Fastighetsmäklarfirman John L. Scott använder Amazon Textract för att använda rasrestriktiva språk från fastighetshandlingar för husägare

Grundades för mer än 91 år sedan i Seattle, John L. Scott Fastigheters kärnvärde är att leva livet som ett bidrag®. Företaget hjälper bostadsköpare att hitta och köpa sina drömhem, samtidigt som det hjälper säljare att gå vidare till nästa kapitel av sin bostadsäganderesa. John L. Scott driver för närvarande över 100 kontor med mer än 3,000 XNUMX agenter över hela Washington, Oregon, Idaho och Kalifornien.

När företagets operativa chef Phil McBride kom till företaget 2007, var en av hans första utmaningar att flytta företagets offentliga webbplats från en lokal miljö till en molnvärd. Enligt McBride öppnade sig en värld av resurser för John L. Scott när företaget började arbeta med AWS för att bygga en lättkontrollerad, molnaktiverad miljö.

Idag tar McBride sig an utmaningen att avslöja och modifiera decennier gamla diskriminerande restriktioner i hemmatitlar och handlingar. Vad han inte förväntade sig var att ta hjälp av AWS för företaget.

I det här inlägget delar vi hur John L. Scott använder amazontext och Amazon Comprehend att identifiera rasbegränsande språk från sådana dokument.

Ett problem som bottnar i historisk diskriminering

Rasliga förbund begränsar vem som kan köpa, sälja, leasa eller ockupera en fastighet baserat på ras (se följande exempeldokument). Även om de inte längre är verkställbara sedan Fair Housing Act från 1968, blev rasavtal genomträngande över hela landet under bostadsboomen efter andra världskriget och är fortfarande närvarande i titlarna på miljontals hem. Rasöverenskommelser är ett direkt bevis på fastighetsbranschens delaktighet och självbelåtenhet när det kom till regeringens rasistiska politik från det förflutna, inklusive redlining.

Under 2019 talade McBride till stöd för lagstiftningen i delstaten Washington som fungerade som nästa steg i att korrigera den historiska orättvisan för rasspråk i förbund. År 2021 antogs ett lagförslag som krävde att fastighetsmäklare skulle meddela köpare om eventuella olagliga registrerade förbindelser eller handlingsbegränsningar vid tidpunkten för försäljningen. Ett år efter att lagstiftningen antogs och husägare underrättades upptäckte John L. Scott att endast fem husägare i delstaten Washington agerade för att uppdatera sina egna fastighetshandlingar.

"Utmaningen ligger i den stora mängden fastigheter i delstaten Washington, och det nuvarande systemet för att uppdatera dina gärningar," sa McBride. "Processen att uppdatera är fortfarande mycket komplicerad, så bara de mest motiverade husägarna skulle lägga ner forskning och benarbete för att ändra sin handling. Det här skulle helt enkelt inte hända i stor skala."

De första försöken att hitta ett restriktivt språk har funnit att universitetsstudenter och samhällsvolontärer manuellt läser dokument och registrerar resultat. Men bara i delstaten Washington behövde miljontals dokument analyseras. Ett manuellt tillvägagångssätt skulle inte skalas effektivt.

Maskininlärning övervinner manuella och komplicerade processer

Med stöd av AWS Global Impact Computing Specialists och Solutions Architects har John L. Scott byggt en intelligent dokumentbehandlingslösning som hjälper husägare att enkelt identifiera rasrestriktiva förbund i sina egendomsdokument. Denna intelligenta dokumentbearbetningslösning använder maskininlärning för att skanna titlar, handlingar och andra egendomsdokument och söka i texten efter rasbegränsande språk. Washington State Association of County Auditors arbetar också med John L. Scott för att tillhandahålla digitaliserade handlingar, titlar och CC&Rs från deras databas, med början i King County, Washington.

När dessa rasliga förbund har identifierats, vägleder John L. Scotts teammedlemmar husägare genom processen att ändra de diskriminerande begränsningarna från deras hems titel, med stöd av onlinenotarietjänster som Notarize.

Med ett mål att bygga en lösning som det slanka teamet på John L. Scott kunde hantera, arbetade McBrides team med AWS för att utvärdera olika tjänster och sy ihop dem på ett modulärt, repeterbart sätt som uppfyllde teamets vision och principer för hastighet och skala. För att minimera administrationskostnader och maximera skalbarhet, arbetade teamet tillsammans för att bygga en serverlös arkitektur för hantering av dokumentinmatning och restriktiv språkidentifiering med hjälp av flera viktiga AWS-tjänster:

• Amazon enkel lagringstjänst – Dokument lagras i en Amazon S3-datasjö för säker och högtillgänglig lagring.
• AWS Lambda – Dokument behandlas av Lambda när de anländer till S3-datasjön. Originaldokumentbilder delas upp i ensidiga filer och analyseras med Amazon Textract (textidentifiering) och Amazon Comprehend (textanalys).
• amazontext – Amazon Textract konverterar automatiskt råa bilder till textblock, som skannas med suddig matchning av strängmönster för begränsande språk. När ett begränsat språk identifieras skapar Lambda-funktioner nya bildfiler som markerar språket med hjälp av koordinaterna som tillhandahålls av Amazon Textract. Slutligen lagras register över de restriktiva fynden i en Amazon DynamoDB tabell.
• Amazon Comprehend – Amazon Comprehend analyserar textutmatningen från Amazon Textract och identifierar användbar data (entiteter) som datum och platser i texten. Denna information är nyckeln till att identifiera var och när restriktioner gällde.

Följande diagram illustrerar arkitekturen för den serverlösa inmatnings- och identifieringspipelinen.

Med utgångspunkt från denna grund införlivar teamet också paketinformation (via GeoJSON och shapefiler) från länsstyrelser för att identifiera berörda fastighetsägare så att de kan meddelas och påbörja saneringsprocessen. En kommande offentlig webbplats kommer också snart att tillåta fastighetsägare att ange sin adress för att se om deras fastighet är påverkad av restriktiva dokument.

Ett nytt exempel för 21-talet

På frågan om vad som händer härnäst, sa McBride att arbeta med Amazon Textract och Amazon Comprehend har hjälpt hans team att fungera som ett exempel för andra län och fastighetsföretag över hela landet som vill föra projektet in i deras geografiska område.

"Inte alla områden kommer att ha robusta program som vi gör i delstaten Washington, med University of Washingtons volontärer som indexerar handlingar och meddelar husägarna," sa McBride. "Men vi hoppas att erbjuda denna intelligenta dokumentbehandlingslösning i det offentliga rummet kommer att hjälpa andra att driva förändringar i sina lokala samhällen."

LÄR DIG MER

---

Om författarna

Jeff Stockamp är en senior lösningsarkitekt baserad i Seattle, Washington. Jeff hjälper till att vägleda kunder när de bygger väl utformade applikationer och migrerar arbetsbelastningar till AWS. Jeff är en konstant byggare och ägnar sin fritid åt att bygga lego tillsammans med sin son.

Jarman Hauser är ledare för affärsutveckling och Go-to-Market Strategy på AWS. Han arbetar med kunder för att utnyttja teknologi på unika sätt för att lösa några av världens mest utmanande sociala, miljömässiga och ekonomiska utmaningar globalt.

Moussa Koulbou är Senior Solutions Architecture-ledare på AWS. Han hjälper kunder att forma sin molnstrategi och accelerera deras digitala hastighet genom att skapa kopplingen mellan avsikt och handling. Han leder ett högpresterande Solutions Architects-team för att leverera lösningar av företagsklass som utnyttjar AWS banbrytande teknologi för att möjliggöra tillväxt och lösa de mest kritiska affärs- och sociala problemen.