real_estate_ads
קוד פתוחdivarofficialodbl2025-04-09
מיליון מודעות נדל"ן מלוח דיוואר האיראני עם נתונים גיאוגרפיים, פיננסיים ומפרט טכני מלא. הוא רלוונטי למי שחוקר תמחור נכסים או זקוק לטקסט חופשי בפרסית לצד מאפיינים טבלאיים.
- 787הורדות בחודש
- 87לייקים
מה זה
המאגר כולל מיליון רשומות של מודעות נדל"ן מתוך פלטפורמת Divar, שנאספו לאורך חצי שנה במהלך 2024. הנתונים מייצגים דגימה אקראית מתוך כלל המודעות באתר, ועברו תהליך אנונימיזציה והסרה של עמודות מסוימות כדי למנוע זיהוי ולשמור על פרטיות. אין כאן חלוקה מובנית לחלקי אימון ומבחן, אלא קובץ יחיד.
בכל רשומה יש 57 עמודות המשלבות מאפיינים טבלאיים וטקסט. המידע מחולק לקטגוריות נכס כמו דירות או קרקעות, מיקום הכולל קואורדינטות גיאוגרפיות ומזהי שכונות, פרטי פרסום, ונתונים פיננסיים על מחירי מכירה, דמי שכירות ותנאי תשלום. בנוסף יש מפרט פיזי של שטח, שנת בנייה, קומה, ומאפיינים כמו חניה, מעלית, מערכות קירור והסקה, ואף תמחור יומי להשכרות קצרות טווח.
מתאים ל
- חיזוי מחירי נדל"ן
אימון אלגוריתמי רגרסיה להערכת שווי נכסים ומחירי שכירות לפי גודל, מיקום ומאפיינים פיזיים.
- עיבוד שפה בפרסית
ניתוח טקסט חופשי מתוך כותרות ותיאורי מודעות לסיווג ישויות, חילוץ מאפיינים ומודלי שפה.
- ניתוח שוק גיאוגרפי
בדיקת התפלגות מחירים ודפוסי ביקוש במרחב העירוני באמצעות נקודות הציון הגיאוגרפיות.
איפה זה נופל
הטקסט במודעות כתוב בפרסית בלבד ומתייחס לשוק הנדל"ן באיראן, כך שאינו מתאים לאימון מודלים לשוק המקומי בישראל. הנתונים מייצגים חלון זמן מוגבל של חצי שנה בשנת 2024, ומבוססים על מחירי מודעות מבוקשים ולא על עסקאות סגורות בפועל. בנוסף, רשומות רבות דורשות השלמת ערכים חסרים לפני עבודה, בעיקר במאפייני פרימיום או שדות השכרה ספציפיים.
שאלות
נפוצות
האם הדאטהסט כולל נתונים מישראל או בעברית?
לא. כל הנתונים מגיעים מפלטפורמת Divar הפועלת באיראן, והטקסט במודעות כתוב בפרסית. המאפיינים הטבלאיים אמנם באנגלית, אך הכלכלה, המטבע והמיקומים זרים לשוק הישראלי.
האם מותר להשתמש במידע לפיתוח מוצר מסחרי?
כן, רישיון ODbL מאפשר שימוש מסחרי, אך הוא כולל סעיף שיתוף זהה שמחייב שחרור של כל גרסה מעובדת של בסיס הנתונים תחת אותו רישיון. אם אתם רק מאמנים מודל ומשתמשים בו פנימית, הדרישות פחות מגבילות, אך הפצת הנתונים עצמם דורשת פתיחות מלאה.
מה הגודל של הקובץ והאם קל לטעון אותו?
הקובץ שוקל כ־750 מגה בייט בפורמט CSV ומכיל מיליון שורות עם 57 עמודות. מחשב פיתוח סטנדרטי מסוגל לטעון אותו לזיכרון ב־pandas תוך שניות בודדות ללא צורך בתשתית מבוזרת.
האם הנתונים מייצגים מחירי אמת של עסקאות?
לא. הנתונים מציגים מחירי פתיחה שפורסמו על ידי בעלי הנכסים או סוכנויות תיווך בלוח המודעות. אין במאגר מעקב אחר המחיר הסופי שבו נסגרו החוזים.
איך טוענים
טוענים את המאגר ישירות דרך ספריית datasets באמצעות המזהה divarofficial/real-estate-ads או פותחים את קובץ ה־CSV המצורף בספריית pandas. נפח הקובץ הוא כ־750 מגה בייט והוא פתוח להורדה מיידית ללא צורך בהרשאת גישה מיוחדת.
השדות החשובים לחיזוי הם גודל המבנה building_size, שנת הבנייה construction_year, מספר החדרים rooms_count, מזהי המיקום ושדות המחיר price_value ו־rent_value. שדות הטקסט המרכזיים הם title ו־description שכתובים בפרסית.
from datasets import load_dataset
ds = load_dataset("divarofficial/real_estate_ads")הרישיון
המאגר מופץ תחת רישיון ODbL. הרישיון מאפשר שימוש מסחרי ומחקר, אך מחייב מתן קרדיט ליוצרים. אם אתם משנים את הנתונים, מוסיפים עליהם או מפיקים מהם בסיס נתונים חדש, אתם מחויבים להפיץ אותו תחת אותו הרישיון בדיוק. לגבי מודלים שאומנו עליו, החובה חלה על הפצת הנתונים עצמם ולא בהכרח על משקלי המודל, אך יש לבחון זאת משפטית לפני שילוב במוצר סגור.