CN108334568B - 房源推送方法、装置、设备及计算机可读存储介质 - Google Patents
房源推送方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108334568B CN108334568B CN201810042037.9A CN201810042037A CN108334568B CN 108334568 B CN108334568 B CN 108334568B CN 201810042037 A CN201810042037 A CN 201810042037A CN 108334568 B CN108334568 B CN 108334568B
- Authority
- CN
- China
- Prior art keywords
- house source
- house
- user
- level
- source
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Abstract
本发明公开了一种房源推送方法、装置、设备及介质,所述方法包括:提取用户填写资料记录,并根据用户填写资料记录获取用户各个一级房源特征标签及对应的比重;根据一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;获取用户浏览记录,提取浏览记录对应的二级房源特征标签,并获取房源特征标签对应的标签分值;根据一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据用户房源推荐列表向用户推送房源。本发明能够提高了推荐结果的多样性,通过保持推荐房源的多样性,提高了推荐结果在房源库中的覆盖度。
Description
技术领域
本发明涉及数据分析与处理领域,尤其涉及一种房源推送方法、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在推送房源时,都是将用户偏好占比例最大的偏好房源集中在列表前排进行推送,而对于用户偏好占比例相对低的偏好房源则是在在推送完用户偏好占比例最大的偏好房源之后的列表中,而实际经验表明用户浏览列表通常集中在列表前排,越往后用户的浏览欲望越低,呈现给用户的推荐结果如果在列表前排重合度过高,则系统识别到的用户特征偏好也会逐渐单一。进一步的推荐系统会误认为用户偏好非常集中,从而使推荐结果更加单一。两者相互作用,恶性循环,最终导致推荐结果失去多样性,并且没有跟进用户的实际偏好进行推送,推送房源的准确性不高。
发明内容
本发明的主要目的在于提出一种房源推送方法、装置、设备及计算机可读存储介质,旨在解决现有推送方法,会导致推荐结果失去多样性,并且没有跟进用户的实际偏好进行推送,推送房源的准确性不高的技术问题。
为实现上述目的,本发明提供一种房源推送方法,所述方法包括:
提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;
根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;
获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签,并获取所述房源特征标签对应的标签分值;
根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。
可选地,所述根据选取的房源以及对应的标签分值生成用户房源推荐列表的步骤包括:
计算对应的标签分值的比例;
创建用户房源推荐列表,并根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序。
可选地,所述根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序的步骤包括:
根据设置的推荐列表的房源数量提取各个对应的标签分值对应的房源;
将提取到的房源按照设置的顺序在推荐列表进行排列。
可选地,所述根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重的步骤包括:
获取用户在房源系统中的填写资料记录,并通过所述用户填写资料记录,并通过所述用户填写资料记录查找相应的房源页面;
提取页面的对应数据,从所述对应数据中提取各个一级房源特征标签及对应的比重。
可选地,所述根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布的步骤包括:
提取预设规则,并根据所述预设规则将所述房源特征标签划分为一级房源特征和二级房源特征标签;
将所述一级房源特征标签排列在用户房源推送决策树模型中的一级树杈分布层中,并将所述二级房源特征标签排列在用户房源推送决策树模型中的二级树杈分布层中。
可选地,所述将所述二级房源特征标签排列在用户房源推送决策树模型中的二级树杈分布层中的步骤包括:
提取所述二级房源特征标签对应的一级房源特征标签;
将所述二级房源特征标签排列在用户房源推送决策树模型,与提取到的一级房源特征标签对应的二级树杈分布层中。
可选地,所述根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源的步骤包括:
将二级房源特征标签分值进行归一化处理,获得各个二级房源特征标签之间的占比;
将二级房源特征标签占比与对应的一级房源特征标签的比重相乘,获得二级房源特征标签的最终推送比重;
根据各个二级房源特征标签的最终推送比重确定对应推送的房源数量以及房源在页面的显示顺序。
此外,为实现上述目的,本发明还提供一种房源推送装置,所述装置包括:
提取模块,用于提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;
排列模块,用于根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;
获取模块,用于获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签,并获取所述房源特征标签对应的标签分值;
推送模块,用于根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。
此外,为实现上述目的,本发明还提供一种房源推送设备,所述房源推送设备包括房源推送程序,所述房源推送程序被所述房源推送设备执行时实现如上所述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房源推送程序,所述房源推送程序被处理器执行时实现如上所述的房源推送方法的步骤。
本发明提出的房源推送方法、装置、设备及计算机可读存储介质,通过提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;然后根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;再获取用户浏览记录,并提取所述浏览记录对应的二级房源特征标,并计算所述房源特征标签对应的标签分值;然后根据所述二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源,通过上述方式,避免将用户房源特征标签占比例最大的偏好房源集中在列表前排进行推送,造成推荐结果失去多样性的情况,从而提高推荐房源的多样性。
附图说明
图1为本发明房源推送方法第一实施例的流程示意图;
图2为本发明房源推送方法第二实施例根据选取的房源以及对应的标签分值生成用户房源推荐列表的步骤的细化流程示意图;
图3为本发明房源推送方法第三实施例根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序的步骤的细化流程示意图;
图4为本发明房源推送方法第四实施例根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重的步骤的细化流程示意图;
图5为本发明房源推送方法第五实施例根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布的步骤的细化流程示意图;
图6为本发明房源推送方法第六实施例将所述二级房源特征标签排列在用户房源推送决策树模型中的二级树杈分布层中的步骤的细化流程示意图;
图7为本发明房源推送方法第七实施例获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签的步骤的细化流程示意图;
图8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:通过提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;然后根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;再获取用户浏览记录,并提取所述浏览记录对应的二级房源特征标,并计算所述房源特征标签对应的标签分值;然后根据所述二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源,通过上述方式,避免将用户房源特征标签占比例最大的偏好房源集中在列表前排进行推送,造成推荐结果失去多样性的情况,从而提高推荐房源的多样性。
本发明实施例考虑到,目前市面上的房产信息平台在推送房源时,都是将用户偏好占比例最大的偏好房源集中在列表前排进行推送,而对于用户偏好占比例相对低的偏好房源则是在在推送完用户偏好占比例最大的偏好房源之后的列表中,而实际经验表明用户浏览列表通常集中在列表前排,越往后用户的浏览欲望越低,呈现给用户的推荐结果如果在列表前排重合度过高,则系统识别到的用户特征偏好也会逐渐单一。进一步的推荐系统会误认为用户偏好非常集中,从而使推荐结果更加单一。两者相互作用,恶性循环,最终导致推荐结果失去多样性,并且没有跟进用户的实际偏好进行推送,推送房源的准确性不高。
为此,本发明实施例提出一种房源推送方法,通过提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;然后根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;再获取用户浏览记录,并提取所述浏览记录对应的二级房源特征标,并计算所述房源特征标签对应的标签分值;然后根据所述二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源,通过上述方式,避免将用户房源特征标签占比例最大的偏好房源集中在列表前排进行推送,造成推荐结果失去多样性的情况,从而提高推荐房源的多样性。
本发明提供一种房源推送方法。
参照图1,图1为本发明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,提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;
在本实施例中,首先获取用户在房源系统中的填写资料记录,并通过所述用户填写资料记录,并通过所述用户填写资料记录查找相应的房源页面;然后提取页面的对应数据,从所述对应数据中提取各个一级房源特征标签及对应的比重,一级房源特征标签为预设的用于表征房源基本特征信息的标签,例如价格、面积、户型和区域等,用户可以根据关注的内容选择一级房源特征标签。比如假设提取到的用户各个一级房源特征标签及对应的比重为:价格K1(如0.4),面积K2(如0.2)、户型K3(如0.2),区域K4(如0.2)。
步骤S200,根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;
在获得用户各个一级房源特征标签及对应的比重之后,即可根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;即将各个一级房源特征标签在决策树模型中的做树杈分布,然后将对应的比重填充至一级房源特征标签中,其中,决策树是数据挖掘分类算法的一个重要方法。在各种分类算法中,决策树是最直观的一种。决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy=系统的凌乱程度,使用算法ID3,C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。
步骤S300,获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签,并获取所述二级房源特征标签对应的标签分值;
在将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布之后,进一步获取用户浏览房源的记录,进一步地,还可以获取用户关注行为的记录,以及电话咨询记录等,然后提取所述浏览记录对应的二级房源特征标签;并获取所述房源特征标签对应的标签分值;具体地,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,根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。
在获得二级房源特征标签及对应的标签分值,可以首先将所述标签分值进行归一化处理,以便获知各个二级房源特征标签之间的占比,具体地,比如若用户在总价为300万且房源面积为80m2的房源得分为2分,在总价为200万且房源面积为80m2的房源得分为1分,可以将用户的得分进行归一化,比如,假设用户所有的得分为1,则通过归一化处理,用户在总价为300万且房源面积为80m2的房源得分为2/(2+1)=0.67分,用户在总价为200万且房源面积为80m2的房源得分为1/(2+1)=0.33分,从而获知各个二级房源特征标签之间的占比。然后根据具体的占比挑选进行推送的房源,比如若总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,然后将当前二级房源特征标签占比乘以对应的一级房源特征标签的占比,即可获得挑选的房源数量,比如总价为300万的房源占比为0.67,对应的一级房源特征标签为总价,总价占的比重为0.4,则总价为300万的房源的最终占比为0.67*0.4=0.3,则挑选的总价为300万的房源数量为3,挑选的总价为200万的房源数量为1,然后再挑选3套总价为300万的房源,挑选1套总价为200万的房源,直到将所有的房源挑选完成,然后按照挑选的顺序进行排列,从而获得用户房源推荐列表,比如将计算得到的比重与每页显示的房源总数量相乘,即可得到每页显示300万的房源数量,而各个总价的房源之间的显示顺序,则可根据房源占比进行排序,比如根据房源总价的占比,将计算得到的房源根据占比高低进行排序,或者进行相间排序,比如,假设每页显示的房源总数为10个,计算得到总价为300万的房源数量为6,总价为200万的房源数量为4,可以将显示排序为先显示6个总价为300万的房源,再显示总价为200万的房源,或者先显示3个总价为300万的房源,再显示2个总价为200万的房源,然后再显示3个总价为300万的房源,然后根据所述用户房源推荐列表向用户推送房源。从而实现推送房源的多样化。进一步地,还可以对每次挑选的房源数量进行设置,比如设置每次挑选的房源数量不超过5套,或者不超过3套,则在设置为每次挑选的房源不超过5套时,即使总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,首先挑选的总价为300万的房源数量为5,然后挑选总价为200万的房源为3,避免一次挑选同类型的房源数量过多,造成由于越往后用户的浏览欲望越低,而造成用户不想浏览后面的房源的情况。
本实施例提出的房源推送方法,通过提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;然后根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;再获取用户浏览记录,并提取所述浏览记录对应的二级房源特征标,并计算所述房源特征标签对应的标签分值;然后根据所述二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源,通过上述方式,避免将用户房源特征标签占比例最大的偏好房源集中在列表前排进行推送,造成推荐结果失去多样性的情况,从而提高推荐房源的多样性。
进一步地,参照图2,基于本发明房源推送方法第一实施例提出本发明房源推送方法第二实施例。
在本实施例中,所述步骤S40包括:
步骤S410,计算对应的标签分值的比例;
在本实施例中,在在获得二级房源特征标签及对应的标签分值,可以首先计算对应的标签分值的比例,具体可以归一化处理,以便获知各个二级房源特征标签之间的占比,具体地,比如若用户在总价为300万且房源面积为80m2的房源得分为2分,在总价为200万且房源面积为80m2的房源得分为1分,可以将用户的得分进行归一化,比如,假设用户所有的得分为1,则通过归一化处理,用户在总价为300万且房源面积为80m2的房源得分为2/(2+1)=0.67分,用户在总价为200万且房源面积为80m2的房源得分为1/(2+1)=0.33分,从而获知各个二级房源特征标签之间的占比。
步骤S420,创建用户房源推荐列表,并根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序。
然后根据具体的占比挑选进行推送的房源,比如若总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,则首先挑选的总价为300万的房源数量为7,挑选的总价为200万的房源数量为3,然后再挑选7套总价为300万的房源,挑选2套总价为200万的房源,直到将所有的房源挑选完成,然后按照挑选的顺序进行排列,从而获得用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。从而实现推送房源的多样化。进一步地,还可以对每次挑选的房源数量进行设置,比如设置每次挑选的房源数量不超过5套,或者不超过3套,则在设置为每次挑选的房源不超过5套时,即使总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,首先挑选的总价为300万的房源数量为5,然后挑选总价为200万的房源为3,避免一次挑选同类型的房源数量过多,造成由于越往后用户的浏览欲望越低,而造成用户不想浏览后面的房源的情况。
本实施例提出的房源推送方法,通过计算对应的标签分值的比例;然后创建用户房源推荐列表,并根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序,提高了推送的多样性,避免一次挑选同类型的房源数量过多,造成由于越往后用户的浏览欲望越低,而造成用户不想浏览后面的房源的情况。
进一步地,参照图3,基于本发明房源推送方法第二实施例提出本发明房源推送方法第三实施例。
在本实施例中,所述步骤S420包括:
步骤S421,根据设置的推荐列表的房源数量提取各个对应的标签分值对应的房源;
在本实施例中,可以对每次挑选的房源数量进行设置,比如设置每次挑选的房源数量不超过5套,或者不超过3套,则在设置为每次挑选的房源不超过5套时,即使总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,首先挑选的总价为300万的房源数量为5,然后挑选总价为200万的房源为3;进一步地,还可以直接根据具体的占比挑选进行推送的房源,比如若总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,则首先挑选的总价为300万的房源数量为7,挑选的总价为200万的房源数量为3,然后再挑选7套总价为300万的房源,挑选2套总价为200万的房源,直到将所有的房源挑选完成。
步骤S422,将提取到的房源按照设置的顺序在推荐列表进行排列。
然后按照挑选的顺序进行排列,从而获得用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。从而实现推送房源的多样化。避免一次挑选同类型的房源数量过多,造成由于越往后用户的浏览欲望越低,而造成用户不想浏览后面的房源的情况。
进一步地,参照图4,基于本发明房源推送方法第一实施例提出本发明房源推送方法第四实施例。
在本实施例中,所述步骤S100包括:
步骤S110,获取用户在房源系统中的填写资料记录,并通过所述用户填写资料记录,并通过所述用户填写资料记录查找相应的房源页面;
在本实施例中,通过所述填写资料记录获取用户填写的房源数据,需要提取用户填写资料记录,然后通过所述填写资料记录查找到用户填写资料相应的房源页面;
步骤S120,提取页面的对应数据,从所述对应数据中提取各个一级房源特征标签及对应的比重。
当查找到相应的房源页面之后,即可提取页面的对应数据,从所述对应数据中提取各个一级房源特征标签及对应的比重。
进一步地,参照图5,基于本发明房源推送方法第一实施例提出本发明房源推送方法第五实施例。
在本实施例中,所述步骤S200包括:
步骤S210,提取预设规则,并根据所述预设规则将所述房源特征标签划分为一级房源特征和二级房源特征标签;
在本实施例中,可以根据预设规则,将房源特征标签划分为一级房源特征和二级房源特征标签;具体地,可以根据标签的范围进行设置,比如将范围为总价、区域、户型等标签设置为一级标签,将总价为300万、户型为2室等标签设置为二级标签;
步骤S210,将所述一级房源特征标签排列在用户房源推送决策树模型中的一级树杈分布层中,并将所述二级房源特征标签排列在用户房源推送决策树模型中的二级树杈分布层中。
然后将所述一级房源特征标签排列在用户房源推送决策树模型中的一级树杈分布层中,并将所述二级房源特征标签排列在用户房源推送决策树模型中的二级树杈分布层中。以便更直观地获知用户的房源需求。
进一步地,参照图6,基于本发明房源推送方法第五实施例提出本发明房源推送方法第六实施例。
在本实施例中,所述步骤S220包括:
步骤S221,提取所述二级房源特征标签对应的一级房源特征标签;
在本实施例中,二级房源特征标签的排列方法可以为排列在对应的一级房源特征标签对应的二级树杈分布层中,因此,在将二级房源特征标签进行排列之前,可以首先提取二级房源特征标签对应的一级房源特征标签;
步骤S222,将所述二级房源特征标签排列在用户房源推送决策树模型中,与提取到的一级房源特征标签对应的二级树杈分布层中。
然后将所述二级房源特征标签排列在用户房源推送决策树模型,与提取到的一级房源特征标签对应的二级树杈分布层中。
进一步地,参照图5,基于本发明房源推送方法第一实施例提出本发明房源推送方法第七实施例。
在本实施例中,所述步骤S400包括:
步骤S410,将二级房源特征标签分值进行归一化处理,获得各个二级房源特征标签之间的占比;
步骤S420,将二级房源特征标签占比与对应的一级房源特征标签的比重相乘,获得二级房源特征标签的最终推送比重;
在本实施例中,在获得二级房源特征标签及对应的标签分值,可以首先将所述标签分值进行归一化处理,以便获知各个二级房源特征标签之间的占比,具体地,比如若用户在总价为300万且房源面积为80m2的房源得分为2分,在总价为200万且房源面积为80m2的房源得分为1分,可以将用户的得分进行归一化,比如,假设用户所有的得分为1,则通过归一化处理,用户在总价为300万且房源面积为80m2的房源得分为2/(2+1)=0.67分,用户在总价为200万且房源面积为80m2的房源得分为1/(2+1)=0.33分,从而获知各个二级房源特征标签之间的占比。
步骤S430,根据各个二级房源特征标签的最终推送比重确定对应推送的房源数量以及房源在页面的显示顺序。
然后根据具体的占比挑选进行推送的房源,比如若总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,然后将当前二级房源特征标签占比乘以对应的一级房源特征标签的占比,即可获得挑选的房源数量,比如总价为300万的房源占比为0.67,对应的一级房源特征标签为总价,总价占的比重为0.4,则总价为300万的房源的最终占比为0.67*0.4=0.3,则挑选的总价为300万的房源数量为3,挑选的总价为200万的房源数量为1,然后再挑选3套总价为300万的房源,挑选1套总价为200万的房源,直到将所有的房源挑选完成,然后按照挑选的顺序进行排列,从而获得用户房源推荐列表,比如将计算得到的比重与每页显示的房源总数量相乘,即可得到每页显示300万的房源数量,而各个总价的房源之间的显示顺序,则可根据房源占比进行排序,比如根据房源总价的占比,将计算得到的房源根据占比高低进行排序,或者进行相间排序,比如,假设每页显示的房源总数为10个,计算得到总价为300万的房源数量为6,总价为200万的房源数量为4,可以将显示排序为先显示6个总价为300万的房源,再显示总价为200万的房源,或者先显示3个总价为300万的房源,再显示2个总价为200万的房源,然后再显示3个总价为300万的房源,然后根据所述用户房源推荐列表向用户推送房源。从而实现推送房源的多样化。进一步地,还可以对每次挑选的房源数量进行设置,比如设置每次挑选的房源数量不超过5套,或者不超过3套,则在设置为每次挑选的房源不超过5套时,即使总价为300万的房源占比为0.67,总价为200万的房源占比为0.33,首先挑选的总价为300万的房源数量为5,然后挑选总价为200万的房源为3,避免一次挑选同类型的房源数量过多,造成由于越往后用户的浏览欲望越低,而造成用户不想浏览后面的房源的情况。
本发明实施例进一步提供一种房源推送装置,所述装置包括:
提取模块,用于提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;
排列模块,用于根据所述一级房源特征标签对应的比重将一级房源特征标签排列在用户房源推送决策树模型中的做树杈分布;
获取模块,用于获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签,并获取所述房源特征标签对应的标签分值;
推送模块,用于根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。
本发明房源推送装置的具体实施例与上述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房源推送设备。
参照图8,图8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8所示,该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,该房源推送设备还可以包括摄像头、RF(Radio Frequency,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,图中示出的房源推送设备结构并不构成对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8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、用户接口模块以及房源推送程序。其中,操作系统是管理和控制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、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8所示的房源推送设备中,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中存储的房源推送程序,以实现上述房源推送方法各实施例中的步骤,在此不作赘述。
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,以实现上述房源推送方法各实施例中的步骤,在此不作赘述。
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 (8)
1.一种房源推送方法,其特征在于,所述方法包括以下步骤:
提取用户填写资料记录,并根据所述用户填写资料记录获取用户选择的各个一级房源特征标签及对应的比重;
提取预设规则,并根据所述预设规则将所述房源特征标签划分为一级房源特征和二级房源特征标签;
将所述一级房源特征标签排列在用户房源推送决策树模型中的一级树杈分布层中,并提取所述二级房源特征标签对应的一级房源特征标签;
将所述二级房源特征标签排列在用户房源推送决策树模型,与提取到的一级房源特征标签对应的二级树杈分布层中;
获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签,并获取所述二级房源特征标签对应的标签分值;
根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。
2.如权利要求1所述的房源推送方法,其特征在于,所述根据选取的房源以及对应的标签分值生成用户房源推荐列表的步骤包括:
计算对应的标签分值的比例;
创建用户房源推荐列表,并根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序。
3.如权利要求2所述的房源推送方法,其特征在于,所述根据所述对应的标签分值的比例设置推荐列表的房源数量和顺序的步骤包括:
根据设置的推荐列表的房源数量提取各个对应的标签分值对应的房源;
将提取到的房源按照设置的顺序在推荐列表进行排列。
4.如权利要求1所述的房源推送方法,其特征在于,所述根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重的步骤包括:
获取用户在房源系统中的填写资料记录,并通过所述用户填写资料记录,并通过所述用户填写资料记录查找相应的房源页面;
提取页面的对应数据,从所述对应数据中提取各个一级房源特征标签及对应的比重。
5.如权利要求1所述的房源推送方法,其特征在于,所述根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源的步骤包括:
将二级房源特征标签分值进行归一化处理,获得各个二级房源特征标签之间的占比;
将二级房源特征标签占比与对应的一级房源特征标签的比重相乘,获得二级房源特征标签的最终推送比重;
根据各个二级房源特征标签的最终推送比重确定对应推送的房源数量以及房源在页面的显示顺序。
6.一种房源推送装置,其特征在于,所述装置包括:
提取模块,用于提取用户填写资料记录,并根据所述用户填写资料记录获取用户各个一级房源特征标签及对应的比重;
排列模块,用于提取预设规则,并根据所述预设规则将所述房源特征标签划分为一级房源特征和二级房源特征标签;
将所述一级房源特征标签排列在用户房源推送决策树模型中的一级树杈分布层中,并提取所述二级房源特征标签对应的一级房源特征标签;
将所述二级房源特征标签排列在用户房源推送决策树模型,与提取到的一级房源特征标签对应的二级树杈分布层中;
获取模块,用于获取用户浏览记录,提取所述浏览记录对应的二级房源特征标签,并获取所述房源特征标签对应的标签分值;
推送模块,用于根据所述一级房源特征标签对应的比重、二级房源特征标签及对应的标签分值选取进行推送的房源,根据选取的房源以及对应的标签分值生成用户房源推荐列表,并根据所述用户房源推荐列表向用户推送房源。
7.一种房源推送设备,其特征在于,所述房源推送设备包括房源推送程序,所述房源推送程序被所述房源推送设备执行时实现如权利要求1至5 中任一项所述的房源推送方法的步骤。
8.一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房源推送程序,所述房源推送程序被处理器执行时实现如权利要求1至5 中任一项所述的房源推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810042037.9A CN108334568B (zh) | 2018-01-16 | 2018-01-16 | 房源推送方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810042037.9A CN108334568B (zh) | 2018-01-16 | 2018-01-16 | 房源推送方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108334568A CN108334568A (zh) | 2018-07-27 |
CN108334568B true CN108334568B (zh) | 2020-08-21 |
Family
ID=62926094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810042037.9A Active CN108334568B (zh) | 2018-01-16 | 2018-01-16 | 房源推送方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334568B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109815398A (zh) * | 2019-01-17 | 2019-05-28 | 平安城市建设科技(深圳)有限公司 | 楼盘户型的查询方法、装置、设备及计算机可读存储介质 |
CN109871398A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 城市楼盘的查询方法、装置、设备及计算机可读存储介质 |
CN110083752A (zh) * | 2019-03-16 | 2019-08-02 | 平安城市建设科技(深圳)有限公司 | 房源信息推荐方法、装置、设备及存储介质 |
CN110633411A (zh) * | 2019-07-18 | 2019-12-31 | 北京无限光场科技有限公司 | 一种筛选房源的方法、装置、电子设备及存储介质 |
CN110796515A (zh) * | 2019-09-26 | 2020-02-14 | 北京瑞卓喜创科技发展有限公司 | 一种房源推荐方法、装置、存储介质及移动终端 |
CN111126849A (zh) * | 2019-12-25 | 2020-05-08 | 贝壳技术有限公司 | 计算机实现用于辅助标的物流转的方法、装置和设备 |
CN111310030A (zh) * | 2020-01-20 | 2020-06-19 | 昊居科技有限公司 | 一种房屋推送方法 |
CN113763030A (zh) * | 2021-07-22 | 2021-12-07 | 北京房江湖科技有限公司 | 房源推荐方法及装置、计算机程序产品、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
CN105243614A (zh) * | 2015-09-28 | 2016-01-13 | 廖健伟 | 一种用于食堂中的营养配餐方法 |
CN106934498A (zh) * | 2017-03-14 | 2017-07-07 | 携程旅游网络技术(上海)有限公司 | Ota网站中酒店房型的推荐方法及系统 |
CN106997347A (zh) * | 2016-01-22 | 2017-08-01 | 华为技术有限公司 | 信息推荐方法及服务器 |
CN107203894A (zh) * | 2016-03-18 | 2017-09-26 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10664572B2 (en) * | 2015-08-06 | 2020-05-26 | Microsoft Technology Licensing, Llc | Recommendations for health benefit resources |
-
2018
- 2018-01-16 CN CN201810042037.9A patent/CN108334568B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
CN105243614A (zh) * | 2015-09-28 | 2016-01-13 | 廖健伟 | 一种用于食堂中的营养配餐方法 |
CN106997347A (zh) * | 2016-01-22 | 2017-08-01 | 华为技术有限公司 | 信息推荐方法及服务器 |
CN107203894A (zh) * | 2016-03-18 | 2017-09-26 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN106934498A (zh) * | 2017-03-14 | 2017-07-07 | 携程旅游网络技术(上海)有限公司 | Ota网站中酒店房型的推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108334568A (zh) | 2018-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334568B (zh) | 房源推送方法、装置、设备及计算机可读存储介质 | |
CN110825957B (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
CN109460513B (zh) | 用于生成点击率预测模型的方法和装置 | |
CN105320766B (zh) | 信息推送方法和装置 | |
CN107944481B (zh) | 用于生成信息的方法和装置 | |
CN110019616B (zh) | 一种poi现势状态获取方法及其设备、存储介质、服务器 | |
CN105677765B (zh) | 给用户推荐期望的功能序列的方法及系统 | |
CN107426328B (zh) | 信息推送方法和装置 | |
CN109168047B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
CN110851699A (zh) | 基于深度强化学习的信息流推荐方法、装置、设备及介质 | |
CN111400586A (zh) | 群组展示方法、终端、服务器、系统及存储介质 | |
CN111143555A (zh) | 基于大数据的客户画像生成方法、装置、设备及存储介质 | |
CN107908662B (zh) | 搜索系统的实现方法和实现装置 | |
CN108509442B (zh) | 搜索方法和装置、服务器以及计算机可读存储介质 | |
CN110264283B (zh) | 一种推广资源展示方法及装置 | |
CN108197288B (zh) | 根据用户特征偏好的房源推送方法、装置、设备及介质 | |
CN114491354A (zh) | 一种页面生成方法、装置及计算机可读存储介质 | |
CN108834202B (zh) | 信息展示方法和设备 | |
CN112783468A (zh) | 目标对象的排序方法和排序装置 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
CN115080824A (zh) | 目标词的挖掘方法、装置、电子设备及存储介质 | |
CN112395109B (zh) | 剪贴板内容处理方法和装置 | |
CN112487277B (zh) | 数据分配方法、装置、可读存储介质和电子设备 | |
CN113468354A (zh) | 推荐图表的方法、装置、电子设备及计算机可读介质 | |
CN109684015B (zh) | 界面数据的加载方法、装置、电子设备及存储介质 |
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 |