《表3 1-10号二手房样本部分关键词tf-idf值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于文本挖掘、GIS及Stacking框架的武汉市二手房评估模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

爬取的部分描述文本如表2所示。首先用jieba对二手房描述文本进行分词，为了实现更好的分词效果，添加使用小区名称等二手房描述常用词汇构建的用户词典，并去除停用词，之后对词频进行统计分析，本文选取tf-idf值前100的关键词加入模型，1-10号二手房样本部分关键词tf-idf值如表3所示，这些高频关键词的词云图如图7所示。通过分析发现，不仅“采光充足”、“老证”、“南北通透”等描述二手房优势的词频较高，“诚心出售”、“随时看房”等展现业主售房心态的词也会高频率出现。我们通常觉得二手房价不仅与房屋自身客观条件有关，还与售房者心态等主观因素有关，但传统评估方法难以客观量化这一影响因素，通过描述文本分析则可以将这一因素纳入估价模型，衡量其对二手房价的影响。