CN114580900A - 房产经纪人推荐的方法、装置、计算机设备以及存储介质 - Google Patents

房产经纪人推荐的方法、装置、计算机设备以及存储介质 Download PDF

Info

Publication number
CN114580900A
CN114580900A CN202210206125.4A CN202210206125A CN114580900A CN 114580900 A CN114580900 A CN 114580900A CN 202210206125 A CN202210206125 A CN 202210206125A CN 114580900 A CN114580900 A CN 114580900A
Authority
CN
China
Prior art keywords
watching
house
broker
candidate
emotion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210206125.4A
Other languages
English (en)
Inventor
廖云兰
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.)
Shenzhen Ideamake Software Technology Co Ltd
Original Assignee
Shenzhen Ideamake Software 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 Shenzhen Ideamake Software Technology Co Ltd filed Critical Shenzhen Ideamake Software Technology Co Ltd
Priority to CN202210206125.4A priority Critical patent/CN114580900A/zh
Publication of CN114580900A publication Critical patent/CN114580900A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种房产经纪人推荐的方法、装置、计算机设备以及存储介质。其中方法包括：接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；获取所述候选房产经纪人的态度评价分数；根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。实施本申请实施例，可以提高推荐房产经纪人的准确性，以帮助用户找到合适的房产经纪人，进而提高带看成交率以及用户体验度。

Description

房产经纪人推荐的方法、装置、计算机设备以及存储介质
技术领域
本申请涉及信息处理技术领域，尤其涉及一种房产经纪人推荐的方法、装置、计算机设备以及存储介质。
背景技术
在房地产行业中，房产经纪人(中介)是一个不可或缺的角色。用户有购房需求时，通常需要联系房产经纪人约看房源。在收到用户的带看需求之后，房地产平台往往是随机分配有时间的房产经纪人为用户带看感兴趣的房源。然而，由于房产经纪人的带看能力参差不齐，这种随机推荐的方式，导致带看成交率较低，且用户体验度较差。
发明内容
本申请实施例提供了一种房产经纪人推荐的方法、装置、计算机设备以及存储介质，可以提高推荐房产经纪人的准确性，以帮助用户找到合适的房产经纪人，进而提高带看成交率以及用户体验度。
第一方面，本申请实施例提供了一种房产经纪人推荐的方法，包括：
接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；
将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；
获取所述候选房产经纪人的态度评价分数；
根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
第二方面，本申请实施例提供了一种房产经纪人推荐的装置，包括：
通信单元，用于接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；
处理单元，用于将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；获取所述候选房产经纪人的态度评价分数；根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
第三方面，本申请实施例提供了一种计算机设备，包括处理器、存储器和通信接口，其中，所述存储器存储有计算机程序，所述计算机程序被配置由所述处理器执行，所述计算机程序包括用于如本申请实施例第一方面中所描述的部分或全部步骤的指令。
第四方面，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存储计算机程序，所述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
实施本申请实施例，将具有如下有益效果：
采用上述的房产经纪人推荐的方法、装置、计算机设备以及存储介质，在接收目标用户发送的带看请求之后，将该带看请求与房产经纪人的带看信息进行匹配，确定候选房产经纪人。然后，获取候选房产经纪人的态度评价分数，并根据该态度评价分数在候选房产经纪人中确定目标房产经纪人。如此，通过目标用户的带看请求和候选房产经纪人的态度评价分数进行房产经纪人的推荐，可以提高推荐房产经纪人的准确性，以帮助用户找到合适的房产经纪人，进而提高带看成交率以及用户体验度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以基于这些附图获得其他的附图。其中：
图1为本申请实施例提供的一种系统架构示意图；
图2为本申请实施例提供的一种房产经纪人推荐的方法的流程示意图；
图3为本申请实施例提供的一种房产经纪人推荐的装置的结构示意图；
图4为本申请实施例提供的一种计算机设备的结构示意图。
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、结构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。
还应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
为了更好地理解本申请实施例的技术方案，先对本申请实施例可能涉及的系统架构进行介绍。请参照图1，本申请实施例提供的一种系统架构示意图，该系统架构可以包括：电子设备101和服务器102。其中，电子设备101和服务器102之间可以通过网络通信。网络通信可以基于任何有线和无线网络，包括但不限于因特网、广域网、城域网、局域网、虚拟专用网络(virtual private network，VPN)和无线通信网络等等。
本申请实施例不限定电子设备和服务器的数量，服务器可同时为多个电子设备提供服务。在本申请实施例中，电子设备可以用于接收目标用户发送的带看请求，也可以将带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人，还可以根据态度评价分数在候选房产经纪人中确定目标房产经纪人等等。电子设备可以是个人计算机(personalcomputer，PC)、笔记本电脑或智能手机，还可以是一体机、掌上电脑、平板电脑(pad)、智能电视播放终端、车载终端或便捷式设备等。PC端的电子设备，例如一体机等，其操作系统可以包括但不限于Linux系统、Unix系统、Windows系列系统(例如Windows xp、Windows 7等)、Mac OS X系统(苹果电脑的操作系统)等操作系统。移动端的电子设备，例如智能手机等，其操作系统可以包括但不限于安卓系统、IOS(苹果手机的操作系统)、Window系统等操作系统。
服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器或者可以通过多个服务器组成的服务器集群来实现。
在房地产行业中，房产经纪人(中介)是一个不可或缺的角色。用户有购房需求时，通常需要联系房产经纪人约看房源。在收到用户的带看需求之后，房地产平台往往是随机分配有时间的房产经纪人为用户带看感兴趣的房源。然而，由于房产经纪人的带看能力参差不齐，这种随机推荐的方式，导致有带看成交率较低，且用户体验感较差。
为了解决上述问题，本申请实施例提供了一种房产经纪人推荐的方法，该方法可以应用在房地产领域配置的电子设备或服务器上。通过实施该方法，可以提高房产经纪人推荐的准确率，提高用户的体验度，从而可以提高带看成交率。
请参照图2，图2是本申请实施例提供的一种房产经纪人推荐的方法的流程示意图。以该方法应用在电子设备为例进行举例说明，可以包括以下步骤S201-S204，其中：
步骤S201：接收目标用户发送的带看请求。
在本申请实施例中，目标用户可以是指有购房需求，需要房产经纪人带看房子的用户。带看请求可以包括期望带看时间和期望带看房源等。
期望带看时间可以是指目标用户希望房产经纪人带领参观房源的时间。期望带看时间可以是当天的某个时间段，或者几天后的某个时间段。期望带看房源可以是指有目标用户希望房产经纪人带领参观的房源，可以是具体楼盘信息，如ABC新城等；也可以是没有具体楼盘信息，但是有区域、价格、面积、房型、朝向、楼层、楼龄、装修、电梯、周边公共建筑等房源偏好要求的信息。示例地，带看请求可以是“明天上午10点至12点希望带看ABC新城的新房”，或者可以是“后天下午2点至4点希望带看三室一厅的二手房”等等。
此外，带看请求还可以包括目标用户对房产经纪人的偏好信息，如房产经纪人的性别、性格、从业年限、业绩等偏好信息，还可以包括用户的性别、姓名、联系方式等基本信息。示例地，带看请求可以是“本周六上午10点至12点希望热情的女房产经纪人带看ABC新城的新房，联系方式123********”等等。
步骤S202：将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人。
在本申请实施例中，可以预先将房产经纪人的带看信息存储至预设房产经纪人库中，预设房产经纪人库可以预先存储于电子设备中，或者，存储在服务器中，电子设备通过访问服务器获取预设房产经纪人库。房产经纪人的带看信息可以包括预计带看时间和预计带看区域，预计带看时间可以是指房产经纪人可以带领用户参观房源的时段，预计带看区域是指房产经纪人可以带领用户参观的区域。房产经纪人的带看信息还可以包括房产经纪人的其他业务信息，例如姓名、性别、年龄、性格特征、从业年限、历史带看数量、历史成交率、历史成交总价以及联系方式等等。
在一种可能的实施方式中，步骤S202具体可以包括以下步骤：从预设房产经纪人库中查找所有房产经纪人的带看信息，所述带看信息包括预计带看时间和预计带看区域；将所述预计带看时间包含所述期望带看时间且所述预计带看区域包含所述期望带看房源所在的位置的房产经纪人，确定为候选房产经纪人。
在本申请实施例中，可以从预设房产经纪人库中提取预先存储的房产经纪人的带看信息，带看信息可以包括预计带看时间和预计带看区域。然后查找预计带看时间中包含期望带看时间，且预计带看区域中包含期望带看房源所在的位置的房产经纪人。将预计带看时间中包含期望带看时间，且预计带看区域中包含期望带看房源所在的位置的房产经纪人作为候选房产经纪人。例如，用户设定的期望带看时间为明天的上午10点至12点，则房产经纪人的预计带看时间至少包含明天上午10点至12点，或者时间范围大于明天上午10点至12点，例如明天上午9点至下午4点等等。与此类似，经纪人预计带看区域也要包含用户设定的期望带看房源所在的位置。
可以看出，将带看请求与房产经纪人的带看信息进行匹配，例如将房产经纪人的带看信息中的预计带看时间包含期望带看时间且所述预计带看区域包含期望带看房源所在的位置的房产经纪人，确定为候选房产经纪人，可以提高候选房产经纪人的匹配效率，有助于帮助用户找到合适的房产经纪人，以提高了房源带看效率。
在一种可能的实施例中，若用户的带看请求中没有明确选定期望带看时间或者期望带看房源，可以将当前时段有空闲的房产经纪人中态度评价分数或者带看评价分数最大值对应的房产经纪人推荐给目标用户。房产经纪人的态度评价分数和带看评价分数的具体计算方式可以参考下文的描述，在此不做赘述。
在一种可能的实施例中，可以提取带看请求中的期望带看时间，然后根据用户设定的期望带看时间的先后顺序，将对应的带看请求进行排序，即距离当前时间越近的期望带看时间对应的带看请求排序越靠前，并优先将排序靠前的带看请求优先匹配房产经纪人。如此，可以避免错过用户的期望带看时间给用户带来的不便，有助于提高用户的体验度。
步骤S203：获取所述候选房产经纪人的态度评价分数。
态度评价分数可以用于评价候选房产经纪人的服务态度，候选房产经纪人的服务态度越积极正向，态度评价分数越高。
在一种可能的实施方式中态度评价分数可以通过获取用户评价信息得到。在本申请实施例中，用户在带看结束或者交易结束之后，可以向用户推送对服务的房产经纪人做出态度评价，从而获取用户评价信息，并根据用户评价信息确定态度评价分数。示例地，可以将服务态度划分为几个不同的星级，根据用户选取的星级确定态度评价分数。例如可以将服务等级划分为五星、四星、三星、二星及一星的五个等级，且星数越多，服务态度越积极正向。然后可以预先为每一种服务态度等级设置对应不同的分值，例如五星对应的分值区域为80-100，四星、三星、二星及一星对应的分值区域分别为60-80、40-60、20-40以及0-20。最后根据服务态度的分值确定候选房产经纪人的态度评价分数。如此，可以快速得到候选房产经纪人的态度评价分数。
此外，用户评价信息还可以包括用户评价内容，可以通过用户评价内容辅助评价用户的服务态度，从而提高态度评价分数的准确性。例如，房产经纪人A综合星级为四星，那么态度评价分数60-80分之间。若从房产经纪人A的用户评价内容中提取得到“热情”、“负责”等正向关键字，则将房产经纪人A的最终态度评价分数确定60-80的分值区域中高分区域；若从房产经纪人A的用户评价内容中提取得到“不礼貌”、“冷淡”等负向关键字，则将房产经纪人A的最终态度评价分数确定60-80的分值区域中低分区域。如此，可以提高态度评价分数的准确性。
然而，在实际应用中，部分用户有时候会忘记或者懒于对房产经纪人的服务态度做出评论，导致房产经纪人的部分态度服务为系统默认评论。系统默认评论很难客观的评价房产经纪人的服务态度，有可能会使得根据用户评价信息获得的态度评价分数难以表征候选房产经纪人的服务态度。因此，考虑通过对候选房产经纪人关联用户的聊天数据进行文本情绪分析，从而计算候选房产经纪人的态度评价分数。
文本情绪分析是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，通过对文本进行分析得到人们在文本中表达的观点、情绪。目前的文本情绪分析主要集中在正负向情绪的分析上，即，用来分析自然语言所表达的情绪是积极情绪(正向情绪)还是消极情绪(负向情绪)；或者，还包括中立情绪。
在一种可能的实施方式中，步骤S203具体可以包括步骤A1-A5：
步骤A1：获取与所述候选房产经纪人关联用户的文本聊天数据。
在本申请实施例中，与候选房产经纪人关联用户可以是与候选房产经纪人产生过关联的用户，例如可以是与咨询候选房产经纪人相关购房问题的用户或者被候选房产经纪人带看过房源的用户等等。文本聊天数据可以是关联用户与候选房产经纪人在房产平台的即时通讯工具(instant messaging，IM)中的文本对话内容。其中，即时通讯工具可以是指通过即时通讯技术来实现在线聊天、交流的应用软件。文本聊天数据可以包括房产经纪人和用户双方在内的文本数据，也可以是只包含用户的文本数据。
在一些可能的实施方式中，步骤A1具体可以包括以下步骤：
获取与所述候选房产经纪人关联用户的语音聊天数据；对所述语音聊天数据进行分帧处理，得到第一语音帧；对所述第一语音帧进行预处理，得到目标语音帧；对所述目标语音帧进行语音识别，得到文本聊天数据。
在本申请实施例中，房产经纪人和用户在采用即时通讯工具沟通相关的购房问题时，除了采用文字聊天之外，还可以采用语言聊天。因此，语音聊天数据可以是关联用户与候选房产经纪人在房产平台的即时通讯工具(instant messaging，IM)中的语音对话内容。与文本聊天数据类似，语音聊天数据可以包括房产经纪人和用户双方在内的语音数据，也可以是只包含用户的语音数据。
第一语音帧是指对语音聊天数据进行分帧处理之后得到的语音帧，而目标语音帧是指第一语音帧进行预处理之后得到的语音帧。帧是语音数据中最小的观测单位。在本申请实施例中，分帧可以理解为是依据语音数据的时序性对语音聊天数据进行划分的过程。为了使得语音聊天数据中每一帧信号在足够短的时间内保持平稳，以及满足振动周期足够多，帧长可以取为20-50ms，例如可以取20ms、25ms、30ms等等。此外，为了避免相邻两帧的变化过大，通常可以采用交叠分段的方法来进行分帧处理，使得帧与帧之间平滑过渡，保持其连续性。帧与帧之间的交叠部分称为帧移，帧移与帧长的比值一般取为0-1/2。如此，对语音聊天数据进行分帧处理，可以获得较平稳的语音帧，有利于提高后续语音识别的准确性。
在本申请实施例中，预处理的方式可以包括降维、归一化中的一种或多种。具体地，可以采用奇异值分解(singular value decomposition，SVD)、因子分析(factoranalysis，FA)、主成分分析(principal component analysis，PCA)、独立成分分析(independent component analysis，ICA)等方法进行降维处理。通过降维处理，可以从高维度的向量中，保留下最重要的一些特征，去除噪声和不重要的特征。还可以对第一语音帧进行归一化处理。示例地，可以采用最小-最大归一化方法(min-max normalization)将语音帧的值统一映射到[0，1]区间内。如此，归一化处理后的第一语音帧在数值上有一定比较性，可以后续语音识别的准确性。
此外，还可以对分帧处理之后得到的第一语音帧进行加窗处理和预加重处理，可以获取质量更好的目标语音帧。加窗可以用于消除各个帧两端可能会造成的信号不连续性，可以将非平稳语音信号转变为短时平稳信号。常用的窗函数有方窗、汉明窗和汉宁窗等。预加重则可以提升高频部分，用于滤去低频，使高频更突出，以提高信噪比。在得到目标语音帧之后，可以采用自动语音识别技术(automatic speech recognition，ASR)等技术将目标语音帧进行语音转换为文本聊天数据。
可以看出，将语音聊天数据进行分帧处理之后，再对分帧处理之后的第一语音帧进行预处理，得到目标语音帧。最后再对目标语音帧进行语音识别，得到文本聊天数据。如此，可以提高语音识别的效率和质量。
步骤A2：对所述文本聊天数据进行分词处理，得到分词词汇。
在本申请实施例中，分词处理方法可以采用基于字符串匹配的分词方法，也称为机械分词方法。基于字符串匹配的分词方法包括正向最大匹配法、反向最大匹配法、最短路径分词法以及双向最大匹配法。其中，正向最大匹配法是指把一个切分的语句中的字符串从左至右来分词；反向最大匹配法是指把一个切分的语句中的字符串从右至左来分词；最短路径分词法是指一个切分的语句中的字符串里面要求切出的词数是最少的；双向最大匹配法是指正反向同时进行分词匹配。也可以利用词义分词法对各个切分的语句进行分词处理，词义分词法是一种机器语音判断的分词方法，利用句法信息和语义信息来处理歧义现象来分词。
步骤A3：从所述分词词汇中提取与情绪关联的词汇作为关键词。
其中，情绪关联的词汇可以是指通过该词汇能够从一定高度反映情绪。在一种可能的实施方式中，可以预先建立情绪关联的情绪词典库，在其中通过收录能反映情绪的词语，例如“开心”、“高兴”、“喜欢”、“热情”、“用心”、“敬业”、“礼貌”等词语表明文本的情绪是消极的。“粗鲁”、“恶劣”、“糟糕”、“讨厌”、“冷淡”“难过”、“生气”、“嘲讽”等词语表明文本的情绪是消极的、负面的。在得到分词词汇之后，可以通过将得到的分词词汇依次与情绪词典库中收录的词语进行比对，确定与情绪关联的分词作为关键词。例如，“今天带看的小哥很用心”可以依次将“今天”、“带看的”、“小哥”、“很”、“用心”等分词词汇与情绪词典库中收录的词语进行比对，其中，“用心”与情绪词典库中收录的词语一致，则可以将“用心”作为关键词。关键词可以从用户聊天内容中提取，也可以从房产经纪人和用户双方的聊天内容中提取，本申请实施例对此不做限定。
步骤A4：对所述关键词进行情绪识别，得到文本情绪。
文本情绪可以包括积极情绪(正向情绪)、消极情绪(负向情绪)，还包括中立情绪。在本申请实施例中，对提取得到的每一个关键词进行情绪识别，确定该关键词的文本情绪为积极情绪或者是消极情绪。在一种可能的实施方式中，可以采用预设的文本情绪识别模型识别得到关键词的文本情绪。文本情绪识别模型可以包括长短期记忆网络(long shortterm memory，LSTM)、门控循环单元网络(gated recurrent unit，GRU)、或者极端梯度提升(extreme gradient boosting，Xgboost)等模型中的一种或者多种，本申请实施例对此不做限定。
在一种可能的实施方式中，文本聊天数据中可能会存在一些否定词，否定词可能会使得关键词的文本情绪表现出相反的情绪特性。在具体应用时，可以通过检索分词词汇中是否包含的否定词，若识别出否定词，则将关键词的对应的文本情绪反向调整。示例地，目标用户针的回答为“今天带看的小哥很不礼貌”。在这一分句中，关键词为“礼貌”、但是检索到了否定词“不”，若识别得到“礼貌”的文本情绪为积极情绪，则将“礼貌”的文本情绪调整为消极情绪。
步骤A5：根据所述文本情绪计算所述候选房产经纪人的态度评价分数。
在本申请实施例中，可以先统计关键词的数量，然后再统计关键词中文本情绪为积极情绪的数量，计算出积极情绪的占比。其中，关键词中文本情绪为积极情绪的数量占关键词的数量的比例为积极情绪的占比。例如，与候选房产经纪人A关联用户的文本聊天数据包括的关键词的数量为100，其中文本情绪为积极情绪的关键词的数量为95，那么可以计算得到积极情绪的占比为95％。最后根据积极情绪的占比确定候选房产经纪人的态度评价分数。
在一种可能的实施方式中，可以预先将积极情绪的占比划分为不同的区间，并将不同的区间设置对应不同的态度评价分数，例如积极情绪的占比为80-100％对应的态度评价分数区域为80-100，积极情绪的占比为60-80％对应的态度评价分数区域为60-80，积极情绪的占比为0-20％对应的态度评价分数区域为0-20等等。也就是说，假设计算得到候选房产经纪人A的积极情绪的占比为95％，那么候选房产经纪人A的态度评价分数可以是95。
可以看出，通过获取与候选房产经纪人关联用户的文本聊天数据，然后对该文本聊天数据进行分词处理，得到分词词汇，并从分词词汇中提取与情绪关联的词汇作为关键词。接着，对关键词进行情绪识别，得到文本情绪，如此可以使得情绪识别具备很好的准确性。最后，根据文本情绪计算候选房产经纪人的态度评价分数。如此基于文本情绪计算得到的候选房产经纪人的态度评价分数的准确性也较高。此外，基于文本情绪确定候选房产经纪人的态度评价，可以使得候选房产经纪人在与客户沟通的过程中，增加积极词汇的使用频率，引导用户给出积极正面的回应，从而可以提升成交量，让用户更快买到房子，提高用户体验度。
在一种可能的实施方式中，在步骤A4之后，还可以包括以下步骤：
对所述目标语音帧进行特征提取，得到目标语音特征；根据所述目标语音特征对所述语音聊天数据进行情绪识别，得到语音情绪；根据所述语音情绪和所述文本情绪，确定综合情绪；根据所述综合情绪计算所述候选房产经纪人的态度评价分数。
在本申请实施例中，由于存在语音聊天数据，而人在语音中实际表达的情绪和语音对应文本中表达的情绪可以存在较大区别的。例如，在一些嘲讽的场景中，语音情绪识别的结果可能是消极情绪，而语音对应文本中可能因为包含有积极词汇，可能识别为积极的情绪。因此，为了提高情绪识别的准确性，除了文本情绪之外，可以增加语音情绪的识别。
在本申请实施例中，目标语音特征可以包括但不限于梅尔频率倒谱系数(mel-frequency cepstral coefficients，MFCC)、身份认证向量(identity-vector，i-vector)、音高、音强、音长、频带能量分布、谐波信噪比、短时能量抖动等。其中，MFCC有很好的鲁棒性，符合人耳的听觉特性，而且在信噪比降低时仍然可以具有较好的识别性能。为了便于描述，下面以MFCC为例介绍目标语音特征的提取过程。
在一种可能的实施方式中，目标语音帧进行特征提取，得到目标语音特征，具体可以包括以下步骤：对目标语音帧进行快速傅里叶变换处理，得到语音频谱数据；将语音频谱数据输入至梅尔滤波器，得到梅尔频率数据；对梅尔频率数据进行倒谱分析处理，得到梅尔频率倒谱系数；将梅尔频率倒谱系数作为目标语音特征。
在本申请实施例中，目标语音帧是语音聊天数据经过分帧处理后得到的信号，此时依然是时域信号。而时域信号较难看出信号的特性，因此需要将时域信号转换为频域信号。快速傅里叶变换(fast Fourier transform，FFT)是由离散傅里叶变换(discreteFourier transform，DFT)的快速计算的统称。经过FFT处理后，可以将目标语音帧的时域信号转换为语音频谱数据的频域信号。梅尔滤波器可以对语音频谱数据进行平滑化，并起消除滤波作用，突出语音的共振峰特征。最后对梅尔频谱数据进行倒谱分析以获取MFCC作为语音特征，倒谱分析可以采用离散余弦变换(discrete cosine transform，DCT)来实现。DCT是傅里叶变换相关的一种变换，类似于DFT，但是DCT只使用实数。DCT可以用于去除各维信号之间的相关性，将信号映射到低维空间。如此，可以使获得梅尔频率倒谱系数具有很好的鲁棒性，有利于提高后续语音情绪识别的准确性。
与文本情绪类似，语音情绪也可以包括积极情绪(正向情绪)、消极情绪(负向情绪)，还包括中立情绪。在本申请实施例中，对目标语音特征进行情绪识别，确定该关键词的文本情绪为积极情绪或者是消极情绪。在一种可能的实施方式中，可以采用预设的语音情绪识别模型识别得到目标语音特征的语音情绪。语音情绪识别模型可以包括长短期记忆网络(long shortterm memory，LSTM)、门控循环单元网络(gated recurrent unit，GRU)、或者极端梯度提升(extreme gradient boosting，Xgboost)、循环神经网络(recurrentneural network，RNN)、卷积神经网络(convolutional neural network，CNN)等模型中的一种或者多种，本申请实施例对此不做限定。
在本申请实施例中，可以预先设置根据语音情绪和文本情绪来确定综合情绪的对应规则，根据该对应规则，确定综合情绪。具体地，当聊天数据为语音聊天数据时，若语音聊天数据中的语音情绪和语音聊天数据对应的文本聊天数据的文本情绪表现出相同的情绪极性，则综合情绪与语音情绪和文本情绪相同。若语音聊天数据中的语音情绪和语音聊天数据对应的文本聊天数据的文本情绪表现出相反的情绪极性，则综合情绪与语音情绪相同。例如，语音聊天数据中的语音情绪为消极情绪，而语音聊天数据对应的文本聊天数据的文本情绪为积极情绪，则综合情绪为消极情绪。或者也可以是其他的对应规则，如分别预先设置语音聊天数据中的语音情绪的权值和语音聊天数据对应的文本聊天数据的文本情绪的权值，根据预设权值加权计算得到综合情绪，本申请实施例对此不做限定。
在得到综合情绪之后，可以根据综合情绪确定态度评价分数。可以统计综合情绪中积极情绪的占比，然后将积极情绪的占比划分为不同的区间，并将不同的区间设置对应不同的态度评价分数。该方法与步骤A5根据文本情绪计算候选房产经纪人的态度评价分数类似，具体可以参考步骤A5的描述，在此不再赘述。
可以看出，获取与候选房产经纪人关联用户的语音聊天数据之后，先将该语音聊天数据转换为文本聊天数据。之后，分别对语音聊天数据和文本聊天数据进行情绪识别，确定语音情绪和文本情绪。再根据语音情绪和文本情绪，确定综合情绪。最后，根据综合情绪计算候选房产经纪人的态度评价分数。由于同时根据语音聊天数据和文本聊天数据两个维度的数据进行了情绪识别，情绪识别的最终结果可以表征语音聊天数据和文本聊天数据，因此根据语音情绪和文本情绪得到的综合情绪具备更好的准确性，在后续采用综合情绪计算态度评价分数时，有助于提高计算结果的准确性。
步骤S204：根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
目标房产经纪人可以是指最终推荐给目标用户的房产经纪人。在一种可能的实施方式中，步骤S204具体可以包括以下步骤：
若所述态度评价分数的最大值对应的候选房产经纪人的数量为1，则将所述态度评价分数的最大值对应的候选房产经纪人作为目标房产经纪人；若所述态度评价分数的最大值对应的候选房产经纪人的数量大于1，则将所述态度评价分数的最大值对应的候选房产经纪人作为参考房产经纪人；获取所述参考房产经纪人的带看评价分数，所述带看评价分数用于评价所述参考房产经纪人的带看成功率；将所述带看评价分数的最大值对应的参考房产经纪人作为目标房产经纪人。
在本申请实施例中，将计算得到的候选房产经纪人的态度评价分数按照从高到低的顺序进行排序，以确定态度评价分数的最大值对应的候选房产经纪人。若态度评价分数的最大值对应的候选房产经纪人的数量为1，例如，候选房产经纪人A为态度评价分数的最大值对应的候选房产经纪人，则将候选房产经纪人A作为目标房产经纪人。
若态度评价分数的最大值对应的候选房产经纪人的数量大于1，也就是说有不止一个候选房产经纪人的态度评价分数同时取得了最大值。在本申请实施例中，若态度评价分数的最大值对应的候选房产经纪人的数量不止一个，则将态度评价分数的最大值对应的两个或者两个以上的候选房产经纪人称为参考房产经纪人。例如，候选房产经纪人B和候选房产经纪人C均为态度评价分数的最大值对应的候选房产经纪人，那么参考房产经纪人即为候选房产经纪人B和候选房产经纪人C。为了方便描述，可以将候选房产经纪人B和候选房产经纪人C记为参考房产经纪人B和参考房产经纪人C。此时，可以考虑增加带看评价分数等维度，将带看评价分数的最大值对应的参考房产经纪人作为目标房产经纪人。例如，参考房产经纪人B的带看评价分数为90分，参考房产经纪人C的带看评价分数为85分，参考房产经纪人B的带看评价分数大于参考房产经纪人C的带看评价分数，可以将参考房产经纪人B作为目标房产经纪人，以作为最终推荐给目标用户的房产经纪人。
可以看出，当态度评价分数的最大值对应的候选房产经纪人的数量为1时，则将态度评价分数的最大值对应的候选房产经纪人作为目标房产经纪人。如此，可以快速确定目标房产经纪人。当态度评价分数的最大值对应的候选房产经纪人的数量大于1时，则将态度评价分数的最大值对应的候选房产经纪人作为参考房产经纪人，可以增加带看评价分数等维度，从参考房产经纪人中确定目标房产经纪人。例如，可以将带看评价分数的最大值对应的参考房产经纪人作为目标房产经纪人，以作为最终推荐给目标用户的房产经纪人。如此，通过增加带看评价分数的维度，以完善经纪人推荐算法，提高推荐房产经纪人的准确性，以帮助用户找到合适的房产经纪人，从而提高带看成交率。
带看评价分数可以用于评价参考房产经纪人的带看成功率。在一种可能的实施方式中，所述获取所述参考房产经纪人的带看评价分数，可以包括以下步骤：
获取所述参考房产经纪人的历史带看数量和历史成交数量；获取所述参考房产经纪人的历史成交率，所述历史成交率根据所述历史带看数量和所述历史成交数量计算得到；根据所述历史成交率计算带看评价分数。
在本申请实施例中，历史带看数量是指截止当前时刻参考房产经纪人带领用户参观房源的次数，历史成交数量是指截止当前时刻参考房产经纪人与用户达成交易的数量。历史成交率可以是指截止当前时刻参考房产经纪人的带看成交概率。历史成交率根据参考房产经纪人的历史带看数量和历史成交数量计算得到。例如，参考房产经纪人B的历史带看数量为100，历史成交数量为90，那么参考房产经纪人B的历史成交率可以是90/100*100％＝90％，参考房产经纪人C的历史带看数量为100，历史成交数量为85，那么参考房产经纪人C的历史成交率可以是85/100*100％＝85％。
带看评价分数可以根据历史成交率确定。例如，可以预先将历史成交率划分为不同的区间，并将不同的区间设置对应不同的带看评价分数，例如历史成交率为80-100％对应的带看评价分数区域为80-100，历史成交率为60-80％对应的带看评价分数区域为60-80，历史成交率为0-20％对应的带看评价分数区域为0-20等等。也就是说，如果计算得到参考房产经纪人B的历史成交率为90％，那么参考房产经纪人B的带看评价分数可以是90。
可以看出，根据参考房产经纪人的历史带看数量和历史成交数量计算得到历史成交率，再根据历史成交率计算得到带看评价分数。如此，可以快速计算得到带看评价分数，同时可以提高带看评价分数的准确性，以便后续提高推荐房产经纪人的准确性。
在一种可能的实施方式中，在计算带看评价分数时，除了考虑带看成交率之外，还可以考虑增加历史成交总价、历史冷门楼盘成交率等维度来确定带看评价分数。例如，在带看成交率相同的情况下，历史带看数量越多，带看评价分数越高；或者在带看成交率相同的情况下，历史成交总价越高，带看评价分数越高；又或者在带看成交率相同的情况下，历史冷门楼盘成交率越高，带看评价分数越高。在带看成交率相同的情况下，还可以获取成交用户中的同一用户的历史带看次数，历史带看次数越少，带看评价分数就越高。如此，可以使得计算得到的带看评价分数具有较高的准确性。
或者，在一种可能的实施方式中，在计算带看评价分数时，预先对带看成交率、历史带看数量、历史成交总价、历史冷门楼盘等设置预设权值，根据预设权值和带看成交率、历史带看数量和历史成交总价以及历史冷门楼盘加权计算得到目标带看评价率，根据目标带看率确定带看评价分数。带看成交率、历史带看数量、历史成交总价、历史冷门楼盘的预设权值可以根据历史经验确定，或者也可以根据实际情况确定。示例地，可以将带看成交率的预设权值设置为0.9，将历史带看总价的预设权值设置为0.85，历史带看数量的预设权值设置为0.8，历史冷门楼盘的预设权值设置为0.75，加权计算得到目标带看评价率。最后根据目标带看评价率计算得到带看评价分数，其中，目标带看评价率越高，带看评价分数就越高。如此，可以进一步提高带看评价分数的准确性。
在一种可能的实施方式中，在步骤S202之后，还可以包括以下步骤：
获取所述候选房产经纪人的态度评价分数和带看评价分数；根据所述态度评价分数和所述带看评价分数在所述候选房产经纪人中确定目标房产经纪人。
在本申请实施例中，在确定候选房产经纪人之后，可以同时获取候选房产经纪人的态度评价分数和带看评价分数，获取候选房产经纪人的态度评价分数和带看评价分数的具体实现方式可以参考前文的描述，在此不做赘述。在得到候选房产经纪人的态度评价分数和带看评价分数之后，根据态度评价分数和带看评价分数得到综合评价分数。综合评价分数可以根据态度评价分数和带看评价分数进行简单的加和计算得到。或者，也可以预先对态度评价分数和带看评价分数设置预设权值，根据预设权值加权计算得到综合评价分数。态度评价分数和带看评价分数的预设权值可以根据历史经验确定，或者也可以根据实际情况确定。示例地，可以将态度评价分数的预设权值设置为0.9，将带看评价分数的预设权值设置为0.8，最后加权计算得到综合评价分数。如此可以进一步提高推荐房产经纪人的准确性，进而提高带看交易率和用户体验度。
在图2所示的方法中，在接收目标用户发送的带看请求之后，将该带看请求与房产经纪人的带看信息进行匹配，确定候选房产经纪人。然后，获取候选房产经纪人的态度评价分数，并根据该态度评价分数在候选房产经纪人中确定目标房产经纪人。如此，通过目标用户的带看请求和候选房产经纪人的态度评价分数进行房产经纪人的推荐，可以提高推荐房产经纪人的准确性，帮助用户找到合适的房产经纪人，进而提高带看成交率以及用户体验度。
可以理解的是，在本申请的具体实施方式中，涉及到与用户的聊天内容等相关的数据，当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。
请参照图3，图3是本申请实施例提供的一种房产经纪人推荐的装置的结构示意图。该装置应用于电子设备。如图3所示，该房产经纪人推荐的装置300包括通信单元301和处理单元302，各个单元的详细描述如下：
通信单元301，用于接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；
处理单元302，用于将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；获取所述候选房产经纪人的态度评价分数；根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
在一种可能的实施方式中，处理单元302具体用于获取与所述候选房产经纪人关联用户的文本聊天数据；对所述文本聊天数据进行分词处理，得到分词词汇；从所述分词词汇中提取与情绪关联的词汇作为关键词；对所述关键词进行情绪识别，得到文本情绪；根据所述文本情绪计算所述候选房产经纪人的态度评价分数。
在一种可能的实施方式中，处理单元302具体用于获取与所述候选房产经纪人关联用户的语音聊天数据；对所述语音聊天数据进行分帧处理，得到第一语音帧；对所述第一语音帧进行预处理，得到目标语音帧；对所述目标语音帧进行语音识别，得到文本聊天数据。
在一种可能的实施方式中，处理单元302还用于对所述目标语音帧进行特征提取，得到目标语音特征；根据所述目标语音特征对所述语音聊天数据进行情绪识别，得到语音情绪；根据所述语音情绪和所述文本情绪，确定综合情绪根据所述综合情绪计算所述候选房产经纪人的态度评价分数。
在一种可能的实施方式中，处理单元302具体用于若所述态度评价分数的最大值对应的候选房产经纪人的数量为1，则将所述态度评价分数的最大值对应的候选房产经纪人作为目标房产经纪人；若所述态度评价分数的最大值对应的候选房产经纪人的数量大于1，则将所述态度评价分数的最大值对应的候选房产经纪人作为参考房产经纪人；获取所述参考房产经纪人的带看评价分数，所述带看评价分数用于评价所述参考房产经纪人的带看成功率；将所述带看评价分数的最大值对应的参考房产经纪人作为目标房产经纪人。
在一种可能的实施方式中，处理单元302具体用于获取所述参考房产经纪人的历史带看数量和历史成交数量；获取所述参考房产经纪人的历史成交率，所述历史成交率根据所述历史带看数量和所述历史成交数量计算得到；根据所述历史成交率计算带看评价分数。
在一种可能的实施方式中，处理单元302具体用于从预设房产经纪人库中查找所有房产经纪人的带看信息，所述带看信息包括预计带看时间和预计带看区域；将所述预计带看时间包含所述期望带看时间且所述预计带看区域包含所述期望带看房源所在的位置的房产经纪人，确定为候选房产经纪人。
需要说明的是，各个单元的实现还可以对应参照图2所示的方法实施例的相应描述。
请参照图4，图4是本申请实施例提供的一种计算机设备的结构示意图。如图4所示，该计算机设备400包括处理器401、存储器402和通信接口403，其中存储器402存储有计算机程序404。处理器401、存储器402、通信接口403以及计算机程序404之间可以通过总线405连接。
当计算机设备为电子设备时，上述计算机程序404用于执行以下步骤的指令：
接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；
将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；
获取所述候选房产经纪人的态度评价分数；
根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
在一种可能的实施方式中，在所述获取所述候选房产经纪人的态度评价分数方面，所述计算机程序404具体用于执行以下步骤的指令：
获取与所述候选房产经纪人关联用户的文本聊天数据；
对所述文本聊天数据进行分词处理，得到分词词汇；
从所述分词词汇中提取与情绪关联的词汇作为关键词；
对所述关键词进行情绪识别，得到文本情绪；
根据所述文本情绪计算所述候选房产经纪人的态度评价分数。
在一种可能的实施方式中，在所述获取与所述候选房产经纪人关联用户的文本聊天数据方面，所述计算机程序404具体用于执行以下步骤的指令：
获取与所述候选房产经纪人关联用户的语音聊天数据；
对所述语音聊天数据进行分帧处理，得到第一语音帧；
对所述第一语音帧进行预处理，得到目标语音帧；
对所述目标语音帧进行语音识别，得到文本聊天数据。
在一种可能的实施方式中，在所述对所述关键词进行情绪识别，得到文本情绪之后，所述计算机程序404还用于执行以下步骤的指令：
对所述目标语音帧进行特征提取，得到目标语音特征；
根据所述目标语音特征对所述语音聊天数据进行情绪识别，得到语音情绪；
根据所述语音情绪和所述文本情绪，确定综合情绪；
根据所述综合情绪计算所述候选房产经纪人的态度评价分数。
在一种可能的实施方式中，在所述根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人方面，所述计算机程序404具体用于执行以下步骤的指令：
若所述态度评价分数的最大值对应的候选房产经纪人的数量为1，则将所述态度评价分数的最大值对应的候选房产经纪人作为目标房产经纪人；
若所述态度评价分数的最大值对应的候选房产经纪人的数量大于1，则将所述态度评价分数的最大值对应的候选房产经纪人作为参考房产经纪人；
获取所述参考房产经纪人的带看评价分数，所述带看评价分数用于评价所述参考房产经纪人的带看成功率；
将所述带看评价分数的最大值对应的参考房产经纪人作为目标房产经纪人。
在一种可能的实施方式中，在所述获取所述参考房产经纪人的带看评价分数方面，所述计算机程序404具体用于执行以下步骤的指令：
获取所述参考房产经纪人的历史带看数量和历史成交数量；
获取所述参考房产经纪人的历史成交率，所述历史成交率根据所述历史带看数量和所述历史成交数量计算得到；
根据所述历史成交率计算带看评价分数。
在一种可能的实施方式中，在所述将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人方面，所述计算机程序404具体用于执行以下步骤的指令：
从预设房产经纪人库中查找所有房产经纪人的带看信息，所述带看信息包括预计带看时间和预计带看区域；
将所述预计带看时间包含所述期望带看时间且所述预计带看区域包含所述期望带看房源所在的位置的房产经纪人，确定为候选房产经纪人。
本领域技术人员可以理解，为了便于说明，图4中仅示出了一个存储器和处理器。在实际的终端或服务器中，可以存在多个处理器和存储器。存储器402也可以称为存储介质或者存储设备等，本申请实施例对此不做限定。
应理解，在本申请实施例中，处理器401可以是中央处理单元(centralprocessing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field－programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
还应理解，本申请实施例中提及的存储器402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double datarate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器synchronize link DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
需要说明的是，当处理器401为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时，存储器(存储模块)集成在处理器中。
应注意，本文描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
该总线405除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block，ILB)和步骤，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申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、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，在本申请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。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘)等。
在上述实施例中，计算机可读存储介质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区块链节点的使用所创建的数据等。例如，区块链中可存储房产经纪人库，也可以存储自动语音识别技术(automatic speech recognition，ASR)、长短期记忆网络(long shorttermmemory，LSTM)、门控循环单元网络(gated recurrent unit，GRU)、或者极端梯度提升(extreme gradient boosting，Xgboost)、循环神经网络(recurrent neural network，RNN)、卷积神经网络(convolutional neural network，CNN)算法等，在此不做限定。
其中，本申请实施例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种房产经纪人推荐的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房产经纪人推荐的方法的部分或全部步骤。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种房产经纪人推荐的方法，其特征在于，包括：
接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；
将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；
获取所述候选房产经纪人的态度评价分数；
根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
2.根据权利要求1所述的方法，其特征在于，所述获取所述候选房产经纪人的态度评价分数，包括：
获取与所述候选房产经纪人关联用户的文本聊天数据；
对所述文本聊天数据进行分词处理，得到分词词汇；
从所述分词词汇中提取与情绪关联的词汇作为关键词；
对所述关键词进行情绪识别，得到文本情绪；
根据所述文本情绪计算所述候选房产经纪人的态度评价分数。
3.根据权利要求2所述的方法，其特征在于，所述获取与所述候选房产经纪人关联用户的文本聊天数据，包括：
获取与所述候选房产经纪人关联用户的语音聊天数据；
对所述语音聊天数据进行分帧处理，得到第一语音帧；
对所述第一语音帧进行预处理，得到目标语音帧；
对所述目标语音帧进行语音识别，得到文本聊天数据。
4.根据权利要求3所述的方法，其特征在于，在所述对所述关键词进行情绪识别，得到文本情绪之后，还包括：
对所述目标语音帧进行特征提取，得到目标语音特征；
根据所述目标语音特征对所述语音聊天数据进行情绪识别，得到语音情绪；
根据所述语音情绪和所述文本情绪，确定综合情绪；
根据所述综合情绪计算所述候选房产经纪人的态度评价分数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人，包括：
若所述态度评价分数的最大值对应的候选房产经纪人的数量为1，则将所述态度评价分数的最大值对应的候选房产经纪人作为目标房产经纪人；
若所述态度评价分数的最大值对应的候选房产经纪人的数量大于1，则将所述态度评价分数的最大值对应的候选房产经纪人作为参考房产经纪人；
获取所述参考房产经纪人的带看评价分数，所述带看评价分数用于评价所述参考房产经纪人的带看成功率；
将所述带看评价分数的最大值对应的参考房产经纪人作为目标房产经纪人。
6.根据权利要求5所述的方法，其特征在于，所述获取所述参考房产经纪人的带看评价分数，包括：
获取所述参考房产经纪人的历史带看数量和历史成交数量；
获取所述参考房产经纪人的历史成交率，所述历史成交率根据所述历史带看数量和所述历史成交数量计算得到；
根据所述历史成交率计算带看评价分数。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人，包括：
从预设房产经纪人库中查找所有房产经纪人的带看信息，所述带看信息包括预计带看时间和预计带看区域；
将所述预计带看时间包含所述期望带看时间且所述预计带看区域包含所述期望带看房源所在的位置的房产经纪人，确定为候选房产经纪人。
8.一种房产经纪人推荐的装置，其特征在于，包括：
通信单元，用于接收目标用户发送的带看请求，所述带看请求包括期望带看时间和期望带看房源；
处理单元，用于将所述带看请求与房产经纪人的带看信息进行匹配，得到候选房产经纪人；获取所述候选房产经纪人的态度评价分数；根据所述态度评价分数在所述候选房产经纪人中确定目标房产经纪人。
9.一种计算机设备，其特征在于，包括处理器、存储器和通信接口，其中，所述存储器存储有计算机程序，所述计算机程序被配置由所述处理器执行，所述计算机程序包括用于执行权利要求1-7中任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序使得计算机执行以实现权利要求1-7中任一项所述的方法。
CN202210206125.4A 2022-03-03 2022-03-03 房产经纪人推荐的方法、装置、计算机设备以及存储介质 Pending CN114580900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210206125.4A CN114580900A (zh) 2022-03-03 2022-03-03 房产经纪人推荐的方法、装置、计算机设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210206125.4A CN114580900A (zh) 2022-03-03 2022-03-03 房产经纪人推荐的方法、装置、计算机设备以及存储介质

Publications (1)

Publication Number Publication Date
CN114580900A true CN114580900A (zh) 2022-06-03

Family

ID=81776219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210206125.4A Pending CN114580900A (zh) 2022-03-03 2022-03-03 房产经纪人推荐的方法、装置、计算机设备以及存储介质

Country Status (1)

Country Link
CN (1) CN114580900A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115169983A (zh) * 2022-08-11 2022-10-11 贝壳找房(北京)科技有限公司 线上房源带看请求的抢单方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147936A (zh) * 2019-04-19 2019-08-20 深圳壹账通智能科技有限公司 基于情绪识别的服务评价方法、装置、存储介质
CN113554532A (zh) * 2021-06-16 2021-10-26 北京房江湖科技有限公司 经纪人列表页排序方法、存储介质及程序产品

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147936A (zh) * 2019-04-19 2019-08-20 深圳壹账通智能科技有限公司 基于情绪识别的服务评价方法、装置、存储介质
CN113554532A (zh) * 2021-06-16 2021-10-26 北京房江湖科技有限公司 经纪人列表页排序方法、存储介质及程序产品

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115169983A (zh) * 2022-08-11 2022-10-11 贝壳找房(北京)科技有限公司 线上房源带看请求的抢单方法、装置及存储介质

Similar Documents

Publication Publication Date Title
US11688159B2 (en) Engaging users by personalized composing-content recommendation
US10978056B1 (en) Grammaticality classification for natural language generation in assistant systems
US20230135179A1 (en) Systems and Methods for Implementing Smart Assistant Systems
US8977573B2 (en) System and method for identifying customers in social media
US20180082184A1 (en) Context-aware chatbot system and method
CN114600114A (zh) 助理系统的设备上卷积神经网络模型
CN114930363A (zh) 为助理系统生成主动内容
US11676220B2 (en) Processing multimodal user input for assistant systems
US20200379787A1 (en) Assisting Users with Personalized and Contextual Communication Content
US11107462B1 (en) Methods and systems for performing end-to-end spoken language analysis
CN113314119B (zh) 语音识别智能家居控制方法及装置
CN110689261A (zh) 服务质量评测产品定制平台及方法
WO2018098060A1 (en) Enabling virtual agents to handle conversation interactions in complex domains
CN116018791A (zh) 在助手系统中使用单个请求进行多人呼叫
US10770072B2 (en) Cognitive triggering of human interaction strategies to facilitate collaboration, productivity, and learning
EP3557504A1 (en) Intent identification for agent matching by assistant systems
US11886473B2 (en) Intent identification for agent matching by assistant systems
CN114138960A (zh) 用户意图识别方法、装置、设备及介质
CN114155460A (zh) 用户类型识别的方法、装置、计算机设备以及存储介质
CN113064983A (zh) 语义检测方法、装置、计算机设备及存储介质
CN114580900A (zh) 房产经纪人推荐的方法、装置、计算机设备以及存储介质
EP3557498A1 (en) Processing multimodal user input for assistant systems
EP3557501A1 (en) Assisting users with personalized and contextual communication content
CN113836273A (zh) 基于复杂语境的法律咨询方法及相关设备
CN110096649B (zh) 一种帖子提取方法、装置、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