CN110634047B - 一种推荐房源的方法、装置、电子设备及存储介质 - Google Patents
一种推荐房源的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110634047B CN110634047B CN201910838317.5A CN201910838317A CN110634047B CN 110634047 B CN110634047 B CN 110634047B CN 201910838317 A CN201910838317 A CN 201910838317A CN 110634047 B CN110634047 B CN 110634047B
- Authority
- CN
- China
- Prior art keywords
- candidate
- network
- house
- behavior data
- historical behavior
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了一种推荐房源的方法、装置、电子设备及存储介质,该方法包括:基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列;其中,历史行为数据中包括点击各个房源的网络数据,根据网络信息序列,得到与网络信息序列相对应的网络词向量,获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量,基于候选词向量与网络词向量之间的相似度值,确定目标候选房源。本公开实施例的技术方案,解决了现有技术随机向用户推荐房源,难以满足用户的个性化需求,导致用户体验较差的技术问题,实现了根据用户的历史浏览数据构建与用户相对应的网络词向量,从而确定与用户关联度较高的房源,提高了用户体验的技术效果。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种推荐房源的方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的进步,在用户有购房或者租赁房子的需求时,越来越倾向于在看房应用程序上查找房源,从而缩短查找各个房源的时间,进而提高找房的效率。
目前,当用户输入关键词查找房源时,显示界面上显示的房源多是随机排序的,并且当用户触发应用程序是,向用户推送的房源也多是随机推送的,这样就存在推送的房源与用户的需求差异较大,不能满足用户的个性化需求,导致用户体验较差的技术问题。
发明内容
本公开实施例提供一种推荐房源方法、装置、电子设备及存储介质,以实现准确、高效的向用户推荐所需的房源,进而提高用户体验的技术效果。
第一方面,本公开实施例提供了一种推荐房源的方法,该方法包括:
基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;
根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源。
第二方面,本公开实施例还提供了一种推荐房源的装置,该装置包括:
网络信息序列确定模块,用于基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;
网络词向量确定模块,用于根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
候选词向量确定模型,用于获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
候选房源确定模块,用于基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开实施例任一所述的推荐房源的方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的推荐房源的方法。
本公开实施例的技术方案,通过基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列;其中,历史行为数据中包括点击各个房源的网络数据;根据网络信息序列,得到与网络信息序列相对应的网络词向量;获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量;基于候选词向量与网络词向量之间的相似度值,确定目标候选房源,解决了现有技术中随机向用户推送房源,存在推送的房源与用户的需求差异较大,难以满足用户的个性化需求,导致用户体验较差的技术问题,实现了对用户的历史行为数据进行处理,得到与用户相对应的网路词向量,从而根据该网络词向量确定并推送与用户关联度较高的房源,进而提高用户体验的技术效果。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种推荐房源的方法流程示意图;
图2为本公开实施例二所提供的一种推荐房源的方法另一流程示意图;
图3为本公开实施例三所提供的一种推荐房源的装置结构示意图;
图4为本公开实施例四所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种推荐房源的方法流程示意图,本实施例可适用于根据用户的历史行为数据,确定用户所需房源的情形,该方法可以由推荐房源的装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端等。
如图1所述,本实施例的方法包括:
S110、基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列。
本公开实施例的技术方案可以以看房应用程序为例来介绍。相应的,历史行为数据是指用户点击并浏览的与各个房源相关联的数据。与用户浏览的各个房源相关联的数据可以包括房源的ID等其他网络信息。根据用户点击各个房源的行为可以构建出,与用户点击行为相对应的网络信息序列,即根据历史行为数据中各个房源的房源ID,以及与房源相对应的文本信息等,构建出与用户历史行为数据相对应的GID序列。也就是说,历史行为数据中包括与点击的各个房源相对应的网络数据。
具体的,获取用户触发的与各个房源相关联的数据,并对相关联的数据进行处理后,可选的,对各个房源的ID进行处理,得到与用户点击行为相对应的GID序列,即网络信息序列。
需要说明的是,为了提高确定与用户点击行为相对应的GID序列的准确性,并不是只要用户触发了该房源信息,就可以将该房源信息作为确定GID序列的参考数据,是需要按照一定的规则从用户的所有触发操作中是筛选出有效点击数据。可选的,获取用户在预设时间内的有效行为数据,作为历史行为数据,根据历史行为数据中的网络数据,确定与历史行为数据相对应的网络信息序列,其中,网络数据中包括历史行为数据中点击的各个房源的信息。
其中,为了提高用户点击各个房源数据的价值,可以获取预设时间内用户触发的房源信息。预设时间可以是一天、两天、一星期、或者一个月等,可选的,一个星期。有效行为数据可以是,在用户点击目标房源后,浏览目标房源的时间超过预设时间阈值,或者,用户点击目标房源的次数大于等于预设次数,则可以满足上述任意条件的房源数据作为与用户相对应的历史行为数据。
具体的,获取一星期内的有效数据,可以根据有效数据中,点击每个房源的顺序,以及与每个房源相对应的房源ID,建立一个星期内与用户触发操作相对应的GID序列,即网络信息序列。
S120、根据网络信息序列,得到与网络信息序列相对应的网络词向量。
可选的,采用序列处理算法对网络信息序列进行处理,得到与网络信息序列相对应的网络词向量。
其中,序列处理算法是指word2vec算法,该算法可以将一个序列映射为一个向量,示例性的,可以将与历史行为数据相对应的GID序列映射为与GID序列相对应的向量。
也就是说,基于word2vec算法,可以得到与网络信息序列相对应的网络词向量。需要说明的是,由于此时得到的网络词向量是直接根据用户的历史行为数据来确定的,因此得到的网络词向量与用户之间的匹配度最高。在从所有房源中确定与用户具有一定匹配度的房源时,可以以该网络词向量作为确定其它房源,是否为用户感兴趣房源的判断标准。
S130、获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量。
其中,至少一个候选房源的数量可以是一个、两个、三个或者多个等,用户可以根据实际情况确定候选房源的数量,可选的,五百个。候选词向量为采用word2vec算法,对与各个候选房源相对应的关联信息处理后,得到的与每个候选房源相对应的候选词向量。
需要说明的是,为了尽可能的向用户推荐与其匹配度最高的房源,可以通过历史行为数据中的各个房源,来确定与用户具有一定的匹配度,且用户未浏览过的房源作为候选房源。也就是说,至少一个候选房源并不是从所有房源中随机确定的,是根据用户的历史行为数据来确定的。
可选的,从历史行为数据中,获取至少一个房源数据,并对房源数据进行聚合处理,得到与历史行为数据相关联的至少一个候选房源。
其中,聚合处理是指对有关的数据内容挑选、分析、规则,最后分析得到用户所需要的数据。至少一个房源数据的数量可以是一个、两个、三个或者多个等。可以从历史行为数据中随机选择预设数量房源,可选的,十个房源,可以对十个房源进行聚合处理,得到与十个房源相关联的至少一个候选房源,可选的,500个候选房源。
示例性的,可以从历史行为数据中筛选出10个房源,对十个房源进行聚合处理后,得到与十个房源相关联的500个候选房源。采用word2vec算法,分别对500个候选房源的房源ID,以及其它关联信息进行处理,得到与每一个候选房源相对应的候选词向量。
S140、基于候选词向量与网络词向量之间的相似度值,确定目标候选房源。
分别计算候选词向量与网络词向量之间的相似度,当相似度高于预设相似度阈值时,则将该房源作为目标候选房源。
需要说明的是,基于候选词向量与网络词向量之间的相似度,确定目标候选房源,可以是:采用预设相似算法分别计算每个候选词向量,与网络词向量之间的相似度,得到与每个候选房源相对应的相似度值;将相似度值高于预设阈值的候选房源,作为目标候选房源。
其中,余弦相似算法通过计算空间向量中两个向量夹角的余弦值,来确定两个个体之间的大小差异,余弦值接近1,夹角趋于0,表明两个向量越相似;余弦值接近0,夹角趋于90度,表明两个向量之间的相似度越低。
具体的,分别计算与每个候选房源相对应的候选词向量,与网络词向量之间的相似度值,相似度值越高,说明与该相似度值相对应的候选房源与用户的匹配度越高;反之,若相似度值越低,则说明与该相似度值相对应的候选房源与用户的匹配度较低,不用将其作为目标候选房源。
本公开实施例的技术方案,通过基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列;其中,历史行为数据中包括点击各个房源的网络数据;根据网络信息序列,得到与网络信息序列相对应的网络词向量;获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量;基于候选词向量与网络词向量之间的相似度值,确定目标候选房源,解决了现有技术了中随机向用户推送房源,存在推送的房源与用户的需求差异较大,难以满足用户的个性化需求,导致用户体验较差的技术问题,实现了对用户的历史行为数据进行处理,得到与用户相对应的网路词向量,从而根据该网络词向量确定并推送与用户关联度较高的房源,进而提高用户体验的技术效果。
实施例二
为了满足用户需求,在得到目标房源之后,还需要将得到的目标房源显示在显示界面上。图2为本公开实施例二所提供的一种推荐房源的方法另一流程示意图。
如图2所示,所述方法包括:
S210、基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列。
示例性的,获取用户一个星期内触发的有效行为数据。可选的,将点击房源的次数大于等于预设次数的房源,作为与用户相对应的有效行为数据。还可以是,将浏览某一个房源的浏览时间,大于预设时间的房源,作为与用户相对应的有效行为数据,可选的,预设时间为5s。
根据历史行为数据中的房源ID,以及与房源相对应的网络信息,可以确定与用户相对应的网络信息序列,即GID序列。
S220、根据网络信息序列,得到与网络信息序列相对应的网络词向量。
具体的,采用word2vec算法,分别对网络信息序列进行训练,得到与网络信息序列相对应的网络词向量。
也就是说,word2vec算法可以将输入的GID序列映射成与GID序列相对应的网络词向量,该网络词向量可以作为其他房源是否为用户所需房源判断的标准。
需要说明的是,可以每天定时更新与用户相对应的网络词向量,还可以是实时更新与用户相对应的网络词向量。若检测到用户在预设时间内,可选的,一个星期,用户未触发看房应用程序,则可以不再更新与用户相对应的网络词向量。
S230、获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量。
需要说明的是,至少一个候选房源是从历史行为数据中筛选出预设数量的房源后,对筛选出的房源进行聚合处理后得到的。也就是说,至少一个候选房源是根据用户的历史行为数据,从所有房源中筛选出与用户具有一定关联度的房源。采用相同的方法,确定与每个候选房源相对应的候选词向量。
S240、基于候选词向量与网络词向量之间的相似度值,确定目标候选房源。
具体的,采用余弦相似算法分别计算每个候选词向量,与网络词向量之间的相似度值。将相似度值高于预设相似度值所对应的候选房源,作为目标候选房源。
示例性的,预设相似度值为0.85,当与候选房源相对应的相似度值高于预设相似度值0.85时,则将与该相似度值所对应的候选房源,作为目标候选房源。
S250、根据相似度值从高往低依次对与相似度值相对应的目标候选房源进行排序,并将排序后的目标候选房源展示在显示界面上。
需要说明的是,可以采用本实施公开的技术方案筛选出目标候选房源。当用户触发该看房应用程序后,可以将筛选出的目标候选房源显示在显示界面上。
具体的,在得到与每个候选房源相对应的相似度值后,可以按照相似度值从高往低依次将与相似度值相对应的目标候选房源进行排序,并将排序后的目标候选房源显示在显示界面上,这样设置的好处在于,可以使用户最先浏览到与用户匹配度最高的房源,进而提高用户体验的技术效果。
还需要说明的是,若显示界面上仅需要显示预设数量的目标候选房源,则可以按照相似度值从高往低依次选择预设数量的目标候选房源进行显示。
本公开实施例的技术方案,通过基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列;其中,历史行为数据中包括点击各个房源的网络数据;根据网络信息序列,得到与网络信息序列相对应的网络词向量;获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量;基于候选词向量与网络词向量之间的相似度值,确定目标候选房源,解决了现有技术了随机向用户推送房源,存在推送的房源与用户的需求差异较大,难以满足用户的个性化需求,导致用户体验较差的技术问题,实现了对用户的历史行为数据得到与用户相对应的网路词向量,从而根据该网络词向量确定并推送与用户关联度较高的房源,进而提高用户体验的技术效果。
实施例三
图3为本公开实施例三提供的一种推荐房源的装置结构示意图,该装置包括:网络信息序列确定模块310、网络词向量确定模块320、候选词向量确定模块330、以及目标候选房源确定模块340。
其中,网络信息序列确定模块310,用于基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;网络词向量确定模块320,用于根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;候选词向量确定模型330,用于获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;候选房源确定模块340,用于基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源。
本公开实施例的技术方案,通过基于用户的历史行为数据,确定与历史行为数据相对应的网络信息序列;其中,历史行为数据中包括点击各个房源的网络数据;根据网络信息序列,得到与网络信息序列相对应的网络词向量;获取至少一个候选房源,并分别确定与各个候选房源相对应的候选词向量;基于候选词向量与网络词向量之间的相似度值,确定目标候选房源,解决了现有技术了随机向用户推送房源,存在推送的房源与用户的需求差异较大,难以满足用户的个性化需求,导致用户体验较差的技术问题,实现了对用户的历史行为数据进行处理,得到与用户相对应的网路词向量,从而根据该网络词向量确定并推送与用户关联度较高的房源,进而提高用户体验的技术效果。
在上述各技术方案的基础上,所述网络信息序列确定模块包括:
历史行为数据获取单元,用于获取用户在预设时间的有效行为数据,作为所述历史行为数据;
网络信息序列确定单元,用于根据所述历史行为数据中的网络数据,确定与所述历史行为数据相对应的网络信息序列;
其中,所述网络数据中包括所述历史行为数据中点击的各个房源的信息。
在上述各技术方案的基础上,所述网络词向量确定模块还用于:
采用序列处理算法对所述网络信息序列进行处理,得到与所述网络信息序列相对应的网络词向量。
在上述各技术方案的基础上,所述候选房源确定模块,还包括:
相似度确定单元,用于采用余弦相似算法分别计算每个候选词向量,与所述网络词向量之间的相似度,得到与每个候选房源相对应的相似度值;
候选房源确定单元,用于将所述相似度值高于预设阈值的候选房源,作为目标候选房源。
在上述各技术方案的基础上,所述装置还包括:目标房源排序模块,用于根据所述相似度值从高往低依次对与所述相似度值相对应的所述目标候选房源进行排序,并将排序后的目标候选房源展示在显示界面上。
在上述各技术方案的基础上,所述候选词向量确定模块包括:
历史行为数据处理单元,用于从所述历史行为数据,获取至少一个房源数据,并对所述房源数据进行聚合处理,得到与所述历史行为数据相关联的至少一个候选房源;
候选词向量确定单元,用于根据候选房源的网络信息,并采用确定与所述至少一个候选房源相对应的候选词向量。
本公开实施例所提供的推荐房源的装置可执行本公开任意实施例所提供的推荐房源的方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例四
下面参考图4,其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置406;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置406被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的终端与上述实施例提供的推荐房源的方法属于同一发明构思,未在本公开实施例中详尽描述的技术细节可参见上述实施例,并且本公开实施例与上述实施例具有相同的有益效果。
实施例五
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的推荐房源的方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;
根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,历史行为数据处理单元还可以被描述为“数据处理单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例一】提供了一种推荐房源的方法,该方法包括:
基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;
根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源。
根据本公开的一个或多个实施例,【示例二】提供了一种推荐房源的方法,还包括:
可选的,所述基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列,包括:
获取用户在预设时间的有效行为数据,作为所述历史行为数据;
根据所述历史行为数据中的网络数据,确定与所述历史行为数据相对应的网络信息序列;
其中,所述网络数据中包括所述历史行为数据中点击的各个房源的信息。根据本公开的一个或多个实施例,【示例三】提供了一种推荐房源的方法,还包括:
可选的,所述根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量,包括:
采用序列处理算法对所述网络信息序列进行处理,得到与所述网络信息序列相对应的网络词向量。
根据本公开的一个或多个实施例,【示例四】提供了一种推荐房源的方法,还包括:
可选的,所述基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源,包括:
采用余弦相似算法分别计算每个候选词向量,与所述网络词向量之间的相似度,得到与每个候选房源相对应的相似度值;
将所述相似度值高于预设阈值的候选房源,作为目标候选房源。
根据本公开的一个或多个实施例,【示例五】提供了一种推荐房源的方法,还包括:
可选的,根据所述相似度值从高往低依次对与所述相似度值相对应的所述目标候选房源进行排序,并将排序后的目标候选房源展示在显示界面上。
根据本公开的一个或多个实施例,【示例六】提供了一种推荐房源的方法,还包括:
可选的,所述获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量,包括:
从所述历史行为数据,获取至少一个房源数据,并对所述房源数据进行聚合处理,得到与所述历史行为数据相关联的至少一个候选房源;
根据候选房源的网络信息,并采用确定与所述至少一个候选房源相对应的候选词向量。
根据本公开的一个或多个实施例,【示例七】提供了一种推荐房源的装置,该装置包括:
网络信息序列确定模块,用于基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;
网络词向量确定模块,用于根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
候选词向量确定模型,用于获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
目标候选房源确定模块,用于基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (9)
1.一种推荐房源的方法,其特征在于,包括:
基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;其中,所述网络信息序列包括历史行为数据中各个房源的房源ID,以及与房源相对应的文本信息;
根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源;
所述获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量,包括:
从所述历史行为数据,获取至少一个房源数据,并对所述房源数据进行聚合处理,得到与所述历史行为数据相关联的至少一个候选房源;其中,所述聚合处理是指对有关的数据内容挑选、分析、规则,最后分析得到用户所需要的数据;
根据候选房源的网络信息,确定与所述至少一个候选房源相对应的候选词向量。
2.根据权利要求1所述的方法,其特征在于,所述基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列,包括:
获取用户在预设时间的有效行为数据,作为所述历史行为数据;
根据所述历史行为数据中的网络数据,确定与所述历史行为数据相对应的网络信息序列;
其中,所述网络数据中包括所述历史行为数据中点击的各个房源的信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量,包括:
采用序列处理算法对所述网络信息序列进行处理,得到与所述网络信息序列相对应的网络词向量;其中,所述序列处理算法包括word2vec算法。
4.根据权利要求1所述的方法,其特征在于,所述基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源,包括:
采用余弦相似算法分别计算每个候选词向量,与所述网络词向量之间的相似度,得到与每个候选房源相对应的相似度值;
将所述相似度值高于预设阈值的候选房源,作为目标候选房源。
5.根据权利要求1所述的方法,其特征在于,还包括:
根据所述相似度值从高往低依次对与所述相似度值相对应的所述目标候选房源进行排序,并将排序后的目标候选房源展示在显示界面上。
6.一种推荐房源的装置,其特征在于,包括:
网络信息序列确定模块,用于基于用户的历史行为数据,确定与所述历史行为数据相对应的网络信息序列;其中,所述历史行为数据中包括点击各个房源的网络数据;其中,所述网络信息序列包括历史行为数据中各个房源的房源ID,以及与房源相对应的文本信息;
网络词向量确定模块,用于根据所述网络信息序列,得到与所述网络信息序列相对应的网络词向量;
候选词向量确定模型,用于获取至少一个候选房源,并分别确定与各个所述候选房源相对应的候选词向量;
目标候选房源确定模块,用于基于所述候选词向量与所述网络词向量之间的相似度值,确定目标候选房源;
所述候选词向量确定模块包括:
历史行为数据处理单元,用于从所述历史行为数据,获取至少一个房源数据,并对所述房源数据进行聚合处理,得到与所述历史行为数据相关联的至少一个候选房源;其中,所述聚合处理是指对有关的数据内容挑选、分析、规则,最后分析得到用户所需要的数据;
候选词向量确定单元,用于根据候选房源的网络信息,并采用确定与所述至少一个候选房源相对应的候选词向量。
7.根据权利要求6所述的装置,其特征在于,还包括;
目标房源排序模块,用于根据所述相似度值从高往低依次对与所述相似度值相对应的所述目标候选房源进行排序,并将排序后的目标候选房源展示在显示界面上。
8.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的推荐房源的方法。
9.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-5中任一所述的推荐房源的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910838317.5A CN110634047B (zh) | 2019-09-05 | 2019-09-05 | 一种推荐房源的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910838317.5A CN110634047B (zh) | 2019-09-05 | 2019-09-05 | 一种推荐房源的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634047A CN110634047A (zh) | 2019-12-31 |
CN110634047B true CN110634047B (zh) | 2022-04-22 |
Family
ID=68970888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910838317.5A Active CN110634047B (zh) | 2019-09-05 | 2019-09-05 | 一种推荐房源的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634047B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242724A (zh) * | 2020-01-06 | 2020-06-05 | 北京字节跳动网络技术有限公司 | 对象推送方法及装置 |
CN111222960A (zh) * | 2020-01-17 | 2020-06-02 | 青梧桐有限责任公司 | 基于公共流量带的房源推荐方法及系统 |
CN111291258A (zh) * | 2020-01-20 | 2020-06-16 | 北京无限光场科技有限公司 | 搜索热词的推荐方法、装置、电子设备及可读介质 |
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 |
CN112348631B (zh) * | 2020-10-27 | 2023-05-23 | 贝壳技术有限公司 | 一种推荐相似房源的方法、装置、电子设备及存储介质 |
CN112464085B (zh) * | 2020-11-19 | 2023-04-07 | 贝壳技术有限公司 | 一种房源推荐的方法、装置、电子设备及存储介质 |
CN113065067A (zh) * | 2021-03-31 | 2021-07-02 | 达而观信息科技(上海)有限公司 | 一种物品推荐方法、装置、计算机设备及存储介质 |
CN113205383A (zh) * | 2021-05-07 | 2021-08-03 | 中山市云经纪网络科技有限公司 | 一种房产智能推荐方法及系统 |
CN116501993B (zh) * | 2023-06-29 | 2023-11-10 | 深圳须弥云图空间科技有限公司 | 房源数据推荐方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491529A (zh) * | 2018-03-28 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN109165350A (zh) * | 2018-08-23 | 2019-01-08 | 成都品果科技有限公司 | 一种基于深度知识感知的信息推荐方法和系统 |
CN109299327A (zh) * | 2018-11-16 | 2019-02-01 | 广州市百果园信息技术有限公司 | 视频推荐方法、装置、设备及存储介质 |
CN109460514A (zh) * | 2018-11-02 | 2019-03-12 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2619773C (en) * | 2005-08-19 | 2016-01-26 | Biap Systems, Inc. | System and method for recommending items of interest to a user |
-
2019
- 2019-09-05 CN CN201910838317.5A patent/CN110634047B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491529A (zh) * | 2018-03-28 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN109165350A (zh) * | 2018-08-23 | 2019-01-08 | 成都品果科技有限公司 | 一种基于深度知识感知的信息推荐方法和系统 |
CN109460514A (zh) * | 2018-11-02 | 2019-03-12 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
CN109299327A (zh) * | 2018-11-16 | 2019-02-01 | 广州市百果园信息技术有限公司 | 视频推荐方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110634047A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634047B (zh) | 一种推荐房源的方法、装置、电子设备及存储介质 | |
CN111414498B (zh) | 多媒体信息推荐方法、装置及电子设备 | |
CN111368185B (zh) | 数据展示方法、装置、存储介质及电子设备 | |
WO2020019563A1 (zh) | 搜索排序方法、装置、电子设备和存储介质 | |
CN110222775B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110516159B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN111400625B (zh) | 页面处理方法、装置、电子设备及计算机可读存储介质 | |
CN111291258A (zh) | 搜索热词的推荐方法、装置、电子设备及可读介质 | |
CN111444356A (zh) | 基于搜索的推荐方法及装置 | |
CN112819512B (zh) | 一种文本处理方法、装置、设备及介质 | |
WO2023151589A1 (zh) | 视频显示方法、装置、电子设备和存储介质 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN111461967B (zh) | 图片处理方法、装置、设备和计算机可读介质 | |
CN111262744B (zh) | 多媒体信息发送方法、备份服务器及介质 | |
CN110633411A (zh) | 一种筛选房源的方法、装置、电子设备及存储介质 | |
CN116483891A (zh) | 一种信息预测方法、装置、设备和存储介质 | |
CN113220922B (zh) | 图像搜索方法、装置和电子设备 | |
CN112860999B (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN111782895B (zh) | 检索处理方法、装置、可读介质及电子设备 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN110941683B (zh) | 获取空间中对象属性信息的方法、装置、介质和电子设备 | |
CN113592607A (zh) | 产品推荐方法、装置、存储介质及电子设备 | |
CN111597439A (zh) | 信息处理方法、装置和电子设备 | |
CN110598133A (zh) | 确定搜索项目的顺序的方法、装置、电子设备和计算机可读存储介质 | |
CN111368204A (zh) | 内容推送方法、装置、电子设备及计算机可读介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230427 Address after: Room 802, Information Building, 13 Linyin North Street, Pinggu District, Beijing, 101299 Patentee after: Beijing youzhuju Network Technology Co.,Ltd. Address before: No. 715, 7th floor, building 3, 52 Zhongguancun South Street, Haidian District, Beijing 100081 Patentee before: Beijing infinite light field technology Co.,Ltd. |
|
TR01 | Transfer of patent right |