論文の概要: Extracting real estate values of rental apartment floor plans using graph convolutional networks

• arxiv url: http://arxiv.org/abs/2303.13568v1
• Date: Thu, 23 Mar 2023 14:38:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 17:10:21.921734
• Title: Extracting real estate values of rental apartment floor plans using graph convolutional networks
• Title（参考訳）: グラフ畳み込みネットワークを用いた賃貸住宅床計画の不動産価値の抽出
• Authors: Atsushi Takizawa
• Abstract要約: アクセスグラフのためのグラフ畳み込みネットワーク(GCN)を実装し,アクセスグラフの不動産価値をフロアプラン値として推定するモデルを提案する。 その結果,提案手法は従来のモデルと比較して家賃推定の精度を著しく向上させることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Access graphs that indicate adjacency relationships from the perspective of flow lines of rooms are extracted automatically from a large number of floor plan images of a family-oriented rental apartment complex in Osaka Prefecture, Japan, based on a recently proposed access graph extraction method with slight modifications. We define and implement a graph convolutional network (GCN) for access graphs and propose a model to estimate the real estate value of access graphs as the floor plan value. The model, which includes the floor plan value and hedonic method using other general explanatory variables, is used to estimate rents and their estimation accuracies are compared. In addition, the features of the floor plan that explain the rent are analyzed from the learned convolution network. Therefore, a new model for comprehensively estimating the value of real estate floor plans is proposed and validated. The results show that the proposed method significantly improves the accuracy of rent estimation compared to that of conventional models, and it is possible to understand the specific spatial configuration rules that influence the value of a floor plan by analyzing the learned GCN.
• Abstract（参考訳）: 大阪府内の家族向け集合住宅のフロアプラン画像から、最近提案されているアクセスグラフ抽出法に基づき、部屋の流れ線の観点から隣接関係を示すアクセスグラフを自動的に抽出する。 本稿では,アクセスグラフのためのグラフ畳み込みネットワーク(gcn)を定義し実装し,アクセスグラフの不動産価値をフロア計画値として推定するモデルを提案する。 他の一般的な説明変数を用いたフロアプラン値とヘドニック法を含むモデルを用いて家賃を推定し,その推定精度を比較する。 また、学習した畳み込みネットワークから、家賃を説明するフロアプランの特徴を分析する。 そこで,不動産フロア計画の価値を総合的に推定する新しいモデルを提案し,検証した。 提案手法は,従来のモデルに比べて賃貸推定精度を著しく向上させ,学習したGCNを解析することにより,フロアプランの価値に影響を及ぼす空間構成ルールを理解することができることを示した。

関連論文リスト

• Graph Transformer GANs with Graph Masked Modeling for Architectural Layout Generation [153.92387500677023]
  本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 提案したグラフ変換器エンコーダは、局所的およびグローバルな相互作用をモデル化するために、Transformer内のグラフ畳み込みと自己アテンションを組み合わせる。 また,グラフ表現学習のための自己指導型事前学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T14:36:38Z)
• Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
  本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。 提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
  論文  参考訳（メタデータ） (2024-01-12T17:57:07Z)
• Fine-Grained Property Value Assessment using Probabilistic Disaggregation [14.618878494135226]
  リモートセンシング画像から画素レベルの特性値の分布を推定する手法を提案する。 本研究では,大都市における実世界のデータセットについて評価する。
  論文  参考訳（メタデータ） (2023-05-31T23:40:47Z)
• Strengthening structural baselines for graph classification using Local Topological Profile [0.0]
  本稿では,グラフ分類に広く用いられている構造的ベースラインを形成するトポロジカルグラフ記述子Local Degree Profile (LDP) の解析について述べる。 そこで我々は,新たな集中度尺度と局所記述子を用いて LDP を拡張したローカルトポロジカルプロファイル (adam) と呼ばれる新しいベースラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-01T08:59:58Z)
• Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
  本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
  論文  参考訳（メタデータ） (2023-03-14T20:35:45Z)
• Optimal Propagation for Graph Neural Networks [51.08426265813481]
  最適グラフ構造を学習するための二段階最適化手法を提案する。 また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
  論文  参考訳（メタデータ） (2022-05-06T03:37:00Z)
• FloorGenT: Generative Vector Graphic Model of Floor Plans for Robotics [5.71097144710995]
  フロアプランを特定の視点から見たラインセグメントのシーケンスとしてモデル化することにより、最近の自己回帰シーケンスモデリングの進歩をフロアプランのモデル化と予測に活用できることが示される。
  論文  参考訳（メタデータ） (2022-03-07T13:42:48Z)
• Bayesian Graph Contrastive Learning [55.36652660268726]
  本稿では,ランダムな拡張がエンコーダにつながることを示すグラフコントラスト学習手法の新たな視点を提案する。 提案手法は,各ノードを決定論的ベクトルに埋め込む既存の手法とは対照的に,各ノードを潜在空間の分布で表現する。 いくつかのベンチマークデータセットにおける既存の最先端手法と比較して,性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2021-12-15T01:45:32Z)
• Integrating Floor Plans into Hedonic Models for Rent Price Appraisal [0.0]
  本研究では,オンライン不動産プラットフォームにおけるマンションフロア計画の視覚的自動分析が,ヘドニック賃貸価格評価をいかに高めるかを検討する。 歴史的価格データからフロアプランの価格関連設計を学ぶために,2段階の深層学習手法を提案する。 9174の不動産リストのユニークなデータセットに基づく経験的分析は、現在のヘドニックモデルが利用可能なデータを過小に活用していることを示唆している。
  論文  参考訳（メタデータ） (2021-02-16T14:05:33Z)
• Graph-Based Generative Representation Learning of Semantically and Behaviorally Augmented Floorplans [12.488287536032747]
  本稿では,アトリビュートグラフを用いて幾何学的情報を表現するフロアプラン埋め込み手法と,ノード属性やエッジ属性として住民のセマンティクスや行動特徴をデザインする手法を提案する。 長短期記憶(LSTM)変動オートエンコーダ(VAE)アーキテクチャを提案し,連続空間に属性グラフをベクトルとして埋め込むように訓練した。 入力に対する埋め込み空間から得られた類似のフロアプランの結合度を評価するために,ユーザ調査を行った。
  論文  参考訳（メタデータ） (2020-12-08T20:51:56Z)
• House-GAN: Relational Generative Adversarial Networks for Graph-constrained House Layout Generation [59.86153321871127]
  主な考え方は、制約をリレーショナルネットワークのグラフ構造にエンコードすることである。 我々は、新しい住宅レイアウト生成問題に対する提案されたアーキテクチャを実証した。
  論文  参考訳（メタデータ） (2020-03-16T03:16:12Z)

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。