arXiv cs.CL· Khandokar Md. Rahat Hossain, Souvik Das, Tahsina Hashem, Mohammed Eunus Ali, Tanzima Hashem·· 11 小时前AI 评分18
LLM-Enhanced 多模态房价预测：融合结构化、文本与视觉特征
LLM-Enhanced Multimodal House Price Prediction using Structured, Textual, and Visual Features
AI 导读
研究提出一个多模态房价预测框架，用大语言模型从房源文本中提取领域相关的时空与上下文特征，并用无监督视觉-语言方法将房源照片自动聚类为室内、室外、混合或户型图等类别，无需人工标注。所有特征融合为统一表示后经优化回归器预测价格，在大型真实房源数据集上优于传统方法和现有多模态基线，消融实验证实文本特征提取与分类视觉嵌入贡献显著。
正文 · AI 翻译
摘要：准确的房价预测对于房地产买家、卖家、经纪人和金融机构至关重要。传统方法主要依赖结构化数据，例如卧室、浴室、停车位的数量，但忽略了文本描述和房产照片中蕴含的丰富上下文信息。以往用于房价预测的深度学习方法融合了多模态数据，但未能从文本中提取结构化的时空和上下文特征，也未能从图像中提取语义视觉信息。在本文中，我们提出了一个新颖的多模态框架，通过系统性地整合房产的结构化属性、文本描述和视觉图像来克服这些局限，在保持可解释性的同时实现更高的预测准确率。我们使用大语言模型从文本中推导出领域特定的时空和上下文特征，并采用无监督视觉-语言方法自动将照片归入有意义的类别，如室内、室外、混合或户型图，这些类别在真实房源中普遍存在。这些类别无需人工标注，而是通过将图像聚类与精心设计的伪文本提示对齐来创建。我们将所有特征融合为统一表示，并使用优化的回归器来预测价格。在大型真实房产数据集上的实验表明，我们的方法优于传统方法和现有的多模态基线。消融研究证实，新颖的文本特征提取和分类视觉嵌入对更准确、更可靠的价格预测有实质性贡献。
| 评论： | 35 页，7 幅图，5 张表。代码：此 https URL |
| 主题： | 机器学习（cs.LG）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV）；信息检索（cs.IR） |
| 引用为： | arXiv:2611.01615 [cs.LG] |
| （或 arXiv:2611.01615v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01615 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Souvik Das [查看电子邮件]
[v1]
2026 年 11 月 1 日星期日 06:07:04 UTC（18,509 KB）
来源：arXiv cs.CL · arxiv.org