一种基于银行的房地产智能担保方法及系统

摘要

本发明公开了一种基于银行的房地产智能担保方法及系统，方法包括：确定开发商需要交纳的担保金金额；在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；判断是否发生维权，若是，则：将开发商交纳的担保金金额赔付至相应的用户账户。本发明能够有效的实现公众购买房产时的担保，进而增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于银行的房地产智能担保方法及系统。

背景技术

在现在社会中，销售的新房一般都是期房，所以经常会出现因为房子不满足之前承诺情况而维权的现象。这样公众在买房子的时候会出现因为担忧而放弃买房的情况，这样不仅给开发商带来损失，对于想买房子的客户也是一种损失。

因此，如何有效的实现公众购买房产时的担保，进而增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于银行的房地产智能担保方法，能够有效的实现公众购买房产时的担保，进而增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

本发明提供了一种基于银行的房地产智能担保方法，包括：

确定开发商需要交纳的担保金金额；

在获得开发商授权时，发布所述开发商交纳的担保金金额信息与对应的房产销售信息；

在获取到用户的查询请求时，将所述开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

判断是否发生维权，若是，则：

将所述开发商交纳的担保金金额赔付至相应的用户账户。

优选地，所述方法还包括：

当未发生维权时，将所述开发商交纳的担保金金额退还至相应的开发商账户。

优选地，在获得开发商授权时，发布所述开发商交纳的担保金金额信息与对应的房产销售信息，包括：

在获得开发商授权时，在开发商设定的发布时间，发布所述开发商交纳的担保金金额信息与对应的房产销售信息。

优选地，所述确定开发商需要交纳的担保金金额，包括：

通过神经网络算法预测开发商需要交纳的担保金金额。

一种基于银行的房地产智能担保系统，包括：

确定模块，用于确定开发商需要交纳的担保金金额；

发布模块，用于在获得开发商授权时，发布所述开发商交纳的担保金金额信息与对应的房产销售信息；

查询模块，用于在获取到用户的查询请求时，将所述开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

判断模块，用于判断是否发生维权；

赔付模块，用于当发送维权时，将所述开发商交纳的担保金金额赔付至相应的用户账户。

优选地，所述系统还包括：

退还模块，用于当未发生维权时，将所述开发商交纳的担保金金额退还至相应的开发商账户。

优选地，所述发布模块具体用于：

在获得开发商授权时，在开发商设定的发布时间，发布所述开发商交纳的担保金金额信息与对应的房产销售信息。

优选地，所述确定模块具体用于：

通过神经网络算法预测开发商需要交纳的担保金金额。

综上所述，本发明公开了一种基于银行的房地产智能担保方法，首先确定开发商需要交纳的担保金金额，然后在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；判断是否发生维权，若是，则：将开发商交纳的担保金金额赔付至相应的用户账户。本发明能够有效的实现公众购买房产时的担保，进而增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明公开的一种基于银行的房地产智能担保方法实施例1的方法流程图；

图2为本发明公开的一种基于银行的房地产智能担保方法实施例2的方法流程图；

图3为本发明公开的一种基于银行的房地产智能担保方法实施例3的方法流程图；

图4为本发明公开的一种基于银行的房地产智能担保系统实施例1的结构示意图；

图5为本发明公开的一种基于银行的房地产智能担保系统实施例2的结构示意图；

图6为本发明公开的一种基于银行的房地产智能担保系统实施例3的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明公开的一种基于银行的房地产智能担保方法实施例1的方法流程图，所述方法可以包括以下步骤：

S101、确定开发商需要交纳的担保金金额；

当需要通过银行对房地产的销售进行智能担保时，首先根据市场行情，确定出开发商需要交纳的担保金金额，并将开发商交纳的担保金存在银行系统里。

S102、在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；

在开发商将担保金存在银行系统后，在开发商授权的情况下，可以将开发商交纳的担保金金额信息与对应的房产销售信息进行发布。

S103、在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

相应的，用户可以通过移动终端(如，手机)中安装的APP查询开发商交纳的担保金金额信息与对应的房产销售信息。在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户移动终端的APP，用户通过移动终端的APP即可查看到开发商交纳的担保金金额信息与对应的房产销售信息。

S104、判断是否发生维权，若是，则进入S105：

在后续房屋开发及销售过程中，判断是否发生维权。

S105、将开发商交纳的担保金金额赔付至相应的用户账户。

当发生维权时，根据相关社会公信部门裁定，将开发商交纳的担保金金额赔付至相应的用户账户。

综上所述，在上述实施例中，当需要通过银行对房地产的销售进行智能担保时，首先确定开发商需要交纳的担保金金额，然后在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；判断是否发生维权，若是，则：将开发商交纳的担保金金额赔付至相应的用户账户。能够有效的实现公众购买房产时的担保，进而增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

如图2所示，为本发明公开的一种基于银行的房地产智能担保方法实施例2的方法流程图，所述方法可以包括以下步骤：

S201、确定开发商需要交纳的担保金金额；

当需要通过银行对房地产的销售进行智能担保时，首先根据市场行情，确定出开发商需要交纳的担保金金额，并将开发商交纳的担保金存在银行系统里。

S202、在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；

在开发商将担保金存在银行系统后，在开发商授权的情况下，可以将开发商交纳的担保金金额信息与对应的房产销售信息进行发布。

S203、在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

相应的，用户可以通过移动终端(如，手机)中安装的APP查询开发商交纳的担保金金额信息与对应的房产销售信息。在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户移动终端的APP，用户通过移动终端的APP即可查看到开发商交纳的担保金金额信息与对应的房产销售信息。

S204、判断是否发生维权，若是，则进入S205，若否，则进入S206：

在后续房屋开发及销售过程中，判断是否发生维权。

S205、将开发商交纳的担保金金额赔付至相应的用户账户；

当发生维权时，根据相关社会公信部门裁定，将开发商交纳的担保金金额赔付至相应的用户账户。

S206、将开发商交纳的担保金金额退还至相应的开发商账户。

在后续房屋开发及销售过程中，若未发生维权，则将开发商交纳的担保金金额退还至相应的开发商账户。

综上所述，本实施例在上述实施例的基础上，进一步在若未发生维权时，能够将开发商交纳的担保金金额退还至相应的开发商账户，进一步提升了用户体验。

如图3所示，为本发明公开的一种基于银行的房地产智能担保方法实施例3的方法流程图，所述方法可以包括以下步骤：

S301、通过神经网络算法预测开发商需要交纳的担保金金额；

当需要通过银行对房地产的销售进行智能担保时，首先根据市场行情，通过神经网络算法确定出开发商需要交纳的担保金金额，并将开发商交纳的担保金存在银行系统里。

具体的，首先根据人为经验为开发商推荐担保金额，统计不同担保金额下、不同厂商吸引客户的情况，收集试点数据。分析试点数据，提取影响担保金金额的特征参数(如企业规模、城市房产均价等)，建立特征参数库。结合BP神经网络和遗传算法的优点，在BP神经网络的权值和阈值的优化方面引入遗传算法，构建GA-BP神经网络模型。确定GA-BP神经网络结构，根据网络输入输出的个数确定BP神经网络结构，进而确定了遗传算法中需要优化的参数个数。根据kolmogorov原理，一个三层BP神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可。把提取特征数据个数作为输入层节点个数、预测该开发商最优担保金数量为输出层节点，隐层节点个数采用试凑法确定，从而确定GA-BP神经网络结构。通过遗传算法输出的最优个体作为BP神经网络初始权值和阈值进行BP神经网络训练和学习。基于特征参数库的数据分析，对GA-BP神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证。通过GA-BP神经网络模型预测出该开发商最优担保金数量。开发商可以根据预测数据缴纳担保金，也可以修改担保金数额，然后将担保金存在银行系统里。

S302、在获得开发商授权时，在开发商设定的发布时间，发布开发商交纳的担保金金额信息与对应的房产销售信息；

开发商将担保金转给银行之后，开发商可以选择是否发布与发布时间，开发商选择发布与确定发布时间之后在约定时间，银行将开发商的担保金信息与房产销售信息通过手机短信推送给开发商指定区域的银行客户，同时会将担保金信息发布到银行指定APP上。

S303、在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

相应的，用户可以通过移动终端(如，手机)中安装的APP查询开发商交纳的担保金金额信息与对应的房产销售信息。在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户移动终端的APP，用户通过移动终端的APP即可查看到开发商交纳的担保金金额信息与对应的房产销售信息。

S304、判断是否发生维权，若是，则进入S205，若否，则进入S206：

在后续房屋开发及销售过程中，判断是否发生维权。

S305、将开发商交纳的担保金金额赔付至相应的用户账户；

当发生维权时，根据相关社会公信部门裁定，将开发商交纳的担保金金额赔付至相应的用户账户。

S306、将开发商交纳的担保金金额退还至相应的开发商账户。

在后续房屋开发及销售过程中，若未发生维权，则将开发商交纳的担保金金额退还至相应的开发商账户。

综上所述，开发商可以缴纳推荐的担保金，将担保金存在银行系统里，广大社会民众注册成银行用户可以查看开发商缴纳的担保金的情况；如果发生维权的情况银行可以在社会公信部门授权情况下当担保金赔偿给购房客户，如果没有维权则退还给开发商，通过这种方法可以增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

如图4所示，为本发明公开的一种基于银行的房地产智能担保系统实施例1的结构示意图，所述系统可以包括：

确定模块401，用于确定开发商需要交纳的担保金金额；

当需要通过银行对房地产的销售进行智能担保时，首先根据市场行情，确定出开发商需要交纳的担保金金额，并将开发商交纳的担保金存在银行系统里。

发布模块402，用于在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；

在开发商将担保金存在银行系统后，在开发商授权的情况下，可以将开发商交纳的担保金金额信息与对应的房产销售信息进行发布。

查询模块403，用于在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

相应的，用户可以通过移动终端(如，手机)中安装的APP查询开发商交纳的担保金金额信息与对应的房产销售信息。在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户移动终端的APP，用户通过移动终端的APP即可查看到开发商交纳的担保金金额信息与对应的房产销售信息。

判断模块404，用于判断是否发生维权；

在后续房屋开发及销售过程中，判断是否发生维权。

赔付模块405，用于将开发商交纳的担保金金额赔付至相应的用户账户。

当发生维权时，根据相关社会公信部门裁定，将开发商交纳的担保金金额赔付至相应的用户账户。

综上所述，在上述实施例中，当需要通过银行对房地产的销售进行智能担保时，首先确定开发商需要交纳的担保金金额，然后在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；判断是否发生维权，若是，则：将开发商交纳的担保金金额赔付至相应的用户账户。能够有效的实现公众购买房产时的担保，进而增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

如图5所示，为本发明公开的一种基于银行的房地产智能担保系统实施例2的结构示意图，所述系统可以包括：

确定模块501，用于确定开发商需要交纳的担保金金额；

当需要通过银行对房地产的销售进行智能担保时，首先根据市场行情，确定出开发商需要交纳的担保金金额，并将开发商交纳的担保金存在银行系统里。

发布模块502，用于在获得开发商授权时，发布开发商交纳的担保金金额信息与对应的房产销售信息；

在开发商将担保金存在银行系统后，在开发商授权的情况下，可以将开发商交纳的担保金金额信息与对应的房产销售信息进行发布。

查询模块503，用于在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

相应的，用户可以通过移动终端(如，手机)中安装的APP查询开发商交纳的担保金金额信息与对应的房产销售信息。在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户移动终端的APP，用户通过移动终端的APP即可查看到开发商交纳的担保金金额信息与对应的房产销售信息。

判断模块504，用于判断是否发生维权；

在后续房屋开发及销售过程中，判断是否发生维权。

赔付模块505，用于当发送维权时，将开发商交纳的担保金金额赔付至相应的用户账户；

当发生维权时，根据相关社会公信部门裁定，将开发商交纳的担保金金额赔付至相应的用户账户。

退还模块506，用于当未发生维权时，将开发商交纳的担保金金额退还至相应的开发商账户。

在后续房屋开发及销售过程中，若未发生维权，则将开发商交纳的担保金金额退还至相应的开发商账户。

综上所述，本实施例在上述实施例的基础上，进一步在若未发生维权时，能够将开发商交纳的担保金金额退还至相应的开发商账户，进一步提升了用户体验。

如图6所示，为本发明公开的一种基于银行的房地产智能担保系统实施例3的结构示意图，所述系统可以包括：

确定模块601，用于通过神经网络算法预测开发商需要交纳的担保金金额；

当需要通过银行对房地产的销售进行智能担保时，首先根据市场行情，通过神经网络算法确定出开发商需要交纳的担保金金额，并将开发商交纳的担保金存在银行系统里。

具体的，首先根据人为经验为开发商推荐担保金额，统计不同担保金额下、不同厂商吸引客户的情况，收集试点数据。分析试点数据，提取影响担保金金额的特征参数(如企业规模、城市房产均价等)，建立特征参数库。结合BP神经网络和遗传算法的优点，在BP神经网络的权值和阈值的优化方面引入遗传算法，构建GA-BP神经网络模型。确定GA-BP神经网络结构，根据网络输入输出的个数确定BP神经网络结构，进而确定了遗传算法中需要优化的参数个数。根据kolmogorov原理，一个三层BP神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可。把提取特征数据个数作为输入层节点个数、预测该开发商最优担保金数量为输出层节点，隐层节点个数采用试凑法确定，从而确定GA-BP神经网络结构。通过遗传算法输出的最优个体作为BP神经网络初始权值和阈值进行BP神经网络训练和学习。基于特征参数库的数据分析，对GA-BP神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证。通过GA-BP神经网络模型预测出该开发商最优担保金数量。开发商可以根据预测数据缴纳担保金，也可以修改担保金数额，然后将担保金存在银行系统里。

发布模块602，用于在获得开发商授权时，在开发商设定的发布时间，发布开发商交纳的担保金金额信息与对应的房产销售信息；

开发商将担保金转给银行之后，开发商可以选择是否发布与发布时间，开发商选择发布与确定发布时间之后在约定时间，银行将开发商的担保金信息与房产销售信息通过手机短信推送给开发商指定区域的银行客户，同时会将担保金信息发布到银行指定APP上。

查询模块603，用于在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户；

相应的，用户可以通过移动终端(如，手机)中安装的APP查询开发商交纳的担保金金额信息与对应的房产销售信息。在获取到用户的查询请求时，将开发商交纳的担保金金额信息与对应的房产销售信息发送给用户移动终端的APP，用户通过移动终端的APP即可查看到开发商交纳的担保金金额信息与对应的房产销售信息。

判断模块604，用于判断是否发生维权；

在后续房屋开发及销售过程中，判断是否发生维权。

赔付模块605，用于将开发商交纳的担保金金额赔付至相应的用户账户；

当发生维权时，根据相关社会公信部门裁定，将开发商交纳的担保金金额赔付至相应的用户账户。

退还模块606，用于将开发商交纳的担保金金额退还至相应的开发商账户。

在后续房屋开发及销售过程中，若未发生维权，则将开发商交纳的担保金金额退还至相应的开发商账户。

综上所述，开发商可以缴纳推荐的担保金，将担保金存在银行系统里，广大社会民众注册成银行用户可以查看开发商缴纳的担保金的情况；如果发生维权的情况银行可以在社会公信部门授权情况下当担保金赔偿给购房客户，如果没有维权则退还给开发商，通过这种方法可以增强公众的购买信心，提高开发商的销售数量，同时给银行带来盈利。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。