基于人工智能与情感分析的房价分析系统设计与实现

1、 基于人工智能与情感分析的房价分析系统设计与实现 叶楚义高群霞李晶吴成云曾晓玲罗创谦蔡程健摘 要：随着大数据与人工智能技术的兴起，深度学习方法在房价投资方面有极大发挥空间。文章设计并实现了一个智能房价分析系统，主要包括基于LSTM的“房价预测”和基于情感分析的“舆情舆论”两大模块，可较好实现房价未来趋势预测及舆情分析，为企业和投资者提供参考和指引。Key：房价预测;LSTM;情感分析;数据可视化：TP311.52 文献标志码：A ：2095-2945（2019）34-0030-03Abstract： With the rise of big data and artificial intell

2、igence technology， deep learning method has a great space in housing price investment. In this paper， an intelligent housing price analysis system is designed and implemented， which mainly includes two modules， housing price prediction based on LSTM and public opinion based on emotion analysis， whic

3、h can better realize the future trend prediction and public opinion analysis of housing price， and provide reference and guidance for enterprises and investors.Keywords： housingprice prediction; LSTM; emotion analysis; data visualization1 研究背景及意义房价在当今金融市场中起着重要作用，是当前社会的焦点话题，准确预测房价的变化趋势对购房者、地产商及政府都有很大

4、帮助1。以往的预测方式是要对各项相关数据粗糙罗列、经验方式设计参数权重，未考虑购房意愿、政府政策等人文因素的影响，预测准确性和置信度不理想。本文运用机器学习、数据挖掘等方法，设计并实现了一个包含基于LSTM的“房价预测”和基于情感分析的“舆情舆论”两大模块的智能房价分析系统，可较好实现房价未来趋势预测和舆论分析，为企业和广大投资者提供指引和参考。2 相关原理与技术2.1 LSTM长短期记忆网络长短期记忆网络LSTM（Long Short-Term Memory）是一种时间递归神经网络，适合处理和预测时间序列中间隔和延迟相对较长的重要事件2。LSTM是对RNN（循环神经网络）的改进，在算法中加入

5、了一个判断信息有用与否的“处理器”cell，通过在cell中放置输入门、遗忘门和输出门三扇门实现判别。2.2 情感分析算法情感分析是自然语言处理（NLP）的一种，是一种可自动识别文本中主观观点和情感倾向的文本挖掘方法，目前被广泛应用于Web信息挖掘、舆情追踪等领域3，4。基于语义规则的情感分析模型是通过语义规则对带有感情的主观性文本进行评估，从而挖掘出文本中隐藏的情绪倾向5，6。3 系统设计与实现3.1 系统设计系统主要包括房价预测和情感分析两大模块，系统整体架构和功能框架分别如图1和图2所示。通过爬虫技术获取房价数据和用户评论数据;构建LSTM房价预测模型，结合历史数据和各大决定因素预测未来

6、房价走势;构建情感分析模型，对投资者评论进行情感分析，获得积极度、消极度和置信度等数据;通过Echarts绘图库和词云图将数据可视化处理后呈现给用户。3.2 系統实现（1）数据分析统计与可视化用户登录系统后，系统后台将自动获取用户所在定位，并从后台数据仓库获取对应数据，完成数据分析与统计，并以折线图、热力图等方式呈现给用户，如图3和图4所示。（2）房价预测用requests库和爬虫算法爬取安居客网站的房价数据，构建LSTM深度学习模型预测房价走势。LSTM模型参数为：时间步time_step为20，rnn_unit参数为10，每一批次训练样例为60，输入层维度为2，输出层维度为1，学习率为0.

7、0006，每一区域模型训练的次数为5000次，为防止val_loss逐渐增大，导致过拟合现象，使用Dropout技术进行控制，参数为0.5。房价预测效果如图5示，可看出预测数值和原始数值高度贴合，能提供一个未来走势供用户参考，y轴值将用来展示单位数据元/m2，x轴表示年月。（3）情感分析根据用户输入的楼盘地址爬取楼盘相关评论信息，使用jieba库实现分词和词频统计，绘制彩色词云图;通过百度情感分析API实现语句情感倾向判断，获取消极度、中性，积极度，并以饼图形式呈现，如图6所示。4 结束语本房价分析系统能很好实现房价预测、情感分析、数据可视化等功能，具有较好应用前景。由于房价市场受多种因素的影响，增加多种数据集及数据量可进一步提高预测效果。Reference：1常诚.基于多模态信息融合的房地产价格预测系统的设计与实现D.北京邮电大学，2019.2张佳禹.基于深度学习算法的上市公司投资决策支持模型研究D.辽宁师范大学，2018.3王晓艳.公众舆情与房价波动的灰色关联分析基于网络舆情的内容分析J.上海商学院学报，2018，19（03）：39-46.4KEVIN JATI KURNIAJAYA.基于新闻情感分析的房价预测