基于数据仓库的数据挖掘技术在房地产中介信息分析系统的研究和应用

摘要

随着目前国内市场化程度越来越高，房地产中介企业的间竞争日趋激烈。同时，广大购房者对房地产中介的服务质量和服务效率也提出更高的要求。如何能够在满足用户需求和提供优质服务的前提下充分利用现有资源和配置来降低运营成本、提高运营效益成为房地产中介企业能否占据竞争优势地位的重要因素之一。显然，降低运营成本、满足用户需求需要有强大的数据管理作为管理决策层的决策基础和决策依据。然而现有的各种针对房地产中介企业的数据管理系统并不能很好的满足企业的需要。一方面，日益增加的数据导致系统查询起来笨重不堪，导致了系统与业务上的脱节；另一方面，管理者和决策者只能根据固定的、定时的报表系统获得预先制定好的运营统计分析信息，无法获取全面的市场状况，对市场的预测更加无从谈起。因此能为房地产中介企业提供决策依据和对市场状况提供预测依据的数据仓库系统无疑能很好满足企业的需要。鉴于上述背景需求，本文提出了基于数据仓库的房地产中介信息分析系统以满足目前房地产中介企业信息管理活动中的决策支持的需求。 本文从实际出发，从基于数据仓库的房地产中介信息分析系统的整体架构角度，设计了该系统主要的主题分析；完成了基于主题分析的数据仓库建模；并对相关的主题分析的内容引入成熟的数据挖掘算法完成对决策辅助信息的挖掘工作等。论文的成果主要包括以下几点： (1)设计了基于数据仓库的房地产中介企业信息分析系统的主题分析以及基于主题分析的数据分析模型。 (2)针对基于交易信息特征的房源细分的主题，提出采用数据挖掘工具中的决策树算法对该主题进行数据挖掘，运用ID3算法实现该决策模型，并且利用神经网络算法对该模型进行验证。最后利用挖掘结果实现对决策分析的支持工作。 (3)针对基于市场交易行为的市场预测的主题。通过把数据转换成时间序列，运用时间序列的趋势分析，使用简单一次平均预测法来完成对市场的预测分析。从中得出比较满意的预测结果(4)针对基于客户特征的客户细分的主题。利用聚类分析中的K-均值算法，把客户按照一定标准，归纳到不同簇中。从而完成对客户细分，为提高房地产交易效率提供了量化参考。

目录

文摘

英文文摘

学位论文独创性声明及授权使用声明

第1章引言

1.1研究背景

1.2数据仓库的产生与发展

1.3数据仓库在国内房地产中介企业的应用状况

1.4论文主要研究内容

1.5论文架构

第2章数据仓库和基于数据仓库的相关技术

2.1数据仓库

2.1.1数据仓库的特点

2.1.2数据仓库的建模方法

2.1.3数据仓库的组成

2.2基于数据仓库的相关技术

2.2.1联机分析处理OLAP

2.2.2数据挖掘

第3章基于数据仓库的房地产中介信息分析系统

3.1数据钻取(ETL)

3.2主题分析和基于主题分析的数据建模

3.3元数据管理

3.4数据挖掘

第4章基于交易信息特征的交易房源细分主题的设计与实现

4.1决策树基本概念

4.2 ID3算法

4.3交易房源细分决策树模型及实施

4.3.1数据采集和数据预处理

4.3.2交易房源细分决策树模型实施

4.4使用神经网络算法验证决策树分类结果

4.4.1神经网络的概念和算法

4.4.2神经网络模型实施

4.5挖掘结果分析

第5章基于市场交易行为的市场预测主题的设计与实现

5.1时间序列趋势分析及算法

5.2市场预测的时间序列预测模型及实施

5.2.1数据采集和数据预处理

5.2.2市场预测的时间序列预测模型实施

5.3挖掘结果分析

第6章基于客户特征的客户细分主题的设计与实现

6.1聚类分析基本概念

6.2 K-均值算法

6.3客户细分的聚类分析模型及实施

6.3.1数据采集和数据预处理

6.3.2客户细分的聚类分析模型实施

6.4挖掘结果分析

第7章总结与展望

参考文献

致谢