CN109636474A - 房源排序展示方法、装置、设备及存储介质 - Google Patents
房源排序展示方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109636474A CN109636474A CN201811539279.5A CN201811539279A CN109636474A CN 109636474 A CN109636474 A CN 109636474A CN 201811539279 A CN201811539279 A CN 201811539279A CN 109636474 A CN109636474 A CN 109636474A
- Authority
- CN
- China
- Prior art keywords
- houses
- source
- coefficient
- information
- broker
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000001747 exhibiting effect Effects 0.000 title claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims description 118
- 238000013527 convolutional neural network Methods 0.000 claims description 25
- 238000013507 mapping Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 8
- 239000012141 concentrate Substances 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000001737 promoting effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
本发明涉及图像识别领域，本发明公开了一种房源排序展示方法、装置、设备及存储介质，通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，获得图像特征进而确定房源质量系数；获取各目标房源的房源信息进而确定用户体验系数；获取与各目标房源对应的经纪人信息进而确定经纪人服务系数；获取各目标房源的优先推广加分记录进而确定推广效果系数；根据房源质量系数、用户体验系数、经纪人服务系数、推广效果系数对各目标房源进行排序，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验。
Description
技术领域
本发明涉及图像识别领域，尤其涉及一种房源排序展示方法、装置、设备及存储介质。
背景技术
目前市面上的房源排序展示方式主要偏向于几个方向，一种是倾向展示用户喜好的房源，比较注重成交效果，但是在经纪人推广方面较少；另一种是倾向展示推广收费房源，注重广告费，缺少对房源质量的把控，用户的体验较差。
发明内容
本发明的主要目的在于提供一种房源排序展示方法、装置、设备及存储介质，旨在解决现有技术中房源推广方式存在缺少对房源质量的把控，并且用户的体验较差的技术问题。
为实现上述目的，本发明提供一种房源排序展示方法，所述房源排序展示方法包括以下步骤：
根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；
对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；
获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；
获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；
获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；
根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
优选地，所述根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征的步骤，包括：
根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集；
根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征。
优选地，所述根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征的步骤，包括：
获取图片展示集中各图片对应的图片数据；
将所述图片数据依次通过所述预设卷积神经网络中的数据输入层、卷积计算层、激励层、池化层和全连接层，获得卷积特征，并将所述卷积特征作为图像特征。
优选地，对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数的步骤，包括：
从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息；
对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果；
将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数。
优选地，所述获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数的步骤，包括：
将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，获得匹配结果；
根据预设体验映射表获得与所述匹配结果对应的用户体验系数。
优选地，所述获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数的步骤，包括：
获取与各目标房源对应的经纪人信息；
将所述经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果；
将所述比较结果代入至预设经纪人评估模型中，获得经纪人服务系数。
优选地，所述根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示的步骤，包括：
将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数；
根据各评估分数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
此外，为实现上述目的，本发明还提出一种房源排序展示设备，所述房源排序展示设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房源排序展示程序，所述房源排序展示程序配置为实现如上文所述的房源排序展示方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有房源排序展示程序，所述房源排序展示程序被处理器执行时实现如上文所述的房源排序展示方法的步骤。
此外，为实现上述目的，本发明还提供一种房源排序展示装置，所述房源排序展示装置包括：特征获取模块、房源质量系数模块、用户体验系数模块、经纪人服务系数模块、推广效果系数模块和排序模块；
其中，所述特征获取模块，用于根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；
所述房源质量系数模块，用于对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；
所述用户体验系数模块，用于获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；
所述经纪人服务系数模块，用于获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；
所述推广效果系数模块，用于获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；
所述排序模块，用于根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
本发明提出的房源排序展示方法，通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的房源排序展示设备结构示意图；
图2为本发明房源排序展示方法第一实施例的流程示意图；
图3为本发明房源排序展示方法第二实施例的流程示意图；
图4为本发明房源排序展示方法第三实施例的流程示意图；
图5为本发明房源排序展示装置第一实施例的功能模块图。
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。
本发明实施例的解决方案主要是：本发明通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验，解决了现有技术中房源推广方式存在缺少对房源质量的把控，并且用户的体验较差的技术问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的房源排序展示设备结构示意图。
如图1所示，该房源排序展示设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的房源排序展示设备结构并不构成对该房源排序展示设备的限定，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1所示，作为一种存储介质的存储器1005中可以包括操作装置、网络通信模块、用户端接口模块以及房源排序展示程序。
根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；
对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；
获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；
获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；
获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；
根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
进一步地，处理器1001可以调用存储器1005中存储的房源排序展示程序，还执行以下操作：
根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集；
根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征。
进一步地，处理器1001可以调用存储器1005中存储的房源排序展示程序，还执行以下操作：
获取图片展示集中各图片对应的图片数据；
将所述图片数据依次通过所述预设卷积神经网络中的数据输入层、卷积计算层、激励层、池化层和全连接层，获得卷积特征，并将所述卷积特征作为图像特征。
进一步地，处理器1001可以调用存储器1005中存储的房源排序展示程序，还执行以下操作：
从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息；
对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果；
将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数。
进一步地，处理器1001可以调用存储器1005中存储的房源排序展示程序，还执行以下操作：
将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，获得匹配结果；
根据预设体验映射表获得与所述匹配结果对应的用户体验系数。
进一步地，处理器1001可以调用存储器1005中存储的房源排序展示程序，还执行以下操作：
获取与各目标房源对应的经纪人信息；
将所述经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果；
将所述比较结果代入至预设经纪人评估模型中，获得经纪人服务系数。
进一步地，处理器1001可以调用存储器1005中存储的房源排序展示程序，还执行以下操作：
将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数；
根据各评估分数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
本实施例通过上述方案，通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验。
基于上述硬件结构，提出本发明房源排序展示方法实施例。
参照图2，图2为本发明房源排序展示方法第一实施例的流程示意图。
在第一实施例中，所述房源排序展示方法包括以下步骤：
步骤S10、根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征。
需要说明的是，所述当前用户的搜索条件为当前用户通过点击选择终端界面的选项确定的搜索相应房源的条件，所述搜索条件包括但不限于区域、售价、房型、面积、房龄、楼层、装修和类型等搜索条件，当然还可以是包含更多或更少的搜索条件，本实施例对此不加以限制；通过搜索条件可以从海量房源中搜索到匹配的房源，即目标房源，各目标房源对应着有不同的图片集合，即图片展示集，通过对所述图片展示集中各图片进行图像识别，可以获得对应的图像特征，所述图片展示集中的各图片可以是经纪人上传的图片，也可以是用户自行上传的图片，图片可以是室内图片，也可以是室外图片，不同的房源对应的图片数量以及图片类型都可能不同，通过对各图片进行图像识别，可以获得不同的图像特征。
步骤S20、对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数。
可以理解的是，通过对搜索图像特征进行分析，可以获得该房源的图片中展示的室内环境和室外环境，从而可以确定房源质量系数，所述房源质量系数为预先设置的与不同的第一分析结果对应的用于评估房源质量好坏的系数。
步骤S30、获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数。
需要说明的是，所述房源信息为与房源对应的相关信息，所述目标房源的房源信息包括但不限于售价、房型、建筑面积、单价、朝向、楼层、年代、权属、楼户比例等与房源相关的信息，通过将各房源信息与所述搜索条件进行匹配，可以确定搜索结果是否准确，进而可以判断用户的搜索体验是否良好。
进一步地，所述步骤S30具体包括以下步骤：
将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，获得匹配结果；
根据预设体验映射表获得与所述匹配结果对应的用户体验系数。
应当理解的是，各房源信息与所述搜索条件具有一些相同类型的信息，通过预设关键字可以进行信息对应匹配，所述预设关键字可以包括但不限于售价、房价、面积、单价、楼层、年代和权属等，通过将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，可以获得相应的匹配度即匹配结果，根据预设体验映射表可以获得与所述匹配结果对应的用户体验系数，也可以是根据预设体验模型直接将所述房源信息和所述搜索条件中的关键字代入，输出用户体验系数，当然还可以通过其他方式获得用户体验系数，本实施例对此不加以限制；通过上述匹配过程可以确保所述用户体验系数的准确性，进一步提升房源排序的精确性，保证了房源质量和用户体验。
步骤S40、获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数。
可以理解的是，所述经纪人信息为各目标房源对应的经纪人的个人信息，所述经纪人信息包括但不限于服务年限、所属中介、历史成交量、带客看房频率和好评率等经纪人对应的个人信息，通过对所述经纪人信息分析，可以确定对应的经纪人的服务质量，从而确定经纪人服务系数。
进一步地，所述步骤S40具体包括以下步骤：
获取与各目标房源对应的经纪人信息；
将所述经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果；
将所述比较结果代入至预设经纪人评估模型中，获得经纪人服务系数。
应当理解的是，不同的目标房源对应着不同的经纪人，通过获取经纪人的经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果，即通过所述历史成交量信息、带客看房频率信息和好评率信息获得各经纪人对应的历史成交量、带客看房频率和好评率，通过与预设成交量阈值、预设看房频率阈值和预设好评率阈值对应比较，可以获得第二分析结果，将所述第二分析结果代入至预设经纪人评估模型中可以获得对应的经纪人服务系数，所述预设经纪人评估模型为预先设置的用于获得经纪人服务系数的模型，可以是通过所述预设经纪人评估模型中的预设评估算法计算历史成交量、带客看房频率和好评率分别与预设成交量阈值、预设看房频率阈值和预设好评率阈值的比较差值和预设服务权重比例计算获得，当然也可以是通过其他方式确定所述经纪人服务系数，本实施例对此不加以限制；通过对经纪人信息进行分析，可以提高经纪人服务系数的准确性，进一步提升房源排序的精确性，保证了房源质量和用户体验。
步骤S50、获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数。
需要说明的是，所述优先推广加分记录为经纪人通过买卖交易获得的优先推广的加分分数的记录，在预设时间周期内，买分越多则推广效果越大，反之买分越少则推广效果越小，根据所述优先推广加分记录可以确定推广效果系数，一般的，可以通过预设效果映射表获得与优先推广加分记录对应的推广效果系数，当然也可以是将各目标房源的优先推广加分记录代入至预设推广效果模型中，获得与所述优先推广加分记录对应的推广效果系数，当然还可以是通过其他方式确定推广效果系数，本实施例对此不加以限制。
步骤S60、根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
可以理解的是，通过所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数可以确定各房源的推广顺序，即生成对应的预设排序顺序，进而根据所述预设排序顺序对各目标房源进行排序展示，一般是根据预设排序顺序在终端推广平台的推广界面上进行排序展示。
进一步地，所述步骤S60具体包括以下步骤：
将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数；
根据各评估分数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
应当理解的是，所述预设权重为预先设置的用于对应各系数的权重比例，不同的系数对应着不同的预设权重，所述预设打分模型为预先设置的对房源进行评估，并生成对应分数的模型，将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数，将各评估分数进行排序后可以生成预设排序顺序，根据所述预设排序顺序可以对各目标房源进行排序展示，即在房源所在的推广平台的推广界面上按照所述预设排序顺序按照各评估分数的从高到低的方式进行排序展示，当然还可以是其他展示方式，本实施例对此不加以限制。
本实施例通过上述方案，通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验。
进一步地，图3为本发明房源排序展示方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明房源排序展示方法第二实施例，在本实施例中，所述步骤S10，具体包括以下步骤：
步骤S11、根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集。
需要说明的是，所述预设图片数据库为预先设置的用于存储不同房源对应图片的数据库，通过当前用户的搜索条件确定目标房源后，可以从所述预设图片数据库中获取与各目标房源对应的图片，进行汇总后生成对应的图片展示集，不同的房源有各自对应的图片展示集。
步骤S12、根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征。
可以理解的是，所述预设卷积神经网络为预先设置的用于对所述图片展示集中的各图片进行识别的卷积神经网络，通过所述预设卷积神经网络可以获得与所述图片展示集对应的图像特征。
进一步地，所述步骤S12具体包括以下步骤：
获取图片展示集中各图片对应的图片数据；
将所述图片数据依次通过所述预设卷积神经网络中的数据输入层、卷积计算层、激励层、池化层和全连接层，获得卷积特征，并将所述卷积特征作为图像特征。
应当理解的是，通过依次将所述图片展示集中的各图片对应的图片数据代入至所述预设卷积神经网络中，通过所述预设卷积神经网络的数据输入层、卷积计算层、激励层、池化层和全连接层的处理后可以获得卷积特征，进而将卷积特征作为图像特征，具体的，将所述图片数据代入至数据输入层后，对图片数据依次进行去均值和归一化处理，将归一化处理后的数据输入至卷积计算层，进行局部关联和窗口滑动计算，获得计算结果输入至激励层，进行非线性映射，对进行非线性映射后的结果进行压缩处理，即压缩数据和参数的量，减小过拟合，将处理后的数据输入至全连接层，根据预设权重进行连接，获得卷积特征，即所述图像特征。
本实施例通过上述方案，通过根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集；根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征，能够准确获得图片中的图像特征，从而提升对房源质量分析的精确度，提高了房源排序的速度和效率，使房源排序更加准确。
进一步地，图4为本发明房源排序展示方法第三实施例的流程示意图，如图4所示，基于第二实施例提出本发明房源排序展示方法第三实施例，在本实施例中，所述步骤S20具体包括以下步骤：
步骤S21、从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息。
需要说明的是，所述预设房源数据库为预先设置的用于存储各房源的各类房源信息的数据库，通过所述预设房源数据库可以查询到各目标房源图片数量、所属小区信息及所属地理位置信息，所属小区信息包括但不限于小区车位比例信息、小区绿化情况和小区平均交易价格等，所述所属地理位置信息包括但不限于所述目标房源所处的地理位置以及所处地理位置的周边房价信息。
步骤S22、对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果。
应当理解的是，通过对图像特征进行分析，可以获得房源室外环境信息和房源室内环境信息，所述房源室外环境信息为各种反映室外环境，即反映小区环境的信息，所述房源室内环境信息为各种反映室内环境的信息，即反映室内装修情况，室内朝向情况和室内格局分布情况等信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果，以便后续分析使用。
步骤S23、将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数。
可以理解的是，所述预设质量分析模型为预先通过大量样本数据训练获得的，用于获得房源质量系数的分析模型，所述预设质量分析模型的处理过程可以是根据所述图片数量与预设数量梯度确定图片数量处于哪一个数量梯度，进而确定图片完整度系数；从所属小区信息中提取小区绿化比例和小区车位数量，将所述小区绿化程度与预设绿化比例梯度比较确定小区绿化系数，将所述小区车位数量与预设车位数量梯度比较确定车位充足系数，根据所述地理位置信息与预设地理繁华分布图确定位置繁华系数，根据预设房源质量计算权重结合所述图片完整度系数、所述小区绿化系数、所述车位充足系数和所述位置繁华系数计算获得房源质量系数，当然也可以是其他处理方式确定房源质量系数，本实施例对此不加以限制。
本实施例通过上述方案，通过从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息；对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果；将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数，能够提高房源质量系数的准确性，在保证房源质量的同时满足用户需求，进一步提高了房源排序的效率和精确度，提升了用户体验。
基于上述房源排序展示方法的实施例，本发明进一步提供一种房源排序展示装置。
参照图5，图5为本发明房源排序展示装置第一实施例的功能模块图。
本发明房源排序展示装置第一实施例中，该房源排序展示装置包括：特征获取模块10、房源质量系数模块20、用户体验系数模块30、经纪人服务系数模块40、推广效果系数模块50和排序模块60。
其中，所述特征获取模块10，用于根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征。
需要说明的是，所述当前用户的搜索条件为当前用户通过点击选择终端界面的选项确定的搜索相应房源的条件，所述搜索条件包括但不限于区域、售价、房型、面积、房龄、楼层、装修和类型等搜索条件，当然还可以是包含更多或更少的搜索条件，本实施例对此不加以限制；通过搜索条件可以从海量房源中搜索到匹配的房源，即目标房源，各目标房源对应着有不同的图片集合，即图片展示集，通过对所述图片展示集中各图片进行图像识别，可以获得对应的图像特征，所述图片展示集中的各图片可以是经纪人上传的图片，也可以是用户自行上传的图片，图片可以是室内图片，也可以是室外图片，不同的房源对应的图片数量以及图片类型都可能不同，通过对各图片进行图像识别，可以获得不同的图像特征。
进一步地，所述特征获取模块10包括：
图片展示集获取模块，用于根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集。
需要说明的是，所述预设图片数据库为预先设置的用于存储不同房源对应图片的数据库，通过当前用户的搜索条件确定目标房源后，可以从所述预设图片数据库中获取与各目标房源对应的图片，进行汇总后生成对应的图片展示集，不同的房源有各自对应的图片展示集。
图片识别模块，用于根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征。
可以理解的是，所述预设卷积神经网络为预先设置的用于对所述图片展示集中的各图片进行识别的卷积神经网络，通过所述预设卷积神经网络可以获得与所述图片展示集对应的图像特征。
进一步地，所述图片识别模块包括：
图片数据获取模块，用于获取图片展示集中各图片对应的图片数据；
图片特征获取模块，用于将所述图片数据依次通过所述预设卷积神经网络中的数据输入层、卷积计算层、激励层、池化层和全连接层，获得卷积特征，并将所述卷积特征作为图像特征。
应当理解的是，通过依次将所述图片展示集中的各图片对应的图片数据代入至所述预设卷积神经网络中，通过所述预设卷积神经网络的数据输入层、卷积计算层、激励层、池化层和全连接层的处理后可以获得卷积特征，进而将卷积特征作为图像特征，具体的，将所述图片数据代入至数据输入层后，对图片数据依次进行去均值和归一化处理，将归一化处理后的数据输入至卷积计算层，进行局部关联和窗口滑动计算，获得计算结果输入至激励层，进行非线性映射，对进行非线性映射后的结果进行压缩处理，即压缩数据和参数的量，减小过拟合，将处理后的数据输入至全连接层，根据预设权重进行连接，获得卷积特征，即所述图像特征。
所述房源质量系数模块20，用于对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数。
可以理解的是，通过对搜索图像特征进行分析，可以获得该房源的图片中展示的室内环境和室外环境，从而可以确定房源质量系数，所述房源质量系数为预先设置的与不同的第一分析结果对应的用于评估房源质量好坏的系数。
进一步地，所述房源质量系数模块20包括：
房源信息获取模块，用于从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息。
需要说明的是，所述预设房源数据库为预先设置的用于存储各房源的各类房源信息的数据库，通过所述预设房源数据库可以查询到各目标房源图片数量、所属小区信息及所属地理位置信息，所属小区信息包括但不限于小区车位比例信息、小区绿化情况和小区平均交易价格等，所述所属地理位置信息包括但不限于所述目标房源所处的地理位置以及所处地理位置的周边房价信息。
信息分析模块，用于对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果。
应当理解的是，通过对图像特征进行分析，可以获得房源室外环境信息和房源室内环境信息，所述房源室外环境信息为各种反映室外环境，即反映小区环境的信息，所述房源室内环境信息为各种反映室内环境的信息，即反映室内装修情况，室内朝向情况和室内格局分布情况等信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果，以便后续分析使用。
质量分析模块，用于将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数。
可以理解的是，所述预设质量分析模型为预先通过大量样本数据训练获得的，用于获得房源质量系数的分析模型，所述预设质量分析模型的处理过程可以是根据所述图片数量与预设数量梯度确定图片数量处于哪一个数量梯度，进而确定图片完整度系数；从所属小区信息中提取小区绿化比例和小区车位数量，将所述小区绿化程度与预设绿化比例梯度比较确定小区绿化系数，将所述小区车位数量与预设车位数量梯度比较确定车位充足系数，根据所述地理位置信息与预设地理繁华分布图确定位置繁华系数，根据预设房源质量计算权重结合所述图片完整度系数、所述小区绿化系数、所述车位充足系数和所述位置繁华系数计算获得房源质量系数，当然也可以是其他处理方式确定房源质量系数，本实施例对此不加以限制。
所述用户体验系数模块30，用于获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数。
需要说明的是，所述房源信息为与房源对应的相关信息，所述目标房源的房源信息包括但不限于售价、房型、建筑面积、单价、朝向、楼层、年代、权属、楼户比例等与房源相关的信息，通过将各房源信息与所述搜索条件进行匹配，可以确定搜索结果是否准确，进而可以判断用户的搜索体验是否良好。
进一步地，所述用户体验系数模块30包括：
匹配模块，用于将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，获得匹配结果。
映射模块，用于根据预设体验映射表获得与所述匹配结果对应的用户体验系数。
应当理解的是，各房源信息与所述搜索条件具有一些相同类型的信息，通过预设关键字可以进行信息对应匹配，所述预设关键字可以包括但不限于售价、房价、面积、单价、楼层、年代和权属等，通过将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，可以获得相应的匹配度即匹配结果，根据预设体验映射表可以获得与所述匹配结果对应的用户体验系数，也可以是根据预设体验模型直接将所述房源信息和所述搜索条件中的关键字代入，输出用户体验系数，当然还可以通过其他方式获得用户体验系数，本实施例对此不加以限制；通过上述匹配过程可以确保所述用户体验系数的准确性，进一步提升房源排序的精确性，保证了房源质量和用户体验。
所述经纪人服务系数模块40，用于获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数。
可以理解的是，所述经纪人信息为各目标房源对应的经纪人的个人信息，所述经纪人信息包括但不限于服务年限、所属中介、历史成交量、带客看房频率和好评率等经纪人对应的个人信息，通过对所述经纪人信息分析，可以确定对应的经纪人的服务质量，从而确定经纪人服务系数。
进一步地，所述经纪人服务系数模块40包括：
经纪人信息获取模块，用于获取与各目标房源对应的经纪人信息；
比较分析模块，用于将所述经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果；
经纪人评估模块，用于将所述比较结果代入至预设经纪人评估模型中，获得经纪人服务系数。
应当理解的是，不同的目标房源对应着不同的经纪人，通过获取经纪人的经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果，即通过所述历史成交量信息、带客看房频率信息和好评率信息获得各经纪人对应的历史成交量、带客看房频率和好评率，通过与预设成交量阈值、预设看房频率阈值和预设好评率阈值对应比较，可以获得第二分析结果，将所述第二分析结果代入至预设经纪人评估模型中可以获得对应的经纪人服务系数，所述预设经纪人评估模型为预先设置的用于获得经纪人服务系数的模型，可以是通过所述预设经纪人评估模型中的预设评估算法计算历史成交量、带客看房频率和好评率分别与预设成交量阈值、预设看房频率阈值和预设好评率阈值的比较差值和预设服务权重比例计算获得，当然也可以是通过其他方式确定所述经纪人服务系数，本实施例对此不加以限制；通过对经纪人信息进行分析，可以提高经纪人服务系数的准确性，进一步提升房源排序的精确性，保证了房源质量和用户体验。
所述推广效果系数模块50，用于获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数。
需要说明的是，所述优先推广加分记录为经纪人通过买卖交易获得的优先推广的加分分数的记录，在预设时间周期内，买分越多则推广效果越大，反之买分越少则推广效果越小，根据所述优先推广加分记录可以确定推广效果系数，一般的，可以通过预设效果映射表获得与优先推广加分记录对应的推广效果系数，当然也可以是将各目标房源的优先推广加分记录代入至预设推广效果模型中，获得与所述优先推广加分记录对应的推广效果系数，当然还可以是通过其他方式确定推广效果系数，本实施例对此不加以限制。
所述排序模块60，用于根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
可以理解的是，通过所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数可以确定各房源的推广顺序，即生成对应的预设排序顺序，进而根据所述预设排序顺序对各目标房源进行排序展示，一般是根据预设排序顺序在终端推广平台的推广界面上进行排序展示。
进一步地，所述排序模块60包括：
房源评估模块，用于将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数；
展示模块，用于根据各评估分数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
应当理解的是，所述预设权重为预先设置的用于对应各系数的权重比例，不同的系数对应着不同的预设权重，所述预设打分模型为预先设置的对房源进行评估，并生成对应分数的模型，将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数，将各评估分数进行排序后可以生成预设排序顺序，根据所述预设排序顺序可以对各目标房源进行排序展示，即在房源所在的推广平台的推广界面上按照所述预设排序顺序按照各评估分数的从高到低的方式进行排序展示，当然还可以是其他展示方式，本实施例对此不加以限制。
本实施例通过上述方案，通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有房源排序展示程序，所述房源排序展示程序被处理器执行时实现如下操作：
根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；
对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；
获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；
获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；
获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；
根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
进一步地，所述房源排序展示程序被处理器执行时还实现如下操作：
根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集；
根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征。
进一步地，所述房源排序展示程序被处理器执行时还实现如下操作：
获取图片展示集中各图片对应的图片数据；
将所述图片数据依次通过所述预设卷积神经网络中的数据输入层、卷积计算层、激励层、池化层和全连接层，获得卷积特征，并将所述卷积特征作为图像特征。
进一步地，所述房源排序展示程序被处理器执行时还实现如下操作：
从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息；
对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果；
将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数。
进一步地，所述房源排序展示程序被处理器执行时还实现如下操作：
将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，获得匹配结果；
根据预设体验映射表获得与所述匹配结果对应的用户体验系数。
进一步地，所述房源排序展示程序被处理器执行时还实现如下操作：
获取与各目标房源对应的经纪人信息；
将所述经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果；
将所述比较结果代入至预设经纪人评估模型中，获得经纪人服务系数。
进一步地，所述房源排序展示程序被处理器执行时还实现如下操作：
将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数；
根据各评估分数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
本实施例通过上述方案，通过当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示，能够在保证房源质量的同时满足用户需求，智能排序应对各种搜索条件，提升业务人员的工作效率，减少了人为干涉造成的排序误差，提高了房源排序的效率，提升了用户体验。
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。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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 (10)
1.一种房源排序展示方法，其特征在于，所述方法包括：
根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；
对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；
获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；
获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；
获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；
根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
2.如权利要求1所述的方法，其特征在于，所述根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征的步骤，包括：
根据当前用户的搜索条件确定多个目标房源，从预设图片数据库中获取各目标房源对应的图片展示集；
根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征。
3.如权利要求2所述的方法，其特征在于，所述根据预设卷积神经网络对所述图片展示集中的各图片进行识别，获得图像特征的步骤，包括：
获取图片展示集中各图片对应的图片数据；
将所述图片数据依次通过所述预设卷积神经网络中的数据输入层、卷积计算层、激励层、池化层和全连接层，获得卷积特征，并将所述卷积特征作为图像特征。
4.如权利要求3所述的方法，其特征在于，对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数的步骤，包括：
从预设房源数据库中获取各目标房源对应的图片数量、所属小区信息及所属地理位置信息；
对所述图像特征进行分析，获得房源室外环境信息和房源室内环境信息，将所述房源室外环境信息和房源室内环境信息作为第一分析结果；
将图片数量、所属小区信息、所属地理位置信息及所述第一分析结果代入至预设质量分析模型中，获得房源质量系数。
5.如权利要求4所述的方法，其特征在于，所述获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数的步骤，包括：
将各房源信息与所述搜索条件中具有相同预设关键字的信息进行匹配，获得匹配结果；
根据预设体验映射表获得与所述匹配结果对应的用户体验系数。
6.如权利要求5所述的方法，其特征在于，所述获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数的步骤，包括：
获取与各目标房源对应的经纪人信息；
将所述经纪人信息中的历史成交量信息、带客看房频率信息和好评率信息分别与对应的各预设阈值进行比较分析，获得第二分析结果；
将所述比较结果代入至预设经纪人评估模型中，获得经纪人服务系数。
7.如权利要求1-6中任一项所述的方法，其特征在于，所述根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示的步骤，包括：
将所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数和预设权重代入至预设打分模型中，获得各目标房源对应的评估分数；
根据各评估分数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
8.一种房源排序展示装置，其特征在于，所述装置包括：特征获取模块、房源质量系数模块、用户体验系数模块、经纪人服务系数模块、推广效果系数模块和排序模块；
其中，所述特征获取模块，用于根据当前用户的搜索条件确定多个目标房源，获取各目标房源的图片展示集，对所述图片展示集中的各图片进行图像识别，获得图像特征；
所述房源质量系数模块，用于对所述图像特征进行分析，生成第一分析结果，根据所述第一分析结果确定房源质量系数；
所述用户体验系数模块，用于获取各目标房源的房源信息，将各房源信息与所述搜索条件进行匹配，根据匹配结果确定用户体验系数；
所述经纪人服务系数模块，用于获取与各目标房源对应的经纪人信息，对所述经纪人信息进行分析，生成第二分析结果，根据所述第二分析结果确定房源质量系数；
所述推广效果系数模块，用于获取各目标房源的优先推广加分记录，根据所述优先推广加分记录确定推广效果系数；
所述排序模块，用于根据所述房源质量系数、所述用户体验系数、所述经纪人服务系数、所述推广效果系数生成预设排序顺序，根据所述预设排序顺序对各目标房源进行排序展示。
9.一种房源排序展示设备，其特征在于，所述房源排序展示设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房源排序展示程序，所述房源排序展示程序配置为实现如权利要求1至7中任一项所述的房源排序展示方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有房源排序展示程序，所述房源排序展示程序被处理器执行时实现如权利要求1至7中任一项所述的房源排序展示方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811539279.5A CN109636474A (zh) | 2018-12-14 | 2018-12-14 | 房源排序展示方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811539279.5A CN109636474A (zh) | 2018-12-14 | 2018-12-14 | 房源排序展示方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109636474A true CN109636474A (zh) | 2019-04-16 |
Family
ID=66074481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811539279.5A Pending CN109636474A (zh) | 2018-12-14 | 2018-12-14 | 房源排序展示方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636474A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619027A (zh) * | 2019-06-18 | 2019-12-27 | 北京无限光场科技有限公司 | 一种房源信息的推荐方法、装置、终端设备及介质 |
| CN111552868A (zh) * | 2020-03-31 | 2020-08-18 | 北京城市网邻信息技术有限公司 | 一种房源信息的排序方法和装置 |
| CN111552869A (zh) * | 2020-03-31 | 2020-08-18 | 北京城市网邻信息技术有限公司 | 一种房源信息显示方法和装置 |
| CN111563797A (zh) * | 2020-04-29 | 2020-08-21 | 北京字节跳动网络技术有限公司 | 房源信息的处理方法、装置、可读介质及电子设备 |
| CN112395507A (zh) * | 2020-12-07 | 2021-02-23 | 深圳市房多多网络科技有限公司 | 房源信息的推荐方法、装置、设备及可读存储介质 |
| CN112699289A (zh) * | 2020-12-30 | 2021-04-23 | 上海瑞家信息技术有限公司 | 房源信息聚合展示方法、装置、电子设备和计算机可读介质 |
| CN112734170A (zh) * | 2020-12-24 | 2021-04-30 | 贝壳技术有限公司 | 带看任务调度方法及装置 |
| CN112948721A (zh) * | 2019-12-09 | 2021-06-11 | 深圳市明源云客电子商务有限公司 | 一种在线开盘方法、装置及设备 |
| CN114840567A (zh) * | 2022-07-04 | 2022-08-02 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002149681A (ja) * | 2000-11-08 | 2002-05-24 | Fuji Xerox Co Ltd | 不動産物件の検索サービス方法、検索サービスシステム、検索システム、検索依頼装置、検索仲介装置及び検索装置 |
| CN103729777A (zh) * | 2013-12-12 | 2014-04-16 | 福建伊时代信息科技股份有限公司 | 基于图像识别技术的网络购物方法、购物装置及购物系统 |
| CN104616182A (zh) * | 2015-01-22 | 2015-05-13 | 王勇 | 基于房源照片定位的租房方法及系统 |
| CN107729426A (zh) * | 2017-09-28 | 2018-02-23 | 链家网（北京）科技有限公司 | 一种选房方法、装置、服务器及系统 |
| CN108230114A (zh) * | 2018-01-16 | 2018-06-29 | 平安好房（上海）电子商务有限公司 | 选取用户特征标签的方法、装置、设备及可读存储介质 |
| CN108304994A (zh) * | 2018-01-10 | 2018-07-20 | 链家网（北京）科技有限公司 | 一种在售房源质量评估方法及服务器 |
-
2018
- 2018-12-14 CN CN201811539279.5A patent/CN109636474A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002149681A (ja) * | 2000-11-08 | 2002-05-24 | Fuji Xerox Co Ltd | 不動産物件の検索サービス方法、検索サービスシステム、検索システム、検索依頼装置、検索仲介装置及び検索装置 |
| CN103729777A (zh) * | 2013-12-12 | 2014-04-16 | 福建伊时代信息科技股份有限公司 | 基于图像识别技术的网络购物方法、购物装置及购物系统 |
| CN104616182A (zh) * | 2015-01-22 | 2015-05-13 | 王勇 | 基于房源照片定位的租房方法及系统 |
| CN107729426A (zh) * | 2017-09-28 | 2018-02-23 | 链家网（北京）科技有限公司 | 一种选房方法、装置、服务器及系统 |
| CN108304994A (zh) * | 2018-01-10 | 2018-07-20 | 链家网（北京）科技有限公司 | 一种在售房源质量评估方法及服务器 |
| CN108230114A (zh) * | 2018-01-16 | 2018-06-29 | 平安好房（上海）电子商务有限公司 | 选取用户特征标签的方法、装置、设备及可读存储介质 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619027A (zh) * | 2019-06-18 | 2019-12-27 | 北京无限光场科技有限公司 | 一种房源信息的推荐方法、装置、终端设备及介质 |
| CN110619027B (zh) * | 2019-06-18 | 2022-10-21 | 北京无限光场科技有限公司 | 一种房源信息的推荐方法、装置、终端设备及介质 |
| CN112948721A (zh) * | 2019-12-09 | 2021-06-11 | 深圳市明源云客电子商务有限公司 | 一种在线开盘方法、装置及设备 |
| CN111552868A (zh) * | 2020-03-31 | 2020-08-18 | 北京城市网邻信息技术有限公司 | 一种房源信息的排序方法和装置 |
| CN111552869A (zh) * | 2020-03-31 | 2020-08-18 | 北京城市网邻信息技术有限公司 | 一种房源信息显示方法和装置 |
| CN111552869B (zh) * | 2020-03-31 | 2022-04-22 | 北京城市网邻信息技术有限公司 | 一种房源信息显示方法和装置 |
| CN111563797A (zh) * | 2020-04-29 | 2020-08-21 | 北京字节跳动网络技术有限公司 | 房源信息的处理方法、装置、可读介质及电子设备 |
| CN112395507A (zh) * | 2020-12-07 | 2021-02-23 | 深圳市房多多网络科技有限公司 | 房源信息的推荐方法、装置、设备及可读存储介质 |
| CN112734170A (zh) * | 2020-12-24 | 2021-04-30 | 贝壳技术有限公司 | 带看任务调度方法及装置 |
| CN112699289A (zh) * | 2020-12-30 | 2021-04-23 | 上海瑞家信息技术有限公司 | 房源信息聚合展示方法、装置、电子设备和计算机可读介质 |
| CN114840567A (zh) * | 2022-07-04 | 2022-08-02 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及系统 |
| CN114840567B (zh) * | 2022-07-04 | 2022-10-11 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636474A (zh) | 房源排序展示方法、装置、设备及存储介质 | |
| CN107291888B (zh) | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 | |
| CN104834641B (zh) | 网络媒介信息的处理方法和相关系统 | |
| CN105225149B (zh) | 一种征信评分确定方法及装置 | |
| CN104636482A (zh) | 用于确定目标地址的方法和装置 | |
| CN110069654A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
| CN112069281A (zh) | 兴趣点位置的确定方法、装置、计算机设备及存储介质 | |
| CN109598430A (zh) | 配送范围生成方法、装置、电子设备和存储介质 | |
| MA et al. | Alternate methods of conjoint analysis for estimating housing preference functions: Effects of presentation style | |
| CN106485585A (zh) | 用于等级评定的方法及系统 | |
| CN113627975A (zh) | 门店选址方法、装置、计算机设备和存储介质 | |
| CN113918806A (zh) | 自动推荐培训课程的方法及相关设备 | |
| CN109615414A (zh) | 房产预估方法、装置及存储介质 | |
| CN115422452A (zh) | 基于大数据的智能家居控制方法、装置、设备及存储介质 | |
| CN115018119A (zh) | 用电负荷预测方法及系统 | |
| CN106650698A (zh) | 一种基于智能平台的数据采集方法及系统 | |
| CN104731937A (zh) | 用户行为数据的处理方法及装置 | |
| CN110134754A (zh) | 区域兴趣点的作业时长预测方法、装置、服务器和介质 | |
| CN110096609A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
| CN109325657A (zh) | 一种信贷业务的审批方法、存储介质和服务器 | |
| CN111445280A (zh) | 模型生成方法、餐馆排序方法、系统、设备和介质 | |
| CN110633401A (zh) | 一种门店数据的预测模型及其建立方法 | |
| CN116166880A (zh) | 充电站推荐方法、装置、电子设备及可读存储介质 | |
| CN108205515A (zh) | 一种移动平台众包任务定价方法及系统 | |
| CN109670853B (zh) | 用户特征数据的确定方法、装置、设备及可读存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190416 |
|
| WD01 | Invention patent application deemed withdrawn after publication |