数据挖掘技术下的房地产企业销售系统

摘要：房地产行业作为我国的基础产业之一，每年为国家GDP贡献了大量的收入，对拉动经济有着举足轻重的作用，房地产从90年代房改开始到如今，已经累计了大量的销售数据，客户数据，建筑数据，但是房地产行业对于数据的利用还是处于粗放采集，粗放利用的阶段，因此对于累计的大量数据，使用并不充分。因此本文研发一套基于数据挖掘技术的房地产企业销售管理系统，利用现代数据挖掘技术，提升企业的销售管理效率，就显得尤其重要。本系统使用三层架构体系将其分为表现层、逻辑层、数据访问层三部分，采用MVC设计模式：M（Model）模型、V（View）视图、C（Controller）控制器，将三层架构中的表现层进一步细分为视图与控制器两部分，有效降低系统耦合度，提高服务器端代码的重用性，并运用jQuery、DIV+CSS等插件美化界面，使用Bootstrap框架对系统界面作响应式布局，让系统能够轻松支持各种电脑、手机、平板等浏览设备的访问，便于系统移植与重用；运用webservice接口技术实现各类系统的对接。采用数据挖掘算法充分利用了房地产行业的历史记录和用户记录，设计了基于数据挖掘的客户甄别和房源匹配预测模型，能够提高甄别和预测的准确性，提高了房企销售效率。

关键词：MVC模式；数据挖掘；房产销售系统

一、引言

房产销售管理系统在国外应用研究较早，在20世纪80世纪年代，MRPII（制造资源计划）就将销售管理作为企业管理的一部分，但只是服务于企业内部的资源管理计划。21世纪以来，我国学者开始将人工智能、数据仓库和OLAP等技术应用到不同行业的销售决策支持系统中，并取得了显著的效果[1-2]。王迪将遗传算法和聚类分析算法结合起来的数据挖掘方法应用到了销售管理系统中，分析出了不同的地区对产品的要求的差异[3]。目前，市场上的数据挖掘工具一般分为三个组成部分：通用型的工具、综合的数据挖掘工具和面向特定的应用工具。通用的数据挖掘工具一般不区分具体数据，主要代表有IBM公司Almaden研究中心开发的QUEST系统，SGI公司开发的MineSet系统，加拿大SimonFraser大学开发的DBMiner系统、SASEnterpriseMiner、IBMIntelligentMiner、OracleDarwin、SPSSClementine、UnicaPRW等软件。通用的数据挖掘工具可以做多种模式的挖掘，具体的挖掘工作由用户根据自己的应用来选择。近年来，随着互联网的发展，各行各业都开始有效地利用互联网技术为自己服务，国内的房地产公司也争相利用互联网技术来进行房地产销售信息的管理，导致有关房地产产业的网站层出不穷。

二、模型架构

由于本文实现的房产销售系统是采用TOP-N推荐，因此在训练模型的基础上进行逻辑回归，最后的结果让用户进行打分。

三、实验及结果分析

在算法性能评估方面，本文在查准率，查全率，RMSE值上对基于混合GBDT算法和其他算法进行对比。首先是将本文实现算法对单纯的用户协同过滤模型，商品房协同过滤模型，矩阵分解的协同过滤模型进行实验对比，采用表1中的模型参数，得到召回率，准确率如下：从上述对比结果中可以看出，本文的混合GBDT算法比传统协同过滤算法的查准率，召回率都有明显提高。其柱状图如下：可以看出本文提出的混合算法在RMSE和召回率值也比传统的协同算法有了明显的降低。

四、总结

本文重点分析了不同客户群体的购房需求，有针对性的研发了一套利于数据沉淀，高效获取信息的房产销售管理系统，采用高效的springboot技术，结合mysql数据库技术以及redis缓存技术，完成了整个系统的开发。为了进一步提升本文实现系统的使用效率，本文还采用了基于混合GBDT的推荐算法，解决房地产行业存在的销售历史数据信息过载问题，在此基础上通过基于混合GBDT算法的模型，有效根据房产销售系统中的历史数据进行训练，该算法克服了传统的协同过滤的缺点，能有效提高算法的准确度，通过对比试验可以看到，本文采用的算法在和线性加权，随机森林，传统协同过滤等算法进行对比测试过程中，具有明显的优势。

参考文献

[1]芦芳.基于C/S结构的销售管理系统在企业中的应用[J].信息技术,2017(1):105-107+110.

[2]吴广顺.基于ERP的服装企业销售管理系统[D].天津:天津工业大学,2017.

[3]王迪.基于数据挖掘技术的企业销售管理系统设计[D].天津:天津大学,2016.

作者：王亚强 单位：广西大学计算机与电子信息学院