CN113326405B - 基于bim技术的园区入驻推荐方法以及系统 - Google Patents

基于bim技术的园区入驻推荐方法以及系统 Download PDF

Info

Publication number
CN113326405B
CN113326405B CN202110735886.4A CN202110735886A CN113326405B CN 113326405 B CN113326405 B CN 113326405B CN 202110735886 A CN202110735886 A CN 202110735886A CN 113326405 B CN113326405 B CN 113326405B
Authority
CN
China
Prior art keywords
convolution
data
park
unit
recommendation
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
CN202110735886.4A
Other languages
English (en)
Other versions
CN113326405A (zh
Inventor
胡正旭
李博
李建锋
王建军
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.)
Digital Cloud Technology Shenzhen Co ltd
Original Assignee
Digital Cloud Technology Shenzhen 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 Digital Cloud Technology Shenzhen Co ltd filed Critical Digital Cloud Technology Shenzhen Co ltd
Priority to CN202110735886.4A priority Critical patent/CN113326405B/zh
Publication of CN113326405A publication Critical patent/CN113326405A/zh
Application granted granted Critical
Publication of CN113326405B publication Critical patent/CN113326405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F16/90—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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Abstract

本申请提供一种基于BIM技术的园区入驻推荐的方法及系统，所述方法包括：接收用户的登录请求后，允许用户登录推荐平台后，采集用户的筛选条件；将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。本申请提供的技术方案具有用户体验度高的优点。

Description

基于BIM技术的园区入驻推荐方法以及系统
技术领域
本申请涉及通信以及智能园区技术领域，具体涉及一种基于BIM技术的园区入驻推荐的方法以及云服务器。
背景技术
BIM(Building Information Modeling，建筑信息化模型)技术是建筑信息化模型，它不是简单的将数字信息进行集成，而是一种数字信息的应用，并可以用于设计、建造、管理的数字化方法。这种方法支持建筑工程的集成管理环境，可以使建筑工程在其整个进程中显著提高效率、大量减少风险。
现有的园区推荐基于人工推荐，无法实现基于BIM技术的入驻推荐，影响了推荐的效果和用户体验度。
发明内容
本申请实施例提供了一种基于BIM技术的园区入驻推荐的方法以及系统，可以实现基于BIM技术的推荐，提高了推荐的效果和用户的体验度。
第一方面，本申请实施例提供一种基于BIM技术的园区入驻推荐的方法，所述方法包括：
接收用户的登录请求后，允许用户登录推荐平台后，采集用户的筛选条件；
将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；
提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。
第二方面，提供一种基于BIM技术的园区入驻推荐的系统，所述系统包括：
接收单元，用于接收用户的登录请求后；
处理单元，用于允许用户登录推荐平台后，采集用户的筛选条件；将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。
第三方面，提供一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行第一方面提供的方法。
实施本申请实施例，具有如下有益效果：
可以看出，本申请提供的技术方案接收用户的登录请求后，允许用户登录推荐平台后，采集用户的筛选条件；将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。这样就能够使得用户非常直观的看到入园的信息，能够提高园区入驻技术的提高。
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的前提下，还可以根据这些附图获得其他的附图。
图1是一种计算机设备的结构示意图。
图2是本申请实施例提供的一种基于BIM技术的园区入驻推荐的方法的流程示意图。
图3为输入矩阵【H】【W】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作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。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
参阅图1，图1提供了一种计算机设备，该计算机设备具体可以包括：处理器、存储器、摄像头和显示屏，上述部件可以通过总线连接，也可以通过其他方式连接，本申请并不限制上述连接的具体方式。在实际应用中，上述计算机设备具体可以为个人计算机、服务器、平板电脑等等。
园区入驻是所有的工业园区或写字楼园区的必经的过程，对于经销商来说，想将园区的信息推荐给客户，对于客户来说，其也想知道更多的园区入驻信息，好对应比较，现有的园区入驻一般为人工推荐，例如房产中介进行推荐或者通过群发或针对性的发送短信的方式来进行园区入驻的推荐，此种方式虽然能够让客户知道对应的园区信息，但是该信息是基于文字层面，无法更好的向用户展示，尤其对于预入驻的园区(即园区还在建设，未完工的园区)，此种方式无法让用户直观的感受园区的信息，因此影响了推荐的效果。
参阅图2，图2提供了一种基于BIM技术的园区入驻推荐的方法，该方法可以由计算机设备执行，该计算机设备的结构可以如图1所示，该方法如图2所示，包括如下步骤：
步骤S201、接收用户的登录请求后，允许用户登录推荐平台后，采集用户的筛选条件；
示例的，上述筛选条件包括但不限于：入园价格区间、入园地区、入园楼层范围等等。
步骤S202、将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；
步骤S203、提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。
上述入园条件包括但不限于：推荐单元价格、推荐单元的租期、推荐单元的优惠信息(例如免租时间)等等。
本申请提供的技术方案接收用户的登录请求后，允许用户登录推荐平台后，采集用户的筛选条件；将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。这样就能够使得用户非常直观的看到入园的信息，能够提高园区入驻技术的提高。
示例的，上述将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元具体可以包括：
采集用户的历史入园数据，依据历史入园数据构建每个筛选条件的优先级，依据优先级的高低筛选园区的数据进行匹配得到匹配的园区以及推荐单元，具体可以包括：
对历史入园数据进行统计得到符合筛选条件的数量值，依据该数据值所处于的区间确定每个筛选条件的优先级，在园区的数据中将不满足高优先级条件的数据直接过滤得到过滤后的数据，然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单元；上述历史入园数据为用户历史点击观看过的入园推荐数据。
下面以一个实际的例子来说明，例如历史入园数据具有10条，筛选条件，价格区间100-120元/平米；入园区域、深圳南山科技园、入园楼层范围10楼以上，则10个历史入园数据中有10个均位于深圳南山科技园，8个价格区间在100-120元/平米，3个楼层范围在10层以上，则确定入园区域为高优先级，价格区间为中优先级、楼层范围为低优先级，在园区数据匹配时，首先对于非深圳南山科技园的园区数据直接过滤掉，仅保留深圳南山科技园的园区信息，然后在深圳南山科技园的园区信息中匹配价格区间在100-120元/平米以及楼层在10楼以上的单元，若能够匹配到该单元，则将该单元作为推荐单元，若不能够匹配到单元，则将匹配价格区间在100-120元/平米的其他楼层的单元作为推荐单元。
示例的，上述然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单元具体可以包括：
在过滤后的数据搜索符合所有非高优先级筛选条件的单元，若搜索到符合所有非高优先级筛选条件的单元，确定该单元以及该单元的园区为匹配的园区以及推荐单元；若搜索不到符合所有非高优先级筛选条件的单元，则去掉非高优先级筛选条件中最低优先级的条件得到剩余筛选条件，在过滤后的数据搜索符合剩余筛选条件的单元，将该符合剩余筛选条件的单元确定为推荐单元。
示例的，上述方法在接收用户登录请求之后，还可以对用户进行验证，验证通过后，允许用户登录推荐平台。上述验证包括但不限于：指纹识别验证、账号密码验证、人脸识别验证、静脉识别验证等等。
示例的，通过人脸识别对用户进行验证具体可以包括：获取用户的人脸图片，对人脸图片进行特征提取得到卷积神经网络的输入数据(可以为一个输入矩阵H*W)，将该输入数据与卷积神经网络的卷积核执行卷积运算得到卷积运算结果(可以为n次卷积运算，n大于等于1)，将该卷积运算结果执行全连接运算得到全连接结果，将全连接结果与预设的模板结果(可以为预设身份对应的权连接结果)执行差运算得到差值，若该差值小于第一阈值，确定验证成功，否则确定验证失败。
上述差值小于第一阈值具体可以为，该差值为矩阵或向量时，该矩阵或向量的所有元素的平均值小于第一阈值时，确定该差值小于第一阈值。
参阅图3，图3为输入矩阵【H】【W】示意图，其中H表示列值，W表示行值。
示例的，若卷积核为3*3卷积核，且卷积滑动窗口的滑动方向为先按行移动然后在向列方向移动，3*3卷积核表示为卷积核【3】【3】，将该输入数据与卷积神经网络的卷积核执行卷积运算得到卷积运算结果具体可以包括：
将该输入数据的输入矩阵【H】【W】按先行后列存储于存储器，运算单元对前三行元素值执行运算步骤得到卷积运算结果的多个卷积值，运算步骤具体可以包括：从输入矩阵【H】【W】的前三行元素值中提取3*6个元素值得到矩阵【3】【6】1 1，运算单元将矩阵【3】【6】1 1按先列后行存储于缓存，运算单元提取卷积核【3】【3】，将矩阵【3】【6】1 1按行方向滑动4次得到4个矩阵【3】【3】1 1，将4个矩阵【3】【3】1与卷积核【3】【3】执行卷积运算得到4个卷积值，运算单元从输入矩阵【H】【W】中提取矩阵【3】【6】1 1之后的矩阵【3】【4】(在后续的提取中，每次提取【3】【4】，然后与前一【3】【6】的后2列组成新的矩阵【3】【6】)，将矩阵【3】【6】1 1的前4列元素值删除后将后2列元素值与矩阵【3】【4】组成矩阵【3】【6】2 1；将【3】【6】2 1按先列后行存储于缓存，将矩阵【3】【6】2 1按行方向滑动4次得到4个矩阵【3】【3】2 1，将4个矩阵【3】【3】2 1与卷积核【3】【3】执行卷积运算得到4个卷积值，遍历输入矩阵3*W个元素值(即前3行元素值)后得到卷积运算结果的多个卷积值后，卷积滑动窗口沿行移动后，运算单元对前3行的后续行元素值执行运算步骤得到卷积运算结果的多个卷积值，将前3行的多个卷机制以及后续行的多个卷积核组合起来得到卷积运算结果。
对于后续行是以3行为基本单元的元素值，具体的运算方式可以参见前3行的方式。
其中，【3】【6】1 1中的下标数值表示三行元素值的提取次数，上标数值表示三行元素值的最小行值。
下面说明一下其原理，对于神经网络的运算中，每个元素值均占用32比特(类似32位操作系统)，每次从存储器中提取元素值的比特数为128比特，因此每次提取4个元素值，按常规的卷积运算，每次从输入数据切割3*3＝9个元素值，则需要提取3次，加上卷积核的9个元素，那么就需要提取2*3＝6次，对于3*6元素值，其需要进行4次的输入数据的提取，那么其需要提取3*4+3＝15次，其中，由于卷积核不变，因此其只用提取3次，然后在运算单元缓存即可，而本申请对输入矩阵【H】【W】按先行后列存储以后，【3】【6】1 1个元素值就需要提取6次，这里解释一下6次的原因，因为先行后列存储，因此6次中的第一次可以提取第一行的前4个元素值，第二次提取可以提取第二行的5-8个元素值(但是由于第7、8个元素值不需要，那么需要丢弃)，同理其他行也需要提取2次，因此其数据提取的次数只有6+3＝9次，卷积核的提取方式不变，但是对于后续数据的提取，本申请保留了第一次提取的后2列的元素，因此每次只用提取【3】【4】，那么其只用提取3次，则最终提取的为3+3＝6次，这里说明一下为什么取值为6、4，因为运算单元的缓存不可能很大，因此组成的输入矩阵的尺寸不能过大，对于6来说，虽然第一次需要放弃2个元素值(具体参见提取6次的描述)，但是对于后续数据提取均不浪费元素值(即不需要丢弃元素值)，因为输入数据中的W值一般较大，因此总的来说提取的次数较多，若该6、4变换成8、6，那么第一次不需要放弃元素值，但是后续每次提取的矩阵均为【3】【6】，每次均需要放弃2个元素值，由于后续提取的次数较多，因此放弃的元素值也就较多，进而提高了IO次数，对于运算单元缓存的先列后行的存储方式为了后续删除和添加的方便，因此上述技术方案具有减少IO读取次数，提高计算效率的优点。
示例的，本申请还提供一种基于BIM技术的园区入驻推荐的系统，所述系统包括：
接收单元，用于接收用户的登录请求后；
处理单元，用于允许用户登录推荐平台后，采集用户的筛选条件；将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户。
示例的，
所述筛选条件包括：入园价格区间、入园地区、入园楼层范围；
所述入园条件包括：推荐单元价格、推荐单元的租期、推荐单元的优惠信息。
示例的，
所述处理单元，具体用于采集用户的历史入园数据，依据历史入园数据构建每个筛选条件的优先级，依据优先级的高低筛选园区的数据进行匹配得到匹配的园区以及推荐单元。
示例的，
所述处理单元，具体用于对历史入园数据进行统计得到符合筛选条件的数量值，依据该数据值所处于的区间确定每个筛选条件的优先级，在园区的数据中将不满足高优先级条件的数据直接过滤得到过滤后的数据，然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单元；所述历史入园数据为用户历史点击观看过的入园推荐数据。
示例的，
所述处理单元，具体用于在过滤后的数据搜索符合所有非高优先级筛选条件的单元，若搜索到符合所有非高优先级筛选条件的单元，确定该单元以及该单元的园区为匹配的园区以及推荐单元；若搜索不到符合所有非高优先级筛选条件的单元，则去掉非高优先级筛选条件中最低优先级的条件得到剩余筛选条件，在过滤后的数据搜索符合剩余筛选条件的单元，将该符合剩余筛选条件的单元确定为推荐单元。
上述处理单元还可以用于执行如图2所示的可选方案或细化方案。这里不再赘述。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，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可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (5)

1.一种基于BIM技术的园区入驻推荐的方法，其特征在于，所述方法包括：
接收用户的登录请求后，通过人脸识别对用户进行验证，验证成功后，允许用户登录推荐平台后，采集用户的筛选条件；
将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；
提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户；
所述将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元具体包括：
采集用户的历史入园数据，依据历史入园数据构建每个筛选条件的优先级，依据优先级的高低筛选园区的数据进行匹配得到匹配的园区以及推荐单元；
采集用户的历史入园数据，依据历史入园数据构建每个筛选条件的优先级，依据优先级的高低筛选园区的数据进行匹配得到匹配的园区以及推荐单元具体包括：
对历史入园数据进行统计得到符合筛选条件的数量值，依据该数据值所处于的区间确定每个筛选条件的优先级，在园区的数据中将不满足高优先级条件的数据直接过滤得到过滤后的数据，然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单元；所述历史入园数据为用户历史点击观看过的入园推荐数据；所述然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单元具体包括：
在过滤后的数据搜索符合所有非高优先级筛选条件的单元，若搜索到符合所有非高优先级筛选条件的单元，确定该单元以及该单元的园区为匹配的园区以及推荐单元；若搜索不到符合所有非高优先级筛选条件的单元，则去掉非高优先级筛选条件中最低优先级的条件得到剩余筛选条件，在过滤后的数据搜索符合剩余筛选条件的单元，将该符合剩余筛选条件的单元确定为推荐单元；
通过人脸识别对用户进行验证具体包括：获取用户的人脸图片，对人脸图片进行特征提取得到卷积神经网络的输入数据，所述输入数据为输入矩阵【H】【W】；将该输入数据与卷积神经网络的卷积核执行卷积运算得到卷积运算结果，将该卷积运算结果执行全连接运算得到全连接结果，将全连接结果与预设的模板结果执行差运算得到差值，若该差值小于第一阈值，确定验证成功，否则确定验证失败；
若卷积核为3*3卷积核，且卷积滑动窗口的滑动方向为先按行移动然后再向列方向移动，3*3卷积核表示为卷积核【3】【3】，将该输入数据与卷积神经网络的卷积核执行卷积运算得到卷积运算结果具体包括：
将该输入数据的输入矩阵【H】【W】按先行后列存储于存储器，运算单元对前三行元素值执行运算步骤得到卷积运算结果的多个卷积值，运算步骤具体可以包括：从输入矩阵【H】【W】的前三行元素值中提取3*6个元素值得到矩阵【3】【6】1 1，运算单元将矩阵【3】【6】1 1按先列后行存储于缓存，运算单元提取卷积核【3】【3】，将矩阵【3】【6】1 1按行方向滑动4次得到4个矩阵【3】【3】1 1，将4个矩阵【3】【3】1与卷积核【3】【3】执行卷积运算得到4个卷积值，运算单元从输入矩阵【H】【W】中提取矩阵【3】【6】1 1之后的矩阵【3】【4】，在后续的提取中，每次提取【3】【4】，然后与前一【3】【6】的后2列组成新的矩阵【3】【6】，将矩阵【3】【6】1 1的前4列元素值删除后将后2列元素值与矩阵【3】【4】组成矩阵【3】【6】2 1；将【3】【6】2 1按先列后行存储于缓存，将矩阵【3】【6】2 1按行方向滑动4次得到4个矩阵【3】【3】2 1，将4个矩阵【3】【3】2 1与卷积核【3】【3】执行卷积运算得到4个卷积值，遍历输入矩阵3*W个元素值后得到卷积运算结果的多个卷积值后，卷积滑动窗口沿行移动后，运算单元对前3行的后续行元素值执行运算步骤得到卷积运算结果的多个卷积值，将前3行的多个卷积值以及后续行的多个卷积值组合起来得到卷积运算结果；其中，【3】【6】1 1中的下标数值表示三行元素值的提取次数，上标数值表示三行元素值的最小行值。
2.根据权利要求1所述的方法，其特征在于，
筛选条件包括：入园价格区间、入园地区、入园楼层范围；
所述入园条件包括：推荐单元价格、推荐单元的租期、推荐单元的优惠信息。
3.一种基于BIM技术的园区入驻推荐的系统，其特征在于，所述系统包括：
接收单元，用于接收用户的登录请求后；
处理单元，用于通过人脸识别对用户进行验证，验证成功后，允许用户登录推荐平台后，采集用户的筛选条件；将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单元；提取该园区对应的BIM展示图，在该BIM展示图中标记该推荐单元以及推荐单元的入园条件，将标记有该推荐单元以及推荐单元的入园条件的BIM展示图推荐给用户；
所述处理单元，具体用于采集用户的历史入园数据，依据历史入园数据构建每个筛选条件的优先级，依据优先级的高低筛选园区的数据进行匹配得到匹配的园区以及推荐单元；
所述处理单元，具体用于对历史入园数据进行统计得到符合筛选条件的数量值，依据该数据值所处于的区间确定每个筛选条件的优先级，在园区的数据中将不满足高优先级条件的数据直接过滤得到过滤后的数据，然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单元；所述历史入园数据为用户历史点击观看过的入园推荐数据；
在过滤后的数据搜索符合所有非高优先级筛选条件的单元，若搜索到符合所有非高优先级筛选条件的单元，确定该单元以及该单元的园区为匹配的园区以及推荐单元；若搜索不到符合所有非高优先级筛选条件的单元，则去掉非高优先级筛选条件中最低优先级的条件得到剩余筛选条件，在过滤后的数据搜索符合剩余筛选条件的单元，将该符合剩余筛选条件的单元确定为推荐单元；
通过人脸识别对用户进行验证具体包括：获取用户的人脸图片，对人脸图片进行特征提取得到卷积神经网络的输入数据，所述输入数据为输入矩阵【H】【W】；将该输入数据与卷积神经网络的卷积核执行卷积运算得到卷积运算结果，将该卷积运算结果执行全连接运算得到全连接结果，将全连接结果与预设的模板结果执行差运算得到差值，若该差值小于第一阈值，确定验证成功，否则确定验证失败；
若卷积核为3*3卷积核，且卷积滑动窗口的滑动方向为先按行移动然后再向列方向移动，3*3卷积核表示为卷积核【3】【3】，将该输入数据与卷积神经网络的卷积核执行卷积运算得到卷积运算结果具体包括：
将该输入数据的输入矩阵【H】【W】按先行后列存储于存储器，运算单元对前三行元素值执行运算步骤得到卷积运算结果的多个卷积值，运算步骤具体可以包括：从输入矩阵【H】【W】的前三行元素值中提取3*6个元素值得到矩阵【3】【6】1 1，运算单元将矩阵【3】【6】1 1按先列后行存储于缓存，运算单元提取卷积核【3】【3】，将矩阵【3】【6】1 1按行方向滑动4次得到4个矩阵【3】【3】1 1，将4个矩阵【3】【3】1与卷积核【3】【3】执行卷积运算得到4个卷积值，运算单元从输入矩阵【H】【W】中提取矩阵【3】【6】1 1之后的矩阵【3】【4】，在后续的提取中，每次提取【3】【4】，然后与前一【3】【6】的后2列组成新的矩阵【3】【6】，将矩阵【3】【6】1 1的前4列元素值删除后将后2列元素值与矩阵【3】【4】组成矩阵【3】【6】2 1；将【3】【6】2 1按先列后行存储于缓存，将矩阵【3】【6】2 1按行方向滑动4次得到4个矩阵【3】【3】2 1，将4个矩阵【3】【3】2 1与卷积核【3】【3】执行卷积运算得到4个卷积值，遍历输入矩阵3*W个元素值后得到卷积运算结果的多个卷积值后，卷积滑动窗口沿行移动后，运算单元对前3行的后续行元素值执行运算步骤得到卷积运算结果的多个卷积值，将前3行的多个卷积值以及后续行的多个卷积值组合起来得到卷积运算结果；其中，【3】【6】1 1中的下标数值表示三行元素值的提取次数，上标数值表示三行元素值的最小行值。
4.根据权利要求3所述的系统，其特征在于，
所述筛选条件包括：入园价格区间、入园地区、入园楼层范围；
所述入园条件包括：推荐单元价格、推荐单元的租期、推荐单元的优惠信息。
5.一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行如权利要求1-2任意一项所述的方法。
CN202110735886.4A 2021-06-30 2021-06-30 基于bim技术的园区入驻推荐方法以及系统 Active CN113326405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110735886.4A CN113326405B (zh) 2021-06-30 2021-06-30 基于bim技术的园区入驻推荐方法以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110735886.4A CN113326405B (zh) 2021-06-30 2021-06-30 基于bim技术的园区入驻推荐方法以及系统

Publications (2)

Publication Number Publication Date
CN113326405A CN113326405A (zh) 2021-08-31
CN113326405B true CN113326405B (zh) 2022-12-13

Family

ID=77423474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110735886.4A Active CN113326405B (zh) 2021-06-30 2021-06-30 基于bim技术的园区入驻推荐方法以及系统

Country Status (1)

Country Link
CN (1) CN113326405B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115544630B (zh) * 2022-11-07 2023-03-24 中国建筑西南设计研究院有限公司 一种bim构件的创建方法、装置、存储介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874461A (zh) * 2017-02-14 2017-06-20 北京慧正通软科技有限公司 一种工作流引擎支持多数据源配置安全访问系统及方法
CN110020006A (zh) * 2017-07-27 2019-07-16 北京国双科技有限公司 查询语句的生成方法及相关设备
CN112632397A (zh) * 2021-01-04 2021-04-09 同方知网(北京)技术有限公司 基于多类型学术成果画像及混合推荐策略的个性化推荐方法
CN112989153A (zh) * 2019-12-13 2021-06-18 阿里巴巴集团控股有限公司 数据处理方法、装置及计算机设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169136A (zh) * 2017-06-09 2017-09-15 成都智建新业建筑设计咨询有限公司 房屋信息三维全景展示系统
CN108170855B (zh) * 2018-01-19 2021-10-15 华东建筑集团股份有限公司 一种CityGML与IFC数据统一查询及数据抽取方法
CN109670899B (zh) * 2018-11-05 2022-04-19 陈树铭 基于bim的房产销装租管用一体化大数据分析系统及方法
US20200250354A1 (en) * 2019-02-05 2020-08-06 Oshkosh Corporation Building information modeling system with self-configuration
AU2020101652A4 (en) * 2019-08-07 2020-09-10 Woods Company Holdings Pty Ltd Building construction management system and process
CN112949891A (zh) * 2020-05-22 2021-06-11 深圳市明源云客电子商务有限公司 基于客户意向预测的房源推荐方法和装置
CN112464085B (zh) * 2020-11-19 2023-04-07 贝壳技术有限公司 一种房源推荐的方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874461A (zh) * 2017-02-14 2017-06-20 北京慧正通软科技有限公司 一种工作流引擎支持多数据源配置安全访问系统及方法
CN110020006A (zh) * 2017-07-27 2019-07-16 北京国双科技有限公司 查询语句的生成方法及相关设备
CN112989153A (zh) * 2019-12-13 2021-06-18 阿里巴巴集团控股有限公司 数据处理方法、装置及计算机设备
CN112632397A (zh) * 2021-01-04 2021-04-09 同方知网(北京)技术有限公司 基于多类型学术成果画像及混合推荐策略的个性化推荐方法

Also Published As

Publication number Publication date
CN113326405A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
US11710054B2 (en) Information recommendation method, apparatus, and server based on user data in an online forum
CN107423613B (zh) 依据相似度确定设备指纹的方法、装置及服务器
CN108108821A (zh) 模型训练方法及装置
CN106649681B (zh) 一种数据处理方法、装置及设备
CN110896488B (zh) 一种直播间的推荐方法以及相关设备
CN109982106B (zh) 一种视频推荐方法、服务器、客户端及电子设备
CN106326391A (zh) 多媒体资源推荐方法及装置
WO2021104097A1 (zh) 表情包生成方法、装置及终端设备
CN112995201B (zh) 一种基于云平台的资源价值评估处理方法和相关装置
CN104348871A (zh) 一种同类账号扩展方法及装置
CN113326405B (zh) 基于bim技术的园区入驻推荐方法以及系统
CN108197336B (zh) 一种视频查找的方法及装置
CN112100221A (zh) 一种资讯推荐方法、装置、推荐服务器及存储介质
CN107451249B (zh) 事件发展趋势的预测方法及装置
CN109886239B (zh) 人像聚类方法、装置及系统
CN108197203A (zh) 一种门脸头图挑选方法、装置、服务器和存储介质
CN111709851B (zh) 基于rfid及面部识别的酒店安全入住的方法、装置及设备
CN112966756A (zh) 一种可视化的准入规则的生成方法、装置、机器可读介质及设备
CN112650881A (zh) 监控数据的处理方法、装置及存储介质
CN110598126B (zh) 基于行为习惯的跨社交网络用户身份识别方法
CN111027771A (zh) 景区客流量预估方法、系统、装置及可存储介质
CN109903139B (zh) 一种根据时间节点的电子商务平台商品信息获取方法
CN114782720A (zh) 文案的配图确定方法、装置、电子设备、介质及程序产品
CN113139102A (zh) 数据处理方法、装置、非易失性存储介质及处理器
CN113360794A (zh) 旅游app的景点推荐方法及相关产品

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: The recommendation method and system for park settlement based on BIM technology

Effective date of registration: 20230103

Granted publication date: 20221213

Pledgee: Shenzhen hi tech investment small loan Co.,Ltd.

Pledgor: Digital cloud technology (Shenzhen) Co.,Ltd.

Registration number: Y2022980029332