グラフニューラルネットワーク(GNN)を用いた住宅価格の予測手法

カテゴリ：研究会(論文単位)

論文No：IS25043

グループ名：【C】電子・情報・システム部門 情報システム研究会

発行日：2025/8/2

タイトル(英語)：A House Price Prediction Method Using Graph Neural Networks (GNNs)

著者名：本間 塁斗(東京都立産業技術大学院大学),繁永 直希(東京都立産業技術大学院大学),石橋 武史(東京都立産業技術大学院大学),木川 真実(東京都立産業技術大学院大学),大室 昌也(東京都立産業技術大学院大学),浪岡 保男(東京都立産業技術大学院大学)

著者名(英語)： Ruito Honma(Advanced Institute of Industrial Technology),Naoki Shigenaga(Advanced Institute of Industrial Technology),Takeshi Ishibashi(Advanced Institute of Industrial Technology),Mami Kigawa(Advanced Institute of Industrial Technology),Masaya Omuro(Advanced Institute of Industrial Technology),Yasuo Namioka(Advanced Institute of Industrial Technology)

キーワード：価格予測,グラフニューラルネットワーク,不動産価格,Ｒ－ＧＣＮ,異種グラフ,深層学習,Price Prediction,Graph Neural Networks,Real Estate Prices,R-GCN,Heterogeneous Graphs,Deep Learning

要約(日本語)：住宅価格の正確な予測は，不動産取引や都市計画において重要である．従来の手法は住宅の属性や地域情報を個別に扱うが，周辺施設や地域コミュニティとの関係性を捉えておらず，十分な精度を得るのが困難であった．本研究では，住宅・施設・地域情報をグラフニューラルネットワーク(GNN)により関係性を学習し，住宅価格を予測する手法を検討した．(株)LIFULLの実データを用いて検証することで，良好な結果が得られた．

要約(英語)：Accurate prediction of house prices is critical for real estate and urban planning. Traditional models often overlook spatial relationships among properties and their surroundings. This study employs Graph Neural Networks (GNNs) to effectively model such dependencies. Experiments with real data from LIFULL Co., Ltd. demonstrate improved predictive accuracy.

本誌：2025年8月5日-2025年8月6日情報システム研究会

本誌掲載ページ：37-42p

原稿種別：日本語

PDFファイルサイズ：833Kバイト