基于问题合成的用户租房偏好捕获方法技术
【技术实现步骤摘要】
本专利技术涉及一种基于问题合成的用户租房偏好捕获方法，属于人工智能领域，适用于租房交易平台的个性化推荐。
技术介绍
近几年，随着我国住房价格的不断攀升，很多平民百姓都买不起房子而改为租房来解决住房问题。为租房者提供合适的个性化房源推荐，成为了现有租房交易平台的重要服务。主流的个性化推荐技术包括协同推荐和内容推荐。协同推荐依赖于大量的用户历史数据。由于在租房领域租房者难有足够的历史租房记录，协同推荐不太适用于租房的个性化推荐。而内容推荐则依赖于用户画像模型。传统技术都采用标签集合来表示用户画像模型。比如在租房领域，我们可以用“邻近医院”、“交通便利”和“电梯楼”等标签来表达用户对租房的偏好。但是，标签是扁平化的，并不能充分表达用户对租房的一些复杂偏好，比如“周边要有地铁到达中山大学”等。因此，本专利技术采用远远超出标签表达能力的描述逻辑语言来刻画用户对租房的偏好特征，以充分表达用户对租房的个性化需求。描述逻辑是一阶逻辑的可判定子集，既有接近实用程度的计算复杂性，也有很好的可理解性。它的语法要素包括概念名、属性名、个体名和数值这四类实体、顶层概念底层概念⊥和一些逻辑连接符，包括(且)、(或)、(全称量词)、(存在量词)和(蕴含)等。使用描述逻辑语言来书写的概念表达式能很好地翻译成自然语言，适用于刻画复杂的租房特征。比如“邻近.(地铁站所在路线.(地铁线包含站点.(地铁站邻近.{中山大学
【技术保护点】
一种基于问题合成的用户租房偏好捕获方法，其特征在于该方法包括两个阶段：阶段1：从多个租房信息网站、公交路线信息网站和地图信息网站抽取形式为(实体，关系，实体)的三元组数据集合，其中实体可以个体名、概念名或数值，关系可以是type(类型)、label(显示名称)、地址、租赁方式、租金、付款方式、商区、城区、城市、小区、用途、朝向、建筑面积、装修、配置、出租间、房间数、客厅数、卫生间数、所在楼层、楼层数、合租户数、合租条件、纬度、经度、联系人、联系电话、发布时间、房屋图片、中介、公交公司、票价、包含站点、所在路线、途经路线数或建筑类别。然后，根据所在城市相同、直线距离不大于500米的邻近判定原则产生租房、站点和标志性建筑三类实体之间形式为(实体，邻近，实体)的三元组数据，与前面抽取的三元组数据一起保存到由三元组构成的租房信息知识图谱中。最后，针对每个租房，从租房信息知识图谱中提取该租房的邻域数据，构造其对应的受限ELO概念表达式，作为该租房集成描述的形式化表示结果。其中，受限ELO是一种描述逻辑子语言。该语言的概念表达式是一种形式为的概念表达式，其中n≥1并且Ci是一个称作受限ELO部件的...
【技术特征摘要】
1.一种基于问题合成的用户租房偏好捕获方法，其特征在于该方法包括两个阶段：阶段1：从多个租房信息网站、公交路线信息网站和地图信息网站抽取形式为(实体，关系，实体)的三元组数据集合，其中实体可以个体名、概念名或数值，关系可以是type(类型)、label(显示名称)、地址、租赁方式、租金、付款方式、商区、城区、城市、小区、用途、朝向、建筑面积、装修、配置、出租间、房间数、客厅数、卫生间数、所在楼层、楼层数、合租户数、合租条件、纬度、经度、联系人、联系电话、发布时间、房屋图片、中介、公交公司、票价、包含站点、所在路线、途经路线数或建筑类别。...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。