در این مقاله، روشی نوین برای بهبود پیش‌بینی قیمت مسکن با استفاده از قدم‌زنی تصادفی ارائه شده است. به صورت معمول تنها اطلاعات مکانی که در زمره ویژگی‌ها، در پیش‌بینی قیمت لحاظ می‌شود، طول و عرض جغرافیانی خانه‌ها هست. در این پژوهش به منظور بهره‌گیری بیشتر از اطلاعات مکانی، از شیوه‌ی قدم‌زنی تصادفی بهره برده شده است. به این منظور، ابتدا یک گراف غیر جهت‌دار با استفاده از داده‌های جغرافیایی منازل ایجاد شد. دو خانه در صورتی در این گراف مجاور در نظر گرفته شدند که فاصله‌ی آن‌ها کمتر از حدی مشخص باشد. سپس، با استفاده از روش قدم‌زنی تصادفی و بازنمایی رئوس گراف در الگوریتم DeepWalk، برای هر خانه، یک بردار معنایی ۳۰ بعدی استخراج گردید. این بردارها که اطلاعات مجاورت مکانی ضمنی خانه‌ها را در خود دارند، به همراه سایر ویژگی‌های خانه‌ها (مانند مساحت، تعداد اتاق و سن بنا) به عنوان ورودی،‌ به مدل پیش‌بینی قیمت مسکن داده شدند. نتایج آزمایشات بر روی داده‌های قیمت مسکن در شهر مشهد، با یک مدل مبتنی بر تقویت گرادیان نشان داد که بردارهای معنایی حاصله، عملکرد مدل را بهبود می‌بخشند. به عنوان مثال، ضریب تعیین (R2) از 0.82 در روش پایه به 0.85 در روش پیشنهادی افزایش یافت و خطای تقریب یک درصد کاهش پیدا کرد.

Keywords