基于信息抽取的房地产供需信息匹配系统

摘要

随着房地产行业近十年的飞速发展,二手房交易越来越频繁,大中城市的房地产中介公司发展也如雨后春笋般出现,这些公司都普遍应用基于关系数据库的信息系统来支撑业务,并且积累了大量房客源数据以及相关的业务日志和用户评价等信息。这些信息反映了房客源的业务状态和业务过程中发生的关键业务事件,但是目前的信息系统仅能够做到查询和检索结构化的房客源数据,对于其中以自由文本形式保存的业务日志及用户评价等内容,还没有实现自动分析及比对匹配的功能,对于此类信息目前仅能通过人工逐条查阅,效率低下。
　　本论文针对以上的业务特点,通过深入的需求调研分析,确定采用信息抽取的方法来实现业务日志的自动抽取和结构化,在此基础上实现房客源数据的充分匹配。本论文在充分调研了国内外信息抽取方面的主要研究成果的基础上,确定采用基于规则的方法进行信息抽取。在抽取模式的获取方面采用了基于人工辅助构建领域规则库加半监督的机器学习方法,并应用模式匹配的方法进行信息抽取。在抽取模式的学习及完善方面应用Meta-Bootstrapping算法进行模式的自我学习及抽取规则的自我完善。在信息的匹配方面提出了一种属性精确匹配和文档矢量模型相似度结合的匹配计算方法来计算房客源模型的匹配度。
　　综合本论文的各研究成果,开发了“基于信息抽取的房地产供需信息匹配系统”,从用户测试和试用的反馈结果看,系统完整地实现了用户的需求,得到用户的一致认可。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题研究的来源和背景

1.2 课题研究目的和意义

1.3 国内外研究现状分析

1.4 本论文的主要研究内容

1.5 本论文的组织结构

1.6 本章小结

第2章 系统需求分析和总体设计

2.1 业务需求的背景和用户期望

2.2 系统的业务功能需求

2.3系统的可扩展性及性能需求

2.4 系统的总体设计

2.5 本章小结

第3章 基于规则的信息抽取及相关算法设计

3.1 信息抽取基本理论概念

3.2 信息抽取的主流方法

3.3 基于规则的信息抽取

3.4 自动生成抽取规则的Meta-Bootstrapping算法介绍

3.5 信息抽取的评价标准

3.6 Meta-Bootstrapping算法的实验结果分析

3.7 基于规则学习的其他典型算法

3.8 本章小结

第4章 系统的详细设计与实现

4.1 系统所使用的开发平台与技术简介

4.2 系统数据库设计

4.3 系统各模块详细设计和实现

4.4 本章小结

第5章 系统测试及实验结果分析

5.1 测试环境

5.2 功能测试

5.3 性能测试

5.4 信息抽取测试及结果分析

5.5 测试结论

结论

参考文献

声明

致谢

个人简历