論文の概要: Look Around! A Neighbor Relation Graph Learning Framework for Real Estate Appraisal

• arxiv url: http://arxiv.org/abs/2212.12190v1
• Date: Fri, 23 Dec 2022 08:20:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 17:02:15.698219
• Title: Look Around! A Neighbor Relation Graph Learning Framework for Real Estate Appraisal
• Title（参考訳）: 周りを見ろ! 不動産評価のための隣接関係グラフ学習フレームワーク
• Authors: Chih-Chia Li, Wei-Yao Wang, Wei-Wei Du, Wen-Chih Peng
• Abstract要約: 本稿では,不動産評価のための新しい近隣関係グラフ学習フレームワーク(ReGram)を提案する。 ReGramは、アテンションメカニズムにより、ターゲットトランザクションと周辺地域の関係を組み込む。 さまざまなシナリオによる実世界のデータセットの実験では、ReGramが最先端の手法をしっかりと上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 6.14249607864916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real estate appraisal is a crucial issue for urban applications, which aims to value the properties on the market. Traditional methods perform appraisal based on the domain knowledge, but suffer from the efforts of hand-crafted design. Recently, several methods have been developed to automatize the valuation process by taking the property trading transaction into account when estimating the property value. However, existing methods only consider the real estate itself, ignoring the relation between the properties. Moreover, naively aggregating the information of neighbors fails to model the relationships between the transactions. To tackle these limitations, we propose a novel Neighbor Relation Graph Learning Framework (ReGram) by incorporating the relation between target transaction and surrounding neighbors with the attention mechanism. To model the influence between communities, we integrate the environmental information and the past price of each transaction from other communities. Moreover, since the target transactions in different regions share some similarities and differences of characteristics, we introduce a dynamic adapter to model the different distributions of the target transactions based on the input-related kernel weights. Extensive experiments on the real-world dataset with various scenarios demonstrate that ReGram robustly outperforms the state-of-the-art methods. Furthermore, comprehensive ablation studies were conducted to examine the effectiveness of each component in ReGram.
• Abstract（参考訳）: 不動産鑑定は、市場における不動産価値評価を目的とした都市アプリケーションにとって重要な課題である。 伝統的な手法はドメイン知識に基づいて評価を行うが、手作り設計の努力に悩まされる。 近年,資産価値を見積もる際に,不動産取引を考慮に入れて評価プロセスを自動化する手法が開発されている。 しかし、既存の手法は不動産そのもののみを考慮し、プロパティ間の関係を無視している。 さらに、隣人の情報を自然に集約しても、トランザクション間の関係をモデル化できない。 これらの制約に対処するため、ターゲット取引と周辺住民の関係を注意機構に組み込むことにより、新しい近隣関係グラフ学習フレームワーク(ReGram)を提案する。 コミュニティ間の影響をモデル化するために、環境情報と各取引の過去の価格を他のコミュニティから統合する。 さらに、異なる領域のターゲットトランザクションは類似点や特徴の相違点を共有しているため、入力関連カーネル重みに基づくターゲットトランザクションの異なる分布をモデル化する動的アダプタを導入する。 さまざまなシナリオによる現実世界のデータセットに関する広範な実験は、regramが最先端のメソッドを堅牢に上回っていることを示している。 さらに,ReGramの各成分の有効性を検討するため,包括的アブレーション試験を行った。

関連論文リスト

• Boosting House Price Estimations with Multi-Head Gated Attention [6.35565749560338]
  空間キャプチャのためのマルチヘッドゲーテッドアテンションと呼ばれる新しい手法を開発した。 我々のモデルはデータの次元を小さくする埋め込みを生成する。 その結果,住宅価格予測の精度は有意に向上した。
  論文  参考訳（メタデータ） (2024-05-13T04:12:03Z)
• Improving Real Estate Appraisal with POI Integration and Areal Embedding [2.977678192707268]
  本研究は、不動産評価手法における2つの重要な課題に焦点を当てる。 まず,POI(Points of Interest)が資産価値に与える影響について検討する。 次に,道路ネットワークを基盤としたAreal Embeddingを統合し,不動産評価のための空間的理解を強化する。
  論文  参考訳（メタデータ） (2023-11-20T14:48:09Z)
• DoRA: Domain-Based Self-Supervised Learning Framework for Low-Resource Real Estate Appraisal [15.404630852751547]
  低リソース不動産評価のためのドメインベースの自己教師型学習フレームワークであるDoRAを提案する。 DoRAは、事前のドメイン知識と不動産表現を等価にするためのサンプル内の地理的予測で事前訓練されている。 実世界のトランザクションの3つのプロパティタイプに対するベンチマークの結果,DoRAはSSLベースラインを著しく上回る結果となった。
  論文  参考訳（メタデータ） (2023-09-02T08:01:32Z)
• Transfer Learning on Heterogeneous Feature Spaces for Treatment Effects Estimation [103.55894890759376]
  本稿では,不均一な特徴空間を扱うために表現学習を利用するビルディングブロックを紹介する。 本稿では,これらのビルディングブロックを用いて,標準CATE学習者の伝達学習の等価性を回復する方法を示す。
  論文  参考訳（メタデータ） (2022-10-08T16:41:02Z)
• Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
  本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。 周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。 本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-01-25T12:44:23Z)
• Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
  本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。 提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。 我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
  論文  参考訳（メタデータ） (2021-11-25T17:33:12Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)
• MugRep: A Multi-Task Hierarchical Graph Representation Learning Framework for Real Estate Appraisal [57.28018917017665]
  正確な不動産評価のためのマルチタスク階層グラフ表現学習(MugRep)フレームワークを提案する。 複数の都市データを取得し統合することにより、まず、複数の視点から不動産を包括的にプロファイルするリッチな特徴セットを構築する。 進化する不動産取引グラフとそれに対応するイベントグラフ畳み込みモジュールが提案され、不動産取引に非同期に時間的依存関係を組み込む。
  論文  参考訳（メタデータ） (2021-07-12T03:51:44Z)
• Modeling long-term interactions to enhance action recognition [81.09859029964323]
  本稿では,フレームレベルと時間レベルの両方でオブジェクト間の相互作用のセマンティクスを利用する,エゴセントリックなビデオのアンダースタンドアクションに対する新しいアプローチを提案する。 ユーザの手とほぼ対応するプライマリ領域と、相互作用するオブジェクトに対応する可能性のあるセカンダリ領域のセットを入力として、領域ベースのアプローチを使用する。 提案手法は, 標準ベンチマークの動作認識において, 最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2021-04-23T10:08:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。