租赁流失预测模型的训练方法及租赁流失的预测方法

技术领域

本发明涉及大数据技术领域，具体涉及租赁流失预测模型的训练方法及租赁流失的预测方法。

背景技术

随着社会经济的发展，流动人口从欠发达地区流入发达地区的规模持续扩大，发达地区的房价居高不下，许多外来人口选择租房来解决暂时的住宿问题。然而，当租赁对象提前退租时，却不能及时作出预判，从而无法对租赁对象进行留存，进而导致房屋租赁率下降。

发明内容

有鉴于此，本发明提供了一种租赁流失预测模型的训练方法及租赁流失的预测方法，能够及时预判租赁对象的租赁情况，从而能够及时对租赁对象进行留存，进而能够提高房屋租赁率。

第一方面，本发明提供了一种租赁流失预测模型的训练方法，所述方法包括：

获取样本合同的合同信息；

基于所述样本合同确定样本租赁对象和样本租赁房屋，以得到所述样本租赁对象的对象特征和所述样本租赁房屋的房屋特征；

获取所述样本租赁对象对应的标签；

将所述样本合同的合同信息、所述样本租赁对象的对象特征和所述样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果；

基于所述预测结果以及所述标签，对所述预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型。

本发明实施例提供的租赁流失预测模型的训练方法，通过获取样本合同的合同信息，基于所述样本合同确定样本租赁对象和样本租赁房屋，以得到所述样本租赁对象的对象特征和所述样本租赁房屋的房屋特征，以及获取所述样本租赁对象对应的标签，将所述样本合同的合同信息、所述样本租赁对象的对象特征和所述样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果，能够基于所述预测结果以及所述标签，对所述预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型，能够提升租赁流失预测模型对租赁对象进行流失预测的准确性，而且通过租赁流失预测模型能够及时预判租赁对象的租赁情况，从而能够及时对租赁对象进行留存，进而能够提高房屋租赁率。

在一些可选的实施方式中，所述获取所述样本租赁对象对应的标签，包括：

获取所述样本租赁对象对应的租赁状态的查询时间周期和查询起始时间；

基于所述查询时间周期和所述查询起始时间迭代查询所述租赁状态，得到多个目标租赁状态；

基于所述多个目标租赁状态确定所述样本租赁对象对应的标签。

本发明实施例提供的租赁流失预测模型的训练方法，通过获取样本租赁对象对应的租赁状态的查询时间周期和查询起始时间，以及基于查询时间周期和查询起始时间迭代查询租赁状态，得到多个目标租赁状态，能够基于多个目标租赁状态确定样本租赁对象对应的标签，以便于后续步骤可以基于该标签验证预设租赁流失预测模型的预测结果的准确率，同时能够对预设租赁流失预测模型的参数进行迭代更新，以提高租赁流失预测模型对租赁对象进行流失预测的准确性。

在一些可选的实施方式中，所述基于所述多个目标租赁状态确定所述样本租赁对象对应的标签，包括：

确定各个所述目标租赁状态是否处于在租状态；

若是所有的所述目标租赁状态均处于在租状态，对所述租赁状态对应的样本租赁对象进行流失标记，得到所述样本租赁对象对应的标签为第一预设值。

在一些可选的实施方式中，所述基于所述多个目标租赁状态确定所述样本租赁对象对应的标签，还包括：

若所述多个目标租赁状态中存在处于退租状态的目标租赁状态，确定所述处于退租状态的目标租赁状态对应的样本租赁对象的房屋签约状态；

基于所述房屋签约状态确定所述样本租赁对象对应的标签。

本发明实施例提供的租赁流失预测模型的训练方法，若所述多个目标租赁状态中存在处于退租状态的目标租赁状态，确定所述处于退租状态的目标租赁状态对应的样本租赁对象的房屋签约状态，基于所述房屋签约状态确定所述样本租赁对象对应的标签，能够得到更加准确的标签，进而有利于后续步骤中利用该标签对预设租赁流失预测模型进行训练以提高租赁流失预测模型对租赁对象流失预测的准确性。

在一些可选的实施方式中，所述基于所述房屋签约状态确定所述样本租赁对象对应的标签，包括：

若所述房屋签约状态表征在预设时间段内已签约，对所述已签约的所述样本租赁对象进行留存标记，得到所述样本租赁对象对应的标签为第二预设值；

若所述房屋签约状态表征在所述预设时间段内未签约，对所述未签约的所述样本租赁对象进行流失标记，得到所述样本租赁对象对应的标签为第一预设值。

在一些可选的实施方式中，所述获取样本合同的合同信息，包括：

获取多个待处理合同以及其合同信息；

根据所述待处理合同的合同信息确定所述待处理合同对应的合同状态和剩余租赁期限；

从所述多个待处理合同中筛选出所述合同状态在预设时间处于已签约状态且所述剩余租赁期限大于预设租赁时长的合同；

将所述筛选出的合同作为所述样本合同，以得到所述样本合同的合同信息。

第二方面，本发明提供了一种租赁流失的预测方法，其特征在于，所述方法包括：

获取目标租赁对象对应的待处理数据，所述待处理数据包括所述目标租赁对象对应的目标合同的合同信息、所述目标租赁对象的对象特征和目标租赁对象对应的目标租赁房屋的房屋特征；

将所述待处理数据输入租赁流失预测模型中，得到所述目标租赁对象的流失预测结果，所述租赁流失预测模型是根据上述第一方面或其对应的任一实施方式的租赁流失预测模型的训练方法训练得到的。

在一些可选的实施方式中，所述方法还包括：

若所述目标租赁对象的流失预测结果为流失，对所述目标租赁对象进行防流失的策略处理，所述防流失的策略包括发放代金券和优惠券。

第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的租赁流失预测模型的训练方法，或者第二方面或其对应的任一实施方式的租赁流失的预测方法。

第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的租赁流失预测模型的训练方法，或者第二方面或其对应的任一实施方式的租赁流失的预测方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的一种租赁流失预测模型的训练方法的流程图；

图2是根据本发明实施例的另一种租赁流失预测模型的训练方法的流程图；

图3是根据本发明实施例的一种租赁流失的预测方法的流程图；

图4是根据本发明实施例的另一种租赁流失的预测方法的流程图；

图5是本申请实施例提供的一种租赁对象的留存情况的示意图；

图6是根据本发明实施例的一种租赁流失预测模型的训练装置的示意图；

图7是根据本发明实施例的一种租赁流失的预测装置的示意图；

图8是本发明实施例提供的一种可选的计算机设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

本发明实施例提供了一种租赁流失预测模型的训练方法及租赁流失的预测方法，能够及时预判租赁对象的租赁情况，从而能够及时对租赁对象进行留存，进而能够提高房屋租赁率。

根据本发明实施例，提供了一种租赁流失预测模型的训练方法及租赁流失的预测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种租赁流失预测模型的训练方法，可用于终端，比如手机、平板电脑等。图1是根据本发明实施例的租赁流失预测模型的训练方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，获取样本合同的合同信息。

其中，样本合同的数量可以有多个，可以根据实际需求确定，在此不作具体限制。合同信息包括房屋月租、房屋押金、房屋服务费、租赁对象、租赁房屋等等，在此不再一一例举。

步骤S102，基于样本合同确定样本租赁对象和样本租赁房屋，以得到样本租赁对象的对象特征和样本租赁房屋的房屋特征。

从样本合同中查询该样本合同对应的样本租赁对象以及样本租赁房屋，根据样本租赁对象确定其对象特征，并根据样本租赁房屋确定其房屋特征。

其中，对象特征包括租赁对象的历史签约次数、租赁对象的历史退租次数、租赁对象的历史投诉次数、信用分、搬家次数、累计入住天数等特征，此外，对象特征还包括近14天的流量信息，比如浏览网页中的租赁房屋、带看租赁房屋的次数、收藏租赁房屋的次数，约看租赁房屋的次数等等。

房屋特征包括距离地铁站的距离、绿化率、地理位置等信息。

在一些可选的实施方式中，可以将缺失对象特征、房屋特征和/或合同信息的样本合同进行筛除。另外，对于流量信息而言，可以对流量信息进行聚合处理，比如，统计预设时间段内的流量信息的总量，或者计算预设时间段内的流量信息的平均值，或者取预设时间段内的流量信息的中位数，等等，在此不作具体限制。

步骤S103，获取样本租赁对象对应的标签。

其中，该样本租赁对象对应的标签指的是真实标签，该标签用于表征该样本租客对象是否流失，即当标签的数值为1时，表示对应的样本租赁对象流失；当标签的数值为0时，表示对应的样本租赁对象未流失。

步骤S104，将样本合同的合同信息、样本租赁对象的对象特征和样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果。

其中，预测结果是指样本租赁对象对应的预测标签，该预测标签的数值为1或者0，其中，数值为1的标签用于表征对应的样本租赁对象流失，数值为0的标签用于表征对应的样本租赁对象未流失(即留存)。

步骤S105，基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型。

预设租赁流失预测模型可以为LightGBM(即树模型)，通过预设租赁流失预测模型可以对租赁对象进行分类预测。

另外，基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，具体可以是根据预测结果以及标签计算查全率(即Recall)和查准率(即precision)，通过使用查准率评价和查全率作为评估指标，验证预设租赁流失预测模型的准确率，进而能够根据该准确率对预设租赁流失预测模型的参数进行迭代更新。其中，查准率是指被预测的预测结果中，正确的预测结果的数量。查全率是指所有正类的标签中，被正确预测的预测结果的数量。

其中，查全率的计算公式如下：

Recall＝TP/(TP+FN)(1)

在公式(1)中，TP(True Positive，正类预测)用于表征标签为正类(即数值为1)，预测结果为正类。FN(False Negative，负类预测)用于表征标签为正类，预测结果为负类(即数值为0)。

查准率的计算公式如下：

Precision＝TP/(TP+FP) (2)

在公式(2)中，FP(False Positive，负类预测)用于表征标签为负类，预测结果为正类。

本实施例提供的租赁流失预测模型的训练方法，通过获取样本合同的合同信息，基于样本合同确定样本租赁对象和样本租赁房屋，以得到样本租赁对象的对象特征和样本租赁房屋的房屋特征，以及获取样本租赁对象对应的标签，将样本合同的合同信息、样本租赁对象的对象特征和样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果，能够基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型，能够提升租赁流失预测模型对租赁对象进行流失预测的准确性，而且通过租赁流失预测模型能够及时预判租赁对象的租赁情况，从而能够及时对租赁对象进行留存，进而能够提高房屋租赁率。

在本实施例中提供了一种租赁流失预测模型的训练方法，可用于终端，比如手机、平板电脑等。图2是根据本发明实施例的租赁流失预测模型的训练方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，获取样本合同的合同信息。

具体地，上述步骤S201包括：

步骤S2011，获取多个待处理合同以及其合同信息。

由于有些租赁对象会有多个合同，比如租赁对象租不同房子，或者对同一个房子续约，每次都会签一次合同，鉴于多合同的租赁对象较少，流失率较低，因此，可以直接区该租赁对象最近签约的合同作为该租赁对象对应的待处理合同。

步骤S2012，根据待处理合同的合同信息确定待处理合同对应的合同状态和剩余租赁期限。

其中，待处理合同的合同信息中包括合同状态和租赁期限，合同状态包括已签约、已支付或者已退租，租赁期限包括租赁期限的起始时间和结束时间，根据当前日期和结束时间可以确定剩余租赁期限。

步骤S2013，从多个待处理合同中筛选出合同状态在预设时间处于已签约状态且剩余租赁期限大于预设租赁时长的合同。

其中，预设时间可以根据实际情况设置，预设租赁时长可以是30天、15天或者其他时长，在此不作具体限制。

步骤S2014，将筛选出的合同作为样本合同，以得到样本合同的合同信息。

在本申请实施例中，通过获取多个待处理合同以及其合同信息，以及根据待处理合同的合同信息确定待处理合同对应的合同状态和剩余租赁期限，能够从多个待处理合同中筛选出合同状态在预设时间处于已签约状态且剩余租赁期限大于预设租赁时长的合同，并将筛选出的合同作为样本合同，以得到样本合同的合同信。

步骤S202，基于样本合同确定样本租赁对象和样本租赁房屋，以得到样本租赁对象的对象特征和样本租赁房屋的房屋特征。

详细请参见图1所示实施例的步骤S102，在此不再赘述。

步骤S203，获取样本租赁对象对应的标签。

具体地，上述步骤S203包括：

步骤S2031，获取样本租赁对象对应的租赁状态的查询时间周期和查询起始时间。

其中，查询时间周期可以是7天、15天、30天或者其他时间周期，在此不再一一列举。查询起始时间可以是当前日期，也可以是其他时间，可以根据实际情况设置。

步骤S2032，基于查询时间周期和查询起始时间迭代查询租赁状态，得到多个目标租赁状态。

步骤S2033，基于多个目标租赁状态确定样本租赁对象对应的标签。

示例性地，假设查询起始时间为当前日期dt，dt为20220101，查询时间周期pred_period_day为7天，那么可以将查询起始时间和查询时间周期迭代相加，得到查询租赁状态的日期，因此，可以分别得到20220108、20220115、20220122、20220129这几个查询租赁状态的日期，基于20220108、20220115、20220122和20220129可以得到四个目标租赁状态，再根据这四个目标租赁状态分别判断这几个时间内样本租赁对象对应的标签。

在本申请实施例中，通过获取样本租赁对象对应的租赁状态的查询时间周期和查询起始时间，以及基于查询时间周期和查询起始时间迭代查询租赁状态，得到多个目标租赁状态，能够基于多个目标租赁状态确定样本租赁对象对应的标签，以便于后续步骤可以基于该标签验证预设租赁流失预测模型的预测结果的准确率，同时能够对预设租赁流失预测模型的参数进行迭代更新，以提高租赁流失预测模型对租赁对象进行流失预测的准确性。

在一些可选的实施方式中，上述步骤S2033具体包括：

步骤a1，确定各个目标租赁状态是否处于在租状态。

步骤a2，若是所有的目标租赁状态均处于在租状态，对租赁状态对应的样本租赁对象进行流失标记，得到样本租赁对象对应的标签为第一预设值。

其中，该第一预设值为0，即数值为0的标签用于表征对应的样本租赁对象已流失。

进一步地，若多个目标租赁状态中存在处于退租状态的目标租赁状态，确定处于退租状态的目标租赁状态对应的样本租赁对象的房屋签约状态，基于房屋签约状态确定样本租赁对象对应的标签。

具体地，若房屋签约状态表征在预设时间段内已签约，对已签约的样本租赁对象进行留存标记，得到样本租赁对象对应的标签为第二预设值。

若房屋签约状态表征在预设时间段内未签约，对未签约的样本租赁对象进行流失标记，得到样本租赁对象对应的标签为第一预设值。

其中，预设时间段可以为退租日前后15天内(比如，退租日为xx年7月15日，那么预设时间段为xx年7月1日至xx年7月30日)，也可以为其他时间段，可以根据实际情况设置。第二预设值为1，即数值为1的标签用于表征对象的样本租赁对象未流失。

步骤S204，将样本合同的合同信息、样本租赁对象的对象特征和样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果。

详细请参见图1所示实施例的步骤S104，在此不再赘述。

步骤S205，基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型。

详细请参见图1所示实施例的步骤S105，在此不再赘述。

在本实施例中提供了一种租赁流失的预测方法，可用于终端，比如手机、平板电脑等。图3是根据本发明实施例的租赁流失的预测方法的流程图，如图3所示，该流程包括如下步骤：

步骤S301，获取目标租赁对象对应的待处理数据，待处理数据包括目标租赁对象对应的目标合同的合同信息、目标租赁对象的对象特征和目标租赁对象对应的目标租赁房屋的房屋特征。

其中，目标租赁对象对应的目标合同的合同信息包括房屋月租、房屋押金、房屋服务费、租赁房屋等等。

目标租赁对象的对象特征包括租赁对象的历史签约次数、租赁对象的历史退租次数、租赁对象的历史投诉次数、信用分、搬家次数、累计入住天数等特征，此外，对象特征还包括近14天的流量信息，比如浏览网页中的租赁房屋、带看租赁房屋的次数、收藏租赁房屋的次数，约看租赁房屋的次数等等。

目标租赁对象对应的目标租赁房屋的房屋特征包括距离地铁站的距离、绿化率、地理位置等信息。

步骤S302，将待处理数据输入租赁流失预测模型中，得到目标租赁对象的流失预测结果。

其中，租赁流失预测模型是根据图1和/或图2所示的实施例的租赁流失预测模型的训练方法训练得到的，在此不再赘述。

具体地，将目标租赁对象对应的目标合同的合同信息、目标租赁对象的对象特征和目标租赁对象对应的目标租赁房屋的房屋特征输入租赁流失预测模型中，得到目标租赁对象的流失预测结果。

其中，该流失预测结果可能为1或者0，当流失预测结果为1，表征目标租赁对象流失；当流失预测结果为0，表征目标租赁对象未流失。

本实施例提供的租赁流失预测模型的训练方法，通过获取目标租赁对象对应的待处理数据，以及将待处理数据输入租赁流失预测模型中，得到目标租赁对象的流失预测结果，能够及时预判租赁对象的租赁情况，从而能够及时对租赁对象进行留存，进而能够提高房屋租赁率。

在一些可选的实施方式中，若目标租赁对象的流失预测结果为流失，对目标租赁对象进行防流失的策略处理，从而能够提高租赁对象的留存率，进而提升收益。

其中，防流失的策略包括发放代金券、优惠券和/或管家跟进。

比如，集中筛选当月租期到期的目标租赁对象，基于流失预测结果，选择高潜流失的租赁对象进行发放代金券、优惠券或者管家跟进。

为了清楚的说明租赁流失的预测过程，下面以具体示例进行说明。

参照图4，首先，选取预设时间内处于正常出租状态的样本合同，即获取多个待处理合同以及其合同信息，根据待处理合同的合同信息确定待处理合同对应的合同状态和剩余租赁期限，从多个待处理合同中筛选出合同状态在预设时间处于已签约状态且剩余租赁期限大于预设租赁时长的合同，将筛选出的合同作为样本合同，以得到样本合同的合同信息，基于样本合同确定样本租赁对象和样本租赁房屋，以得到样本租赁对象的对象特征和样本租赁房屋的房屋特征。

然后，对样本租赁对象进行数据处理，即获取样本租赁对象对应的租赁状态的查询时间周期和查询起始时间，基于查询时间周期和查询起始时间迭代查询租赁状态，得到多个目标租赁状态。紧接着，确定各个目标租赁状态是否处于在租状态，基于目标租赁状态对标签进行处理，即若是所有的目标租赁状态均处于在租状态，对租赁状态对应的样本租赁对象进行流失标记，得到样本租赁对象对应的标签为第一预设值；若多个目标租赁状态中存在处于退租状态的目标租赁状态，确定处于退租状态的目标租赁状态对应的样本租赁对象的房屋签约状态。

若房屋签约状态表征在预设时间段内已签约，对已签约的样本租赁对象进行留存标记，得到样本租赁对象对应的标签为第二预设值；若房屋签约状态表征在预设时间段内未签约，对未签约的样本租赁对象进行流失标记，得到样本租赁对象对应的标签为第一预设值。

接着，对预设租赁流失预测模型进行训练，即将样本合同的合同信息、样本租赁对象的对象特征和样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果，基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型。

最后，对预设的时间段内的目标租赁对象进行流失预测，即获取预设的时间段内租期到期的目标租赁对象对应的待处理数据，将待处理数据输入租赁流失预测模型中，得到目标租赁对象的流失预测结果，若目标租赁对象的流失预测结果为流失，对目标租赁对象进行防流失的策略处理，防流失的策略包括发放代金券和优惠券。

表1

需要说明的是，实现租赁对象流失预测的目的在于，对于在租用户，分析预测其是否会在租期内提前解约，以便于进行客源留存。例如，如表1所示，统计xxxx年10月1号的在租的租赁对象，分为21天内，一个月内，三个月内和一年内四个周期，合同状态分为已到期、履约中、已退租三个状态，用户状态主要统计变为非在租状态比例。从变为非在租状态比例可知，对租赁对象进行流失预测尤为重要。

另外，参照图5，该图5统计了2018-2019月底普租和整租的租赁对象的房屋租期到期的留存率，可以看到在不同月份下，留存率的变化情况是有一定规律的，因此，对租赁对象的流失进行预测是可以实现的。

参照图6，本申请的一个实施例还提供了一种租赁流失预测模型的训练装置，包括：

第一获取模块601，用于获取样本合同的合同信息；

第一确定模块602，用于基于样本合同确定样本租赁对象和样本租赁房屋，以得到样本租赁对象的对象特征和样本租赁房屋的房屋特征；

第二获取模块603，用于获取样本租赁对象对应的标签；

第一输入模块604，用于将样本合同的合同信息、样本租赁对象的对象特征和样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果；

训练模块605，用于基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型。

在一些可选的实施方式中，第二获取模块603具体包括：

第一获取子模块，用于获取样本租赁对象对应的租赁状态的查询时间周期和查询起始时间；

查询子模块，用于基于查询时间周期和查询起始时间迭代查询租赁状态，得到多个目标租赁状态；

第一确定子模块，用于基于多个目标租赁状态确定样本租赁对象对应的标签。

在一些可选的实施方式中，第一确定子模块具体包括：

第一确定单元，用于确定各个目标租赁状态是否处于在租状态；

第一标记单元，用于若是所有的目标租赁状态均处于在租状态，对租赁状态对应的样本租赁对象进行流失标记，得到样本租赁对象对应的标签为第一预设值。

在一些可选的实施方式中，第一确定子模块具体还包括：

第一确定单元，用于若多个目标租赁状态中存在处于退租状态的目标租赁状态，确定处于退租状态的目标租赁状态对应的样本租赁对象的房屋签约状态；

第二确定单元，用于基于房屋签约状态确定样本租赁对象对应的标签。

在一些可选的实施方式中，第一确定子模块具体还包括：

第二标记单元，用于若房屋签约状态表征在预设时间段内已签约，对已签约的样本租赁对象进行留存标记，得到样本租赁对象对应的标签为第二预设值；

第三标记单元，用于若房屋签约状态表征在预设时间段内未签约，对未签约的样本租赁对象进行流失标记，得到样本租赁对象对应的标签为第一预设值。

在一些可选的实施方式中，第一获取模块601具体包括：

第二获取子模块，用于获取多个待处理合同以及其合同信息；

第二确定子模块，用于根据待处理合同的合同信息确定待处理合同对应的合同状态和剩余租赁期限；

筛选子模块，用于从多个待处理合同中筛选出合同状态在预设时间处于已签约状态且剩余租赁期限大于预设租赁时长的合同；

合同信息确定子模块，用于将筛选出的合同作为样本合同，以得到样本合同的合同信息。

参照图7，本申请的一个实施例还提供了一种租赁流失的预测装置，包括：

第三获取模块701，用于获取目标租赁对象对应的待处理数据，待处理数据包括目标租赁对象对应的目标合同的合同信息、目标租赁对象的对象特征和目标租赁对象对应的目标租赁房屋的房屋特征；

预测模块702，用于将待处理数据输入租赁流失预测模型中，得到目标租赁对象的流失预测结果。

在一些可选的实施方式中，租赁流失的预测装置还包括：

防流失模块，用于若目标租赁对象的流失预测结果为流失，对目标租赁对象进行防流失的策略处理，防流失的策略包括发放代金券和优惠券。

本实施例中的房源推荐装置是以功能模块的形式来呈现，这里的模块是指专用集成电路(Application Specific Integrated Circuit，简称ASIC)，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

上述房源推荐装置与租赁流失预测模型的训练方法基于相同的发明构思，通过获取样本合同的合同信息，基于样本合同确定样本租赁对象和样本租赁房屋，以得到样本租赁对象的对象特征和样本租赁房屋的房屋特征，以及获取样本租赁对象对应的标签，将样本合同的合同信息、样本租赁对象的对象特征和样本租赁房屋的房屋特征输入预设租赁流失预测模型中，得到预测结果，能够基于预测结果以及标签，对预设租赁流失预测模型的参数进行迭代更新，以确定租赁流失预测模型，能够提升租赁流失预测模型对租赁对象进行流失预测的准确性，而且通过租赁流失预测模型能够及时预判租赁对象的租赁情况，从而能够及时对租赁对象进行留存，进而能够提高房屋租赁率。

本发明实施例还提供一种计算机设备，具有上述图6所示的租赁流失预测模型的训练装置或者图7所示的租赁流失的预测装置。

请参阅图8，图8是本发明可选实施例提供的一种计算机设备的结构示意图，如图8所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器10为例。

处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。

存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。

该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接，图8中以通过总线连接为例。

输入装置30可接收输入的数字或字符信息，以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。上述显示设备包括但不限于液晶显示器，发光二极管，显示器和等离子体显示器。在一些可选的实施方式中，显示设备可以是触摸屏。

本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。