数据库技术的迅速发展以及数据库管理系统在房地产行业的广泛应用,导致了各部门积累了越来越多的数据。目前的数据库技术虽然可以高效地实现数据查询、统计等功能,却无法发现数据中存在的关系和规则。房地产中介业务作为房地产行业的主要业务之一,如何从海量的数据信息中挖掘出有用的知识,快速进行潜在交易双方的“配对”预测,是一个值得研究的实际问题。本文从这一实际问题出发,对数据挖掘中用于分类的核心算法之一——决策树方法进行了深入地研究。通过比较分析,选取决策树中的ID3算法来解决这一问题。并且在实际应用中采用属性-值对两次信息增益优化算法来解决ID3算法的取值偏向问题,对房地产中介房源信息的同一实例集分别用ID3算法和优化算法建立决策树,产生形如“具有某些特征的房源交易成功几率较高”之类的规则。实验得出,使用属性-值对的两次信息增益优化算法比ID3算法所得到的决策树更接近于理想决策树,分类准确率更高。将该优化算法用于中介房源信息分析,可以依据房源信息的属性特征更为准确地对大量房源信息进行分类,从而对某一房源能否交易成功几率进行合理预测,更为科学地指导房地产企业去发现房地产中介业务中的“潜在客户”。