Domus Analytics · Termékáttekintés · 2026

DOMUS
ANALYTICS
SYSTEM

Egységes adat-, modell- és felületréteg a magyar lakóingatlan-piacra —
Deal score, piaci monitorozás és MI-alapú döntéstámogatás egy helyen.

⬛ Belső / partner

DAS · v2.3 · 2026 Q2

Grecz Balázs

Fejlesztő

700k+ hirdetés

Aktív hirdetés az adatbázisban

Qdrant 551k pont

Vektor keresés (Qdrant + FAISS)

Qwen3 0.6B

Fine-tuned LLM query parser (GGUF)

R² 0.81

Összesített modell pontosság

169 db

Gépi tanulási feature

A piac problémája — és a megoldásunk

A jelenlegi helyzet

Szétszórt adatok: befektetők 13+ portált figyelnek manuálisan, párhuzamosan

Marketing zaj: az alulározott ingatlanok napok alatt eltűnnek, mire valaki észreveszi

Nincs predikció: statikus listák, nincs automatizált árértékelés, nincs deal score

Excel-alapú döntés: hibalehetőség magas, nem skálázható, lassú

→

A DAS megoldása

Egyetlen platform: 13+ forrás egy MySQL-alapú DAS adatbázisban, REST API és webes felület (React)

Deal Score + ármodell: hirdetés-szintű rangsorolás, több típusra tanított predikció, confidence réteg

Piaci index & előrejelzés: ország / szegment / város napi index, Holt–Winters + priorok, walk-forward OOS metrika

Smart Search: BGE-M3 dense + sparse + cross-encoder reranker + MLP profil. Qdrant vektor keresés payload szűréssel (kerület, utca, szoba), Qwen3-0.6B fine-tuned LLM query parser feature kinyeréssel (GGUF CPU-n). Street boost, district scoring.

RAG & hírek: városi hír-flow, szentiment, kulcsszó-súlyok; asszisztens a DAS-ban dokumentum-alapon. Qdrant + FAISS dual index.

AI Modell teljesítmény

Lakások (Budapest + vidék) R²=0.80

MAPE: 12.3% · ~12%-os átlagos eltérés

Házak – Budapest R²=0.78

MAPE: 12.9%

Kombinált összesített R²=0.81

MAPE: 15.2% · 3 modell ensemble

A predikció NLP-t, demográfiai és likviditási jelzőket, eladott-hirdetés-statisztikákat és időbeli trendeket használ; a Market nézetben külön idősor a napi indexre, KSH-szerű havi háttérrel és opcionális előrejelzéssel.

Technikai differenciátorok

⚡

Valós idejű monitoring

13 portál automatikus scraping-je, törlés-detektálás, 2+ hónap árhistória

🧠

NLP leírás-elemzés

Automatikus szövegértelmezés kiszűri a marketing-duma és félrevezető adatokat

📊

Eladott hirdetések analitikája

Városonkénti átfolyási idő, árcsökkentési ráta, likviditási score a deal-értékelésben

🔒

Confidence Score rendszer

Minden deal-nél megbízhatósági jelző: galéria-torzítás, telek kockázat, jogi problémák

🔍

Smart Search — LLM + Qdrant

Szabad szavas keresés: BGE-M3 dense + lexical + cross-encoder reranker + MLP profil. Qdrant vektor DB payload szűréssel. Qwen3-0.6B GGUF query parser (CPU-n 3-6 mp). Kerület, utca, feature boost.

📈

DAS Market modul

Országos és szegmentált napi index, piaci jelzők (volatilitás, likviditás, breadth), előrejelzés valós illesztéssel; auth + kvóta az API-n

💬

RAG & asszisztens

Visszakereshető dokumentumok és kontextus-alapú válaszok; hír és szentiment réteg városonként. Qdrant + FAISS dual index, inkrementális frissítés

⚡

ONNX + GGUF optimalizálás

BGE-M3 ONNX export (2-4x gyorsabb CPU-n), Qwen3 GGUF Q4_K_M quantizáció (397MB), label masking, Flash Attention 2 (A40)

v2.3 Keresési pipeline

1. Intent parser — regex strukturált (ár, nm, szoba, év, kerület, utcatípus)

2. LLM parser — Qwen3-0.6B GGUF (4-8 mp, ChatML, think nélkül) → features, streets

3. Hybrid merge — regex pontos + LLM szabad szavas → intent dict

4. Dense recall — Qdrant vektor + payload filter (FAISS fallback)

5. Sparse/MLP recall — BGE-M3 lexical + SemanticMLP bottleneck

6. Szűrők — intent (ár/nm/szoba) + location (kerület) + content (erkély stb.)

7. Reranker — BGE reranker-v2-m3 cross-encoder (desc[:1200])

8. Scoring — relevance(50% rerank) + loc_bonus + street_boost + content_pen + final_score

9. EstateNet — text_premium + base/full price m² + verdict

10. Cache + dedup — memory/disk cache, property_id/short_id/fp dedup

District scoring: +0.20 (exact) / +0.05 (same city) / -0.25 (wrong). Street boost: +0.12 (name+type) / +0.06 (name). Content coverage: features (weight 1.5) → reranker expectations.

Infrastruktúra & optimalizálás

Qdrant v1.18 — Docker, 551K pont, 1024d COSINE, 17 mezős payload, KEYWORD/INTEGER/FLOAT indexek

FAISS index — BGE-M3 1024d IVF, sparse_lexical.pkl, nightly cron rebuild

Qwen3-0.6B — LoRA fine-tune (r=16), GGUF Q4_K_M (397MB), label masking, A40/CPU auto-detect

ONNX + FlashAttn — BGE-M3 ONNX export (2-4x CPU), Flash Attention 2 (A40), torch.set_num_threads

Inkrementális frissítés — FAISS: embedding cache diff → nightly. Qdrant: --incremental flag. RAG: heti cron.

Scoring optimalizálás — _blend_semantic_relevance vektorizált, combined final_score, _minmax 0.5 fallback, Qdrant client cache, chunked SQL

Versenyelőny

Képesség	DAS	Ingatlanportálok	Excel / manuális	Külföldi SaaS
Valós idejű deal score minden hirdetésre	✓	✗	✗	✗ (HU piac)
13 forrás aggregálva, deduplikálva	✓	részben	✗	✗
AI árpredikció + megbízhatósági jelző	✓	korlátozott	✗	✗
Eladott hirdetések alapú piaci analitika	✓	✗	✗	✗
Piaci index, előrejelzés, városi / országos monitor	✓	✗	✗	részben
Más piacokra skálázható architektúra	✓	✗	✗	részben

A DAS architektúra nem szorultan magyar-specifikus. Új piac bekötése scraping és jogi keretek igazítását jelenti; a predikciós pipeline, a deal score és az üzleti logika nagy része újrafelhasználható.

Potenciális következő piacok: Románia · Csehország · Lengyelország · Szlovákia · Ausztria

Fejlesztési ütemterv

Jelenlegi

Technikai mag

700k+ hirdetés · 17 forrás · DAS web (React) · REST API · Market index + előrejelzés · Deal score · MySQL · Qdrant + FAISS · RAG / hírek · Qwen3 LLM parser

Q3 2026

Smart Search · ONNX

Qdrant payload szűrés finomhangolása · ONNX minden modellnél · Qwen3 model retrain · Keresési relevantia A/B teszt

Q4 2026

API & partnerségek

Banki API · white label · ingatlaniroda integráció

2026

Régió-bővítés

CEE piacok · román és lengyel scraperek · helyi partner