基于房主需求和租户需求的派单优化方法及系统技术方案

本发明专利技术公开了一种基于房主需求和租户需求的派单优化方法及系统，包括构建房源信息数据集R；构建租房需求信息数据集W；基于房源信息数据集R和租房需求信息数据集W构建租户租房需求信息与房源信息的匹配模型；基于匹配模型获取与租房需求信息对应的房源匹配度集合Q；将房源匹配度集合Q匹配到房源信息R中，构建最大化整体出房目标函数；对最大化整体出房目标函数进行求解，得到分配结果；租户获取匹配的房源信息，并选择多个房源且通过系统通知房主；房主通过系统获取租户需求信息，完成派单。本发明专利技术通过租户与房主自主交易，避免信息不对称交易，提高房主和租客双方的满意度。

The method and system of order dispatch optimization based on the demand of house owner and tenant

【技术实现步骤摘要】
基于房主需求和租户需求的派单优化方法及系统
本专利技术涉及计算机
，更具体地，涉及一种基于房主需求和租户需求的派单优化方法及系统。
技术介绍
随着我国城镇化水平的不断提高，城市流动人口越来越多，使得房屋租赁市场的需求持续扩大，同时在租房过程中产生的问题越来越受到人们的重视，通过各种社会调查和舆论研究可以发现，当前租赁居住的平均满意度处于较低水平，现存的主要问题如下：1、房主出租意愿不足、租房满意度偏低、发生纠纷时维权艰难等问题；2、租户难以确定中介APP发布的房源信息的真实性，同时，租户看房仅靠房屋中介人员线下带看，优先带看性价比高的房源，导致租户不能选择合适自己的房源，造成损失；3、房主提供的真实信息租户难以得到，租户真实的租房需求房主难以得到，造成信息不对称交易，造成房主和租户交易双方较低的满意度；4、此外，现有的网络系统派单算法简单，仅依靠距离最优进行派单，无法获取全局最优的派单方案。针对上述问题，如何提高房主出租房子的满意度，以及租户租赁房子的满意度，创造更舒适的租赁环境，解放劳动力，节省时间，是亟需待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于房主需求和租户需求的派单优化方法及系统，租户与房主能够实现自主交易，避免信息不对称交易，提高房主和租客双方的满意度。本专利技术的一种基于房主需求和租户需求的派单优化方法及系统，包括：获取房主提供的房源信息，将房源信息存储在数据库中，构建房源信息数据集R；获取租户租房需求信息，将租户租房需求信息存储在数据库中，构建租房需求信息数据集W；基于房源信息数据集R和租房需求信息数据集W构建租户租房需求信息与房源信息的匹配模型；基于匹配模型获取与租房需求信息对应的房源匹配度集合Q，其中，每个租户房源信息均对应一个房源匹配度列表；将房源匹配度集合Q匹配到房源信息R中，构建最大化整体出房目标函数；对最大化整体出房目标函数进行求解，得到分配结果，即为与租户的租房需求信息相匹配的房源信息；当租户通过系统输入租房需求信息时，获取匹配的房源信息，并选择多个房源且通过系统通知房主；房主通过系统获取所有房源被选中的结果，且通过系统获取租户需求信息，完成派单。可选地，房源信息数据集R＝{r1,r2,...,rj,...,rM}，rj为房源信息，j∈(1,2,...,M)，M为房源数量，房源信息rj包括地理位置集合fjx、备选房源数量fjy、房源配套设施fjz和房源性价比fjk，且rj＝[fjx,fjy,fjz,fjk]。可选地，租房需求信息数据集W＝[r1,r2,…ri,…,rN]，ri为租房需求信息，i∈(1,2,...,N)，N为租户数量，租房需求信息ri包括地理位置dix、房间质量diy、周边环境diz和房主信誉dik，且ri＝[dix,diy,diz,dik]。可选地，地理位置集合fjx内包含多项子集且多项子集按照降级排序，其中，fjx＞f(j+1)x；备选房源数量fjy内包含多项子集且多项子集按照降级排序，其中，fjy＞f(j+1)y；房源配套设施fjz内包含多项子集且多项子集按照降级排序，其中，fjz＞f(j+1)z；房源性价比fjk内包含多项子集且多项子集按照降级排序，其中，fjk＞f(j+1)k。可选地，基于匹配模型获取与租房需求信息对应的房源匹配度集合Q的过程为：对房源信息数据集R中的特征和租房需求信息数据集W中的特征进行清洗，对于训练数据中含有的缺失值，根据缺失值的具体类型进行填充；对特征值进行判断，如果特征值是连续的，将特征值放入分箱操作进行特征分类，转化为离散型特征；如果特征值是离散型的，则执行下一步操作；采用编码的方式使特征变成稀疏特征，利用神经网络进行特征重组，使特征维度增加；采用训练集训练神经网络模型，根据租户最偏好的房源信息给训练数据的租户打标签，作为训练集的目标集，其中，训练集为租房需求信息和房源信息的特征值，目标集为租房需求信息和房源信息的标签；设置神经网络的参数，将重组后的特征作为输入，得到与租房需求信息相匹配的房源信息，获取与租房需求信息匹配的房源匹配度集合，即Q＝{q1,q2,...,qi,...,qN}，其中，qi为与第i个租户的租房需求信息对应的房源匹配列表，i∈(1,2,...,N)，N为租户数量。可选地，与租户租房需求信息对应的房源匹配列表qi＝{Pi1,Pi2,...,PiS}，PiS为第i个租户对应的房源的匹配度，S为第i个租户匹配到的房源数量，房源匹配列表内的子项数按照匹配度值由大到小排列。可选地，地理位置集合fjx内的子集按照与租户租房需求信息中的地理位置dix的距离大小进行排序；备选房源数量fjy内的子集按照与租户租房需求信息中的地理位置dix定位区域内的小区房源数量多少排序；房源配套设施fjz内的子集按照与租户租房需求信息中的房间质量diy的优先级进行排序；房源性价比fjk内的子集按照与租户租房需求信息中的周边环境diz和房主信誉dik的优先级进行排序。可选地，最大化整体出房目标函数为：其中，表示每个房源所分配的租户总数小于等于房源需客量，Bj表示房源j的需客量fjk，表示每个租户只能被分到至多一个房源，xij为二元判决变量，当xij＝1，租户i被分配到房源rj中，当xij＝0，用户i未分配到房源rj中。可选地，将最大化整体出房目标函数模拟为多背包问题，通过多背包问题MKP的求解原理求解，得到的分配结果为：其中，X＝[x1,x2,…,xj,…,xM]表示租户的分配结果，xj表示对房源r的判决向量且表示分配得到的整体出房速度，为二元判决值，当用户i被分配到房源rj中，当用户i未被分配到房源rj。本专利技术的一种基于房主需求和租户需求的派单优化系统，系统包括：房源信息获取模块，用于获取房主提供的房源信息，其中，房源信息包括地理位置集合信息、备选房源数量集合、房源配套设施信息和房源性价比信息，将房源信息获取模块获取的房源信息存储到数据库中；租房需求信息获取模块，用于获取租户的需求信息，将租房需求信息获取模块获取的租房需求信息存储到数据库中；计算模块，用于构建最大化整体出房目标函数，且对最大化整体出房目标函数计算求解，获取分配结果；信息处理模块，用于将与租户相匹配的房源信息返回给租户，并将租户选择的房源通知房主。与现有技术相比，本专利技术提供的基于房主需求和租户需求的派单优化方法及系统，至少实现了如下的有益效果：1、本专利技术的基于房主需求和租户需求的派单优化方法及系统，建立了房主提供的房源信息与租户租房需求信息的匹配模型，获取与租房需求信息相匹配的房源信息，获取匹配度列表，客观的获取租客的需求，解放中介人员凭借经验带看房源的劳动力；2、本专利技术的基于房主需求和租户需求的派单优化方法及系统，房主通过系统获取相匹配租户需求信息，其中，房主能够知悉所提供房源信息的准确性，并且通过本文档来自技高网...

【技术保护点】
1.一种基于房主需求和租户需求的派单优化方法，其特征在于，包括：/n获取房主提供的房源信息，将所述房源信息存储在数据库中，构建房源信息数据集R；/n获取租户租房需求信息，将所述租户租房需求信息存储在数据库中，构建租房需求信息数据集W；/n基于房源信息数据集R和租房需求信息数据集W构建租户租房需求信息与房源信息的匹配模型；/n基于所述匹配模型获取与所述租房需求信息对应的房源匹配度集合Q，其中，每个所述租户房源信息均对应一个房源匹配度列表；/n将所述房源匹配度集合Q匹配到房源信息R中，构建最大化整体出房目标函数；/n对所述最大化整体出房目标函数进行求解，得到分配结果，即为与所述租户的租房需求信息相匹配的房源信息；/n当租户通过系统输入租房需求信息时，获取匹配的房源信息，并选择多个房源且通过系统通知房主；/n房主通过系统获取所有房源被选中的结果，且通过系统获取租户需求信息，完成派单。/n

【技术特征摘要】
1.一种基于房主需求和租户需求的派单优化方法，其特征在于，包括：
获取房主提供的房源信息，将所述房源信息存储在数据库中，构建房源信息数据集R；
获取租户租房需求信息，将所述租户租房需求信息存储在数据库中，构建租房需求信息数据集W；
基于房源信息数据集R和租房需求信息数据集W构建租户租房需求信息与房源信息的匹配模型；
基于所述匹配模型获取与所述租房需求信息对应的房源匹配度集合Q，其中，每个所述租户房源信息均对应一个房源匹配度列表；
将所述房源匹配度集合Q匹配到房源信息R中，构建最大化整体出房目标函数；
对所述最大化整体出房目标函数进行求解，得到分配结果，即为与所述租户的租房需求信息相匹配的房源信息；
当租户通过系统输入租房需求信息时，获取匹配的房源信息，并选择多个房源且通过系统通知房主；
房主通过系统获取所有房源被选中的结果，且通过系统获取租户需求信息，完成派单。


2.根据权利要求1所述的基于房主需求和租户需求的派单优化方法，其特征在于，所述房源信息数据集R＝{r1,r2,...,rj,...,rM}，rj为房源信息，j∈(1,2,...,M)，M为房源数量，所述房源信息rj包括地理位置集合fjx、备选房源数量fjy、房源配套设施fjz和房源性价比fjk，且rj＝[fjx,fjy,fjz,fjk]。


3.根据权利要求2所述的基于房主需求和租户需求的派单优化方法，其特征在于，所述租房需求信息数据集W＝[r1,r2,…ri,…,rN]，ri为租房需求信息，i∈(1,2,...,N)，N为租户数量，所述租房需求信息ri包括地理位置dix、房间质量diy、周边环境diz和房主信誉dik，且ri＝[dix,diy,diz,dik]。


4.根据权利要求3所述的基于房主需求和租户需求的派单优化方法，其特征在于，所述地理位置集合fjx内包含多项子集且多项子集按照降级排序，其中，fjx＞f(j+1)x；所述备选房源数量fjy内包含多项子集且多项子集按照降级排序，其中，fjy＞f(j+1)y；所述房源配套设施fjz内包含多项子集且多项子集按照降级排序，其中，fjz＞f(j+1)z；所述房源性价比fjk内包含多项子集且多项子集按照降级排序，其中，fjk＞f(j+1)k。


5.根据权利要求1所述的基于房主需求和租户需求的派单优化方法，其特征在于，所述基于所述匹配模型获取与所述租房需求信息对应的房源匹配度集合Q的过程为：
对房源信息数据集R中的特征和租房需求信息数据集W中的特征进行清洗，对于训练数据中含有的缺失值，根据缺失值的具体类型进行填充；
对特征值进行判断，如果特征值是连续的，将特征值放入分箱操作进行特征分类，转化为离散型特征；如果特征值是离散型的，则执行下一步操作；
采用编码的方式使特征变成稀疏特征，利用神经网络进行特征重组，使特征维度增加；
采用训练集训练神经网络模型，根...

【专利技术属性】
技术研发人员：王琛，李昭，陈浩，高靖，崔岩，卢述奇，陈呈，张宵，
申请(专利权)人：青梧桐有限责任公司，
类型：发明
国别省市：上海;31