CN112419312B - 相似房源信息检测方法、装置、电子设备和可读介质 - Google Patents

Abstract

本公开的实施例公开了相似房源信息检测方法、装置、电子设备和可读介质。该方法的一具体实施方式包括：基于参照房源图像信息，生成参照房源图像向量；确定目标房源图像向量集合中每个目标房源图像向量与参照房源图像向量之间的向量距离，得到向量距离集合；从目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合；根据候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合；从候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。该实施方式提高了相似房源信息检测结果的准确性。

Description

相似房源信息检测方法、装置、电子设备和可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及相似房源信息检测方法、装置、电子设备和可读介质。

背景技术

相似房源信息检测，是通过一定的技术手段检索出相同或相似的房源信息，以此判别虚假房源信息、矛盾房源信息等信息以及识别同一用户多次发布相同房源信息或盗图发布房源信息等行为的方法。目前，在对相似房源信息进行检测时，通常采用的方式为：将房源图像转换为图像指纹，将房源图像之间的相似性比较转换为图像指纹之间的相似性比较，并以此来判断房源信息是否相同或相似。

然而，当采用上述方式进行相似房源信息检测时，经常会存在如下技术问题：

第一，图像指纹的抗干扰性不佳，且难以体现图像中的细节，通过图像指纹对相似房源信息进行检测会导致房源图像的查重效果不佳，进而，使得浪费大量的计算资源仍难以获得较为准确的相似房源信息检测结果；

第二，在相似房源信息检测过程中没有通过其他技术方法弥补图像指纹存在的缺点，因此，使得房源图像的查重精准度较低以及在相似房源信息检测过程中消耗大量时间和检索资源，不能较为快速地、准确地确定相似房源信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了相似房源信息检测的方法、装置、电子设备和可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种相似房源信息检测的方法，该方法包括：基于参照房源图像信息，生成参照房源图像向量；确定目标房源图像向量集合中每个目标房源图像向量与上述参照房源图像向量之间的向量距离，得到向量距离集合；从上述目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合；根据上述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合；从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

第二方面，本公开的一些实施例提供了一种相似房源信息检测装置，装置包括：生成单元，被配置成基于参照房源图像信息，生成参照房源图像向量；第一确定单元，被配置成确定目标房源图像向量集合中每个目标房源图像向量与上述参照房源图像向量之间的向量距离，得到向量距离集合；第一选择单元，被配置成从上述目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合；第二确定单元，被配置成根据上述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合；第二选择单元，被配置成从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的相似房源信息检测方法提升了房源图像的查重效果，进而，使获得的相似房源信息检测结果更为准确。具体来说，导致浪费大量的计算资源仍难以获得较为准确的相似房源信息检测结果的原因在于：图像指纹的抗干扰性不佳，且难以体现图像中的细节。基于此，本公开的一些实施例的相似房源信息检测方法将房源图像转换为图像向量，通过图像向量对房源图像进行较为精确的描述，将房源图像之间的相似性比较转换为图像向量之间的相似性比较，并以此来判断房源图像是否相同或相似。由于生成的图像向量可以表征图像的颜色特征、纹理特征、形状特征和空间关系特征等特征，因此图像向量能够准确地表示对应的房源图像，从而提高了相似房源检测方法对图像旋转、缩放等因素的抗干扰性。此外，相比于图像指纹，采用图像向量表示房源图像能够保留房源图像更多的细节。从而，使得到的相似房源信息检测结果更加准确。

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，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的相似房源信息检测方法的一个应用场景的示意图；

图2是根据本公开的相似房源信息检测方法的一些实施例的流程图；

图3是根据本公开的相似房源信息检测方法的另一些实施例的流程图；

图4是根据本公开的相似房源信息检测装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

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。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

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”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的一些实施例的相似房源信息检测方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以基于参照房源图像信息102，生成参照房源图像向量103。接着，计算设备101可以确定目标房源图像向量集合104中每个目标房源图像向量与上述参照房源图像向量103之间的向量距离，得到向量距离集合105。然后，计算设备101可以从上述目标房源图像向量集合104中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合106。再然后，计算设备101可以根据上述候选房源图像向量集合106中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合107。最后，计算设备101可以从上述候选房源信息集合107中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合108。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件和软件模块，也可以是实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的相似房源信息检测方法的一些实施例的流程200。该网页生成方法，包括以下步骤：

步骤201，基于参照房源图像信息，生成参照房源图像向量。

在一些实施例中，相似房源信息检测方法的执行主体(如图1所示的计算设备101)可以基于参照房源图像信息，生成参照房源图像向量。其中，参照房源图像信息可以是包含有房屋外部或内部区域的栅格图像或者矢量图像。参照房源图像向量可以是由参照房源图像信息中所包含的图像特征所组成的特征向量。图像特征可以包括但不限于以下至少一项：颜色特征，纹理特征，形状特征，空间关系特征。

实践中，根据需要，基于上述参照房源图像信息，可以通过各种方式生成参照房源图像向量。作为示例，可以利用各种图像特征提取算法。例如，利用方向梯度直方图特征提取算法、高斯函数差分特征提取算法等对参照房源图像信息进行特征提取，生成参照房源图像向量。当然，也可以通过人工提取图像特征的方式得到参照房源图像向量。

在一些实施例的一些可选的实现方式中，上述执行主体基于参照房源图像信息，生成参照房源图像向量，可以包括以下步骤：

第一步，对上述参照房源图像信息进行向量化处理，得到高维向量。

实践中，根据需要，可以通过各种方式对参照房源图像信息进行向量化处理。作为示例，可以通过人工提取特征的方式对参照房源图像信息进行向量化处理，得到上述高维向量。

可选的，可以通过预先训练的向量化模型对上述参照房源图像信息进行向量化处理，得到高维向量。上述向量化处理模型可以是以下模型之一：CNNH(ConvolutionalNerual Network Hashing，卷积神经网络哈希)模型、NINH(Network In Network Hashing，多重神经网络哈希)模型、DSRH(Deep Semantic Ranking Based Hashing，深度语义排序哈希)模型和DPSH(Deep Pairwise-supervised Hashing，深度标签对哈希)模型等等。

第二步，对上述高维向量进行降维处理，得到低维向量。可以将上述低维向量作为参照房源图像向量。

具体的，作为示例，可以通过因子分析法对上述高维向量进行降维处理，得到上述低维向量。上述因子分析法可以是以下之一：PCA(Principal Component Analysis，主成分分析法)、LDA(Linear Discriminant Analysis，线性判别分析法)等等。

作为又一示例，也可以将上述高维向量输入至预先训练的AutoEncoder模型中，得到上述低维向量。

在一些实施例的一些可选的实现方式中，上述执行主体还以对上述低维向量进行压缩处理，将压缩处理后的低维向量作为参照房源图像向量。可以通过各种向量压缩算法对上述低维向量进行压缩处理。

具体的，作为示例，上述向量压缩算法可以是以下之一：PQ(ProductQuantization，量化乘积)算法、SDC(Symmetric Distance Computation，对称距离计算)算法，ADC(Asymmetric Distance Computation，非对称距离计算)算法等等。

步骤202，确定目标房源图像向量集合中每个目标房源图像向量与参照房源图像向量之间的向量距离，得到向量距离集合。

在一些实施例中，上述执行主体可以确定目标房源图像向量集合中每个目标房源图像向量与上述参照房源图像向量之间的向量距离，得到向量距离集合。其中，上述目标房源图像向量集合可以指由数据库中存储的所有房源图像向量所组成的集合。上述目标房源图像向量集合中的目标房源图像向量可以是预先对数据库中存储的房源图像进行图像特征提取后生成的特征向量。

实践中，根据需要，可以通过各种方式计算目标房源图像向量与参照房源图像向量之间的向量距离。作为示例，可以利用余弦相似度表征目标房源图像向量与参照房源图像向量之间的向量距离。还可以通过向量内积、Pearson相关系数、Jaccard相似系数和对数似然相似度表征目标房源图像向量与参照房源图像向量之间的向量距离。

步骤203，从目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合。

在一些实施例中，上述执行主体可以从上述目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合。其中，上述第一预设条件可以是向量距离在预设数值范围内。上述预设数值范围可以根据实际情况进行设置。

步骤204，根据候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合。

在一些实施例中，上述执行主体根据上述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合，可以包括以下步骤：

第一步，确定上述候选房源图像向量对应的候选房源图像的图像指纹。其中，上述图像指纹可以是利用dhash(difference hash，差异值哈希)算法，phash(perceptualhash，感知哈希)算法或ahash(average hash，均值哈希)算法等算法，针对图像而生成的用于唯一标识图像的字符串。

第二步，对上述图像指纹进行降维处理，得到降维处理后的图像指纹。其中，降维处理可以指将上述图像指纹中特定位置处的字符进行组合。上述特定位置可以是人为设置或确定的。

第三步，从数据库中查找对应的唯一标识与上述降维处理后的图像指纹相同的候选房源信息。其中，上述候选房源信息的唯一标识是在存储时，通过dhash算法根据上述候选房源信息对应的候选房源图像的图像指纹所生成的。

步骤205，从候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

在一些实施例中，上述执行主体可以从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。其中，上述候选房源信息可以包括但不限于以下至少一项：房源所属的机构名称，房源所属的用户标识，房源所属的小区名称。上述第二预设条件可以是候选房源信息中包括预设机构名称和/或预设用户标识和/或预设小区名称。

作为示例，上述候选房源信息集合可以是{[北京**房地产经济有限公司，ajk10**256，北京市**西家属院]，[北京**企业管理咨询有限公司，ajk56**547，碧桂**玺小区]}。上述第一预设条件可以是候选房源信息中包括预设小区名称“碧桂**玺小区”。则相似房源信息集合可以是{[北京**企业管理咨询有限公司，ajk56**547，碧桂**玺小区]}。

在一些实施例的一些可选的实现方式中，上述执行主体可以根据上述参照房源图像信息对应的房源信息，从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。其中，上述第二预设条件可以是根据上述参照房源图像信息对应的房源信息进行设置的。

作为示例，上述参照房源图像信息对应的房源信息可以是{[北京**房地产经济有限公司，ajk10**286，北京市**东家属院]}。则上述第二预设条件可以是候选房源信息与上述参照房源图像信息对应的房源信息相同。上述第二预设条件还可以是候选房源信息中的房源所属的机构名称与上述参照房源图像信息对应的房源信中的房源所属的机构名称相同。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的相似房源信息检测方法提升了房源图像的查重效果，进而，使获得的相似房源信息检测结果更为准确。具体来说，发明人发现，导致浪费大量的计算资源仍难以获得较为准确的相似房源信息检测结果的原因在于：图像指纹的抗干扰性不佳，且难以体现图像中的细节。基于此，本公开的一些实施例的相似房源信息检测方法将房源图像转换为图像向量，通过图像向量对房源图像进行较为精确的描述，将房源图像之间的相似性比较转换为图像向量之间的相似性比较，并以此来判断房源图像是否相同或相似。由于生成的图像向量可以表征图像的颜色特征、纹理特征、形状特征和空间关系特征等特征，因此图像向量能够准确地表示对应的房源图像，从而提高了相似房源检测方法对图像旋转、缩放等因素的抗干扰性。此外，相比于图像指纹，采用图像向量表示房源图像能够保留房源图像更多的细节。从而，使得到的相似房源信息检测结果更加准确。

进一步参考图3，其示出了相似房源信息检测方法的另一些实施例的流程300。该相似房源信息检测方法的流程300，包括以下步骤：

步骤301，基于参照房源图像信息，生成参照房源图像向量。

步骤302，确定目标房源图像向量集合中每个目标房源图像向量与上述参照房源图像向量之间的向量距离，得到向量距离集合。

步骤303，从目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合。

在一些实施例中，步骤301-303的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。

步骤304，确定候选房源图像向量集合中每个候选房源图像向量对应的图像指纹，得到图像指纹集合。

在一些实施例中，上述执行主体可以确定上述候选房源图像向量集合中每个候选房源图像向量对应的图像指纹，得到图像指纹集合。其中，上述图像指纹可以用于唯一标识上述候选房源图像向量以及上述候选房源图像向量对应的候选房源图像。上述图像指纹可以是利用dhash(difference hash，差异值哈希)算法，phash(perceptual hash，感知哈希)算法或ahash(average hash，均值哈希)算法等算法，针对图像而生成的用于唯一标识图像的字符串。

实践中，上述执行主体可以通过多种方式确定候选房源图像向量集合中每个候选房源图像向量对应的图像指纹。作为示例，可以预先在数据库中存储候选房源图像向量及其图像指纹。从而可以通过查询候选房源图像向量的数据中的图像指纹确定候选房源图像向量对应的图像指纹。可以理解，这种确定方式，需要预先对数据库中的候选房源图像向量的图像指纹进行生成和存储。当然，也可以设置用于唯一标识候选房源图像向量的字段等等。

步骤305，基于图像指纹集合，确定候选房源信息集合。

在一些实施例中，上述执行主体可以基于上述图像指纹集合，确定候选房源信息集合。其中，上述图像指纹可以作为上述候选房源信息的唯一标识。

作为示例，可以预先在数据库中将上述候选房源信息中的唯一标识字段至设置为上述候选房源信息对应的候选房源图像向量的图像指纹。则可以在数据库中查询上述包含上述图像指纹的候选房源信息。

作为又一示例，可以通过二元组表征图像指纹与候选房源信息之间的对应关系。例如，上述二元组可以是[图像指纹，候选房源信息]。则可以将上述图像指纹所在的二元组中的候选房源信息确定为上述图像指纹对应的候选房源信息。又如，可以预先为候选房源信息设置唯一标记值，则可以通过二元组[图像指纹，唯一标记值]，[唯一标记值，候选房源信息]。可以首先通过二元组[图像指纹，唯一标记值]确定唯一标记值，然后通过唯一标记值和二元组[唯一标记值，候选房源信息]确定候选房源信息。

上述步骤304-305作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“房源图像的查重精准度较低以及在相似房源信息检测过程中消耗大量时间和检索资源，不能较为快速地、准确地确定相似房源信息”。导致房源图像的查重精准度较低以及在相似房源信息检测过程中消耗大量时间和检索资源，不能较为快速地、准确地确定相似房源信息的因素往往如下：在相似房源信息检测过程中没有通过其他技术方法弥补图像指纹存在的缺点。如果解决了上述因素，就能达到缩短检测过程所消耗的时间和节约检索资源的效果。为了达到这一效果，本公开将向量检索技术与图像指纹相互结合。首先，确定参照房源图像信息对应的参照房源图像向量。从而，通过参照房源图像向量对参照房源图像进行较为准确的描述。接着，确定与参照房源图像向量相似或相同的目标房源图像向量。从而，较为通过参照房源图像向量较为精准的检索出目标房源图像向量。弥补了通过图像指纹进行相似房源信息检测时查重效果不佳的问题。由于，房源图像的图像向量往往维度较大，利用图像向量对相似房源信息进行检测会消耗大量的时间以及检索资源，不适宜作为房源信息的索引。所以，根据图像向量与图像指纹之间的对应关系，通过图像指纹实现对房源信息的快速检索。进而，通过向量检索技术的优势弥补了利用图像指纹进行相似房源信息检测时存在的缺点，实现了快速地、准确地确定相似房源信息。

步骤306，从候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

在一些实施例中，步骤306的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤205，在此不再赘述。

本公开的上述各个实施例具有如下有益效果：本公开将向量检索技术与图像指纹相互结合。首先，确定参照房源图像信息对应的参照房源图像向量。从而，通过参照房源图像向量对参照房源图像进行较为准确的描述。接着，确定与参照房源图像向量相似或相同的目标房源图像向量。从而，较为通过参照房源图像向量较为精准的检索出目标房源图像向量。弥补了通过图像指纹进行相似房源信息检测时查重效果不佳的问题。由于，房源图像的图像向量往往维度较大，利用图像向量对相似房源信息进行检测会消耗大量的时间以及检索资源，不适宜作为房源信息的索引。因此，根据图像向量与图像指纹之间的对应关系，通过图像指纹实现对房源信息的快速检索。进而，通过向量检索技术的优势弥补了利用图像指纹进行相似房源信息检测时存在的缺点，实现了快速地、准确地确定相似房源信息。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种相似房源信息检测装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的相似房源信息检测装置400包括：生成单元401，第一确定单元402，第一选择单元403，第二确定单元404和第二选择单元405。其中，生成单元401，被配置成基于参照房源图像信息，生成参照房源图像向量。第一确定单元402，被配置成确定目标房源图像向量集合中每个目标房源图像向量与上述参照房源图像向量之间的向量距离，得到向量距离集合。第一选择单元403，被配置成从上述目标房源图像向量集合中选择对应向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合。第二确定单元404，被配置成根据上述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合。第二选择单元405，被配置成从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

在一些实施例的可选实现方式中，相似房源信息检测装置400的第二确定单元404，可以被进一步配置成：确定上述候选房源图像向量集合中每个候选房源图像向量对应的图像指纹，得到图像指纹集合。基于上述图像指纹集合，确定候选房源信息集合。

在一些实施例的可选实现方式中，上述基于上述图像指纹集合，确定候选房源信息集合，可以包括：将目标房源信息集合中与上述图像指纹集合中各个图像指纹对应的目标房源信息确定为候选房源信息，得到候选房源信息集合。

在一些实施例的可选实现方式中，相似房源信息检测装置400的生成单元401，可以被进一步配置成：对上述参照房源图像信息进行向量化处理，得到高维向量。对上述高维向量进行降维处理，得到低维向量

在一些实施例的可选实现方式中，相似房源信息检测装置400的生成单元401，还可以被进一步配置成：对上述低维向量进行压缩处理，得到参照房源图像向量。

在一些实施例的可选实现方式中，上述对上述参照房源图像信息进行向量化处理，得到高维向量，可以包括：通过预先训练的向量化模型对上述参照房源图像信息进行向量化处理，得到高维向量。

在一些实施例的可选实现方式中，相似房源信息检测装置400的第二选择单元405，可以被进一步配置成：根据上述参照房源图像信息对应的房源信息，从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些实施例包括一种计算机程序产品，其包括承载在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。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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装置中所包含的；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：基于参照房源图像信息，生成参照房源图像向量；确定目标房源图像向量集合中每个目标房源图像向量与上述参照房源图像向量之间的向量距离，得到向量距离集合；从上述目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合；根据上述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合；从上述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

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一些实施例的操作的计算机程序代码，上述程序设计语言包括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。

描述于本公开的一些实施例中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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括生成单元，第一确定单元，第一选择单元，第二确定单元和第二选择单元。其中，这些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，生成单元还可以被描述为“基于参照房源图像信息，生成参照房源图像向量的单元”。

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。

以上描述仅为本公开的一些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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的(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。

Claims (8)

1.一种相似房源信息检测方法，包括：

基于参照房源图像信息，生成参照房源图像向量，其中，所述参照房源图像信息对应的房源信息包括以下至少一项：房源所属的机构名称，房源所属的用户标识，房源所属的小区名称；

确定目标房源图像向量集合中每个目标房源图像向量与所述参照房源图像向量之间的向量距离，得到向量距离集合；

从所述目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合；

根据所述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合；

从所述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合；

其中，所述确定候选房源信息集合，包括：

确定所述候选房源图像向量集合中每个候选房源图像向量对应的图像指纹，得到图像指纹集合；

基于所述图像指纹集合，确定候选房源信息集合；

其中，所述从所述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合，包括：

根据所述参照房源图像信息对应的房源信息，从所述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

2.根据权利要求1所述的方法，其中，所述基于所述图像指纹集合，确定候选房源信息集合，包括：

将目标房源信息集合中与所述图像指纹集合中各个图像指纹对应的目标房源信息确定为候选房源信息，得到候选房源信息集合。

3.根据权利要求1所述的方法，其中，所述基于参照房源图像信息，生成参照房源图像向量，包括：

对所述参照房源图像信息进行向量化处理，得到高维向量；

对所述高维向量进行降维处理，得到低维向量。

4.根据权利要求3所述的方法，其中，所述基于参照房源图像信息，生成参照房源图像向量，还包括：

对所述低维向量进行压缩处理，得到参照房源图像向量。

5.根据权利要求3所述的方法，其中，所述对所述参照房源图像信息进行向量化处理，得到高维向量，包括：

通过预先训练的向量化模型对所述参照房源图像信息进行向量化处理，得到高维向量。

6.一种相似房源信息检测装置，包括：

生成单元，被配置成基于参照房源图像信息，生成参照房源图像向量，其中，所述参照房源图像信息对应的房源信息包括以下至少一项：房源所属的机构名称，房源所属的用户标识，房源所属的小区名称；

第一确定单元，被配置成确定目标房源图像向量集合中每个目标房源图像向量与所述参照房源图像向量之间的向量距离，得到向量距离集合；

第一选择单元，被配置成从所述目标房源图像向量集合中选择对应的向量距离满足第一预设条件的目标房源图像向量作为候选房源图像向量，得到候选房源图像向量集合；

第二确定单元，被配置成根据所述候选房源图像向量集合中候选房源图像向量与图像指纹之间的映射关系，确定候选房源信息集合；

第二选择单元，被配置成从所述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合；

其中，所述确定候选房源信息集合，包括：确定所述候选房源图像向量集合中每个候选房源图像向量对应的图像指纹，得到图像指纹集合；基于所述图像指纹集合，确定候选房源信息集合；

其中，所述第二选择单元，进一步被配置成：根据所述参照房源图像信息对应的房源信息，从所述候选房源信息集合中选择满足第二预设条件的候选房源信息作为相似房源信息，得到相似房源信息集合。

7.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

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中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images