Improving Real Estate Appraisal with POI Integration and Areal Embedding

要約

不動産評価手法の進歩にもかかわらず、この研究は主に 2 つの極めて重要な課題に焦点を当てています。
まず、過小評価されがちなPOI（Point of Interest）が資産価値に及ぼす影響を調査し、特徴選択に対する包括的でデータ駆動型のアプローチの必要性を強調します。
次に、道路ネットワークベースのエリアエンベディングを統合して、不動産評価のための空間理解を強化します。
まず、POI 特徴抽出の修正方法を提案し、住宅価格評価に対する各 POI の影響について議論します。
次に、Areal 埋め込みが有効な、住宅価格予測のためのマスクされたマルチヘッド アテンションベースの空間補間 (AMMASI) モデルを紹介します。これは、既存の ASI モデルを改良したもので、地理的な近隣の家や同様の特徴の住宅に対するマスクされたマルチヘッド アテンションを活用します。
私たちのモデルは現在のベースラインを上回っており、不動産評価手法の将来の最適化に向けた有望な道も提供します。

要約(オリジナル)

Despite advancements in real estate appraisal methods, this study primarily focuses on two pivotal challenges. Firstly, we explore the often-underestimated impact of Points of Interest (POI) on property values, emphasizing the necessity for a comprehensive, data-driven approach to feature selection. Secondly, we integrate road-network-based Areal Embedding to enhance spatial understanding for real estate appraisal. We first propose a revised method for POI feature extraction, and discuss the impact of each POI for house price appraisal. Then we present the Areal embedding-enabled Masked Multihead Attention-based Spatial Interpolation for House Price Prediction (AMMASI) model, an improvement upon the existing ASI model, which leverages masked multi-head attention on geographic neighbor houses and similar-featured houses. Our model outperforms current baselines and also offers promising avenues for future optimization in real estate appraisal methodologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google