Titelaufnahme

Titel
Use of pictures from social media to assess the local attractivity as an indicator for real estate value assessment / Christopher Kmen
Weitere Titel
Nutzung von Fotos aus sozialen Medien zur Bewertung der Standortattraktivität als Indikator für Immobilienbewertung
Verfasser / Verfasserin Kmen, Christopher
Begutachter / BegutachterinNavratil, Gerhard
ErschienenWien, 2017
Umfang80 Blätter : Illustrationen, Diagramme
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2017
Anmerkung
Zusammenfassung in deutscher Sprache
Anmerkung
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Immobilienbewertung / Soziale Medien / Machine Learning / Photoplattform
Schlagwörter (EN)Real Estate Value Assessment / Social Media / Machine Learning / Picturebase
URNurn:nbn:at:at-ubtuw:1-105771 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Use of pictures from social media to assess the local attractivity as an indicator for real estate value assessment [5.1 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

In den vergangenen Jahren wurde ein massiver Anstieg bei der Generierung und Speicherung von Daten beobachtet [Goodchild 2007]. Besonders im Social Media Bereich konnte ein signifikanter Anstieg bei der Erstellung von Bildern verzeichnet werden. Aus dieser präsenten Entwicklung heraus, stellt sich die Frage, ob diese Daten herangezogen werden können um raumbezogene Modelle daraus zu extrahieren und für semantische Fragestellungen heranzuziehen. Studien von Hochmair [2009] und Alivand [2013] haben gezeigt, dass in Umgebungen welche als besonders schön empfunden werden mehr Bilder entstehen als in weniger attraktiven Gegenden. Außerdem wurde belegt, dass Immobilienpreise in Diesen deutlich höher sind (Brunauer et al. [2013] und Helbich et al. [2013]). In der folgenden Arbeit wird eine Verbindung zwischen diesen erwähnten Studien hergestellt. Dafür werden zahlreiche Bilddateien akquiriert und unterschieden ob das Umfeld oder die soziale Interaktion, Grund für die Aufnahme ist. Zur Klassifizierung wird ein neurales Netz verwendet. Das Testgebiet erstreckt sich über Wien. Des Weiteren werden Positionsinformationen der validen Bilder verspeichert, um anschließend daraus eine „Heat-Map“ zu erstellen. Als Indikator dient die Fotodichte der gemachten Bilder. Um herauszufinden ob eine Verbindung zwischen existierenden Social Media Bildern und Immobilienpreisen besteht, wird das geschaffene Modell von der Firma DataSciences GmbH mit ihren Immobilienpreismodell verglichen.

Zusammenfassung (Englisch)

In recent years there has been a massive increase in the production and collection of data [Goodchild 2007].Especially in of the field of social media an overflowing quantity of pictures is produced. Therefore, the question is raised, if spatial models could be derived from these images. Or, in other words, is it possible to use social media data for spatial and/or semantic purposes? In recent studies by Hochmair [2009] and Alivand [2013] it was found that people tend to make more pictures in places which appear more attractive than in those which seem less appealing. Other Studies (Brunauer et al. [2013] and Helbich et al. [2013]) come to the conclusion that those areas that appear more appealing have higher real estate prices. This study will link all these components together. Images are collected from social media and classified based in their focus - social interaction or documentation of the surrounding. Images in the later case will be used for further analysis. A neural network will be used for classification. As area for the study Vienna is chosen. In the next step another big amount of social media images with geo location features is gathered and filtered with the newly trained neural network. Then the location information of the valid images is stored. Out of these data a heat map is created, with the density of the images taken as indicator. For the validation of the created model the company DataScience Service GmbH compares the heat map with their real estate price model to see if there is a link between social media output and real estate prices.

Statistik
Das PDF-Dokument wurde 35 mal heruntergeladen.