四川省2018年发布了1亿元的房产数据调查合同,采集成都、眉山等4个城市的房产数据,合同接受单位的数据采集完全靠人工线下实现,然而房产市场的数据来源众多,房屋数据的整合具有数据量大、数据多源异构、数据缺失等难点,为我国房产税征收的房屋数据预调研的造成了阻碍。为提高采集数据的效率,受房产数据调查合同接收方委托,本文提出了一种基于粒子群优化的房产数据向量对齐算法,来对不同中介二手房房源进行实体匹配,主要工作如下:1.编写Scrapy爬虫获取初始二手房房源数据。我们将爬取的二手房数据进行数据预处理,包括对数据不完整的数据进行补全、对两个中介二手房源数据进行归一化处理。2.提出了房产数据的归一化的带权值向量模型。首先,根据房产属性类型的多样性,分别对数值、文本、图片三种类型数据进行数值化建模为[0,1]的数据向量;然后,再结合房地产数据向量不同属性对房源相似性判断的影响不同,形成了带权值的房产数据向量模型。3.提出了基于粒子群优化的房产数据向量对齐算法。把不同房产属性的权值组成的向量看作是一个粒子个体,利用自适应权重改进的粒子群算法,对不同属性相似度权值进行优化处理,最终得到了不同属性相似度权值和二手房房源相似度的阀值。本文的创新之处在于根据二手房房源数据的多源异构,构建了根据不同数据类型房产数据向量及其属性模型。并首次利用实体对齐技术实现基于粒子群算优化的房地产数据向量对齐。通过与几种常见的分类器和标准粒子群算法分类相比,本文设计的算法在房地产数据向量对齐效果方面取得了明显改善。