Разработка сервиса оценки жилой недвижимости в г. Екатеринбурге на основе отзывов жильцов
Аннотация
Работа выполнена на 55 страницах, содержит 1 таблицу, 23 рисунка, 38 используемых источников.
Создание сервиса оценки объектов недвижимости и застройщиков является актуальным, т.к позволяет покупателям получить полную и достоверную информацию о квартире и выбрать то, что соответствует их потребностям.
NLP, КАТЕГОРИЗАЦИЯ, АНАЛИЗ ОТЗЫВОВ, ZERO-SHOT LEARNING, FEW-SHOT LEARNING, NATURAL LANGUAGE INFERENCE, ОЦЕНКА ОБЪЕКТОВ НЕДВИЖИМОСТИ.
Объектом исследования являются отзывы о ЖК и застройщиках. Предмет исследования - методы машинного обучения для выделения информации.
Цель работы: разработка сервиса сбора и анализа отзывов о жилых комплексах для повышения удобства подбора недвижимости в городе Екатеринбурге. В соответствии с целью и темой работы, были поставлены следующие задачи:
− провести анализ рынка агрегаторов недвижимости;
− изучить существующие подходы и инструменты машинного обучения, которые применяются для решения задачи выделения ключевой информации;
− выбрать решение;
− разработать ML-модель для категоризации отзывов;
− разработать базовую версию приложения;
− провести тестирование приложения (в том числе оценка эффективности).
В первом разделе рассмотрены существующие решения по оценке недвижимости, основы NLP и основные методы решения задачи извлечения информации.
Во второй главе поставлены требования к разрабатываемому сервису, обоснован выбор методов машинного обучения. Произведено дообучение модели и сравнение результатов различных подходов. Описано создание веб-интерфейса для взаимодействия с пользователем.
Практическим результатом работы является проведённый анализ технологий и прототип готового приложения.
Выпускная квалификационная работа выполнена в текстовом редакторе и представлена в электронном виде.
Создание сервиса оценки объектов недвижимости и застройщиков является актуальным, т.к позволяет покупателям получить полную и достоверную информацию о квартире и выбрать то, что соответствует их потребностям.
NLP, КАТЕГОРИЗАЦИЯ, АНАЛИЗ ОТЗЫВОВ, ZERO-SHOT LEARNING, FEW-SHOT LEARNING, NATURAL LANGUAGE INFERENCE, ОЦЕНКА ОБЪЕКТОВ НЕДВИЖИМОСТИ.
Объектом исследования являются отзывы о ЖК и застройщиках. Предмет исследования - методы машинного обучения для выделения информации.
Цель работы: разработка сервиса сбора и анализа отзывов о жилых комплексах для повышения удобства подбора недвижимости в городе Екатеринбурге. В соответствии с целью и темой работы, были поставлены следующие задачи:
− провести анализ рынка агрегаторов недвижимости;
− изучить существующие подходы и инструменты машинного обучения, которые применяются для решения задачи выделения ключевой информации;
− выбрать решение;
− разработать ML-модель для категоризации отзывов;
− разработать базовую версию приложения;
− провести тестирование приложения (в том числе оценка эффективности).
В первом разделе рассмотрены существующие решения по оценке недвижимости, основы NLP и основные методы решения задачи извлечения информации.
Во второй главе поставлены требования к разрабатываемому сервису, обоснован выбор методов машинного обучения. Произведено дообучение модели и сравнение результатов различных подходов. Описано создание веб-интерфейса для взаимодействия с пользователем.
Практическим результатом работы является проведённый анализ технологий и прототип готового приложения.
Выпускная квалификационная работа выполнена в текстовом редакторе и представлена в электронном виде.