CN109919805A - 信息推送方法、用户设备、存储介质及装置 - Google Patents

Abstract

本发明公开了一种基于数据处理的信息推送方法、用户设备、存储介质及装置，其中该信息推送方法通过获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台，按照预设标签将楼盘在该平台上进行多维度分类展示，本发明技术方案能够根据设定的条件，自动对楼盘信息进行分类后推送至满足条件的平台，提高了推送效率。

Description

信息推送方法、用户设备、存储介质及装置

技术领域

本发明涉及数据处理技术领域，尤其涉及信息推送方法、用户设备、存储介质及装置。

背景技术

在房地产领域中，需要将楼盘的信息收集后通过平台进行推送，目前推送平台大多是将产品推荐到某个指定平台或者指定城市，若要推荐到指定城市的多个平台，需要多次进行设置，工作量大且重复，效率低，因此，如何将楼盘信息合理地推荐到满足条件的平台，提高推荐效率是亟待解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供信息推送方法、用户设备、存储介质及装置，旨在解决现有技术中采用人工效率低的技术问题。

为实现上述目的，本发明提供一种信息推送方法，包括以下步骤：

获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对所述楼盘进行评分，生成各楼盘对应的楼盘分值；

获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台；

获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示。

优选地，在所述获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对所述楼盘进行评分，生成各楼盘对应的楼盘分值之前，所述信息推送方法还包括：

获取样历史楼盘数据，从所述历史楼盘数据中提取出各平台对应的历史楼盘信息和对应的历史楼盘分值，并获取初始卷积神经网络模型；

通过所述历史楼盘信息和对应的历史楼盘分值对所述初始卷积神经网络模型进行训练；

将训练后的卷积神经网络模型作为预设评估模型。

优选地，所述获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值，包括：

获取预设区域内所有楼盘的楼盘信息，将所述楼盘信息按照预设维度进行分类；

将分类后的楼盘信息输入至卷积神经网络模型，所述卷积神经网络模型输出各楼盘对应的楼盘分值。

优选地，所述获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示，包括：

获取平台多维度的预设标签；

根据预设规则及预设标签，分别对楼盘进行排序；

将排序靠前的预设数量的楼盘进行展示。

优选地，所述预设标签包括区位、交通及容积率，所述根据预设规则及预设标签，对楼盘进行排序，包括：

获取各楼盘的区位、交通及容积率的分值；

将所述楼盘区位、交通及容积率按照由高到低进行排序。

优选地，所述预设标签包括区位、交通及容积率，所述根据预设规则及预设标签，对楼盘进行排序，包括：

获取各楼盘的区位、交通及容积率的分值；

分别赋予各楼盘的区位、交通及容积率相应的权重系数，并根据各楼盘的区位、交通及容积率的分值计算各楼盘的综合分值；

根据各楼盘的综合分值进行排序。

优选地，在所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台之前，所述信息推送方法还包括：

获取各平台的用户数量，将用户数量大于预设数量阈值的平台作为目标平台；

相应的，所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台包括：

所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的目标平台。

为实现上述目的，本发明还提出一种用户设备，所述用户设备包括：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楼盘推荐程序，所述楼盘推荐程序被所述处理器执行时实现如上所述的信息推送方法的步骤。

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楼盘推荐程序，所述楼盘推荐程序被处理器执行时实现如上所述的信息推送方法的步骤。

为实现上述目的，本发明还提出一种信息推送装置，所述信息推送装置包括：

获取模块，用于获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值；

推送模块，用于获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台；

展示模块，用于获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示。

本发明技术方案中，通过获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台，按照预设标签将楼盘在该平台上进行多维度分类展示，本发明技术方案能够根据设定的条件，自动对楼盘信息进行分类后推送至满足条件的平台，提高了推送效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的用户设备结构示意图；

图2为本发明信息推送方法第一实施例的第一流程示意图；

图3为本发明信息推送方法第一实施例的第二流程示意图；

图4为图2中步骤S400的细化流程图；

图5为图2中步骤S600的细化流程图；

图6为本发明信息推送装置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。

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用户设备结构示意图。

如图1所示，该用户设备可以包括：处理器1001，例如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可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还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WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，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中示出的用户设备结构并不构成对用户设备的限定，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中可以包括操作系统、网络通信模块、用户接口模块以及信息推送程序。

在图1所示的用户设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本发明用户设备通过处理器1001调用存储器1005中存储的楼盘推荐程序，并执行本发明实施例提供的楼盘推荐的实施方法。

所述用户设备可为电脑、智能手机等电子设备。

基于上述硬件结构，提出本发明信息推送方法的实施例。

参照图2，图2为本发明信息推送方法第一实施例的流程示意图。

S400、获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对所述楼盘进行评分，生成各楼盘对应的楼盘分值。

需要说明的是，预设区域是为事先设定的区域，可以是某一个省会城市，或者某个区域，例如华中及华南区域。楼盘信息包括地交通、区位及容积率。其中交通包括公交路线，地铁；区位包括学区房、临湖房。当然楼盘信息还可以包括物业、价格等。通过预设评估模型对楼盘信息进行处理，得到对应楼盘的评分值。

S500、获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台。

评分越高的楼盘，代表其实际价值越高。这些平台分部于不同的地区，不同区域的人群，对楼盘的要求也就不一样。平台分值阈值根据当地情况进行设置。例如当平台分值阈值设定为7.5分，用户设备将所有评分大于7.5分到楼盘都推送至该平台中。

S600、获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示。

本实施例中，预设标签可以是区位、交通及容积率。不同的人群对楼盘的偏好不同。例如有上学儿童的家庭，会对区位比较在意；而对生活品质要求高的则对容积率比较在意。

根据这些标签，可在展示的页面进行分类展示，便于用户进行选择。

本发明技术方案中，通过获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台，按照预设标签将楼盘在该平台上进行多维度分类展示，本发明技术方案能够根据设定的条件，自动对楼盘信息进行分类后推送至满足条件的平台，提高了推送效率。

参照图3，进一步地，在所述获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对所述楼盘进行评分，生成各楼盘对应的楼盘分值之前，所述信息推送方法还包括：

S100、获取样历史楼盘数据，从所述历史楼盘数据中提取出各平台对应的历史楼盘信息和对应的历史楼盘分值，并获取初始卷积神经网络模型；

S200、通过所述历史楼盘信息和对应的历史楼盘分值对所述初始卷积神经网络模型进行训练；

S300、将训练后的卷积神经网络模型作为预设评估模型。

该历史楼盘数据为预先通过用户的设备接口、网络接口等采样得到。将采样得到的这些历史楼盘数据，再从所述历史楼盘数据中提取出各平台对应的历史楼盘信息和对应的历史楼盘分值，放入初始卷积神经网络模型模型训练，得到预设卷积神经网络模型模型。再通过预设卷积神经网络模型模型对业务请求数据进行处理分类。

参照图4，进一步地，所述获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值，包括：

S410、获取预设区域内所有楼盘的楼盘信息，将所述楼盘信息按照预设维度进行分类。需要说明的是，对所述历史楼盘信息进行分类，可预先设置楼盘的评分维度，根据所述评分维度对所述历史楼盘信息分类，获得各评分维度对应的历史维度楼盘数据，从所述历史楼盘分值中提取出各评分维度对应的历史维度分值。

S420、将分类后的楼盘信息输入至卷积神经网络模型，所述卷积神经网络模型输出各楼盘对应的楼盘分值。

将获取每个城市的楼盘的楼盘数据按照评分维度进行分类，将分类获得的当前楼盘维度数据输入所述评分模型，通过所述评分模型输出当前楼盘对应的各维度楼盘分值，将各维度楼盘分值进行叠加即获得当前楼盘对应的楼盘分值。

在具体实现中，将用户需求越大的信息点对应的分值越大，所述信息点包括：地铁房、学区房、容积率低、临湖房和物业等，为每个信息点设置对应的分值，比如，地铁房5分、学区房4分、容积率低4分、临湖房3分和不同物业公司根据用户评价给出相应分值。

参照图5，进一步地，所述获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示，包括：

S610、获取平台多维度的预设标签。本实施例中，预设标签可以是区位、交通及容积率。不同的人群对楼盘的偏好不同。例如有上学儿童的家庭，会对区位比较在意；而对生活品质要求高的则对容积率比较在意。

S620、根据预设规则及预设标签，分别对楼盘进行排序。预设规则可根据实际需求而灵活设定。本实施例中，排序为降序排列，即按照分值高低由高到低进行排列。

S630、将排序靠前的预设数量的楼盘进行展示。例如预设数量可取5，将各维度排名靠前的前5位楼盘分别进行展示。

进一步地，所述预设标签包括区位、交通及容积率，所述根据预设规则及预设标签，对楼盘进行排序，包括：

获取各楼盘的区位、交通及容积率的分值。

将所述楼盘区位、交通及容积率按照由高到低进行排序。

进一步地，所述预设标签包括区位、交通及容积率，所述根据预设规则及预设标签，对楼盘进行排序，包括：

获取各楼盘的区位、交通及容积率的分值。

分别赋予各楼盘的区位、交通及容积率相应的权重系数，并根据各楼盘的区位、交通及容积率的分值计算各楼盘的综合分值。通常客户还会根据区位、交通及容积率这三方面对楼盘进行综合考量，按照实际经验，考虑最多的为区位，其次是交通，再者为容积率。本实施例中，分别赋予区位、交通及容积率的权重系数为0.5、0.3及0.2。若楼盘的区位分值为20分，交通分值为10分，容积率的分值为10分，则经过计算后的综合分值为20*0.5+10*0.3+10*0.2＝15分。

根据各楼盘的综合分值进行排序。本实施例中，根据各楼盘的综合分值的前5位进行展示。

进一步地，在所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台之前，所述信息推送方法还包括：

获取各平台的用户数量，将用户数量大于预设数量阈值的平台作为目标平台；

相应的，所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台包括：

所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的目标平台。

用户数量反应了客户对该平台的喜欢程度，用户数量越多，说明该平台受欢迎的客户越多。为进一步提高推送效率，本实施例中，通过用户数量对平台进行筛选，向满足条件的平台推送楼盘信息。

此外，不同的平台的风格不同，面对的用户群体也会不同，比如，有的平台主打租房，则面对的群体多数为年轻的上班族，则会对交通的要求比较高，对周边配套要求比较高，则可将商业区附近的租房信息放在首页展示。在对各楼盘进行评分时，也可结合各平台的风格，设置每个平台对应的评分标准，根据每个平台的评分标准对每个平台进行评分，每个平台再根据每个楼盘在自己的评分标准下的楼盘评分大于自己平台分值阈值的楼盘作为目标楼盘，将所述目标楼盘的信息推送至对应的平台并展示。

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楼盘推荐程序，所述楼盘推荐程序被处理器执行时实现如上所述的信息推送方法的步骤。

参照图6，为实现上述目的，本发明还提出一种信息推送装置，所述信息推送装置包括：

获取模块10，用于获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值。需要说明的是，预设区域是为事先设定的区域，可以是某一个省会城市，或者某个区域，例如华中及华南区域。楼盘信息包括地交通、区位及容积率。其中交通包括公交路线，地铁；区位包括学区房、临湖房。当然楼盘信息还可以包括物业、价格等。通过预设评估模型对楼盘信息进行处理，得到对应楼盘的评分值。

推送模块20，用于获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台。评分越高的楼盘，代表其实际价值越高。这些平台分部于不同的地区，不同区域的人群，对楼盘的要求也就不一样。平台分值阈值根据当地情况进行设置。例如当平台分值阈值设定为7.5分，用户设备将所有评分大于7.5分到楼盘都推送至该平台中。

展示模块30，用于获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示。本实施例中，预设标签可以是区位、交通及容积率。不同的人群对楼盘的偏好不同。例如有上学儿童的家庭，会对区位比较在意；而对生活品质要求高的则对容积率比较在意。

进一步地，所述获信息推送装置还包括训练模块40，所述训练模块40获取样历史楼盘数据，从所述历史楼盘数据中提取出各平台对应的历史楼盘信息和对应的历史楼盘分值，并获取初始卷积神经网络模型；通过所述历史楼盘信息和对应的历史楼盘分值对所述初始卷积神经网络模型进行训练；将训练后的卷积神经网络模型作为预设评估模型。该历史楼盘数据为预先通过用户的设备接口、网络接口等采样得到。将采样得到的这些历史楼盘数据，再从所述历史楼盘数据中提取出各平台对应的历史楼盘信息和对应的历史楼盘分值，放入初始卷积神经网络模型模型训练，得到预设卷积神经网络模型模型。再通过预设卷积神经网络模型模型对业务请求数据进行处理分类。

进一步地，所述获取模块10获取预设区域内所有楼盘的楼盘信息，将所述楼盘信息按照预设维度进行分类；将分类后的楼盘信息输入至卷积神经网络模型，所述卷积神经网络模型输出各楼盘对应的楼盘分值。需要说明的是，对所述历史楼盘信息进行分类，可预先设置楼盘的评分维度，根据所述评分维度对所述历史楼盘信息分类，获得各评分维度对应的历史维度楼盘数据，从所述历史楼盘分值中提取出各评分维度对应的历史维度分值。将获取每个城市的楼盘的楼盘数据按照评分维度进行分类，将分类获得的当前楼盘维度数据输入所述评分模型，通过所述评分模型输出当前楼盘对应的各维度楼盘分值，将各维度楼盘分值进行叠加即获得当前楼盘对应的楼盘分值。

在具体实现中，将用户需求越大的信息点对应的分值越大，所述信息点包括：地铁房、学区房、容积率低、临湖房和物业等，为每个信息点设置对应的分值，比如，地铁房5分、学区房4分、容积率低4分、临湖房3分和不同物业公司根据用户评价给出相应分值。

进一步地，所述展示模块30还用于获取平台多维度的预设标签；根据预设规则及预设标签，分别对楼盘进行排序；将排序靠前的预设数量的楼盘进行展示。本实施例中，预设标签可以是区位、交通及容积率。不同的人群对楼盘的偏好不同。例如有上学儿童的家庭，会对区位比较在意；而对生活品质要求高的则对容积率比较在意。预设规则可根据实际需求而灵活设定。本实施例中，排序为降序排列，即按照分值高低由高到低进行排列。

进一步地，所述展示模块30还用于获取各楼盘的区位、交通及容积率的分值；将所述楼盘区位、交通及容积率按照由高到低进行排序。

进一步地，所述展示模块30还用于还用于获取各楼盘的区位、交通及容积率的分值；分别赋予各楼盘的区位、交通及容积率相应的权重系数，并根据各楼盘的区位、交通及容积率的分值计算各楼盘的综合分值；根据各楼盘的综合分值进行排序。分别赋予各楼盘的区位、交通及容积率相应的权重系数，并根据各楼盘的区位、交通及容积率的分值计算各楼盘的综合分值。通常客户还会根据区位、交通及容积率这三方面对楼盘进行综合考量，按照实际经验，考虑最多的为区位，其次是交通，再者为容积率。本实施例中，分别赋予区位、交通及容积率的权重系数为0.5、0.3及0.2。若楼盘的区位分值为20分，交通分值为10分，容积率的分值为10分，则经过计算后的综合分值为20*0.5+10*0.3+10*0.2＝15分。

进一步地，所述获取模块10还用于获取各平台的用户数量，将用户数量大于预设数量阈值的平台作为目标平台。

相应的，所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台包括：

所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的目标平台。用户数量反应了客户对该平台的喜欢程度，用户数量越多，说明该平台受欢迎的客户越多。为进一步提高推送效率，本实施例中，通过用户数量对平台进行筛选，向满足条件的平台推送楼盘信息。

此外，不同的平台的风格不同，面对的用户群体也会不同，比如，有的平台主打租房，则面对的群体多数为年轻的上班族，则会对交通的要求比较高，对周边配套要求比较高，则可将商业区附近的租房信息放在首页展示。在对各楼盘进行评分时，也可结合各平台的风格，设置每个平台对应的评分标准，根据每个平台的评分标准对每个平台进行评分，每个平台再根据每个楼盘在自己的评分标准下的楼盘评分大于自己平台分值阈值的楼盘作为目标楼盘，将所述目标楼盘的信息推送至对应的平台并展示。

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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统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。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词解释为名称。

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用户设备(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所述的方法。

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 (10)

1.一种信息推送方法，其特征在于，所述信息推送方法包括以下步骤：

获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对所述楼盘进行评分，生成各楼盘对应的楼盘分值；

获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台；

获取平台的预设标签，按照预设标签将楼盘在该平台上进行分类展示。

2.如权利要求1所述的信息推送方法，其特征在于，在所述获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对所述楼盘进行评分，生成各楼盘对应的楼盘分值之前，所述信息推送方法还包括：

获取样历史楼盘数据，从所述历史楼盘数据中提取出各平台对应的历史楼盘信息和对应的历史楼盘分值，并获取初始卷积神经网络模型；

通过所述历史楼盘信息和对应的历史楼盘分值对所述初始卷积神经网络模型进行训练；

将训练后的卷积神经网络模型作为预设评估模型。

3.如权利要求2所述的信息推送方法，其特征在于，所述获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值，包括：

获取预设区域内所有楼盘的楼盘信息，将所述楼盘信息按照预设维度进行分类；

将分类后的楼盘信息输入至卷积神经网络模型，所述卷积神经网络模型输出各楼盘对应的楼盘分值。

4.如权利要求1所述的信息推送方法，其特征在于，所述获取平台的预设标签，按照预设标签将楼盘在该平台上进行分类展示，包括：

获取平台多维度的预设标签；

根据预设规则及预设标签，分别对楼盘进行排序；

将排序靠前的预设数量的楼盘进行展示。

5.如权利要求4所述的信息推送方法，其特征在于，所述预设标签包括区位、交通及容积率，所述根据预设规则及预设标签，对楼盘进行排序，包括：

获取各楼盘的区位、交通及容积率的分值；

将所述楼盘区位、交通及容积率的分值按照由高到低分别进行排序。

6.如权利要求4所述的信息推送方法，其特征在于，所述预设标签包括区位、交通及容积率，所述根据预设规则及预设标签，对楼盘进行排序，包括：

获取各楼盘的区位、交通及容积率的分值；

分别赋予各楼盘的区位、交通及容积率相应的权重系数，并根据各楼盘的区位、交通及容积率的分值计算各楼盘的综合分值；

根据各楼盘的综合分值进行排序。

7.如权利要求1～6任意一项所述的信息推送方法，其特征在于，在所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台之前，所述信息推送方法还包括：

获取各平台的用户数量，将用户数量大于预设数量阈值的平台作为目标平台；

相应的，所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台包括：

所述获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的目标平台。

8.一种用户设备，其特征在于，所述用户设备包括：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楼盘推荐程序，所述楼盘推荐程序被所述处理器执行时实现如权利要求1至7中任一项所述的信息推送方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有楼盘推荐程序，所述楼盘推荐程序被处理器执行时实现如权利要求1至7中任一项所述的信息推送方法的步骤。

10.一种信息推送装置，其特征在于，所述信息推送装置包括：

获取模块，用于获取预设区域内所有楼盘的楼盘信息，根据预设评估模型及所述楼盘信息对每个城市的楼盘进行评分，生成各楼盘对应的楼盘分值；

推送模块，用于获取各平台的平台分值阈值，将所述楼盘分值与各平台的平台分值阈值进行比较，把所述楼盘分值大于所述平台分值阈值的楼盘推送至对应的平台；

展示模块，用于获取平台的预设标签，按照预设标签将楼盘在该平台上进行多维度分类展示。