InnoServe 競賽帶隊經驗 (系統直接帶入)
年份
2019
屆別
24
組別
大會專題類-通用-資訊應用組
指定專題類-Open Data創意應用開發組
名次
第一名,第一名
組別編號
IP8-11,Open Data-03
專題名稱
資租必較
House For You
專題文件
資租必較
House For You
應用領域
商業,生活風格,檢索
技術領域
暫無提供
開發語言及工具
暫無提供
300字簡述
為改善使用者須查看大量的資料才能篩選出所喜歡的房屋，本研究整合高達30個政府開放資料集，與591租屋網的資料為此次研究的資料庫。提出房屋實際的價格變數與坪數變數，並將原用於排序詞語的獨特重要程度—TFIDF與TFPDF，用於量化家具設備變數。也使用Elo Rating System量化房屋圖片的美觀程度，更根據租屋地址，透過政府開放資料集，調查房屋周遭的任何設施，代入Haversine定理，量化地理環境變數，運用此五大變數，全面性評估租屋所考量的變數。為了準確符合使用者喜好，且迅速地推薦對使用者而言高CP值的結果，本研究提出多點規劃中心法，針對多個通勤地點、多個交通工具，先將房屋進行一輪篩選。且將上述五大變數，作為K-Means分群的變數，代入本研究提出的CP值公式，計算各個房屋的CP值，並因應使用者對於租屋的不同喜好，本研究提出加權變數重要性，給予租屋條件的加權，以優化個人化挑選的結果。最後本研究蒐集315份問卷驗證本研究的推薦結果，將原需要經過3000次的比較，透過使用本系統，僅須快速點選比較5次，即可達到系統推薦的排名和大眾喜好PR值為77，平均在前三個房屋中即可選到喜歡的房屋。
指導教授
杜逸寧
學生
余惠暄,徐紫絨,王柔諭,林威廷,江柏學,林宛萱,張芝綺
觀看次數
71 次