Nhận xét:
• Cơng thức sau khi được huấn luyện qua giải thuật di truyền cho kết quả vượt trội hơn. • Công thức mới thể hiện tốt hơn công thức cũ.
7.3 Giao diện
7.3.1 Giao diện gán nhãn mức độ tương quan của một số cặp BĐS
Ở giao diện này, chuyên gia sẽ gán nhãn độ tương quan của một số cặp BĐS trên thang từ 1-10, để phục vụ cho giai đoạn huấn luyện mơ hình. Để thuận tiện cho việc gán nhãn, chuyên gia sẽ thực hiện theo luồng như sau:
• Bước 1: Vào giao diện dành cho gán nhãn, chọn điểm muốn chọn làm điểm thứ nhất trong cặp điểm
• Bước 2: Điểm thứ nhất vừa được chọn sẽ có biểu tượng khác với các điểm cịn lại.
• Bước 3: Lần lượt chọn các điểm thứ 2 trong cặp điểm, chọn mức độ tương quan tương ứng và chọn "Gán nhãn". Dữ liệu sẽ được gửi về MongoDB để phục vụ cho việc training.
Hình 7.5:Gán nhãn cho các điểm thứ hai
Hình 7.6:Dữ liệu được lưu trên MongoDB
7.3.2 Giao diện cập nhật giá cho chuyên gia
Giao diện này sẽ sử dụng tri thức có được từ chuyên gia kết hợp với mơ hình mạng K-SOM đã được nghiên cứu để cập nhật lại giá đất thị trường cho tập dữ liệu.
7.3.2.1 Các bước cập nhật giá
• Cập nhật giá cho một BĐS đã có:
Truy cập vào giao diện, chọn bài đăng muốn cập nhật giá, điền giá mới và chọn "Cập Nhật Giá". Hệ thống sẽ ứng dụng mơ hình đã nghiên cứu để lan truyền giá ấy đến các BĐS xung quanh để cập nhật giá mới lên CSDL đồng thời hiển thị ra một bản đồ thể hiện kết quả lan truyền giá của mơ hình.
Hình 7.8:Chọn giá mới
• Cập nhật giá cho một điểm:
Truy cập vào giao diện, chọn một điểm bất kì trên bản đồ, điền giá đất tại điểm đó kèm theo vị trí(Mặt tiền/hẻm), sau đó chọn "Cập Nhật Giá". Hệ thống sẽ ứng dụng mơ hình đã nghiên cứu để lan truyền giá ấy đến các BĐS xung quanh để cập nhật giá mới với BĐS có quan hệ luận lý gần nhất với input làm trung tâm.
Hình 7.11:Kết quả lan truyền trong bán kính 2km
7.3.2.2 Kết quả lan truyền
(a) (b)
(c) (d)
(e) (f)
(g) (h)
7.3.3 Đánh giá kết quả cập nhật giá
Để đánh giá độ hiệu quả của mơ hình, chúng tơi đã xây dựng mạng K-SOM vớiCông thức khoảng cách luận lý thứ hai ở mục 7.2.3 và cập nhật giá bằng Hàm cập nhật giá ở mục
6.2.5.2cho một số điểm BĐS. Kết quả nhận được sẽ được gửi đến cho chuyên gia để kiểm tra và cho ý kiến để chỉnh sửa lại một số kết quả. Ý kiến này sẽ là dữ liệu để kiểm tra mơ hình. Mỗi một kết quả sẽ tương ứng với bảng như sau:
Hình 7.16:Kết quả lan truyền giá
Chuyên gia sẽ sử dụng kĩ thuật và kinh nghiệm để thẩm định giá và điền vào ơ "label" để có dữ liệu đánh giá độ chính xác mơ hình. Để đánh giá cho mơ hình của chúng tơi, một chun gia đã đánh giá giá đất mỗi mét vng của 55 bất động sản bất kì trong tập dữ liệu đã được cập nhật.
Bên cạnh đó, để so sánh với mơ hình cập nhật giá mà tơi đã xây dựng trong luận văn này tơi cũng xây dựng một mơ hình đơn giản hơn, đặt tên làsimple model - mơ hình đơn giản, trong
đó giá sẽ cập nhật dựa theo khoảng cách vật lý và một số heuristic. Cụ thể, nếu tại một BĐS A giá được cập nhật tăng/giảm x%, giá của BĐS X bất kì cách đó dưới 2km sẽ được cập nhật giá như sau:
• Nếu khoảng cách từ BĐS X đến A dưới 500m thì giá của X sẽ tăng/giảm x%.
• Nếu khoảng cách từ BĐS X đến A trên 500m và dưới 2000m thì giá của X sẽ tăng/giảm từ 100% đến 85% của x%.
Kết quả cập nhật giá qua 2 mơ hình của một số BĐS được tổng hợp và gán nhãn lại được thể hiện dưới bảng tính sau:
Hình 7.17:Kết quả lan truyền giáTrong đó: Trong đó:
• pos là giá trị của hàm pos đã được đề cập.
• Giá BĐS được đề cập là giá đất trên một mét vng. • Giá Gốc là giá được lưu trong tập dữ liệu ban đầu
Chúng tơi dùng hàm trung bình độ lệch giá dự đốn giữa mơ hình và giá do chun gia cung cấp để đánh giá mơ hình, kí hiệu là loss:
loss = 1
n∗
n