CN111552866A - 一种找室友帖子专辑的推荐方法和装置 - Google Patents
一种找室友帖子专辑的推荐方法和装置 Download PDFInfo
- Publication number
- CN111552866A CN111552866A CN202010243448.1A CN202010243448A CN111552866A CN 111552866 A CN111552866 A CN 111552866A CN 202010243448 A CN202010243448 A CN 202010243448A CN 111552866 A CN111552866 A CN 111552866A
- Authority
- CN
- China
- Prior art keywords
- user
- roommate
- searching
- information
- post
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- 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
- G06F16/9538—Presentation of query results
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Abstract
本发明实施例提供了一种找室友帖子专辑的推荐方法和装置,所述方法包括:通过获取第一用户提交的找室友特征信息,并根据该找室友特征信息确定该第一用户的找室友标签;在获取到至少一个第二用户发布的找室友帖子后,根据第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑并向该第一用户进行推荐。上述方案根据用户的找室友标签,向用户推荐与该标签匹配的找室友帖子专辑,提供了一种基于人属性维度来进行匹配推荐租房的模式,通过多维度标签进行匹配,为用户精准推荐适合该用户的室友信息,大大提升了找到合适的同类室友的成功率。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种找室友帖子专辑的推荐方法和一种找室友帖子专辑的推荐装置。
背景技术
租房是大部分人进入职场前第一项需要考虑的事情。由于城市人口越多越多,对于租房的需求越来越大,另外基于租房成本、人际社交等方面的考虑,很多人都倾向于选择合租。
目前,人们寻求合租室友的方式主要是:房东或中介或已入住的用户通过在租房平台上发布房源信息供他人浏览,想要寻求租房的用户通过在租房平台上输入搜索词获得相匹配的房源,即现有的租房方式主要是基于房源来进行匹配,向用户推荐与之条件相匹配的房源的。而由于大量的房源掌握在中介手上,通过该种方式寻找到的房源大部分仍然还是需要找到中介,而中介或房东对于合租者的选择没有过多的考虑,可能会造成最后合租的室友关系不融洽,无法让合租者很好地居住在同一屋檐下。
另外,用户通过浏览他人发布的房源信息中少量提及的室友需求筛选合租室友,是件很耗费精力的工作,且由于用户资料信息的缺乏,导致无法多维度匹配,无法精确给用户推荐适合该用户的室友信息,因此仍可能无法找到合适的室友。
因此,目前大多数租房相关产品没有考虑到租房的本质在于人,均是以推荐房源为主,无法帮助用户快速地寻找到适合的合租室友。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种找室友帖子专辑的推荐方法和相应的一种找室友帖子专辑的推荐装置。
为了解决上述问题,本发明实施例公开了一种找室友帖子专辑的推荐方法,所述方法包括:
获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签;
获取至少一个第二用户发布的找室友帖子;
根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户的找室友标签匹配的找室友帖子专辑;
向所述第一用户推荐所述找室友帖子专辑。
可选地,所述找室友特征信息包括第一用户的账户资料信息和所述第一用户发布的找室友文本信息;所述获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签包括:
获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签;
获取所述第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签;
采用所述特征标签对所述用户标签进行补全,确定所述第一用户的找室友标签。
可选地,所述获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签包括:
获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,并根据所述系统标签确定所述第一用户的用户标签;
所述获取所述第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签包括:
获取所述第一用户发布的找室友文本信息;
采用所述找室友文本信息进行分词识别,提取所述第一用户的特征标签;所述识别包括语义识别、场景识别中的至少一种。
可选地,所述方法包括:
将所述特征标签添加至预置的扩充标签库中;
当所述预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,则将所述特征标签升级成系统标签,并添加至所述预置系统标签库中。
可选地,所述向所述第一用户推荐所述找室友帖子专辑包括:
获取所述第一用户的筛选信息;
基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;
根据排序结果,向所述第一用户推荐所述找室友帖子专辑。
可选地,所述筛选信息包括所述第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种;所述基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序包括:
基于所述地域信息、所述合租价格信息和所述兴趣爱好信息中的至少一种,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;所述预设的专辑排序策略包括优先使用所述地域信息与所述合租价格信息的组合进行排序,再使用所述兴趣爱好信息的组合进行排序。
可选地,所述方法还包括:
获取所述第一用户输入的找室友搜索词;
调用预置的系统词库,对所述找室友搜索词进行匹配及纠错优化,得到找室友搜索联想词;
在预设搜索联想词列表中向所述第一用户展示所述找室友搜索联想词,并提示所述第一用户可以从所述搜索联想词列表中选择相应的找室友搜索联想词进行搜索;
根据所述第一用户选择的找室友搜索联想词,向所述第一用户推荐与所述第一用户选择的找室友搜索联想词匹配的找室友帖子专辑。
相应的,本发明实施例还公开了一种找室友帖子专辑的推荐装置,所述装置包括:
标签确定模块,用于获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签;
帖子获取模块,用于获取至少一个第二用户发布的找室友帖子;
聚合模块,用于根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户的找室友标签匹配的找室友帖子专辑;
专辑推荐模块,用于向所述第一用户推荐所述找室友帖子专辑。
可选地,所述找室友特征信息包括第一用户的账户资料信息和所述第一用户发布的找室友文本信息;所述标签确定模块包括:
第一用户标签确定子模块,用于获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签;
特征标签确定子模块,用于获取所述第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签;
标签补全子模块,用于采用所述特征标签对所述用户标签进行补全,确定所述第一用户的找室友标签。
可选地,所述第一用户标签确定子模块包括:
点选单元,用于获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,并根据所述系统标签确定所述第一用户的用户标签;
所述特征标签确定子模块包括:
文本获取单元,用于获取所述第一用户发布的找室友文本信息;
特征标签提取单元,用于采用所述找室友文本信息进行分词识别,提取所述第一用户的特征标签;所述识别包括语义识别、场景识别中的至少一种。
可选地,所述装置包括:
添加模块,用于将所述特征标签添加至预置的扩充标签库中;
升级模块,用于当所述预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,则将所述特征标签升级成系统标签,并添加至所述预置系统标签库中。
可选地,所述专辑推荐模块包括:
信息获取子模块,用于获取所述第一用户的筛选信息;
排序子模块,用于基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;
专辑推荐子模块,用于根据排序结果,向所述第一用户推荐所述找室友帖子专辑。
可选地,所述筛选信息包括所述第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种;所述排序子模块包括:
排序单元,用于基于所述地域信息、所述合租价格信息和所述兴趣爱好信息中的至少一种,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;所述预设的专辑排序策略包括优先使用所述地域信息与所述合租价格信息的组合进行排序,再使用所述兴趣爱好信息的组合进行排序。
可选地,所述装置还包括:
搜索词获取模块,用于获取所述第一用户输入的找室友搜索词;
联想词获得模块,用于调用预置的系统词库,对所述找室友搜索词进行匹配及纠错优化,得到找室友搜索联想词;
展示模块,用于在预设搜索联想词列表中向所述第一用户展示所述找室友搜索联想词,并提示所述第一用户可以从所述搜索联想词列表中选择相应的找室友搜索联想词进行搜索;
匹配模块,用于根据所述第一用户选择的找室友搜索联想词,向所述第一用户推荐与所述第一用户选择的找室友搜索联想词匹配的找室友帖子专辑。
相应的,本发明实施例还公开了一种装置,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述找室友帖子专辑的推荐方法的步骤。
相应的,本发明实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上述找室友帖子专辑的推荐方法的步骤。
本发明实施例包括以下优点:
本发明实施例通过获取第一用户提交的找室友特征信息,并根据该找室友特征信息确定该第一用户的找室友标签;在获取到至少一个第二用户发布的找室友帖子后,根据该第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑;向该第一用户推荐至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。上述方案根据用户的找室友标签,向用户推荐与该标签匹配的找室友帖子专辑,提供了一种基于人属性维度来进行匹配推荐租房的模式,通过多维度标签进行匹配,为用户精准推荐适合该用户的室友信息,既扩大了用户室友圈,又大大提升了找到合适的同类室友的成功率。
进一步地,本发明实施例通过第一用户点选的系统标签和从第一用户发布的找室友文本信息中提取的第一用户的特征标签,得到第一用户的找室友标签,使得在缺乏第一用户的账户资料信息时,仍能进行多维度匹配。且当扩充标签库中的特征标签对应的用户数量大于预设阈值时,将该特征标签升级成系统标签以对系统标签库进行自动扩充,使得用户在填写相关资料信息时可以直接进行点选,而不需要手工输入自定义文字。此外,基于第一用户所设的筛选信息,采用预设的专辑排序策略,对与该第一用户的找室友标签匹配的找室友帖子专辑进行排序后再推荐,避免了只能单一依靠用户设定的想找某个小区/商圈室友,来引流到房源来上提供线索的弊端。另外,通过对搜索联想词的纠错优化,避免通过分词联想引发的相反语义推荐。
附图说明
图1是本发明的一种找室友帖子专辑的推荐方法实施例一的步骤流程图;
图2是本发明的一种找室友帖子专辑的推荐方法实施例二的步骤流程图;
图3是本发明的一种找室友帖子专辑的推荐装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例的核心构思在于:
针对缺乏用户账户资料信息、没有更多用户资料画像,导致无法多维度匹配的问题,或用户想找合适的合租室友存在需要浏览大量房帖中提及的室友需求以进行筛选的弊端的问题,本发明通过获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,得到第一用户的用户标签,再通过从第一用户发布的找室友文本信息中进行分词识别后提取到的第一用户的特征标签,以对第一用户的用户标签进行补全,得到多维度的第一用户的找室友标签;在获取到至少一个第二用户发布的找室友帖子后,根据该第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑;向该第一用户推荐至少一个与该第一用户的找室友标签匹配的找室友帖子专辑,使得在缺乏第一用户的账户资料信息时,仍能多维度匹配适合该第一用户的同类室友。
针对用户在填写相关资料信息时所有字段要求用户填写,用户成本太高的问题,本发明通过利用预设系统标签库中原有的系统标签,以及当扩充标签库中的特征标签对应的用户数量大于预设阈值时,将该特征标签升级成系统标签以对系统标签库进行自动扩充,使得用户在填写相关资料信息时可以直接进行点选,而不需要手工输入自定义文字。
针对只能单一依靠用户设定的想找某个小区/商圈室友,来引流到房源来上提供线索,导致大规模用户无法匹配,进而造成用户流失的问题,本发明通过第一用户点选的系统标签和从第一用户发布的找室友文本信息中提取的第一用户的特征标签,得到第一用户的找室友标签,从而在获取到至少一个第二用户发布的找室友帖子后,根据该第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑,再基于第一用户所设的筛选信息(包括第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种),采用预设的专辑排序策略,即优先使用地域信息与合租价格信息的组合进行排序,再使用爱好兴趣信息的组合进行排序,对与该第一用户的找室友标签匹配的找室友帖子专辑进行排序后再向该第一用户推荐适合的找室友帖子专辑。
针对由于找室友存在应用场景特殊性,导致搜索联想词无法正确识别用户意图的问题,本发明通过在搜索联想词上进行合理场景优化及纠错优化,避免对第一用户输入端搜索词进行分词联想所引发相反语义推荐。
参照图1,示出了本发明的一种找室友帖子专辑的推荐方法实施例一的步骤流程图,所述方法具体可以包括如下步骤:
步骤101,获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签。
在日常场景实施过程中,本发明的应用场景可以是租房平台或房源平台等,提供租房信息展示、租房室友推荐等服务功能。
该步骤主要是获取用户在租房平台上提交的找室友特征信息,以便更好地描绘出每个用户的用户画像。
找室友特征信息是指与用户找室友相关的特征信息,可以包括用户在填写用户账户资料时填写的基本信息、点选的系统标签或者用户发布的找室友文本信息等。
找室友标签是指与用户找室友相关的标签,可以包括用户的性别、星座、老家地址、工作地址等用户标签,以及用户经常活动的区域/商圈/小区、学校、工作行业、职业、兴趣爱好等特征标签,但并不局限与此。
在日常场景实施过程中,可以获取第一用户提交的找室友特征信息,并根据改找室友特征信息确定第一用户的找室友标签。
步骤102,获取至少一个第二用户发布的找室友帖子。
找室友帖子是指在租房平台或房源平台发布的与找室友信息相关的帖子。用户可以在租房平台或房源平台的APP上发布找室友帖子。找室友帖子主要包括帖子的标题、对房源的简单介绍,如几室几厅、多少平方米、大概位置等,合租的价格、还可能包括对合租室友的要求等。点击找室友帖子即可进入到该帖子的详情页。详情页是指对房源进行详细介绍的页面,通常包括房源信息、卖点、小区介绍、交通介绍、经纪人信息及联系方式等,还包括合租的价格、对合租室友的要求或是房主的特殊要求等。
在日常场景实施过程中,可以获取至少一个第二用户发布的找室友帖子。
步骤103,根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户的找室友标签匹配的找室友帖子专辑。
聚合处理是指根据用户某些标签进行找室友帖子的聚合,使其汇集在某共同标签里,如北京大学找室友。
找室友帖子专辑是指将至少一个第二用户发布的找室友帖子进行聚合处理后的得到的专辑,一个找室友帖子专辑里可以包括多个找室友帖子,每个找室友帖子专辑对应一个找室友标签,第一用户可以通过浏览找室友帖子专辑中包含的找室友帖子,寻找心仪的室友。
在日常场景实施过程中,由于是根据第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑的,因此对多个第二用户发布的找室友帖子进行聚合处理后可以得到具有不同找室友标签的专辑,例如根据如星座、老乡、居住地、兴趣爱好等找室友标签对找室友帖子进行聚合处理,则可以得到与如处女座找室友、潮汕老乡找室友、游泳找室友、程序员找室友、房产销售找室友等与某个第一用户所具有的不同找室友标签匹配的找室友帖子专辑。
在日常场景实施过程中,可以根据第一用户的找室友标签,对至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。
步骤104,向所述第一用户推荐所述找室友帖子专辑。
在日常场景实施过程中,在得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑后,可以向第一用户推荐该找室友帖子专辑。第一用户可以通过浏览找室友帖子专辑中包含的找室友帖子,寻找心仪的同类室友。
本发明实施例通过获取第一用户提交的找室友特征信息,并根据该找室友特征信息确定该第一用户的找室友标签;在获取到至少一个第二用户发布的找室友帖子后,根据该第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑;向该第一用户推荐至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。上述方案根据用户的找室友标签,向用户推荐与该标签匹配的找室友帖子专辑,提供了一种基于人属性维度来进行匹配推荐租房的模式,能够在前期缺乏大量室友信息的情况下,通过多维度标签进行匹配,为用户找到想合租的同类室友,既扩大了用户室友圈,又能精确地给用户推荐适合该用户的室友信息,大大提升了找到合适室友的成功率,同时也避免了用户想找合适的合租室友需要浏览大量房帖中提及的室友需求以进行筛选的弊端。
参照图2,示出了本发明的一种找室友帖子专辑的推荐方法实施例二的步骤流程图,所述方法具体可以包括如下步骤:
步骤201,获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签。
在日常场景实施过程中,可以获取第一用户提交的找室友特征信息,并根据该找室友特征信息确定第一用户的找室友标签。
在本发明的一种可选实施例中,所述找室友特征信息包括第一用户的账户资料信息和所述第一用户发布的找室友文本信息;所述步骤201可以包括如下子步骤S11-S12:
子步骤S11,获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签。
在日常场景实施过程中,找室友特征信息可以包括第一用户的账户资料信息和第一用户发布的找室友文本信息。
第一用户的账户资料信息是指第一用户注册账户时提交的基本资料信息,可以包括第一用户的姓名、性别、星座、家乡、居住地等信息,但并不局限于此。
第一用户的用户标签是指根据第一用户的账户资料信息确定的标签,可以包括第一用户的性别、星座、家乡、居住地等标签,但并不局限于此。
在日常场景实施过程中,可以获取第一用户的账户资料信息,并根据第一用户的账户资料信息确定第一用户的用户标签。
在本发明的一种可选实施例中,所述子步骤S11可以包括:
获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,并根据所述系统标签确定所述第一用户的用户标签。
系统标签是指基于某个维度固定枚举值的标签,比如星座只有12种标签,性别只有男女2种标签,但并不局限于此。
系统标签库是指保存基于某个维度固定枚举值的标签的数据库。系统标签保存在系统标签库中。
在日常场景实施过程中,第一用户在填写账户资料信息时,可以对系统提供的系统标签库中的系统标签进行点选。例如,第一用户A在填写账户资料信息时,可以对系统标签库中的12种星座系统标签进行点选,若第一用户A是白羊座,则可以点选“白羊座”的系统标签。
在日常场景实施过程中,可以获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,并根据点选的系统标签确定第一用户的用户标签。
子步骤S12,获取所述第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签。
找室友文本信息是指第一用户对其所要寻找的室友的需求的文本信息以及对自身情况的介绍信息。例如,第一用户A发布的找室友文本信息是:本人是潮汕人,目前是北京大学大四学生,已经找到了一份程序员的工作,喜欢打篮球,想要找一个可以组队打球的室友。
特征标签是指基于第一用户设定文本语义分析,提取兴趣爱好等关键词而得到的标签。
在日常场景实施过程中,可以获取第一用户发布的找室友文本信息,并采用该找室友文本信息提取该第一用户的特征标签。例如,根据获取到的第一用户A发布的上述找室友文本信息,可以提取到该第一用户的特征标签为潮汕人、北京大学、大四学生、程序员、篮球等。
在本发明的一种可选实施例中,所述子步骤S12可以包括如下子步骤S111-S112:
子步骤S111,获取所述第一用户发布的找室友文本信息。
子步骤S112,采用所述找室友文本信息进行分词识别,提取所述第一用户的特征标签;所述识别包括语义识别、场景识别中的至少一种。
在日常场景实施过程中,识别可以包括语义识别、场景识别中的至少一种。
在日常场景实施过程中,可以获取第一用户发布的找室友文本信息,通过对找室友文本信息进行分词识别,提取该第一用户的特征标签。
子步骤S13,采用所述特征标签对所述用户标签进行补全,确定所述第一用户的找室友标签。
在日常场景实施过程中,可以采用特征标签对用户标签进行补全,确定第一用户的找室友标签。
在实际中,由于第一用户在填写账户资料信息时,可能存在第一用户资料属性较弱,或填写不完整导致缺乏第一用户的账户资料信息的情况,因此通过第一用户发布的找室友文本信息,提取该第一用户的特征标签对第一用户的用户标签进行补全,以便获得更完善的第一用户找室友标签。
在本发明的一种可选实施例中,所述方法包括:
将所述特征标签添加至预置的扩充标签库中;
当所述预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,则将所述特征标签升级成系统标签,并添加至所述预置系统标签库中。
扩充标签库是指保存基于用户设定文本语义分析,提取兴趣爱好等关键词而得到的标签的数据库。当预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,即表明多个用户都有共同的某个特征标签,因此当该特征标签对应的用户数量大于预设阈值时,则可以该标签自动升级成系统标签,保存至系统标签库。其他用户可直接使用该标签,可以直接在填写相关资料信息时进行点选,而不需要手工输入自定义文字。
在日常场景实施过程中,可以将特征标签添加至预置的扩充标签库中;当预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,则将该特征标签升级成系统标签,并添加至预置系统标签库中。
步骤202,获取至少一个第二用户发布的找室友帖子。
在日常场景实施过程中,可以获取至少一个第二用户发布的找室友帖子。
步骤203,根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户找室友标签匹配的找室友帖子专辑。
在日常场景实施过程中,可以根据第一用户的找室友标签,对至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。
步骤204,向所述第一用户推荐所述找室友帖子专辑。
在日常场景实施过程中,可以向第一用户推荐至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。
在本发明的一种可选实施例中,所述步骤204可以包括如下子步骤S21-S23:
子步骤S21,获取所述第一用户的筛选信息。
筛选信息是指用于筛选找室友帖子或专辑的信息,可以包括第一用户所在的地域信息、合租价格信息和兴趣爱好信息等,但并不局限于此。
在实际中,用户在租房平台的APP界面上可以填写他所在的地域信息,期望的合租价格范围,兴趣爱好等信息。
在本发明的一种可选实施例中,所述筛选信息包括所述第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种;
子步骤S22,基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序。
预设的专辑排序策略是指预设的针对找室友帖子专辑进行排序的策略,以便能够为第一用户推荐匹配度高的找室友帖子专辑。例如,基于找室友的应用场景,因此,一般会优先考虑地域匹配的室友一起合租,同时合租的价格是否合适也是影响匹配成功率的关键,在这基础上,若是与合租室友具有共同的兴趣爱好,则更加能够找到合拍的同类室友,因此,预设的专辑排序策略可以是优先使用地域信息与合租价格信息的组合进行排序,再使用爱好兴趣信息的组合进行排序。
在日常场景实施过程中,可以获取第一用户的筛选信息,筛选信息可以包括第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种,然后基于该筛选信息,采用预设的专辑排序策略,将获取到的找室友帖子专辑进行排序。
在本发明的一种可选实施例中,所述子步骤S22包括:
基于所述地域信息、所述合租价格信息和所述兴趣爱好信息中的至少一种,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;所述预设的专辑排序策略包括优先使用所述地域信息与所述合租价格信息的组合进行排序,再使用所述兴趣爱好信息的组合进行排序。
在日常场景实施过程中,可以基于第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种,采用预设的专辑排序策略,将至少一个与第一用户的找室友标签匹配的找室友帖子专辑进行排序;预设的专辑排序策略可以包括优先使用地域信息与合租价格信息的组合进行排序,再使用兴趣爱好信息的组合进行排序。
子步骤S23,根据排序结果,向所述第一用户推荐所述找室友帖子专辑。
在日常场景实施过程中,可以根据排序结果,向第一用户推荐至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。
步骤205,获取所述第一用户输入的找室友搜索词。
找室友搜索词是指第一用户为了搜索到合适室友而输入的关键词,例如找广东男生室友。在实际中,第一用户可以在应用程序的搜索栏中输入找室友搜索词。
步骤206,调用预置的系统词库,对所述找室友搜索词进行匹配及纠错优化,得到找室友搜索联想词。
纠错优化是基于找室友应用场景的特殊性,因此在对第一用户输入的找室友搜索词进行分词识别后,需要针对性地对输入的找室友搜索词进行纠错优化,从而避免在匹配搜索联想词时无法正确识别用户意图,匹配到与用户输入的搜索词语义完全相反的词句。比如“谢绝男士”会通过分词拆分为“谢绝”“男士”两个词,然后“谢绝”会联想出“限制”“限”等,“男士”会联想出“男生”“男人”等,于是会得出“限男生”这种与“谢绝男士”语义相反的词句。对于出现“限”,“谢绝”等关键词,不进行传统的分词联想,来确保谢绝男士的完整语义。
在日常场景实施过程中,可以获取第一用户输入的找室友搜索词;随后,可以调用预置的系统词库,对该找室友搜索词进行匹配及纠错优化,得到找室友搜索联想词。
步骤207,在预设搜索联想词列表中向所述第一用户展示所述找室友搜索联想词,并提示所述第一用户可以从所述搜索联想词列表中选择相应的找室友搜索联想词进行搜索。
在日常场景实施过程中,可以在预设搜索联想词列表中向第一用户展示找室友搜索联想词,并提示第一用户可以从搜索联想词列表中选择相应的找室友搜索联想词进行搜索。
步骤208,根据所述第一用户选择的找室友搜索联想词,向所述第一用户推荐与所述第一用户选择的找室友搜索联想词匹配的找室友帖子专辑。
在日常场景实施过程中,可以根据第一用户选择的找室友搜索联想词,向该第一用户推荐与其选择的找室友搜索联想词匹配的找室友帖子专辑。
本发明实施例通过获取第一用户提交的找室友特征信息,并根据该找室友特征信息确定该第一用户的找室友标签;在获取到至少一个第二用户发布的找室友帖子后,根据该第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与该第一用户的找室友标签匹配的找室友帖子专辑;向该第一用户推荐至少一个与该第一用户的找室友标签匹配的找室友帖子专辑。上述方案根据第一用户的找室友标签,向第一用户推荐与该标签匹配的找室友帖子专辑,提供了一种基于人属性维度来进行匹配推荐租房的模式,能够在前期缺乏大量室友信息的情况下,通过多维度标签进行匹配,为第一用户找到想合租的同类室友,既扩大了第一用户室友圈,又能精确地给第一用户推荐适合该第一用户的室友信息,大大提升了找到合适室友的成功率,同时也避免了第一用户想找合适的合租室友需要浏览大量房帖中提及的室友需求以进行筛选的弊端。
进一步地,本发明实施例还通过利用预设系统标签库中的系统标签,使得第一用户可以在填写相关资料信息时直接进行点选,而不需要手工输入自定义文字。另外,通过第一用户点选的系统标签得到第一用户的用户标签,又通过对第一用户发布的找室友文本信息进行分词识别,得到第一用户的特征标签,以补全第一用户的用户标签,使得在缺乏第一用户的账户资料信息时,仍能进行多维度匹配。且当扩充标签库中的特征标签对应的用户数量大于预设阈值时,通过将该特征标签升级成系统标签,添加至系统标签库中以对系统标签库进行自动扩充,避免了所有字段都要求用户填写导致用户成本太高的弊端。此外,基于第一用户所设的筛选信息,采用预设的专辑排序策略,对与该第一用户的找室友标签匹配的找室友帖子专辑进行排序,避免了只能单一依靠用户设定的想找某个小区/商圈室友,来引流到房源来上提供线索的弊端,能够更精确地给用户推荐适合该用户的室友信息,从而减少用户的流失。另外,通过搜索联想词的纠错优化,避免通过分词联想引发相反语义推荐。
为了使本领域技术人员能够更好地理解本发明实施例,下面通过一个例子对本发明实施例加以说明:
1)用户账户增加资料属性:性别,星座,老家地址,工作地址等系统标签字段。
2)基于用户找室友发布的文本信息,进行智能分析,通过分词、语义识别、场景识别等手段,提取用户经常活动的区域/商圈/小区、学校、工作行业、职业、兴趣爱好等特征标签,对用户标签进行补充。
3)当多个用户都有某个共同特征标签,且特征标签对应的用户数量大于100时,则将该特征标签自动升级到系统标签库,其他用户可直接在填写相关资料字段时进行点选,而不需要手工输入自定义文字。
4)专辑更多基于目前上述几个维度的标签字段进行聚合,如星座、老乡、居住地,也有特征标签进行聚合,如游泳找室友、程序员找室友、房产销售找室友等。
5)在专辑聚合排序策略中,优先使用地域+价格组合进行筛选,再使用爱好兴趣组合进行聚合排序,具体规则如下:
1、按地域+价格:排序第一
a、能获取到用户定位时,获取用户定位,展示定位附近对应的商圈匹配的找室友帖子专辑。
b、若用户发过帖子,且帖子有效,则展示填写的商圈(第一个)或小区匹配的商圈对应的找室友帖子专辑。
c、若用户在资料中填写了想住哪儿,则展示填写的商圈对应的找室友帖子专辑。
d、若用户未登录、无定位数据、无相关资料,则展示当前城市帖子数最高的商圈对应点找室友帖子专辑专辑。
e、若用户发过帖子,且帖子有效,则在商圈后加帖子填写的价格范围,并匹配相关帖子,有房贴可写【0-填写的价格】。
f、若用户在资料中写了预算范围,则在商圈后加价格范围,取出相关的帖子组成专辑。
g、若用户填写的预算范围无帖子,或未填写,则只展示商圈对应的找室友帖子专辑,无价格范围。
2、按爱好:排序第二
a、同爱好:顶部图片可分类设计,体育类:打乒乓球、打羽毛球、游泳、健身、跑步。文艺类:弹吉他、唱歌、跳舞、绘画。休闲类:看电影、看小说、逛街、吃货。设计3张即可。需要展示信息:爱好|唱歌。
b、若用户有一个爱好信息,则展示该爱好匹配的找室友帖子专辑。
c、若用户有一个以上爱好信息,则随机展示他的某个爱好匹配的找室友帖子专辑,且每次进入随机变换。
d、若用户未填写爱好、未登录,则随机展示任意爱好匹配的找室友帖子专辑专辑,且每次进入随机变换。
6)由于找室友的对性别要求的特殊性,搜索联想词无法正确识别用户意图。比如“谢绝男士”会通过分词拆分为“谢绝”“男士”两个词,然后“谢绝”会联想出“限制”“限”等,“男士”会联想出“男生”“男人”等,于是会得出“限男生”这种与“谢绝男士”语义相反的词句。对于出现“限”,“谢绝”等关键词,不进行传统的分词联想。来确保谢绝男士的完整语义。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明的一种找室友帖子专辑的推荐装置实施例的结构框图,具体可以包括如下模块:
标签确定模块301,用于获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签;
帖子获取模块302,用于获取至少一个第二用户发布的找室友帖子;
聚合模块303,用于根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户的找室友标签匹配的找室友帖子专辑;
专辑推荐模块304,用于向所述第一用户推荐所述找室友帖子专辑。
在本发明的一种可选实施例中,所述找室友特征信息包括第一用户的账户资料信息和所述第一用户发布的找室友文本信息;所述标签确定模块包括:
用户标签确定子模块,用于获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签;
特征标签确定子模块,用于获取所述第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签;
标签补全子模块,用于采用所述特征标签对所述用户标签进行补全,确定所述第一用户的找室友标签。
在本发明的一种可选实施例中,所述用户标签确定子模块包括:
点选单元,用于获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,并根据所述系统标签确定所述第一用户的用户标签;
所述特征标签确定子模块包括:
文本获取单元,用于获取所述第一用户发布的找室友文本信息;
特征标签提取单元,用于采用所述找室友文本信息进行分词识别,提取所述第一用户的特征标签;所述识别包括语义识别、场景识别中的至少一种。
在本发明的一种可选实施例中,所述装置包括:
添加模块,用于将所述特征标签添加至预置的扩充标签库中;
升级模块,用于当所述预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,则将所述特征标签升级成系统标签,并添加至所述预置系统标签库中。
在本发明的一种可选实施例中,所述专辑推荐模块包括:
信息获取子模块,用于获取所述第一用户的筛选信息;
排序子模块,用于基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;
专辑推荐子模块,用于根据排序结果,向所述第一用户推荐所述找室友帖子专辑。
在本发明的一种可选实施例中,所述筛选信息包括所述第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种;所述排序子模块包括:
排序单元,用于基于所述地域信息、所述合租价格信息和所述兴趣爱好信息中的至少一种,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;所述预设的专辑排序策略包括优先使用所述地域信息与所述合租价格信息的组合进行排序,再使用所述兴趣爱好信息的组合进行排序。
在本发明的一种可选实施例中,所述装置还包括:
搜索词获取模块,用于获取所述第一用户输入的找室友搜索词;
联想词获得模块,用于调用预置的系统词库,对所述找室友搜索词进行匹配及纠错优化,得到找室友搜索联想词;
展示模块,用于在预设搜索联想词列表中向所述第一用户展示所述找室友搜索联想词,并提示所述第一用户可以从所述搜索联想词列表中选择相应的找室友搜索联想词进行搜索;
匹配模块,用于根据所述第一用户选择的找室友搜索联想词,向所述第一用户推荐与所述第一用户选择的找室友搜索联想词匹配的找室友帖子专辑。
对于装置实施例而言,由于其与方法实施例基本相似,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。
本发明实施例还提供了一种装置,包括:
包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述找室友帖子专辑的推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述找室友帖子专辑的推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本说明书中的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他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做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发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端设备不仅包括那些要素,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、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种找室友帖子专辑的推荐方法和一种找室友帖子专辑的推荐装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种找室友帖子专辑的推荐方法,其特征在于,包括:
获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签;
获取至少一个第二用户发布的找室友帖子;
根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户的找室友标签匹配的找室友帖子专辑;
向所述第一用户推荐所述找室友帖子专辑。
2.根据权利要求1所述的方法,其特征在于,所述找室友特征信息包括第一用户的账户资料信息和所述第一用户发布的找室友文本信息;所述获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签包括:
获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签;
获取所第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签;
采用所述特征标签对所述用户标签进行补全,确定所述第一用户的找室友标签。
3.根据权利要求2所述的方法,其特征在于,所述获取第一用户的账户资料信息,并根据所述账户资料信息确定所述第一用户的用户标签包括:
获取第一用户在填写账户资料信息时,点选的预置系统标签库中的系统标签,并根据所述系统标签确定所述第一用户的用户标签;
所述获取所述第一用户发布的找室友文本信息,并采用所述找室友文本信息提取所述第一用户的特征标签包括:
获取所述第一用户发布的找室友文本信息;
采用所述找室友文本信息进行分词识别,提取所述第一用户的特征标签;所述识别包括语义识别、场景识别中的至少一种。
4.根据权利要求3所述的方法,其特征在于,所述方法包括:
将所述特征标签添加至预置的扩充标签库中;
当所述预置的扩充标签库中的特征标签对应的用户数量大于预设阈值时,则将所述特征标签升级成系统标签,并添加至所述预置系统标签库中。
5.根据权利要求1所述的方法,其特征在于,所述向所述第一用户推荐所述找室友帖子专辑包括:
获取所述第一用户的筛选信息;
基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;
根据排序结果,向所述第一用户推荐所述找室友帖子专辑。
6.根据权利要求5所述的方法,其特征在于,所述筛选信息包括所述第一用户所在的地域信息、合租价格信息和兴趣爱好信息中的至少一种;所述基于所述筛选信息,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序包括:
基于所述地域信息、所述合租价格信息和所述兴趣爱好信息中的至少一种,采用预设的专辑排序策略,将所述找室友帖子专辑进行排序;所述预设的专辑排序策略包括优先使用所述地域信息与所述合租价格信息的组合进行排序,再使用所述兴趣爱好信息的组合进行排序。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第一用户输入的找室友搜索词;
调用预置的系统词库,对所述找室友搜索词进行匹配及纠错优化,得到找室友搜索联想词;
在预设搜索联想词列表中向所述第一用户展示所述找室友搜索联想词,并提示所述第一用户可以从所述搜索联想词列表中选择相应的找室友搜索联想词进行搜索;
根据所述第一用户选择的找室友搜索联想词,向所述第一用户推荐与所述第一用户选择的找室友搜索联想词匹配的找室友帖子专辑。
8.一种找室友帖子专辑的推荐装置,其特征在于,所述装置包括:
标签确定模块,用于获取第一用户提交的找室友特征信息,并根据所述找室友特征信息确定所述第一用户的找室友标签;
帖子获取模块,用于获取至少一个第二用户发布的找室友帖子;
聚合模块,用于根据所述第一用户的找室友标签,对所述至少一个第二用户发布的找室友帖子进行聚合处理,得到至少一个与所述第一用户的找室友标签匹配的找室友帖子专辑;
专辑推荐模块,用于向所述第一用户推荐所述找室友帖子专辑。
9.一种装置,其特征在于,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的找室友帖子专辑的推荐方法的步骤。
10.一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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的找室友帖子专辑的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010243448.1A CN111552866A (zh) | 2020-03-31 | 2020-03-31 | 一种找室友帖子专辑的推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010243448.1A CN111552866A (zh) | 2020-03-31 | 2020-03-31 | 一种找室友帖子专辑的推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111552866A true CN111552866A (zh) | 2020-08-18 |
Family
ID=72000022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010243448.1A Pending CN111552866A (zh) | 2020-03-31 | 2020-03-31 | 一种找室友帖子专辑的推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111552866A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8249890B1 (en) * | 2007-07-23 | 2012-08-21 | Walgreen Co. | Method and system for delivering to a customer a plurality of prescriptions having aligned refill dates |
CN105427203A (zh) * | 2015-11-03 | 2016-03-23 | 徐承柬 | 一种租房信息管理方法和系统 |
CN108985881A (zh) * | 2018-06-22 | 2018-12-11 | 平安科技(深圳)有限公司 | 合租室友推荐方法、装置及计算机可读存储介质、服务器 |
CN109949123A (zh) * | 2019-02-12 | 2019-06-28 | 平安科技(深圳)有限公司 | 房源推荐方法、装置、计算机设备及计算机可读存储介质 |
CN110109652A (zh) * | 2019-04-24 | 2019-08-09 | 杭州恋家网络科技有限公司 | 一种针对个人房东的房屋租赁管理系统 |
-
2020
- 2020-03-31 CN CN202010243448.1A patent/CN111552866A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8249890B1 (en) * | 2007-07-23 | 2012-08-21 | Walgreen Co. | Method and system for delivering to a customer a plurality of prescriptions having aligned refill dates |
CN105427203A (zh) * | 2015-11-03 | 2016-03-23 | 徐承柬 | 一种租房信息管理方法和系统 |
CN108985881A (zh) * | 2018-06-22 | 2018-12-11 | 平安科技(深圳)有限公司 | 合租室友推荐方法、装置及计算机可读存储介质、服务器 |
CN109949123A (zh) * | 2019-02-12 | 2019-06-28 | 平安科技(深圳)有限公司 | 房源推荐方法、装置、计算机设备及计算机可读存储介质 |
CN110109652A (zh) * | 2019-04-24 | 2019-08-09 | 杭州恋家网络科技有限公司 | 一种针对个人房东的房屋租赁管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694223B (zh) | 一种用户画像库的构建方法及装置 | |
US9230218B2 (en) | Systems and methods for recognizing ambiguity in metadata | |
US8650141B2 (en) | System and method of segmenting and tagging entities based on profile matching using a multi-media survey | |
CN112214670A (zh) | 一种在线课程推荐方法、装置、电子设备及存储介质 | |
US20190332602A1 (en) | Method of data query based on evaluation and device | |
US20120311434A1 (en) | System and method for automating categorization and aggregation of content from network sites | |
CN110597962B (zh) | 搜索结果展示方法、装置、介质及电子设备 | |
US20170154116A1 (en) | Method and system for recommending contents based on social network | |
CN106970991B (zh) | 相似应用的识别方法、装置和应用搜索推荐方法、服务器 | |
CN110321291A (zh) | 测试案例智能提取系统及方法 | |
CN101395696A (zh) | 用于条目百科全书的协作结构化置标 | |
US8984414B2 (en) | Function extension for browsers or documents | |
CN111782947B (zh) | 一种搜索内容展示方法、装置、电子设备及存储介质 | |
Vakulenko et al. | Enriching iTunes App Store Categories via Topic Modeling. | |
CN111680133A (zh) | 直播问答方法及装置 | |
CN113688313A (zh) | 一种预测模型的训练方法、信息推送的方法及装置 | |
CN111400586A (zh) | 群组展示方法、终端、服务器、系统及存储介质 | |
US9390166B2 (en) | Specific online resource identification and extraction | |
CN108763369B (zh) | 一种视频搜索方法和装置 | |
Piccardi et al. | On the Value of Wikipedia as a Gateway to the Web | |
CN112733024A (zh) | 一种信息推荐的方法及装置 | |
KR100876214B1 (ko) | 문맥기반 광고 장치와 그 방법 및 이를 구현할 수 있는컴퓨터로 읽을 수 있는 기록 매체 | |
CN109597934B (zh) | 确定点击推荐词的方法、装置、存储介质及电子设备 | |
CN116089745A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
US20170228398A1 (en) | Image metadata enrinchment generator |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200818 |