一种基于大数据分析的信用评估系统的制作方法

本发明属于房源信用等级评估领域，涉及到一种基于大数据分析的信用评估系统。

背景技术：

1、随着城市化进程的加快，租赁市场规模不断扩大，在庞大的租赁市场中，房源信用等级评估可以为租户提供参考和保障，以及提高租赁市场的透明度和公平性，进而促进租赁市场的健康发展。另一方面，租房是个长期性的合同关系，租房过程中存在租金拖欠、房屋质量问题等风险，通过对房源信用进行评估，可以提前了解房主的信用状况，从而帮助租户避免租赁风险，降低租赁纠纷的发生。

2、目前现有对房源租赁信用等级进行评估的方式在数据可靠性方面存在不足，具体体现在以下方面：1、现有技术主要基于房屋位置和设备信息对房源信用等级进行评估，缺乏对房源历史租赁信息的分析。历史租赁信息包括租户的实际租期偏差、押金退还记录等，这些信息能更准确地反映出房源的租赁质量，并且及时反映出房源隐藏的租赁风险，对于评估租客的信用等级具有重要作用，故而缺乏对房源历史租赁信息的分析，可能导致租户无法及时发现房主的不良记录，进而导致对房屋信用等级的评估不准确。

3、2、现有技术对房源信用评估单纯关注房源本身，缺乏对房主行为信息进行分析，房主行为直接关系到租户的租房体验和合同履行情况。例如，房主是否按时维护和修理房屋，是否积极解决租户问题等，这些行为能够直接影响租户对房主的信任程度，故而没有对房主行为信息进行分析，会使得租房信用评估结果无法全面反映出房源的维护和服务质量，从而影响租户的决策。

技术实现思路

1、鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于大数据分析的信用评估系统。

2、本发明的目的可以通过以下技术方案实现：本发明提供一种基于大数据分析的信用评估系统，该系统包括：目标房源确定获取模块，用于获取租户需求信息，进而从云端平台中筛选目标房源。

3、房屋质量评估模块，用于获取目标房源的各次历史维修记录，据此分析房屋质量对应的信用等级影响系数。

4、房主行为评估模块，用于获取目标房源的房主各次历史服务行为记录，对房主行为影响因子进行评估，并结合房主个人信息，分析房主行为对应的信用等级影响系数。

5、合约履行记录分析模块，用于获取目标房源的各次历史租赁记录，历史租赁记录包括租赁合同开始日期和租赁合同结束日期、实际履行日期、押金退还记录，据此分析历史租赁记录对应的信用等级影响系数。

6、目标房源信用评价模块，用于评估目标房源的综合信用指数，据此评估目标房源的信用等级。

7、具体地，所述筛选目标房源的筛选方式为：提取租户需求信息中的各标签，记为租户需求信息标签集。

8、获取云端平台中的各房源对应各标签，结合租户需求信息，计算得到各房源对应各标签的匹配权重，各房源对应各标签的匹配权重包括各房源对应租金范围标签的匹配权重、各房源对应人员组成标签的匹配权重、各房源对应环境设施标签的匹配权重。

9、对各房源对应各标签的匹配权重进行汇总得到各房源对应标签集的综合匹配度，筛选出综合匹配度最大值，将综合匹配度最大值对应的房源记为目标房源。

10、具体地，所述租户需求信息包括租户对房屋的期望租金范围和期望支付方式、租户对房屋的期望布设结构、租户对房屋的期望位置和期望空间大小、以及各必要设备和各附加设备。

11、维修记录包括维修项目种类、维修费用以及维修时间记录。

12、其中，维修时间记录包括维修申请时间和维修结束时间。

13、具体地，所述房屋质量对应的信用等级影响系数相应分析方式为：从各房源对应环境设施标签的匹配权重中提取目标房源对应环境设施标签的匹配权重，记为δ'。

14、基于目标房源的各次维修记录分析目标房源的历史维修频率和维修项目影响因子，分别记为ψ、j。

15、获取目标房源在平台的出租注册年限w，据此分析房屋质量对应的信用等级影响系数w'为设定的单位年限，δ0为环境设施标签的匹配权重预设值，l为设定的房屋质量信用等级影响系数偏差补偿值,ψ'为设定的参照维修频率。

16、具体地，所述目标房源对应环境设施标签的匹配权重计算方法为：从云端平台中提取各房源的房屋信息，房屋信息包括房屋位置、空间大小、布设结构、以及配套设备，并从租户需求信息中提取租户对房屋的期望位置和期望空间大小，计算得到各房源空间属性匹配度ηi，i为房源编号，i＝1,2,...,m。

17、基于各房源的房屋信息得到各房源对应环境设施标签包含的各设备，并从租户需求信息中提取各必要设备和各附加设备，对比得到各房源对应的必要设备匹配数量和附加设备匹配数量，分别记为di、di'。

18、从租户需求信息中提取租户对房屋的期望布设结构，布设结构包括采光方向和房间划分数量，将其与各房源的布设结构进行对比，得到各房屋的布设结构匹配度γi。

19、计算各房源对应环境设施标签的匹配权重δ3i，其中，d为租户需求信息中的必要设备和附加设备求和总数，分别为必要设备、附加设定对应的设定影响占比，β1、β2、β3分别为空间属性匹配度、设备包含数量和布设结构匹配度对应的设定占比，进而提取得到目标房源对应环境设施标签的匹配权重δ'。

20、具体地，所述对房主行为影响因子进行评估的评估方式为：从云端平台中提取目标房源的各次历史服务行为记录，历史服务行为记录包括历史租户的评价反馈文本记录和沟通交流文本记录。

21、基于各历史租户的评价反馈文本记录得到各历史租户的评价文本内容，对各历史租户的评价文本内容进行关键词分析，计算各历史租户评价反馈对应的好评度ej，j为历史租户编号，j＝1,2,...,n。

22、基于各沟通交流文本记录，将房主发送交流文本的回应时间与租户发起沟通的起始时间进行对比，计算房主的文本回复响应时长影响系数t1。

23、基于目标房源的各次历史维修记录中的各次维修时间记录，计算得到房主的维修响应时长影响系数t2。

24、计算房主行为影响因子其中，n为历史租户数量，t'、t”分别为回复响应时长影响系数和维修响应时长影响系数对应的设定阈值。

25、具体地，所述分析房主行为对应的信用等级影响系数的分析步骤包括：获取房主个人信息，房主个人信息包括年龄、教育背景。

26、对教育背景进行等级划分，并对教育背景的等级影响因子按等差值进行加权设置，得到初级教育等级影响因子、中级教育等级影响因子和高级教育等级影响因子，分别记为α1、α2、α3，α2＝α1+d、α3＝α1+2d，α1为预设的初级教育等级影响因子，d为设定的等差值，α1＞1、d＞0，进而得到房主教育背景的等级影响因子a＝α1或α2或α3。

27、根据分析公式得到房主行为对应的信用等级影响系数，其中，n为房主年龄，分别为房主个人信息和行为影响因子对应的设定影响占比，n'、分别为设定的参照年龄和参照行为影响因子。

28、具体地，所述分析历史租赁记录对应的信用等级影响系数相应分析步骤为：基于各次历史租赁记录中的租赁合同结束日期和实际履行日期，计算租赁合约守约稳定性影响因子λ。

29、基于各次历史租赁记录中的押金退还记录，分析得到押金退还合理度影响因子μ。

30、将λ、μ代入公式计算得到历史租赁对应的信用等级影响系数。

31、具体地，所述押金退还合理度的计算方式为：获取各次租赁记录中的合约显示金额和押金实际退还金额，记为pk、pk'，k为租赁记录编号，k＝1,2,…,q，并提取各次租赁记录中的押金退还日期和合约退房日期，作差得到各次租赁记录中的押金退还差异天数tk。

32、计算各次租赁的押金退还合理度μk,其中t0为押金退还差异天数规定范围的最大值，为第k次租赁记录中房屋损坏导致的额外扣除费用，p0为单位差异天数对应的设定扣除金额，e为自然常数。

33、根据计算公式得到押金退还合理度影响因子，μ'为设定的押金退还合理度参照值。

34、具体地，所述评估目标房源的信用等级相应步骤包括：结合房屋质量对应的信用等级影响系数、房主行为对应的信用等级影响系数以及历史租赁记录对应的信用等级影响系数，计算得到目标房源的综合信用指数θ。

35、将θ代入等级评估模型得到目标房源的信用等级，x1、x2分别为设定的第一综合信用指数分界阈值、第二综合信用指数分界阈值。

36、相较于现有技术，本发明的有益效果如下：(1)本发明基于目标房源的历史维修记录，了解目标房源的质量状况，并结合目标房源包含的环境设施，综合分析房屋质量对应的信用等级影响系数，避免用户租赁到低质量的房源，进而提升租户的居住体验。

37、(2)本发明通过分析房主的历史服务行为记录和个人信息，反映出房主的信用水平和在解决租房问题时的服务质量和态度，据此计算出房主行为对应的信用等级影响系数，使得房源信用等级的评估结果更加具有说服性和准确性，从而可以提高租房的安全性和满意度。

38、(3)本发明通过查看目标房源的历史租赁记录，租户可以获得之前租户对房源的评价和反馈，据此分析历史租赁记录对应的信用等级影响系数，可以帮助租户了解房源的历史租约履行情况以及是否存在频繁的纠纷或者违约行为，租户可以更准确地评估租赁风险，这样可以增强租户的安全感。

39、(4)本发明从多维度分析房源的租赁可信度，使房源信用评估结果更加具有全面性，租户可以根据房主的信用等级选择信誉良好的房东，减少租赁期间发生纠纷的可能性。此外，通过公开透明的信誉评估体系，房主们将更有动力提供良好的服务，同时也能够让租户对房东的信誉有所了解，减少信息不对称带来的不确定性。