区域对象信息预测方法和系统、楼盘价格预测方法和系统与流程

本发明涉及计算机信息处理技术领域，特别是涉及一种区域对象的信息预测方法、区域对象的信息预测系统、楼盘价格预测方法、楼盘价格预测系统、计算机设备和计算机可读存储介质。

背景技术：

随着科技的进步和发展，各个行业需要对大量的数据信息进行分析和处理，计算机信息处理技术被广泛应用到了各个行业当中，以实现对各行业所需要的数据进行数据采集和感兴趣的信息进行预测提升行业竞争力并促进各行业的快速发展。其中，各行业经常需要对特定区域的各业务对象进行数据分析和信息预测，将计算机信息处理技术运用到对各区域对象的信息预测具有重要意义。

传统技术在对特定区域中的目标对象的信息进行预测的方式，通常是依据该目标对象以及与该区域对象最邻近的多个区域对象的地理位置信息和特定的评估模型对该目标对象的多种信息如价格信息进行评估预测。然而，在该传统技术实施的过程中发现这种通过地理位置信息和特定评估模型结合的方式，由于各区域对象的地理位置信息与输入至特定评估模型数据的关联性小，而且输入至特定评估模型数据类型单一，导致对区域对象的预测信息不准确。

技术实现要素：

基于此，有必要针对传统技术预测准确性偏低的问题，提供一种区域对象的信息预测方法、区域对象的信息预测系统、楼盘价格预测方法、楼盘价格预测系统、计算机设备和计算机可读存储介质。

一种区域对象的信息预测方法，包括步骤：

根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值；其中，所述评分表记录所述目标对象和多个参考对象在各项评分项目中的评分值；

根据所述评分值计算所述目标对象分别与多个参考对象的评分值比值；

获取各个所述参考对象的参考值；根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子；

将所述影响因子进行求和运算，得到所述目标对象的信息预测值。

上述区域对象的信息预测方法，根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值，根据该评分值计算目标对象分别与多个参考对象之间的评分值比值，获取各个参考对象的参考值，根据各个参考对象的参考值、预设的权重值和对应的评分值比值计算各个参考对象的影响因子，将各个参考对象的影响因子进行求和得到该区域的目标对象的信息预测值，综合考虑了该区域中目标对象分别与各个参考对象的评分值比值、各个参考对象的参考值以及相应的权重值等相互关联的多个参数对该区域的目标对象的信息进行预测，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

在一个实施例中，所述根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值的步骤包括：

从所述预先编制的评分表中提取多项所述评分项目；根据各项所述评分项目确定所述设定区域内各个对象与各项所述评分项目匹配的项目评分值；其中，所述对象包括所述目标对象和多个所述参考对象；根据各项所述项目评分值以及各项所述评分项目的预设项目权重值计算各个所述对象的评分值。

在一个实施例中，所述根据所述项目评分值以及各项所述评分项目的预设项目权重值计算各个所述对象的评分值的步骤包括：

采用如下公式计算各个所述对象的评分值：

其中，mj表示各个所述对象的评分值，j为各个所述对象的区域代码，si表示各项所述项目评分值，i表示所述项目评分值的项目序号，ki表示各项所述评分项目的预设项目权重值，n表示所述评分项目的项目总数。

在一个实施例中，所述根据所述评分值计算所述目标对象分别与多个参考对象的评分值比值的步骤包括：

采用如下公式计算所述目标对象与各个参考对象的评分值比值：

其中，qk表示所述目标对象与各个参考对象的评分值比值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量，m0表示所述目标对象的评分值，mk表示各个所述参考对象的评分值。

在一个实施例中，所述根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子的步骤包括：

采用如下公式计算各个所述参考对象的影响因子：

yk＝qk×pk×ck,k∈1,2,……,n

其中，yk表示各个所述参考对象的影响因子，qk表示所述目标对象分别与各个所述参考对象的评分值比值，pk表示各个所述参考对象的参考值，ck表示所述预设的权重值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

在一个实施例中，所述将所述影响因子进行求和运算，得到所述目标对象的信息预测值步骤包括：

采用如下公式计算所述目标对象的信息预测值：

其中，p表示所述目标对象的信息预测值，yk表示各个所述参考对象的影响因子，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

在一个实施例中，所述获取各个所述参考对象的参考值的步骤包括：

通过互联网爬虫技术从区域对象的垂直网站中采集各个所述参考对象的区域信息；从所述区域信息中提取各个所述参考对象的参考值。

在一个实施例中，提供了一种楼盘价格预测方法，包括步骤：

根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值；其中，所述楼盘评分表记录所述目标楼盘和多个参考楼盘在多个楼盘评分项目中的评分值；

根据所述楼盘评分值计算所述目标楼盘与各个参考楼盘的评分值比值；

获取各个所述参考楼盘的楼盘价格；根据各个所述参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子；

将各个所述参考楼盘的价格影响因子进行求和运算，得到所述目标楼盘的价格。

上述楼盘价格预测方法，根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值，根据该楼盘评分值计算目标楼盘与各个参考楼盘之间的评分值比值，获取各个参考楼盘的楼盘价格，根据各个参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子，将各个所述参考楼盘的价格影响因子进行求和得到所述目标楼盘的价格，综合考虑了该区域中目标楼盘分别与各个参考楼盘的评分值比值、各个参考楼盘的楼盘价格以及相应楼盘的价格权重值等相互关联的多个参数对该区域的目标楼盘的价格进行预测，实现了对区域楼盘的价格进行合理而科学的量化预测，提高了对目标楼盘的价格预测的准确性，有利于提高目标楼盘在该区域中的竞争力，而且对相关地产项目分析对比提供准确的数据支持，对地产项目开发起到指导作用。

在一个实施例中，提供了一种区域对象的信息预测系统，包括：

分值获取模块，用于根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值；其中，所述评分表记录所述目标对象和多个参考对象在各项评分项目中的评分值；

比值计算模块，用于根据所述评分值计算所述目标对象分别与多个参考对象的评分值比值；

因子计算模块，用于获取各个所述参考对象的参考值；根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子；

信息预测模块，用于将所述影响因子进行求和运算，得到所述目标对象的信息预测值。

上述区域对象的信息预测系统，通过分值获取模块根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值，利用比值计算模块根据该评分值计算目标对象分别与多个参考对象之间的评分值比值，通过因子计算模块获取各个参考对象的参考值，根据各个参考对象的参考值、预设的权重值和对应的评分值比值计算各个参考对象的影响因子，利用信息预测模块将各个参考对象的影响因子进行求和得到该区域的目标对象的信息预测值，综合考虑了该区域中目标对象分别与各个参考对象的评分值比值、各个参考对象的参考值以及相应的权重值等相互关联的多个参数对该区域的目标对象的信息进行预测，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

在一个实施例中，提供了一种楼盘价格预测系统，包括：

评分获取模块，用于根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值；其中，所述楼盘评分表记录所述目标楼盘和多个参考楼盘在多个楼盘评分项目中的评分值；

比值确定模块，用于根据所述楼盘评分值计算所述目标楼盘与各个参考楼盘的评分值比值；

因子获取模块，用于获取各个所述参考楼盘的楼盘价格；根据各个所述参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子；

价格预测模块，用于将所述各个所述参考楼盘的价格影响因子进行求和运算，得到所述目标楼盘的价格预测值。

上述楼盘价格预测系统，通过评分获取模块根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值，利用比值确定模块根据该楼盘评分值计算目标楼盘与各个参考楼盘之间的评分值比值，通过因子获取模块获取各个参考楼盘的楼盘价格，根据各个参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子，利用价格预测模块将各个所述参考楼盘的价格影响因子进行求和得到所述目标楼盘的价格，综合考虑了该区域中目标楼盘分别与各个参考楼盘的评分值比值、各个参考楼盘的楼盘价格以及相应楼盘的价格权重值等相互关联的多个参数对该区域的目标楼盘的价格进行预测，实现了对区域楼盘的价格进行合理而科学的量化预测，提高了对目标楼盘的价格预测的准确性，有利于提高目标楼盘在该区域中的竞争力，而且对相关地产项目分析对比提供准确的数据支持，对地产项目开发起到指导作用。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项实施例所述的区域对象的信息预测方法或楼盘价格预测方法。

上述计算机设备，通过所述处理器上运行的计算机程序，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一项实施例所述的区域对象的信息预测方法或楼盘价格预测方法。

上述计算机可读存储介质，通过其存储的计算机程序，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

附图说明

图1为一个实施例中区域对象的信息预测方法的应用环境示意图；

图2为一个实施例中区域对象的信息预测方法的流程示意图；

图3为一个实施例中区域对象的信息预测系统的结构框图；

图4为一个实施例中楼盘价格预测方法的流程示意图；

图5为一个实施例中楼盘价格预测系统的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供的区域对象的信息预测方法，可以应用于对如图1所示的应用环境的各个区域对象的信息预测当中，图1为一个实施例中区域对象的信息预测方法的应用环境示意图，区域10中可以包括多个区域对象，例如目标对象100和多个参考对象200(如图所示参考对象200a至参考对象200e)。可以通过相应的服务器采集区域10的各个对象的相关参数信息，例如在区域10中各个区域对象的地理位置信息和各个区域对象之间的相对位置等参数信息，并根据这些信息对目标对象100的信息进行预测。其中，该服务器可以是独立的服务器或者是多个服务器组成的服务器集群。

在一个实施例中，提供一种区域对象的信息预测方法，参考图2，图2为一个实施例中区域对象的信息预测方法的流程示意图，该区域对象的信息预测方法可以包括如下步骤：

步骤s101，根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值。

在此步骤中，设定的区域可以是以一感兴趣的目标对象为中心所选取的占据一定面积的地理区域，该地理区域可以包括有多个用于为目标对象的相关信息进行预测的参考对象。其中，该目标对象可以是竞品楼盘等，可以以该目标楼盘为中心选取包括多个参考楼盘的区域作为该设定区域。

由于该区域中包括多个区域对象，相关技术人员可以预先按照常用的评分规则设定多个评分项目对该区域内的各个区域对象进行评分，相关技术人员可以编制评分表并将该区域内的各个区域对象的评分值记录在该评分表当中，该评分表可以记录该区域内目标对象和多个参考对象在各项评分项目中得到的评分值，可以包括在各项评分项目中的项目评分值或综合各项目评分值得到的综合评分值。本步骤可以通过服务器从预先编制的所述评分表中获取一设定区域内目标对象和多个参考对象的评分值。

步骤s102，根据评分值计算目标对象分别与多个参考对象的评分值比值。

本步骤主要是根据该区域中的目标对象和多个参考对象在各评分项目得到的评分值计算该目标对于分别与各个所述参考对象的评分值的比值。以图1为例，可以计算目标对象100分别与参考对象200a至参考对象200e的评分值的比值，得到4个评分值比值。

本步骤将该区域中的目标对象和多个参考对象的评分值以比值的方式相互关联，考虑该区域中的各个参考对象的评分因素对待预测的目标对象的预测值的影响，有利于提高对目标对象的相关预测信息的准确性。

可以采用如下公式计算目标对象与各个参考对象的评分值比值：

其中，qk表示所述目标对象与各个参考对象的评分值比值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量，m0表示所述目标对象的评分值，mk表示各个所述参考对象的评分值。

步骤s103，获取各个参考对象的参考值；根据各个参考对象的参考值、预设的权重值和评分值比值计算各个参考对象的影响因子。

其中，参考对象的参考值是指与所述目标对象的待预测信息相对应的预测参考值，以楼盘为例，一般需要对一区域内的某楼盘价格进行预测，而参考对象的参考值则可以是参考楼盘的实时价格。

由于该区域内可以包括多个参考对象，而各个参考对象具有相应的参考值，本步骤可以获取预先设定的各个参考对象的权重值，该权重值用于标识在该区域中与各个参考对象匹配的参考值权重值。以图1为例，可以预先将参考对象200a至200e的权重值平均分配为0.2，也可以根据该区域的实际情况对各个参考对象的权重值进行动态调整，提高灵活性。

本步骤可以通过服务器获取该区域内各个参考对象的参考值和预设的权重值，并根据各个参考对象的参考值、与各个所述参考对象匹配的权重值以及相应的评分值比值计算各个参考对象的影响因子，其中，该影响因子用于量化该区域内各个参考对象对所述目标对象的待预测信息的影响程度，将该区域内各个参考对象对所述目标对象的待预测信息的影响程度进行量化，有利于提高对目标对象的待预测信息进行预测的准确性和科学合理性。

步骤s104，将影响因子进行求和运算，得到所述目标对象的信息预测值。

本步骤主要是将该区域内各个所述参考对象的影响因子进行求和，并将求和结果作为该目标对象的信息预测值。本步骤将量化后的各个所述参考对象对对目标对象的待预测信息的影响程度进行累计求和，综合考虑将各个所述参考对象的影响因子作为该目标对象的信息预测值的贡献值，从而得到该目标对象的信息预测值。

采用如下公式计算所述目标对象的信息预测值：

其中，p表示所述目标对象的信息预测值，yk表示各个所述参考对象的影响因子，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

上述区域对象的信息预测方法，根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值，根据该评分值计算目标对象分别与多个参考对象之间的评分值比值，获取各个参考对象的参考值，根据各个参考对象的参考值、预设的权重值和对应的评分值比值计算各个参考对象的影响因子，将各个参考对象的影响因子进行求和得到该区域的目标对象的信息预测值，综合考虑了该区域中目标对象分别与各个参考对象的评分值比值、各个参考对象的参考值以及相应的权重值等相互关联的多个参数对该区域的目标对象的信息进行预测，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

在一个实施例中，步骤s101中的根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值的步骤可以包括：

从预先编制的评分表中提取多项评分项目；根据各项评分项目确定设定区域内各个对象与各项所述评分项目匹配的项目评分值；根据各项项目评分值以及各项评分项目的预设项目权重值计算各个对象的评分值。

在本实施例中，设定区域内的各个对象包括目标对象和多个所述参考对象，可以在技术人员预先编制好的项目评分表中提取出感兴趣的多项评分项目。

可以根据提取出的多项评分项目在该项目评分表中查找各个对象与各项评分项目对应的项目评分值，也可以根据提取出的多项评分项目，按照各项评分项目的评分规则对该区域中的各个对象进行重新评分，从而得到各个对象的与各项评分项目对应的项目评分值。

由于提取出的评分项目包括多项，可以获取相关技术人员为各个评分项目预先设定的项目权重值，该项目权重值可以用于计算各个对象的评分值。可以根据各个对象在提取出的各项评分项目中对应的评分值和与各评分项目对应的项目权重值计算各个对象的评分值，该评分值是指用于量化该区域内的各个对象在各评分项目的综合评价情况的综合评分值。

本实施例通过提取多项评分项目并获取该区域的各个对象在各项评分项目的项目评分值，根据该项目评分值和对应的项目权重值获取量化后的各个对象在各评分项目的综合评价情况得到综合评分值，能够实现根据各个对象在选取的多个感兴趣的关键评分项目中的项目评分值从而对该区域内的各个对象进行综合评价并量化得到综合评分值，全面反映了该区域内的各个对象在多项关键区域评价项目中的评价信息，将各项评价信息进行结合与量化，有利于进一步提高对目标对象的相关信息进行预测的准确性。

在一个实施例中，进一步的，步骤s101中的根据所述项目评分值以及各项所述评分项目的预设项目权重值计算各个所述对象的评分值的步骤可以包括：

采用如下公式计算各个所述对象的评分值：

其中，mj表示各个所述对象的评分值，j为各个所述对象的区域代码，si表示各项所述项目评分值，i表示所述项目评分值的项目序号，ki表示各项所述评分项目的预设项目权重值，n表示所述评分项目的项目总数。

本实施例采用上述公式对该区域的各个对象的评分值进行计算，将相关的参量进行公式化表达，使得相关技术人员可以在服务器中计算该区域的各个对象的评分值，而且该表达式简洁明了，有利于提高对目标对象的信息预测效率。

在一个实施例中，步骤s103中的根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子的步骤可以包括：

采用如下公式计算各个所述参考对象的影响因子：

yk＝qk×pk×ck,k∈1,2,……,n

其中，yk表示各个所述参考对象的影响因子，qk表示所述目标对象分别与各个所述参考对象的评分值比值，pk表示各个所述参考对象的参考值，ck表示所述预设的权重值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

本实施例将目标对象分别与各个所述参考对象之间的评分值比值qk、该区域的各个参考对象的参考值pk以及各个参考对象的参考值的预设权重值输入上述公式进行乘积运算得到该区域的各个所述参考对象的影响因子yk，其中，该影响因子可以用于量化相应参考对象对该目标对象的待预测信息的影响程度。

本实施的通过上述公式计算各个所述参考对象的影响因子的技术方案，充分考虑了各个所述参考对象的评分值比值、各个所述参考对象的参考值以及相应权重值对目标对象预测信息的影响程度，并以乘积的方式将各个影响因素进行结合计算各个所述参考对象的影响因子，能够提高对目标对象信息预测的准确性，而且该表达式简洁明了，有利于提高对目标对象的信息预测效率。

在一个实施例中，步骤s103中的获取各个所述参考对象的参考值的步骤可以包括：

通过互联网爬虫技术从区域对象的垂直网站中采集各个参考对象的区域信息；从区域信息中提取各个参考对象的参考值。

在本实施例中，互联网爬虫技术是指按照一定的信息采集规则，从互联网中自动地抓取相应信息的技术，该垂直网站是指相关技术人员在某些特定领域或依据某种特定需求，提供有关这个领域或需求的全部深度信息和相关服务的网站，区域对象的垂直网站是指携带有与该区域对象相关信息的网站。

本实施例可以利用服务器通过互联网爬虫技术如结合jsoup解析技术和mysql数据库存储技术在多个区域对象的垂直网站中按一定的时间周期或实时采集并存储所需要的各个参考对象的区域信息，并从区域信息中提取各个参考对象的参考值。以楼盘为例，可以在每两小时更新采集一次楼盘垂直网站的信息，如楼盘名称、楼盘价格、更新时间和地理位置等信息进行备用，并将调研采用的信息更新到数据库记录的相应价格数据。

本实施例提供的技术方案能够通过互联网爬虫技术实时采集并存储各个参考对象的区域信息并从区域信息中提取各个参考对象的参考值，提高了获取各个参考对象的所述参考值的实时性和准确性，有利于进一步提高对目标对象的信息进行预测的准确性和有效性。

在一个实施例中，提供了一种区域对象的信息预测系统，参考图3，图3为一个实施例中区域对象的信息预测系统的结构框图，该区域对象的信息预测系统可以包括：分值获取模块101，比值计算模块102，因子计算模块103和信息预测模块104；其中，

分值获取模块101，用于根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值；其中，所述评分表记录所述目标对象和多个参考对象在各项评分项目中的评分值；

比值计算模块102，用于根据所述评分值计算所述目标对象分别与多个参考对象的评分值比值；

因子计算模块103，用于获取各个所述参考对象的参考值；根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子；

信息预测模块104，用于将所述影响因子进行求和运算，得到所述目标对象的信息预测值。

上述区域对象的信息预测系统，通过分值获取模块101根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值，利用比值计算模块102根据该评分值计算目标对象分别与多个参考对象之间的评分值比值，通过因子计算模块103获取各个参考对象的参考值，根据各个参考对象的参考值、预设的权重值和对应的评分值比值计算各个参考对象的影响因子，利用信息预测模块104将各个参考对象的影响因子进行求和得到该区域的目标对象的信息预测值，综合考虑了该区域中目标对象分别与各个参考对象的评分值比值、各个参考对象的参考值以及相应的权重值等相互关联的多个参数对该区域的目标对象的信息进行预测，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

本发明的区域对象的信息预测系统与本发明的区域对象的信息预测方法一一对应，在上述的区域对象的信息预测方法的实施例阐述的技术特征及其有益效果均适用于的区域对象的信息预测系统的实施例中，特此声明。

在一个实施例中，提供了一种楼盘价格预测方法，参考图4，图4为一个实施例中楼盘价格预测方法的流程示意图，该楼盘价格预测方法可以包括如下步骤：

步骤s401，根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值。

本步骤中，所述楼盘评分表记录所述目标楼盘和多个参考楼盘在多个楼盘评分项目中的评分值，可以在一定区域内选取n个竞品楼盘，包括目标楼盘和多个参考楼盘，并依据预先编制的楼盘评分表，对各个竞品楼盘在楼盘评分表中的各项评分内容进行评分得到评分值si，i表示所述项目评分值的项目序号，如i＝1表示评分第一项，如i＝2表示评分第二项；各项评分内容可以包括：地理位置、规划设计、产品设计、视野景观、品质展示和/或品牌加成等。

可以采用如下公式根据评分值si算出各个楼盘的评分值mj

其中，mj表示各个所述楼盘的评分值，j为各个所述楼盘的区域代码，si表示各项所述项目评分值，i表示所述项目评分值的项目序号，ki表示各项所述评分项目的预设项目权重值，n表示所述评分项目的项目总数，例如一般楼盘评分18项则n＝18。

步骤s402，根据所述楼盘评分值计算所述目标楼盘与各个参考楼盘的评分值比值。

本步骤可以采用如下公式根据不同楼盘的评分值算出目标楼盘与各个参考楼盘的评分值比值：

其中，qk表示所述目标楼盘与各个参考楼盘的评分值比值，k为各个所述参考楼盘的区域代码，n表示所述设定区域内参考楼盘的总数量，m0表示所述目标楼盘的评分值，mk表示各个所述参考楼盘的评分值。

步骤s403，获取各个所述参考楼盘的楼盘价格；根据各个所述参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子。

本步骤中，可以通过互联网爬虫技术如将jsoup解析技术和mysql数据库存储技术相结合，每2小时或实时更新采集一次楼盘垂直网站的数据，包括：楼盘名称、楼盘价格、时间、地理位置等信息留作备用，并将调研采用的信息更新到模型表对应的价格数据。

可以依据设定的楼盘价格的权重参数ck，采用如下公式计算各个所述参考楼盘的价格影响因子：

yk＝qk×pk×ck,k∈1,2,……,n

其中，yk表示各个所述参考楼盘的影响因子，qk表示所述目标楼盘分别与各个所述参考楼盘的评分值比值，pk表示各个所述参考楼盘的价格，ck表示所述预设的权重值，k为各个所述参考楼盘的区域代码，n表示所述设定区域内参考楼盘的总数量。

步骤s404，将各个所述参考楼盘的价格影响因子进行求和运算，得到所述目标楼盘的价格。

本步骤可以采用如下公式计算该区域内目标楼盘的价格：

其中，p表示所述目标楼盘的价格，yk表示各个所述参考楼盘的影响因子，k为各个所述参考楼盘的区域代码，n表示所述设定区域内参考楼盘的总数量。

上述楼盘价格预测方法，根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值，根据该楼盘评分值计算目标楼盘与各个参考楼盘之间的评分值比值，获取各个参考楼盘的楼盘价格，根据各个参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子，将各个所述参考楼盘的价格影响因子进行求和得到所述目标楼盘的价格，综合考虑了该区域中目标楼盘分别与各个参考楼盘的评分值比值、各个参考楼盘的楼盘价格以及相应楼盘的价格权重值等相互关联的多个参数对该区域的目标楼盘的价格进行预测，实现了对区域楼盘的价格进行合理而科学的量化预测，提高了对目标楼盘的价格预测的准确性，有利于提高目标楼盘在该区域中的竞争力，而且对相关地产项目分析对比提供准确的数据支持，对地产项目开发起到指导作用。

在一个实施例中，提供了一种楼盘价格预测系统，参考图5，图5为一个实施例中楼盘价格预测系统的结构框图，该楼盘价格预测系统可以包括：评分获取模块401，比值确定模块402，因子获取模块403和价格预测模块404；其中，

评分获取模,401，用于根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值；其中，所述楼盘评分表记录所述目标楼盘和多个参考楼盘在多个楼盘评分项目中的评分值；

比值确定模块402，用于根据所述楼盘评分值计算所述目标楼盘与各个参考楼盘的评分值比值；

因子获取模块403，用于获取各个所述参考楼盘的楼盘价格；根据各个所述参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子；

价格预测模块404，用于将所述各个所述参考楼盘的价格影响因子进行求和运算，得到所述目标楼盘的价格预测值。

上述楼盘价格预测系统，通过评分获取模块401根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值，利用比值确定模块402根据该楼盘评分值计算目标楼盘与各个参考楼盘之间的评分值比值，通过因子获取模块403获取各个参考楼盘的楼盘价格，根据各个参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子，利用价格预测模块404将各个所述参考楼盘的价格影响因子进行求和得到所述目标楼盘的价格，综合考虑了该区域中目标楼盘分别与各个参考楼盘的评分值比值、各个参考楼盘的楼盘价格以及相应楼盘的价格权重值等相互关联的多个参数对该区域的目标楼盘的价格进行预测，实现了对区域楼盘的价格进行合理而科学的量化预测，提高了对目标楼盘的价格预测的准确性，有利于提高目标楼盘在该区域中的竞争力，而且对相关地产项目分析对比提供准确的数据支持，对地产项目开发起到指导作用。

本发明的楼盘价格预测系统与本发明的楼盘价格预测方法一一对应，在上述的楼盘价格预测方法的实施例阐述的技术特征及其有益效果均适用于的楼盘价格预测系统的实施例中，特此声明。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储区域对象的信息预测方法或楼盘价格预测方法的流程中所需要的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现如上任意一项实施例所述的区域对象的信息预测方法或楼盘价格预测方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值；根据所述评分值计算所述目标对象分别与多个参考对象的评分值比值；获取各个所述参考对象的参考值；根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子；将所述影响因子进行求和运算，得到所述目标对象的信息预测值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

从所述预先编制的评分表中提取多项所述评分项目；根据各项所述评分项目确定所述设定区域内各个对象与各项所述评分项目匹配的项目评分值；根据各项所述项目评分值以及各项所述评分项目的预设项目权重值计算各个所述对象的评分值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

采用如下公式计算各个所述对象的评分值：

其中，mj表示各个所述对象的评分值，j为各个所述对象的区域代码，si表示各项所述项目评分值，i表示所述项目评分值的项目序号，ki表示各项所述评分项目的预设项目权重值，n表示所述评分项目的项目总数。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

采用如下公式计算所述目标对象与各个参考对象的评分值比值：

其中，qk表示所述目标对象与各个参考对象的评分值比值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量，m0表示所述目标对象的评分值，mk表示各个所述参考对象的评分值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

采用如下公式计算各个所述参考对象的影响因子：

yk＝qk×pk×ck,k∈1,2,……,n

其中，yk表示各个所述参考对象的影响因子，qk表示所述目标对象分别与各个所述参考对象的评分值比值，pk表示各个所述参考对象的参考值，ck表示所述预设的权重值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

采用如下公式计算所述目标对象的信息预测值：

其中，p表示所述目标对象的信息预测值，yk表示各个所述参考对象的影响因子，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

通过互联网爬虫技术从区域对象的垂直网站中采集各个所述参考对象的区域信息；从所述区域信息中提取各个所述参考对象的参考值。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值；根据所述楼盘评分值计算所述目标楼盘与各个参考楼盘的评分值比值；获取各个所述参考楼盘的楼盘价格；根据各个所述参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子；将各个所述参考楼盘的价格影响因子进行求和运算，得到所述目标楼盘的价格。

上述任意一项实施例提供的计算机设备，通过所述处理器上运行的计算机程序，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据预先编制的评分表获取一设定区域内目标对象和多个参考对象的评分值；根据所述评分值计算所述目标对象分别与多个参考对象的评分值比值；获取各个所述参考对象的参考值；根据各个所述参考对象的参考值、预设的权重值和所述评分值比值计算各个所述参考对象的影响因子；将所述影响因子进行求和运算，得到所述目标对象的信息预测值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

从所述预先编制的评分表中提取多项所述评分项目；根据各项所述评分项目确定所述设定区域内各个对象与各项所述评分项目匹配的项目评分值；根据各项所述项目评分值以及各项所述评分项目的预设项目权重值计算各个所述对象的评分值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

采用如下公式计算各个所述对象的评分值：

其中，mj表示各个所述对象的评分值，j为各个所述对象的区域代码，si表示各项所述项目评分值，i表示所述项目评分值的项目序号，ki表示各项所述评分项目的预设项目权重值，n表示所述评分项目的项目总数。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

采用如下公式计算所述目标对象与各个参考对象的评分值比值：

其中，qk表示所述目标对象与各个参考对象的评分值比值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量，m0表示所述目标对象的评分值，mk表示各个所述参考对象的评分值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

采用如下公式计算各个所述参考对象的影响因子：

yk＝qk×pk×ck,k∈1,2,……,n

其中，yk表示各个所述参考对象的影响因子，qk表示所述目标对象分别与各个所述参考对象的评分值比值，pk表示各个所述参考对象的参考值，ck表示所述预设的权重值，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

采用如下公式计算所述目标对象的信息预测值：

其中，p表示所述目标对象的信息预测值，yk表示各个所述参考对象的影响因子，k为各个所述参考对象的区域代码，n表示所述设定区域内参考对象的总数量。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

通过互联网爬虫技术从区域对象的垂直网站中采集各个所述参考对象的区域信息；从所述区域信息中提取各个所述参考对象的参考值。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据预先编制的楼盘评分表获取一设定区域内目标楼盘和多个参考楼盘的楼盘评分值；根据所述楼盘评分值计算所述目标楼盘与各个参考楼盘的评分值比值；获取各个所述参考楼盘的楼盘价格；根据各个所述参考楼盘的楼盘价格、预设价格权重值和评分值比值计算各个所述参考楼盘的价格影响因子；将各个所述参考楼盘的价格影响因子进行求和运算，得到所述目标楼盘的价格。

上述任意一项实施例提供的计算机可读存储介质，通过其存储的计算机程序，实现了对区域对象的信息进行合理而科学的量化预测，提高了对目标对象的信息预测的准确性，有利于提高目标对象的区域竞争力，而且对相关区域对象的分析对比提供准确的数据支持。

本领域普通技术人员可以理解实现上述实施例的区域对象的信息预测方法或楼盘价格预测方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。