CN112905903A - 一种租房推荐方法、装置、电子设备及存储介质 - Google Patents
一种租房推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112905903A CN112905903A CN202110369158.6A CN202110369158A CN112905903A CN 112905903 A CN112905903 A CN 112905903A CN 202110369158 A CN202110369158 A CN 202110369158A CN 112905903 A CN112905903 A CN 112905903A
- Authority
- CN
- China
- Prior art keywords
- house
- destination
- information
- renting
- current user
- 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 56
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- 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
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开公开了一种租房推荐方法、装置、电子设备及存储介质,涉及人工智能领域,尤其涉及深度学习和知识图谱领域。具体实现方案为:接收当前用户输入的目的地和租房要求;其中,租房要求至少包括:通勤时间和租房费用;将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果;若当前用户的搜索结果包括至少一个候选房源的信息,则将该至少一个候选房源的信息推荐给当前用户。本申请实施例可以满足不同用户的租房需求,达到个性化、合理化、智能化的推荐效果,帮助用户完成最终的租房决策。
Description
技术领域
本公开涉及人工智能技术领域,进一步涉及深度学习和知识图谱技术领域,尤其是一种租房推荐方法、装置、电子设备及存储介质。
背景技术
衣食住行是人们生活最基本的诉求,其中与住相关的租房是现今大部分年轻人避不开的话题。据统计,越来越多有租房诉求的人,会采用线上找房的方式,来寻找方便上班的居住地点。而市场上的在线找房产品,通常难以满足这部分人的诉求,用户往往需要花费大量的时间和精力,去不停地筛选,询问同事朋友,以及现场看房,才能找到满足需求的房子;还有的用户在租房之后,才发现该房子到公司的真实通勤条件,和线上找房产品上描述的信息不符,找房结果不尽如人意。
为了能找到真正适合自己的房子,只有通过多次试错才能实现。但是对于大部分有租房诉求的用户,特别是刚毕业的年轻人,往往人生地不熟,不知道同事们都住在哪里,也不知道公司附近到底通勤条件如何,选中的房子会不会不方便上班等等。但是迫于现实,他们却要在短时间内找到方便上班且费用实惠的房子。显然目前市场上的找房产品无法满足用户需求,使得用户的租房之旅更是艰难。
发明内容
本公开提供了一种租房推荐方法、装置、电子设备以及存储介质。
第一方面,本申请提供了一种租房推荐方法,所述方法包括:
接收当前用户输入的目的地和租房要求;其中,所述租房要求至少包括:通勤时间和租房费用;
将所述当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过所述推荐模型基于预先构建的租房知识图谱输出所述当前用户的搜索结果;
若所述当前用户的搜索结果包括至少一个候选房源的信息,则将所述至少一个候选房源的信息推荐给所述当前用户。
第二方面,本申请提供了一种租房推荐装置,所述装置包括:接收模块、搜索模块和推荐模块;其中,
所述接收模块,用于接收当前用户输入的目的地和租房要求;其中,所述租房要求至少包括:通勤时间和租房费用;
所述搜索模块,用于将所述当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过所述推荐模型基于预先构建的租房知识图谱输出所述当前用户的搜索结果;
所述推荐模块,用于若所述当前用户的搜索结果包括至少一个候选房源的信息,则将所述至少一个候选房源的信息推荐给所述当前用户。
第三方面,本申请实施例提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请任意实施例所述的租房推荐方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例所述的租房推荐方法。
第五方面,提供了一种计算机程序产品,当所述计算机程序产品被计算机设备执行时实现本申请任意实施例所述的租房推荐方法。
根据本申请的技术解决了现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子的技术问题,本申请提供的技术方案,可以满足不同用户的租房需求,达到个性化、合理化、智能化的推荐效果,帮助用户完成最终的租房决策。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本申请实施例提供的租房推荐方法的第一流程示意图;
图2是本申请实施例提供的租房推荐方法的第二流程示意图;
图3是本申请实施例提供的租房知识图谱的结构示意图;
图4是本申请实施例提供的租房推荐方法的第三流程示意图;
图5是本申请实施例提供的租房推荐装置的结构示意图;
图6是用来实现本申请实施例的租房推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
图1是本申请实施例提供的租房推荐方法的流程示意图,该方法可以由租房推荐装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,租房推荐方法可以包括以下步骤:
S101、接收当前用户输入的目的地和租房要求;其中,租房要求至少包括:通勤时间和租房费用。
在本步骤中,电子设备可以接收当前用户输入的目的地和租房要求;其中,租房要求至少包括:通勤时间和租房费用。具体地,电子设备可以在租房应用程序(Application,简称APP)的一个用户界面上提供给当前用户至少三个输入框,例如,该用户界面上可以显示:第一输入框、第二输入框和第三输入框;当前用户打开该用户界面后,可以在第一输入框中输入目的地;在第二输入框中输入通勤时间;在第三输入框中输入租房费用。
S102、将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果。
在本步骤中,电子设备可以将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果;其中,该搜索结果可以包括:未搜索到任何一个候选房源的信息和搜索到至少一个房源的信息;未搜索到任何一个候选房源的信息表示基于租房知识图谱未查找到任何一个与当前用户的租房需求相匹配的房源;租房知识图谱查找到一个或者多个与当前用户的租房搜索到至少一个房源的信息表示基于需求相匹配的房源。在本申请实施例中,电子设备可以在租房知识图谱中查找与目的地和租房要求相匹配的房源的信息;若在租房知识图谱中查找到至少一个与目的地和租房要求相匹配的房源的信息,则将该至少一个与所述目的地和租房要求相匹配的房源的信息确定为该至少一个候选房源的信息。
S103、若当前用户的搜索结果包括至少一个候选房源的信息,则将该至少一个候选房源的信息推荐给当前用户。
在本步骤中,若当前用户的搜索结果包括至少一个候选房源的信息,则电子设备可以将该至少一个候选房源的信息推荐给当前用户。具体地,电子设备可以将该至少一个候选房源的信息直接推荐给当前用户;也可以先将该至少一个候选房源的信息进行排序,然后将排序后的至少一个候选房源的信息推荐给当前用户;进一步地,还可以在排序后的至少一个候选房源的信息选择一个或者多个候选房源的信息推荐给当前用户。
本申请实施例提出的租房推荐方法,先接收当前用户输入的目的地和租房要求;然后将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果;若当前用户的搜索结果包括至少一个候选房源的信息,则将该至少一个候选房源的信息推荐给当前用户。也就是说,本申请可以预先构建租房知识图谱,当前用户可以输入目标地和租房要求,该租房要求可以至少包括:通勤时间和租房费用,本申请基于该租房知识图谱输出当前用户的搜索结果。而现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子。因为本申请采用了预先构建租房知识图谱以及基于该租房知识图谱获取与当前用户相匹配的候选房源的技术手段,克服了现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子的技术问题,本申请提供的技术方案,可以满足不同用户的租房需求,达到个性化、合理化、智能化的推荐效果,帮助用户完成最终的租房决策;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2是本申请实施例提供的租房推荐方法的第二流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2所示,租房推荐方法可以包括以下步骤:
S201、获取目的地的群体决策特征,以及各个居住聚集地的用户群体特征。
在本步骤中,电子设备可以获取目的地的群体决策特征,以及各个居住聚集地的用户群体特征;其中,群体决策特征用于表示到达该目的地的人群的分布特征,包括但不限于:到达该目的地的人群的区域信息、商圈信息或者小区信息;用户群体特征用于表示居住聚集地的用户的群体特征,包括但不限于:各个居住聚集地中的用户的职业分布、年龄段分布或者收入水平分布。具体地,本申请可以预先确定至少一个目的地和至少一个居住聚集地;该至少一个目的地可以为一个或者多个工作单位;该至少一个居住聚集地可以为一个或者多个居民小区;然后获取各个工作单位的群体决策特征,以及各个居民小区的用户群体特征。
S202、计算目的地到各个居住聚集地的至少一种通勤方式的通勤成本。
在本步骤中,电子设备可以计算目的地到各个居住聚集地的至少一种通勤方式的通勤成本;其中,该至少一种通勤方式包括但不限于以下至少其中之一:驾车、共交、地铁、打车、步行;通勤成本包括:时间成本和费用成本。
S203、基于目的地的群体决策特征、各个居住聚集地的用户群体特征,以及目的地到各个居住聚集地的至少一种通勤方式的通勤成本,构建租房知识图谱。
在本步骤中,电子设备可以基于目的地的群体决策特征、各个居住聚集地的用户群体特征,以及目的地到各个居住聚集地的至少一种通勤方式的通勤成本,构建租房知识图谱。知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
图3是本申请实施例提供的租房知识图谱的结构示意图。如图3所示,本申请可以在多个维度上构建租房知识图谱,包括但不限于:工作地、居住地、房源和用户;其中,居住地与工作地之间可以通过多种方式进行关联,例如,片区往返比例统计、通勤路线时空统计、通勤方式(驾车、公交、骑车、步行或者打车)等;居住地和房源之间也可以通过多种方式进行关联,例如,租房费用、房源数量、新增房源等;居住地与用户之间可以通过居住在此与否进行关联;工作地与用户之间可以通过工作在此与否进行关联。具体地,工作地相关的信息包括但不限于:单位名称、单位地址、单位坐标等;居住地相关的信息包括但不限于:小区名称、小区地址、小区坐标、周围配套(交通、美食、地铁等兴趣点)等;进一步地,该租房知识图谱还可以包括各个居住地关联的居住地片区以及各个工作地关联的工作地片区;此外,房源相关的信息包括但不限于:朝向、户型、租房费用、租赁方式(整租或者合租)、装修级别、来源等;用户相关的信息包括但不限于:出行偏好、消费能力、通勤时空需求等。
S204、接收当前用户输入的目的地和租房要求;其中,租房要求至少包括:通勤时间和租房费用。
S205、将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果。
S206、若当前用户的搜索结果包括至少一个候选房源的信息,则将该至少一个候选房源的信息推荐给当前用户。
本申请实施例提出的租房推荐方法,先接收当前用户输入的目的地和租房要求;然后将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果;若当前用户的搜索结果包括至少一个候选房源的信息,则将该至少一个候选房源的信息推荐给当前用户。也就是说,本申请可以预先构建租房知识图谱,当前用户可以输入目标地和租房要求,该租房要求可以至少包括:通勤时间和租房费用,本申请基于该租房知识图谱输出当前用户的搜索结果。而现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子。因为本申请采用了预先构建租房知识图谱以及基于该租房知识图谱获取与当前用户相匹配的候选房源的技术手段,克服了现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子的技术问题,本申请提供的技术方案,可以满足不同用户的租房需求,达到个性化、合理化、智能化的推荐效果,帮助用户完成最终的租房决策;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图4是本申请实施例提供的租房推荐方法的第三流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图4所示,租房推荐方法可以包括以下步骤:
S401、接收当前用户输入的目的地和租房要求;其中,租房要求至少包括:通勤时间和租房费用。
S402、将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果。
S403、基于目的地的群体决策特征、各个居住聚集地的用户群体特征,以及目的地到各个居住聚集地的至少一种通勤方式的通勤成本,将该至少一个候选房源的信息进行排序,得到排序后的至少一个候选房源的信息。
在本步骤中,电子设备可以基于目的地的群体决策特征、各个居住聚集地的用户群体特征,以及目的地到各个居住聚集地的至少一种通勤方式的通勤成本,将该至少一个候选房源的信息进行排序,得到排序后的至少一个候选房源的信息。具体地,电子设备可以将搜索结果中包括的至少一个候选房源的信输入至预先训练好的排序模型中;通过排序模型基于目的地的群体决策特征、各个居住聚集地的用户群体特征,以及目的地到各个居住聚集地的至少一种通勤方式的通勤成本,输出排序后的至少一个候选房源的信息。较佳地,该排序模型可以为DeepFM模型;DeepFM模块可以包含两部分:神经网络部分与因子分解机部分,分别负责低阶特征的提取和高阶特征的提取;这两部分共享同样的输入。
S404、将排序后的至少一个候选房源的信息推荐给当前用户。
在本步骤中,电子设备可以将排序后的至少一个候选房源的信息推荐给当前用户。具体地,电子设备可以将排序后的至少一个候选房源的信息全部推荐给当前用户;也可以在排序后的至少一个候选房源的信息选择一个或者多个候选房源的信息推荐给当前用户。较佳地,电子设备可以基于点击通过率(Click-Through-Rate,简称CTR)将排序后的至少一个候选房源的信息全部推荐给当前用户。
在本申请的具体实施例中,电子设备还可以基于目的地的群体决策特征、各个居住聚集地的用户群体特征,以及目的地到各个居住聚集地的至少一种通勤方式的通勤成本,获取该至少一个候选房源中的一个或者多个候选房源的推荐理由;然后将该至少一个候选房源中的一个或者多个候选房源的推荐理由展示给当前用户。例如,很多同事住在这,小区有菜市场,步行到公园,距离重要路口、地铁或者学校路程短,出行方便等。
本申请实施例提出的租房推荐方法,先接收当前用户输入的目的地和租房要求;然后将当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过推荐模型基于预先构建的租房知识图谱输出当前用户的搜索结果;若当前用户的搜索结果包括至少一个候选房源的信息,则将该至少一个候选房源的信息推荐给当前用户。也就是说,本申请可以预先构建租房知识图谱,当前用户可以输入目标地和租房要求,该租房要求可以至少包括:通勤时间和租房费用,本申请基于该租房知识图谱输出当前用户的搜索结果。而现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子。因为本申请采用了预先构建租房知识图谱以及基于该租房知识图谱获取与当前用户相匹配的候选房源的技术手段,克服了现有技术中的找房产品无法满足用户需求,用户需要花费大量的时间和精力,才能找到真正适合自己的房子的技术问题,本申请提供的技术方案,可以满足不同用户的租房需求,达到个性化、合理化、智能化的推荐效果,帮助用户完成最终的租房决策;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图5是本申请实施例提供的租房推荐装置的结构示意图。如图5所示,所述装置500包括:接收模块501、搜索模块502和推荐模块503;其中,
所述接收模块501,用于接收当前用户输入的目的地和租房要求;其中,所述租房要求至少包括:通勤时间和租房费用;
所述搜索模块502,用于将所述当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过所述推荐模型基于预先构建的租房知识图谱输出所述当前用户的搜索结果;
所述推荐模块503,用于若所述当前用户的搜索结果包括至少一个候选房源的信息,则将所述至少一个候选房源的信息推荐给所述当前用户。
进一步的,所述装置还包括:构建模块504(图中未示出),用于获取所述目的地的群体决策特征,以及各个居住聚集地的用户群体特征;计算所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本;基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,构建所述租房知识图谱。
进一步的,所述群体决策特征包括但不限于:到达所述目的地的人群的区域信息、商圈信息或者小区信息;所述用户群体特征包括但不限于:各个居住聚集地中的用户的职业分布、年龄段分布或者收入水平分布;所述至少一种通勤方式包括但不限于以下至少其中之一:驾车、共交、地铁、打车、步行;所述通勤成本包括:时间成本和费用成本。
进一步的,所述搜索模块502,具体用于在所述租房知识图谱中查找与所述目的地和所述租房要求相匹配的房源的信息;若在所述租房知识图谱中查找到至少一个与所述目的地和所述租房要求相匹配的房源的信息,则将所述至少一个与所述目的地和所述租房要求相匹配的房源的信息确定为所述至少一个候选房源的信息。
进一步的,所述推荐模块503,具体用于基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,将所述至少一个候选房源的信息进行排序,得到排序后的至少一个候选房源的信息;将所述排序后的至少一个候选房源的信息推荐给所述当前用户。
进一步的,所述推荐模块503,还用于基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,获取所述至少一个候选房源中的一个或者多个候选房源的推荐理由;将至少一个候选房源中的一个或者多个候选房源的推荐理由展示给所述当前用户。
上述租房推荐装置可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任意实施例提供的租房推荐方法。
实施例五
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如租房推荐方法。例如,在一些实施例中,租房推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的租房推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行租房推荐方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种租房推荐方法,所述方法包括:
接收当前用户输入的目的地和租房要求;其中,所述租房要求至少包括:通勤时间和租房费用;
将所述当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过所述推荐模型基于预先构建的租房知识图谱输出所述当前用户的搜索结果;
若所述当前用户的搜索结果包括至少一个候选房源的信息,则将所述至少一个候选房源的信息推荐给所述当前用户。
2.根据权利要求1所述的方法,在所述接收用户输入的目的地和租房要求之前,所述方法还包括:
获取所述目的地的群体决策特征,以及各个居住聚集地的用户群体特征;
计算所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本;
基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,构建所述租房知识图谱。
3.根据权利要求2所述的方法,所述群体决策特征包括但不限于:到达所述目的地的人群的区域信息、商圈信息或者小区信息;所述用户群体特征包括但不限于:各个居住聚集地中的用户的职业分布、年龄段分布或者收入水平分布;所述至少一种通勤方式包括但不限于以下至少其中之一:驾车、共交、地铁、打车、步行;所述通勤成本包括:时间成本和费用成本。
4.根据权利要求1所述的方法,其中,所述通过所述推荐模型基于预先构建的租房知识图谱输出所述当前用户的搜索结果,包括:
在所述租房知识图谱中查找与所述目的地和所述租房要求相匹配的房源的信息;
若在所述租房知识图谱中查找到至少一个与所述目的地和所述租房要求相匹配的房源的信息,则将所述至少一个与所述目的地和所述租房要求相匹配的房源的信息确定为所述至少一个候选房源的信息。
5.根据权利要求2所述的方法,其中,所述将所述至少一个候选房源的信息推荐给所述当前用户,包括:
基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,将所述至少一个候选房源的信息进行排序,得到排序后的至少一个候选房源的信息;
将所述排序后的至少一个候选房源的信息推荐给所述当前用户。
6.根据权利要求5所述的方法,所述方法还包括:
基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,获取所述至少一个候选房源中的一个或者多个候选房源的推荐理由;
将至少一个候选房源中的一个或者多个候选房源的推荐理由展示给所述当前用户。
7.一种租房推荐装置,所述装置包括:接收模块、搜索模块和推荐模块;其中,
所述接收模块,用于接收当前用户输入的目的地和租房要求;其中,所述租房要求至少包括:通勤时间和租房费用;
所述搜索模块,用于将所述当前用户输入的目的地和租房要求输入至预先训练好的推荐模型中;通过所述推荐模型基于预先构建的租房知识图谱输出所述当前用户的搜索结果;
所述推荐模块,用于若所述当前用户的搜索结果包括至少一个候选房源的信息,则将所述至少一个候选房源的信息推荐给所述当前用户。
8.根据权利要求7所述的装置,所述装置还包括:构建模块,用于获取所述目的地的群体决策特征,以及各个居住聚集地的用户群体特征;计算所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本;基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,构建所述租房知识图谱。
9.根据权利要求8所述的装置,所述群体决策特征包括但不限于:到达所述目的地的人群的区域信息、商圈信息或者小区信息;所述用户群体特征包括但不限于:各个居住聚集地中的用户的职业分布、年龄段分布或者收入水平分布;所述至少一种通勤方式包括但不限于以下至少其中之一:驾车、共交、地铁、打车、步行;所述通勤成本包括:时间成本和费用成本。
10.根据权利要求7所述的装置,所述搜索模块,具体用于在所述租房知识图谱中查找与所述目的地和所述租房要求相匹配的房源的信息;若在所述租房知识图谱中查找到至少一个与所述目的地和所述租房要求相匹配的房源的信息,则将所述至少一个与所述目的地和所述租房要求相匹配的房源的信息确定为所述至少一个候选房源的信息。
11.根据权利要求8所述的装置,所述推荐模块,具体用于基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,将所述至少一个候选房源的信息进行排序,得到排序后的至少一个候选房源的信息;将所述排序后的至少一个候选房源的信息推荐给所述当前用户。
12.根据权利要求11所述的装置,所述推荐模块,还用于基于所述目的地的群体决策特征、各个居住聚集地的用户群体特征,以及所述目的地到各个居住聚集地的至少一种通勤方式的通勤成本,获取所述至少一个候选房源中的一个或者多个候选房源的推荐理由;将至少一个候选房源中的一个或者多个候选房源的推荐理由展示给所述当前用户。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110369158.6A CN112905903A (zh) | 2021-04-06 | 2021-04-06 | 一种租房推荐方法、装置、电子设备及存储介质 |
US17/651,788 US20220172310A1 (en) | 2021-04-06 | 2022-02-18 | House-renting recommendation method, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110369158.6A CN112905903A (zh) | 2021-04-06 | 2021-04-06 | 一种租房推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112905903A true CN112905903A (zh) | 2021-06-04 |
Family
ID=76110044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110369158.6A Pending CN112905903A (zh) | 2021-04-06 | 2021-04-06 | 一种租房推荐方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220172310A1 (zh) |
CN (1) | CN112905903A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217877A (zh) * | 2023-09-13 | 2023-12-12 | 青岛仁科信息技术有限公司 | 一种房屋租赁推荐方法、介质及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240163A (zh) * | 2014-09-28 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 一种小区智能推荐方法及装置 |
CN107729426A (zh) * | 2017-09-28 | 2018-02-23 | 链家网(北京)科技有限公司 | 一种选房方法、装置、服务器及*** |
CN108985876A (zh) * | 2018-06-11 | 2018-12-11 | 平安科技(深圳)有限公司 | 房源信息获取方法、装置及存储介质、服务器 |
CN109064243A (zh) * | 2018-06-19 | 2018-12-21 | 链家网(北京)科技有限公司 | 房源搜索方法 |
CN111274487A (zh) * | 2020-02-12 | 2020-06-12 | 北京城市网邻信息技术有限公司 | 一种房源信息的推荐方法和装置 |
CN111353106A (zh) * | 2020-02-26 | 2020-06-30 | 贝壳技术有限公司 | 推荐方法和装置、电子设备和存储介质 |
CN111383042A (zh) * | 2018-12-30 | 2020-07-07 | 贝壳技术有限公司 | 房源推荐方法和装置 |
CN111800493A (zh) * | 2020-06-29 | 2020-10-20 | 百度在线网络技术(北京)有限公司 | 信息内容推送方法、装置、电子设备和存储介质 |
-
2021
- 2021-04-06 CN CN202110369158.6A patent/CN112905903A/zh active Pending
-
2022
- 2022-02-18 US US17/651,788 patent/US20220172310A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240163A (zh) * | 2014-09-28 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 一种小区智能推荐方法及装置 |
CN107729426A (zh) * | 2017-09-28 | 2018-02-23 | 链家网(北京)科技有限公司 | 一种选房方法、装置、服务器及*** |
CN108985876A (zh) * | 2018-06-11 | 2018-12-11 | 平安科技(深圳)有限公司 | 房源信息获取方法、装置及存储介质、服务器 |
CN109064243A (zh) * | 2018-06-19 | 2018-12-21 | 链家网(北京)科技有限公司 | 房源搜索方法 |
CN111383042A (zh) * | 2018-12-30 | 2020-07-07 | 贝壳技术有限公司 | 房源推荐方法和装置 |
CN111274487A (zh) * | 2020-02-12 | 2020-06-12 | 北京城市网邻信息技术有限公司 | 一种房源信息的推荐方法和装置 |
CN111353106A (zh) * | 2020-02-26 | 2020-06-30 | 贝壳技术有限公司 | 推荐方法和装置、电子设备和存储介质 |
CN111800493A (zh) * | 2020-06-29 | 2020-10-20 | 百度在线网络技术(北京)有限公司 | 信息内容推送方法、装置、电子设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217877A (zh) * | 2023-09-13 | 2023-12-12 | 青岛仁科信息技术有限公司 | 一种房屋租赁推荐方法、介质及*** |
Also Published As
Publication number | Publication date |
---|---|
US20220172310A1 (en) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11835352B2 (en) | Identifying, processing and displaying data point clusters | |
CN111831897B (zh) | 一种出行目的地推荐方法、装置、电子设备及存储介质 | |
CN112612957A (zh) | 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置 | |
JP2022018087A (ja) | 地図情報表示方法、装置、電子デバイス及び記憶媒体 | |
US20230049839A1 (en) | Question Answering Method for Query Information, and Related Apparatus | |
CN104714961A (zh) | 一种住宿地点推荐方法、装置及*** | |
CN113360792B (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
CN112632379A (zh) | 路线推荐方法、装置、电子设备和存储介质 | |
CN113536152A (zh) | 一种地图兴趣点展示方法、装置及电子设备 | |
Mahmud et al. | State of mobile crowdsourcing applications: A review | |
KR20210065773A (ko) | 빅데이터 기반의 감성정보 분석평가 시스템 및 그 구동방법 | |
CN112905903A (zh) | 一种租房推荐方法、装置、电子设备及存储介质 | |
CN113257030B (zh) | 停车场属性预测模型训练方法、停车场推荐方法及装置 | |
CN113761398B (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
EP4047447A1 (en) | Route recommendation method and apparatus, electronic device, and storage medium | |
CN112559876B (zh) | 地图搜索结果的展现方法、装置、设备及存储介质 | |
CN114820960A (zh) | 构建图谱的方法、装置、设备和介质 | |
CN114036414A (zh) | 兴趣点的处理方法、装置、电子设备、介质及程序产品 | |
CN110781283B (zh) | 连锁品牌词库生成方法、装置以及电子设备 | |
CN112528156A (zh) | 建立排序模型的方法、查询自动补全的方法及对应装置 | |
CN113076389A (zh) | 文章地域识别方法、装置、电子设备及可读存储介质 | |
CN112861023A (zh) | 地图信息处理方法、装置、设备、存储介质及程序产品 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
CN112232572B (zh) | 一种空间搜索方法、装置及存储介质 | |
CN114610997A (zh) | 一种评论排序方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |
|
RJ01 | Rejection of invention patent application after publication |