Eiendomsmeglerfirmaet John L. Scott bruker Amazon Textract for å finne rasebegrensende språk fra eiendomsskjøter for huseiere

Grunnlagt for mer enn 91 år siden i Seattle, John L. Scott eiendomsmeglingsin kjerneverdi er å leve livet som et bidrag®. Firmaet hjelper boligkjøpere med å finne og kjøpe drømmeboligen, samtidig som det hjelper selgere med å gå inn i neste kapittel av boligreisen. John L. Scott driver for tiden over 100 kontorer med mer enn 3,000 agenter over hele Washington, Oregon, Idaho og California.

Da selskapets driftsansvarlige Phil McBride begynte i selskapet i 2007, var en av de første utfordringene hans å skifte selskapets offentlige nettsted fra et lokalt miljø til et skybasert miljø. Ifølge McBride åpnet en verden av ressurser seg for John L. Scott når selskapet begynte å jobbe med AWS for å bygge et enkelt kontrollert, skyaktivert miljø.

I dag tar McBride på seg utfordringen med å avdekke og modifisere flere tiår gamle diskriminerende restriksjoner i hjemmetitler og gjerninger. Det han ikke forventet var å få hjelp fra AWS til foretaket.

I dette innlegget deler vi hvordan John L. Scott bruker amazontekst og Amazon Comprehend å identifisere rasebegrensende språk fra slike dokumenter.

Et problem forankret i historisk diskriminering

Rasepakter begrenser hvem som kan kjøpe, selge, lease eller okkupere en eiendom basert på rase (se følgende eksempeldokument). Selv om de ikke lenger kunne håndheves siden Fair Housing Act av 1968, ble rasepakter gjennomgående over hele landet under boligboomen etter andre verdenskrig og er fortsatt til stede i titlene til millioner av hjem. Raseavtaler er direkte bevis på eiendomsbransjens medvirkning og selvtilfredshet når det kom til regjeringens rasistiske politikk fra fortiden, inkludert redlining.

I 2019 talte McBride til støtte for lovgivningen i delstaten Washington som fungerte som neste skritt i å korrigere den historiske urettferdigheten til rasespråk i pakter. I 2021 ble det vedtatt et lovforslag som påla eiendomsmeglere å gi melding om enhver ulovlig registrert pakt eller skjøtebegrensning til kjøpere på salgstidspunktet. Et år etter at lovgivningen vedtok og huseiere ble varslet, oppdaget John L. Scott at bare fem huseiere i delstaten Washington handlet for å oppdatere sine egne eiendomsdokumenter.

"Utfordringen ligger i det store volumet av eiendommer i staten Washington, og det nåværende systemet for å oppdatere dine gjerninger," sa McBride. "Prosessen for å oppdatere er fortsatt veldig komplisert, så bare de mest motiverte huseierne ville lagt ned forskning og legwork for å endre gjerningen sin. Dette kom bare ikke til å skje i stor skala.»

De første forsøkene på å finne restriktivt språk har funnet ut at universitetsstudenter og frivillige i samfunnet manuelt leser dokumenter og registrerer funn. Men bare i staten Washington måtte millioner av dokumenter analyseres. En manuell tilnærming vil ikke skalere effektivt.

Maskinlæring overvinner manuelle og kompliserte prosesser

Med støtte fra AWS Global Impact Computing Specialists og Solutions Architects har John L. Scott bygget en intelligent dokumentbehandlingsløsning som hjelper huseiere enkelt å identifisere rasebegrensende avtaler i eiendomsdokumentene sine. Denne intelligente dokumentbehandlingsløsningen bruker maskinlæring til å skanne titler, skjøter og andre eiendomsdokumenter, og søker etter teksten etter rasebegrensende språk. Washington State Association of County Auditors samarbeider også med John L. Scott for å gi digitaliserte skjøter, titler og CC&R-er fra databasen deres, og starter med King County, Washington.

Når disse rasepaktene er identifisert, veileder John L. Scott-teammedlemmer huseiere gjennom prosessen med å modifisere de diskriminerende restriksjonene fra hjemmets tittel, med støtte fra nettbaserte notartjenester som Notarize.

Med et mål om å bygge en løsning som det slanke teamet hos John L. Scott kunne administrere, jobbet McBrides team med AWS for å evaluere ulike tjenester og sy dem sammen på en modulær, repeterbar måte som møtte teamets visjon og prinsipper for hastighet og skala. For å minimere administrasjonskostnader og maksimere skalerbarhet, jobbet teamet sammen for å bygge en serverløs arkitektur for håndtering av dokumentinntak og restriktiv språkidentifikasjon ved hjelp av flere viktige AWS-tjenester:

• Amazon enkel lagringstjeneste – Dokumenter lagres i en Amazon S3-datasjø for sikker og svært tilgjengelig lagring.
• AWS Lambda – Dokumenter behandles av Lambda når de ankommer S3-datasjøen. Originale dokumentbilder deles inn i enkeltsidefiler og analyseres med Amazon Textract (tekstgjenkjenning) og Amazon Comprehend (tekstanalyse).
• amazontekst – Amazon Textract konverterer automatisk råbilder til tekstblokker, som skannes ved hjelp av uklar strengmønstertilpasning for restriktivt språk. Når restriktivt språk er identifisert, lager Lambda-funksjoner nye bildefiler som fremhever språket ved å bruke koordinatene levert av Amazon Textract. Til slutt lagres registreringer av de restriktive funnene i en Amazon DynamoDB tabellen.
• Amazon Comprehend – Amazon Comprehend analyserer tekstutgangen fra Amazon Textract og identifiserer nyttige data (entiteter) som datoer og steder i teksten. Denne informasjonen er nøkkelen til å identifisere hvor og når restriksjoner var i kraft.

Det følgende diagrammet illustrerer arkitekturen til den serverløse inntaks- og identifiseringsrørledningen.

Med utgangspunkt i dette grunnlaget inkluderer teamet også pakkeinformasjon (via GeoJSON og shapefiler) fra fylkeskommuner for å identifisere berørte eiendomseiere slik at de kan bli varslet og starte prosessen med utbedring. Et kommende offentlig nettsted vil også snart tillate eiendomseiere å legge inn adressen sin for å se om eiendommen deres er berørt av restriktive dokumenter.

Setter et nytt eksempel for det 21. århundre

På spørsmål om hva som er neste, sa McBride å jobbe med Amazon Textract og Amazon Comprehend har hjulpet teamet hans til å tjene som et eksempel for andre fylker og eiendomsfirmaer over hele landet som ønsker å bringe prosjektet inn i deres geografiske område.

"Ikke alle områder vil ha robuste programmer som vi gjør i staten Washington, med frivillige fra University of Washington som indekserer gjerninger og varsler huseierne," sa McBride. "Men vi håper å tilby denne intelligente dokumentbehandlingsløsningen i det offentlige rom vil hjelpe andre å drive endring i lokalsamfunnene deres."

Les mer

---

Om forfatterne

Jeff Stockamp er en senior løsningsarkitekt med base i Seattle, Washington. Jeff hjelper til med å veilede kunder når de bygger godt utformede applikasjoner og migrerer arbeidsbelastninger til AWS. Jeff er en konstant bygger og bruker fritiden sin på å bygge Legos sammen med sønnen.

Jarman Hauser er leder for forretningsutvikling og Go-to-Market strategi hos AWS. Han jobber med kunder for å utnytte teknologi på unike måter for å løse noen av verdens mest utfordrende sosiale, miljømessige og økonomiske utfordringer globalt.

Moussa Koulbou er Senior Solutions Architecture-leder i AWS. Han hjelper kundene med å forme deres skystrategi og akselerere deres digitale hastighet ved å skape forbindelsen mellom intensjon og handling. Han leder et høytytende Solutions Architects-team for å levere bedriftsbaserte løsninger som utnytter AWS banebrytende teknologi for å muliggjøre vekst og løse de mest kritiske forretnings- og sosiale problemene.