CN111311357B - 一种房屋交易信息管理方法及*** - Google Patents
一种房屋交易信息管理方法及*** Download PDFInfo
- Publication number
- CN111311357B CN111311357B CN202010067496.XA CN202010067496A CN111311357B CN 111311357 B CN111311357 B CN 111311357B CN 202010067496 A CN202010067496 A CN 202010067496A CN 111311357 B CN111311357 B CN 111311357B
- Authority
- CN
- China
- Prior art keywords
- house
- recommendation
- data
- source
- attribute
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种房屋交易信息管理方法及***,房屋交易信息管理方法包括以下步骤:获取房屋历史交易数据,并从房屋历史交易数据中获取房屋推荐数据,并从每一房屋历史交易数据中获取房源信息;从房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据推荐成功数据以及推荐失败数据对房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据;对推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果;将分析结果与对应的推荐成功房源数据或对应的推荐失败房源数据进行关联后,存储至预设的数据库中。本发明具有优化房屋交易数据,提升房屋推荐结果的精度的效果。
Description
技术领域
本发明涉及计算机技术的技术领域,尤其是涉及一种房屋交易信息管理方法及***。
背景技术
目前,对于房屋交易,包括购房交易以及租房交易,已经逐渐从线下交易,转变到线上交易,人们可以根据自身需要,在移动端平台中选取对应的房源进行查看,并对合适自身情况的房源产生交易。
公开号为CN108961054A的中国发明专利公开了一种房屋信息交易平台,包括:房屋交易信息发布装置,用于买卖双方发布房屋交易信息,房屋交易信息包括卖家的售房信息、租赁信息、房屋托管信息;交易装置,用于自动匹配买卖双方的房屋交易信息并完成交易支付。基于大数据分析提供精准的数据服务,实现买卖双方信息的自动匹配,并将相应标的物进行按区域分类,由对应区域管理客户端进行维护,交易过程既可通过平台直接完成。
上述中的现有技术方案存在以下缺陷:
在房屋交易中,会产生大量的数据,导致买房在选择房源时,无法精准寻找合适的房源,影响房屋交易的成交效果。
发明内容
本发明的目的是提供一种优化房屋交易数据,提升房屋推荐结果的精度的房屋交易信息管理方法及***。
本发明的上述发明目的一是通过以下技术方案得以实现的:
一种房屋交易信息管理方法,所述房屋交易信息管理方法包括以下步骤:
S10:获取房屋历史交易数据,并从所述房屋历史交易数据中获取房屋推荐数据,并从每一所述房屋历史交易数据中获取房源信息;
S20:从所述房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据所述推荐成功数据以及推荐失败数据对所述房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据;
S30:对所述推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果;
S40:将所述分析结果与对应的推荐成功房源数据或对应的所述推荐失败房源数据进行关联后,存储至预设的数据库中。
通过采用上述技术方案,从房屋历史交易信息中获取对应的房源信息,并在房源信息中,根据推荐成功数据以及推荐失败数据进行分类,通过分类存储,能够提升数据库中的存储架构;同时,通过对推荐成功数据以及推荐失败数据进行区分,能够有助于后续对推荐的方法进行总结优化,进而能够提升推荐房源的精度,提升交易成功率。
本发明进一步设置为:步骤S20包括:
S21:分别从所述推荐成功数据以及所述推荐失败数据中获取交易房源数据;
S22:将所述推荐成功数据以及所述推荐失败数据对应的所述交易房源数据作为对应的所述推荐成功房源数据以及推荐失败房源数据。
通过采用上述技术方案,通过将交易房源数据分为推荐成功数据以及推荐失败数据,能够对推荐失败房源数据根据推荐成功房源数据进行调整,有助于后续向购房者推荐合适的房源,提升交易成功率。
本发明进一步设置为:步骤S30包括:
S31:获取房源推荐算法,并根据所述房源推荐算法,从所述推荐成功房源数据中获取推荐成功维度信息,以及从所述推荐失败房源数据获取推荐失败维度信息;
S32:将所述推荐成功维度信息与所述推荐失败维度信息进行比对,得到比对结果;
S33:根据所述比对结果,对所述房源推荐算法进行调整,得到推荐优化算法。
通过采用上述技术方案,通过将推荐成功维度信息与推荐失败维度信息进行比对,并根据比对结果对房源推荐算法进行调整,能够使得持续得到推荐优化算法,持续提升对购房者推荐房源的成功率。
本发明进一步设置为:在步骤S40之后,所述房屋交易信息管理方法还包括:
S50:若获取到购房请求,则从所述购房请求中获取购房者标识;
S60:获取推荐优化算法,根据所述推荐优化算法向所述购房者标识发送购房者属性请求;
S70:若获取到所述购房者属性请求对应的购房者属性数据,则根据所述购房者属性数据从所述数据库中获取对应的推荐房源信息。
通过采用上述技术方案,根据推荐优化算法,向购房者发送购房者属性请求,使得得到的购房者购房者属性数据得到的推荐房源信息更符合购房者的情况。
本发明进一步设置为:步骤S70包括:
S71:根据所述推荐优化算法,对每一所述购房者属性数据中进行优先级排序,得到属性排序结果;
S72:根据所述属性排序结果,获取所述推荐房源信息。
通过采用上述技术方案,通过根据推荐优化算法对国防这属性数据进行优先级排序,能够得到的推荐房源信息更精准。
本发明的上述发明目的二是通过以下技术方案得以实现的:
一种房屋交易信息管理***,所述房屋交易信息管理***包括:
历史信息获取模块,用于获取房屋历史交易数据,并从所述房屋历史交易数据中获取房屋推荐数据,并从每一所述房屋历史交易数据中获取房源信息;
分类模块,用于从所述房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据所述推荐成功数据以及推荐失败数据对所述房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据;
分析模块,用于对所述推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果;
关联存储模块,用于将所述分析结果与对应的推荐成功房源数据或对应的所述推荐失败房源数据进行关联后,存储至预设的数据库中。
通过采用上述技术方案,从房屋历史交易信息中获取对应的房源信息,并在房源信息中,根据推荐成功数据以及推荐失败数据进行分类,通过分类存储,能够提升数据库中的存储架构;同时,通过对推荐成功数据以及推荐失败数据进行区分,能够有助于后续对推荐的方法进行总结优化,进而能够提升推荐房源的精度,提升交易成功率。
综上所述,本发明的有益技术效果为:
1.从房屋历史交易信息中获取对应的房源信息,并在房源信息中,根据推荐成功数据以及推荐失败数据进行分类,通过分类存储,能够提升数据库中的存储架构;同时,通过对推荐成功数据以及推荐失败数据进行区分,能够有助于后续对推荐的方法进行总结优化,进而能够提升推荐房源的精度,提升交易成功率;
2.通过将推荐成功维度信息与推荐失败维度信息进行比对,并根据比对结果对房源推荐算法进行调整,能够使得持续得到推荐优化算法,持续提升对购房者推荐房源的成功率;
3.根据推荐优化算法,向购房者发送购房者属性请求,使得得到的购房者购房者属性数据得到的推荐房源信息更符合购房者的情况。
附图说明
图1是本发明一实施例中房屋交易信息管理方法的一流程图;
图2是本发明一实施例中房屋交易信息管理方法中步骤S20的实现流程图;
图3是本发明一实施例中房屋交易信息管理方法中步骤S30的实现流程图;
图4是本发明一实施例中房屋交易信息管理方法中的另一流程图;
图5是本发明一实施例中房屋交易信息管理方法中步骤S70的实现流程图;
图6是本发明一实施例中房屋交易信息管理***的一原理框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一:
在一实施例中,如图1所示,本发明公开了一种房屋交易信息管理方法,具体包括如下步骤:
S10:获取房屋历史交易数据,并从房屋历史交易数据中获取房屋推荐数据,并从每一房屋历史交易数据中获取房源信息。
在本实施例中,房屋历史交易数据是指在过去一段时间内,房屋交易成功的数据。房屋推荐数据是指在房屋历史交易数据中,向购房者推荐房源的数据。房源信息是指在每一房屋历史交易中,成交的住房的信息。其中,该房源信息可以包括房东信息、住房的面积、金额以及地址等信息。
具体地,在获取到房屋历史交易数据中,从每一房屋历史交易数据中获取向购房者推荐的房屋推荐数据以及交易成功的房源信息。其中房屋推荐数据可以是包括采用了购房者的属性的种类,以及对每一种类的属性数据的处理方法。
S20:从房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据推荐成功数据以及推荐失败数据对房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据。
在本实施例中,推荐成功数据购房者采纳了推荐的房源的数据。推荐失败数据是指购房者的交易数据中,没有采纳推荐的房源的数据。
具体地,在向购房者推荐房源时,根据购房者输入的属性数据后,例如期望金额、房源的范围以及房源的面积大小等,通过该属性数据,采用预先设置好的推荐的算法,向购房者发送房源的清单,且该清单根据计算的结果,按照与购房者属性数据的关联程度进行排序,进一步地,设置推荐的房源的数量的阈值,若购房者所选择的房源在该数量的阈值内,则认定该推荐成功数据,否则是推荐识别数据,并将对应的房源数据做时天津成功房源数据以及推荐失败房源数据。
S30:对推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果。
具体地,采用预先设置好的分析方法,对推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果。
S40:将分析结果与对应的推荐成功房源数据或对应的推荐失败房源数据进行关联后,存储至预设的数据库中。
具体地,将分析结果与对应的推荐成功房源数据或对应的推荐失败房源数据进行关联后,存储至预设的数据库中。
在本实施例中,从房屋历史交易信息中获取对应的房源信息,并在房源信息中,根据推荐成功数据以及推荐失败数据进行分类,通过分类存储,能够提升数据库中的存储架构;同时,通过对推荐成功数据以及推荐失败数据进行区分,能够有助于后续对推荐的方法进行总结优化,进而能够提升推荐房源的精度,提升交易成功率。
在一实施例中,如图2所示,在步骤S20中,即从房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据推荐成功数据以及推荐失败数据对房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据,具体包括如下步骤:
S21:分别从推荐成功数据以及推荐失败数据中获取交易房源数据。
在本实施例中,交易房源数据是指在交易成功的房源的数据。
具体地,在推荐成功数据以及推荐失败数据中获取交易房源数据。
S22:将推荐成功数据以及推荐失败数据对应的交易房源数据作为对应的推荐成功房源数据以及推荐失败房源数据。
具体地,将推荐成功数据以及推荐失败数据对应的交易房源数据作为对应的推荐成功房源数据以及推荐失败房源数据。
在一实施例中,如图3所示,在步骤S30中,即对推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果,具体包括如下步骤:
S31:获取房源推荐算法,并根据房源推荐算法,从推荐成功房源数据中获取推荐成功维度信息,以及从推荐失败房源数据获取推荐失败维度信息。
在本实施例中,房源推荐算法是指预先设置好,用于计算与购房者的属性的关联程度的算法。
具体地,根据实际需求,设置该房源推荐算法,其中,该房源推荐算法所需要的数据包括购房者属性数据,在采集到该数据后,计算与购房者属性数据相关联的程度。
进一步地,根据房源推荐算法,从推荐成功房源数据中获取推荐成功维度信息,以及从推荐失败房源数据获取推荐失败维度信息。
S32:将推荐成功维度信息与推荐失败维度信息进行比对,得到比对结果。
具体地,将推荐成功维度信息与推荐失败维度信息进行比对,得到比对结果。
S33:根据比对结果,对房源推荐算法进行调整,得到推荐优化算法。
具体地,根据比对结果,对房源推荐算法进行调整,对推荐成功维度信息中,购房者属性数据,以及对应的交易房源数据中,房源的属性信息进行比对,得到成功推荐的属性差,例如,购房者的期望金额,以及成交的实际金额之间的差值;采用相同的方式,在推荐失败维度信息中,得到失败推荐的属性差。
进一步地,根据成功推荐的属性差以及失败推荐的属性差,对房源推荐算法进行调整,得到推荐优化算法。
在一实施例中,如图4所示,在步骤S40之后,房屋交易信息管理方法还包括:
S50:若获取到购房请求,则从购房请求中获取购房者标识。
在本实施例中,购房请求是指购房者触发的请求购买住房或者租房的消息。购房者标识是指具体触发该购房请求的购房者的标识。
具体地,在获取到购房请求后,从购房请求中获取购房者标识。
S60:获取推荐优化算法,根据推荐优化算法向购房者标识发送购房者属性请求。
在本实施例中,购房者属性请求是指请求购房者填写需要购买或租赁的房屋的属性的信息。
具体地,根据推荐优化算法中需要采集的数据的种类,生成该购房者属性请求,并发送至购房者标识对应的客户端。
S70:若获取到购房者属性请求对应的购房者属性数据,则根据购房者属性数据从数据库中获取对应的推荐房源信息。
在本实施例中,购房者属性数据是指购房者填写并发送的需要购买或租赁的房屋的属性的信息。其中包括房源的面积大小、价位、地理位置以及其他需求等信息。
具体地,在获取到购房者属性请求对应的购房者属性数据后,则根据购房者属性数据,使用推荐优化算法计算与该购房者属性数据相关联的房源信息,并根据该房源信息从数据库中获取对应的推荐房源信息。
在一实施例中,如图5所示,在步骤S70中,即若获取到购房者属性请求对应的购房者属性数据,则根据购房者属性数据从数据库中获取对应的推荐房源信息,具体包括如下步骤:
S71:根据推荐优化算法,对每一购房者属性数据中进行优先级排序,得到属性排序结果。
具体地,在该推荐优化算法中,获取每一购房者属性数据的计算权重,并根据该计算权重,计算每一购房者属性数据的推荐得分,根据该得分计算优先级排序,在根据该优先级排序对购房者属性数据进行排序后,得到属性排序结果。
S72:根据属性排序结果,获取推荐房源信息。
具体地,根据属性排序结果,获取推荐房源信息。
应理解,上述实施例中各步骤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,而不应对本发明实施例的实施过程构成任何限定。
实施例二:
在一实施例中,提供一种房屋交易信息管理***,该房屋交易信息管理***与上述实施例中房屋交易信息管理方法一一对应。如图6所示,该房屋交易信息管理***包括历史信息获取模块10、分类模块20、分析模块30块和关联存储模块40。各功能模块详细说明如下:
历史信息获取模块10,用于获取房屋历史交易数据,并从房屋历史交易数据中获取房屋推荐数据,并从每一房屋历史交易数据中获取房源信息;
分类模块20,用于从房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据推荐成功数据以及推荐失败数据对房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据;
分析模块30,用于对推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果;
关联存储模块40,用于将分析结果与对应的推荐成功房源数据或对应的推荐失败房源数据进行关联后,存储至预设的数据库中。
优选地,分类模块20包括:
数据分类获取子模块21,用于分别从推荐成功数据以及推荐失败数据中获取交易房源数据;
分类子模块22,用于将推荐成功数据以及推荐失败数据对应的交易房源数据作为对应的推荐成功房源数据以及推荐失败房源数据。
优选地,分析模块30包括:
维度数据获取子模块31,用于获取房源推荐算法,并根据房源推荐算法,从推荐成功房源数据中获取推荐成功维度信息,以及从推荐失败房源数据获取推荐失败维度信息;
比对子模块32,用于将推荐成功维度信息与推荐失败维度信息进行比对,得到比对结果;
算法优化子模块33,用于根据比对结果,对房源推荐算法进行调整,得到推荐优化算法。
优选地,房屋交易信息管理***还包括:
房源购买模块50,用于若获取到购房请求,则从购房请求中获取购房者标识;
属性请求模块60,用于获取推荐优化算法,根据推荐优化算法向购房者标识发送购房者属性请求;
推荐模块70,用于若获取到购房者属性请求对应的购房者属性数据,则根据购房者属性数据从数据库中获取对应的推荐房源信息。
优选地,推荐模块70包括:
优先级排序子模块71,用于根据推荐优化算法,对每一购房者属性数据中进行优先级排序,得到属性排序结果;
推荐子模块72,用于根据属性排序结果,获取推荐房源信息。
关于房屋交易信息管理***的具体限定可以参见上文中对于房屋交易信息管理方法的限定,在此不再赘述。上述房屋交易信息管理***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
Claims (2)
1.一种房屋交易信息管理方法,其特征在于,所述房屋交易信息管理方法包括以下步骤:
S10:获取房屋历史交易数据,并从所述房屋历史交易数据中获取房屋推荐数据,并从每一所述房屋历史交易数据中获取房源信息;
S20:从所述房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据所述推荐成功数据以及推荐失败数据对所述房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据;
S30:对所述推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果;
S40:将所述分析结果与对应的推荐成功房源数据或对应的所述推荐失败房源数据进行关联后,存储至预设的数据库中;
S50:若获取到购房请求,则从所述购房请求中获取购房者标识;
S60:获取推荐优化算法,根据所述推荐优化算法向所述购房者标识发送购房者属性请求;其中,购房者属性请求是指请求购房者填写需要购买或租赁的房屋的属性的信息;
S70:若获取到所述购房者属性请求对应的购房者属性数据,则根据所述购房者属性数据从所述数据库中获取对应的推荐房源信息;
其中,购房者属性数据是指购房者填写并发送的需要购买或租赁的房屋的属性的信息,其中包括房源的面积大小、价位、地理位置以及其他需求信息;
步骤S30包括:
S31:获取房源推荐算法,并根据所述房源推荐算法,从所述推荐成功房源数据中获取推荐成功维度信息,以及从所述推荐失败房源数据获取推荐失败维度信息;其中,在推荐成功维度信息中,购房者属性数据,以及对应的交易房源数据中,房源的属性信息进行比对,得到成功推荐的属性差,在推荐失败维度信息中,得到失败推荐的属性差;
S32:将所述推荐成功维度信息与所述推荐失败维度信息进行比对,得到比对结果;
S33:根据所述比对结果,对所述房源推荐算法进行调整,得到推荐优化算法;
步骤S70包括:
S71:根据所述推荐优化算法,对每一所述购房者属性数据中进行优先级排序,得到属性排序结果;其中,在推荐优化算法中,获取每一购房者属性数据的计算权重,并根据计算权重计算每一购房者属性数据的推荐得分,根据推荐得分计算优先级排序,在根据优先级排序对购房者属性数据进行排序后,得到属性排序结果;
S72:根据所述属性排序结果,获取所述推荐房源信息;
所述方法还包括:
根据购房者输入的属性数据,采用预先设置的推荐算法,向购房者发送房源清单,房源清单按照与购房者属性数据的关联程度进行排序;
设置推荐房源的数量阈值,若购房者所选择的房源在数量阈值内,则认定为推荐成功数据;
步骤S20包括:
S21:分别从所述推荐成功数据以及所述推荐失败数据中获取交易房源数据;
S22:将所述推荐成功数据以及所述推荐失败数据对应的所述交易房源数据作为对应的所述推荐成功房源数据以及推荐失败房源数据。
2.一种房屋交易信息管理***,其特征在于,所述房屋交易信息管理***包括:
历史信息获取模块,用于获取房屋历史交易数据,并从所述房屋历史交易数据中获取房屋推荐数据,并从每一所述房屋历史交易数据中获取房源信息;
分类模块,用于从所述房屋推荐数据中获取推荐成功数据以及推荐失败数据,并根据所述推荐成功数据以及推荐失败数据对所述房源信息进行分类,得到推荐成功房源数据以及推荐失败房源数据;
分析模块,用于对所述推荐成功房源数据以及推荐失败房源数据进行结果分析后,得到与每一推荐成功房源数据以及推荐失败房源数据对应的分析结果;
关联存储模块,用于将所述分析结果与对应的推荐成功房源数据或对应的所述推荐失败房源数据进行关联后,存储至预设的数据库中;
所述分析模块包括:
维度数据获取子模块,用于获取房源推荐算法,并根据所述房源推荐算法,从所述推荐成功房源数据中获取推荐成功维度信息,以及从所述推荐失败房源数据获取推荐失败维度信息;其中,在推荐成功维度信息中,购房者属性数据,以及对应的交易房源数据中,房源的属性信息进行比对,得到成功推荐的属性差,在推荐失败维度信息中,得到失败推荐的属性差;
比对子模块,用于将所述推荐成功维度信息与所述推荐失败维度信息进行比对,得到比对结果;
算法优化子模块,用于根据所述比对结果,对所述房源推荐算法进行调整,得到推荐优化算法;
所述房屋交易信息管理***还包括:
房源购买模块,用于若获取到购房请求,则从所述购房请求中获取购房者标识;
属性请求模块,用于获取推荐优化算法,根据所述推荐优化算法向所述购房者标识发送购房者属性请求;其中,购房者属性请求是指请求购房者填写需要购买或租赁的房屋的属性的信息;
推荐模块,用于若获取到所述购房者属性请求对应的购房者属性数据,则根据所述购房者属性数据从所述数据库中获取对应的推荐房源信息;其中,购房者属性数据是指购房者填写并发送的需要购买或租赁的房屋的属性的信息,其中包括房源的面积大小、价位、地理位置以及其他需求信息;
所述推荐模块包括:
优先级排序子模块,用于根据所述推荐优化算法,对每一所述购房者属性数据中进行优先级排序,得到属性排序结果;
推荐子模块,用于根据所述属性排序结果,获取所述推荐房源信息;其中,在推荐优化算法中,获取每一购房者属性数据的计算权重,并根据计算权重计算每一购房者属性数据的推荐得分,根据推荐得分计算优先级排序,在根据优先级排序对购房者属性数据进行排序后,得到属性排序结果;所述房屋交易信息管理***还被配置为:
根据购房者输入的属性数据,采用预先设置的推荐算法,向购房者发送房源清单,房源清单按照与购房者属性数据的关联程度进行排序;
设置推荐房源的数量阈值,若购房者所选择的房源在数量阈值内,则认定为推荐成功数据;
所述分类模块包括:
数据分类获取子模块,用于分别从所述推荐成功数据以及所述推荐失败数据中获取交易房源数据;
分类子模块,用于将所述推荐成功数据以及所述推荐失败数据对应的所述交易房源数据作为对应的所述推荐成功房源数据以及推荐失败房源数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067496.XA CN111311357B (zh) | 2020-01-20 | 2020-01-20 | 一种房屋交易信息管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067496.XA CN111311357B (zh) | 2020-01-20 | 2020-01-20 | 一种房屋交易信息管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311357A CN111311357A (zh) | 2020-06-19 |
CN111311357B true CN111311357B (zh) | 2024-05-03 |
Family
ID=71158166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010067496.XA Active CN111311357B (zh) | 2020-01-20 | 2020-01-20 | 一种房屋交易信息管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311357B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116737790A (zh) * | 2023-05-15 | 2023-09-12 | 佛山市大迈信息科技有限公司 | 一种售楼交易数据处理方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
CN102651033A (zh) * | 2012-04-09 | 2012-08-29 | 百度在线网络技术(北京)有限公司 | 一种在线资源的推荐方法和装置 |
CN106844787A (zh) * | 2017-03-16 | 2017-06-13 | 四川大学 | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 |
CN107169797A (zh) * | 2017-05-16 | 2017-09-15 | 京东方科技集团股份有限公司 | 智能导购方法、***、共享服务器和智能导购机器人 |
CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
-
2020
- 2020-01-20 CN CN202010067496.XA patent/CN111311357B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
CN102651033A (zh) * | 2012-04-09 | 2012-08-29 | 百度在线网络技术(北京)有限公司 | 一种在线资源的推荐方法和装置 |
CN106844787A (zh) * | 2017-03-16 | 2017-06-13 | 四川大学 | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 |
CN107169797A (zh) * | 2017-05-16 | 2017-09-15 | 京东方科技集团股份有限公司 | 智能导购方法、***、共享服务器和智能导购机器人 |
CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111311357A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6608029B2 (ja) | データラベリング作業検査方法及びプログラム | |
CN110163739B (zh) | 支付申诉方法、装置、服务器及可读存储介质 | |
KR20220133824A (ko) | 판매자를 위한 온라인 쇼핑몰 통합관리 시스템 및 방법 | |
CN111292085B (zh) | 交易风险评估的方法、装置、设备及计算机可读存储介质 | |
CN111882358B (zh) | 基于直播平台的数据管控方法、设备、存储介质及装置 | |
US20220383316A1 (en) | Trust platform | |
CN111311357B (zh) | 一种房屋交易信息管理方法及*** | |
WO2017177834A1 (zh) | 一种进行翻译的方法和*** | |
US20230099627A1 (en) | Machine learning model for predicting an action | |
US20230093977A1 (en) | Delivery vehicle selection based on location data and memory resource content | |
CN112750015B (zh) | 一种黑色金属材料用电子交易*** | |
CN112348435B (zh) | 任务推送方法、装置、计算机设备及计算机可读存储介质 | |
CN114169780A (zh) | 业务处理方法、设备以及存储介质 | |
CN116450703B (zh) | 数据处理、统计、节点确定、建模方法及电子设备 | |
CN115423574B (zh) | 基于订单的数据处理方法及相关装置 | |
US20180089774A1 (en) | Method for automatic property valuation | |
CN110515929B (zh) | 书籍展示方法、计算设备及存储介质 | |
CN112328901A (zh) | 基于云计算和区块链金融的业务推荐方法及云计算平台 | |
CN110889748A (zh) | 店商平台产品推荐方法、装置、计算机设备以及存储介质 | |
KR102484378B1 (ko) | 신뢰도 기반의 기계 견적 의뢰 처리 시스템 및 그 방법 | |
CN109785080B (zh) | 信息确认方法、装置、电子设备及可读存储介质 | |
JP2021117520A (ja) | 情報処理方法、情報処理装置、及びプログラム | |
US20170236174A1 (en) | Methods and systems of providing health scores in an online marketplace | |
WO2018118981A1 (en) | Systems and methods for managing inventory across a distributed network | |
CN116957739B (zh) | 一种交易中介***及其方法 |
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 |