Previsione multimodale dei prezzi delle abitazioni potenziata dagli LLM mediante caratteristiche strutturate, testuali e visive

Abstract degli autori

Prevedere con precisione i prezzi delle abitazioni è essenziale per acquirenti e venditori immobiliari, agenti e istituti finanziari. I metodi tradizionali si basano soprattutto su dati strutturati, per esempio il numero di camere da letto, di bagni e di posti auto, ma trascurano le ricche informazioni contestuali contenute nelle descrizioni testuali e nelle foto degli immobili. Gli approcci precedenti di deep learning per la previsione dei prezzi delle abitazioni hanno combinato dati multimodali, ma non riescono a estrarre dai testi caratteristiche spaziotemporali strutturate e contestuali, né dalle immagini informazioni visive semantiche. In questo articolo presentiamo un nuovo framework multimodale che affronta questi limiti integrando sistematicamente attributi strutturati, descrizioni testuali e immagini degli immobili, così da ottenere previsioni più accurate mantenendo l’interpretabilità. Usiamo un modello linguistico di grandi dimensioni per ricavare dal testo caratteristiche spaziotemporali e contestuali specifiche del dominio, e un approccio non supervisionato di visione-linguaggio per raggruppare automaticamente le foto in classi significative, come interni, esterni, miste o planimetrie, comunemente presenti negli annunci immobiliari del mondo reale. Queste categorie vengono create senza etichettatura manuale, allineando i cluster di immagini a prompt testuali pseudo progettati con cura. Fondiamo tutte le caratteristiche in una rappresentazione unificata e usiamo un regressore ottimizzato per prevedere i prezzi. Gli esperimenti condotti su un ampio dataset immobiliare del mondo reale dimostrano che il nostro metodo supera i metodi tradizionali e le baseline multimodali esistenti. Gli studi di ablazione confermano che la nuova estrazione di caratteristiche testuali e gli embedding visivi categorizzati contribuiscono in misura sostanziale a previsioni dei prezzi più accurate e affidabili.