自动评估模型作为房产估价的核心,应具备以下特点:1)数据质量高:数据决定了模型的上限,而且房产评估的可比案例要求可信;2)特征的选取和量化方法合理:影响房地产价值的特征因素的选取和量化需要符合中国房地产市场数据的特点;3)模型精度高:房产价格受多种因素的影响,但需要对其价格进行准确的评估。但是在现有研究中,还存在缺乏房产数据质量提升的研究、影响房产价格的特征因素体系不够完善、模型研究局限在验证单模型有效性的问题。针对以上问题,本文具体研究内容如下:1)基于多相似度估算器的房源重复记录识别模型:解决从不同房源抽取出的房产记录信息存在严重的重复房源问题;2)基于房价特征因素体系的特征提取及量化方法:解决国内房价特征因素体系不够完善,因估价人员的主观因素影响估价精度的问题;3)基于多层级模型融合的自动评估模型:解决由于房产价格受多种因素的影响,而且房产分区难以合理划分,导致模型建模复杂、精度不高的问题。基于上述研究内容,本文在已有爬虫和地址治理能力的基础上,实现了较高精度、可落地的房产批量评估系统,估价精度指标MAPE达到9.3 8%,具体包括以下模块:1)房源重复识别模块:实现了基于多相似度估算器的房源重复记录识别模型的封装和接口调用;2)特征工程模块:实现了基于房价特征因素体系的特征提取及量化,并可根据配置对特征进行预处理;3)自动评估模块:实现了基于多层级模型融合的自动评估模型的封装和接口调用。4)模型迭代模块:实现模型定期迭代更新机制,解决房价受时间因素影响的问题。