CN108197288B - 根据用户特征偏好的房源推送方法、装置、设备及介质 - Google Patents

根据用户特征偏好的房源推送方法、装置、设备及介质 Download PDF

Info

Publication number
CN108197288B
CN108197288B CN201810042036.4A CN201810042036A CN108197288B CN 108197288 B CN108197288 B CN 108197288B CN 201810042036 A CN201810042036 A CN 201810042036A CN 108197288 B CN108197288 B CN 108197288B
Authority
CN
China
Prior art keywords
user
behavior
pushing
house source
browsing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810042036.4A
Other languages
English (en)
Other versions
CN108197288A (zh
Inventor
王韬
孙朋伟
韦柏松
徐蓓
侯斯靓
胡海亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pingan Haofang Shanghai eCommerce Co Ltd
Original Assignee
Pingan Haofang Shanghai eCommerce Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pingan Haofang Shanghai eCommerce Co Ltd filed Critical Pingan Haofang Shanghai eCommerce Co Ltd
Priority to CN201810042036.4A priority Critical patent/CN108197288B/zh
Publication of CN108197288A publication Critical patent/CN108197288A/zh
Application granted granted Critical
Publication of CN108197288B publication Critical patent/CN108197288B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种根据用户特征偏好的房源推送方法，所述方法包括以下步骤：当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源。本发明还公开了根据用户特征偏好的房源推送装置、设备及计算机可读存储介质。本发明能够使推荐结果更加准确。

Description

根据用户特征偏好的房源推送方法、装置、设备及介质
技术领域
本发明涉及数据分析与处理领域，尤其涉及一种根据用户特征偏好的房源推送方法、装置、设备及计算机可读存储介质。
背景技术
随着互联网的进步，人们在需要购买房子或者租赁房子时，越来越倾向于在网上进行查找房源，从而缩短查找房源的时间，提高查找房源的效率。
但目前市面上的房产信息平台通常采用的是用户主动搜索、筛选等方式，完全由用户主动来寻找适合自己的房源，而房产信息平台上的房源较多，这种方式通过用户自动搜索、筛选对用户而已费时费力，并且大量房源被淹没在海量数据中，而符合用户需求的房源无法快速到达用户。部分平台虽然也存在推荐但只是热门房源推荐，热门房源并不一定是用户需要的房源，而用户而言，推送并不智能，而如果采用人工介入，分析用户需要的房源，然后进行推送，会导致网站的运营成本变高。
发明内容
本发明的主要目的在于提出一种根据用户特征偏好的房源推送方法、装置、设备及计算机可读存储介质，旨在解决现有的房源推送不智能，而采用人工进行推送，会导致成本升高的技术问题。
为实现上述目的，本发明提供一种根据用户特征偏好的房源推送方法，所述方法包括：
当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；
根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；
提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；
根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源。
可选地，所述根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤包括：
将所述时间差与第一预设值相乘，获得时间差与第一预设值之间的乘积；
将所述乘积与第二预设值相加，获得乘积与第二预设值的和；
将第三预设值与所述和进行相除，获得用户填写资料行为的推送权重；
将所述第二预设值与用户填写资料行为的推送权重相减，获得用户浏览行为的推送权重。
可选地，所述根据所述用户特征偏好得分向用户推送房源的步骤包括：
根据所述用户特征偏好得分在房源系统中查找向用户推送的房源；
将查找到的房源向用户进行推送。
可选地，所述计算当前时间与接收到用户在房源系统中填写资料行为时的时间差的步骤之后，还包括：
判断用户从接收到用户在房源系统中填写资料行为时至当前时间是否触发浏览行为；
若用户触发了浏览行为，则执行所述根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤；否则，赋予所述用户填写资料行为的推送权重为预设权重。
可选地，所述提取所述用户填写资料行为和浏览行为对应的行为分值的步骤包括：
将所述用户填写资料行为划分为一级行为，将所述浏览行为划分为二级行为；
根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值。
可选地，所述根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值的步骤包括：
提取所述用户填写资料行为和浏览行为对应的房源特征标签；
判断所述房源特征标签是否为一级行为对应的房源特征标签；
若所述房源特征标签为一级行为对应的房源特征标签，则提取一级行为对应的房源特征标签对应的行为分值，否则提取二级行为对应的房源特征标签对应的行为分值。
可选地，计算用户特征偏好得分的公式为：
Figure BDA0001548679940000031
其中，T(t)为用户填写资料行为的推送权重，F显(Xi)为用户填写资料行为的特征偏好得分，1-T(t)为用户浏览行为的推送权重，F隐(Xi)为用户浏览行为的特征偏好得分。
此外，为实现上述目的，本发明还提供一种根据用户特征偏好的房源推送装置，所述装置包括：
计算模块，用于当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；
提取模块，用于提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；
推送模块，用于根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源。
此外，为实现上述目的，本发明还提供一种根据用户特征偏好的房源推送设备，所述根据用户特征偏好的房源推送设备包括根据用户特征偏好的房源推送程序，所述根据用户特征偏好的房源推送程序被所述根据用户特征偏好的房源推送设备执行时实现如上所述的根据用户特征偏好的房源推送方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有根据用户特征偏好的房源推送程序，所述根据用户特征偏好的房源推送程序被处理器执行时实现如上所述的根据用户特征偏好的房源推送方法的步骤。
本发明提出的根据用户特征偏好的房源推送方法、装置、设备及计算机可读存储介质，当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；然后根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；再提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；根据所述用户填写资料行为和浏览行为的特征偏好得分即可计算用户特征偏好得分，在向用户进行推送房源时，根据所述用户特征偏好得分向用户推送房源，从而提高推送房源的准确性。
附图说明
图1为本发明根据用户特征偏好的房源推送方法第一实施例的流程示意图；
图2为本发明根据用户特征偏好的房源推送方法第二实施例中根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤的细化流程示意图；
图3为本发明根据用户特征偏好的房源推送方法第三实施例中根据所述用户特征偏好得分向用户推送房源的步骤的细化流程示意图；
图4为本发明根据用户特征偏好的房源推送方法第四实施例的流程示意图；
图5为本发明根据用户特征偏好的房源推送方法第五实施例中提取所述用户填写资料行为和浏览行为对应的行为分值的步骤的细化流程示意图；
图6为本发明根据用户特征偏好的房源推送方法第五实施例中根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值的步骤的细化流程示意图；
图7为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；然后根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；再提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；根据所述用户填写资料行为和浏览行为的特征偏好得分即可计算用户特征偏好得分，在向用户进行推送房源时，根据所述用户特征偏好得分向用户推送房源，从而提高推送房源的准确性。
本发明实施例考虑到，目前市面上的房产信息平台通常采用的是用户主动搜索、筛选等方式，完全由用户主动来寻找适合自己的房源，而房产信息平台上的房源较多，这种方式通过用户自动搜索、筛选对用户而已费时费力，并且大量房源被淹没在海量数据中，而符合用户需求的房源无法快速到达用户。部分平台虽然也存在推荐但只是热门房源推荐，热门房源并不一定是用户需要的房源，而用户而言，推送并不智能，而如果采用人工介入，分析用户需要的房源，然后进行推送，会导致网站的运营成本变高。
为此，本发明实施例提出一种根据用户特征偏好的房源推送方法，当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；然后根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；再提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；根据所述用户填写资料行为和浏览行为的特征偏好得分即可计算用户特征偏好得分，在向用户进行推送房源时，根据所述用户特征偏好得分向用户推送房源，从而提高推送房源的准确性。
本发明提供一种根据用户特征偏好的房源推送方法。
参照图1，图1为本发明根据用户特征偏好的房源推送方法第一实施例的流程示意图。
在本实施例中，该方法包括：
步骤S100，当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；
在本实施例中，在向用户进行房源推送过程中，用户在房源系统中填写资料之后，其中，房源系统中会预设好房需求并在用户访问首页时引导用户填写房源资料，如果用户的浏览、关注、电话咨询等行为占据不必要的权重，会导致向用户推送的房源与用户填写的房源需求对应的房源类型出现偏差，即推荐的房源并不是按照用户填写的资料得到，会给用户造成推荐不准确的感觉。同样的，如果用户长时间未更改房源资料，并且用户后期的浏览、关注、电话咨询等行为对应的房源与用户填写的房源资料对应的房源存在差异，而此时用户在房源系统中填写房源资料又占据不必要的权重，也会导致向用户推送的房源与用户填写的房源资料对应的房源类型出现偏差，影响推送效果，因此，需要权衡用户在房源系统中填写房源资料与用户的浏览、关注、电话咨询等行为在推送房源之间的权重。进一步地，便于后续计算用户特征偏好得分，可以将用户填写资料行为划分为显性行为，将用户浏览、关注、电话咨询等行为划分为隐性行为。
具体地，房源系统可设置向用户推送房源的时间为定时推送，当推送房源的时间达到时，首先提取用户在房源系统中填写资料行为时的时间，当用户在房源系统中填写资料行为有多次时，可以提取用户距离当前时间最近的一次在房源系统中填写资料行为的时间，或者提取预设时间内的用户在房源系统中填写资料行为的时间，然后计算当前时间与接收到用户在房源系统中填写资料行为时的时间差。
步骤S200，根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；
在计算获得当前时间与接收到用户在房源系统中填写资料行为时的时间差之后，根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重，具体地，用户填写资料行为的推送权重公式为：T(t)＝δ/α(t-t0)+1，其中，t为当前时间，t0为用户填写资料行为的最新修改时间，t与t0之间的时间差值向下取整，单位为小时；δ、α可通过配置表进行配置以便获得最佳参数，例如：δ＝1，α＝0.08；当然，所述δ、α还可以为其他值，用户后期的浏览、关注、电话咨询等行为的推送权重的计算公式为：1-T(t)，比如，当用户填写资料行为的最新修改时间为2017年11月22号10点时，当前时间为11月22号22点，则t与t0之间的时间差值为12小时，当δ＝1，α＝0.08时，T(t)＝1/(0.8*12+1)＝0.094，用户后期的浏览、关注、电话咨询等行为的推送权重等于1-0.094＝0.906。
步骤S300，提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；
在计算得到用户填写资料行为的推送权重与用户后期的浏览、关注、电话咨询等行为的推送权重之后，提取所述用户填写资料行为和浏览行为对应的行为分值，然后将提取到的分值与计算得到的对应权值相乘，即可获得用户填写资料行为和浏览行为的特征偏好得分，比如，假设用户填写的资料中，房源需求为总价300万，户型为两室，则用户填写资料行为的行为分值为2分，在用户浏览行为中，当用户浏览的房源总价为300万时，则行为分值为1分，当用户浏览的房源户型为两室时，则行为分值为1分，当用户浏览的房源总价为300万且户型为两室时，则行为分值为2分，当用户浏览的房源总价不为300万且户型不为两室时，则行为分值为0分。
步骤S400，根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源。
在计算得到用户填写资料行为和浏览行为的特征偏好得分之后，即可根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，然后根据用户特征偏好得分，查找进行推送的房源，并将查找到的房源向用户进行推送。
进一步地，用户的特征偏好得分的计算公式为：
Figure BDA0001548679940000071
其中T(t)为用户填写资料行为的推送权重，F显(Xi)为用户填写资料行为的特征偏好得分，1-T(t)为用户浏览行为的推送权重，F隐(Xi)为用户浏览行为的特征偏好得分，当然F隐(Xi)并不局限为用户浏览行为的特征偏好得分，还可以为用户的关注、电话咨询等行为的特征偏好得分。
本实施例提出的根据用户特征偏好的房源推送方法，当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；然后根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；再提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；根据所述用户填写资料行为和浏览行为的特征偏好得分即可计算用户特征偏好得分，在向用户进行推送房源时，根据所述用户特征偏好得分向用户推送房源，从而提高推送房源的准确性。
进一步地，参照图2，基于本发明根据用户特征偏好的房源推送方法第一实施例提出本发明根据用户特征偏好的房源推送方法第二实施例。
在本实施例中，所述步骤S200包括：
步骤S210，将所述时间差与第一预设值相乘，获得时间差与第一预设值之间的乘积；
在本实施例中，计算用户填写资料行为和浏览行为的推送权重具体为：首先将所述时间差与第一预设值相乘，获得时间差与第一预设值之间的乘积；其中，所述第一预设值可通过配置表进行配置获得最佳参数，比如为0.08等
步骤S220，将所述乘积与第二预设值相加，获得乘积与第二预设值的和；
然后将所述乘积与第二预设值相加，获得乘积与第二预设值的和，在本实施例中，所述第二预设值可以为1。
步骤S230，将第三预设值与所述和进行相除，获得用户填写资料行为的推送权重；
然后将第三预设值与所述和进行相除，即可获得用户填写资料行为的推送权重；其中，所述第三预设值可通过配置表进行配置获得最佳参数，比如可以为1等；
步骤S240，将所述第二预设值与用户填写资料行为的推送权重相减，获得用户浏览行为的推送权重。
在获得用户填写资料行为的推送权重之后，将所述第二预设值与用户填写资料行为的推送权重相减，即可获得用户浏览行为的推送权重，即将1与用户填写资料行为的推送权重相减。
进一步地，参照图3，基于本发明根据用户特征偏好的房源推送方法第一实施例提出本发明根据用户特征偏好的房源推送方法第三实施例。
在本实施例中，所述步骤S400包括：
步骤S410，根据所述用户特征偏好得分在房源系统中查找向用户推送的房源；
步骤S420，将查找到的房源向用户进行推送。
在本实施例中，在计算得到用户特征偏好得分之后，房源系统即可根据所述用户特征偏好得分在房源系统中查找向用户推送的房源，然后将查找到的房源向用户进行推送，从而提高推送房源的准确性。
进一步地，参照图4，基于本发明根据用户特征偏好的房源推送方法第一实施例提出本发明根据用户特征偏好的房源推送方法第四实施例。
在本实施例中，所述步骤S100之后的步骤，还包括：
步骤S500，判断用户从接收到用户在房源系统中填写资料行为时至当前时间是否触发浏览行为；
在本实施例中，在计算当前时间与接收到用户在房源系统中填写资料行为时的时间差之后，由于用户有可能暂时没有浏览任何的房源，因此，可以进一步判断用户是否触发浏览行为；
步骤S600，若用户触发了浏览行为，则执行所述根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤；否则，赋予所述用户填写资料行为的推送权重为预设权重。
具体可以通过提取用户的浏览记录进行判断，若提取到用户的浏览记录，且所述浏览记录为浏览房源的记录则确定用户触发了浏览行为，此时，可以根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；若没有提取到用户的浏览记录，或者提取到了用户的浏览记录，当所述浏览记录不是浏览房源的记录，则确定用户没有触发浏览行为，则只根据用户写资料行为向用户推送房源即可，因此可以赋予所述用户填写资料行为的推送权重为预设权重，在本实施例中，当用户只触发了填写资料行为时，赋予用户填写资料行为的推送权重为1，由于用户没有触发浏览行为，可以认为用户浏览行为的推送权重为0。
进一步地，参照图5，基于本发明根据用户特征偏好的房源推送方法第一实施例提出本发明根据用户特征偏好的房源推送方法第五实施例。
在本实施例中，所述步骤S300包括：
步骤S310，将所述用户填写资料行为划分为一级行为，将所述浏览行为划分为二级行为；
在本实施例中，由于用户填写资料行为和浏览行为对应的分值不同，比如用户填写了总价为300万的房源，用户在触发浏览行为时，浏览的房源总价也是300万，房源的标签都是总价为300万，但是对应的分值是不同的，因此首先需要将所述用户填写资料行为划分为一级行为，将所述浏览行为划分为二级行为；
步骤S320，根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值。
在进行划分之后，根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值，从而提高计算用户特征偏好得分的准确性。
进一步地，参照图6，基于本发明根据用户特征偏好的房源推送方法第一实施例提出本发明根据用户特征偏好的房源推送方法第六实施例。
在本实施例中，所述步骤S320包括：
步骤S321，提取所述用户填写资料行为和浏览行为对应的房源特征标签；
在本实施例中，在用户触发填写资料行为或浏览行为时，提取所述用户填写资料行为和浏览行为对应的房源特征标签，比如用户填写了总价为300万的房源，则用户的房源标签为房源总价300万；
步骤S322，判断所述房源特征标签是否为一级行为对应的房源特征标签；
步骤S323，若所述房源特征标签为一级行为对应的房源特征标签，则提取一级行为对应的房源特征标签对应的行为分值，
步骤S324，若所述房源特征标签不为一级行为对应的房源特征标签，提取二级行为对应的房源特征标签对应的行为分值。
然后判断所述房源特征标签是否为一级行为对应的房源特征标签，若所述房源特征标签为一级行为对应的房源特征标签，则提取一级行为对应的房源特征标签对应的行为分值，若所述房源特征标签不为一级行为对应的房源特征标签，提取二级行为对应的房源特征标签对应的行为分值。
本发明实施例进一步提供一种根据用户特征偏好的房源推送装置，所述装置包括：
计算模块，用于当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；
提取模块，用于提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；
推送模块，用于根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源。
本发明根据用户特征偏好的房源推送装置的具体实施例与上述根据用户特征偏好的房源推送方法各实施例基本相同，在此不作赘述。
本发明实施例进一步提供一种根据用户特征偏好的房源推送设备。
参照图7，图7为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
如图7所示，该根据用户特征偏好的房源推送设备可以包括：处理器1001，例如CPU，网络接口1002，用户接口1003，存储器1004。这些组件之间的连接通信可以通过通信总线实现。网络接口1002可选的可以包括标准的有线接口(用于连接有线网络)、无线接口(如WI-FI接口、蓝牙接口、红外线接口等，用于连接无线网络)。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口(例如用于连接有线键盘、有线鼠标等)和/或无线接口(例如用于连接无线键盘、无线鼠标)。存储器1004可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
可选地，该根据用户特征偏好的房源推送设备还可以包括摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解，图中示出的根据用户特征偏好的房源推送设备结构并不构成对根据用户特征偏好的房源推送设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图7所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信模块、用户接口模块以及根据用户特征偏好的房源推送程序。其中，操作系统是管理和控制根据用户特征偏好的房源推送设备硬件与软件资源的程序，支持网络通信模块、用户接口模块、根据用户特征偏好的房源推送程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。
在图7所示的根据用户特征偏好的房源推送设备中，网络接口1002主要用于连接数据库，与数据库进行数据通信；用户接口1003主要用于连接客户端(可以理解为用户端)，与客户端进行数据通信，如通过窗口展示信息给客户端，或者接收客户端发送的操作信息；而处理器1001可以用于执行存储器1004中存储的根据用户特征偏好的房源推送程序，以实现上述根据用户特征偏好的房源推送方法实施例中的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述根据用户特征偏好的房源推送方法实施例中的步骤。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种根据用户特征偏好的房源推送方法，其特征在于，所述方法包括以下步骤：
当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；
根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；
提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；
根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源；
其中，所述计算当前时间与接收到用户在房源系统中填写资料行为时的时间差的步骤之后，还包括：
判断用户从接收到用户在房源系统中填写资料行为时至当前时间是否触发浏览行为；
若用户触发了浏览行为，则执行所述根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤；否则，赋予所述用户填写资料行为的推送权重为预设权重。
2.如权利要求1所述的根据用户特征偏好的房源推送方法，其特征在于，所述根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤包括：
将所述时间差与第一预设值相乘，获得时间差与第一预设值之间的乘积；
将所述乘积与第二预设值相加，获得乘积与第二预设值的和；
将第三预设值与所述和进行相除，获得用户填写资料行为的推送权重；
将所述第二预设值与用户填写资料行为的推送权重相减，获得用户浏览行为的推送权重。
3.如权利要求1所述的根据用户特征偏好的房源推送方法，其特征在于，所述根据所述用户特征偏好得分向用户推送房源的步骤包括：
根据所述用户特征偏好得分在房源系统中查找向用户推送的房源；
将查找到的房源向用户进行推送。
4.如权利要求1所述的根据用户特征偏好的房源推送方法，其特征在于，所述提取所述用户填写资料行为和浏览行为对应的行为分值的步骤包括：
将所述用户填写资料行为划分为一级行为，将所述浏览行为划分为二级行为；
根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值。
5.如权利要求4所述的根据用户特征偏好的房源推送方法，其特征在于，所述根据划分级别后的用户填写资料行为和浏览行为提取对应级别的行为分值的步骤包括：
提取所述用户填写资料行为和浏览行为对应的房源特征标签；
判断所述房源特征标签是否为一级行为对应的房源特征标签；
若所述房源特征标签为一级行为对应的房源特征标签，则提取一级行为对应的房源特征标签对应的行为分值，否则提取二级行为对应的房源特征标签对应的行为分值。
6.如权利要求1所述的根据用户特征偏好的房源推送方法，其特征在于，
计算用户特征偏好得分的公式为：
Figure FDA0002533732720000021
其中，T(t)为用户填写资料行为的推送权重，F显(Xi)为用户填写资料行为的行为分值，1-T(t)为用户浏览行为的推送权重，F隐(Xi)为用户浏览行为的行为分值。
7.一种根据用户特征偏好的房源推送装置，其特征在于，所述装置包括：
计算模块，用于当推送房源的时间达到时，计算当前时间与接收到用户在房源系统中填写资料行为时的时间差；根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重；
提取模块，用于提取所述用户填写资料行为和浏览行为对应的行为分值，并结合所述推送权重计算用户填写资料行为和浏览行为的特征偏好得分；
推送模块，用于根据所述用户填写资料行为和浏览行为的特征偏好得分计算用户特征偏好得分，并根据所述用户特征偏好得分向用户推送房源；
其中，所述计算模块，还用于判断用户从接收到用户在房源系统中填写资料行为时至当前时间是否触发浏览行为；若用户触发了浏览行为，则执行所述根据所述时间差分别计算用户填写资料行为和浏览行为的推送权重的步骤；否则，赋予所述用户填写资料行为的推送权重为预设权重。
8.一种根据用户特征偏好的房源推送设备，其特征在于，所述根据用户特征偏好的房源推送设备包括根据用户特征偏好的房源推送程序，所述根据用户特征偏好的房源推送程序被所述根据用户特征偏好的房源推送设备执行时实现如权利要求1至6中任一项所述的根据用户特征偏好的房源推送方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有根据用户特征偏好的房源推送程序，所述根据用户特征偏好的房源推送程序被处理器执行时实现如权利要求1至6中任一项所述的根据用户特征偏好的房源推送方法的步骤。
CN201810042036.4A 2018-01-16 2018-01-16 根据用户特征偏好的房源推送方法、装置、设备及介质 Active CN108197288B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810042036.4A CN108197288B (zh) 2018-01-16 2018-01-16 根据用户特征偏好的房源推送方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810042036.4A CN108197288B (zh) 2018-01-16 2018-01-16 根据用户特征偏好的房源推送方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN108197288A CN108197288A (zh) 2018-06-22
CN108197288B true CN108197288B (zh) 2020-09-01

Family

ID=62589453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810042036.4A Active CN108197288B (zh) 2018-01-16 2018-01-16 根据用户特征偏好的房源推送方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN108197288B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241427B (zh) * 2018-09-04 2023-08-18 中国平安人寿保险股份有限公司 信息推送方法、装置、计算机设备和存储介质
CN109377329B (zh) * 2018-12-25 2022-03-04 北京时光荏苒科技有限公司 一种房源推荐方法、装置、存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
CN102760163A (zh) * 2012-06-12 2012-10-31 奇智软件（北京）有限公司 一种特征信息的个性化推荐方法及装置
CN103425670A (zh) * 2012-05-16 2013-12-04 百度在线网络技术（北京）有限公司 一种向用户提供内容推荐信息的方法、装置和设备
CN103489117A (zh) * 2012-06-12 2014-01-01 深圳市腾讯计算机系统有限公司 信息投放方法和系统
CN104239543A (zh) * 2014-09-23 2014-12-24 中邮科通信技术股份有限公司 一种基于移动互联网技术的生活服务搜索平台
CN106384246A (zh) * 2016-09-09 2017-02-08 珠海幸福家网络科技有限公司 购房意向确定装置和方法
CN107172151A (zh) * 2017-05-18 2017-09-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
CN103425670A (zh) * 2012-05-16 2013-12-04 百度在线网络技术（北京）有限公司 一种向用户提供内容推荐信息的方法、装置和设备
CN102760163A (zh) * 2012-06-12 2012-10-31 奇智软件（北京）有限公司 一种特征信息的个性化推荐方法及装置
CN103489117A (zh) * 2012-06-12 2014-01-01 深圳市腾讯计算机系统有限公司 信息投放方法和系统
CN104239543A (zh) * 2014-09-23 2014-12-24 中邮科通信技术股份有限公司 一种基于移动互联网技术的生活服务搜索平台
CN106384246A (zh) * 2016-09-09 2017-02-08 珠海幸福家网络科技有限公司 购房意向确定装置和方法
CN107172151A (zh) * 2017-05-18 2017-09-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置

Also Published As

Publication number Publication date
CN108197288A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
CN108256067B (zh) 计算房源相似度的方法、装置、设备及存储介质
CN110825957B (zh) 基于深度学习的信息推荐方法、装置、设备及存储介质
JP6708717B2 (ja) ニュース推薦方法及び装置
US10460001B2 (en) Window switching method and device and storage medium thereof
CN108334568B (zh) 房源推送方法、装置、设备及计算机可读存储介质
CN106326420B (zh) 一种用于移动终端的推荐方法及装置
CN105677765B (zh) 给用户推荐期望的功能序列的方法及系统
US10402479B2 (en) Method, server, browser, and system for recommending text information
CN109300059B (zh) 菜品推荐方法及装置
KR20200003106A (ko) 정보 검색 방법, 장치 및 시스템
CN109660980B (zh) 基于历史连接WiFi构建用户画像的方法、装置、设备及介质
US20130268485A1 (en) Methods, Apparatus and Computer Program Products for Providing Automatic and Incremental Mobile Application Recognition
CN110019823B (zh) 更新知识图谱的方法及装置
CN107735766A (zh) 用于向计算设备的用户前摄性地提供推荐的系统和方法
CN110597962A (zh) 搜索结果展示方法、装置、介质及电子设备
CN108230114B (zh) 选取用户特征标签的方法、装置、设备及可读存储介质
CN108197288B (zh) 根据用户特征偏好的房源推送方法、装置、设备及介质
US9471669B2 (en) Presenting previously selected search results
CN113590968A (zh) 资源推荐方法、装置、计算机设备及存储介质
CN109446417B (zh) 一种智能化检索方法和装置
WO2017050261A1 (zh) 一种云计算方法、云服务器及终端
CN106570003B (zh) 数据推送方法及装置
CN109063106B (zh) 网址修正方法、装置、计算机设备和存储介质
CN112487277B (zh) 数据分配方法、装置、可读存储介质和电子设备
CN114020799A (zh) 数据采集、数据搜索方法及系统、电子设备、存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant