一种房产智能推荐方法及系统技术方案

本发明专利技术涉及大数据技术领域，尤其是涉及一种房产智能推荐方法及系统，本发明专利技术方法包括以下步骤：1)楼盘信息预处理：采集多个维度楼盘信息，提取楼盘特征，对每个楼盘特征进行量化和归一化处理，转换成楼盘特性向量，计算楼盘间相似度，并进行关联；2)推荐模式切换：实时接收用户访问请求，判断用户是否为新用户，切换至冷启动推荐模式或个性化推荐模式；3)执行冷启动推荐模式；4)执行个性化推荐模式。本发明专利技术系统包括该系统包括楼盘信息预处理模块、推荐模式切换模块、冷启动推荐模式执行模块、个性化推荐模式执行模块和数据储存模块，楼盘信息预处理模块包括信息采集模块、特征提取模块、向量化模块和相似度计算模块。

【技术实现步骤摘要】
一种房产智能推荐方法及系统
本专利技术涉及大数据
，尤其是一种房产智能推荐方法及系统。
技术介绍
目前，市面上已存在大量的房产相关APP产品，每一个APP产品都存在大量的楼盘信息内容，为购房者提供更多的房产服务。随着房产业务的发展及其数据的沉淀，以及房地产项目开发愈发增多，市面上出现了大量与房产相关APP产品，每个APP产品内都存有大量楼盘信息用于为购房者提供更多的房产服务。然而，此类房产销售服务用APP产品，随其所容纳楼盘信息的大幅增加以及购房者用户的不断增长，导致信息量剧增，带来以下两种现象：一、购房者需要在海量楼盘信息里寻找符合自身需求的目标楼盘，形同大海捞针；二、大量优质房源因有限的曝光位置而无法对目标购房者进行展示，造成无法进行有效曝光及转化。针对上述两种现象，目前采用的解决方案，一种是从购房者用户角度及目标出发，以用户手动对各个子信息维度进行手动筛选切入；第二种是从业务层角度出发，以当前区域主打业务的目标楼盘进行强行排序曝光。虽然，这两种方案在处理方式及流程上都比较简单，但并没有达到更好的业务效果，究其原因主要是：购房者的购房决策因素并非单一维度，更多的是要综合多个条件来衡量和缩小选择范围，才能确定最终的购房意向；主打业务强推荐虽然能够更有效地曝光最近主打业务，但也容易将更多非主打业务的目标用户进行多余曝光，从而导致对业务产品造成劝退流失的情况增多，影响了业务的可持续性发展。
技术实现思路
本专利技术的目的在于针对现有技术的情况，提供一种设计合理，能够围绕用户个人喜好进行针对性精准推荐，达到“千人千面”个性化展示效果，有利于提升业务转化率的房产智能推荐方法，同时提供一种设计合理，结构简单的房产智能推荐系统。为了实现上述第一个目的，本专利技术采用以下技术方案：一种房产智能推荐方法，其包括以下步骤：1)楼盘信息预处理：采集互联网上楼盘多个维度的楼盘信息，并对楼盘信息进行楼盘特征提取，获得多个楼盘特征；对每个楼盘特征进行量化和归一化处理，转换成计算机可计算的楼盘特性向量，存入楼盘特征向量库；周期性计算每个楼盘与其余各楼盘之间基于楼盘特征向量的相似度，根据相似度计算结果确定最相似的N个楼盘作为每个楼盘对应的N个相似楼盘，并进行关联；其中，N为大于0的自然数；2)推荐模式切换：实时接收用户访问请求，根据用户行为数据及浏览记录判断用户是否为新用户，若是新用户，则切换至冷启动推荐模式，若不是新用户，则切换至个性化推荐模式；3)执行冷启动推荐模式：根据业务配置调取相应区域业务目标楼盘的楼盘信息，将业务目标楼盘按照最近主打楼盘靠前的规则进行首屏排序和展示；根据用户的筛查指令调取相关楼盘的楼盘信息进行排序更新和展示；期间，采集用户行为数据及浏览记录进行储存；4)执行个性化推荐模式：从储存的用户行为数据及浏览记录中提取浏览过的M个楼盘存入意向楼盘列表，并赋予M个楼盘不同权重值；调取意向楼盘列表中每个楼盘相关联的N个相似楼盘存入包含M×N个相似楼盘的相似楼盘列表；基于相似楼盘列表中M×N个相似楼盘的楼盘信息，按照权重值大小进行首屏排序和展示；其中，M为大于0的自然数；期间，采集用户行为数据及浏览记录进行去重更新和储存。作为优选，步骤1)中楼盘信息至少包括楼盘基础信息、小区配套信息和周边配套信息这三个维度信息中的两个以上。作为优选，所述楼盘基础信息包括楼盘ID，以及楼盘的地段、参考均价、占地面积、总建筑面积、总户数、开盘与交楼时间、开发商等级和物业管理信息中的一种以上。作为优选，所述小区配套信息包括楼盘的绿化率、容积率、车位配比、车位数、房屋层数、朝向等级、户型结构和电梯配置信息中的一种以上。作为优选，所述周边配套信息包括楼盘周边的教育、交通、医疗、生活、娱乐和商业信息中的一种以上。作为优选，步骤1)是在离线环境下对每个楼盘特征进行量化和归一化处理，转换成计算机可计算的楼盘特性向量。作为优选，步骤1)是周期性在离线环境下采用欧氏距离计算公式计算每个楼盘与其余各楼盘之间基于楼盘特征向量的相似度，根据相似度计算结果确定最相似的N个楼盘作为每个楼盘对应的N个相似楼盘，并进行关联。作为优选，步骤2)中用户行为数据包括应用行为数据、搜索行为数据以及收藏行为数据，浏览记录包括所浏览楼盘的楼盘ID、feed流浏览时长和浏览次数。为了实现上述第二个目的，本专利技术采用以下技术方案：一种房产智能推荐系统，该系统包括楼盘信息预处理模块、推荐模式切换模块、冷启动推荐模式执行模块、个性化推荐模式执行模块和数据储存模块，楼盘信息预处理模块包括信息采集模块、特征提取模块、向量化模块和相似度计算模块；其中，信息采集模块，用于采集互联网上楼盘多个维度的楼盘信息；特征提取模块，用于对楼盘信息进行楼盘特征提取；向量化模块，用于对每个楼盘特征进行量化和归一化，转换成计算机可计算的楼盘特性向量；相似度计算模块，用于周期性计算每个楼盘与其余各楼盘之间基于楼盘特征向量的相似度，根据相似度计算结果确定最相似的N个楼盘作为每个楼盘对应的N个相似楼盘，并进行关联；其中，N为大于0的自然数；推荐模式切换模块，用于实时接收用户访问请求，根据用户行为数据及浏览记录判断用户是否为新用户，并根据判断结果切换至冷启动推荐模式或者个性化推荐模式；冷启动推荐模式执行模块，用于根据业务配置调取相应区域业务目标楼盘的楼盘信息，将业务目标楼盘按照最近主打楼盘靠前的规则进行首屏排序和展示，并根据用户的筛查指令调取相关楼盘的楼盘信息进行排序更新和展示；个性化推荐模式执行模块，用于从储存的用户行为数据及浏览记录中提取浏览过的M个楼盘存入意向楼盘列表，并赋予M个楼盘不同权重值，调取意向楼盘列表中每个楼盘相关联的N个相似楼盘存入包含M×N个相似楼盘的相似楼盘列表，基于相似楼盘列表中M×N个相似楼盘的楼盘信息，按照权重值大小进行首屏排序和展示；其中，M为大于0的自然数；数据储存模块，用于储存楼盘信息、楼盘特征、楼盘特性向量、相似度计算结果、用户行为数据及浏览记录。本专利技术采用以上技术方案，其工作原理如下：在楼盘信息预处理时，通过多个维度采集楼盘信息，使其能够从楼盘信息中提取到更多楼盘特征，通过对每个楼盘特征进行量化和归一化，使其转换成计算机可计算的楼盘特性向量，从而能够对每个楼盘与其余各楼盘之间基于多个维度的楼盘特征向量进行相似度计算，相似度计算结果更加精确，综合性也更高，有利于后续采用两种不同推荐模式更精准的针对不同客户进行楼盘推荐；在推荐模式切换时，通过实时接收用户访问请求，在有用户访问时，先检索是否储存有用户行为数据及浏览记录，若有记录，则判断该用户不是新用户，否则判断该用户是新用户，若是新用户，则切换至冷启动推荐模式，若不是新用户，则切换至个性化推荐模式，相比传统房产销售服务用APP产品单一维度和单一模式的推荐方式，本专利技术推荐方法更多样化和个性化；在执行冷启动推荐模式时，将业务目标楼盘本文档来自技高网...

【技术保护点】
1.一种房产智能推荐方法，其特征在于：其包括以下步骤：/n1)楼盘信息预处理：采集互联网上楼盘多个维度的楼盘信息，并对楼盘信息进行楼盘特征提取，获得多个楼盘特征；对每个楼盘特征进行量化和归一化处理，转换成计算机可计算的楼盘特性向量，存入楼盘特征向量库；周期性计算每个楼盘与其余各楼盘之间基于楼盘特征向量的相似度，根据相似度计算结果确定最相似的N个楼盘作为每个楼盘对应的N个相似楼盘，并进行关联；其中，N为大于0的自然数；/n2)推荐模式切换：实时接收用户访问请求，根据用户行为数据及浏览记录判断用户是否为新用户，若是新用户，则切换至冷启动推荐模式，若不是新用户，则切换至个性化推荐模式；/n3)执行冷启动推荐模式：根据业务配置调取相应区域业务目标楼盘的楼盘信息，将业务目标楼盘按照最近主打楼盘靠前的规则进行首屏排序和展示；根据用户的筛查指令调取相关楼盘的楼盘信息进行排序更新和展示；期间，采集用户行为数据及浏览记录进行储存；/n4)执行个性化推荐模式：从储存的用户行为数据及浏览记录中提取浏览过的M个楼盘存入意向楼盘列表，并赋予M个楼盘不同权重值；调取意向楼盘列表中每个楼盘相关联的N个相似楼盘存入包含M×N个相似楼盘的相似楼盘列表；基于相似楼盘列表中M×N个相似楼盘的楼盘信息，按照权重值大小进行首屏排序和展示；其中，M为大于0的自然数；期间，采集用户行为数据及浏览记录进行去重更新和储存。/n...

【技术特征摘要】
1.一种房产智能推荐方法，其特征在于：其包括以下步骤：
1)楼盘信息预处理：采集互联网上楼盘多个维度的楼盘信息，并对楼盘信息进行楼盘特征提取，获得多个楼盘特征；对每个楼盘特征进行量化和归一化处理，转换成计算机可计算的楼盘特性向量，存入楼盘特征向量库；周期性计算每个楼盘与其余各楼盘之间基于楼盘特征向量的相似度，根据相似度计算结果确定最相似的N个楼盘作为每个楼盘对应的N个相似楼盘，并进行关联；其中，N为大于0的自然数；
2)推荐模式切换：实时接收用户访问请求，根据用户行为数据及浏览记录判断用户是否为新用户，若是新用户，则切换至冷启动推荐模式，若不是新用户，则切换至个性化推荐模式；
3)执行冷启动推荐模式：根据业务配置调取相应区域业务目标楼盘的楼盘信息，将业务目标楼盘按照最近主打楼盘靠前的规则进行首屏排序和展示；根据用户的筛查指令调取相关楼盘的楼盘信息进行排序更新和展示；期间，采集用户行为数据及浏览记录进行储存；
4)执行个性化推荐模式：从储存的用户行为数据及浏览记录中提取浏览过的M个楼盘存入意向楼盘列表，并赋予M个楼盘不同权重值；调取意向楼盘列表中每个楼盘相关联的N个相似楼盘存入包含M×N个相似楼盘的相似楼盘列表；基于相似楼盘列表中M×N个相似楼盘的楼盘信息，按照权重值大小进行首屏排序和展示；其中，M为大于0的自然数；期间，采集用户行为数据及浏览记录进行去重更新和储存。


2.根据权利要求1所述的房产智能推荐方法，其特征在于：步骤1)中楼盘信息至少包括楼盘基础信息、小区配套信息和周边配套信息这三个维度信息中的两个以上。


3.根据权利要求2所述的房产智能推荐方法，其特征在于：所述楼盘基础信息包括楼盘ID，以及楼盘的地段、参考均价、占地面积、总建筑面积、总户数、开盘与交楼时间、开发商等级和物业管理信息中的一种以上。


4.根据权利要求2所述的房产智能推荐方法，其特征在于：所述小区配套信息包括楼盘的绿化率、容积率、车位配比、车位数、房屋层数、朝向等级、户型结构和电梯配置信息中的一种以上。


5.根据权利要求2所述的房产智能推荐方法，其特征在于：所述周边配套信息包括楼盘周边的教育、交通、医疗、生活、娱乐和商业信息中的一种以上。


6.根据权利要求1所述的房产智能推荐方法，其...

【专利技术属性】
技术研发人员：赵宇斌，莫穗江，黄国强，
申请(专利权)人：中山市云经纪网络科技有限公司，
类型：发明
国别省市：广东;44