CN112464085B - 一种房源推荐的方法、装置、电子设备及存储介质 - Google Patents
一种房源推荐的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112464085B CN112464085B CN202011306411.5A CN202011306411A CN112464085B CN 112464085 B CN112464085 B CN 112464085B CN 202011306411 A CN202011306411 A CN 202011306411A CN 112464085 B CN112464085 B CN 112464085B
- Authority
- CN
- China
- Prior art keywords
- house source
- feature
- house
- screening
- user
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种房源推荐的方法、装置、电子设备及存储介质,包括:获取用户当前提交的第一房源信息,将所述第一房源信息作为第一筛选条件;获取用户的历史浏览记录,根据历史浏览记录提取第二房源信息;根据第二房源信息过滤出符合预设条件的房源特征,并将符合预设条件的房源特征作为第二筛选条件;将第一筛选条件和第二筛选条件合并作为当前筛选条件;根据当前筛选条件从房源数据库进行筛选,将符合当前筛选条件的房源推荐给所述用户。应用本申请实施例方案,网络平台可以更加精准地筛选出用户感兴趣的房源,提高用户体验。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种房源推荐的方法、装置、电子设备及存储介质。
背景技术
随着互联网的发展,越来越多的行业通过网络平台与用户进行交互。比如,在房地产行业中,房地产商或者房地产中介可以通过网络平台向用户展示房源。用户通过网页中房屋类型、小区位置、价格等一系列选项,将自己的需求提交给网络平台。网络平台再将用户提交的需求与数据库中的房源进行匹配,最后将符合条件的房源推荐给用户。由于数据库中满足用户需求的房源比较多,而网络平台中的需求选项比较粗略,很难精准描述需求,因此很难向用户精准地推荐房源。
发明内容
针对上述现有技术,本发明实施例公开一种房源推荐的方法,可以克服用户需求描述粗略时难以精确推荐房源的缺陷,达到可以精准推荐房源的目的,提高用户体验。
鉴于此,本申请实施例提出一种房源推荐的方法,该方法包括:
一种房源推荐的方法,该方法包括:
获取用户当前提交的第一房源信息,所述第一房源信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件;
获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;
根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件;
将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件;
根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
进一步地,
所述根据历史浏览记录提取第二房源信息的步骤包括:
在预设的历史时间段内,将所述用户每次浏览房源时的历史浏览记录中提取的所述房源特征构成特征子集;将预设的历史时间段内的所有所述特征子集作为特征总集,所述特征总集中的所有房源特征构成所述第二房源信息。
进一步地,
所述根据第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件的步骤包括:
为所述特征总集中每一种类型的房源特征设置对应的初始特征组合,每一个所述初始特征组合中包括对应的房源特征,将所述初始特征组合作为待处理特征组合;
为每一个所述待处理特征组合设置初始值为0的匹配次数,且将第一个所述待处理特征组合作为当前特征组合;
将所述当前特征组合与所述特征总集中各特征子集分别进行匹配,将包含所述当前特征组合的所述特征子集作为匹配成功的特征子集,并在匹配成功时将所述当前特征组合的匹配次数加1;
将下一个所述待处理特征组合作为当前特征组合,返回所述将当前特征组合与所述特征总集中各特征子集分别进行匹配的步骤,直到处理完所有的待处理特征组合;
判断所述待处理特征组合的个数是否为1,如果是,则将所述当前特征组合中的房源特征作为过滤出的符合预设条件的房源特征,将所述符合预设条件的房源特征作为第二筛选条件,并退出所述根据第二房源信息过滤出符合预设条件的房源特征的步骤;否则继续执行;
删除匹配次数最小的待处理特征组合,并将剩余的待处理特征组合生成新的特征组合,由所述新的特征组合作为待处理特征组合,再返回为每一个所述待处理特征组合设置初始值为0的匹配次数的步骤。
进一步地,
所述根据第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件的步骤包括:
将所述特征总集中的一个所述特征子集作为当前特征子集,并将当前房源特征数量和总房源特征数量的初始值均设置为0;
从所述当前特征子集中提取所述房源特征,将其作为当前房源特征;
计算当前房源特征数量和总房源特征数量,所述当前房源特征数量表示所述当前房源特征被提取的次数,所述总房源特征数量表示所有房源特征被提取的总次数;
计算所述当前房源特征的支持度,所述支持度表示所述当前房源特征数量占所述总房源特征数量的比例;
将下一个所述特征子集作为当前特征子集,并重新返回所述从当前特征子集中提取所述房源特征的步骤,直到处理完所述特征总集中所有的特征子集;
将所述支持度超过支持度阈值的所述房源特征筛选出作为所述第二筛选条件。
本发明实施例公开一种房源推荐的装置,可以克服用户需求描述粗略时难以精确推荐房源的缺陷,达到可以精准推荐房源的目的,提高用户体验。
一种房源推荐的装置,该装置包括:第一筛选模块、第二筛选模块、筛选条件确定模块和筛选执行模块,其中:
所述第一筛选模块,用于获取用户当前提交的第一房源信息,所述第一房源特征信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件;
所述第二筛选模块,用于获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件;
所述筛选条件确定模块,用于将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件;
所述筛选执行模块,用于根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
进一步地,
所述第二筛选模块包括:第二房源信息提取模块和第二筛选条件生成模块,其中:
所述第二房源信息提取模块,用于获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;
所述第二筛选条件生成模块,用于根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件。
进一步地,
所述第二房源信息提取模块在提取第二房源信息时,用于在预设的历史时间段内,将所述用户每次浏览房源时的历史浏览记录中提取的所述房源特征构成特征子集;将预设的历史时间段内的所有所述特征子集作为特征总集,所述特征总集中的所有房源特征构成所述第二房源信息。
进一步地,
所述第二筛选条件生成模块包括:第一初始设置子模块、匹配子模块、判断子模块、重新组合子模块,其中:
所述第一初始设置子模块,用于为所述特征总集中每一种类型的房源特征设置对应的初始特征组合,每一个所述初始特征组合中包括对应的房源特征,将所述初始特征组合作为待处理特征组合;
所述匹配子模块,用于为每一个所述待处理特征组合设置初始值为0的匹配次数,且将第一个所述待处理特征组合作为当前特征组合;将所述当前特征组合与所述特征总集中各特征子集分别进行匹配,将包含所述当前特征组合的所述特征子集作为匹配成功的特征子集,并在匹配成功时将所述当前特征组合的匹配次数加1;将下一个所述待处理特征组合作为当前特征组合,返回所述将当前特征组合与所述特征总集中各特征子集分别进行匹配的步骤,直到处理完所有的待处理特征组合;
所述判断子模块,用于判断所述待处理特征组合的个数是否为1,如果是,则将所述当前特征组合中的房源特征作为过滤出的符合预设条件的房源特征,将所述符合预设条件的房源特征作为所述第二筛选条件,并退出所述根据第二房源信息过滤出符合预设条件的房源特征的步骤;否则执行所述重新组合子模块;
所述重新组合子模块,用于删除匹配次数最小的待处理特征组合,并将剩余的待处理特征组合生成新的特征组合,由所述新的特征组合作为待处理特征组合,再执行所述匹配子模块。
进一步地,
所述第二筛选条件生成模块包括:第二初始设置子模块、特征提取子模块、支持度计算子模块、筛选子模块,其中:
所述第二初始设置子模块,用于将所述特征总集中的一个所述特征子集作为当前特征子集,并将当前房源特征数量和总房源特征数量的初始值均设置为0;
所述特征提取子模块,用于从所述当前特征子集中提取所述房源特征,将其作为当前房源特征;
所述支持度计算子模块,用于计算当前房源特征数量和总房源特征数量,所述当前房源特征数量表示所述当前房源特征被提取的次数,所述总房源特征数量表示所有房源特征被提取的总次数;计算所述当前房源特征的支持度,所述支持度表示所述当前房源特征数量占所述总房源特征数量的比例;将下一个所述特征子集作为当前特征子集,并重新返回所述从当前特征子集中提取所述房源特征的步骤,直到处理完所述特征总集中所有的特征子集;
所述筛选子模块,用于将所述支持度超过支持度阈值的所述房源特征筛选出作为所述第二筛选条件。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时可实现上述的房源推荐的方法步骤。
本申请实施例还提供一种的电子设备,该电子设备包括:
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项所述的房源推荐的方法。
综上所述,本申请实施例不但利用用户提交的第一房源信息生成了第一筛选条件,还利用用户的历史浏览记录补充生成了第二筛选条件,将第一筛选条件和第二筛选条件合并作为从房源数据库中筛选的条件,使得描述用户需求的房源特征更多,因此网络平台可以更加精准地筛选出用户感兴趣的房源,提高用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请方法实施例一实现房源推荐的流程图。
图2是本申请方法实施例二实现房源推荐的流程图。
图3是提交用户需求界面示意图。
图4是本申请方法实施例三过滤出符合预设条件的房源特征的流程图。
图5是建立初始特征组合的示意图。
图6是第一次外部循环建立的特征组合的示意图。
图7是第一次外部循环结束时组成新的特征组合的示意图。
图8是第二次外部循环特征组合变化的示意图。
图9是第三次外部循环特征组合变化的示意图。
图10是本申请方法实施例四过滤出符合预设条件的房源特征的流程图。
图11是方法实施例四中计算各房源特征支持度的结果示意图。
图12是本申请实现房源推荐的装置实施例一的内部结构示意图。
图13是本申请实现房源推荐的装置实施例二的内部结构示意图。
图14是第二筛选条件生成模块1106的一种内部结构示意图。
图15是第二筛选条件生成模块1106的另一种内部结构示意图。
图16是本申请实施例中的电子设备结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本申请实施例针对用户提交的房源需求(即第一房源信息),并不直接根据提交的房源需求从房源数据库中进行筛选,还考虑了用户的历史浏览记录。即:从用户的历史浏览记录中确定辅助的筛选条件,将其与用户提交的房源需求一并作为筛选条件,再根据该筛选条件从房源数据库中进行筛选,从而更加准确地为用户推荐房源。
实际应用中,本申请以下各实施例方案是在互联网技术以及计算机技术的基础上进行实施。其中,第一房源信息、第二房源信息、历史浏览记录第一筛选条件以及第二筛选条件等,均为计算机可以处理的数据信息。图1是本申请方法实施例一实现房源推荐的流程图。如图1所示,该方法包括:
步骤101:获取用户当前提交的第一房源信息,所述第一房源特征信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件。
实际应用中,当用户浏览房地产商或房地产中介提供的网络平台寻找房源时,通常可以在网页的选项中输入房源需求,比如小区位置、房型、面积、价位等。用户在网页的选项中输入的房源需求,在本申请实施例中称为“第一房源信息”。由于第一房源信息可以描述用户当前需求房源的房源特征,因此通常作为从房源数据库中筛选房源的筛选条件。为了与后续涉及的其他筛选条件区分,这里将第一房源信息称为“第一筛选条件”。
步骤102:获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征。
实际应用中,如果用户选中某个具体的房源进行浏览,网络平台可以记录将其浏览信息,即本申请实施例所述“历史浏览记录”,表示用户在历史时间段内浏览房源时产生的信息。本申请实施例中,由于用户向网络平台提交的房源需求的信息比较粗略,通常为某个区间值。比如:用户提交的第一房源信息可以包括:北京市朝阳区、80平米~150平米、650万~1200万,三居室以下。可见,用户提交的这些房源需求虽然也可以作为筛选房源的条件,但由于其条件过于粗略,筛选结果的数量会非常庞大,混入大量的无效房源,难以精准筛选出用户满意的房源。
鉴于此,本申请实施例还考虑了用户历史浏览记录,将用户历史浏览记录作为一种辅助信息,从中获取有价值的筛选条件。这里,本步骤从用户历史浏览记录中提取出第二房源信息,第二房源信息是用户在历史时间段内所浏览房源的房源特征。比如:用户A在三天前浏览了一套房源,该房源位于花园小区,房型为两室一厅一厨一卫,面积为75平米,价格为560万,那么,这里的“花园小区”、“两室一厅一厨一卫”、“75平米”、“560万”就可以视为第二房源信息。第一房源信息和第二房源信息虽然均为房源特征,但是第一房源信息通常比较粗略,而第二房源信息则比较准确。
步骤103:根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件。
用户每一次浏览房源都会产生第二房源信息,浏览的房源越多,产生的第二房源信息也就越多。如果从这些大量的第二房源信息找出用户最为感兴趣的房源特征,将更加有利于后续的筛选。因此,本步骤设置了预设条件,这里的预设条件可视为表示用户感兴趣的一种规则。假设在第二房源信息中,“花园小区”和“两室一厅一厨一卫”满足预设条件,那么可以将“花园小区”和“两室一厅一厨一卫”这两个房源特征作为第二筛选条件。
步骤104:将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件。
步骤105:根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
应用本申请方法实施例方案,不但利用用户提交的第一房源信息生成了第一筛选条件,还利用用户的历史浏览记录补充为第二筛选条件,将第一筛选条件和第二筛选条件合并作为从房源数据库中筛选的条件,因此网络平台可以更加精准地筛选出用户感兴趣的房源,提高用户体验。
本申请还提供另外的房源推荐的方法实施例。图2是实现房源推荐的方法实施例二的流程图。如图2所示,该方法包括:
步骤201:获取用户当前提交的第一房源信息,所述第一房源信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件。
本步骤与方法实施例一中的步骤101相同。
本申请实施例中,用户可以通过如图3所示网页101中的选项102填写或选择第一房源信息,并通过“提交”按钮103将第一房源信息提交给网络平台。当然,图3仅作为一个提交用户需求界面的示例,并不用于限制第一房源信息的个数和种类,实际应用中还可以包括其他第一房源信息,此处不再一一列举。
步骤202:获取所述用户的历史浏览记录。
用户的历史浏览记录可以由网络平台实现记录和保存。
步骤203:在预设的历史时间段内,将所述用户每次浏览房源时的历史浏览记录中提取的所述房源特征构成特征子集。
步骤204:将预设的历史时间段内的所有所述特征子集作为特征总集,所述特征总集中的所有房源特征构成所述第二房源信息。
上述步骤203和步骤204是根据历史浏览记录提取第二房源信息的具体实现方法。实际应用中,用户在相当长的时间内可能均有浏览房源的记录,其需求也可能发生变化。如果将所有的历史浏览记录均作为参考的因素,反而不利于对用户当前需求的房源进行精确地筛选。因此,本申请实施例二预设了一个历史时间段,比如:近三天或一周,仅将该时间段内用户浏览房源时的历史浏览记录作为参考因素。
其中,每一次浏览的历史浏览记录中的房源特征构成一个特征子集。比如,某用户在一周内有3天浏览了房源,第1天的历史浏览记录中的房源特征构成特征子集1,第2天的历史浏览记录中的房源特征构成特征子集2,第3天的历史浏览记录中的房源特征构成特征子集3。这三个特征子集的所有房源特征将构成第二房源信息。假设特征子集1为{50万,花园小区,二居,70m2,近地铁},特征子集2为{65万,玉树小区,二居,70m2},特征子集3为{55万,花园小区,二居,78m2,近地铁},那么,第二房源信息则为:{{50万,花园小区,二居,70m2,近地铁},{65万,玉树小区,二居,70m2},{55万,花园小区,二居,78m2,近地铁}}。
步骤205:根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件。
步骤206:将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件。
本步骤与方法实施例一中的步骤104相同。
步骤207:根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
本步骤与方法实施例一中的步骤105相同。
与方法实施一相同,本申请方法实施例二也利用用户提交的第一房源信息生成第一筛选条件,利用用户历史浏览记录补充了第二筛选条件,可以更加精准地筛选出用户感兴趣的房源。另外,本申请实施例还提出具体的从历史浏览记录中提取第二房源信息的方法,可以更有效地提取出对筛选房源有利的第二房源信息。
在另一实施例中,本申请还提供至少两种实现步骤205的方法,下面分别利用方法实施例三和方法实施例四进行详细描述。
图4是本申请方法实施例三的流程图。如图4所示,该方法实施例设置了特征组合,在每一轮循环中,将各特征组合中的房源特征分别与各特征子集进行匹配,记录匹配次数,并将匹配次数最小的特征组合删除。在新一轮循环中,将剩余的特征组合重新进行组合,再与各特征子集进行匹配,并以此类推,直到最后筛选出能与特征子集匹配的房源特征最多的特征组合。可以确定,其一,由于筛选出的特征组合能与某个特征子集匹配,那么该特征组合中的房源特征应该是用户历史浏览记录中同时使用过的一组房源特征。其二,由于筛选出的特征组合是通过循环筛选出的最终的特征组合,那么该特征组合中的房源特征应该是用户历史浏览记录中使用频率最高的一组房源特征。因此,按照本申请实施例三筛选出的特征组合中的房源特征适合作为第二筛选条件,更能准确筛选出用户感兴趣的房源。
具体地,本申请方法实施例三中,根据第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件的方法包括:
步骤401:为所述特征总集中每一种类型的房源特征设置对应的初始特征组合,每一个所述初始特征组合中包括对应的房源特征,将所述初始特征组合作为待处理特征组合。
本申请特征组合中只包括一个房源特征开始匹配。假设特征总集包括4个特征子集,其中,特征子集1为{A、C、D},表示包含A、C、D三个房源特征;特征子集2为{B、C、E},表示包含B、C、E三个房源特征;特征子集3为{A、B、C、E},表示包含A、B、C、E四个房源特征;特征子集4为{B,E},表示包含B和E两个房源特征。由于特征总集中有5种房源特征,因此本步骤中先为这5种房源特征建立对应的初始特征组合,即{A},{B},{C},{D},{E},建立的初始特征组合如图5所示。
步骤402:为每一个所述待处理特征组合设置初始值为0的匹配次数,且将第一个所述待处理特征组合作为当前特征组合。
步骤403:将所述当前特征组合与所述特征总集中各特征子集分别进行匹配,将包含所述当前特征组合的所述特征子集作为匹配成功的特征子集,并在匹配成功时将所述当前特征组合的匹配次数加1。
这里所述的匹配实际上判断当前特征组合中的房源特征是否包含于特征子集中,如果包括,则匹配成功并将匹配次数加1,否则,匹配失败。以图5所示的第一个特征组合{A}为例,由于该特征组合中的房源特征A包含于特征子集1和特征子集3中,因此匹配成功的次数应该为2。其他特征组合的匹配方式采用与此相同的方法,不再赘述。
步骤404:判断是否处理完所有的待处理特征组合,如果是,则执行步骤406;否则执行步骤405。
步骤405:将下一个所述待处理特征组合作为当前特征组合,返回到步骤403。
上述步骤403~步骤405为内部循环处理方式,每一次循环针对一个待处理特征组合计算其匹配次数,经过多次循环,将处理完所有的待处理特征组合的匹配次数。以图5所述的各特征子集为例,多次循环将得到如图6所述的匹配次数。
步骤406:判断所述待处理特征组合的个数是否为1,如果是,则执行步骤407;否则,执行步骤408。
步骤407:将所述当前特征组合中的房源特征作为过滤出的符合预设条件的房源特征,将所述符合预设条件的房源特征作为第二筛选条件,并结束本流程。
步骤408:删除匹配次数最小的待处理特征组合。
步骤409:将剩余的待处理特征组合生成新的特征组合,由所述新的特征组合作为待处理特征组合,再返回步骤402。
上述步骤402~步骤406以及步骤408、步骤409也为外部循环处理方式,每一次循环重新生成新的特征组合,经过多次循环,将得到最终的特征组合。以图5所述的特征子集为例,第一次外部循环中建立的特征组合为图6所示。第一次外部循环结束时,删除了匹配次数最小的待处理特征组合{D},并重新组成新的特征组合为图7所示,包括:{A,B},{A,C},{A,E},{B,C},{B,E},{C,E},即剩余的待处理特征组合两两组合的结果。图8是第二次外部循环中特征组合变化的示意图,如图8所示,第二次外部循环删除了匹配次数最小的待处理特征组合{A,B}和{A,E},并重新组成新的特征组合,包括{A,B,C},{A,B,C,E},{A,C,E},{B,C,E},即剩余的待处理特征组合两两组合的结果。图9是第三次外部循环特征组合变化的示意图,如图9所示,第三次外部循环删除了匹配次数最小的待处理特征组合{A,B,C}、{A,B,C,E}和{A,C,E}。此时,待处理特征组合的个数为1,可以将该特征组合{B,C,E}中的房源特征作为过滤出的符合预设条件的房源特征,并结束本流程。
本申请方法实施例三的方案从仅包含一个房源特征的特征组合开始,将特征组合与特征子集进行匹配,删除匹配次数最小的特征组合,并将剩余的特征组合重新生成新的特征组合,最终过滤出匹配次数最多且在历史浏览中同时使用过的房源特征。因此,利用本申请方法实施例三的方案可以筛选出的在用户历史浏览中使用频率最高的一组房源特征,将其作为第二筛选条件有利于准确筛选出用户感兴趣的房源。比如,将上述第一筛选条件和第二筛选条件合并生成了当前筛选条件,筛选出来的房源不但满足用户通过图3提交的需求,还可以将符合第二筛选条件的房源优先推荐给用户。也就是说,第二筛选条件虽然并没有由用户明确提交给网络平台,而网络平台却考虑了用户历史浏览记录,将符合其喜好的房源优先推荐给用户。
图10是本申请方法实施例四的流程图。如图10所示,该方法并不要求筛选出房源特征是用户历史浏览记录中同时使用过的一组房源特征,仅仅要求其使用频率超过预设的阈值即可。具体地,该方法包括:
步骤1001:将所述特征总集中的一个所述特征子集作为当前特征子集,并将当前房源特征数量和总房源特征数量的初始值均设置为0。
步骤1002:从所述当前特征子集中提取所述房源特征,将其作为当前房源特征。
步骤1003:计算当前房源特征数量和总房源特征数量,所述当前房源特征数量表示所述当前房源特征被提取的次数,所述总房源特征数量表示所有房源特征被提取的总次数。
步骤1004:计算所述当前房源特征的支持度,所述支持度表示所述当前房源特征数量占所述总房源特征数量的比例。
这里所述的支持度可以理解为当前房源特征在所有房源特征中的使用频率,使用频率越高,在一定程度上反映了用户对该房源特征感兴趣的程度。
步骤1005:判断是否处理完所有的特征子集,如果是,则执行1007;否则,执行步骤1006。
步骤1006:将下一个所述特征子集作为当前特征子集,并返回步骤1002。
上述步骤1002~步骤1006为一个循环处理方式,每一次循环均将从一个特征子集中提取出房源特征,并相应地计算被提取的次数。
仍然以图5中的特征子集为例,本方法实施例在计算各个房源特征的支持度之后,其结果如图11所示。其中,由于房源特征A分别从特征子集1和特征子集3提取,提取次数为2,而所有的房源特征被提取的总次数为12,则房源特征A的支持度应该为2/12。其他房源特征计算支持度的方法与此类似,此处不再赘述。
步骤1007:将所述支持度超过支持度阈值的所述房源特征筛选出作为第二筛选条件。
假设支持度阈值设置为2/12,那么从图11中可以看出,房源特征B、C和E为3/12,均超出了设置的支持度阈值,可以将{B,C,E}作为第二筛选条件。
本方法实施例四是将支持度超出支持度阈值的房源特征作为第二筛选条件。实际应用中,过滤出的第二筛选条件对应的房源特征不一定在用户历史浏览中作为一组房源特征同时使用,但也从某种程度反映了用户的某些方面的喜好,可以更加精准地筛选出用户感兴趣的房源,提高用户体验。
本申请还提供一种房源推荐的装置实施例。图12是本申请实现房源推荐的装置实施例一的内部结构示意图。如图12所示,该装置包括:第一筛选模块1101、第二筛选模块1102、筛选条件确定模块1103和筛选执行模块1104。其中:
第一筛选模块1101,用于获取用户当前提交的第一房源信息,所述第一房源特征信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件。
第二筛选模块1102,用于获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件。
筛选条件确定模块1103,用于将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件。
筛选执行模块1104,用于根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
也就是说,第一筛选模块1101获取用户当前提交的第一房源信息,将所述第一房源信息作为第一筛选条件;第二筛选模块1102获取用户的历史浏览记录,根据历史浏览记录提取第二房源信息,过滤出符合预设条件的房源特征,将其作为第二筛选条件;筛选条件确定模块1103将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件;最后,筛选执行模块1104根据当前筛选条件从房源数据库进行筛选,将符合当前筛选条件的房源推荐给用户。
应用本申请方法实施例方案,不但利用用户提交的第一房源信息生成了第一筛选条件,还利用用户的历史浏览记录补充了第二筛选条件,可以更加精准地筛选出用户感兴趣的房源,提高用户体验。
图13是本申请实现房源推荐的装置实施例二的内部结构示意图。如图13所示,第一筛选模块1101、第二筛选模块1102、筛选条件确定模块1103和筛选执行模块1104与装置实施例一相同,其中的第二筛选模块1102可以进一步包括第二房源信息提取模块1105和第二筛选条件生成模块1106,其中:
第二房源信息提取模块1105,用于获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征。
进一步地,第二房源信息提取模块1105在提取第二房源信息时,可以在预设的历史时间段内,将所述用户每次浏览房源时的历史浏览记录中提取的所述房源特征构成特征子集;将预设的历史时间段内的所有所述特征子集作为特征总集,所述特征总集中的所有房源特征构成所述第二房源信息。
第二筛选条件生成模块1106,用于根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件。
本申请还提供另一种房源推荐的装置实施例三,与上述装置实施例二相同,也包括:第一筛选模块1101、第二筛选模块1102、筛选条件确定模块1103、筛选执行模块1104、第二房源信息提取模块1105和第二筛选条件生成模块1106,此处不再赘述。
图14是第二筛选条件生成模块1106的一种内部结构示意图。如图14所示,第二筛选条件生成模块1106可以包括:第一初始设置子模块1107、匹配子模块1108、判断子模块1109、重新组合子模块1110。其中:
第一初始设置子模块1107,用于为所述特征总集中每一种类型的房源特征设置对应的初始特征组合,每一个所述初始特征组合中包括对应的房源特征,将所述初始特征组合作为待处理特征组合。
匹配子模块1108,用于为每一个所述待处理特征组合设置初始值为0的匹配次数,且将第一个所述待处理特征组合作为当前特征组合;将所述当前特征组合与所述特征总集中各特征子集分别进行匹配,将包含所述当前特征组合的所述特征子集作为匹配成功的特征子集,并在匹配成功时将所述当前特征组合的匹配次数加1;将下一个所述待处理特征组合作为当前特征组合,返回所述将当前特征组合与所述特征总集中各特征子集分别进行匹配的步骤,直到处理完所有的待处理特征组合。
判断子模块1109,用于判断所述待处理特征组合的个数是否为1,如果是,则将所述当前特征组合中的房源特征作为过滤出的符合预设条件的房源特征,将所述符合预设条件的房源特征作为第二筛选条件,并退出所述根据第二房源信息过滤出符合预设条件的房源特征的步骤;否则执行所述重新组合子模块。
重新组合子模块1110,用于删除匹配次数最小的待处理特征组合,并将剩余的待处理特征组合生成新的特征组合,由所述新的特征组合作为待处理特征组合,再执行所述匹配子模块。
本申请装置实施例三的方案中,第一初始设置子模块1107从仅包含一个房源特征的特征组合开始,匹配子模块1108将特征组合与特征子集进行匹配,经过判断子模块1109的判断,重新组合子模块1110删除匹配次数最小的特征组合,并将剩余的特征组合重新生成新的特征组合,最终过滤出匹配次数最多且在历史浏览中同时使用过的房源特征。因此,利用本申请装置实施例三的方案可以筛选出的在用户历史浏览中使用频率最高的一组房源特征,将其作为第二筛选条件有利于准确筛选出用户感兴趣的房源。
图15是第二筛选条件生成模块1106的另一种内部结构示意图。如图15所示,第二筛选条件生成模块1106可以包括:第二初始设置子模块1111、特征提取子模块1112、支持度计算子模块1113、筛选子模块1114。其中:
第二初始设置子模块1111,用于将所述特征总集中的一个所述特征子集作为当前特征子集,并将当前房源特征数量和总房源特征数量的初始值均设置为0。
特征提取子模块1112,用于从所述当前特征子集中提取所述房源特征,将其作为当前房源特征。
支持度计算子模块1113,用于计算当前房源特征数量和总房源特征数量,所述当前房源特征数量表示所述当前房源特征被提取的次数,所述总房源特征数量表示所有房源特征被提取的总次数;计算所述当前房源特征的支持度,所述支持度表示所述当前房源特征数量占所述总房源特征数量的比例;将下一个所述特征子集作为当前特征子集,并重新返回所述从当前特征子集中提取所述房源特征的步骤,直到处理完所述特征总集中所有的特征子集。
筛选子模块1114,用于将所述支持度超过支持度阈值的所述房源特征筛选出作为所述第二筛选条件。
本实施例是将支持度超出支持度阈值的房源特征作为第二筛选条件。实际应用中,过滤出的第二筛选条件对应的房源特征不一定在用户历史浏览中作为一组房源特征同时使用,但也从某种程度反映了用户的某些方面的喜好,可以更加精准地筛选出用户感兴趣的房源,提高用户体验。
本申请实施例还提供一种计算机可读介质,所述计算机可读存储介质存储指令,所述指令在由处理器执行时可执行如上所述的房源推荐的方法中的步骤。实际应用中,所述的计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的,也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或多个程序被执行时,可以实现上述各实施例描述的房源推荐的方法。根据本申请公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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,但不用于限制本申请保护的范围。在本申请公开的实施例中,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。
如图16所示,本发明实施例还提供一种电子设备,其中可以集成本申请实施例实现方法的装置。如图16所示,其示出了本发明实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或一个以上处理核心的处理器1601、一个或一个以上计算机可读存储介质的存储器1602以及存储在存储器上并可在处理器上运行的计算机程序。在执行所述存储器1602的程序时,可以实现上述房源推荐的方法。
具体的,实际应用中,该电子设备还可以包括电源1603、输入单元1604、以及输出单元1605等部件。本领域技术人员可以理解,图16中示出的电子设备的结构并不构成对该电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器1601是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器1602内的软件程序和/或模块,以及调用存储在存储器1602内的数据,执行服务器的各种功能和处理数据,从而对该电子设备进行整体监控。
存储器1602可用于存储软件程序以及模块,即上述计算机可读存储介质。处理器1601通过运行存储在存储器1602的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器1602可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器1602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1602还可以包括存储器控制器,以提供处理器1601对存储器1602的访问。
该电子设备还包括给各个部件供电的电源1603,可以通过电源管理系统与处理器1601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元1604,该输入单元1604可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
该电子设备还可以包括输出单元1605,该输出单元1605可以用于显示由用户输入的信息或提供给用户的信息以及各种图像用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
本申请附图中的流程图和框图,示出了按照本申请公开的各种实施例的系统、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、或者代码的一部分,上述模块、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。也应该注意,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附图中所标准的顺序发生。例如,两个连接地表示的方框实际上可以基本并行地执行,它们有时也可以按照相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或者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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本申请中。特别地,在不脱离本申请精神和教导的情况下,本申请的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,所有这些组合和/或结合均落入本申请公开的范围。
本文中应用了具体实施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路,并不用于限制本申请。对于本领域的技术人员来说,可以依据本发明的思路、精神和原则,在具体实施方式及应用范围上进行改变,其所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (4)
1.一种房源推荐的方法,其特征在于,该方法包括:
获取用户当前提交的第一房源信息,所述第一房源信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件;
获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;所述根据历史浏览记录提取第二房源信息的步骤包括:在预设的历史时间段内,将所述用户每次浏览房源时的历史浏览记录中提取的所述房源特征构成特征子集;将预设的历史时间段内的所有所述特征子集作为特征总集,所述特征总集中的所有房源特征构成所述第二房源信息;
根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件;所述根据第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件的步骤包括:为所述特征总集中每一种类型的房源特征设置对应的初始特征组合,每一个所述初始特征组合中包括对应的房源特征,将所述初始特征组合作为待处理特征组合;为每一个所述待处理特征组合设置初始值为0的匹配次数,且将第一个所述待处理特征组合作为当前特征组合;将所述当前特征组合与所述特征总集中各特征子集分别进行匹配,将包含所述当前特征组合的所述特征子集作为匹配成功的特征子集,并在匹配成功时将所述当前特征组合的匹配次数加1;将下一个所述待处理特征组合作为当前特征组合,返回所述将当前特征组合与所述特征总集中各特征子集分别进行匹配的步骤,直到处理完所有的待处理特征组合;判断所述待处理特征组合的个数是否为1,如果是,则将所述当前特征组合中的房源特征作为过滤出的符合预设条件的房源特征,将所述符合预设条件的房源特征作为第二筛选条件,并退出所述根据第二房源信息过滤出符合预设条件的房源特征的步骤;否则继续执行;删除匹配次数最小的待处理特征组合,并将剩余的待处理特征组合生成新的特征组合,由所述新的特征组合作为待处理特征组合,再返回为每一个所述待处理特征组合设置初始值为0的匹配次数的步骤;
将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件;
根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
2.一种房源推荐的装置,其特征在于,该装置包括:第一筛选模块、第二筛选模块、筛选条件确定模块和筛选执行模块,其中:
所述第一筛选模块,用于获取用户当前提交的第一房源信息,所述第一房源特征信息为描述用户当前需求房源的房源特征,并将所述第一房源信息作为第一筛选条件;
所述第二筛选模块,用于获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件;所述第二筛选模块包括:第二房源信息提取模块和第二筛选条件生成模块,所述第二房源信息提取模块,用于获取所述用户的历史浏览记录,根据所述历史浏览记录提取第二房源信息,所述历史浏览记录表示用户在历史时间段内浏览房源时产生的信息,所述第二房源信息表示所述用户在历史时间段内所浏览房源的房源特征;所述第二筛选条件生成模块,用于根据所述第二房源信息过滤出符合预设条件的房源特征,并将所述符合预设条件的房源特征作为第二筛选条件;所述第二筛选条件生成模块包括:第一初始设置子模块、匹配子模块、判断子模块、重新组合子模块,其中:所述第一初始设置子模块,用于为所述特征总集中每一种类型的房源特征设置对应的初始特征组合,每一个所述初始特征组合中包括对应的房源特征,将所述初始特征组合作为待处理特征组合;所述匹配子模块,用于为每一个所述待处理特征组合设置初始值为0的匹配次数,且将第一个所述待处理特征组合作为当前特征组合;将所述当前特征组合与所述特征总集中各特征子集分别进行匹配,将包含所述当前特征组合的所述特征子集作为匹配成功的特征子集,并在匹配成功时将所述当前特征组合的匹配次数加1;将下一个所述待处理特征组合作为当前特征组合,返回所述将当前特征组合与所述特征总集中各特征子集分别进行匹配的步骤,直到处理完所有的待处理特征组合;所述判断子模块,用于判断所述待处理特征组合的个数是否为1,如果是,则将所述当前特征组合中的房源特征作为过滤出的符合预设条件的房源特征,将所述符合预设条件的房源特征作为所述第二筛选条件,并退出所述根据第二房源信息过滤出符合预设条件的房源特征的步骤;否则执行所述重新组合子模块;所述重新组合子模块,用于删除匹配次数最小的待处理特征组合,并将剩余的待处理特征组合生成新的特征组合,由所述新的特征组合作为待处理特征组合,再执行所述匹配子模块;
所述筛选条件确定模块,用于将所述第一筛选条件和所述第二筛选条件合并作为当前筛选条件;
所述筛选执行模块,用于根据所述当前筛选条件从房源数据库进行筛选,将符合所述当前筛选条件的房源推荐给所述用户。
3.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被处理器执行时可实现权利要求1所述的房源推荐的方法步骤。
4.一种的电子设备,其特征在于,该电子设备包括:
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所述的房源推荐的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306411.5A CN112464085B (zh) | 2020-11-19 | 2020-11-19 | 一种房源推荐的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306411.5A CN112464085B (zh) | 2020-11-19 | 2020-11-19 | 一种房源推荐的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112464085A CN112464085A (zh) | 2021-03-09 |
CN112464085B true CN112464085B (zh) | 2023-04-07 |
Family
ID=74836877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011306411.5A Active CN112464085B (zh) | 2020-11-19 | 2020-11-19 | 一种房源推荐的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112464085B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326405B (zh) * | 2021-06-30 | 2022-12-13 | 数云科际(深圳)技术有限公司 | 基于bim技术的园区入驻推荐方法以及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377329A (zh) * | 2018-12-25 | 2019-02-22 | 北京时光荏苒科技有限公司 | 一种房源推荐方法、装置、存储介质及电子设备 |
CN110633411A (zh) * | 2019-07-18 | 2019-12-31 | 北京无限光场科技有限公司 | 一种筛选房源的方法、装置、电子设备及存储介质 |
CN111159545A (zh) * | 2019-12-24 | 2020-05-15 | 贝壳技术有限公司 | 推荐房源确定方法及装置、房源推荐方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256024A (zh) * | 2018-01-10 | 2018-07-06 | 链家网(北京)科技有限公司 | 一种房源推荐方法 |
CN109658188A (zh) * | 2018-12-14 | 2019-04-19 | 平安城市建设科技(深圳)有限公司 | 基于大数据分析的房源推荐方法、装置、设备及存储介质 |
CN109902224A (zh) * | 2019-01-17 | 2019-06-18 | 平安城市建设科技(深圳)有限公司 | 基于用户行为分析的房源推荐方法、装置、设备和介质 |
CN110634047B (zh) * | 2019-09-05 | 2022-04-22 | 北京无限光场科技有限公司 | 一种推荐房源的方法、装置、电子设备及存储介质 |
-
2020
- 2020-11-19 CN CN202011306411.5A patent/CN112464085B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377329A (zh) * | 2018-12-25 | 2019-02-22 | 北京时光荏苒科技有限公司 | 一种房源推荐方法、装置、存储介质及电子设备 |
CN110633411A (zh) * | 2019-07-18 | 2019-12-31 | 北京无限光场科技有限公司 | 一种筛选房源的方法、装置、电子设备及存储介质 |
CN111159545A (zh) * | 2019-12-24 | 2020-05-15 | 贝壳技术有限公司 | 推荐房源确定方法及装置、房源推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112464085A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730196B (zh) | 项目进度管理方法及终端设备 | |
CN105225212A (zh) | 一种图片处理方法和装置 | |
CN112163642A (zh) | 一种风控规则获取方法、装置、介质及设备 | |
CN101324947A (zh) | 一种自动化点餐和结算的方法及系统 | |
CN102819500B (zh) | 一种创建外部设备控制界面的方法及装置 | |
CN110532159A (zh) | 数据监听方法、装置、设备及计算机可读存储介质 | |
CN113792341A (zh) | 应用程序的隐私合规自动化检测方法、装置、设备及介质 | |
CN112306471A (zh) | 一种任务的调度方法和装置 | |
CN109582418A (zh) | 用户行为数据收集方法、装置、计算机装置、存储介质 | |
CN112464085B (zh) | 一种房源推荐的方法、装置、电子设备及存储介质 | |
CN103402008A (zh) | 一种快速群发信息的方法和装置 | |
CN110704477A (zh) | 应用历史记录查看方法、装置、终端和存储介质 | |
CN108830658B (zh) | 信息推送的数据处理方法、装置、电子设备与存储介质 | |
CN108388576B (zh) | 交互式生成图谱的方法和系统 | |
CN110968311B (zh) | 前端页面构建方法、装置及电子设备 | |
CN113610535B (zh) | 适用于消费分期业务过程的风险监控方法及装置 | |
CN114416256A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN110738384B (zh) | 事件序列的校验方法及系统 | |
CN106445522A (zh) | 一种基于浮动窗口的存储界面显示方法 | |
CN104142885A (zh) | 一种用于对被测程序进行异常测试的方法和装置 | |
CN112487022B (zh) | 关联数据的采集方法、系统、存储介质及电子设备 | |
CN109308197A (zh) | 设置项的还原方法和装置 | |
CN110866675B (zh) | 一种产品设计平台设计流程管控方法及装置 | |
CN112506944B (zh) | 业务系统间的数据标准转换取数方法、装置、设备和介质 | |
CN113890872B (zh) | 一种数据集合上传方法、装置、电子设备和存储介质 |
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 |