論文の概要: MONOPOLY: Learning to Price Public Facilities for Revaluing Private Properties with Large-Scale Urban Data
- arxiv url: http://arxiv.org/abs/2411.18085v1
- Date: Wed, 27 Nov 2024 06:44:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-28 15:25:47.229318
- Title: MONOPOLY: Learning to Price Public Facilities for Revaluing Private Properties with Large-Scale Urban Data
- Title(参考訳): モノポリー:大規模都市データによる私有財産評価のための公共施設の価格設定を学ぶ
- Authors: Miao Fan, Jizhou Huang, An Zhuo, Ying Li, Ping Li, Haifeng Wang,
- Abstract要約: 公共施設の価格設定を学習し,私有財産の再評価のための分散的アプローチを提案する。
我々は,中国のいくつかの大都市圏の大規模都市データを用いて,広範囲にわたる実験を行った。
その結果,本手法は有意なマージンを持ついくつかの主流手法よりも優れていることがわかった。
- 参考スコア(独自算出の注目度): 38.17786634696134
- License:
- Abstract: The value assessment of private properties is an attractive but challenging task which is widely concerned by a majority of people around the world. A prolonged topic among us is ``\textit{how much is my house worth?}''. To answer this question, most experienced agencies would like to price a property given the factors of its attributes as well as the demographics and the public facilities around it. However, no one knows the exact prices of these factors, especially the values of public facilities which may help assess private properties. In this paper, we introduce our newly launched project ``Monopoly'' (named after a classic board game) in which we propose a distributed approach for revaluing private properties by learning to price public facilities (such as hospitals etc.) with the large-scale urban data we have accumulated via Baidu Maps. To be specific, our method organizes many points of interest (POIs) into an undirected weighted graph and formulates multiple factors including the virtual prices of surrounding public facilities as adaptive variables to parallelly estimate the housing prices we know. Then the prices of both public facilities and private properties can be iteratively updated according to the loss of prediction until convergence. We have conducted extensive experiments with the large-scale urban data of several metropolises in China. Results show that our approach outperforms several mainstream methods with significant margins. Further insights from more in-depth discussions demonstrate that the ``Monopoly'' is an innovative application in the interdisciplinary field of business intelligence and urban computing, and it will be beneficial to tens of millions of our users for investments and to the governments for urban planning as well as taxation.
- Abstract(参考訳): 個人資産の価値評価は魅力的だが難しい課題であり、世界中の大多数の人々が懸念している。
私たちの間の長いトピックは ``\textit{ で、私の家はどれくらいの価値がありますか?
と書いた。
この問題に答えるために、ほとんどの経験豊富な機関は、その属性の要素と、その周辺の人口動態や公共施設の要素から、資産を価格で売りたいと思っている。
しかし、これらの要因の正確な価格、特に私有財産の評価に役立つ公共施設の価値は、誰も知らない。
本稿では,本稿では,Baiduマップを通じて蓄積した大規模都市データを用いて,公共施設(病院など)の価格設定を学習することで,私有財産の再評価のための分散的アプローチを提案する,新たなプロジェクト「モノポリー」を紹介した。
そこで本手法では,多くの関心点(POI)を非方向性重み付きグラフに整理し,周辺公共施設の仮想価格を含む複数の要因を適応変数として定式化し,我々が知っている住宅価格を並列に推定する。
そして、収束までの予測の喪失に応じて、公共施設及び私有財産の価格を反復的に更新することができる。
我々は,中国のいくつかの大都市圏の大規模都市データを用いて,広範囲にわたる実験を行った。
その結果,本手法は有意なマージンを持ついくつかの主流手法よりも優れていることがわかった。
より深い議論からのさらなる洞察は、'Monopoly'はビジネスインテリジェンスと都市コンピューティングの分野における革新的な応用であり、数千万人のユーザにとって投資と都市計画のための政府にとって有益であることを示している。
関連論文リスト
- A Multi-Modal Deep Learning Based Approach for House Price Prediction [19.02810406484948]
住宅のより正確な表現を学習するために,様々なタイプのデータを活用するマルチモーダルディープラーニング手法を提案する。
特に, 住宅属性, 地理空間近傍, および最も重要な特徴は, 住宅を表わすテキスト記述や画像から学習する。
その結果、住宅広告記述のテキスト埋め込みと住宅画像のイメージ埋め込みは、住宅価格予測精度を著しく向上させることができることがわかった。
論文 参考訳(メタデータ) (2024-09-09T05:26:33Z) - An Optimal House Price Prediction Algorithm: XGBoost [0.0]
住宅価格の予測にはさまざまな機械学習技術を使用します。
住宅コストに影響を与える重要な要因を特定します。
XGBoostは住宅価格予測の最高のパフォーマンスモデルだ。
論文 参考訳(メタデータ) (2024-02-06T15:36:06Z) - 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) - PATE: Property, Amenities, Traffic and Emotions Coming Together for Real
Estate Price Prediction [4.746544835197422]
我々は、さまざまな社会経済特性の経済的貢献を評価するために、複数のデータソースを使用します。
実験は北京の28,550戸で行われた。
論文 参考訳(メタデータ) (2022-08-29T12:31:10Z) - 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) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳(メタデータ) (2020-12-21T01:01:56Z) - Boosting House Price Predictions using Geo-Spatial Network Embedding [16.877628778633905]
本稿では, グラフニューラルネットワークの概念を活用し, 住宅近傍の空間的文脈を捉えることを提案する。
特に,地空間ネットワーク埋め込み(GSNE, Geo-Spatial Network Embedding)という,多部ネットワークの形で住宅の埋め込みや様々な種類の関心点(POI)を学習する手法を提案する。
論文 参考訳(メタデータ) (2020-09-01T06:17:21Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - Lifelong Property Price Prediction: A Case Study for the Toronto Real
Estate Market [75.28009817291752]
自動資産評価のための最初の寿命予測モデルであるLuceを提示する。
ルースは不動産価格の2つの重要な問題に対処している。
トロント不動産市場から得られた大規模な実生活データセットにLuceを適用することで,Luceのメリットを実証する。
論文 参考訳(メタデータ) (2020-08-12T07:32:16Z) - Differential Privacy of Hierarchical Census Data: An Optimization
Approach [53.29035917495491]
国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。
最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。
本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
論文 参考訳(メタデータ) (2020-06-28T18:19:55Z)
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。