CN111401046B - 房源标题的生成方法和装置、存储介质、电子设备 - Google Patents

房源标题的生成方法和装置、存储介质、电子设备 Download PDF

Info

Publication number
CN111401046B
CN111401046B CN202010284507.XA CN202010284507A CN111401046B CN 111401046 B CN111401046 B CN 111401046B CN 202010284507 A CN202010284507 A CN 202010284507A CN 111401046 B CN111401046 B CN 111401046B
Authority
CN
China
Prior art keywords
user
vector
source
room source
attribute
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
Application number
CN202010284507.XA
Other languages
English (en)
Other versions
CN111401046A (zh
Inventor
王江月
尚尔昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beike Technology Co Ltd
Original Assignee
Beike Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN202010284507.XA priority Critical patent/CN111401046B/zh
Publication of CN111401046A publication Critical patent/CN111401046A/zh
Application granted granted Critical
Publication of CN111401046B publication Critical patent/CN111401046B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开实施例公开了一种房源标题的生成方法和装置、存储介质、电子设备，其中，方法包括：基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题；本实施例中结合了体现用户特征的用户属性向量，将房源针对不同用户的关键优势简短而个性化地展示给对应用户；实现使用户可以快速地获取到一套房源的关键信息，节省时间的同时，提高了用户体验。

Description

房源标题的生成方法和装置、存储介质、电子设备
技术领域
本公开涉及房源推荐技术领域，尤其是一种房源标题的生成方法和装置、存储介质、电子设备。
背景技术
在数字信息高速交互的年代，房产领域每天也会新增大量的房源及其房源信息。用户一个个浏览这些房源的详细信息，并从这些房源信息中找到符合自己要求的房源是比较困难的，这时候房源标题就起到了很重要的作用。房源标题一般会总结出房源的优势，给用户一个简短且直观的信息总结，用户可根据房源标题来决定给是否查看这套房源的详细信息，这样能节省用户不少时间，能很好地提高用户体验。但传统的房源标题生成方式是由经纪人根据自己维护的房源的详细信息，手动书写，并手动录入，需要的人力成本比较高，很考验经纪人对房源信息的掌握能力是否足够熟悉，而且效率也不是很好，并且对于不同用户不具有针对性。
发明内容
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种房源标题的生成方法和装置、存储介质、电子设备。
根据本公开实施例的一个方面，提供了一种房源标题的生成方法，其特征在于，包括：
基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；
基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；
对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题。
可选地，所述基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征，包括：
将所述房源属性向量和所述用户属性向量进行维度拼接，得到输入向量；
利用极端梯度提升模型对所述输入向量进行处理，得到具有排序的多个讲点特征。
可选地，所述基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签，包括：
对所述房源描述信息进行分句处理，得到多个描述句子；
对所述多个描述句子中的每个描述句子进行自然语言解析，得到所述房源对应的多个描述标签。
可选地，所述对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题，包括：
确定所述多个讲点特征中每个讲点特征对应的词语，得到多个词语；
对所述多个词语与所述多个描述标签进行映射，得到至少一个与所述词语匹配的描述标签；
从所述至少一个匹配的描述标签中取设定数量的描述标签构成所述房源的房源标题。
可选地，在基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征之前，还包括：
基于所述房源对应的多种房源属性及对应的房源属性值，确定所述房源的房源属性向量；其中，每种所述房源属性对应一个房源属性值；
基于所述用户对应的多种用户属性及对应的用户属性值，确定所述用户的用户属性向量；其中，每种所述用户属性对应一个用户属性值。
可选地，所述基于房源对应的多种房源属性及对应的房源属性值，确定所述房源的房源属性向量，包括：
分别对所述房源对应的多种房源属性中的每种房源属性及其对应的房源属性值进行编码，得到多对房源向量对；其中，每对所述房源向量对包括一个房源属性向量和一个房源属性值向量；
对所述多对房源向量对进行处理，得到所述房源的房源属性向量。
可选地，每对所述房源向量对中包括的房源属性向量对应的房源属性与所述房源属性值向量对应的房源属性中存在对应关系；
所述对所述多对房源向量对进行处理，得到所述房源的房源属性向量，包括：
分别将所述多对房源向量对中每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，得到多个房源拼接向量；
对所述多个房源拼接向量进行维度拼接，得到所述房源的房源属性向量。
可选地，所述基于用户对应的多种用户属性及对应的用户属性值，确定所述用户的用户属性向量，包括：
分别对所述用户对应的多种用户属性中的每种用户属性及其对应的用户属性值进行编码，得到多对用户向量对；其中，每对所述用户向量对包括一个用户属性向量和一个用户属性值向量；
对所述多对用户向量对进行处理，得到所述用户的用户属性向量。
可选地，每对所述用户向量对中包括的用户属性向量对应的用户属性与所述用户属性值向量对应的用户属性中存在对应关系；
所述对所述多对用户向量对进行处理，得到所述用户的用户属性向量，包括：
分别将所述多对用户向量对中每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，得到多个用户拼接向量；
对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量。
可选地，所述对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量，包括：
将所述多个用户拼接向量进行维度拼接后输入极端梯度提升模型，得到分别对应所述多个用户拼接向量中每个用户拼接向量的分数值；
基于所述每个用户拼接向量对应的分数值，确定所述每个用户拼接向量的权重值；
基于所述每个用户拼接向量的权重值对所述多个用户拼接向量进行维度拼接，得到所述用户的用户属性向量。
可选地，还包括：
获取所述用户在设定时间内输入的至少一个搜索词；
基于所述搜索词和所述房源标题，生成不同于所述房源标题的房源推荐词。
可选地，所述基于所述搜索词和所述房源标题，生成不同于所述房源标题的房源推荐词，包括：
确定所述房源标题是否覆盖所有所述搜索词；
响应于所述房源标题覆盖所有所述搜索词，根据所述搜索词的搜索维度确定所述房源的房源推荐词；
响应于所述房源标题未覆盖所有所述搜索词，以所述房源标题未覆盖的所述搜索词作为所述房源的房源推荐词。
可选地，所述确定所述房源标题是否覆盖所有所述搜索词，包括：
将所述至少一个搜索词与所述房源标题进行匹配；
通过匹配结果确定所述房源标题是否覆盖所有所述搜索词。
可选地，所述根据所述搜索词的搜索维度确定所述房源的房源推荐词，包括：
确定所述搜索词的搜索维度；其中，所述搜索维度表示所述搜索词可以搜索的范围；
基于所述搜索维度确定与所述搜索词相关的扩展词，将所述扩展词作为所述房源推荐词。
根据本公开实施例的另一方面，提供了一种房源标题的生成装置，包括：
特征确定模块，用于基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；
标签确定模块，用于基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；
标题生成模块，用于对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题。
可选地，所述特征确定模块，具体用于将所述房源属性向量和所述用户属性向量进行维度拼接，得到输入向量；利用极端梯度提升模型对所述输入向量进行处理，得到具有排序的多个讲点特征。
可选地，所述标签确定模块，具体用于对所述房源描述信息进行分句处理，得到多个描述句子；对所述多个描述句子中的每个描述句子进行自然语言解析，得到所述房源对应的多个描述标签。
可选地，所述标题生成模块，具体用于确定所述多个讲点特征中每个讲点特征对应的词语，得到多个词语；对所述多个词语与所述多个描述标签进行映射，得到至少一个与所述词语匹配的描述标签；从所述至少一个匹配的描述标签中取设定数量的描述标签构成所述房源的房源标题。
可选地，所述装置还包括：
房源向量确定模块，用于基于所述房源对应的多种房源属性及对应的房源属性值，确定所述房源的房源属性向量；其中，每种所述房源属性对应一个房源属性值；
用户向量确定模块，用于基于所述用户对应的多种用户属性及对应的用户属性值，确定所述用户的用户属性向量；其中，每种所述用户属性对应一个用户属性值。
可选地，所述房源向量确定模块，包括：
第一编码单元，用于分别对所述房源对应的多种房源属性中的每种房源属性及其对应的房源属性值进行编码，得到多对房源向量对；其中，每对所述房源向量对包括一个房源属性向量和一个房源属性值向量；
房源向量处理单元，用于对所述多对房源向量对进行处理，得到所述房源的房源属性向量。
可选地，每对所述房源向量对中包括的房源属性向量对应的房源属性与所述房源属性值向量对应的房源属性中存在对应关系；
所述房源向量处理单元，具体用于分别将所述多对房源向量对中每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，得到多个房源拼接向量；对所述多个房源拼接向量进行维度拼接，得到所述房源的房源属性向量。
可选地，所述用户向量确定模块，包括：
第二编码单元，用于分别对所述用户对应的多种用户属性中的每种用户属性及其对应的用户属性值进行编码，得到多对用户向量对；其中，每对所述用户向量对包括一个用户属性向量和一个用户属性值向量；
用户向量处理单元，用于对所述多对用户向量对进行处理，得到所述用户的用户属性向量。
可选地，每对所述用户向量对中包括的用户属性向量对应的用户属性与所述用户属性值向量对应的用户属性中存在对应关系；
所述用户向量处理单元，具体用于分别将所述多对用户向量对中每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，得到多个用户拼接向量；对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量。
可选地，所述用户向量处理单元在对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量时，具体用于将所述多个用户拼接向量进行维度拼接后输入极端梯度提升模型，得到分别对应所述多个用户拼接向量中每个用户拼接向量的分数值；基于所述每个用户拼接向量对应的分数值，确定所述每个用户拼接向量的权重值；基于所述每个用户拼接向量的权重值对所述多个用户拼接向量进行维度拼接，得到所述用户的用户属性向量。
可选地，所述装置还包括：
搜索词模块，用于获取所述用户在设定时间内输入的至少一个搜索词；
房源推荐模块，用于基于所述搜索词和所述房源标题，生成不同于所述房源标题的房源推荐词。
可选地，所述房源推荐模块，具体用于确定所述房源标题是否覆盖所有所述搜索词；响应于所述房源标题覆盖所有所述搜索词，根据所述搜索词的搜索维度确定所述房源的房源推荐词；响应于所述房源标题未覆盖所有所述搜索词，以所述房源标题未覆盖的所述搜索词作为所述房源的房源推荐词。
可选地，所述房源推荐模块在确定所述房源标题是否覆盖所有所述搜索词时，用于将所述至少一个搜索词与所述房源标题进行匹配；通过匹配结果确定所述房源标题是否覆盖所有所述搜索词。
可选地，所述房源推荐模块在根据所述搜索词的搜索维度确定所述房源的房源推荐词时，用于确定所述搜索词的搜索维度；其中，所述搜索维度表示所述搜索词可以搜索的范围；基于所述搜索维度确定与所述搜索词相关的扩展词，将所述扩展词作为所述房源推荐词。
根据本公开实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的房源标题的生成方法。
根据本公开实施例的还一方面，提供了一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一实施例所述的房源标题的生成方法。
基于本公开上述实施例提供的一种房源标题的生成方法和装置、存储介质、电子设备，基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题；本实施例中结合了体现用户特征的用户属性向量，将房源针对不同用户的关键优势简短而个性化地展示给对应用户；实现使用户可以快速地获取到一套房源的关键信息，节省时间的同时，提高了用户体验。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的房源标题的生成方法的流程示意图。
图2是本公开图1所示的实施例中步骤102的一个流程示意图。
图3是本公开图1所示的实施例中步骤104的一个流程示意图。
图4是本公开图1所示的实施例中步骤106的一个流程示意图。
图5是本公开另一示例性实施例提供的房源标题的生成方法的流程示意图。
图6是本公开图5所示的实施例中步骤501的一个流程示意图。
图7是本公开图5所示的实施例中步骤502的一个流程示意图。
图8是本公开又一示例性实施例提供的房源标题的生成方法的流程示意图。
图9是本公开一示例性实施例提供的房源标题的生成装置的结构示意图。
图10是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
申请概述
在实现本公开的过程中，发明人发现，现有的房源标题生成方式是手动录入，这种房源标题生成方式至少存在以下问题：需要的人力成本比较高，很考验经纪人对房源信息的掌握能力是否足够熟悉，效率低，并且对于不同用户不具有针对性。
示例性方法
图1是本公开一示例性实施例提供的房源标题的生成方法的流程示意图。本实施例可应用在电子设备上，如图1所示，包括如下步骤：
步骤102，基于房源对应的房源属性向量和用户对应的用户属性向量，确定房源对应的多个讲点特征。
本实施例中，除了利用房源属性向量，还结合了用户属性向量，由于结合了用户属性向量，使确定的讲点特征对于用户更具针对性，实现个性化讲点特征的生成。
步骤104，基于房源对应的房源描述信息，获得房源对应的多个描述标签。
在一实施例中，房源描述信息的来源可以包括但不限于3个来源：历史经纪人录入的房源标题、历史经纪人录入的房源介绍、房主自评等；通常房源描述信息通过至少一个句子对房源进行描述，本实施例通过对房源描述信息进行处理(如，提取关键词等)，得到该房源对应的多个描述标签。
步骤106，对多个讲点特征与多个描述标签进行映射，基于映射结果确定多个描述标签中的设定数量的描述标签构成房源的房源标题。
本实施例中，由于展示页面尺寸的限制，太长的房源标题用户的体验不是很好，因此，限制房源标题包括设定数量(如，3或5等)的描述标签，通过设定数量的描述标签将该房源面向该用户进行描述，实现针对用户的房源标题的生成。
本公开上述实施例提供的一种房源标题的生成方法，基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题；本实施例中结合了体现用户特征的用户属性向量，将房源针对不同用户的关键优势简短而个性化地展示给对应用户；实现使用户可以快速地获取到一套房源的关键信息，节省时间的同时，提高了用户体验。
如图2所示，在上述图1所示实施例的基础上，步骤102可包括如下步骤：
步骤1021，将房源属性向量和用户属性向量进行维度拼接，得到输入向量。
步骤1022，利用极端梯度提升模型对输入向量进行处理，得到具有排序的多个讲点特征。
本实施例中房源属性向量和用户属性向量可分别以不同设定维度进行表示，例如，房源属性向量维度为10维，用户属性向量为20维，经过维度拼接，得到维度为30维的输入向量；可选地，通过极端梯度提升模型(xgboost模型)对输入向量进行处理，可得到多个讲点特征，可选地，每个讲点特征可对应一个词语，例如，三居，近地铁等，并且多个讲点特征具有排序，该排序与用户属性相关，相关性较大的排序在前。
如图3所示，在上述图1所示实施例的基础上，步骤104可包括如下步骤：
步骤1041，对房源描述信息进行分句处理，得到多个描述句子。
步骤1042，对多个描述句子中的每个描述句子进行自然语言解析，得到房源对应的多个描述标签。
本实施例中，房源描述信息的来源可以包括但不限于：历史经纪人录入的房源标题、房源介绍、房主自评等。其中，由于房源标题已经是单句级别，可直接对其进行自然语言解析(nlu解析)；而房源介绍和房主自评是段落级别，可先对其进行分词(分词的方式可通过断句的方式将句子分割为短语)，然后再利用nlu技术对其进行解析；nlu技术可以对分词后的短语进行特征点的识别，最终会对每个短语产生一个描述标签(label)，获得多个描述标签。
如图4所示，在上述图1所示实施例的基础上，步骤106可包括如下步骤：
步骤1061，确定多个讲点特征中每个讲点特征对应的词语，得到多个词语。
步骤1062，对多个词语与多个描述标签进行映射，得到至少一个与词语匹配的描述标签。
步骤1063，从至少一个匹配的描述标签中取设定数量的描述标签构成房源的房源标题。
本实施例中，结合讲点特征和描述标签生成房源对应的房源标题，具体地，通过将讲点特征对应的词语与描述标签进行映射，映射过程可以是将词义相同或相近的两个词语产生对应关系，将所有具有对应关系的词语和描述标签，通过描述标签或词语进行表达，此事，通过映射就可得到多个描述标签或词语，可以将这些描述标签或词语构成房源标题；另外，由于展示页面尺寸的限制，太长的房源标题用户体验不是很好，因此，本实施例可限制房源标题的特征数(词语或描述标签)为设定数量(例如，5)。
图5是本公开另一示例性实施例提供的房源标题的生成方法的流程示意图。本实施例可应用在电子设备上，如图5所示，包括如下步骤：
步骤501，基于房源对应的多种房源属性及对应的房源属性值，确定房源的房源属性向量。
其中，每种房源属性对应一个房源属性值。
可选地，每个房源对应多种属性，如：居室数量、面积、房龄等，每种属性分别对应不同的属性值，如：居室数量：3，面积：90；房龄：9等。本实施例中通过与用户相关的多种属性综合确定房源的房源属性向量，增加了对房源属性的描述，提高了房源标题描述的准确性。
步骤502，基于用户对应的多种用户属性及对应的用户属性值，确定用户的用户属性向量。
其中，每种用户属性对应一个用户属性值。
可选地，每个用户对应多种属性，如：是否偏好地铁，偏好居室数量等，每种属性分别对应不同的属性值，如：是否偏好地铁：是(可用0、1表示)，偏好居室数量：2等；本实施例通过结合用户属性向量实现对用户有针对性的提供房源标题，提高了用户与房源之间的粘性。可选地，可通过对用户线上和/或线下的行为获得用户属性及属性值。
步骤102，基于房源对应的房源属性向量和用户对应的用户属性向量，确定房源对应的多个讲点特征。
步骤104，基于房源对应的房源描述信息，获得房源对应的多个描述标签。
步骤106，对多个讲点特征与多个描述标签进行映射，基于映射结果确定多个描述标签中的设定数量的描述标签构成房源的房源标题。
本实施例中的步骤501和步骤502之间的执行顺序不限，可以先执行步骤501再执行步骤502，也可以现在执行步骤502再执行步骤501，或者同时执行步骤501和步骤502。本实施例中，除了利用房源属性向量，还结合了用户属性向量，由于结合了用户属性向量，使确定的房源标题更具针对性，实现个性化标题生成。
如图6所示，在上述图5所示实施例的基础上，步骤501可包括如下步骤：
步骤5011，分别对房源对应的多种房源属性中的每种房源属性及其对应的房源属性值进行编码，得到多对房源向量对。
其中，每对房源向量对包括一个房源属性向量和一个房源属性值向量。
本实施例将房源属性和房源属性值分别进行编码，例如，通过key和value两个部分共同进行表述房源向量，其中，key表示属性，value表示属性值。对于房源来说，是否有地铁、居室数目、面积、房龄等都属于房源属性。在模型语义表达上，可选地，每一个key和value都有各自独立的嵌入词典(embeddingDict)获得其向量表示，最后将key和value的向量拼接(concat)起来作为房源拼接向量，本实施例中没有使用序列模型是考虑到房屋的属性是没有先后顺序的而且是相互独立的，所以不需要RNN模型来提取特征。并通过房源向量对将每种房源属性与其对应的房源属性值进行对应，以提高每种属性与其对应的属性值之间的关联。
步骤5012，对多对房源向量对进行处理，得到房源的房源属性向量。
其中，每对房源向量对中包括的房源属性向量对应的房源属性与房源属性值向量对应的房源属性中存在对应关系；可选地，步骤1022包括：分别将多对房源向量对中每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，得到多个房源拼接向量；
对多个房源拼接向量进行累加，得到房源的房源属性向量。
本实施例中，为了通过房源属性向量对房源对应的所有属性和属性值进行体现，首先将每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，使每种房源属性与其对应的房源属性值直接关联，实现了对个体房源的个性属性表达；通过将多个房源拼接向量进行累加，使得到的房源属性向量能够涵盖该房源的所有房源属性和房源属性值，能够更全面的体现房源的特征，使获得的房源标题与该房源的相关性更强。
如图7所示，在上述图5所示实施例的基础上，步骤502可包括如下步骤：
步骤5021，分别对用户对应的多种用户属性中的每种用户属性及其对应的用户属性值进行编码，得到多对用户向量对。
其中，每对用户向量对包括一个用户属性向量和一个用户属性值向量。
本实施例将用户属性和用户属性值分别进行编码，对于用户来说，可选地，通过统计该用户线上及线下的行为，整理得到其画像，如是否偏好地铁房、偏好的房屋居室，并对得到的用户画像进行编码。例如，通过key和value两个部分共同进行表述用户向量，其中，key表示属性，value表示属性值。在模型语义表达上，可选地，每一个key和value都有各自独立的嵌入词典(embeddingDict)获得其向量表示，最后将key和value的向量拼接(concat)起来作为用户拼接向量，本实施例中没有使用序列模型是考虑到用户的属性是没有先后顺序的而且是相互独立的，所以不需要RNN模型来提取特征。并通过用户向量对将每种用户属性与其对应的用户属性值进行对应，以提高每种属性与其对应的属性值之间的关联。
步骤5022，对多对用户向量对进行处理，得到用户的用户属性向量。
其中，每对用户向量对中包括的用户属性向量对应的用户属性与用户属性值向量对应的用户属性中存在对应关系；可选地，步骤5022包括：分别将多对用户向量对中每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，得到多个用户拼接向量；
对多个用户拼接向量进行累加，得到用户的用户属性向量。
具体地，将多个用户拼接向量进行维度拼接后输入极端梯度提升模型，得到分别对应多个用户拼接向量中每个用户拼接向量的分数值；
基于每个用户拼接向量对应的分数值，确定每个用户拼接向量的权重值；
基于每个用户拼接向量的权重值对多个用户拼接向量进行维度拼接，得到用户的用户属性向量。
本实施例中，通过用户属性向量体现了用户的多种偏好，将用户属性向量加入到编码器和解码器中进行处理，提高了生成的房源标题与用户之间的关联性；并且，为了通过用户属性向量对用户对应的所有属性和属性值进行体现，首先将每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，使每种用户属性与其对应的用户属性值直接关联，实现了对个体用户的个性属性表达；通过将多个用户拼接向量进行累加，使得到的用户属性向量能够涵盖该用户的所有用户属性和用户属性值，能够更全面的体现用户的特征，使获得的用户标题与该用户的相关性更强。
图8是本公开又一示例性实施例提供的房源标题的生成方法的流程示意图。
如图8所示，包括如下步骤：
步骤102，基于房源对应的房源属性向量和用户对应的用户属性向量，确定房源对应的多个讲点特征。
步骤104，基于房源对应的房源描述信息，获得房源对应的多个描述标签。
步骤106，对多个讲点特征与多个描述标签进行映射，基于映射结果确定多个描述标签中的设定数量的描述标签构成房源的房源标题。
步骤808，获取用户在设定时间内输入的至少一个搜索词。
步骤810，基于搜索词和房源标题，生成不同于房源标题的房源推荐词。
本实施例中，为了对生成对用户具有针对性的房源推荐词，还获取用户在设定时间内(例如，一个月内)输入的至少一个搜索词，这些搜索词表达了用户的需求；结合搜索词和房源标题生成不同于房源标题的房源推荐词，这些推荐词避开了房源标题的内容，在更多维度上对房源进行描述，提高了用户的感兴趣程度，进而提高了转化率。
在一些可选的实施例中，步骤810包括：
确定房源标题是否覆盖所有搜索词；
可选地，将至少一个搜索词与房源标题进行匹配；通过匹配结果确定房源标题是否覆盖所有搜索词。
响应于房源标题覆盖所有搜索词，根据搜索词的搜索维度确定房源的房源推荐词；
响应于房源标题未覆盖所有搜索词，以房源标题未覆盖的搜索词作为房源的房源推荐词。
本实施例中，通过自然语言解析分别对搜索词和房源标题进行处理，得到对应的搜索特征和房源特征，通过判断搜索特征和房源特征之间的相似程度，确定是否匹配，当房源特征与搜索特征之间的相似程度达到设定值时，可认为房源特征对应的房源标题与搜索特征对应的搜索词相匹配，当所有搜索词都与房源标题想匹配，即认为房源标题覆盖所有搜索词；否则，房源标题未覆盖所有搜索词。
可选地，根据搜索词的搜索维度确定房源的房源推荐词，包括：
确定搜索词的搜索维度；其中，搜索维度表示搜索词可以搜索的范围；
基于搜索维度确定与搜索词相关的扩展词，将扩展词作为房源推荐词。
本实施例中，搜索维度可以包括但不限于：小区维度、房屋维度等，例如，如果搜索维度为小区维度，推荐理由可为小区的POI信息；若为房屋维度，推荐理由可为房屋价格的动态信息，如：对比同小区同居室的房子，这个房子的价格比x成(这里的x可以为小于10的任意整数)房源都低。
本公开实施例提供的任一种房源标题的生成方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种房源标题的生成方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种房源标题的生成方法。下文不再赘述。
示例性装置
图9是本公开一示例性实施例提供的房源标题的生成装置的结构示意图。如图9所示，本实施例提供的装置包括：
特征确定模块91，用于基于房源对应的房源属性向量和用户对应的用户属性向量，确定房源对应的多个讲点特征。
标签确定模块92，用于基于房源对应的房源描述信息，获得房源对应的多个描述标签。
标题生成模块93，用于对多个讲点特征与多个描述标签进行映射，基于映射结果确定多个描述标签中的设定数量的描述标签构成房源的房源标题。
本公开上述实施例提供的一种房源标题的生成装置，基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题；本实施例中结合了体现用户特征的用户属性向量，将房源针对不同用户的关键优势简短而个性化地展示给对应用户；实现使用户可以快速地获取到一套房源的关键信息，节省时间的同时，提高了用户体验。
可选地，特征确定模块91，具体用于将房源属性向量和用户属性向量进行维度拼接，得到输入向量；利用极端梯度提升模型对输入向量进行处理，得到具有排序的多个讲点特征。
可选地，标签确定模块92，具体用于对房源描述信息进行分句处理，得到多个描述句子；对多个描述句子中的每个描述句子进行自然语言解析，得到房源对应的多个描述标签。
可选地，标题生成模块93，具体用于确定多个讲点特征中每个讲点特征对应的词语，得到多个词语；对多个词语与多个描述标签进行映射，得到至少一个与词语匹配的描述标签；从至少一个匹配的描述标签中取设定数量的描述标签构成房源的房源标题。
在一些可选的实施例中，本实施例提供的装置还包括：
房源向量确定模块，用于基于房源对应的多种房源属性及对应的房源属性值，确定房源的房源属性向量；其中，每种房源属性对应一个房源属性值；
用户向量确定模块，用于基于用户对应的多种用户属性及对应的用户属性值，确定用户的用户属性向量；其中，每种用户属性对应一个用户属性值。
可选地，房源向量确定模块，包括：
第一编码单元，用于分别对房源对应的多种房源属性中的每种房源属性及其对应的房源属性值进行编码，得到多对房源向量对；其中，每对房源向量对包括一个房源属性向量和一个房源属性值向量；
房源向量处理单元，用于对多对房源向量对进行处理，得到房源的房源属性向量。
可选地，每对房源向量对中包括的房源属性向量对应的房源属性与房源属性值向量对应的房源属性中存在对应关系；
房源向量处理单元，具体用于分别将多对房源向量对中每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，得到多个房源拼接向量；对多个房源拼接向量进行维度拼接，得到房源的房源属性向量。
可选地，用户向量确定模块，包括：
第二编码单元，用于分别对用户对应的多种用户属性中的每种用户属性及其对应的用户属性值进行编码，得到多对用户向量对；其中，每对用户向量对包括一个用户属性向量和一个用户属性值向量；
用户向量处理单元，用于对多对用户向量对进行处理，得到用户的用户属性向量。
可选地，每对用户向量对中包括的用户属性向量对应的用户属性与用户属性值向量对应的用户属性中存在对应关系；
用户向量处理单元，具体用于分别将多对用户向量对中每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，得到多个用户拼接向量；对多个用户拼接向量进行加权维度拼接，得到用户的用户属性向量。
可选地，用户向量处理单元在对多个用户拼接向量进行加权维度拼接，得到用户的用户属性向量时，具体用于将多个用户拼接向量进行维度拼接后输入极端梯度提升模型，得到分别对应多个用户拼接向量中每个用户拼接向量的分数值；基于每个用户拼接向量对应的分数值，确定每个用户拼接向量的权重值；基于每个用户拼接向量的权重值对多个用户拼接向量进行维度拼接，得到用户的用户属性向量。
在一些可选的实施例中，本实施例提供的装置还包括：
搜索词模块，用于获取用户在设定时间内输入的至少一个搜索词；
房源推荐模块，用于基于搜索词和房源标题，生成不同于房源标题的房源推荐词。
可选地，房源推荐模块，具体用于确定房源标题是否覆盖所有搜索词；响应于房源标题覆盖所有搜索词，根据搜索词的搜索维度确定房源的房源推荐词；响应于房源标题未覆盖所有搜索词，以房源标题未覆盖的搜索词作为房源的房源推荐词。
可选地，房源推荐模块在确定房源标题是否覆盖所有搜索词时，用于将至少一个搜索词与房源标题进行匹配；通过匹配结果确定房源标题是否覆盖所有搜索词。
可选地，房源推荐模块在根据搜索词的搜索维度确定房源的房源推荐词时，用于确定搜索词的搜索维度；其中，搜索维度表示搜索词可以搜索的范围；基于搜索维度确定与搜索词相关的扩展词，将扩展词作为房源推荐词。
示例性电子设备
下面，参考图10来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
图10图示了根据本公开实施例的电子设备的框图。
如图10所示，电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本公开的各个实施例的房源标题的生成方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如，在该电子设备是第一设备100或第二设备200时，该输入装置13可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备100和第二设备200接收所采集的输入信号。
此外，该输入设备13还可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图10中仅示出了该电子设备10中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的房源标题的生成方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的房源标题的生成方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (28)

1.一种房源标题的生成方法，其特征在于，包括：
基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；
基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；包括：对所述房源描述信息进行分句处理，得到多个描述句子；对所述多个描述句子中的每个描述句子进行自然语言解析，得到所述房源对应的多个描述标签；
对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题。
2.根据权利要求1所述的方法，其特征在于，所述基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征，包括：
将所述房源属性向量和所述用户属性向量进行维度拼接，得到输入向量；
利用极端梯度提升模型对所述输入向量进行处理，得到具有排序的多个讲点特征。
3.根据权利要求1所述的方法，其特征在于，所述对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题，包括：
确定所述多个讲点特征中每个讲点特征对应的词语，得到多个词语；
对所述多个词语与所述多个描述标签进行映射，得到至少一个与所述词语匹配的描述标签；
从所述至少一个匹配的描述标签中取设定数量的描述标签构成所述房源的房源标题。
4.根据权利要求1-3任一所述的方法，其特征在于，在基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征之前，还包括：
基于所述房源对应的多种房源属性及对应的房源属性值，确定所述房源的房源属性向量；其中，每种所述房源属性对应一个房源属性值；
基于所述用户对应的多种用户属性及对应的用户属性值，确定所述用户的用户属性向量；其中，每种所述用户属性对应一个用户属性值。
5.根据权利要求4所述的方法，其特征在于，所述基于房源对应的多种房源属性及对应的房源属性值，确定所述房源的房源属性向量，包括：
分别对所述房源对应的多种房源属性中的每种房源属性及其对应的房源属性值进行编码，得到多对房源向量对；其中，每对所述房源向量对包括一个房源属性向量和一个房源属性值向量；
对所述多对房源向量对进行处理，得到所述房源的房源属性向量。
6.根据权利要求5所述的方法，其特征在于，每对所述房源向量对中包括的房源属性向量对应的房源属性与所述房源属性值向量对应的房源属性中存在对应关系；
所述对所述多对房源向量对进行处理，得到所述房源的房源属性向量，包括：
分别将所述多对房源向量对中每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，得到多个房源拼接向量；
对所述多个房源拼接向量进行维度拼接，得到所述房源的房源属性向量。
7.根据权利要求4所述的方法，其特征在于，所述基于用户对应的多种用户属性及对应的用户属性值，确定所述用户的用户属性向量，包括：
分别对所述用户对应的多种用户属性中的每种用户属性及其对应的用户属性值进行编码，得到多对用户向量对；其中，每对所述用户向量对包括一个用户属性向量和一个用户属性值向量；
对所述多对用户向量对进行处理，得到所述用户的用户属性向量。
8.根据权利要求7所述的方法，其特征在于，每对所述用户向量对中包括的用户属性向量对应的用户属性与所述用户属性值向量对应的用户属性中存在对应关系；
所述对所述多对用户向量对进行处理，得到所述用户的用户属性向量，包括：
分别将所述多对用户向量对中每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，得到多个用户拼接向量；
对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量。
9.根据权利要求8所述的方法，其特征在于，所述对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量，包括：
将所述多个用户拼接向量进行维度拼接后输入极端梯度提升模型，得到分别对应所述多个用户拼接向量中每个用户拼接向量的分数值；
基于所述每个用户拼接向量对应的分数值，确定所述每个用户拼接向量的权重值；
基于所述每个用户拼接向量的权重值对所述多个用户拼接向量进行维度拼接，得到所述用户的用户属性向量。
10.根据权利要求1-3任一所述的方法，其特征在于，还包括：
获取所述用户在设定时间内输入的至少一个搜索词；
基于所述搜索词和所述房源标题，生成不同于所述房源标题的房源推荐词。
11.根据权利要求10所述的方法，其特征在于，所述基于所述搜索词和所述房源标题，生成不同于所述房源标题的房源推荐词，包括：
确定所述房源标题是否覆盖所有所述搜索词；
响应于所述房源标题覆盖所有所述搜索词，根据所述搜索词的搜索维度确定所述房源的房源推荐词；
响应于所述房源标题未覆盖所有所述搜索词，以所述房源标题未覆盖的所述搜索词作为所述房源的房源推荐词。
12.根据权利要求11所述的方法，其特征在于，所述确定所述房源标题是否覆盖所有所述搜索词，包括：
将所述至少一个搜索词与所述房源标题进行匹配；
通过匹配结果确定所述房源标题是否覆盖所有所述搜索词。
13.根据权利要求11所述的方法，其特征在于，所述根据所述搜索词的搜索维度确定所述房源的房源推荐词，包括：
确定所述搜索词的搜索维度；其中，所述搜索维度表示所述搜索词可以搜索的范围；
基于所述搜索维度确定与所述搜索词相关的扩展词，将所述扩展词作为所述房源推荐词。
14.一种房源标题的生成装置，其特征在于，包括：
特征确定模块，用于基于房源对应的房源属性向量和用户对应的用户属性向量，确定所述房源对应的多个讲点特征；
标签确定模块，用于基于所述房源对应的房源描述信息，获得所述房源对应的多个描述标签；所述标签确定模块，具体用于对所述房源描述信息进行分句处理，得到多个描述句子；对所述多个描述句子中的每个描述句子进行自然语言解析，得到所述房源对应的多个描述标签；
标题生成模块，用于对所述多个讲点特征与所述多个描述标签进行映射，基于映射结果确定所述多个描述标签中的设定数量的描述标签构成所述房源的房源标题。
15.根据权利要求14所述的装置，其特征在于，所述特征确定模块，具体用于将所述房源属性向量和所述用户属性向量进行维度拼接，得到输入向量；利用极端梯度提升模型对所述输入向量进行处理，得到具有排序的多个讲点特征。
16.根据权利要求14所述的装置，其特征在于，所述标题生成模块，具体用于确定所述多个讲点特征中每个讲点特征对应的词语，得到多个词语；对所述多个词语与所述多个描述标签进行映射，得到至少一个与所述词语匹配的描述标签；从所述至少一个匹配的描述标签中取设定数量的描述标签构成所述房源的房源标题。
17.根据权利要求14-16任一所述的装置，其特征在于，所述装置还包括：
房源向量确定模块，用于基于所述房源对应的多种房源属性及对应的房源属性值，确定所述房源的房源属性向量；其中，每种所述房源属性对应一个房源属性值；
用户向量确定模块，用于基于所述用户对应的多种用户属性及对应的用户属性值，确定所述用户的用户属性向量；其中，每种所述用户属性对应一个用户属性值。
18.根据权利要求17所述的装置，其特征在于，所述房源向量确定模块，包括：
第一编码单元，用于分别对所述房源对应的多种房源属性中的每种房源属性及其对应的房源属性值进行编码，得到多对房源向量对；其中，每对所述房源向量对包括一个房源属性向量和一个房源属性值向量；
房源向量处理单元，用于对所述多对房源向量对进行处理，得到所述房源的房源属性向量。
19.根据权利要求18所述的装置，其特征在于，每对所述房源向量对中包括的房源属性向量对应的房源属性与所述房源属性值向量对应的房源属性中存在对应关系；
所述房源向量处理单元，具体用于分别将所述多对房源向量对中每对房源向量对中的房源属性向量和房源属性值向量进行维度拼接，得到多个房源拼接向量；对所述多个房源拼接向量进行维度拼接，得到所述房源的房源属性向量。
20.根据权利要求17所述的装置，其特征在于，所述用户向量确定模块，包括：
第二编码单元，用于分别对所述用户对应的多种用户属性中的每种用户属性及其对应的用户属性值进行编码，得到多对用户向量对；其中，每对所述用户向量对包括一个用户属性向量和一个用户属性值向量；
用户向量处理单元，用于对所述多对用户向量对进行处理，得到所述用户的用户属性向量。
21.根据权利要求20所述的装置，其特征在于，每对所述用户向量对中包括的用户属性向量对应的用户属性与所述用户属性值向量对应的用户属性中存在对应关系；
所述用户向量处理单元，具体用于分别将所述多对用户向量对中每对用户向量对中的用户属性向量和用户属性值向量进行维度拼接，得到多个用户拼接向量；对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量。
22.根据权利要求21所述的装置，其特征在于，所述用户向量处理单元在对所述多个用户拼接向量进行加权维度拼接，得到所述用户的用户属性向量时，具体用于将所述多个用户拼接向量进行维度拼接后输入极端梯度提升模型，得到分别对应所述多个用户拼接向量中每个用户拼接向量的分数值；基于所述每个用户拼接向量对应的分数值，确定所述每个用户拼接向量的权重值；基于所述每个用户拼接向量的权重值对所述多个用户拼接向量进行维度拼接，得到所述用户的用户属性向量。
23.根据权利要求14-16任一所述的装置，其特征在于，所述装置还包括：
搜索词模块，用于获取所述用户在设定时间内输入的至少一个搜索词；
房源推荐模块，用于基于所述搜索词和所述房源标题，生成不同于所述房源标题的房源推荐词。
24.根据权利要求23所述的装置，其特征在于，所述房源推荐模块，具体用于确定所述房源标题是否覆盖所有所述搜索词；响应于所述房源标题覆盖所有所述搜索词，根据所述搜索词的搜索维度确定所述房源的房源推荐词；响应于所述房源标题未覆盖所有所述搜索词，以所述房源标题未覆盖的所述搜索词作为所述房源的房源推荐词。
25.根据权利要求24所述的装置，其特征在于，所述房源推荐模块在确定所述房源标题是否覆盖所有所述搜索词时，用于将所述至少一个搜索词与所述房源标题进行匹配；通过匹配结果确定所述房源标题是否覆盖所有所述搜索词。
26.根据权利要求24所述的装置，其特征在于，所述房源推荐模块在根据所述搜索词的搜索维度确定所述房源的房源推荐词时，用于确定所述搜索词的搜索维度；其中，所述搜索维度表示所述搜索词可以搜索的范围；基于所述搜索维度确定与所述搜索词相关的扩展词，将所述扩展词作为所述房源推荐词。
27.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-13任一所述的房源标题的生成方法。
28.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-13任一所述的房源标题的生成方法。
CN202010284507.XA 2020-04-13 2020-04-13 房源标题的生成方法和装置、存储介质、电子设备 Active CN111401046B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010284507.XA CN111401046B (zh) 2020-04-13 2020-04-13 房源标题的生成方法和装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010284507.XA CN111401046B (zh) 2020-04-13 2020-04-13 房源标题的生成方法和装置、存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN111401046A CN111401046A (zh) 2020-07-10
CN111401046B true CN111401046B (zh) 2023-09-29

Family

ID=71431625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010284507.XA Active CN111401046B (zh) 2020-04-13 2020-04-13 房源标题的生成方法和装置、存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN111401046B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005234761A (ja) * 2004-02-18 2005-09-02 Seiko Epson Corp タイトル決定装置及びタイトル決定方法ならびにそのプログラム
KR20090003412A (ko) * 2007-06-08 2009-01-12 엔에이치엔(주) 광고 자동 노출 방법 및 시스템
CN106445922A (zh) * 2016-10-09 2017-02-22 合网络技术（北京）有限公司 确定多媒体资源的标题的方法及装置
CN110852078A (zh) * 2018-07-27 2020-02-28 北京京东尚科信息技术有限公司 生成标题的方法和装置
CN110929505A (zh) * 2019-11-28 2020-03-27 贝壳技术有限公司 房源标题的生成方法和装置、存储介质、电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332525A1 (en) * 2007-10-19 2010-12-30 Tyler Gildred Parameterization of keywords for automated entries
CA2746675C (en) * 2008-12-12 2015-03-31 Atigeo Llc Providing recommendations using information determined for domains of interest
US9342592B2 (en) * 2013-07-29 2016-05-17 Workday, Inc. Method for systematic mass normalization of titles
CN110147483B (zh) * 2017-09-12 2023-09-29 阿里巴巴集团控股有限公司 一种标题重建方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005234761A (ja) * 2004-02-18 2005-09-02 Seiko Epson Corp タイトル決定装置及びタイトル決定方法ならびにそのプログラム
KR20090003412A (ko) * 2007-06-08 2009-01-12 엔에이치엔(주) 광고 자동 노출 방법 및 시스템
CN106445922A (zh) * 2016-10-09 2017-02-22 合网络技术（北京）有限公司 确定多媒体资源的标题的方法及装置
CN110852078A (zh) * 2018-07-27 2020-02-28 北京京东尚科信息技术有限公司 生成标题的方法和装置
CN110929505A (zh) * 2019-11-28 2020-03-27 贝壳技术有限公司 房源标题的生成方法和装置、存储介质、电子设备

Also Published As

Publication number Publication date
CN111401046A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN110287278B (zh) 评论生成方法、装置、服务器及存储介质
CN109543058B (zh) 用于检测图像的方法、电子设备和计算机可读介质
US20160210279A1 (en) Methods and systems for analyzing communication situation based on emotion information
CN109034203B (zh) 表情推荐模型的训练、表情推荐方法、装置、设备及介质
CN111680159A (zh) 数据处理方法、装置及电子设备
CN110263340B (zh) 评论生成方法、装置、服务器及存储介质
CN111930792B (zh) 数据资源的标注方法、装置、存储介质及电子设备
CN111681087B (zh) 信息处理方法、装置、计算机可读存储介质及电子设备
CN110929505B (zh) 房源标题的生成方法和装置、存储介质、电子设备
CN113064964A (zh) 文本分类方法、模型训练方法、装置、设备以及存储介质
US11651015B2 (en) Method and apparatus for presenting information
CN111930915B (zh) 会话信息处理方法、装置、计算机可读存储介质及设备
CN110188158B (zh) 关键词及话题标签生成方法、装置、介质及电子设备
CN113158656B (zh) 讽刺内容识别方法、装置、电子设备以及存储介质
CN111738791B (zh) 一种文本处理方法、装置、设备和存储介质
CN110647613A (zh) 一种课件构建方法、装置、服务器和存储介质
CN111949785A (zh) 查询语句管理方法和装置、可读存储介质、电子设备
CN113656763A (zh) 确定小程序特征向量的方法、装置和电子设备
CN110888975A (zh) 文本可视化
CN113096687A (zh) 音视频处理方法、装置、计算机设备及存储介质
CN110929499B (zh) 文本相似度获取方法、装置、介质及电子设备
CN111401046B (zh) 房源标题的生成方法和装置、存储介质、电子设备
WO2022262080A1 (zh) 一种对话关系处理方法、计算机及可读存储介质
CN111090769A (zh) 一种歌曲推荐的方法、装置、设备和计算机存储介质
CN112800230B (zh) 文本处理方法、装置、计算机可读存储介质及电子设备

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