不動産業者が管理する業務サーバにおける、過去の取引データが格納されているデータベースや、インターネット上の不動産取引支援サイトにおけるコンバージョンタグが送信する成約情報や、ユーザ端末２００からの入力により取得される。

ステップＳ１０２の処理として、契約実績情報取得部１３１では、ステップＳ１０１にて取得された契約実績情報が、契約実績情報ＤＢ１２１へ格納される。

ステップＳ１０３の処理として、取引モデル構築部１３２では、ステップＳ１０２にて契約実績情報ＤＢ１２１に格納された契約実績情報から、不動産の契約家賃及び属性情報が抽出されて説明変数とされ、契約成立期間を目的変数とする機械学習が行われる。このときの機械学習の手法は、例えば、多層のニューラルネットワークを構築してディープラーニングを行う、ＤＮＮにより行われる。

ステップＳ１０４の処理として、取引モデル構築部１３２では、例えば、契約家賃と契約成立期間との関係を示す２次元グラフにより示される、取引モデルが構築される。この取引モデルは、契約家賃、契約成立期間、及び契約家賃と契約成立期間との関係性の確度を示す確度情報のそれぞれの関係を示す３次元グラフにより示される取引モデルでも良く、その他の不動産の属性情報を説明変数または目的変数とする取引モデルでも良い。

ステップＳ１０５の処理として、取引モデル構築部１３２では、ステップＳ１０４にて構築された取引モデルが、取引モデルＤＢ１２２へ格納される。

ステップＳ１０６の処理として、契約成立期間推定部１３３では、ステップＳ１０５にて取引モデルＤＢ１２２に格納された取引モデルに基づいて、任意に設定された契約家賃から、契約成立期間が推定される。例えばユーザが、ユーザ端末２００から所定のＷｅｂサイトの入力フォーマットにて希望する契約家賃を入力すると、契約成立期間推定部１３３では、契約家賃から契約成立期間の推定値が算出され、ユーザ端末２００の画面に出力される。

ステップＳ１０７の処理として、最適契約家賃算出部１３４では、ステップＳ１０６にて算出された契約成立期間の推定値から、契約成立期間を変更して取引モデルを用いることにより契約成立までの期間を予測し、最適な契約家賃の算出が行われる。例えばユーザが、ユーザ端末２００から所定のＷｅｂサイトの入力フォーマットにて契約成立期間を入力すると、最適契約家賃算出部１３４では最適な契約家賃が算出され、ユーザ端末２００の画面に出力される。

＜効果＞
以上のように、本実施形態に係る取引モデル構築装置及び取引モデル構築方法は、取引モデル構築部により、実際の不動産取引における契約家賃を説明変数とし、契約成立期間を目的変数とする機械学習が行われ、契約家賃に基づいて契約成立期間を算出するための取引モデルが構築される。この取引モデルに基づいて、契約成立期間推定部により、任意に設定された契約家賃から契約成立期間が推定することが可能である。これにより、最適な契約家賃を算出することが可能である。

また、取引モデル構築部によって構築される取引モデルは、契約家賃と契約成立期間との関係を示す２次元グラフや、契約家賃、契約成立期間、及び契約家賃と契約成立期間との関係性の確度を示す確度情報のそれぞれの関係を示す３次元グラフにより示される取引モデルであるため、取引モデルが構築されると、簡易な計算により容易に契約成立期間を推定し、最適な契約家賃を算出することが可能である。

（実施形態２（プログラム））
図１０は、コンピュータ（電子計算機）３００の構成の例を示す機能ブロック構成図である。コンピュータ３００は、ＣＰＵ３０１、主記憶装置３０２、補助記憶装置３０３、インタフェース３０４を備える。

ここで、実施形態１に係る契約実績情報取得部１３１、取引モデル構築部１３２、契約成立期間推定部１３３、及び最適契約家賃算出部１３４を構成する各機能を実現するための制御プログラムの詳細について説明する。これらの機能ブロックは、コンピュータ３００に実装される。そして、これらの各構成要素の動作は、プログラムの形式で補助記憶装置３０３に記憶されている。ＣＰＵ３０１は、プログラムを補助記憶装置３０３から読み出して主記憶装置３０２に展開し、当該プログラムに従って前述の処理を実行する。また、ＣＰＵ３０１は、プログラムに従って、上述した記憶部に対応する記憶領域を主記憶装置３０２に確保する。

当該プログラムは、具体的には、コンピュータ３００において、不動産についての契約が成立するまでの期間である契約成立期間と、不動産の契約家賃と、不動産の属性情報とを含む、不動産の契約実績情報を取得する契約実績情報取得ステップと、契約実績情報のうち、契約家賃及び属性情報を説明変数とし、契約成立期間を目的変数とする機械学習を行い、契約家賃に基づいて契約成立期間を算出するための取引モデルを構築する取引モデル構築ステップと、取引モデルに基づき、任意に設定された契約家賃から契約成立期間を推定する契約成立期間推定ステップと、をコンピュータによって実現する制御プログラムである。また、取引モデルに基づき、推定された契約成立期間から不動産の最適契約家賃を算出する最適契約家賃算出ステップを含んでも良い。

なお、補助記憶装置３０３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インタフェース３０４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムがネットワークを介してコンピュータ３００に配信される場合、配信を受けたコンピュータ３００が当該プログラムを主記憶装置３０２に展開し、前述の処理を実行してもよい。

また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能を補助記憶装置３０３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、開示に係る実施形態について説明したが、これらはその他の様々な形態で実施することが可能であり、種々の省略、置換および変更を行なって実施することが出来る。これらの実施形態および変形例ならびに省略、置換および変更を行なったものは、特許請求の範囲の技術的範囲とその均等の範囲に含まれる。

１ 取引モデル構築システム、１００ 取引モデル構築装置、１１０ 通信部、１２０ 記憶部、１２１ 契約実績情報ＤＢ、１２２ 取引モデルＤＢ、１３０ 制御部、１３１ 契約実績情報取得部、１３２ 取引モデル構築部、１３３ 契約成立期間推定部、１３４ 最適契約家賃算出部、２００ ユーザ端末、ＮＷ ネットワーク

Claims (9)

1. 最適な不動産取引のためのモデル構築を行う取引モデル構築装置であって、
   不動産についての契約が成立するまでの期間である契約成立期間と、前記不動産の契約家賃と、前記不動産の属性情報とを含む、前記不動産の契約実績情報を取得する契約実績情報取得部と、
   前記契約実績情報のうち、前記契約家賃及び前記属性情報を説明変数とし、前記契約成立期間を目的変数とする機械学習を行い、前記契約家賃に基づいて前記契約成立期間を算出するための取引モデルを構築する取引モデル構築部と、
   前記取引モデルに基づき、任意に設定された前記契約家賃から前記契約成立期間を推定する契約成立期間推定部と、を備える取引モデル構築装置。
2. 前記取引モデルに基づき、推定された前記契約成立期間から前記不動産の最適契約家賃を算出する最適契約家賃算出部を備える、請求項１に記載の取引モデル構築装置。
3. 前記最適契約家賃は、前記不動産の所有者の収益を最大化するために最適な前記契約家賃である、請求項２に記載の取引モデル構築装置。
4. 前記取引モデル構築部は、前記契約家賃及び前記属性情報を説明変数としてディープラーニングを行い、前記取引モデルを構築する、請求項１から請求項３のいずれか１項に記載の取引モデル構築装置。
5. 前記取引モデルは、前記契約家賃と、前記契約成立期間との関係を示す２次元グラフにより構築される、請求項１から請求項４のいずれか１項に記載の取引モデル構築装置。
6. 前記取引モデルは、前記契約家賃と、前記契約成立期間と、前記契約家賃と前記契約成立期間との関係性の確度を示す確度情報と、の関係を示す３次元グラフにより構築される、請求項１から請求項４のいずれか１項に記載の取引モデル構築装置。
7. 前記属性情報は、前記不動産の建物面積、立地、または前記不動産の建物の設備の情報を含む、請求項１から請求項６のいずれか１項に記載の取引モデル構築装置。
8. 最適な不動産取引のためのモデル構築を行う取引モデル構築方法であって、
   契約実績情報取得部が行う、不動産についての契約が成立するまでの期間である契約成立期間と、前記不動産の契約家賃と、前記不動産の属性情報とを含む、前記不動産の契約実績情報を取得する契約実績情報取得ステップと、
   取引モデル構築部が行う、前記契約実績情報のうち、前記契約家賃及び前記属性情報を説明変数とし、前記契約成立期間を目的変数とする機械学習を行い、前記契約家賃に基づいて前記契約成立期間を算出するための取引モデルを構築する取引モデル構築ステップと、
   契約成立期間推定部が行う、前記取引モデルに基づき、任意に設定された前記契約家賃から前記契約成立期間を推定する契約成立期間推定ステップと、を備える取引モデル構築方法。
9. 最適な不動産取引のためのモデル構築を行う取引モデル構築プログラムであって、
   不動産についての契約が成立するまでの期間である契約成立期間と、前記不動産の契約家賃と、前記不動産の属性情報とを含む、前記不動産の契約実績情報を取得する契約実績情報取得ステップと、
   前記契約実績情報のうち、前記契約家賃及び前記属性情報を説明変数とし、前記契約成立期間を目的変数とする機械学習を行い、前記契約家賃に基づいて前記契約成立期間を算出するための取引モデルを構築する取引モデル構築ステップと、
   前記取引モデルに基づき、任意に設定された前記契約家賃から前記契約成立期間を推定する契約成立期間推定ステップと、を電子計算機に実行させるための、取引モデル構築プログラム。
   
   

Images