數(shù)據(jù)挖掘技術(shù)下的房地產(chǎn)企業(yè)銷售系統(tǒng)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數(shù)據(jù)挖掘技術(shù)下的房地產(chǎn)企業(yè)銷售系統(tǒng)范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要：房地產(chǎn)行業(yè)作為我國(guó)的基礎(chǔ)產(chǎn)業(yè)之一，每年為國(guó)家GDP貢獻(xiàn)了大量的收入，對(duì)拉動(dòng)經(jīng)濟(jì)有著舉足輕重的作用，房地產(chǎn)從90年代房改開始到如今，已經(jīng)累計(jì)了大量的銷售數(shù)據(jù)，客戶數(shù)據(jù)，建筑數(shù)據(jù)，但是房地產(chǎn)行業(yè)對(duì)于數(shù)據(jù)的利用還是處于粗放采集，粗放利用的階段，因此對(duì)于累計(jì)的大量數(shù)據(jù)，使用并不充分。因此本文研發(fā)一套基于數(shù)據(jù)挖掘技術(shù)的房地產(chǎn)企業(yè)銷售管理系統(tǒng)，利用現(xiàn)代數(shù)據(jù)挖掘技術(shù)，提升企業(yè)的銷售管理效率，就顯得尤其重要。本系統(tǒng)使用三層架構(gòu)體系將其分為表現(xiàn)層、邏輯層、數(shù)據(jù)訪問層三部分，采用MVC設(shè)計(jì)模式：M（Model）模型、V（View）視圖、C（Controller）控制器，將三層架構(gòu)中的表現(xiàn)層進(jìn)一步細(xì)分為視圖與控制器兩部分，有效降低系統(tǒng)耦合度，提高服務(wù)器端代碼的重用性，并運(yùn)用jQuery、DIV+CSS等插件美化界面，使用Bootstrap框架對(duì)系統(tǒng)界面作響應(yīng)式布局，讓系統(tǒng)能夠輕松支持各種電腦、手機(jī)、平板等瀏覽設(shè)備的訪問，便于系統(tǒng)移植與重用；運(yùn)用webservice接口技術(shù)實(shí)現(xiàn)各類系統(tǒng)的對(duì)接。采用數(shù)據(jù)挖掘算法充分利用了房地產(chǎn)行業(yè)的歷史記錄和用戶記錄，設(shè)計(jì)了基于數(shù)據(jù)挖掘的客戶甄別和房源匹配預(yù)測(cè)模型，能夠提高甄別和預(yù)測(cè)的準(zhǔn)確性，提高了房企銷售效率。

關(guān)鍵詞：MVC模式；數(shù)據(jù)挖掘；房產(chǎn)銷售系統(tǒng)

一、引言

房產(chǎn)銷售管理系統(tǒng)在國(guó)外應(yīng)用研究較早，在20世紀(jì)80世紀(jì)年代，MRPII（制造資源計(jì)劃）就將銷售管理作為企業(yè)管理的一部分，但只是服務(wù)于企業(yè)內(nèi)部的資源管理計(jì)劃。21世紀(jì)以來，我國(guó)學(xué)者開始將人工智能、數(shù)據(jù)倉(cāng)庫(kù)和OLAP等技術(shù)應(yīng)用到不同行業(yè)的銷售決策支持系統(tǒng)中，并取得了顯著的效果[1-2]。王迪將遺傳算法和聚類分析算法結(jié)合起來的數(shù)據(jù)挖掘方法應(yīng)用到了銷售管理系統(tǒng)中，分析出了不同的地區(qū)對(duì)產(chǎn)品的要求的差異[3]。目前，市場(chǎng)上的數(shù)據(jù)挖掘工具一般分為三個(gè)組成部分：通用型的工具、綜合的數(shù)據(jù)挖掘工具和面向特定的應(yīng)用工具。通用的數(shù)據(jù)挖掘工具一般不區(qū)分具體數(shù)據(jù)，主要代表有IBM公司Almaden研究中心開發(fā)的QUEST系統(tǒng)，SGI公司開發(fā)的MineSet系統(tǒng)，加拿大SimonFraser大學(xué)開發(fā)的DBMiner系統(tǒng)、SASEnterpriseMiner、IBMIntelligentMiner、OracleDarwin、SPSSClementine、UnicaPRW等軟件。通用的數(shù)據(jù)挖掘工具可以做多種模式的挖掘，具體的挖掘工作由用戶根據(jù)自己的應(yīng)用來選擇。近年來，隨著互聯(lián)網(wǎng)的發(fā)展，各行各業(yè)都開始有效地利用互聯(lián)網(wǎng)技術(shù)為自己服務(wù)，國(guó)內(nèi)的房地產(chǎn)公司也爭(zhēng)相利用互聯(lián)網(wǎng)技術(shù)來進(jìn)行房地產(chǎn)銷售信息的管理，導(dǎo)致有關(guān)房地產(chǎn)產(chǎn)業(yè)的網(wǎng)站層出不窮。

二、模型架構(gòu)

由于本文實(shí)現(xiàn)的房產(chǎn)銷售系統(tǒng)是采用TOP-N推薦，因此在訓(xùn)練模型的基礎(chǔ)上進(jìn)行邏輯回歸，最后的結(jié)果讓用戶進(jìn)行打分。

三、實(shí)驗(yàn)及結(jié)果分析

在算法性能評(píng)估方面，本文在查準(zhǔn)率，查全率，RMSE值上對(duì)基于混合GBDT算法和其他算法進(jìn)行對(duì)比。首先是將本文實(shí)現(xiàn)算法對(duì)單純的用戶協(xié)同過濾模型，商品房協(xié)同過濾模型，矩陣分解的協(xié)同過濾模型進(jìn)行實(shí)驗(yàn)對(duì)比，采用表1中的模型參數(shù)，得到召回率，準(zhǔn)確率如下：從上述對(duì)比結(jié)果中可以看出，本文的混合GBDT算法比傳統(tǒng)協(xié)同過濾算法的查準(zhǔn)率，召回率都有明顯提高。其柱狀圖如下：可以看出本文提出的混合算法在RMSE和召回率值也比傳統(tǒng)的協(xié)同算法有了明顯的降低。

四、總結(jié)

本文重點(diǎn)分析了不同客戶群體的購(gòu)房需求，有針對(duì)性的研發(fā)了一套利于數(shù)據(jù)沉淀，高效獲取信息的房產(chǎn)銷售管理系統(tǒng)，采用高效的springboot技術(shù)，結(jié)合mysql數(shù)據(jù)庫(kù)技術(shù)以及redis緩存技術(shù)，完成了整個(gè)系統(tǒng)的開發(fā)。為了進(jìn)一步提升本文實(shí)現(xiàn)系統(tǒng)的使用效率，本文還采用了基于混合GBDT的推薦算法，解決房地產(chǎn)行業(yè)存在的銷售歷史數(shù)據(jù)信息過載問題，在此基礎(chǔ)上通過基于混合GBDT算法的模型，有效根據(jù)房產(chǎn)銷售系統(tǒng)中的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，該算法克服了傳統(tǒng)的協(xié)同過濾的缺點(diǎn)，能有效提高算法的準(zhǔn)確度，通過對(duì)比試驗(yàn)可以看到，本文采用的算法在和線性加權(quán)，隨機(jī)森林，傳統(tǒng)協(xié)同過濾等算法進(jìn)行對(duì)比測(cè)試過程中，具有明顯的優(yōu)勢(shì)。

參考文獻(xiàn)

[1]蘆芳.基于C/S結(jié)構(gòu)的銷售管理系統(tǒng)在企業(yè)中的應(yīng)用[J].信息技術(shù),2017(1):105-107+110.

[2]吳廣順.基于ERP的服裝企業(yè)銷售管理系統(tǒng)[D].天津:天津工業(yè)大學(xué),2017.

[3]王迪.基于數(shù)據(jù)挖掘技術(shù)的企業(yè)銷售管理系統(tǒng)設(shè)計(jì)[D].天津:天津大學(xué),2016.

作者：王亞強(qiáng) 單位：廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院