real_estate_ads

这是一个包含一百万条匿名房地产广告的数据集，来源于Divar平台，是中东地区最大的分类广告平台之一。数据集提供了包括物业类型、位置、财务信息、物业规格、设施和短期租赁信息在内的详尽属性，可用于构建价格评估模型、市场分析工具和预测系统等。

This is a dataset containing one million anonymous real estate advertisements, sourced from Divar, which is one of the largest classified advertising platforms in the Middle East. The dataset provides comprehensive attributes including property type, location, financial information, property specifications, facilities and short-term rental information, which can be used to build price evaluation models, market analysis tools, forecasting systems and other relevant applications.

搜集汇总

数据集介绍

构建方式

该数据集源自中东地区最大的分类广告平台Divar，包含一百万条经过匿名化处理的房地产广告记录。数据采集覆盖2024年为期六个月的交易周期，通过系统化抽样和清洗流程，原始数据经过隐私保护处理，移除了敏感字段并标准化了57个维度的结构化特征。采用CSV/Parquet混合存储格式，完整保留了房源的地理坐标、建筑属性、金融条款等关键市场要素。

特点

作为波斯语地区最具代表性的房地产交易数据集，其核心价值体现在多维度的时空特征耦合。除常规的户型面积、房间数量等静态属性外，独特收录了短期租赁容量、节假日定价策略等动态商业指标。地理编码体系涵盖城市级到社区级的空间粒度，配合建筑朝向、地板材质等微观特征，为市场分析提供了立体化视角。文本字段采用混合语言模式，真实反映了中东地区多语言并用的交易生态。

使用方法

研究者可通过Hugging Face的datasets库实现一键加载，内置的Pandas转换接口支持快速进行空间聚类或时间序列分析。建议优先利用boxplot等可视化工具探索价格分布规律，再结合RandomForestRegressor等算法构建预测模型。针对文本分析任务，需注意处理波斯语与英语混合的描述字段。地理坐标数据适合与OpenStreetMap等空间底图叠加，进行区位价值评估。

背景与挑战

背景概述

Divar房地产广告数据集由中东地区最大的分类广告平台Divar于2024年发布，收录了来自该平台的100万条匿名化房地产广告数据。该数据集由Divar Corporation主导构建，旨在为研究人员、数据科学家和企业家提供真实可靠的房地产市场数据，以支持价格评估模型、市场分析工具和预测系统等创新解决方案的开发。作为中东地区最具代表性的房地产数据集之一，它不仅反映了该地区房地产市场的动态特征，也为自然语言处理、地理空间分析和推荐系统等跨学科研究提供了宝贵资源。

当前挑战

该数据集面临的核心挑战主要体现在两个方面：从领域问题来看，房地产价格受多维度因素影响，包括地理位置、房屋特征、市场供需等非线性关系，构建高精度的价格预测模型需要解决特征工程复杂性和数据稀疏性问题；就构建过程而言，原始数据存在文本描述多语言混杂、坐标信息缺失、数值字段异常等质量问题，同时需在保持数据实用性的前提下完成严格的隐私保护处理，这对数据清洗和匿名化技术提出了较高要求。此外，中东地区特殊的房地产市场结构和文化差异也为数据标准化和跨区域应用带来挑战。

常用场景

经典使用场景

在房地产经济学领域，该数据集为研究区域房价形成机制提供了关键数据支撑。通过分析百万级房源广告中的价格、面积、区位等结构化特征，研究人员能够构建多维度回归模型，揭示建筑特征与空间因素对房价的边际贡献度。地理坐标数据进一步支持了空间计量经济学的应用，使研究能够量化区位溢价效应。

衍生相关工作

基于该数据集衍生的经典研究包括：《基于深度学习的多模态房价预测模型》将文本描述与结构化特征融合建模；《中东城市空间分异模式》利用地理信息进行聚类分析；《疫情前后租赁市场弹性研究》则通过时间序列分析验证了外部冲击对住房市场的影响。在方法学层面，数据中缺失值的分布特征还催生了针对房地产数据的特定插补算法研究。

数据集最近研究

最新研究方向

房地产广告数据集real_estate_ads在当前研究领域展现出多重价值。随着中东地区房地产市场的持续升温，该数据集为价格预测模型的优化提供了丰富素材，特别是结合地理空间特征与建筑属性的混合建模方法成为热点。在自然语言处理方向，学者们正探索波斯语房产描述的语义理解技术，以提升推荐系统的精准度。隐私保护计算技术的兴起使得如何在确保用户匿名性的前提下挖掘市场规律成为新的研究课题。该数据集的时间跨度特性为疫情后房地产周期研究提供了独特视角，相关成果已开始影响区域经济政策的制定。