توسعه یک سیستم توصیه گر مبتنی بر داده کاوی قیمت املاک برای خرید و فروش املاک

امروزه با افزایش جمعیت در کلان شهرها، تعداد زیادی از املاک و واحدها با کاربری¬های مختلف خرید و فروش می¬شوند. هدف این تحقیق طراحی سیستمی است که با استفاده از آن کاربران با صرف مدت زمانی کوتاه و از طریق اینترنت آپارتمان خود را به فروش رسانده یا از وجود آپارتمان مورد نظر خود برای خرید آگاهی یابند؛ از قابلیت¬های مهم این سیستم توجه به معیارهای خارجی موثر در انتخاب یک ملک و قیمت گذاری بر اساس روش¬های داده¬کاوی می¬باشد. پس از مطالعه بر روی موضوعات مرتبط با تحقیق، از بین روش های موجود در زمینه سیستم-های توصیه گر، روش دانش محور به دلیل استقلال از سایر کاربران و انتخاب¬های کاربر در گذشته و نیز معیار مبنا بودن آن، به عنوان روشی مناسب انتخاب گردید. معیارهایی که کاربر می¬تواند آن ها را مقدار دهی کند، در دو دسته معیارهای درونی و خارجی جای می¬گیرند که برای محاسبه شباهت به سه دسته معیارهای پیوسته، گسسته، معیارهای گسسته با مقادیر کمینه مطلوب تقسیم¬ می¬گردند. در زمینه قیمت¬گذاری املاک نیز روش¬های داده¬کاوی بررسی شده و در نهایت روش شبکه عصبی انتخاب گردید. منطقه مورد مطالعه در این تحقیق مناطق 1 تا 10 تهران می¬باشد؛ با مراجعه به سایت¬های فعال در دو زمینه قیمت گذاری املاک و خرید و فروش املاک مشخصات 300 ملک فروخته شده (87 درصد برای آموزش شبکه و 13 درصد برای تست شبکه) و 80 ملک فروشی جمع¬آوری و وارد پایگاه داده املاک فروشی و فروخته شده گردید. در این تحقیق، وارد نمودن متوسط قیمت هر محله به عنوان یکی از گره¬های لایه ورودی شبکه عصبی منجر به دستیابی به دقت بالا در برآورد قیمت املاک با rmse برابر 0.05در مورد داده¬های تست و برابر 0.04 برای داده¬های آموزشی گردید. همچنین در سیستم توصیه گر، استفاده از مفهوم حداکثر شباهت با ملک ایده آل و از طرفی محدود نمودن املاک پیشنهادی با شرط حداقل شباهت 50 درصد منجر به این شد تا املاک پیشنهادی در صورت عدم رفع کامل نیازهای کاربر، خواسته-هایش را در حد قابل قبولی رفع نمایند.