CN109961178B - 户型改造信息的获取方法及装置 - Google Patents
户型改造信息的获取方法及装置 Download PDFInfo
- Publication number
- CN109961178B CN109961178B CN201910184280.9A CN201910184280A CN109961178B CN 109961178 B CN109961178 B CN 109961178B CN 201910184280 A CN201910184280 A CN 201910184280A CN 109961178 B CN109961178 B CN 109961178B
- Authority
- CN
- China
- Prior art keywords
- information
- house type
- capability
- user
- modification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000009466 transformation Effects 0.000 title claims description 39
- 238000012986 modification Methods 0.000 claims abstract description 346
- 230000004048 modification Effects 0.000 claims abstract description 346
- 230000036541 health Effects 0.000 claims abstract description 195
- 230000006872 improvement Effects 0.000 claims description 37
- 238000005457 optimization Methods 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012706 support-vector machine Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 208000000044 Amnesia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006984 memory degeneration Effects 0.000 description 1
- 208000023060 memory loss Diseases 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种户型改造信息的获取方法及装置。该方法在利用用户的当前健康能力信息获取用户的当前能力特征信息后，查找第一学习模型中与当前能力特征信息对应的第一目标户型改造信息和相应改造预测准确率，再根据第二学习模型中第二关联关系、相应户型改造信息的改造预测准确率和当前健康能力信息，获取与当前健康能力信息对应的第二目标户型改造信息和相应改造预测准确率；当第一目标户型改造信息与第二目标户型改造信息不同时将最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；否则将第一目标户型改造信息或第二目标户型改造信息确定为推荐的户型改造信息。该方法提高了推荐方案的个性化程度和推荐的准确度。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种户型改造信息的获取方法及装置。
背景技术
随着人口老龄化问题的日益严峻，居家养老方式及其服务体系已越来越被政府和社会各界关注。居家适老化改造成为改善居家养老服务的重要手段。不同自理能力、年龄段、疾病情况和收入水平的老年人群，对既有住宅适老改造的需求各不相同，既有建筑适老化改造需要考虑到老年人生理、心理和行为的特征，提高设计自由度，只有针对不同需求进行个性化的改造设计，才能真正做到适老。
现有适老化改造推荐方案包括专家人工推荐和专家领域知识线上推荐。专家线下推荐，是指专家在目标地区实地调查，现场记录，详细整理各种社区的环境、楼房、居室、服务设施的各种数据、建立详尽的老旧社区的模型数据库，由专家手动进行模型的组合推荐；专家领域知识线上推荐，是指将适老化改造领域的专家知识形式化的描述出来，形成系统规则，构建规则推荐系统。这些规则表示该领域的一些问题与这些问题相应的答案，利用它们来模仿专家在求解中的关联推荐能力。如对老年人和残疾人的综合能力进行评估，根据评估结果推荐改造方案。
然而，发明人发现专家线下推荐方法成本较高、效率低，不适合大面积推广。专家领域知识线上推荐方法虽然克服了专家线下推荐方法的问题，但其中的系统规则是由专家制定，由于专家知识的局限性，无法覆盖所有情况的居家老人状况，导致推荐方案的个性化程度较低。
发明内容
本申请实施例提供一种户型改造信息的获取方法及装置，解决了现有技术存在的上述问题，以提高推荐方案的个性化程度。
第一方面，提供了一种户型改造信息的获取方法，该方法可以包括：
利用采集的用户的当前健康能力信息获取所述用户的当前能力特征信息，所述当前健康能力信息包括至少一种健康能力，所述用户的当前能力特征信息为对所述当前健康能力信息采用预设的受限玻尔兹曼机算法得到的；
查找设置的第一学习模型中与所述用户的当前能力特征信息对应的第一目标户型改造信息，以及所述第一目标户型改造信息的改造预测准确率，所述第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，所述各能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法得到的；
根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和所述当前健康能力信息，获取所述第二学习模型中与所述用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率；所述第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；
当所述第一目标户型改造信息与所述第二目标户型改造信息不同时，将所述第一目标户型改造信息的改造预测准确率与所述第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
当所述第一目标户型改造信息与所述第二目标户型改造信息相同时，将所述第一目标户型改造信息或所述第二目标户型改造信息确定为推荐的户型改造信息。
在一个可选的实现中，获取用户的当前健康能力信息之前，所述方法还包括：
获取历史用户的健康能力信息和针对原始户型的户型改造信息，所述户型改造信息包括至少一个改造项目和相应改造方式；
对所述健康能力信息采用预设的受限玻尔兹曼机算法，得到所述历史用户的至少一种能力特征信息；
对所述历史用户的至少一种能力特征信息和所述户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型。
在一个可选的实现中，获取用户的当前健康能力信息之前，所述方法还包括：
根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取所述多维度中每种维度的健康能力信息与户型改造信息的关联关系；
根据所述历史用户的健康能力信息和所述户型改造信息，对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重；
根据所述优化权重对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取包括所述多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率的第二学习模型。
在一个可选的实现中，所述用户的当前健康能力信息还包括所述用户执行相应健康能力的执行程度值；
所述第二目标户型改造信息包括预设数量个最大执行程度值对应的户型改造信息。
在一个可选的实现中，对预设的户型改造信息的第一空间属性和所述用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取所述推荐的户型改造信息对应的改造产品，所述第一空间属性包括所述户型改造信息中改造项目的优先级和相应改造显效程度；所述第二空间属性包括所述用户的户型空间活跃程度和经济承受程度。
在一个可选的实现中，所述方法还包括：
获取所述用户发送的新的户型改造信息；
将所述新的户型改造信息加入所述推荐的户型改造信息中，更新所述推荐的户型改造信息。
第二方面，提供了一种户型改造信息的获取装置，该装置可以包括：
获取单元、查找单元和确定单元；
所述获取单元，用于利用采集的用户的当前健康能力信息获取所述用户的当前能力特征信息，所述当前健康能力信息包括至少一种健康能力，所述用户的当前能力特征信息为对所述当前健康能力信息采用预设的受限玻尔兹曼机算法得到的；
所述查找单元，用于查找设置的第一学习模型中与所述用户的当前能力特征信息对应的第一目标户型改造信息，以及所述第一目标户型改造信息的改造预测准确率，所述第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，所述各能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法得到的；
所述获取单元，还用于根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和所述当前健康能力信息，获取所述第二学习模型中与所述用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率；所述第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；
所述确定单元，用于当所述第一目标户型改造信息与所述第二目标户型改造信息不同时，将所述第一目标户型改造信息的改造预测准确率与所述第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
当所述第一目标户型改造信息与第二目标户型改造信息相同时，将所述第一目标户型改造信息或所述第二目标户型改造信息确定为推荐的户型改造信息。
在一个可选的实现中，所述装置还包括运算单元和训练单元；
所述获取单元，还用于获取历史用户的健康能力信息和针对原始户型的户型改造信息，所述户型改造信息包括至少一个改造项目和相应改造方式；
所述运算单元，用于对所述健康能力信息采用预设的受限玻尔兹曼机算法，得到所述历史用户的至少一种能力特征信息；
所述训练单元，用于对所述历史用户的至少一种能力特征信息和所述户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型。
在一个可选的实现中，所述获取单元，还用于根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取所述多维度中每种维度的健康能力信息与户型改造信息的关联关系；
根据所述历史用户的健康能力信息和所述户型改造信息，对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重；
根据所述优化权重对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取包括所述多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率的第二学习模型。
在一个可选的实现中，所述用户的当前健康能力信息还包括所述用户执行相应健康能力的执行程度值；
所述第二目标户型改造信息包括预设数量个最大执行程度值对应的户型改造信息。
在一个可选的实现中，所述装置还包括选取单元；
所述选取单元，还用于对预设的户型改造信息的第一空间属性和所述用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取所述推荐的户型改造信息对应的改造产品，所述第一空间属性包括所述户型改造信息中改造项目的优先级和相应改造显效程度；所述第二空间属性包括所述用户的户型空间活跃程度和经济承受程度。
在一个可选的实现中，所述装置还包括更新单元；
所述获取单元，还用于获取所述用户发送的新的户型改造信息；
所述更新单元，用于将所述新的户型改造信息加入所述推荐的户型改造信息中，更新所述推荐的户型改造信息。
第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。
第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
本发明上述方法实施例利用采集的用户的当前健康能力信息获取用户的当前能力特征信息，当前健康能力信息包括至少一种健康能力，用户的当前能力特征信息为对当前健康能力信息采用预设的受限玻尔兹曼机算法提取得到的；查找设置的第一学习模型中与用户的当前能力特征信息对应的第一目标户型改造信息和第一目标户型改造信息的改造预测准确率，第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，各能力特征信息为对历史用户的健康能力信息采用预设的受限玻尔兹曼机算法提取得到的；根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和当前健康能力信息，获取第二学习模型中与用户的当前健康能力信息对应的第二目标户型改造信息，以及第二目标户型改造信息的改造预测准确率；第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；当第一目标户型改造信息与第二目标户型改造信息不同时，将第一目标户型改造信息的改造预测准确率与第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；当第一目标户型改造信息与第二目标户型改造信息相同时，将第一目标户型改造信息或第二目标户型改造信息确定为推荐的户型改造信息。该方法通过将用户各自的健康能力信息和户型改造信息与专家评分标准相结合，使用户获取到推荐的户型改造信息，提高了推荐方案的个性化程度和推荐的准确度。
附图说明
图1为本发明实施例提供的一种户型改造信息的获取方法的流程示意图；
图2为本发明实施例提供的一种户型改造信息的获取装置的结构示意图；
图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，并不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明实施例提供的户型改造信息的获取方法可以应用在服务器上，也可以应用在终端上。为了保证获取的户型改造信息的精确性，服务器可以是具有较强计算能力的应用服务器或云服务器；终端可以是具有较强的计算能力的移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)等。
以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
下面以服务器或终端的处理器为执行主体为例进行详细描述。
图1为本发明实施例提供的一种户型改造信息的获取方法的流程示意图。如图1所示，该方法可以包括：
步骤110、获取用户的当前健康能力信息，当前健康能力信息包括至少一种健康能力和用户执行相应健康能力的执行程度值。
在执行该步骤之前，服务器或终端可以通过向历史用户展示调查问卷的方式获取历史用户的用户信息与预期改造金额。
用户信息包括用户的身份信息、健康能力信息和针对原始户型的户型改造信息。其中，身份信息包括用户年龄、身高、性别等信息，户型改造信息包括至少一个改造项目和相应改造方式，健康能力信息包括至少一种健康能力和用户执行相应健康能力的执行程度值。
健康能力包括：使用床、椅、轮椅能力、使用步行轮椅能力、梳洗能力、失聪、如厕能力、记忆力衰退、高血压、使用浴盆，淋浴能力、眼部疾病、其他意外事件、跌倒、噎食、排便能力、糖尿病、帕金森症等。
改造项目包括：选用照明度高、显色性好的灯具、清除房间地面高差、选用防滑地面、降低开关位置、使用自动断火炉灶、优化热水龙头、操作台下添加轮椅空间、安装助力扶手、洗手盆下留空、洗浴区添加助浴椅、玄关处安装鞋柜、玄关处安装换鞋凳、增设发光门铃、马桶处安装扶手、安装紧急呼叫器、浴室换装推拉门、厨房可升降厨栏等。
处理器对历史用户的健康能力信息中的至少一种健康能力的执行程度值，采用预设的受限玻尔兹曼机(Restricted Boltzmann Machine，RBM)算法建立神经网络，得到历史用户的至少一种能力特征信息，即能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法提取得到的特征信息。其中，预设的受限玻尔兹曼机算法可以包括至少两个隐藏层。
之后，对历史用户的至少一种能力特征信息和户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型，第一学习模型包括至少一种能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，改造预测准确率是某一户型改造信息预测准确的用户数与用户总数的比值。
可选地，为了避免因问卷调查获得的数据集过偏的问题，通过调节惩罚因子及核函数来提高泛化能力。惩罚因子可以表示为：
Cj＝C*ωj；
其中，C是误分类的惩罚常数，是与类别j的出现频率成反比的权重参数，Cj是类别j对应的加权C值，n为数据总数，k为类别数量，nj是类别j的数据个数。
另外，处理器还可以根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取多维度中每种维度的健康能力信息与户型改造信息的关联关系。该关联关系为当前维度下健康能力信息与户型改造信息的关联程度。
例如，邀请三种维度，如建筑维度、护理维度、医学维度的12位专家按照三种维度各自的评估标准对居家养老老人能力与适老改造项的关联程度进行评估，得到每种维度的专家评分矩阵。
其中，评估标准是指对采集的健康能力信息中健康能力与户型改造信息中改造项目的关联程度进行评估的标准，关联程度包括5个级别，如表1所示：
表1
可见，表1是按照0分、2分、4分、6分和8分的分值大小来表示关联程度的高低。
根据评估标准，不同维度的专家分别对预设的健康能力信息与预设的户型改造信息进行评估，得到的相应维度的健康能力信息与户型改造信息的关联关系，如某一维度的专家得到的相应维度的健康能力信息与户型改造信息的关联关系可以如表2所示：
表2
可见，表2具体的记载了某一维度的专家根据评估标准得到的相应维度下健康能力信息中健康能力与户型改造信息中改造项目间的关联程度。
处理器根据历史用户的健康能力信息、户型改造信息，对多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重，该优化权重为每种维度下健康能力信息与户型改造信息的关联关系的比例向量。
处理器根据优化权重对多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率的第二学习模型。
第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度。该第二关联关系可以表示为：
其中，A‘为第二关联关系，Ai为任意维度的健康能力信息与户型改造信息的关联关系，n为维度的个数，n为整数，且不小于1，ω为优化权重。
之后返回执行步骤110，处理器获取用户的当前健康能力信息。
步骤120、对当前健康能力信息采用预设的受限玻尔兹曼机算法，得到用户的当前能力特征信息。
步骤130、查找设置的第一学习模型中与用户的当前能力特征信息对应的第一目标户型改造信息和第一目标户型改造信息的改造预测准确率。
第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率。
步骤140、根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和当前健康能力信息，获取第二学习模型中与用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率。
可选地，由于用户的当前健康能力信息还包括用户执行相应健康能力的执行程度值，故为了提高推荐的户型改造信息的准确性，第二目标户型改造信息可以包括预设数量个最大执行程度值对应的户型改造信息。
例如，将健康能力信息中每个健康能力作为自变量x，户型改造信息中每个改造项目执行程度值作为因变量y，第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系作为优化矩阵A，之后根据y＝x*A，选取预设数量个改造项目执行程度值对应的户型改造信息作为第二目标户型改造信息。
步骤150、通过判断第一目标户型改造信息与第二目标户型改造信息是否相同，确定对用户推荐的户型改造信息。
当第一目标户型改造信息与第二目标户型改造信息不同时，将第一目标户型改造信息的改造预测准确率与第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
可选地，为了提高推荐的准确度，在第一目标户型改造信息与第二目标户型改造信息不同时，在第一目标户型改造信息的改造预测准确率与第二目标户型改造信息的改造预测准确率中选取最大改造预测准确率。若该最大改造预测准确大于预设准确率阈值，如50％，则该将最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息。
当第一目标户型改造信息与第二目标户型改造信息相同时，将第一目标户型改造信息或第二目标户型改造信息确定为推荐的户型改造信息。
可选地，为了使推荐的组合方案最大化弥补用户的健康能力信息的缺陷，引入了户型改造信息的第一空间属性和用户的第二空间属性，第一空间属性包括户型改造信息中改造项目的优先级R和相应改造显效程度E；第二空间属性包括用户的户型空间活跃程度S和经济承受程度F。
其中，改造项目的优先级R，是根据采集用户的健康能力信息，得到推荐的户型改造信息，其中改造项目的优先级R排序可以按照第二学习模型的选取顺序，也可以自定义。
显效程度E，是指产品相对改造项的效果指标，效果越好显效程度越好，该参数由专家给出。
户型空间活跃程度S，是指用户在室内活动范围频次的指标，活动越频繁区域，该程度越强。
经济承受程度F，是指用户对于改造的经济预期上限，即改造金额的上限。
处理器对预设的户型改造信息的第一空间属性和用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取推荐的户型改造信息对应的改造产品。也就是说，处理器综合考虑改造显效程度、改造项目的优先级、户型空间活跃程度和经济承受程度，将选取推荐的户型改造信息对应的改造产品的问题转化为线性回归问题，即经济承受程度约束下的效果最大化问题，如下式所示：
Y＝max(E*R*S*x)；
其中，Y为经济承受程度约束下的效果最大值x为产品的安装向量，当取值为1表示安装，当取值为0表示不安装；p为各产品的价格；n为产品的总数；m为各位置点处所有产品的总数。
可选地，为了满足用户的个性化要求，提高用户的可操作性，处理器还可以获取用户的自定义户型改造信息，并将自定义户型改造信息加入推荐的户型改造信息中，更新推荐的户型改造信息，即得到新的户型改造信息，以使其他用户信息相似的用户可以得到新的户型改造信息。
本发明上述方法实施例利用采集的用户的当前健康能力信息获取用户的当前能力特征信息，当前健康能力信息包括至少一种健康能力，用户的当前能力特征信息为对当前健康能力信息采用预设的受限玻尔兹曼机算法提取得到的；查找设置的第一学习模型中与用户的当前能力特征信息对应的第一目标户型改造信息和第一目标户型改造信息的改造预测准确率，第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，各能力特征信息为对历史用户的健康能力信息采用预设的受限玻尔兹曼机算法提取得到的；根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和当前健康能力信息，获取第二学习模型中与用户的当前健康能力信息对应的第二目标户型改造信息，以及第二目标户型改造信息的改造预测准确率；第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；当第一目标户型改造信息与第二目标户型改造信息不同时，将第一目标户型改造信息的改造预测准确率与第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；当第一目标户型改造信息与第二目标户型改造信息相同时，将第一目标户型改造信息或第二目标户型改造信息确定为推荐的户型改造信息。该方法通过将用户各自的健康能力信息和户型改造信息与专家评分标准相结合，使用户获取到推荐的户型改造信息，提高了推荐方案的个性化程度和推荐的准确度。
与上述方法对应的，本发明实施例还提供一种户型改造信息的获取装置，如图2所示，该户型改造信息的获取装置包括：获取单元210、查找单元220和确定单元230；
获取单元210，用于利用采集的用户的当前健康能力信息获取所述用户的当前能力特征信息，所述当前健康能力信息包括至少一种健康能力，所述用户的当前能力特征信息为对所述当前健康能力信息采用预设的受限玻尔兹曼机算法提取得到的；
查找单元220，用于查找设置的第一学习模型中与所述用户的当前能力特征信息对应的第一目标户型改造信息，以及所述第一目标户型改造信息的改造预测准确率，所述第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，所述各能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法提取得到的；
获取单元210，还用于根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和所述当前健康能力信息，获取所述第二学习模型中与所述用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率；所述第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；
确定单元230，用于当所述第一目标户型改造信息与所述第二目标户型改造信息不同时，将所述第一目标户型改造信息的改造预测准确率与所述第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
当所述第一目标户型改造信息与第二目标户型改造信息相同时，将所述第一目标户型改造信息或所述第二目标户型改造信息确定为推荐的户型改造信息。
在一个可选的实现中，所述装置还包括运算单元240和训练单元250；
获取单元210，还用于获取历史用户的健康能力信息和针对原始户型的户型改造信息，所述户型改造信息包括至少一个改造项目和相应改造方式；
运算单元240，用于对所述健康能力信息采用预设的受限玻尔兹曼机算法，得到所述历史用户的至少一种能力特征信息；
训练单元250，用于对所述历史用户的至少一种能力特征信息和所述户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型，所述第一学习模型包括所述能力特征信息和所述户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率；
在一个可选的实现中，获取单元210，还用于根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取所述多维度中每种维度的健康能力信息与户型改造信息的关联关系；
根据所述历史用户的健康能力信息和所述户型改造信息，对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重；
根据所述优化权重对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取包括所述多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率的第二学习模型。
在一个可选的实现中，所述用户的当前健康能力信息还包括所述用户执行相应健康能力的执行程度值；
所述第二目标户型改造信息包括预设数量个最大执行程度值对应的户型改造信息。
在一个可选的实现中，所述装置还包括选取单元260；
选取单元260，还用于对预设的户型改造信息的第一空间属性和所述用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取所述推荐的户型改造信息对应的改造产品，所述第一空间属性包括所述户型改造信息中改造项目的优先级和相应改造显效程度；所述第二空间属性包括所述用户的户型空间活跃程度和经济承受程度。
在一个可选的实现中，所述装置还包括更新单元270；
获取单元210，还用于获取所述用户发送的新的户型改造信息；
更新单元270，用于将所述新的户型改造信息加入所述推荐的户型改造信息中，更新所述推荐的户型改造信息。
本发明上述实施例提供的户型改造信息的获取装置的各功能单元的功能，可以通过上述各方法步骤来实现，因此，本发明实施例提供的户型改造信息的获取装置中的各个单元的具体工作过程和有益效果，在此不复赘述。
本发明实施例还提供了一种电子设备，如图3所示，包括处理器310、通信接口320、存储器330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。
存储器330，用于存放计算机程序；
处理器310，用于执行存储器330上所存放的程序时，实现如下步骤：
利用采集的用户的当前健康能力信息获取所述用户的当前能力特征信息，所述当前健康能力信息包括至少一种健康能力，所述用户的当前能力特征信息为对所述当前健康能力信息采用预设的受限玻尔兹曼机算法提取得到的；
查找设置的第一学习模型中与所述用户的当前能力特征信息对应的第一目标户型改造信息，以及所述第一目标户型改造信息的改造预测准确率，所述第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，所述各能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法提取得到的；
根据设置的第二学习模型中多维度的健康能力信息与户型改造信息的第二关联关系、相应户型改造信息的改造预测准确率和所述当前健康能力信息，获取所述第二学习模型中与所述用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率；所述第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；
当所述第一目标户型改造信息与所述第二目标户型改造信息不同时，将所述第一目标户型改造信息的改造预测准确率与所述第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
当所述第一目标户型改造信息与第二目标户型改造信息相同时，将所述第一目标户型改造信息或所述第二目标户型改造信息确定为推荐的户型改造信息。
在一个可选的实现中，获取用户的当前健康能力信息之前，所述方法还包括：
获取历史用户的健康能力信息和针对原始户型的户型改造信息，所述户型改造信息包括至少一个改造项目和相应改造方式；
对所述健康能力信息采用预设的受限玻尔兹曼机算法，得到所述历史用户的至少一种能力特征信息；
对所述历史用户的至少一种能力特征信息和所述户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型。
在一个可选的实现中，获取用户的当前健康能力信息之前，所述方法还包括：
根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取所述多维度中每种维度的健康能力信息与户型改造信息的关联关系；
根据所述历史用户的健康能力信息和所述户型改造信息，对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重；
根据所述优化权重对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取包括所述多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率的第二学习模型。
在一个可选的实现中，所述用户的当前健康能力信息还包括所述用户执行相应健康能力的执行程度值；
所述第二目标户型改造信息包括预设数量个最大执行程度值对应的户型改造信息。
在一个可选的实现中，对预设的户型改造信息的第一空间属性和所述用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取所述推荐的户型改造信息对应的改造产品，所述第一空间属性包括所述户型改造信息中改造项目的优先级和相应改造显效程度；所述第二空间属性包括所述用户的户型空间活跃程度和经济承受程度。
在一个可选的实现中，所述方法还包括：
获取所述用户发送的新的户型改造信息；
将所述新的户型改造信息加入所述推荐的户型改造信息中，更新所述推荐的户型改造信息。
上述提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图1所示的实施例中的各步骤来实现，因此，本发明实施例提供的电子设备的具体工作过程和有益效果，在此不复赘述。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的户型改造信息的获取方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的户型改造信息的获取方法。
本领域内的技术人员应明白，本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例中可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例中可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例中是参照根据本申请实施例中实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
显然，本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。这样，倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内，则本申请实施例中也意图包含这些改动和变型在内。
Claims (14)
1.一种户型改造信息的获取方法，其特征在于，所述方法包括：
利用采集的用户的当前健康能力信息，获取所述用户的当前能力特征信息，所述当前健康能力信息包括用户执行至少一种健康能力的执行程度值，所述用户的当前能力特征信息为对所述当前健康能力信息采用预设的受限玻尔兹曼机算法提取得到的特征信息；所述健康能力包括所述用户使用步行轮椅能力、梳洗能力、如厕能力、淋浴能力和排便能力中的至少一种执行能力；
查找设置的第一学习模型中与所述用户的当前能力特征信息对应的第一目标户型改造信息，以及所述第一目标户型改造信息的改造预测准确率，
所述第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，
所述各能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法提取得到的特征信息；
根据设置的第二学习模型中的多维度的健康能力信息与户型改造信息的第二关联关系和相应户型改造信息的改造预测准确率，以及获取的当前健康能力信息，获取所述第二学习模型中与所述用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率；所述第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；
当所述第一目标户型改造信息与所述第二目标户型改造信息不同时，将所述第一目标户型改造信息的改造预测准确率与所述第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
当所述第一目标户型改造信息与所述第二目标户型改造信息相同时，将所述第一目标户型改造信息或所述第二目标户型改造信息确定为推荐的户型改造信息。
2.如权利要求1所述的方法，其特征在于，获取用户的当前健康能力信息之前，所述方法还包括：
获取历史用户的健康能力信息和针对原始户型的户型改造信息，所述户型改造信息包括至少一个改造项目和相应改造方式；
对所述历史用户的健康能力信息采用预设的受限玻尔兹曼机算法，得到所述历史用户的至少一种能力特征信息；
对所述历史用户的至少一种能力特征信息和所述户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型。
3.如权利要求2所述的方法，其特征在于，获取用户的当前健康能力信息之前，所述方法还包括：
根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取所述多维度中每种维度的健康能力信息与户型改造信息的关联关系；
根据所述历史用户的健康能力信息和所述户型改造信息，对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重；
根据所述优化权重对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取第二学习模型，所述第二学习模型包括所述多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率。
4.如权利要求1所述的方法，其特征在于，所述用户的当前健康能力信息还包括所述用户执行相应健康能力的执行程度值；
所述第二目标户型改造信息包括预设数量个最大执行程度值对应的户型改造信息。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
对预设的户型改造信息的第一空间属性和所述用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取所述推荐的户型改造信息对应的改造产品，所述第一空间属性包括所述户型改造信息中改造项目的优先级和相应改造显效程度；所述第二空间属性包括所述用户的户型空间活跃程度和经济承受程度。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述用户发送的新的户型改造信息；
将所述新的户型改造信息加入所述推荐的户型改造信息中，更新所述推荐的户型改造信息。
7.一种户型改造信息的获取装置，其特征在于，所述装置包括：获取单元、查找单元和确定单元；
所述获取单元，用于利用采集的用户的当前健康能力信息获取所述用户的当前能力特征信息，所述当前健康能力信息包括用户执行至少一种健康能力的执行程度值，所述用户的当前能力特征信息为对所述当前健康能力信息采用预设的受限玻尔兹曼机算法提取得到的特征信息；所述健康能力包括所述用户使用步行轮椅能力、梳洗能力、如厕能力、淋浴能力和排便能力中的至少一种执行能力；
所述查找单元，用于查找设置的第一学习模型中与所述用户的当前能力特征信息对应的第一目标户型改造信息，以及所述第一目标户型改造信息的改造预测准确率，所述第一学习模型存储有历史用户的各能力特征信息和户型改造信息的第一关联关系，以及相应户型改造信息的改造预测准确率，所述各能力特征信息为对所述历史用户的健康能力信息采用所述预设的受限玻尔兹曼机算法提取得到的特征信息；
所述获取单元，还用于根据设置的第二学习模型中的多维度的健康能力信息与户型改造信息的第二关联关系和相应户型改造信息的改造预测准确率，以及获取的所述当前健康能力信息，获取所述第二学习模型中与所述用户的当前健康能力信息对应的第二目标户型改造信息，以及所述第二目标户型改造信息的改造预测准确率；所述第二关联关系表示多维度的健康能力信息中健康能力与户型改造信息中改造项目间的综合关联程度；
所述确定单元，用于当所述第一目标户型改造信息与所述第二目标户型改造信息不同时，将所述第一目标户型改造信息的改造预测准确率与所述第二目标户型改造信息的改造预测准确率中最大改造预测准确率对应的目标户型改造信息确定为推荐的户型改造信息；
当所述第一目标户型改造信息与所述第二目标户型改造信息相同时，将所述第一目标户型改造信息或所述第二目标户型改造信息确定为推荐的户型改造信息。
8.如权利要求7所述的装置，其特征在于，所述装置还包括运算单元和训练单元；
所述获取单元，还用于获取历史用户的健康能力信息和针对原始户型的户型改造信息，所述户型改造信息包括至少一个改造项目和相应改造方式；
所述运算单元，用于对所述历史用户的健康能力信息采用预设的受限玻尔兹曼机算法，得到所述历史用户的至少一种能力特征信息；
所述训练单元，用于对所述历史用户的至少一种能力特征信息和所述户型改造信息，采用预设的SVM支持向量机算法，训练得到第一学习模型。
9.如权利要求8所述的装置，其特征在于，
所述获取单元，还用于根据预设的多维度中每种维度的评估标准，对预设的健康能力信息和预设的户型改造信息进行评估，获取所述多维度中每种维度的健康能力信息与户型改造信息的关联关系；
根据所述历史用户的健康能力信息和所述户型改造信息，对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系采用预设优化算法，得到优化权重；
根据所述优化权重对所述多维度中每种维度的健康能力信息与户型改造信息的关联关系进行加权优化，获取第二学习模型，所述第二学习模型包括所述多维度的健康能力信息与户型改造信息的第二关联关系，以及相应户型改造信息的改造预测准确率。
10.如权利要求9所述的装置，其特征在于，所述用户的当前健康能力信息还包括所述用户执行相应健康能力的执行程度值；
所述第二目标户型改造信息包括预设数量个最大执行程度值对应的户型改造信息。
11.如权利要求7所述的装置，其特征在于，所述装置还包括选取单元；
所述选取单元，还用于对预设的户型改造信息的第一空间属性和所述用户的第二空间属性，采用预设线性回归算法，在预设的产品信息中选取所述推荐的户型改造信息对应的改造产品，所述第一空间属性包括所述户型改造信息中改造项目的优先级和相应改造显效程度；所述第二空间属性包括所述用户的户型空间活跃程度和经济承受程度。
12.如权利要求7所述的装置，其特征在于，所述装置还包括更新单元；
所述获取单元，还用于获取所述用户发送的新的户型改造信息；
所述更新单元，用于将所述新的户型改造信息加入所述推荐的户型改造信息中，更新所述推荐的户型改造信息。
13.一种电子设备，其特征在于，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存储的程序时，实现权利要求1-6任一所述的方法步骤。
14.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910184280.9A CN109961178B (zh) | 2019-03-12 | 2019-03-12 | 户型改造信息的获取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910184280.9A CN109961178B (zh) | 2019-03-12 | 2019-03-12 | 户型改造信息的获取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109961178A CN109961178A (zh) | 2019-07-02 |
| CN109961178B true CN109961178B (zh) | 2020-12-08 |
Family
ID=67024258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910184280.9A Active CN109961178B (zh) | 2019-03-12 | 2019-03-12 | 户型改造信息的获取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109961178B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390153B (zh) * | 2019-07-15 | 2020-06-16 | 贝壳找房(北京)科技有限公司 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
| CN110390605B (zh) * | 2019-07-25 | 2021-11-30 | 新奥（中国）燃气投资有限公司 | 一种改造方案推送方法及装置 |
| CN111753352A (zh) * | 2020-05-07 | 2020-10-09 | 深圳大学 | 绿色建筑方案的系统构建方法、装置及其生成方法、装置 |
| JP7354955B2 (ja) * | 2020-07-28 | 2023-10-03 | トヨタ自動車株式会社 | 提示システム、提示方法およびプログラム |
| CN115063124B (zh) * | 2022-08-18 | 2023-04-07 | 江苏艾佳家居用品有限公司 | 关注长期居住需求的数字化智能家装设计方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484940A (zh) * | 2016-07-09 | 2017-03-08 | 陈志静 | 一种家居装饰智能设计方法和系统 |
| CN107657551A (zh) * | 2017-10-13 | 2018-02-02 | 北京玲珑新世纪商贸有限公司 | 基于信息化商业模式的家庭住居整体解决方案的实现方法 |
| CN108694266A (zh) * | 2017-04-07 | 2018-10-23 | 美宅科技（北京）有限公司 | 基于机器学习的智能装修设计方法与系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11423324B2 (en) * | 2017-02-23 | 2022-08-23 | International Business Machines Corporation | Training and estimation of selection behavior of target |
-
2019
- 2019-03-12 CN CN201910184280.9A patent/CN109961178B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484940A (zh) * | 2016-07-09 | 2017-03-08 | 陈志静 | 一种家居装饰智能设计方法和系统 |
| CN108694266A (zh) * | 2017-04-07 | 2018-10-23 | 美宅科技（北京）有限公司 | 基于机器学习的智能装修设计方法与系统 |
| CN107657551A (zh) * | 2017-10-13 | 2018-02-02 | 北京玲珑新世纪商贸有限公司 | 基于信息化商业模式的家庭住居整体解决方案的实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109961178A (zh) | 2019-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109961178B (zh) | 户型改造信息的获取方法及装置 | |
| Ballew et al. | Predicting political elections from rapid and unreflective face judgments | |
| Heisig | Who does more housework: Rich or poor? A comparison of 33 countries | |
| TWI743428B (zh) | 目標用戶群體的確定方法和裝置 | |
| Huang et al. | How far is Chinese left-behind parents' health left behind? | |
| Mata et al. | Learning to choose: Cognitive aging and strategy selection learning in decision making. | |
| Alvergne et al. | Social transmission and the spread of modern contraception in rural Ethiopia | |
| Jepsen et al. | Labor‐market specialization within same‐sex and difference‐sex couples | |
| Ferreira et al. | A Portuguese Value Set for the SF‐6D | |
| CN108446944B (zh) | 一种常驻城市的确定方法、装置及电子设备 | |
| Lozano et al. | The labor market value to legal status | |
| WO2019237571A1 (zh) | 定向推荐用户的方法、装置及存储介质、服务器 | |
| CN113795808A (zh) | 用于预测性环境跌倒风险标识的系统及方法 | |
| CN107609651A (zh) | 一种基于学习者模型的设计项评估方法 | |
| Rouwendal et al. | Homeownership and long-term care | |
| Miller et al. | Characteristics of Medicare Advantage and fee-for-service beneficiaries upon enrollment in Medicare at age 65 | |
| Torshizian et al. | Household crowding measures: A comparison and external test of validity | |
| Fabrizi et al. | A hierarchical latent class model for predicting disability small area counts from survey data | |
| Christensen et al. | Latent regression in loglinear Rasch models | |
| CN108320218B (zh) | 基于信任-评分时间演变双向效应的个性化商品推荐方法 | |
| Wei et al. | Does Distance Make Happiness? Geographic Proximity of Adult Children and the Well-being of Older Persons | |
| CN113688314B (zh) | 一种理疗门店推荐方法及装置 | |
| Li et al. | Incorporating facial attractiveness in photos for online dating recommendation | |
| Brown et al. | A new formulation for latent class models | |
| Caetano et al. | Socioeconomic classification of the working-age Brazilian population: a joint latent class analysis using social class and asset-based perspectives |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Cui Zhen Inventor after: Lu Weihua Inventor after: Han Han Inventor after: Chen Wen Inventor after: Gong Xiaodong Inventor after: Li Peng Inventor after: Jiang Ying Inventor after: Hu Xujing Inventor before: Cui Zhen Inventor before: Lu Weihua Inventor before: Han Han Inventor before: Chen Wen Inventor before: Gong Xiaodong Inventor before: Li Peng Inventor before: Jiang Ying Inventor before: Hu Xujing |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: No. 160, West Fourth Ring North Road, Haidian District, Beijing Patentee after: China Electronics Engineering Design Institute Co.,Ltd. Country or region after: China Address before: No. 160, West Fourth Ring North Road, Haidian District, Beijing Patentee before: CHINA ELECTRONICS ENGINEERING DESIGN INSTITUTE Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |