CN107256512A - 一种购房个性化推荐方法及*** - Google Patents
一种购房个性化推荐方法及*** Download PDFInfo
- Publication number
- CN107256512A CN107256512A CN201710427434.3A CN201710427434A CN107256512A CN 107256512 A CN107256512 A CN 107256512A CN 201710427434 A CN201710427434 A CN 201710427434A CN 107256512 A CN107256512 A CN 107256512A
- Authority
- CN
- China
- Prior art keywords
- user
- web page
- information
- type
- real estate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 3
- 210000002159 anterior chamber Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种购房个性化推荐方法及***,通过接收来自用户的WEB页面访问请求,判断访问的WEB页面类型,根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息。本发明结合协同过滤、基于内容推荐和关联推荐三种算法的优点组合成新的推荐方法,并引入聚类分析技术,解决了推荐模式单一、推荐方式适应性不强,准确性和实时性难以兼顾的问题。
Description
技术领域
本发明涉及个性化推荐领域,尤其涉及一种购房个性化推荐方法及***。
背景技术
近年来全国各大二手房市场交易火热,据中国新闻网2013年3月19日发布新闻称10个工作日中仅石家庄市内二手房过户就有3128套。受限于地域或人员交际,买家找不到合适的卖家,卖家也找不到合适买家的情况时有出现。由于能够对比的房源较少,很多买家难以判断市场交易行情,找不到合适房源。
二手房内容推荐***充当房源介绍人的角色,突破地域人员局限,将房产信息一一呈现,为用户提供房源检索功能,利于房产消费者了解房价市场行情信息。***通过浏览者的房源浏览情况及其房源收藏情况,挖掘消费者最可能喜欢的房源,并向其推荐。为消费者分担找房烦恼,提高二手房交易的成功率。现有技术中,较多的科研机构和研究人员投入该技术研究中,但是大多推荐***还是存在如下一些问题:
(1)通过牺牲太多推荐的准确性来保证实时性;
(2)推荐模式单一,没有迎合***复杂性根据不同场合采用不同推荐方式。
发明内容
本发明提供一种购房个性化推荐方法及***,解决现有技术中推荐模式单一、推荐方式适应性不强,准确性和实时性难以兼顾的技术问题。
本发明的目的是通过以下技术方案实现的:
一种购房个性化推荐方法,包括:
接收来自用户的WEB页面访问请求,判断访问的WEB页面类型;
根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息。
前述的购房个性化推荐方法,所述WEB页面类型包括首页、详情页和会员主页。
前述的购房个性化推荐方法,用户类型包括会员或游客。
前述的购房个性化推荐方法,根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息的步骤,包括:
当所述WEB页面类型为首页,且所述用户类型为游客时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项和/或收藏表项,采用关联推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
当所述WEB页面类型为首页,且所述用户类型为会员时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
当所述WEB页面类型为详情页,且所述用户类型为游客时,根据用户浏览的当前房源信息及最近浏览房源信息,采用关联推荐算法,向用户推荐房源信息;
当所述WEB页面类型为详情页,且所述用户类型为会员时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;
当所述WEB页面类型为会员主页时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息。
前述的购房个性化推荐方法,所述协同过滤推荐算法为基于聚类用户的协同过滤推荐算法。
一种购房个性化推荐***,包括:
接收模块,用于接收来自用户的WEB页面访问请求,判断访问的WEB页面类型,其中,所述WEB页面类型包括首页、详情页和会员主页;
推荐处理模块,用于根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息,所述用户类型包括会员或游客。
前述的购房个性化推荐***,所述推荐处理模块,包括:
第一处理单元,用于当所述WEB页面类型为首页,且所述用户类型为游客时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项和/或收藏表项,采用关联推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
第二处理单元,用于当所述WEB页面类型为首页,且所述用户类型为会员时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
第三处理单元,用于当所述WEB页面类型为详情页,且所述用户类型为游客时,根据用户浏览的当前房源信息及最近浏览房源信息,采用关联推荐算法,向用户推荐房源信息;
第四处理单元,用于当所述WEB页面类型为详情页,且所述用户类型为会员时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;
第五处理单元,用于当所述WEB页面类型为会员主页时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息。
本发明的技术效果为:通过接收来自用户的WEB页面访问请求,判断访问的WEB页面类型,根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息。本发明结合协同过滤、基于内容推荐和关联推荐三种算法的优点组合成新的推荐方法,并引入聚类分析技术,解决了推荐模式单一、推荐方式适应性不强,准确性和实时性难以兼顾的问题。
附图说明
图1为本发明实施例提供的一种购房个性化推荐方法的流程图;
图2为本发明实施例提供的一种购房个性化推荐***的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供了一种购房个性化推荐方法,如图1所示,包括:
步骤101、接收来自用户的WEB页面访问请求,判断访问的WEB页面类型;
其中,所述WEB页面类型包括首页、详情页和会员主页。用户类型包括会员或游客。
步骤102、根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息。
其中,推荐算法包括以下几种:
基于内容的推荐(Content-based Recommendation)算法,是一种建立在项目内容信息的一种推荐。可以根据内容的属性向用户做出推荐,例如用户浏览过宁波市鄞州区的房源,那么***就可以向该客户推荐宁波市的房源。
协同过滤推荐(Collaborative Filtering)这种推荐根据客户与其他客户的相关性进行推荐,协同过滤基于这样的假设:为一用户找到他真正感兴趣的内容的好方法是首先找到与此用户兴趣爱好相同的其他用户。相当于在日常生活中我们也会参照好友的选择进行购物。在发明实施例中的实现过程如下:
(1)创建用户—房源评分矩阵,如果用户数为m房源数为n则创建m×n的用户—房源矩阵(U—H),矩阵中的值为兴趣情况,兴趣情况表示用户对房源的兴趣度,例如:用户每一次浏览房源,***获取房源ID并将用户ID以及房源ID加入浏览表,用户以可以通过统计计算浏览表的中数据获得用户的浏览次数,同时通过收藏表获得用户的收藏情况。统计每个用户对每件商品的浏览次数,浏览一次+2分,两次+4分,3次+6分,依此类推。如果用户收藏了某房源则算5分,如果用户有寻房标签,查找所有满足该寻房标签的房源,用户这些房源的评分+1。
(2)计算用户的相似度,采用欧氏距离公式计算用户之间的距离,用户之间的距离大于或等于0,数值越小表示用户之间的相似度越大。计算得到用户—用户(U-U)相似如矩阵。
(3)产生用户聚类,聚类算法将数据分为不同的数据簇,使存在于同一个簇中的数据/实例具有大的相似性,簇间的数据相似性则较小[12]。用户分类也如此,将用户分为不同的用户类,是同一个类中的用户对房源的兴趣度相似,类间的用户对房源的兴趣相似度较小。采用K-means算法对用户进行分类。
(4)计算每个簇对不同房源的评分。
(5)产生推荐。用户登录并浏览某一房源时,查询浏览表和用户收藏夹得出用户对房源的评价,用欧式距离公式分别计算当前用户与其他簇的距离,选择距离最近的簇的评分topN房源推荐给当前用户。
基于关联规则的推荐(Association Rule-based Recommendation)是以关联规则为基础,把已购商品作为规则头,规则体作为推荐对象。管理规则就是用户在购买或浏览某一个内容(商品)时大多倾向于同时购买或浏览另外一个内容(商品)。在发明实施例中的实现过程如下:
(1)产生频繁集,本发明实施例中采用Apriori算法。
(2)计算产生大于频繁集的强关联规则并存入数据库。
(3)产生推荐。例如:当未登录用户(会员或游客,如果未登录均为游客身份)浏览房源页面的时候,记录房源ID,在关联基础表中查找与之有强关联关系的房源,向用户推荐置信度最高的TopN,查找浏览表如果用户IP还有一些浏览记录,选取距离当前时间较近的记录,入库查找与之强关联的数据将TopN推荐给用户。
其中,步骤102具体可以包括:
当所述WEB页面类型为首页,且所述用户类型为游客时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项和/或收藏表项,采用关联推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
当所述WEB页面类型为首页,且所述用户类型为会员时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
当所述WEB页面类型为详情页,且所述用户类型为游客时,根据用户浏览的当前房源信息及最近浏览房源信息,采用关联推荐算法,向用户推荐房源信息;
当所述WEB页面类型为详情页,且所述用户类型为会员时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;
当所述WEB页面类型为会员主页时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息。
上述实施例中的协同过滤推荐算法为基于聚类用户的协同过滤推荐算法(例如K-means算法)。基于对用户聚类的协同过滤算法。一个聚类生成一个虚拟用户,虚拟用户对一个商品的评分代表改聚类中的所有用户对该项目的评分,查找一个用户的相邻用户就是在虚拟用户空间中查找一个最近邻居。用户搜索空间变小,查询效率随着提升。
本发明实施例公开了一种购房个性化推荐方法,通过接收来自用户的WEB页面访问请求,判断访问的WEB页面类型,根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息。本发明结合协同过滤、基于内容推荐和关联推荐三种算法的优点组合成新的推荐方法,并引入聚类分析技术,解决了推荐模式单一、推荐方式适应性不强,准确性和实时性难以兼顾的问题。
如图2所示,一种购房个性化推荐***,包括:
接收模块210,用于接收来自用户的WEB页面访问请求,判断访问的WEB页面类型,其中,所述WEB页面类型包括首页、详情页和会员主页;
推荐处理模块220,用于根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息,所述用户类型包括会员或游客。
其中,所述推荐处理模块220,包括:
第一处理单元221,用于当所述WEB页面类型为首页,且所述用户类型为游客时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项和/或收藏表项,采用关联推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
第二处理单元222,用于当所述WEB页面类型为首页,且所述用户类型为会员时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
第三处理单元223,用于当所述WEB页面类型为详情页,且所述用户类型为游客时,根据用户浏览的当前房源信息及最近浏览房源信息,采用关联推荐算法,向用户推荐房源信息;
第四处理单元224,用于当所述WEB页面类型为详情页,且所述用户类型为会员时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;
第五处理单元225,用于当所述WEB页面类型为会员主页时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息。
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本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过硬件来实施,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍,本文中应用了具体个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想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (7)
1.一种购房个性化推荐方法,其特征在于,包括:
接收来自用户的WEB页面访问请求,判断访问的WEB页面类型;
根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息。
2.根据权利要求1所述的购房个性化推荐方法,其特征在于,所述WEB页面类型包括首页、详情页和会员主页。
3.根据权利要求2所述的购房个性化推荐方法,其特征在于,用户类型包括会员或游客。
4.根据权利要求3所述的购房个性化推荐方法,其特征在于,根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息的步骤,包括:
当所述WEB页面类型为首页,且所述用户类型为游客时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项和/或收藏表项,采用关联推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
当所述WEB页面类型为首页,且所述用户类型为会员时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
当所述WEB页面类型为详情页,且所述用户类型为游客时,根据用户浏览的当前房源信息及最近浏览房源信息,采用关联推荐算法,向用户推荐房源信息;
当所述WEB页面类型为详情页,且所述用户类型为会员时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;
当所述WEB页面类型为会员主页时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息。
5.根据权利要求4所述的购房个性化推荐方法,其特征在于,所述协同过滤推荐算法为基于聚类用户的协同过滤推荐算法。
6.一种购房个性化推荐***,其特征在于,包括:
接收模块,用于接收来自用户的WEB页面访问请求,判断访问的WEB页面类型,其中,所述WEB页面类型包括首页、详情页和会员主页;
推荐处理模块,用于根据所述WEB页面类型、用户类型、浏览情况、收藏情况及标签类别,选择推荐算法,向用户推荐房源信息,所述用户类型包括会员或游客。
7.根据权利要求6所述的购房个性化推荐***,其特征在于,所述推荐处理模块,包括:
第一处理单元,用于当所述WEB页面类型为首页,且所述用户类型为游客时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项和/或收藏表项,采用关联推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
第二处理单元,用于当所述WEB页面类型为首页,且所述用户类型为会员时,判断是否存在用户的浏览记录,当存在所述用户的浏览记录时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;当不存在所述用户的浏览记录时,根据房源的访问数量排名,向用户推荐房源信息;
第三处理单元,用于当所述WEB页面类型为详情页,且所述用户类型为游客时,根据用户浏览的当前房源信息及最近浏览房源信息,采用关联推荐算法,向用户推荐房源信息;
第四处理单元,用于当所述WEB页面类型为详情页,且所述用户类型为会员时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息;
第五处理单元,用于当所述WEB页面类型为会员主页时,根据浏览表项、收藏表项和用户标签中的一个或多个,采用协同过滤推荐算法及内容推荐算法,向用户推荐房源信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710427434.3A CN107256512A (zh) | 2017-06-08 | 2017-06-08 | 一种购房个性化推荐方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710427434.3A CN107256512A (zh) | 2017-06-08 | 2017-06-08 | 一种购房个性化推荐方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107256512A true CN107256512A (zh) | 2017-10-17 |
Family
ID=60023873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710427434.3A Pending CN107256512A (zh) | 2017-06-08 | 2017-06-08 | 一种购房个性化推荐方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107256512A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053343A (zh) * | 2017-12-06 | 2018-05-18 | 链家网(北京)科技有限公司 | 一种房源推送方法和*** |
CN108182255A (zh) * | 2017-12-29 | 2018-06-19 | 重庆金融资产交易所有限责任公司 | 产权项目信息推荐方法、装置、存储介质和计算机设备 |
CN108256067A (zh) * | 2018-01-16 | 2018-07-06 | 平安好房(上海)电子商务有限公司 | 计算房源相似度的方法、装置、设备及存储介质 |
CN108628984A (zh) * | 2018-04-27 | 2018-10-09 | 福建江夏学院 | 一种房源信息的融合搜索***与方法 |
CN109670113A (zh) * | 2018-12-20 | 2019-04-23 | 重庆锐云科技有限公司 | 一种房源推荐方法、装置及服务器 |
CN109783726A (zh) * | 2018-12-21 | 2019-05-21 | 深圳市戴德梁行土地房地产评估有限公司 | 一种房地产大数据计算处理方法及其*** |
CN110135948A (zh) * | 2019-05-09 | 2019-08-16 | 西北民族大学 | 一种面向电子商务平台商品的推荐***及方法 |
CN110764665A (zh) * | 2019-09-19 | 2020-02-07 | 深圳思为科技有限公司 | 信息处理方法、信息处理装置及终端设备 |
CN110992124A (zh) * | 2019-10-31 | 2020-04-10 | 贝壳技术有限公司 | 房源的推荐方法及房源的推荐*** |
CN111310031A (zh) * | 2020-01-20 | 2020-06-19 | 北京无限光场科技有限公司 | 房源信息展示方法、装置、终端及存储介质 |
CN111611499A (zh) * | 2020-05-28 | 2020-09-01 | 贝壳技术有限公司 | 协同过滤方法、协同过滤装置及*** |
CN112905874A (zh) * | 2019-12-03 | 2021-06-04 | 贝壳技术有限公司 | 房源检索方法、装置、存储介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345698A (zh) * | 2013-07-09 | 2013-10-09 | 焦点科技股份有限公司 | 电子商务环境下基于云计算处理模式的个性化推荐方法 |
CN104933239A (zh) * | 2015-06-09 | 2015-09-23 | 江苏大学 | 一种基于混合模型的个性化职位信息推荐***及实现方法 |
CN105512183A (zh) * | 2015-11-24 | 2016-04-20 | 中国科学院重庆绿色智能技术研究院 | 一种基于用户自主选择的个性化推荐方法和*** |
CN106327227A (zh) * | 2015-06-19 | 2017-01-11 | 北京航天在线网络科技有限公司 | 一种信息推荐***及信息推荐方法 |
WO2017028687A1 (zh) * | 2015-08-14 | 2017-02-23 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
-
2017
- 2017-06-08 CN CN201710427434.3A patent/CN107256512A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345698A (zh) * | 2013-07-09 | 2013-10-09 | 焦点科技股份有限公司 | 电子商务环境下基于云计算处理模式的个性化推荐方法 |
CN104933239A (zh) * | 2015-06-09 | 2015-09-23 | 江苏大学 | 一种基于混合模型的个性化职位信息推荐***及实现方法 |
CN106327227A (zh) * | 2015-06-19 | 2017-01-11 | 北京航天在线网络科技有限公司 | 一种信息推荐***及信息推荐方法 |
WO2017028687A1 (zh) * | 2015-08-14 | 2017-02-23 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
CN105512183A (zh) * | 2015-11-24 | 2016-04-20 | 中国科学院重庆绿色智能技术研究院 | 一种基于用户自主选择的个性化推荐方法和*** |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053343A (zh) * | 2017-12-06 | 2018-05-18 | 链家网(北京)科技有限公司 | 一种房源推送方法和*** |
CN108182255B (zh) * | 2017-12-29 | 2020-07-28 | 重庆金融资产交易所有限责任公司 | 产权项目信息推荐方法、装置、存储介质和计算机设备 |
CN108182255A (zh) * | 2017-12-29 | 2018-06-19 | 重庆金融资产交易所有限责任公司 | 产权项目信息推荐方法、装置、存储介质和计算机设备 |
CN108256067A (zh) * | 2018-01-16 | 2018-07-06 | 平安好房(上海)电子商务有限公司 | 计算房源相似度的方法、装置、设备及存储介质 |
CN108628984A (zh) * | 2018-04-27 | 2018-10-09 | 福建江夏学院 | 一种房源信息的融合搜索***与方法 |
CN109670113A (zh) * | 2018-12-20 | 2019-04-23 | 重庆锐云科技有限公司 | 一种房源推荐方法、装置及服务器 |
CN109783726A (zh) * | 2018-12-21 | 2019-05-21 | 深圳市戴德梁行土地房地产评估有限公司 | 一种房地产大数据计算处理方法及其*** |
CN110135948A (zh) * | 2019-05-09 | 2019-08-16 | 西北民族大学 | 一种面向电子商务平台商品的推荐***及方法 |
CN110764665A (zh) * | 2019-09-19 | 2020-02-07 | 深圳思为科技有限公司 | 信息处理方法、信息处理装置及终端设备 |
CN110764665B (zh) * | 2019-09-19 | 2021-08-06 | 深圳思为科技有限公司 | 信息处理方法、信息处理装置及终端设备 |
CN110992124A (zh) * | 2019-10-31 | 2020-04-10 | 贝壳技术有限公司 | 房源的推荐方法及房源的推荐*** |
CN110992124B (zh) * | 2019-10-31 | 2024-02-27 | 贝壳技术有限公司 | 房源的推荐方法及房源的推荐*** |
CN112905874A (zh) * | 2019-12-03 | 2021-06-04 | 贝壳技术有限公司 | 房源检索方法、装置、存储介质及设备 |
CN112905874B (zh) * | 2019-12-03 | 2021-11-12 | 贝壳找房(北京)科技有限公司 | 房源检索方法、装置、存储介质及设备 |
CN111310031A (zh) * | 2020-01-20 | 2020-06-19 | 北京无限光场科技有限公司 | 房源信息展示方法、装置、终端及存储介质 |
CN111310031B (zh) * | 2020-01-20 | 2023-08-18 | 北京有竹居网络技术有限公司 | 房源信息展示方法、装置、终端及存储介质 |
CN111611499A (zh) * | 2020-05-28 | 2020-09-01 | 贝壳技术有限公司 | 协同过滤方法、协同过滤装置及*** |
CN111611499B (zh) * | 2020-05-28 | 2021-08-17 | 贝壳找房(北京)科技有限公司 | 协同过滤方法、协同过滤装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256512A (zh) | 一种购房个性化推荐方法及*** | |
Xu et al. | A novel POI recommendation method based on trust relationship and spatial–temporal factors | |
US9235646B2 (en) | Method and system for a search engine for user generated content (UGC) | |
Yujie et al. | Some challenges for context-aware recommender systems | |
Zhang et al. | Personalised online sales using web usage data mining | |
US20190130420A1 (en) | Profile noise anonymity for mobile users | |
KR101419504B1 (ko) | 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법 | |
CN105723402A (zh) | 用于确定社交数据网络中的影响者的***和方法 | |
CN103377443A (zh) | 网络交易平台及其处理方法 | |
CN109918563A (zh) | 一种基于公开数据的图书推荐的方法 | |
WO2017121272A1 (zh) | 用户行为数据的处理方法及装置 | |
WO2008039542A2 (en) | System and method of ad-hoc analysis of data | |
CN101454771A (zh) | 基于使用多媒体调查特征匹配以划分和标记个体的***和方法 | |
EP2188712A2 (en) | Recommendation systems and methods | |
Serrano | Neural networks in big data and Web search | |
Gan et al. | Seeking micro-influencers for brand promotion | |
CN109299426A (zh) | 一种精确头条信息的推荐方法及装置 | |
Baralis et al. | Analysis of twitter data using a multiple-level clustering strategy | |
CN105022830B (zh) | 一种基于用户行为的加权轨迹数据集构建方法 | |
Soriano et al. | Text mining in computational advertising | |
CN111310046A (zh) | 对象推荐方法及装置 | |
JP2018045553A (ja) | 選択装置、選択方法および選択プログラム | |
CN110069713A (zh) | 一种基于用户上下文感知的个性化推荐方法 | |
CN109584003A (zh) | 智能推荐*** | |
Tao et al. | Dynamic feature weighting based on user preference sensitivity for recommender systems |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171017 |
|
RJ01 | Rejection of invention patent application after publication |