CN111159545A - 推荐房源确定方法及装置、房源推荐方法及装置 - Google Patents

推荐房源确定方法及装置、房源推荐方法及装置 Download PDF

Info

Publication number
CN111159545A
CN111159545A CN201911349458.7A CN201911349458A CN111159545A CN 111159545 A CN111159545 A CN 111159545A CN 201911349458 A CN201911349458 A CN 201911349458A CN 111159545 A CN111159545 A CN 111159545A
Authority
CN
China
Prior art keywords
house source
house
user
tags
subsets
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
CN201911349458.7A
Other languages
English (en)
Inventor
解祺琪
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.)
Beike Technology Co Ltd
Original Assignee
Beike 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 Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN201911349458.7A priority Critical patent/CN111159545A/zh
Publication of CN111159545A publication Critical patent/CN111159545A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种推荐房源确定方法及装置、房源推荐方法及装置，属于互联网技术领域。所述推荐房源确定方法包括：获取用户在预设时间内的浏览记录，所述浏览记录至少包括所述用户浏览的房源的信息；基于所述浏览记录确定用户需求标签，所述用户需求标签包括一组或多组所述房源标签，所述一组或多组所述房源标签中每组所述房源标签包括一个或多个所述房源标签；以及将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源。其能够基于用户的浏览记录精确确定出满足用户需求的房源。

Description

推荐房源确定方法及装置、房源推荐方法及装置
技术领域
本发明涉及互联网技术领域，具体地涉及一种推荐房源确定方法及装置、房源推荐方法及装置。
背景技术
目前电子商务发展迅速，各种房源信息琳琅满目，对于消费者，在找房过程中难以迅速找到称心如意的房源。
目前使用的推荐方式主要有两种。一种是无差别的对用户推荐房源，此种方式针对性不强，无法精准满足用户的需求。另一种是记录用户浏览过的房源，当房源状态、价格变化时，将房源推荐给用户。此种方式推荐周期长，若房源状态、价格不发生改变时，无法触发对用户推荐房源。
发明内容
本发明实施例的目的是提供一种推荐房源确定方法及装置、房源推荐方法及装置，用于全部解决上述技术问题或至少部分解决上述技术问题。
为了实现上述目的，本发明实施例提供一种推荐房源确定方法，所述方法包括：获取用户在预设时间内的浏览记录，所述浏览记录至少包括所述用户浏览的房源的信息；基于所述浏览记录确定用户需求标签，所述用户需求标签包括一组或多组房源标签，所述一组或多组房源标签中每组房源标签包括一个或多个房源标签；以及将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源。
可选的，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，所述基于所述浏览记录确定用户需求标签包括：统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中确定满足预设条件的子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签次数大于第一预设值且所述子集的支持度大于第二预设值；从所述满足预设条件的子集中选择所包含的房源标签数量最大的所有子集，将选择的所包含的所述房源标签数量最大的所述所有子集作为最大频繁项集；以及根据所述最大频繁项集确定所述用户需求标签。
可选的，所述从所述用户浏览的房源所含有的所述房源标签组成的集合中确定满足预设条件的子集包括：从所述集合中选择满足所述预设条件且所包含的房源标签的数量为1的一个或多个子集；以及在k的取值为从1至所述集合中房源标签的数量的情况下分别执行以下步骤：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集；从所述一个或多个候选集中选择出满足所述预设条件且房源标签数量为k+1的一个或多个子集。
可选的，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，所述基于所述浏览记录确定用户需求标签包括：统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中选择满足预设条件且所包含的房源标签的数量为1的一个或多个子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签的次数大于第一预设值且所述子集的支持度大于第二预设值；依次在k的取值为从1至所述集合中房源标签的数量的情况下执行以下步骤直至确定出最大频繁项集：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集Ck+1，否则，将所述一个或多个子集Lk作为最大频繁项集；判断所述一个或多个候选集Ck+1中是否具有满足所述预设条件的一个或多个子集Lk+1；以及如果不具有所述一个或多个子集Lk+1，则将所述一个或多个子集Lk作为最大频繁项集；以及根据所述最大频繁项集确定所述用户需求标签。
可选的，所述用户浏览的房源的信息还包括用户对房源的浏览时长，所述统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数包括：基于所述浏览时长确定所述每一房源所含有的所述房源标签的次数；以及根据所述每一房源所含有的所述房源标签的次数来确定所述所有不同的房源标签的次数。
相应的，本发明实施例还提供一种房源推荐方法，所述方法包括：获取根据上述的推荐房源确定方法而确定的推荐房源；以及将所述推荐房源推荐给用户。
相应的，本发明实施例还提供一种推荐房源确定装置，所述装置包括：获取模块，用于获取用户在预设时间内的浏览记录，所述浏览记录至少包括所述用户浏览的房源的信息；第一确定模块，用于基于所述浏览记录确定用户需求标签，所述用户需求标签包括一组或多组房源标签，所述一组或多组房源标签中每组房源标签包括一个或多个房源标签；以及第二确定模块，用于将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源。
可选的，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，所述第一确定模块包括：统计单元，用于统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；第一确定单元，用于从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中确定满足预设条件的子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签次数大于第一预设值且所述子集的支持度大于第二预设值；选择单元，用于从所述满足预设条件的子集中选择所包含的房源标签数量最大的所有子集，将选择的所包含的所述房源标签数量最大的所述所有子集作为最大频繁项集；以及第二确定单元，用于根据所述最大频繁项集确定所述用户需求标签。
可选的，所述第一确定单元用于根据以下步骤从所述用户浏览的房源所含有的所述房源标签组成的集合中确定满足预设条件的子集：从所述集合中选择满足所述预设条件且所包含的房源标签的数量为1的一个或多个子集；以及在k的取值为从1至所述集合中房源标签的数量的情况下分别执行以下步骤：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集；从所述一个或多个候选集中选择出满足所述预设条件且房源标签数量为k+1的一个或多个子集。
可选的，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，所述第一确定模块包括：统计单元，用于统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；选择单元，用于从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中选择满足预设条件且所包含的房源标签的数量为1的一个或多个子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签的次数大于第一预设值且所述子集的支持度大于第二预设值；第一确定单元，用于依次在k的取值为从1至所述集合中房源标签的数量的情况下执行以下步骤直至确定出最大频繁项集：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集Ck+1，否则，将所述一个或多个子集Lk作为最大频繁项集；判断所述一个或多个候选集Ck+1中是否具有满足所述预设条件的一个或多个子集Lk+1；以及如果不具有所述一个或多个子集Lk+1，则将所述一个或多个子集Lk作为最大频繁项集；以及第二确定单元，用于根据所述最大频繁项集确定所述用户需求标签。
可选的，所述用户浏览的房源的信息还包括用户对房源的浏览时长，所述统计单元用于根据以下步骤来统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数：基于所述浏览时长确定所述每一房源所含有的所述房源标签的次数；以及根据所述每一房源所含有的所述房源标签的次数来确定所述所有不同的房源标签的次数。
相应的，本发明实施例还提供一种房源推荐装置，所述装置包括：获取模块，用于获取根据上述的推荐房源确定方法而确定的推荐房源；以及推荐模块，用于将所述推荐房源推荐给用户。
相应的，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行：上述的推荐房源确定方法；和/或上述的房源推荐方法。
相应的，本发明实施例还提供一种电子设备，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器与所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述述的推荐房源确定方法，和/或如上述的房源推荐方法。
通过上述技术方案，基于用户的浏览记录提取出用户需求标签，将与用户需求标签相匹配的房源确定为推荐房源，以推荐给用户。如此，一方面可以基于用户的浏览记录精确确定出满足用户需求的房源，另一方面解决了依赖房源状态、价格变更才触发推荐的技术问题。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示出了根据本发明一实施例的推荐房源确定方法的流程示意图；
图2示出了根据本发明一实施例的基于浏览记录确定用户需求标签的流程示意图；
图3示出了根据本发明另一实施例的基于浏览记录确定用户需求标签的流程示意图；
图4示出了根据本发明一实施例的房源推荐方法的流程示意图；
图5示出了根据本发明一实施例的推荐房源确定装置的结构框图；
图6示出了根据本发明一实施例的基于浏览记录确定用户需求标签的第一确定模块的结构框图；
图7示出了根据本发明另一实施例的基于浏览记录确定用户需求标签的第一确定模块的结构框图；以及
图8示出了根据本发明一实施例的房源推荐装置的结构框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1示出了根据本发明一实施例的推荐房源确定方法的流程示意图。如图1所示，本发明实施例提供一种推荐房源确定方法，所述方法可以由服务器或终端执行，所述终端例如可以是智能手机、平板电脑、笔记本等。所述方法可以包括步骤S110至步骤S130。
在步骤S110，获取用户在预设时间内的浏览记录。
所述预设时间可以根据需要设置为任意合适的值，例如，一周、10天、20天、一个月等等。
所述浏览记录至少可以包括用户浏览的房源的信息，所述信息例如可以包括房源所含有的房源标签、用户针对房源的浏览时长等。例如，可以首先获取用户在预设时间内所浏览的房源，然后获取所有这些房源的房源标签。
所述房源标签例如可以包括关于以下一项或多项的内容：单价、总价、朝向、楼层、楼型、或者权属等等。所述单价或总价可以区间进行划分，所述朝向例如可以包括全朝南、南北、全朝北、西南、西北、或东西等，所述楼型例如可以是板楼、或塔楼等，所述权属例如可以是商品房、商住房、或限价房等。
用户的浏览记录可以由终端的客户端或网站获得。用户在客户端或网站上浏览房源时，客户端或网站可以实时获取用户的浏览记录。在本发明实施例提供的推荐房源确定方法由服务器执行时，用户的浏览记录可以通过终端发送给服务器，服务器记录用户的浏览记录。
在步骤S120，基于所述浏览记录确定用户需求标签。
所述用户需求标签可以包括一组或多组房源标签，所述一组或多组房源标签中每组房源标签可以包括一个或多个房源标签。
对用户浏览的房源所含有的房源标签进行处理可以确定出用户针对房源的需求标签。
在步骤S130，将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源。
针对用户需求标签中的每组房源标签，可以将每组房源标签与数据库中房源的房源标签进行匹配。例如，可以将含有所述用户需求标签包括的至少一组所述房源标签的所有房源确定为所述用户的推荐房源。或者，可以计算匹配度，将匹配度大于预设值的房源确定为用户的推荐房源，匹配度的计算方法可以公知的任意一种计算方法，例如针对用户需求标签中的一组房源标签，该组房源标签与一房源所含有的房源标签之间的匹配度可以为两者之间相同房源标签的数量与该组房源标签中房源标签总数量的比值。确定出的推荐房源可以包括一个或多个房源。
在用户每次打开客户端或网站时，可以显示为所述用户确定的推荐房源，以方便用户筛选出感兴趣房源。
本发明实施例提供的推荐房源确定方法，基于用户的浏览记录提取出用户需求标签，将与用户需求标签相匹配的房源确定为推荐房源，以推荐给用户。如此，一方面可以基于用户的浏览记录精确确定出满足用户需求的房源，另一方面解决了依赖房源状态、价格变更才触发推荐的技术问题。
下面将介绍如何基于浏览记录来确定用户需求标签。
图2示出了根据本发明一实施例的基于浏览记录确定用户需求标签的流程示意图。如图2所示，需求标签的确定方式可以是首先确定出所有满足所述预设条件的子集，然后从所有这些子集中选择出最大频繁项集，最后根据最大频繁项集确定用户需求标签。具体的，在该实施例中基于浏览记录确定用户需求标签可以包括下述的步骤S210至步骤S240。
在步骤S210，统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数。
所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，可以从所述用户浏览的房源的信息中获取所述用户浏览的房源中每一房源所含有的房源标签。所述房源标签例如可以包括关于以下一项或多项的内容：单价、总价、朝向、楼层、楼型、或者权属等等。所述单价或总价可以区间进行划分，所述朝向例如可以包括全朝南、南北、全朝北、西南、西北、或东西等，所述楼型例如可以是板楼、或塔楼等，所述权属例如可以是商品房、商住房、或限价房等。
可选的，房源标签的次数可以相当于在预设时间内用户浏览的所有房源中含有该房源标签的房源的数量。
可选的，用户浏览的房源的信息还可以包括用户对房源的浏览时长。在统计所有不同的房源标签的次数时，可以基于所述浏览时长确定用户浏览的房源中每一房源所含有的房源标签的次数。
例如，可以使用浏览时长相乘至房源标签的次数中，由于用户浏览一个房源，对应的房源标签的次数为1，再与浏览时长相乘，则可以相当于以房源对应的浏览时长作为该房源的房源标签的次数。如此，可以将浏览时长的因子施加于用户需求标签的确定过程中，使得所确定出的需求标签更精确。
可选的，不限于使用浏览时长相乘至房源标签的次数中，也可以设置不同的浏览时长范围对应不同的权重系数，然后将权重系数相乘至房源标签的次数中，如此，也可以将浏览时长的因子施加于用于需求标签的确定过程中，使得所确定出的需求标签更精确。
在步骤S220，从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中确定满足预设条件的子集。
所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签。所述预设条件为所述子集中每个房源标签次数大于第一预设值且所述子集的支持度大于第二预设值。
在一些可选实施方式中，在确定满足预设条件的子集时，例如可以首先确定出所述集合的所有子集，举例而言，集合为{A,B,C}的所有子集为{A}、{B}、{C}、{A,B}、{A,C}、{B,C}、{A,B,C}，其中A,B,C分别表示不同的房源标签。然后从这些所有子集中确定出满足所述预设条件的子集。
在一些可选实时方式中，在确定满足预设条件的子集时，也可以首先从所述集合中选择满足所述预设条件且所包含的房源标签的数量为1的一个或多个子集。然后在k的取值为从1至所述集合中房源标签的数量的情况下分别执行以下步骤：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集，这里相当于对每两个具有k-1项相同的所述子集Lk求并集以得到房源标签数量为k+1的一个或多个候选集；从所述一个或多个候选集中选择满足所述预设条件的一个或多个子集。
具体而言，假设所述用户浏览的房源所含有的所述房源标签组成的集合中包括n个不同的房源标签，其中n为正整数。首先从所述集合中选择出房源标签数量为1的满足预设条件的一个或多个子集。在k的取值为从1至所述集合中房源标签的数量n的情况下，可以分别基于房源标签数量为k的满足预设条件的一个或多个子集Lk选择出房源标签数量为k+1的满足预设条件的子集Lk+1，其中，k为正整数。
之后在k＝1时，可以基于房源标签数量为1的满足预设条件的一个或多个子集L1选择出房源标签数量为2的满足预设条件的子集L2。具体的，判断满足所述预设条件且所包含的房源标签的数量为1的所述一个或多个子集L1中是否具有(1-1)项相同的至少两个子集L1，显然，每两个子集L1均满足该条件，则可以将每两个子集L1组合形成所含有的房源标签数量为2的一个或多个候选集。对房源标签数量为2的每一候选集进行判断以选择出满足所述预设条件且所含有的房源标签数量为2的一个或多个子集L2。
接下来，在k＝2时，可以基于房源标签数量为2的满足预设条件的一个或多个子集L2选择出房源标签数量为3的满足预设条件的一个或多个子集L3。具体的，判断满足所述预设条件且所包含的房源标签的数量为2的所述一个或多个子集L2中是否具有(2-1)项相同的至少两个子集L2。若有，则将每两个具有1项房源标签相同的两个子集L2组合，即求并集，从而形成所含有的房源标签数量为3的一个或多个候选集。对所含有房源标签数量为3的每一候选集进行判断以选择出满足所述预设条件且所含有的房源标签数量为3的一个或多个子集L3。若没有，则可以确定不存在满足所述预设条件且所含有的房源标签数量为3的子集，相应的，也不存在满足所述预设条件且所含有的房源标签数量大于3的子集。
依此类推，直到选择出房源标签数量为递增至n，从而确定出所述集合中所有满足预设条件的子集。
本发明实施例中，所述第一预设值可以根据需要设置为任意合适的值，例如可以根据预设时间的不同来调整所述第一预设值的取值。
子集的支持度可以根据以下公式(1)进行计算：
Figure BDA0002334304100000111
其中，Support(子集)表示子集的支持度，number(子集)表示用户浏览的房源中同时含有所述子集中包括的所有房源标签的数量，number(用户浏览的房源)表示用户浏览的房源的数量。
所述第二预设值可以根据需要设置为任意合适的值。在子集中每一房源标签的次数大于所述第一预设值和子集的支持度大于所述第二预设值的情况下，确定子集满足所述预设条件。
在步骤S230，从所述满足预设条件的子集中选择所包含的房源标签数量最大的所有子集，将选择的所包含的所述房源标签数量最大的所述所有子集作为最大频繁项集。
从所述满足预设条件的子集中选择所包含的房源标签数量最大的所有子集，也就是选择满足预设条件的子集中元素数量最多的子集。所述最大频繁项集可以包括一个或多个子集。
在步骤S240，根据所述最大频繁项集确定所述用户需求标签。
可选的，可以将最大频繁项集中包括的每个子集作为用户需求标签包括的一组房源标签。
确定出用户需求标签之后，将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源，从而精准的确定出用户需求的房源。
图3示出了根据本发明另一实施例的基于浏览记录确定用户需求标签的流程示意图。如图3所示，在该实施例中基于浏览记录确定用户需求标签可以包括下述的步骤S310至步骤S340。
在步骤S310，统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数。
所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，可以从所述用户浏览的房源的信息中获取所述用户浏览的房源中每一房源所含有的房源标签。所述房源标签例如可以包括关于以下一项或多项的内容：单价、总价、朝向、楼层、楼型、或者权属等等。所述单价或总价可以区间进行划分，所述朝向例如可以包括全朝南、南北、全朝北、西南、西北、或东西等，所述楼型例如可以是板楼、或塔楼等，所述权属例如可以是商品房、商住房、或限价房等。
可选的，房源标签的次数可以相当于在预设时间内用户浏览的所有房源中含有该房源标签的房源的数量。
可选的，用户浏览的房源的信息还可以包括用户对房源的浏览时长。在统计所有不同的房源标签的次数时，可以基于所述浏览时长确定用户浏览的房源中每一房源所含有的房源标签的次数。
例如，可以使用浏览时长相乘至房源标签的次数中，由于用户浏览一个房源，对应的房源标签的次数为1，再与浏览时长相乘，则可以相当于以房源对应的浏览时长作为该房源的房源标签的次数。如此，可以将浏览时长的因子施加于用户需求标签的确定过程中。
可选的，不限于使用浏览时长相乘至房源标签的次数中，也可以设置不同的浏览时长范围对应不同的权重系数，然后将权重系数相乘至房源标签的次数中，如此，也可以将浏览时长的因子施加于用于需求标签的确定过程中。
在步骤S320，从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中选择满足预设条件且所包含的房源标签的数量为1的一个或多个子集。
所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签。所述预设条件为所述子集中每个房源标签次数大于第一预设值且所述子集的支持度大于第二预设值。
如前文所述，所述第一预设值和所述第二预设值可以根据需要设置为任意合适的值，例如可以根据预设时间的不同来调整所述第一预设值的取值。子集的支持度可以根据公式(1)进行计算。通过对属于所述集合且房源标签的数量为1的每个子集进行判断可以选择出满足所述预设条件的一个或多个子集。
在步骤S330，在k的取值为从1开始至所述集合中房源标签的数量n的情况下确定出最大频繁项集，其中n和k均为正整数。
依次在k的取值为从1至所述集合中房源标签的数量的情况下执行以下步骤直至确定出最大频繁项集：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集Ck+1，否则，将所述一个或多个子集Lk作为最大频繁项集；判断所述一个或多个候选集Ck+1中是否具有满足所述预设条件的一个或多个子集Lk+1；以及如果不具有所述一个或多个子集Lk+1，则将所述一个或多个子集Lk作为最大频繁项集。
具体而言，在k＝1时，判断满足所述预设条件且所包含的房源标签的数量为1的所述一个或多个子集L1中是否具有(1-1)项相同的至少两个子集L1，显然，每两个子集L1均满足该条件，则可以将每两个子集L1组合形成所含有的房源标签数量为2的一个或多个候选集C2。判断所述一个或多个候选集C2中是否具有满足所述预设条件的一个或多个子集L2。如果不具有所述一个或多个子集L2，则将所述一个或多个子集L1作为最大频繁项集，并且结束该步骤而执行步骤S340。
如果具有所述一个或多个子集L2，则令k＝2，判断满足所述预设条件且所包含的房源标签的数量为1的所述一个或多个子集L1中是否具有(2-1)项相同的至少两个子集L2。若不具有，则将所述一个或多个子集L1作为最大频繁项集，并且结束该步骤而执行步骤S340。若有，则将每两个具有1项房源标签相同的两个子集L2组合，即求并集，从而形成所含有的房源标签数量为3的一个或多个候选集C3。判断所述一个或多个候选集C3中是否具有满足所述预设条件的一个或多个子集L3。如果不具有所述一个或多个子集L3，则将所述一个或多个子集L3作为最大频繁项集，并且结束该步骤而执行步骤S340。
如果具有所述一个或多个子集L3，则令k＝3，依此类推，直到确定出最大频繁项集。可以理解，所述最大频繁项集就是指满足所述预设条件且所包含的房源标签数量最大的所有子集。
在步骤S340，根据所述最大频繁项集确定所述用户需求标签。
可选的，可以将最大频繁项集中包括的每个子集作为用户需求标签包括的一组房源标签。
确定出用户需求标签之后，将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源，从而精准的确定出用户需求的房源。
图4示出了根据本发明一实施例的房源推荐方法的流程示意图。如图4所示，本发明实施例还提供一种房源推荐方法，所述房源推荐方法可以由终端或服务器执行，所述终端例如可以是智能手机、平板电脑、笔记本等。所述方法可以包括以下步骤：在步骤S410，获取根据本发明任一实施例所述的推荐房源确定方法而确定的推荐房源；以及在步骤S420，将所述推荐房源推荐给用户。
所述房源推荐方法由终端执行。具体的，终端例如可以在用户打开客户端或网站时，获取根据本发明任一实施例所述的推荐房源确定方法而针对所述用户确定的推荐房源，例如从服务器获取。然后，例如可以对推荐房源进行显示，以将所述推荐房源推荐给所述用户。如此，可以在用户每次打开客户端或网站时都能浏览到自己感兴趣的房源。
所述房源推荐方法也可以由服务器执行。具体的，如果存储的用户信息中包括用户手机号、或者邮箱地址等任意联系方式，则执行房源推荐方法时，服务器可以首先获取根据本发明任意实施例所述的推荐房源确定方法而针对所述用户确定的推荐房源，然后例如可以通过所述任意联系方式而将所述推荐房源推荐给所述用户。例如，可以通过短信或者邮件的形式来将所述推荐房源推荐所述用户。如此，能够以多种方式来使得用户获取到自己感兴趣的房源。
图5示出了根据本发明一实施例的推荐房源确定装置的结构框图。如图5所示，本发明实施例提供一种推荐房源确定装置，所述装置额可以用于服务器或终端，所述终端例如可以是智能手机、平板电脑、笔记本等。所述装置可以包括：获取模块510，用于获取用户在预设时间内的浏览记录，所述浏览记录至少包括所述用户浏览的房源的信息；第一确定模块520，用于基于所述浏览记录确定用户需求标签，所述用户需求标签包括一组或多组所述房源标签，所述一组或多组所述房源标签中每组所述房源标签包括一个或多个所述房源标签；以及第二确定模块530，用于将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源。本发明实施例提供的推荐房源确定装置一方面可以基于用户的浏览记录精确确定出满足用户需求的房源，另一方面解决了依赖房源状态、价格变更才触发推荐的技术问题。
在一些可选实施例中，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，如图6所示，所述第一确定模块520可以包括：统计单元521，用于统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；第一确定单元522，用于从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中确定满足预设条件的子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签次数大于第一预设值且所述子集的支持度大于第二预设值；选择单元523，用于从所述满足预设条件的子集中选择所包含的房源标签数量最大的所有子集，将选择的所包含的所述房源标签数量最大的所述所有子集作为最大频繁项集；以及第二确定单元524，用于根据所述最大频繁项集确定所述用户需求标签，例如可以将最大频繁项集中包括的每个子集作为用户需求标签包括的一组房源标签。
第一确定单元522可以首先确定出所述集合的所有子集，举例而言，集合为{A,B,C}的所有子集为{A}、{B}、{C}、{A,B}、{A,C}、{B,C}、{A,B,C}，其中A,B,C分别表示不同的房源标签。然后从这些所有子集中确定出满足所述预设条件的子集。或者，可以在k的取值为从1至所述集合中房源标签的数量n的情况下，分别基于房源标签数量为k的满足预设条件的一个或多个子集Lk选择出房源标签数量为k+1的满足预设条件的子集Lk+1，其中，n和k均为正整数。从而确定出满足所述预设条件的所有子集。
确定出用户需求标签之后，将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源，从而精准的确定出用户需求的房源。
在另一些可选实施例中，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，如图7所示，所述第一确定模块520可以包括：统计单元525，用于统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；选择单元526，用于从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中选择满足预设条件且所包含的房源标签的数量为1的一个或多个子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签的次数大于第一预设值且所述子集的支持度大于第二预设值；第一确定单元527，用于依次在k的取值为从1至所述集合中房源标签的数量的情况下执行以下步骤直至确定出最大频繁项集：判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集Ck+1，否则，将所述一个或多个子集Lk作为最大频繁项集；判断所述一个或多个候选集Ck+1中是否具有满足所述预设条件的一个或多个子集Lk+1；以及如果不具有所述一个或多个子集Lk+1，则将所述一个或多个子集Lk作为最大频繁项集；以及第二确定单元528，用于根据所述最大频繁项集确定所述用户需求标签，例如可以将最大频繁项集中包括的每个子集作为用户需求标签包括的一组房源标签。
确定出用户需求标签之后，将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源，从而精准的确定出用户需求的房源。
在一些可选实施例中，统计单元525可以基于所述浏览时长确定所述每一房源所含有的所述房源标签的次数；以及根据所述每一房源所含有的所述房源标签的次数来确定所述所有不同的房源标签的次数。如此，可以将浏览时长的因子施加于用于需求标签的确定过程中，使得所确定出的需求标签更精确。
本发明实施例提供的推荐房源确定装置可以包括存储器、处理器及存储在存储器上并可在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根据本发明任意实施例所述的推荐房源确定方法。可以理解，上述各模块、单元等均可作为程序单元存储在上述存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。其中，处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来执行根据本发明任意实施例的用于小流量实验***的信息推送方法。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供的推荐房源确定装置的具体工作原理及益处与上述本发明实施例提供的推荐房源确定方法的具体工作原理及益处相同，这里将不再赘述。
图8示出了根据本发明一实施例的房源推荐装置的结构框图。如图8所示，本发明实施例还提供一种房源推荐装置，所述房源推荐装置可以用于终端或服务器，所述终端例如可以是智能手机、平板电脑、笔记本等。所述房源推荐装置可以包括获取模块810，用于获取根据本发明任意实施例所述的推荐房源确定方法而确定的推荐房源；以及推荐模块820，用于将所述推荐房源推荐给用户。所述房源推荐装置用于服务器时，能够实现以多种方式来使得用户获取到自己感兴趣的房源。所述房源推荐装置用于终端时，可以在用户每次打开客户端或网站时都能浏览到自己感兴趣的房源。
本发明实施例提供的房源推荐装置可以包括存储器、处理器及存储在存储器上并可在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根据本发明任意实施例所述的房源推荐方法。可以理解，上述获取模块810、推荐模块820单元等均可作为程序单元存储在上述存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。其中，处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来执行根据本发明任意实施例的用于小流量实验***的信息推送方法。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供的房源推荐装置的具体工作原理及益处与上述本发明实施例提供的房源推荐方法的具体工作原理及益处相同，这里将不再赘述。
相应的，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行：根据本发明任意实施例所述的推荐房源确定方法；和/或根据本发明任意实施例所述的房源推荐方法。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
相应的，本发明实施例还提供一种电子设备的结构，所述电子设备可以包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器与所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行：根据本发明任意实施例所述的推荐房源确定方法；和/或根据本发明任意实施例所述的房源推荐方法。。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (10)

1.一种推荐房源确定方法，其特征在于，所述方法包括：
获取用户在预设时间内的浏览记录，所述浏览记录至少包括所述用户浏览的房源的信息；
基于所述浏览记录确定用户需求标签，所述用户需求标签包括一组或多组房源标签，所述一组或多组房源标签中每组房源标签包括一个或多个房源标签；以及
将与所述用户需求标签包括的至少一组房源标签相匹配的房源确定为所述用户的推荐房源。
2.根据权利要求1所述的方法，其特征在于，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，所述基于所述浏览记录确定用户需求标签包括：
统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；
从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中确定满足预设条件的子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签次数大于第一预设值且所述子集的支持度大于第二预设值；
从所述满足预设条件的子集中选择所包含的房源标签数量最大的所有子集，将选择的所包含的所述房源标签数量最大的所述所有子集作为最大频繁项集；以及
根据所述最大频繁项集确定所述用户需求标签。
3.根据权利要求2所述的方法，其特征在于，所述从所述用户浏览的房源所含有的所述房源标签组成的集合中确定满足预设条件的子集包括：
从所述集合中选择满足所述预设条件且所包含的房源标签的数量为1的一个或多个子集；以及
在k的取值为从1至所述集合中房源标签的数量的情况下分别执行以下步骤：
判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；
如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集；
从所述一个或多个候选集中选择出满足所述预设条件且房源标签数量为k+1的一个或多个子集。
4.根据权利要求1所述的方法，其特征在于，所述用户浏览的房源的信息包括所述用户浏览的房源中每一房源所含有的房源标签，所述基于所述浏览记录确定用户需求标签包括：
统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数；
从所述用户浏览的房源中每一房源所含有的所述房源标签组成的集合中选择满足预设条件且所包含的房源标签的数量为1的一个或多个子集，其中所述集合包括所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签，其中所述预设条件为所述子集中每个房源标签的次数大于第一预设值且所述子集的支持度大于第二预设值；
依次在k的取值为从1至所述集合中房源标签的数量的情况下执行以下步骤直至确定出最大频繁项集：
判断满足所述预设条件且所包含的房源标签的数量为k的所述一个或多个子集Lk中是否具有k-1项相同的至少两个子集Lk；
如果具有所述至少两个子集Lk，则将所述一个或多个子集Lk中每两个具有k-1项相同的所述子集Lk组合形成所包含的房源标签数量为k+1的一个或多个候选集Ck+1，否则，将所述一个或多个子集Lk作为最大频繁项集；
判断所述一个或多个候选集Ck+1中是否具有满足所述预设条件的一个或多个子集Lk+1；以及
如果不具有所述一个或多个子集Lk+1，则将所述一个或多个子集Lk作为最大频繁项集；以及
根据所述最大频繁项集确定所述用户需求标签。
5.根据权利要求2至4中任一项所述的方法，其特征在于，所述用户浏览的房源的信息还包括用户对房源的浏览时长，所述统计所述用户浏览的房源中每一房源所含有的所述房源标签中所有不同的房源标签的次数包括：
基于所述浏览时长确定所述每一房源所含有的所述房源标签的次数；以及
根据所述每一房源所含有的所述房源标签的次数来确定所述所有不同的房源标签的次数。
6.一种房源推荐方法，其特征在于，所述方法包括：
获取根据权利要求1至5中任一项所述的推荐房源确定方法而确定的推荐房源；以及
将所述推荐房源推荐给用户。
7.一种推荐房源确定装置，其特征在于，所述装置包括：
获取模块，用于获取用户在预设时间内的浏览记录，所述浏览记录至少包括所述用户浏览的房源的信息；
第一确定模块，用于基于所述浏览记录确定用户需求标签，所述用户需求标签包括一组或多组房源标签，所述一组或多组房源标签中每组房源标签包括一个或多个房源标签；以及
第二确定模块，用于将与所述用户需求标签包括的至少一组所述房源标签相匹配的房源确定为所述用户的推荐房源。
8.一种房源推荐装置，其特征在于，所述装置包括：
获取模块，用于获取根据权利要求1至5中任一项所述的推荐房源确定方法而确定的推荐房源；以及
推荐模块，用于将所述推荐房源推荐给用户。
9.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行：根据权利要求1至5中任一项所述的推荐房源确定方法；和/或根据权利要求6所述的房源推荐方法。
10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器与所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行根据权利要求1至5中任一项所述的推荐房源确定方法；和/或根据权利要求6所述的房源推荐方法。
CN201911349458.7A 2019-12-24 2019-12-24 推荐房源确定方法及装置、房源推荐方法及装置 Pending CN111159545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911349458.7A CN111159545A (zh) 2019-12-24 2019-12-24 推荐房源确定方法及装置、房源推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911349458.7A CN111159545A (zh) 2019-12-24 2019-12-24 推荐房源确定方法及装置、房源推荐方法及装置

Publications (1)

Publication Number Publication Date
CN111159545A true CN111159545A (zh) 2020-05-15

Family

ID=70557978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911349458.7A Pending CN111159545A (zh) 2019-12-24 2019-12-24 推荐房源确定方法及装置、房源推荐方法及装置

Country Status (1)

Country Link
CN (1) CN111159545A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464085A (zh) * 2020-11-19 2021-03-09 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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102760163A (zh) * 2012-06-12 2012-10-31 奇智软件（北京）有限公司 一种特征信息的个性化推荐方法及装置
CN103700005A (zh) * 2013-12-17 2014-04-02 南京信息工程大学 一种基于自适应多最小支持度的关联规则推荐方法
CN104750856A (zh) * 2015-04-16 2015-07-01 天天艾米（北京）网络科技有限公司 一种多维协同推荐的***与方法
CN105719155A (zh) * 2015-09-14 2016-06-29 南京理工大学 一种基于Apriori改进算法的关联规则算法
CN106650273A (zh) * 2016-12-28 2017-05-10 东方网力科技股份有限公司 一种行为预测方法和装置
CN107103065A (zh) * 2017-04-17 2017-08-29 北京五八信息技术有限公司 基于用户行为的信息推荐方法及装置
CN109903191A (zh) * 2019-01-04 2019-06-18 平安科技（深圳）有限公司 基于机器学习的旅行推荐方法、装置、存储介质及终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102760163A (zh) * 2012-06-12 2012-10-31 奇智软件（北京）有限公司 一种特征信息的个性化推荐方法及装置
CN103700005A (zh) * 2013-12-17 2014-04-02 南京信息工程大学 一种基于自适应多最小支持度的关联规则推荐方法
CN104750856A (zh) * 2015-04-16 2015-07-01 天天艾米（北京）网络科技有限公司 一种多维协同推荐的***与方法
CN105719155A (zh) * 2015-09-14 2016-06-29 南京理工大学 一种基于Apriori改进算法的关联规则算法
CN106650273A (zh) * 2016-12-28 2017-05-10 东方网力科技股份有限公司 一种行为预测方法和装置
CN107103065A (zh) * 2017-04-17 2017-08-29 北京五八信息技术有限公司 基于用户行为的信息推荐方法及装置
CN109903191A (zh) * 2019-01-04 2019-06-18 平安科技（深圳）有限公司 基于机器学习的旅行推荐方法、装置、存储介质及终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464085A (zh) * 2020-11-19 2021-03-09 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
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

Similar Documents

Publication Publication Date Title
CN107222566B (zh) 信息推送方法、装置及服务器
US8655949B2 (en) Correlated information recommendation
CN107665225B (zh) 信息推送方法和装置
CN109325179B (zh) 一种内容推广的方法及装置
CN107426328B (zh) 信息推送方法和装置
CN108243219B (zh) 信息推送的方法和装置
EP2419871A1 (en) Recommendation of network object information to user
US10796323B2 (en) Machine generated recommendation and notification models
CN110210899B (zh) 基于广告相似性的广告推送方法、装置和设备
CN109977296B (zh) 一种信息推送方法、装置、设备及存储介质
CN111639988B (zh) 经纪人推荐方法、装置、电子设备和存储介质
CN110674391B (zh) 基于大数据的产品数据推送方法、***和计算机设备
US10621641B2 (en) Method and device for pushing information
CN112925973B (zh) 数据处理方法和装置
CN112015986B (zh) 数据推送方法、装置、电子设备及计算机可读存储介质
CN108876484A (zh) 商品推荐方法及装置
CN106649323B (zh) 推荐关键词的方法及装置
CN108710656B (zh) 一种内容推送方法和装置
US20140179354A1 (en) Determining contact opportunities
CN105589873B (zh) 数据搜索方法、终端及服务器
CN111159545A (zh) 推荐房源确定方法及装置、房源推荐方法及装置
CN107562846A (zh) 一种推荐应用的方法和装置
CN116861107A (zh) 业务内容展示方法、装置、设备、介质和产品
CN110519318B (zh) 信息推送方法和装置
CN113076450B (zh) 一种目标推荐列表的确定方法和装置

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