CN113496005B - 一种信息管理方法、装置、电子设备及存储介质 - Google Patents

一种信息管理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113496005B
CN113496005B CN202110581015.1A CN202110581015A CN113496005B CN 113496005 B CN113496005 B CN 113496005B CN 202110581015 A CN202110581015 A CN 202110581015A CN 113496005 B CN113496005 B CN 113496005B
Authority
CN
China
Prior art keywords
house
information
target
post
session
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
CN202110581015.1A
Other languages
English (en)
Other versions
CN113496005A (zh
Inventor
舒兰
赵航
郭欣
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.)
Beijing Fangduoduo Information Technology Co ltd
Original Assignee
Beijing Fangduoduo Information 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 Beijing Fangduoduo Information Technology Co ltd filed Critical Beijing Fangduoduo Information Technology Co ltd
Priority to CN202110581015.1A priority Critical patent/CN113496005B/zh
Publication of CN113496005A publication Critical patent/CN113496005A/zh
Application granted granted Critical
Publication of CN113496005B publication Critical patent/CN113496005B/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
    • G06F16/95—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供了一种信息管理方法、装置、电子设备及存储介质，涉及计算机技术领域。所述方法包括：获取在线目标帖子对应的房屋的相关信息；在根据所述相关信息确定所述房屋的状态为已交易完成的情况下，下线所述目标帖子。本发明提高了对过期帖子的筛选效率，从而提高了对过期帖子的下架处理效率，进而使得房屋交易平台的管理效率较高。

Description

一种信息管理方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种信息管理方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展，越来越多的房屋交易平台日益成熟。在房屋交易平台上，房屋所有用户可以通过平台发布房屋买卖信息、出租信息等记录各类房屋交易信息的帖子。房屋需求用户可以通过浏览房屋所有用户发布的各类房屋交易信息的帖子，以寻找到自己满意的房屋，从而与房东用户进行房屋交易。
当某一帖子对应的房屋已交易完成，需要下架该过期帖子时，仅能依赖于房屋所有用户主动删除在平台上发布的帖子方式，或者依赖由房屋交易平台的工作人员通过线下电话核验，即线下电话联系该帖子的房屋所有用户确定房屋状态的方式，在确定房屋已交易完成时删除在平台上发布的帖子。
然而，这两方式均依赖于人为处理，而房屋交易平台上发布的各类房屋交易信息的帖子通常较为庞杂，这就使得对过期帖子的下架处理效率较低，进而使得房屋交易平台的管理效率较低。
发明内容
有鉴于此，本申请提供一种信息管理方法、装置、电子设备及存储介质，在一定程度上提高了对过期帖子的下架处理效率较低，进而提高了房屋交易平台的管理效率。
依据本申请的第一方面，提供了一种信息管理方法，所述方法包括：
获取在线目标帖子对应的房屋的相关信息；
在根据所述相关信息确定所述房屋的状态为已交易完成的情况下，下线所述目标帖子。
可选的，所述根据所述相关信息确定所述房屋的状态为已交易完成，包括：
根据所述相关信息，得到所述目标帖子的可在线总时长，所述可在线总时长与所述相关信息关联；
在所述目标帖子当前已在线的实际总时长大于所述可在线总时长的情况下，确定所述房屋的状态为已交易完成。
可选的，所述根据所述相关信息，得到所述目标帖子的可在线总时长，包括：
将所述相关信息输入在线时长预测模型，得到所述可在线总时长，所述在线时长预测模型是以多个第一训练样本数据训练得到的，所述第一训练样本数据包括：帖子对应的房屋的相关信息以及对应的第一标签信息，所述第一标签信息用于指示对应的帖子的实际在线总时长。
可选的，所述相关信息包括以下一项或多项：房屋的基本信息、房屋的配套设施信息、房屋的位置信息、房屋的交易信息；
其中，所述基本信息包括以下一项或多项：房屋的面积信息、朝向信息、功能分区信息、装修设施信息；
所述配套设施信息包括以下一项或多项：所述房屋所在小区的基础设施信息、所述房屋所在区域的公共设施信息；
所述位置信息包括以下一项或多项：所述房屋所在城市信息、街道信息、地理位置信息；
所述交易信息包括以下一项或多项：所述房屋的价格信息、付款方式信息。
可选的，所述在线时长预测模型的损失函数为分位数损失函数，所述分位数系数大于0.5。
可选的，所述在线时长预测模型包括DeepFM深度学习模型。
可选的，所述相关信息包括：所述目标帖子的发布用户与咨询用户之间的至少一组会话消息，所述根据所述相关信息确定所述房屋的状态为已交易完成，包括：
将各组会话消息输入文本分类模型，得到各组会话消息对应的类别，所述类别包括：第一类别，所述第一类别的会话消息用于指示针对所述房屋的交易已完成，所述文本分类模型是以多个第二训练样本数据训练得到的，所述第二训练样本数据包括：帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，所述第二标签信息用于指示帖子对应的房屋已交易完成；
在各所述会话消息对应的类别中存在所述第一类别的情况下，确定所述房屋的状态为已交易完成。
可选的，所述类别还包括：第二类别和第三类别，所述第二类别的会话消息用于指示针对所述房屋的交易未完成，所述第三类别的会话消息用于指示无法判断针对所述房屋的交易是否完成。
可选的，所述文本分类模型的损失函数为focal loss损失函数。
可选的，所述文本分类模型包括textcnn文本分类神经网络模型。
可选的，所述相关信息包括：所述目标帖子的发布用户与咨询用户之间的会话消息，所述根据所述相关信息确定所述房屋的状态为已交易完成，包括：
从所述会话消息中筛选得到目标消息；
在确定所述目标消息为目标类型消息的情况下，确定所述房屋的状态为已交易完成，所述目标类型消息用于指示针对所述房屋的交易已完成；
其中，所述目标消息包括以下一项或多项：所述发布用户以及所述咨询用户之间连续发布的且属于常用会话集合的第一会话消息、所述发布用户发布的第二会话消息、所述发布用户以及所述咨询用户之间连续发布的且不属于常用会话集合的第三会话消息、所述咨询用户发布的第四会话消息。
可选的，所述目标消息包括：所述第一会话消息、所述第二会话消息、所述第三会话消息以及所述第四会话消息；所述在确定所述目标消息为目标类型消息的情况下，确定所述房屋的状态为已交易完成，包括以下情况中的至少一种：
在确定所述第一会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成；
在确定所述第二会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成；
在确定所述第三会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成；
在确定所述第四会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成。
可选的，在所述下线所述目标帖子之前，所述方法还包括：
向所述目标帖子的发布用户对应的终端发送所述房屋的状态确认信息；
所述下线所述目标帖子，包括：在第一预设时长内未接收到所述终端针对所述状态确认信息发送的响应信息的情况下，下线所述目标帖子；或者
在接收到所述终端针对所述状态确认信息发送的响应信息，且所述响应信息用于指示所述房屋的状态为已交易完成的情况下，下线所述目标帖子。
可选的，所述下线所述目标帖子，包括：
在接收到所述终端针对所述状态确认信息发送的响应信息、所述响应信息用于指示所述房屋的状态为未交易完成，且在第二预设时长内未接收到所述终端发送的所述房屋的当前目标图像的情况下，下线所述目标帖子；或者
在接收到所述终端针对所述状态确认信息发送的响应信息、所述响应信息用于指示所述房屋的状态为未交易完成，且在第二预设时长内接收到所述终端发送的所述房屋的当前目标图像的情况下，获取所述目标帖子对应的房屋的历史图像，在所述当前目标图像与所述历史图像的相似度大于相似度阈值的情况下，下线所述目标帖子。
依据本申请的第二方面，提供了一种信息管理装置，所述装置包括：
获取模块，用于获取在线目标帖子对应的房屋的相关信息；
控制模块，用于在根据所述相关信息确定所述房屋的状态为已交易完成的情况下，下线所述目标帖子。
第三方面，本申请实施例提供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第一方面所述的信息管理方法的步骤。
第四方面，本申请提供了一种电子设备包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的信息管理方法的步骤。
针对在先技术，本申请具备如下优点：
本申请实施例提供的信息管理方法，通过获取在线目标帖子对应的房屋的相关信息，从而根据相关信息确定目标帖子对应房屋的状态是否为已交易完成。并在确定房屋的状态为已交易完成的情况下，下线目标帖子。该技术方案中，可以根据目标帖子对应房屋的实际相关信息，自动判断目标帖子对应房屋的状态，并在判断确定目标帖子对应房屋的状态为已交易完成时，自动下线目标帖子，即对目标帖子执行下架处理。相较于相关技术中人为删除房屋状态为已交易完成的房屋对应的过期帖子，提高了对过期帖子的筛选效率，从而提高了对过期帖子的下架处理效率，进而使得房屋交易平台的管理效率较高。
附图说明
图1是本申请实施例提供的一种信息管理方法的实施环境示意图；
图2是本申请实施例提供的一种信息管理方法的流程图；
图3是本申请实施例提供的一种房屋状态确定方法的流程图；
图4是本申请实施例提供的另一种房屋状态确定方法的流程图；
图5是本申请实施例提供的另一种信息管理方法的流程图；
图6是本申请实施例提供的又一种信息管理方法的流程图；
图7是本申请实施例提供的一种信息管理装置的框图；
图8是本申请实施例提供的一种电子设备的框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参考图1，其示出了本申请实施例提供的一种信息管理方法的实施环境示意图。如图1所示，该实施环境包括：终端101以及服务端102。终端101和服务端102通过有线网络或者无线网络连接。需要说明的是，该实施环境中可以包括一个或多个终端，图1以实施环境仅包括一个终端为例进行说明。
其中，终端101可以登录服务端102提供服务的房屋交易平台。例如，终端101可以安装有服务端102提供服务的房屋交易客户端、终端101可以安装有服务端102提供服务的房屋交易应用程序、终端101可以显示服务端102提供服务的房屋交易网页。终端101可以为发布用户使用的终端。发布用户可以在平台发布房屋买卖信息(例如新房买卖信息、二手房买卖信息等)、出租信息等记录各类房屋交易信息的帖子，以实现售卖房屋、出租房屋等目的。其中，发布用户可以是房屋所有人，即房东。发布用户也可以是一个或多个房屋经纪人。房屋经纪人通过接受房屋所有人的委托对房屋进行交易。示例的，终端101可以为手机、平板电脑或者可穿戴设备等电子设备。服务端102可以为一台服务器，或者也可以为多台服务器构成的服务集群。
需要说明的是，该实施环境还可以包括：除终端101之外的另一终端。该终端101也可以登录服务端102提供服务的房屋交易平台，该终端可以为咨询用户使用的终端。咨询用户也可以称为房屋需求用户。咨询用户可以浏览发布用户所发布的帖子，以寻找到自己满意的房屋，从而与房东用户或经纪人用户进行房屋交易。咨询用户还可以在帖子内与发布用户进行会话，以便于更为了解房屋的信息。例如，咨询用户可以通过在帖子的评论区域进行评论的方式与发布用户会话，发布用户可以通过回复评论的方式与咨询用户互动。或者，咨询用户可以通过点击帖子内显示的私聊图标，以打开与发布用户之间的会话窗口。通过该会话窗口与发布用户会话，了解房屋的信息。
请参考图2，其示出了本申请实施例提供的一种信息管理方法的流程图。该信息管理方法应用于图1所示的实施环境中的服务端。如图2所示，方法包括：
步骤201、获取在线目标帖子对应的房屋的相关信息。
本申请实施例中，服务端提供服务的房屋交易平台上可以发布有多个在线的帖子。在线的帖子指的是终端在房屋交易平台上可以浏览到的帖子。在线目标帖子可以为该多个在线的帖子中的任意一个。可选的，服务端获取的在线目标帖子对应的房屋的相关信息可以包括与房屋自身相关联的信息和/或针对房屋的会话信息。
示例的，在房屋的相关信息为与房屋自身相关联的信息的情况下，获取的房屋的相关信息可以包括以下一项或多项：房屋的基本信息、房屋的配套设施信息、房屋的位置信息、房屋的交易信息。
其中，基本信息包括以下一项或多项：房屋的面积信息、朝向信息、功能分区信息、装修设施信息。例如，功能分区信息可以为房屋包括的卫、室、厅的数量。配套设施信息包括以下一项或多项：房屋所在小区的基础设施信息、房屋所在区域的公共设施信息。例如，房屋所在小区的基础设施信息包括水费、电费和物业费等信息。房屋所在区域的公共设施信息包括房屋所在周围区域的商圈信息、医疗体系信息、学校信息等。位置信息包括以下一项或多项：房屋所在城市信息、街道信息、地理位置信息。例如，地理位置信息包括经纬度信息。交易信息包括以下一项或多项：房屋的价格信息、付款方式信息。
在房屋的相关信息为与针对房屋的会话信息的情况下，获取的房屋的相关信息可以包括目标帖子的发布用户与咨询用户之间的会话信息。例如，相关信息包括：发布用户与咨询用户在目标帖子的评论区域内会话信息。或者，相关信息也可以包括：发布用户与咨询用户之间会话窗口内的会话信息，该会话窗口为在目标帖子上触发的会话窗口。
步骤202、在根据相关信息确定房屋的状态为已交易完成的情况下，下线目标帖子。
本申请实施例中，服务端可以根据相关信息确定房屋的状态是否为已交易完成。在根据相关信息确定房屋的状态为已交易完成的情况下，下线目标帖子，以在服务端对目标帖子下架，即终端无法请求到该目标帖子。在根据相关信息确定房屋的状态不为已交易完成的情况下，不执行目标在线帖子的下架操作，以使得目标帖子继续在线。其中，房屋的状态不为已交易完成的情况可以包括两种情况：一种为在房屋的状态为未交易完成的情况下，可以认为房屋的状态不为已交易完成。另一种为在房屋的状态为无法判断的情况下，可以认为房屋的状态不为已交易完成。
示例的，在房屋出租场景下，房屋的状态为已交易完成可以认为是房屋已出租。同理，房屋的状态为未交易完成可以认为是房屋未出租。在房屋售卖场景下，房屋的状态为已交易完成可以认为是房屋已出售。同理，房屋的状态为未交易完成可以认为是房屋未出售。
可选的，根据房屋的相关信息内容的不同，服务端根据相关信息确定房屋的状态是否为已交易完成的实现方式也可以不同。本申请实施例以以下三种为例进行说明。
第一种可选的实现方式，在房屋的相关信息为与房屋自身相关联的信息的情况下，服务端根据相关信息确定房屋的状态是否为已交易完成的过程可以包括：
服务端可以根据相关信息，得到目标帖子的可在线总时长。服务端判断目标帖子当前已在线的实际总时长是否大于可在线总时长。在目标帖子当前已在线的实际总时长大于可在线总时长的情况下，确定房屋的状态为已交易完成。在目标帖子当前已在线的实际总时长小于或者等于可在线总时长的情况下，确定房屋的状态为未交易完成。其中，该可在线总时长与相关信息关联。目标帖子当前已在线的实际总时长可以为服务端的当前时刻与目标帖子的发布时刻之间的时长。
一种可选的实现方式下，服务端根据相关信息，得到目标帖子的可在线总时长的过程可以包括：服务端可以存储有房屋的相关信息与房屋对应帖子的可在线总时长之间的对应关系。服务端可以通过查询对应关系，确定获取的相关信息所对应的可在线总时长。该获取的相关信息指的是目标帖子对应的房屋的相关信息。服务端可以获取目标帖子的发布时刻，然后在计算得到目标帖子当前已在线的实际总时长之后，比较该实际总时长与可在线总时长的大小。在确定该实际总时长大于可在线总时长时，确定房屋的状态为已交易完成；在确定该实际总时长小于或者等于可在线总时长时，确定房屋的状态不为已交易完成。
其中，对应关系可以通过房屋交易平台上的历史数据确定。例如，从房屋交易平台的历史数据中获取与已交易完成的房屋对应的帖子。获取该帖子对应房屋的相关信息，以及该帖子的实际在线总时长。建立对应关系中。
示例的，以房屋出租场景为例，房屋的相关信息包括房屋所在小区以及房屋的交易价格区间。服务端存储的对应关系可以包括：小区、面积、装修设施、交易价格区间等以及房屋对应帖子的实际在线总时长的对应关系。服务端根据获取的目标帖子对应房屋的相关信息中小区、面积、装修设施、交易价格所在交易价格区间等，查询对应关系，得到与该相关信息对应的实际在线总时长，作为目标帖子的可在线总时长。在目标帖子的实际总时长大于该可在线总时长时，确定房屋的状态为已交易完成；在目标帖子的实际总时长小于或者等于该可在线总时长时，确定房屋的状态不为已交易完成。
另一种可选的实现方式下，服务端根据相关信息，得到目标帖子的可在线总时长的过程可以包括：服务端将相关信息输入在线时长预测模型，得到可在线总时长。
其中，在线时长预测模型的输入为房屋的相关信息，输出为该房屋对应帖子的可在线总时长。在线时长预测模型是以多个第一训练样本数据训练得到的。第一训练样本数据包括：帖子上的房屋的相关信息以及对应的第一标签信息，第一标签信息用于指示对应的帖子的实际在线总时长。其中，第一训练样本数据中包括的帖子对应的房屋的相关信息指的是：目标类型的帖子对应的房屋的相关信息，该目标类型的帖子为最终交易完成的房屋对应的帖子，即最终房屋状态为已交易完成的房屋对应的帖子。
可选的，在线时长预测模型可以包括但不限于DeepFM深度学习模型。在线时长预测模型还可以为FM模型等。本申请实施例以在线时长预测模型为DeepFM深度学习模型为例进行说明。DeepFM深度学习模型又称为DeepFM回归预测模型。DeepFM深度学习模型结合了DNN和FM的优点，能够同时提取低阶和高阶的组合特征。FM部分提取低阶组合特征，如包括：一阶特征的线性组合(权值与特征点积)，二阶交叉特征(隐向量内积)。Deep部分(即DNN)提取高阶组合特征。同时，FM和Deep共享特征输入及其embedding向量。
本申请实施例中，在步骤201之前，所述方法还可以包括：服务端还可以执行在线时长预测模型的训练过程。该在线时长预测模型的训练过程可以包括：将多个第一训练样本数据中的相关信息输入DeepFM深度学习模型进行计算，得到各相关信息对应的可在线总时长。将各可在线总时长与第一标签信息输入至在线时长预测模型的损失函数，确定损失值。在损失值未达到预设阈值的情况下，根据优化器调整DeepFM深度学习模型中的参数继续输入多个第一训练样本数据进行计算；在损失值达到预设阈值的情况下，将DeepFM深度学习模型作为在线时长预测模型。
可选的，在线时长预测模型的损失函数可以为分位数损失函数，该分位数系数可以大于0.5。该分配损失函数为：
Figure BDA0003086051530000101
其中，Jquant为时长预测模型的损失值。γ为分位数系数。yi为第一标签信息用于指示对应的帖子的实际在线总时长，即真实值。
Figure BDA0003086051530000102
为在线时长预测模型输出的可在线总时长，即预测值。N为第一训练样本数据的数量。例如，可以为第一标签信息的数量。
分配损失函数为一个分段函数。其可以将预测值大于实际值(高估)和预测值小于实际值(低估)两种情况分开，并分别给予不同的系数。当γ>0.5时，低估的损失要比高估的损失更大，反过来当γ<0.5时，高估的损失比低估的损失大。分位数损失函数会基于分位数值对过拟合和欠拟合的施加不同的惩罚。进而预测房屋帖子给定预测值的条件分位数。因而分位数损失实现了分别用不同的系数控制高估和低估的损失，进而实现分位数回归。
示例的，本申请实施例的损失函数中分位数系数可以为0.9。这样可以使得实际在线总时长较大的帖子的误差发挥更大的价值。则当预测值大于等于实际值时，损失为
Figure BDA0003086051530000111
当预测值小于实际值，损失为
Figure BDA0003086051530000112
此时表明，针对训练完成的在线时长预测模型。将各第一训练样本数据中的相关信息输入至在线时长预测模型得到的各相关信息对应的可在线总时长中，90％的可在线时长大于对应帖子的实际在线总时长。即各第一训练样本数据中，90％的帖子的实际在线总时长均小于根据在线时长预测模型得到的对应可在线总时长。10％的可在线时长小于对应帖子的实际在线总时长。即各第一训练样本数据中，10％的帖子的实际在线总时长均大于根据在线时长预测模型得到的对应可在线总时长。
本申请实施例中，在在线时长预测模型为分位数损失函数的DeepFM深度学习模型的情况下，在线时长预测模型输出的目标帖子的可在线时长，其含义可以表征目标帖子当前已在线的实际总时长大于可在线时长的概率为10％，也即是目标帖子当前已在线的实际总时长小于可在线时长的概率为90％。即在线时长预测模型的输出可以认为是一种可在线时长的区间预测。并且，DeepFM深度学习模型不仅考虑了相关信息的一阶特征及其交叉特征，又综合考虑所有数据的深度学习网络，从而使得在线时长预测模型具有较高精度，以及较高的稳定性。
第二种可选的实现方式，在房屋的相关信息为与针对房屋的会话信息的情况下，相关信息可以包括：目标帖子的发布用户与咨询用户之间的至少一组会话消息。其中，每组会话消息可以为发布用户与同一咨询用户的会话消息。或者，每组会话消息可以为目标规则下的发布用户与咨询用户之间的会话消息。该目标规则指的是在一组会话消息内，发布用户与咨询用户发布的各会话消息中，发布时刻相邻的两个会话消息之间的发布时刻差值小于目标时刻阈值。或者，在评论场景中，每组会话消息可以包括针对一个会话消息的所有相关会话消息，该相关会话消息可以指的是对该一个会话消息进行回复、评论或者转发的会话消息。本申请实施例以相关消息中包括多组会话消息为例进行说明。
服务端根据相关信息确定房屋的状态是否为已交易完成的过程可以包括：服务端将各组会话消息输入文本分类模型，得到各组会话消息对应的类别。在各会话消息对应的类别中存在第一类别的情况下，确定房屋的状态为已交易完成。在各会话消息对应的类别中不存在第一类别的情况下，确定房屋的状态不为已交易完成。
其中，文本分类模型的输入为至少一组会话消息，输出为输入的组会话消息对应的类别。各组会话消息对应的类别可以包括：第一类别。第一类别的会话消息用于指示针对房屋的交易已完成。文本分类模型是以多个第二训练样本数据训练得到的。第二训练样本数据包括：帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，第二标签信息用于指示帖子的房屋已交易完成。其中，多个第二训练样本数据可以为一个帖子下的多组会话消息，则一个第二训练样本数据可以为一个帖子下的一组会话消息。或者，多个第二训练样本数据也可以是多个帖子下的多组会话消息，则一个第二训练样本数据可以为一个帖子的多组会话消息，或者，也可以为一个帖子下的一组会话消息。
可选的，各组会话消息对应的类别还可以包括：第二类别以及第三类别。第二类别的会话消息用于指示针对房屋的交易未完成。第三类别的会话消息用于指示无法判断针对房屋的交易是否完成。则文本分类模型是以多个第二训练样本数据训练得到的。多个第二训练样本数据中，第一类第二训练样本数据包括：帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，第一类第二训练样本数据中的第二标签信息用于指示帖子对应的房屋已交易完成。第二类第二训练样本数据包括：帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，第二类第二训练样本数据中的第二标签信息用于指示帖子对应的房屋未交易完成。第三类第二训练样本数据包括：帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，第三类第二训练样本数据中的第二标签信息用于指示帖子对应的房屋未交易完成。
在各会话消息对应的类别中存在第一类别的情况下，确定房屋的状态为已交易完成。在各会话消息对应的类别中不存在第一类别，且存在第二类别的情况下，确定房屋的状态为未交易完成，也即是不为已交易完成。在各会话消息对应的类别中均为第三类别的情况下，确定房屋的状态为无法判断，也即是不为已交易完成。
可选的，文本分类模型可以包括但不限于textcnn文本分类神经网络模型。文本分类模型还可以为DCNN或者RCNN。本申请实施例以文本分类模型为textcnn文本分类神经网络模型为例进行说明。
本申请实施例中，在步骤201之前，所述方法还可以包括：服务端还可以执行文本分类模型的训练过程。该文本分类模型的训练过程可以包括：将多个第二训练样本数据中的会话消息输入textcnn文本分类神经网络模型进行计算，得到会话消息对应的类别。根据会话消息对应的类别、第二标签信息以及损失函数，确定损失值。在损失值未达到预设阈值的情况下，根据优化器调整textcnn文本分类神经网络模型中的参数继续输入多个第二训练样本数据进行计算；在损失值达到预设阈值的情况下，将textcnn文本分类神经网络模型作为文本分类模型。
可选的，文本分类模型的损失函数可以为focal loss损失函数。该focal loss损失函数为：
FL(pt)＝-αt(1-pt)γlog(pt)
其中，FL(pt)为文本分类模型的损失值。(1-pt)γ为调制系数。pt为基于样本分类模型输出的会话消息对应的类别与第二标签信息不相符合的概率。αt为权重系数。
其中，调制系数的引入控制难分类样本和易分类样本对总损失的贡献程度。当γ为0时，调制系数不会对损失函数产生影响。当γ的取值增大时，调制系数也随之增大。若第二训练样本数据为易分类样本，则分类错误的概率较低，则pt的取值越大，调制系数越小。若第二训练样本数据为难分类样本，则分类错误的概率较高，则pt的取值越小，调制系数越大。也可以理解为：当一个第二训练样本数据被分错时，pt很小，focal loss损失函数不受影响。当第二训练样本数据没有被分错时，pt接近1，那么1-pt接近0，分得较好也就是易分类的样本权值就被调低了。这样，γ调节了易分类的样本调低权值的比例，减少了易分类样本的损失贡献，难分类样本的权重相对提升，增加了误分类样本的重要性。
可选的，服务端将多个第二训练样本数据中的会话消息输入textcnn文本分类神经网络模型进行计算之前，所述方法还包括：服务端将多个第二训练样本数据中各第二训练样本数据进行预处理。该预处理过程可以包括：针对各第二训练样本数据，将第二训练样本数据包括的发布用户与咨询用户之间的会话消息按照时间顺序进行拼接处理，得到一个会话信息。过滤会话信息中的设定无效信息，得到过滤后的会话信息。其中，设定无效信息可以包括表情符号、固定话术、特殊符号或者其他乱码等。
则服务端将多个第二训练样本数据中的会话消息输入textcnn文本分类神经网络模型进行计算的过程可以包括：将各第二训练样本数据对应的过滤后的会话信息输入textcnn文本分类神经网络模型进行计算。
相应的，服务端将各组会话消息输入文本分类模型，得到各组会话消息对应的类别之前，所述方法还包括：服务端将各组会话消息分别进行预处理。该将各组会话消息分别进行预处理的实现过程可以参考服务端将各第二训练样本数据进行预处理的实现过程，本申请对此不做赘述。
第三种可选的实现方式，在房屋的相关信息为与针对房屋的会话信息的情况下，相关信息可以包括：目标帖子的发布用户与咨询用户之间的会话消息。服务端根据相关信息确定房屋的状态是否为已交易完成的过程可以包括：
服务端从会话消息中筛选得到目标消息。服务端在确定目标消息为目标类型消息的情况下，确定房屋的状态为已交易完成。服务端在确定目标消息不为目标类型消息的情况下，确定房屋的状态不为已交易完成。目标类型消息用于指示针对房屋的交易已完成。其中，目标消息包括以下一项或多项：发布用户以及咨询用户之间连续发布的且属于常用会话集合的第一会话消息、发布用户发布的第二会话消息、发布用户以及咨询用户之间连续发布的且不属于常用会话集合的第三会话消息、咨询用户发布的第四会话消息。
其中，常用会话集合可以为预设会话集合。常用会话集合中包括的会话可以指的是：在房屋交易平台发布的各帖子中出现次数大于设定次数阈值的会话。或者，常用会话集合中包括的会话也可以是：人为认定的在房屋交易场景中使用频率大于设定频率阈值的会话。发布用户以及咨询用户之间连续发布的会话指的是：发布用户的会话与咨询用户的会话之间存在语义连续性。例如，咨询用户的会话为“房子还在吗”发布用户的会话为“没有了已出租”。或者，发布用户以及咨询用户之间连续发布的会话也可以指的是：发布用户的会话发布时刻与咨询用户的会话发布时刻之间的时长小于时长阈值的会话。
本申请实施例以目标消息包括第一会话消息、第二会话消息、第三会话消息以及第四会话消息为例，对服务端在确定目标消息为目标类型消息的情况下，确定房屋的状态为已交易完成的过程可以包括下述情况中的至少一种：
服务端在确定第一会话消息属于第一会话消息对应的目标类型消息集合时，确定房屋的状态为已交易完成。在确定第二会话消息属于第二会话消息对应的目标类型消息集合时，确定房屋的状态为已交易完成。在确定第三会话消息属于第三会话消息对应的目标类型消息集合时，确定房屋的状态为已交易完成。在确定第四会话消息属于第四会话消息对应的目标类型消息集合时，确定房屋的状态为已交易完成。
相应的，服务端在确定第一会话消息不属于第一会话消息对应的目标类型消息集合时，确定房屋的状态不为已交易完成。在确定第二会话消息不属于第二会话消息对应的目标类型消息集合时，确定房屋的状态不为已交易完成。在确定第三会话消息不属于第三会话消息对应的目标类型消息集合时，确定房屋的状态不为已交易完成。在确定第四会话消息不属于第四会话消息对应的目标类型消息集合时，确定房屋的状态不为已交易完成。
可选的，服务端可以存储有与第一会话消息、第二会话消息、第三会话消息以及第四会话消息分别对应的目标类型消息集合，目标类型消息集合又称为目标类型词典。
其中，与第一会话消息对应的目标类型消息集合中，各目标类型消息为发布用户以及咨询用户之间连续发布的且属于常用会话集合，且用于指示针对房屋的交易已完成的会话消息。示例的，与第一会话消息对应的目标类型消息集合包括：咨询用户：房子还在么？发布用户：没有了、用户：房子还在么？发帖人：租了、咨询用户：房子还有吗？发布用户：有类似的。
与第二会话消息对应的目标类型消息集合中，各目标类型消息为发布用户发布的，且用于指示针对房屋的交易已完成的会话消息。示例的，与第二会话消息对应的目标类型消息集合包括：这套租了、这套不在了。
与第三会话消息对应的目标类型消息集合中，各目标类型消息为发布用户以及咨询用户之间连续发布的且不属于常用会话集合的，且用于指示针对房屋的交易已完成的会话消息。示例的，与第三会话消息对应的目标类型消息集合包括：咨询用户：可以看房子吗？发布用户：可以、咨询用户：看看房子可以吗？发布用户：随时、用户：这个租了吗？发布用户：是的。咨询用户：我是业主，请下架。发布用户：好的。
与第四会话消息对应的目标类型消息集合中，各目标类型消息为咨询用户发布的，且用于指示针对房屋的交易已完成的会话消息。示例的，与第四会话消息对应的目标类型消息集合包括：价格、户型、设备。
示例的，如图3所示，服务端通过判断目标消息是否为目标类型消息，以确定房屋的状态是否为已交易完成的过程可以包括：
步骤301、从会话消息中筛选得到第一会话消息、第二会话消息、第三会话消息以及第四会话消息。
步骤302、判断第一会话消息是否属于常用语已交易词典。若是，执行步骤303；若否，执行步骤304。
常用语已交易词典即为与第一会话消息对应的目标类型消息集合。
步骤303、确定房屋状态为已交易完成。
步骤304、判断第二会话消息是否属于发布者已交易词典。若是，执行步骤303；若否，执行步骤305。
发布者已交易词典即为与第二会话消息对应的目标类型消息集合。
步骤305、判断第三会话消息是否属于其他话术已交易词典。若是，执行步骤303；若否，执行步骤306。
其他话术已交易词典即为与第三会话消息对应的目标类型消息集合。
步骤306、判断第四会话消息是否属于咨询者已交易词典。若是，执行步骤303；若否，执行步骤307。
其他话术已交易词典即为与第四会话消息对应的目标类型消息集合。
步骤307、确定房屋状态不为已交易完成。
如前所示，房屋状态不为已交易完成时，该房屋状态可以为未交易完成或者无法判断。则相应的，服务端在确定目标消息不为目标类型消息的情况下，确定房屋的状态为未交易完成或者无法判断的过程可以包括：
服务端在确定第一会话消息属于对应的非目标类型消息集合时，确定房屋的状态为未交易完成。服务端在确定第一会话消息不属于对应的非目标类型消息集合，且不属于对应的目标类型消息集合时，确定房屋的状态为无法判断。
在确定第二会话消息属于对应的非目标类型消息集合时，确定房屋的状态为未交易完成。在确定第二会话消息不属于对应的非目标类型消息集合，且不属于对应的目标类型消息集合时，确定房屋的状态为无法判断。
在确定第三会话消息属于对应的非目标类型消息集合时，确定房屋的状态为未交易完成。在确定第三会话消息不属于对应的非目标类型消息集合，且不属于对应的目标类型消息集合时，确定房屋的状态为无法判断。
在确定第四会话消息属于对应的非目标类型消息集合时，确定房屋的状态为未交易完成。在确定第四会话消息不属于对应的非目标类型消息集合，且不属于对应的目标类型消息集合时，确定房屋的状态为无法判断。
需要说明的是，非目标类型消息集合包括的会话消息均用于指示针对房屋的交易未完成。与不同会话消息对应的非目标类型消息集合的解释可以分别参考前述与不同会话消息对应的目标类型消息集合的解释。
基于此，如图4所示，服务端通过判断目标消息是否为目标类型消息，以确定房屋的状态是否为已交易完成的过程还可以包括：
步骤401、从会话消息中筛选得到第一会话消息、第二会话消息、第三会话消息以及第四会话消息。
步骤402、判断第一会话消息是否属于常用语已交易词典。若是，执行步骤403；若否，执行步骤404。
常用语已交易词典即为与第一会话消息对应的目标类型消息集合。
步骤403、确定房屋状态为已交易完成。
步骤404、判断第一会话消息是否属于常用语未交易词典。若是，执行步骤405；若否，执行步骤406。
常用语未交易词典即为与第一会话消息对应的非目标类型消息集合。
步骤405、确定房屋状态为未交易完成。
步骤406、判断第二会话消息是否属于发布者已交易词典。若是，执行步骤403；若否，执行步骤407。
发布者已交易词典即为与第二会话消息对应的目标类型消息集合。
步骤407、判断第二会话消息是否属于发布者未交易词典。若是，执行步骤405；若否，执行步骤408。
发布者未交易词典即为与第二会话消息对应的非目标类型消息集合。
步骤408、判断第三会话消息是否属于其他话术已交易词典。若是，执行步骤403；若否，执行步骤409。
其他话术已交易词典即为与第三会话消息对应的目标类型消息集合。
步骤409、判断第三会话消息是否属于其他话术未交易词典。若是，执行步骤405；若否，执行步骤410。
其他话术未交易词典即为与第三会话消息对应的非目标类型消息集合。
步骤410、判断第四会话消息是否属于咨询者已交易词典。若是，执行步骤403；若否，执行步骤411。
其他话术已交易词典即为与第四会话消息对应的目标类型消息集合。
步骤411、判断第四会话消息是否属于咨询者未交易词典。若是，执行步骤405；若否，执行步骤412。
咨询者未交易词典即为与第三会话消息对应的非目标类型消息集合。
步骤412、确定房屋状态为无法判断。
本申请实施例中，通过获取在线目标帖子对应的房屋的相关信息，从而根据相关信息确定目标帖子对应房屋的状态是否为已交易完成。并在确定房屋的状态为已交易完成的情况下，下线目标帖子。该技术方案中，可以根据目标帖子对应房屋的实际相关信息，自动判断目标帖子对应房屋的状态，并在判断确定目标帖子对应房屋的状态为已交易完成时，自动下线目标帖子，即对目标帖子执行下架处理。相较于相关技术中人为删除房屋状态为已交易完成的房屋对应的过期帖子，提高了对过期帖子的筛选效率，从而提高了对过期帖子的下架处理效率，进而使得房屋交易平台的管理效率较高。
请参考图5，其示出了本申请实施例提供的另一种信息管理方法的流程图。信息管理方法可以应用于图1所示的实施环境，由服务端执行。如图5所示，方法包括：
步骤501、获取在线目标帖子对应的房屋的相关信息。
该步骤的解释和实现过程可以参考前述步骤201的解释和实现过程，本申请实施例对此不做赘述。
步骤502、根据相关信息判断房屋的状态是否为已交易完成。若是，执行步骤503；若否，执行步骤504。
该步骤的解释和实现过程可以参考前述步骤202的解释和实现过程，本申请实施例对此不做赘述。
步骤503、向目标帖子的发布用户对应的终端发送房屋的状态确认信息。
本申请实施例中，服务端可以获取目标帖子的发布用户，并向该发布用户对应的终端发送房屋的状态确认信息，以使得终端接收房屋的状态确认信息。可选的，房屋的状态确认信息可以为用于确认房屋是否已交易完成的信息。示例的，在出租场景中，状态确认信息可以包括“请问xx帖子的房屋是否已出租”。
可选的，目标帖子的发布用户可以为多个用户。例如，发布用户为房屋的多个房屋经纪人。则服务端向多个发布用户对应的终端均发送房屋的状态确认信息。
需要说明的是，服务端向目标帖子的发布用户对应的终端发送房屋的状态确认信息之后，服务端可以控制将目标帖子的显示优先级调整至设定显示优先级，该设定显示优先级低于未调整前目标帖子的显示优先级。例如，设定显示优先级为最低级。则在服务端将目标在线特征的显示优先级调整至最低级后，终端可以在房屋交易平台中帖子显示区域的末尾页显示目标在线帖子。也即是服务端可以调整目标帖子的显示权限，以降低该目标帖子的曝光率，增加其他在线帖子的曝光资源。
步骤504、判断在第一预设时长内是否接收到终端针对状态确认信息发送的响应信息。若否，执行步骤505；若是，执行步骤506。
本申请实施例中，服务端可以从发送状态确认信息的时刻开始计时，以判断在计时时长到达第一预设时长时之前是否接收到终端针对状态确认信息发送的响应信息。或者，服务端可以记录发送状态确认信息的发送时刻，服务端可以在接收到终端针对状态确认信息发送的响应信息时，获取接收时刻。计算接收时刻与发送时刻之间的时长。若该时长小于或者等于第一预设时长，则确定在第一预设时长内接收到终端发送的响应信息。若该时长大于第一预设时长，则确定在第一预设时长内未接收到终端发送的响应信息。
可选的，在目标帖子的发布用户为多个用户的情况下，服务端判断在第一预设时长内是否接收到终端针对状态确认信息发送的响应信息指的是：服务端判断在第一预设时长内是否接收到所有发布用户对应终端针对状态确认信息发送的响应信息。若否，执行步骤505；若是，执行步骤506。
步骤505、下线目标帖子。
可选的，帖子具有状态标识。当状态标识为在线状态时，该帖子为在线帖子，用户可以通过终端浏览到该帖子。当状态标识为下线状态时，表明该帖子被下架，用户将无法通过终端浏览到该帖子。则服务端下架目标在线帖子的过程可以包括：服务端将目标在线帖子的状态标识修改为下线状态。
本申请实施例中，终端在接收房屋的状态确认信息可以向服务端发送针对状态确认消息的响应信息。该响应信息可以包括用于指示房屋的状态为已交易完成的信息。或者，该响应信息可以包括用于指示房屋的状态为未交易完成的信息。
步骤506、判断响应信息是否为用于指示房屋的状态为已交易完成的信息。若是，执行步骤505；若否，执行步骤507。
本申请实施例中，服务端在接收到响应信息后，解析该响应信息。服务端可以通过判断该响应信息指示的房屋的状态是否为已交易完成，以判断响应信息是否为用于指示房屋的状态为已交易完成的信息。若该响应信息指示的房屋的状态为已交易完成，则服务端判断响应信息为用于指示房屋的状态为已交易完成的信息。若该响应信息指示的房屋的状态为未交易完成，则服务端判断响应信息为用于指示房屋的状态不为已交易完成的信息。
可选的，在目标帖子的发布用户为多个用户的情况下，服务端可以接收到至少一个发布用户对应终端发送的响应信息。若服务端接收到多个发布用户对应终端发送的多个响应信息，则服务端判断各响应信息是否均为用于指示房屋的状态为已交易完成的信息。若是，执行步骤505；若否，执行步骤507。
本申请实施例中，若服务端判断响应信息不为用于指示房屋的状态为已交易完成的信息。则服务端可以向终端发送提示上传图像信息，以使得终端发送房屋的当前目标图像，便于再次核实房屋的状态。
步骤507、判断在第二预设时长内是否接收到终端发送的房屋的当前目标图像。若否，执行步骤505；若是，执行步骤508。
本申请实施例中，服务端可以从接收到响应信息的时刻开始计时，以判断在计时时长到达第二预设时长之前是否接收到终端发送的房屋的当前目标图像。或者，服务端可以记录接收到响应信息的时刻，服务端可以在接收到终端发送的房屋的当前目标图像时，获取接收时刻。计算接收时刻与发送时刻之间的时长。若该时长小于或者等于第二预设时长，则确定在第二预设时长内接收到当前目标图像。若该时长大于第一预设时长，则确定在第二预设时长内未接收到当前目标图像。其中，房屋的当前目标图像可以指的是当前房屋的图片和/或视频。
可选的，在目标帖子的发布用户为多个用户的情况下，服务端判断在第二预设时长内是否接收到终端发送的房屋的当前目标图像指的是：服务端判断在第二预设时长内是否接收到所有发布用户对应终端发送的房屋的当前目标图像。若否，执行步骤505；若是，执行步骤508。
步骤508、获取目标帖子对应的房屋的历史图像。
服务端在第二预设时长内接收到终端发送的房屋的当前目标图像后，可以获取目标帖子对应的房屋的历史图像。房屋的历史图像可以包括房屋的历史图片和/或视频。
步骤509、判断当前目标图像与历史图像的相似度是否大于相似度阈值。若否，执行步骤505；若是，执行步骤510。
可选的，服务端可以对当前目标图像与历史图像进行相似度计算处理，得到当前目标图像与历史图像的相似度。在当前目标图像与历史图像的相似度大于相似度阈值的情况下，不执行目标帖子的下架操作，以使得目标帖子继续在线。在当前目标图像与历史图像的相似度小于相似度阈值的情况下，下架目标帖子。其中，相似度计算处理可以包括直方图匹配处理、结构相似性(structural similarity，SSIM)比较处理等。
步骤510、继续在线目标帖子。
本申请实施例中，通过获取在线目标帖子对应的房屋的相关信息，从而根据相关信息确定目标帖子对应房屋的状态是否为已交易完成。并在确定房屋的状态为已交易完成的情况下，下线目标帖子。该技术方案中，可以根据目标帖子对应房屋的实际相关信息，自动判断目标帖子对应房屋的状态，并在判断确定目标帖子对应房屋的状态为已交易完成时，自动下线目标帖子，即对目标帖子执行下架处理。相较于相关技术中人为删除房屋状态为已交易完成的房屋对应的过期帖子，提高了对过期帖子的筛选效率，从而提高了对过期帖子的下架处理效率，进而使得房屋交易平台的管理效率较高。
需要说明的是，前述所示的服务端根据相关信息确定房屋的状态是否为已交易完成的三种可选的实现方式可以两两组合或者三个一起组合使用。
例如，服务端在采用第一种可选的实现方式确定房屋的状态为已交易完成，且服务端在采用第二种可选的实现方式确定房屋的状态也为已交易完成的情况下，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第一种可选的实现方式确定房屋的状态不为已交易完成，且服务端在采用第二种可选的实现方式确定房屋的状态为已交易完成的情况下，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第一种可选的实现方式确定房屋的状态为已交易完成，且服务端在采用第三种可选的实现方式确定房屋的状态也为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第一种可选的实现方式确定房屋的状态不为已交易完成，且服务端在采用第三种可选的实现方式确定房屋的状态也为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第二种可选的实现方式确定房屋的状态为已交易完成，且服务端在采用第三种可选的实现方式确定房屋的状态也为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第二种可选的实现方式确定房屋的状态不为已交易完成，且服务端在采用第三种可选的实现方式确定房屋的状态也为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第一种可选的实现方式确定房屋的状态为已交易完成、采用第二种可选的实现方式确定房屋的状态也为已交易完成、且采用第三种可选的实现方式确定房屋的状态也为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第一种可选的实现方式确定房屋的状态不为已交易完成、在采用第二种可选的实现方式确定房屋的状态也不为已交易完成，且采用第三种可选的实现方式确定房屋的状态为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第一种可选的实现方式确定房屋的状态不为已交易完成、在采用第三种可选的实现方式确定房屋的状态也不为已交易完成，且采用第二种可选的实现方式确定房屋的状态为已交易完成时，服务端确定房屋的状态为已交易完成。
或者，服务端在采用第二种可选的实现方式确定房屋的状态不为已交易完成、在采用第三种可选的实现方式确定房屋的状态也不为已交易完成，且采用第一种可选的实现方式确定房屋的状态为已交易完成时，服务端确定房屋的状态为已交易完成。
以上仅列举了部分组合方式，以下不进行一一列举。以上三种可选的实现方式中，至少一种实现方式确定房屋的状态为已交易完成，服务端即确定房屋的状态为已交易完成。
这样提高了服务端判断已交易完成的房屋状态的准确性。本申请实施例以服务端采用第一种可选的实现方式、第二种可选的实现方式以及第三种可选的实现方式共同确定房屋的状态是否为已交易完成为例对三种可选的实现方式可以组合使用进行进一步说明。
请参考图6，其示出了本申请实施例提供的又一种信息管理方法的流程图。信息管理方法可以应用于图1所示的实施环境中的服务器。如图6所示，方法包括：
步骤601、获取在线目标帖子对应的房屋的相关信息。
该步骤的解释和实现过程可以参考前述步骤201的解释和实现过程，本申请实施例对此不做赘述。
步骤602、从会话消息中筛选得到目标消息。
步骤603、判断目标消息是否为目标类型消息。若是，执行步骤604；若否，执行步骤605。
该步骤602和步骤603的解释和实现过程可以参考前述步骤202中，第三种可选的实现方式的相关解释和实现过程，本申请实施例对此不做赘述。
步骤604、下线目标帖子。
该步骤的解释和实现过程可以参考前述步骤505的解释和实现过程，本申请实施例对此不做赘述。
步骤605、根据相关信息，得到目标帖子的可在线总时长。
步骤606、判断目标帖子当前已在线的实际总时长是否大于可在线总时长。若是，执行步骤604；若否，执行步骤607。
该步骤605和步骤606的解释和实现过程可以参考前述步骤202中，第一种可选的实现方式的相关解释和实现过程，本申请实施例对此不做赘述。
步骤607、将相关信息中各组会话消息输入文本分类模型，得到各组会话消息对应的类别。
步骤608、判断各会话消息对应的类别中是否存在第一类别。若是，执行步骤604；若否，执行步骤609。
该步骤607和步骤608的解释和实现过程可以参考前述步骤202中，第二种可选的实现方式的相关解释和实现过程，本申请实施例对此不做赘述。
步骤609、继续在线目标帖子。
需要说明的是，在步骤604下线目标帖子之前，服务端还可以执行前述步骤503至步骤509，本申请实施例对此不作限定。
本申请实施例中，通过获取在线目标帖子对应的房屋的相关信息，从而根据相关信息确定目标帖子对应房屋的状态是否为已交易完成。并在确定房屋的状态为已交易完成的情况下，下线目标帖子。该技术方案中，可以根据目标帖子对应房屋的实际相关信息，自动判断目标帖子对应房屋的状态，并在判断确定目标帖子对应房屋的状态为已交易完成时，自动下线目标帖子，即对目标帖子执行下架处理。相较于相关技术中人为删除房屋状态为已交易完成的房屋对应的过期帖子，提高了对过期帖子的筛选效率，从而提高了对过期帖子的下架处理效率，进而使得房屋交易平台的管理效率较高。
请参考图7，其示出了本申请实施例提供的一种信息管理装置的框图。
如图7所示，信息管理装置包括：
获取模块701，用于获取在线目标帖子对应的房屋的相关信息；
控制模块702，用于在根据相关信息确定房屋的状态为已交易完成的情况下，下线目标帖子。
可选的，控制模块702，还用于：
根据相关信息，得到目标帖子的可在线总时长，可在线总时长与相关信息关联；
在目标帖子当前已在线的实际总时长大于可在线总时长的情况下，确定房屋的状态为已交易完成。
可选的，控制模块702，还用于：将相关信息输入在线时长预测模型，得到可在线总时长，在线时长预测模型是以多个第一训练样本数据训练得到的，第一训练样本数据包括：帖子对应的房屋的相关信息以及对应的第一标签信息，第一标签信息用于指示对应的帖子的实际在线总时长。
可选的，相关信息包括以下一项或多项：房屋的基本信息、房屋的配套设施信息、房屋的位置信息、房屋的交易信息；
其中，基本信息包括以下一项或多项：房屋的面积信息、朝向信息、功能分区信息、装修设施信息；
配套设施信息包括以下一项或多项：房屋所在小区的基础设施信息、房屋所在区域的公共设施信息；
位置信息包括以下一项或多项：房屋所在城市信息、街道信息、地理位置信息；
交易信息包括以下一项或多项：房屋的价格信息、付款方式信息。
可选的，在线时长预测模型的损失函数为分位数损失函数，分位数系数大于0.5。
可选的，在线时长预测模型包括DeepFM深度学习模型。
可选的，相关信息包括：目标帖子的发布用户与咨询用户之间的至少一组会话消息，控制模块702，还用于：
将各组会话消息输入文本分类模型，得到各组会话消息对应的类别，类别包括：第一类别，第一类别的会话消息用于指示针对房屋的交易已完成，文本分类模型是以多个第二训练样本数据训练得到的，第二训练样本数据包括：帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，第二标签信息用于指示帖子对应的房屋已交易完成；
在各会话消息对应的类别中存在第一类别的情况下，确定房屋的状态为已交易完成。
可选的，类别还包括：第二类别和第三类别，第二类别的会话消息用于指示针对房屋的交易未完成，第三类别的会话消息用于指示无法判断针对房屋的交易是否完成。
可选的，文本分类模型的损失函数为focal loss损失函数。
可选的，文本分类模型包括textcnn文本分类神经网络模型。
可选的，相关信息包括：目标帖子的发布用户与咨询用户之间的会话消息，控制模块702，还用于：
从会话消息中筛选得到目标消息；
在确定目标消息为目标类型消息的情况下，确定房屋的状态为已交易完成，目标类型消息用于指示针对房屋的交易已完成；
其中，目标消息包括以下一项或多项：发布用户以及咨询用户之间连续发布的且属于常用会话集合的第一会话消息、发布用户发布的第二会话消息、发布用户以及咨询用户之间连续发布的且不属于常用会话集合的第三会话消息、咨询用户发布的第四会话消息。
可选的，目标消息包括：第一会话消息、第二会话消息、第三会话消息以及第四会话消息；控制模块702，还用于以下情况中的至少一种：
在确定第一会话消息属于对应的目标类型消息集合时，确定房屋的状态为已交易完成；
在确定第二会话消息属于对应的目标类型消息集合时，确定房屋的状态为已交易完成；
在确定第三会话消息属于对应的目标类型消息集合时，确定房屋的状态为已交易完成；
在确定第四会话消息属于对应的目标类型消息集合时，确定房屋的状态为已交易完成。
可选的，装置还包括：发送模块，用于向目标帖子的发布用户对应的终端发送房屋的状态确认信息；
控制模块702，还用于：在第一预设时长内未接收到终端针对状态确认信息发送的响应信息的情况下，下线目标帖子；以及还用于在接收到终端针对状态确认信息发送的响应信息，且响应信息用于指示房屋的状态为已交易完成的情况下，下线目标帖子。
可选的，控制模块702，还用于：
在接收到终端针对状态确认信息发送的响应信息、响应信息用于指示房屋的状态为未交易完成，且在第二预设时长内未接收到终端发送的房屋的当前目标图像的情况下，下线目标帖子；
在接收到终端针对状态确认信息发送的响应信息、响应信息用于指示房屋的状态为未交易完成，且在第二预设时长内接收到终端发送的房屋的当前目标图像的情况下，获取目标帖子对应的房屋的历史图像，在当前目标图像与历史图像的相似度大于相似度阈值的情况下，下线目标帖子。
本申请实施例中，通过获取在线目标帖子对应的房屋的相关信息，从而根据相关信息确定目标帖子对应房屋的状态是否为已交易完成。并在确定房屋的状态为已交易完成的情况下，下线目标帖子。该技术方案中，可以根据目标帖子对应房屋的实际相关信息，自动判断目标帖子对应房屋的状态，并在判断确定目标帖子对应房屋的状态为已交易完成时，自动下线目标帖子，即对目标帖子执行下架处理。相较于相关技术中人为删除房屋状态为已交易完成的房屋对应的过期帖子，提高了对过期帖子的筛选效率，从而提高了对过期帖子的下架处理效率，进而使得房屋交易平台的管理效率较高。
本申请实施例提供的信息管理装置具备执行信息管理方法相应的功能模块，可执行本申请实施例一到实施例九任一实施例所提供的信息管理方法，且能达到相同的有益效果。
在本申请提供的又一实施例中，还提供了一种电子设备，电子设备可以包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述信息管理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。示例的，如图8所示，该电子设备具体可以包括：处理器801、存储装置802、具有触摸功能的显示屏803、输入装置804、输出装置805以及通信装置806。该电子设备中处理器801的数量可以是一个或者多个，图8中以一个处理器801为例。该电子设备的处理器801、存储装置802、显示屏803、输入装置804、输出装置805以及通信装置806可以通过总线或者其他方式连接。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的信息管理方法。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的信息管理方法。
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、物品或者设备中还存在另外的相同要素。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (14)

1.一种信息管理方法，其特征在于，所述方法包括：
获取在线目标帖子对应的房屋的相关信息；
在根据所述相关信息确定所述房屋的状态为已交易完成的情况下，下线所述目标帖子；
所述根据所述相关信息确定所述房屋的状态为已交易完成，包括：
根据所述相关信息，得到所述目标帖子的可在线总时长，所述可在线总时长与所述相关信息关联，由相关信息输入到在线时长预测模型所得，在所述目标帖子当前已在线的实际总时长大于所述可在线总时长的情况下，确定所述房屋的状态为已交易完成，其中，所述在线时长预测模型是以多个第一训练样本数据训练得到的，所述第一训练样本数据包括：历史数据中已交易完成帖子对应的房屋的相关信息以及对应的第一标签信息，所述第一标签信息用于指示对应的所述帖子的实际在线总时长；或者
根据所述相关信息，得到所述目标帖子的发布用户与咨询用户之间的至少一组会话消息，将各组会话消息输入文本分类模型，得到所述各组会话消息对应的类别，所述类别至少包括第一类别，在各所述会话消息对应的类别中存在所述第一类别的情况下，确定所述房屋的状态为已交易完成，其中，所述第一类别的会话消息用于指示针对所述房屋的交易已完成，所述文本分类模型是以多个第二训练样本数据训练得到的，所述第二训练样本数据包括：历史数据中已交易完成帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，所述第二标签信息用于指示所述帖子对应的房屋已交易完成。
2.根据权利要求1任一所述的方法，其特征在于，所述相关信息包括以下一项或多项：房屋的基本信息、房屋的配套设施信息、房屋的位置信息、房屋的交易信息；
其中，所述基本信息包括以下一项或多项：房屋的面积信息、朝向信息、功能分区信息、装修设施信息；
所述配套设施信息包括以下一项或多项：所述房屋所在小区的基础设施信息、所述房屋所在区域的公共设施信息；
所述位置信息包括以下一项或多项：所述房屋所在城市信息、街道信息、地理位置信息；
所述交易信息包括以下一项或多项：所述房屋的价格信息、付款方式信息。
3.根据权利要求1所述的方法，其特征在于，所述在线时长预测模型的损失函数为分位数损失函数，所述分位数系数大于0.5。
4.根据权利要求1所述的方法，其特征在于，所述在线时长预测模型包括DeepFM深度学习模型。
5.根据权利要求1所述的方法，其特征在于，所述类别还包括：第二类别和第三类别，所述第二类别的会话消息用于指示针对所述房屋的交易未完成，所述第三类别的会话消息用于指示无法判断针对所述房屋的交易是否完成。
6.根据权利要求1所述的方法，其特征在于，所述文本分类模型的损失函数为focalloss损失函数。
7.根据权利要求1所述的方法，其特征在于，所述文本分类模型包括textcnn文本分类神经网络模型。
8.根据权利要求1所述的方法，其特征在于，所述相关信息包括：所述目标帖子的发布用户与咨询用户之间的会话消息，所述根据所述相关信息确定所述房屋的状态为已交易完成，包括：
从所述会话消息中筛选得到目标消息；
在确定所述目标消息为目标类型消息的情况下，确定所述房屋的状态为已交易完成，所述目标类型消息用于指示针对所述房屋的交易已完成；
其中，所述目标消息包括以下一项或多项：所述发布用户以及所述咨询用户之间连续发布的且属于常用会话集合的第一会话消息、所述发布用户发布的第二会话消息、所述发布用户以及所述咨询用户之间连续发布的且不属于常用会话集合的第三会话消息、所述咨询用户发布的第四会话消息。
9.根据权利要求8所述的方法，其特征在于，所述目标消息包括：所述第一会话消息、所述第二会话消息、所述第三会话消息以及所述第四会话消息；所述在确定所述目标消息为目标类型消息的情况下，确定所述房屋的状态为已交易完成，包括以下情况中的至少一种：
在确定所述第一会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成；
在确定所述第二会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成；
在确定所述第三会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成；
在确定所述第四会话消息属于对应的目标类型消息集合时，确定所述房屋的状态为已交易完成。
10.根据权利要求1所述的方法，其特征在于，在所述下线所述目标帖子之前，所述方法还包括：
向所述目标帖子的发布用户对应的终端发送所述房屋的状态确认信息；
所述下线所述目标帖子，包括：在第一预设时长内未接收到所述终端针对所述状态确认信息发送的响应信息的情况下，下线所述目标帖子；
在接收到所述终端针对所述状态确认信息发送的响应信息，且所述响应信息用于指示所述房屋的状态为已交易完成的情况下，下线所述目标帖子。
11.根据权利要求10所述的方法，其特征在于，所述下线所述目标帖子，包括：
在接收到所述终端针对所述状态确认信息发送的响应信息、所述响应信息用于指示所述房屋的状态为未交易完成，且在第二预设时长内未接收到所述终端发送的所述房屋的当前目标图像的情况下，下线所述目标帖子；
在接收到所述终端针对所述状态确认信息发送的响应信息、所述响应信息用于指示所述房屋的状态为未交易完成，且在第二预设时长内接收到所述终端发送的所述房屋的当前目标图像的情况下，获取所述目标帖子对应的房屋的历史图像，在所述当前目标图像与所述历史图像的相似度大于相似度阈值的情况下，下线所述目标帖子。
12.一种信息管理装置，其特征在于，所述装置包括：
获取模块，用于获取在线目标帖子对应的房屋的相关信息；
控制模块，用于在根据所述相关信息确定所述房屋的状态为已交易完成的情况下，下线所述目标帖子；
所述控制模块用于：
根据所述相关信息，得到所述目标帖子的可在线总时长，所述可在线总时长与所述相关信息关联，由相关信息输入到在线时长预测模型所得，在所述目标帖子当前已在线的实际总时长大于所述可在线总时长的情况下，确定所述房屋的状态为已交易完成，其中，所述在线时长预测模型是以多个第一训练样本数据训练得到的，所述第一训练样本数据包括：历史数据中已交易完成帖子对应的房屋的相关信息以及对应的第一标签信息，所述第一标签信息用于指示对应的所述帖子的实际在线总时长；或者
根据所述相关信息，得到所述目标帖子的发布用户与咨询用户之间的至少一组会话消息，将各组会话消息输入文本分类模型，得到所述各组会话消息对应的类别，所述类别至少包括第一类别，在各所述会话消息对应的类别中存在所述第一类别的情况下，确定所述房屋的状态为已交易完成，其中，所述第一类别的会话消息用于指示针对所述房屋的交易已完成，所述文本分类模型是以多个第二训练样本数据训练得到的，所述第二训练样本数据包括：历史数据中已交易完成帖子的发布用户与咨询用户之间的会话消息以及对应的第二标签信息，所述第二标签信息用于指示所述帖子对应的房屋已交易完成。
13.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并可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至11中任一项所述的信息管理方法的步骤。
14.一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有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的信息管理方法的步骤。
CN202110581015.1A 2021-05-26 2021-05-26 一种信息管理方法、装置、电子设备及存储介质 Active CN113496005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110581015.1A CN113496005B (zh) 2021-05-26 2021-05-26 一种信息管理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110581015.1A CN113496005B (zh) 2021-05-26 2021-05-26 一种信息管理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113496005A CN113496005A (zh) 2021-10-12
CN113496005B true CN113496005B (zh) 2022-04-08

Family

ID=77997720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110581015.1A Active CN113496005B (zh) 2021-05-26 2021-05-26 一种信息管理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113496005B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104869145A (zh) * 2014-02-20 2015-08-26 林淑贞 一种透过行动电子装置以管理房客租屋信息的方法
CN108830682A (zh) * 2018-06-01 2018-11-16 深圳春沐源控股有限公司 在线房产交易数据处理方法、装置、终端及存储介质
CN109636452A (zh) * 2018-12-01 2019-04-16 郭云峰 一种二手房交易的方法
CN111339305A (zh) * 2020-03-20 2020-06-26 北京中科模识科技有限公司 文本分类方法、装置、电子设备及存储介质
CN112328786A (zh) * 2020-11-03 2021-02-05 平安科技（深圳）有限公司 基于bert的文本分类方法、装置、计算机设备及存储介质
CN112434872A (zh) * 2020-12-02 2021-03-02 携程计算机技术（上海）有限公司 酒店产量预测方法、系统、设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080147319A1 (en) * 2006-12-19 2008-06-19 Verizon Laboratories Inc. Landmark selection tools for map systems and methods
CN101179426B (zh) * 2006-12-20 2010-12-15 腾讯科技（深圳）有限公司 一种确定论坛热帖的方法及系统
US20090239552A1 (en) * 2008-03-24 2009-09-24 Yahoo! Inc. Location-based opportunistic recommendations
US10552715B2 (en) * 2011-10-15 2020-02-04 Jackson L. Crisp Personalized printed product and related method
US20140173461A1 (en) * 2012-09-21 2014-06-19 Satyajeet Arvind Shahade Electronic Community Board Creation And Management System
CN106875301A (zh) * 2017-02-15 2017-06-20 郑州云海信息技术有限公司 一种基于云计算的房产经纪人管理系统
US20190026752A1 (en) * 2017-07-20 2019-01-24 Dong Min Kim System for providing real property information online and system for providing safe transaction service using bigdata-based grade classification and market value prediction
CN108197161B (zh) * 2017-12-12 2021-11-09 五八有限公司 信息的推荐方法和装置
CN108717469B (zh) * 2018-06-11 2021-11-23 北京五八信息技术有限公司 一种帖子排序方法、装置、设备及计算机可读存储介质
CN112527628A (zh) * 2020-11-11 2021-03-19 贝壳技术有限公司 配置数据同步方法、装置及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104869145A (zh) * 2014-02-20 2015-08-26 林淑贞 一种透过行动电子装置以管理房客租屋信息的方法
CN108830682A (zh) * 2018-06-01 2018-11-16 深圳春沐源控股有限公司 在线房产交易数据处理方法、装置、终端及存储介质
CN109636452A (zh) * 2018-12-01 2019-04-16 郭云峰 一种二手房交易的方法
CN111339305A (zh) * 2020-03-20 2020-06-26 北京中科模识科技有限公司 文本分类方法、装置、电子设备及存储介质
CN112328786A (zh) * 2020-11-03 2021-02-05 平安科技（深圳）有限公司 基于bert的文本分类方法、装置、计算机设备及存储介质
CN112434872A (zh) * 2020-12-02 2021-03-02 携程计算机技术（上海）有限公司 酒店产量预测方法、系统、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Iterative Boosting Deep Neural Networks for Predicting Click-Through Rate;Amit Livne et al.;《arXiv:2007.13087v1》;20200726;1-16 *
昌乐县房管办开发企业网上业务管理系统的设计与实现;田璐;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120415;I138-1063 *

Also Published As

Publication number Publication date
CN113496005A (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
US20190333118A1 (en) Cognitive product and service rating generation via passive collection of user feedback
CN110334289B (zh) 出行目的地的确定方法和目标用户的确定方法
CN107924552A (zh) 经由消息收发提供个人助理服务
CN111210255B (zh) 广告推送方法、装置及电子设备
WO2019232093A1 (en) Electronic content based on neural networks
EP3472712A1 (en) Method and apparatus for facilitating a provisioning of advertisements to customers
CN112669095A (zh) 客户画像的构建方法、装置、电子设备及计算机存储介质
US10748143B2 (en) Location aware trust-based peer-to-peer currency exchange
CN114119123A (zh) 信息推送的方法和装置
CN111199454B (zh) 实时用户转化评估方法、装置及电子设备
CN113496005B (zh) 一种信息管理方法、装置、电子设备及存储介质
CN113362095A (zh) 一种信息投放的方法和装置
CN111523068A (zh) 页面配置方法、装置、服务器及存储介质
CN113377972A (zh) 多媒体内容推荐方法、装置、计算设备和存储介质
CN109858900A (zh) 一种支付信息推送方法、装置及终端设备
CN113032694B (zh) 基于场景的查询方法及装置、存储介质、计算机设备
CN114741606A (zh) 企业推荐方法、装置、计算机可读介质及电子设备
CN114296547A (zh) 发起主动对话的方法、设备及存储介质
US11676163B1 (en) System and method for determining a likelihood of a prospective client to conduct a real estate transaction
CN113496304B (zh) 网络媒介信息的投放控制方法、装置、设备及存储介质
CN116911304B (zh) 一种文本推荐方法及装置
CN111241318B (zh) 选取对象推送封面图的方法、装置、设备、存储介质
US20240095795A1 (en) Property lead finder systems and methods of its use
CN114399353A (zh) 业务推荐方法、装置、电子设备和计算机可读介质
WO2024057301A1 (en) System and computer implemented method for personalized nurturing of prospective real-estate clients

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