管家推荐模型的训练、管家推荐方法及电子设备技术

本发明专利技术涉及信息推荐技术领域，具体涉及管家推荐模型的训练、管家推荐方法及电子设备，所述管家推荐方法包括：获取当前用户的房源浏览记录，基于所述房源浏览记录确定所述当前用户的用户特征，将所述当前用户的用户特征与各个待匹配管家的管家特征进行匹配，确定当前用户与所述待匹配管家的匹配特征，将所述当前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定目标管家。通过对用户特征，管家特征以及匹配特征的采集和匹配，完成了模型输入数据的确定，进而通过训练完成的模型对输入数据的计算，确定待推荐的管家，极大的提高了工作效率。极大的提高了工作效率。极大的提高了工作效率。

【技术实现步骤摘要】
管家推荐模型的训练、管家推荐方法及电子设备


[0001]本专利技术涉及信息推荐
，具体涉及管家推荐模型的训练、管家推荐方法及电子设备。

技术介绍

[0002]随着社会的发展，用户对租房的需求越来越大，为了使用户尽快找到合适的房源，需要提供一种经验丰富的销售人员，以帮助用户尽快寻找到合适的房源。
[0003]现有技术下，为用户提供销售人员时，通常时以销售人员的整体能力作为依据，但是这样的推荐方式通常不能满足实际生活中多变复杂的场景。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了管家推荐模型的训练、管家推荐方法及电子设备，以解决现有技术下目标推荐的准确性较低的问题。
[0005]根据第一方面，本专利技术实施例提供了一种管家推荐模型的训练方法，包括：
[0006]获取各个用户的用户特征、各个管家的管家特征以及与所述用户与所述管家的签约标签；
[0007]将所述用户特征与所述管家特征进行匹配，确定所述用户与所述管家匹配特征；
[0008]将所述用户特征、所述管家特征以及所述匹配特征输入初始管家推荐模型中，确定预测签约结果；
[0009]基于所述预测签约结果以及所述签约标签进行损失函数计算，更新所述初始管家推荐模型的参数，以确定目标管家推荐模型。
[0010]本专利技术实施例提供的管家推荐模型的训练方法，通过将用户特征，管家特征，以及用户、管家的匹配特征、签约结果整合为训练集数据，用来进行模型训练，这样，在训练模型时，除了学习通常的用户特征和管家特征外，还能学习到二者的匹配特征，极大的增加了模型的判断精度，进一步的提高了工作效率。
[0011]结合第一方面，在第一方面第一实施方式中，所述获取各个用户的用户特征，包括：
[0012]获取所述用户的客观特征；
[0013]获取所述用户的房源浏览记录；
[0014]基于所述房源浏览记录确定各个所述房源对应的配套设施；
[0015]利用所述配套设施中各个配套对象的分布，确定所述用户的主观意向特征；
[0016]基于所述客观特征以及所述主观意向特征，确定所述用户的用户特征。
[0017]本专利技术实施例提供的管家推荐模型的训练方法，通过对用户特征的深度挖掘，在初步采集到用户的特征后，还要对采集到的数据进行进一步处理，获得更加复杂的数据，这些数据可以更加全面、完整的对用户进行描述，也为后续与管家特征进行更好的匹配打下了基础，进一步的提升了工作效率。
[0018]结合第一方面第一实施方，在第一方面第二实施方式中，所述利用所述配套设施中各个配套对象的分布，确定所述用户的主观意向特征，包括：
[0019]将所述房源浏览记中出现次数大于预设阈值的所述配套对象，作为所述用户的主观意向特征。
[0020]本专利技术实施例提供的管家推荐模型的训练方法，通过明确深度挖掘的方法，确保了深度挖掘出的数据的准确性，也为后续与管家特征进行更好的匹配打下了基础，进一步的提升了工作效率。
[0021]结合第一方面第一实施方，在第一方面第三实施方式中，所述将所述用户特征与所述管家特征进行匹配，确定所述用户与所述管家的匹配特征，包括：
[0022]判断所述管家的管家特征中是否存在与所述用户的主观意向特征相同的特征；
[0023]当所述管家的管家特征中存在与所述用户的主观意向特征相同的特征时，将所述相同的特征确定为所述匹配特征。
[0024]本专利技术实施例提供的管家推荐模型的训练方法，通过明确匹配特征的确定方法，确保了匹配特征的准确性和实用性，为后续对模型训练打下了基础，确保了目标模型的准确性，进一步的提高了工作效率。
[0025]根据第二方面，本专利技术实施例提供了一种管家推荐方法，包括：
[0026]获取当前用户的房源浏览记录；
[0027]基于所述房源浏览记录确定所述当前用户的用户特征；
[0028]将所述当前用户的用户特征与各个待匹配管家的管家特征进行匹配，确定当前用户与所述待匹配管家的匹配特征；
[0029]将所述当前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定目标管家，所述目标管家推荐模型是根据第一方面中任一项所述的管家推荐模型的训练方法训练得到的。
[0030]本专利技术实施例提供的管家推荐方法，通过对用户特征，管家特征以及匹配特征的采集和匹配，完成了模型输入数据的确定，进而通过训练完成的模型对输入数据的计算，确定待推荐的管家，极大的提高了工作效率。
[0031]结合第二方面，在第二方面第一实施方式中，所述将所述当前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定目标管家，还包括：
[0032]基于所述目标管家推荐模型确定各个用户特征以及各个所述管家特征的重要性；
[0033]基于所述各个用户特征以及各个所述管家特征的重要性，对所述当前用户的用户特征以及各个待匹配管家的管家特征进行筛选，确定输入所述目标管家推荐模型的目标用户特征以及目标管家特征；
[0034]将所述目标用户特征、所述目标管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定所述目标管家。
[0035]本专利技术实施例提供的管家推荐方法，通过对特征重要性的评估，使得在后续计算时，可以直接忽略对结果影响的较小的特征，减少了不必要数据的输入，降低了计算的复杂度，进一步的提高了工作效率。
[0036]结合第二方面或第二方面第一实施，在第二方面第二实施方式中，所述将所述当
前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定目标管家，包括：
[0037]将所述当前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定各个所述待匹配管家对应的签约概率；
[0038]基于所述签约概率确定至少一个所述目标管家。
[0039]本专利技术实施例提供的管家推荐方法，通过对输出数据的排序，使得最终呈现在用户处的数据，是最佳的数据，降低的了用户的使用难度，进一步的提高了工作效率。
[0040]结合第二方面第二实施，在第二方面第三实施方式中，所述将所述当前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定目标管家，还包括：
[0041]显示至少一个所述目标管家的联系信息。
[0042]本专利技术实施例提供的管家推荐方法，通过对管家个人信息的显示，进一步的降低了用户的操作难度，使得用户在需要联系管家时，可以及时的看到管家的联系信息，进一步的提高了工作效率。
[0043]根据第三方面，本专利技术实施例提供了管家推荐模型的训练装置，包括：
[0044]获取单元，用于获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种管家推荐模型的训练方法，其特征在于，包括：获取各个用户的用户特征、各个管家的管家特征以及与所述用户与所述管家的签约标签；将所述用户特征与所述管家特征进行匹配，确定所述用户与所述管家匹配特征；将所述用户特征、所述管家特征以及所述匹配特征输入初始管家推荐模型中，确定预测签约结果；基于所述预测签约结果以及所述签约标签进行损失函数计算，更新所述初始管家推荐模型的参数，以确定目标管家推荐模型。2.根据权利要求1所述的方法，其特征在于，所述获取各个用户的用户特征，包括：获取所述用户的客观特征；获取所述用户的房源浏览记录；基于所述房源浏览记录确定各个所述房源对应的配套设施；利用所述配套设施中各个配套对象的分布，确定所述用户的主观意向特征；基于所述客观特征以及所述主观意向特征，确定所述用户的用户特征。3.根据权利要求2所述的方法，其特征在于，所述利用所述配套设施中各个配套对象的分布，确定所述用户的主观意向特征，包括：将所述房源浏览记中出现次数大于预设阈值的所述配套对象，作为所述用户的主观意向特征。4.根据权利要求1所述的方法，其特征在于，所述将所述用户特征与所述管家特征进行匹配，确定所述用户与所述管家的匹配特征，包括：判断所述管家的管家特征中是否存在与所述用户的主观意向特征相同的特征；当所述管家的管家特征中存在与所述用户的主观意向特征相同的特征时，将所述相同的特征确定为所述匹配特征。5.一种管家推荐方法，其特征在于，包括：获取当前用户的房源浏览记录；基于所述房源浏览记录确定所述当前用户的用户特征；将所述当前用户的用户特征与各个待匹配管家的管家特征进行匹配，确定当前用户与所述待匹配管家的匹配特征；将所述当前用户的用户特征、各个待匹配管家的管家特征以及所述当前用户与所述待匹配管家的匹配特征输入目标管家推荐模型中，确定目标管家，所述目标管家推荐模型是根据权利要求1
‑
4中任一项所述的管家推荐模型的训练方法训练得到的。6.根据权利要求5...

【专利技术属性】
技术研发人员：陈丽媛，
申请(专利权)人：北京自如信息科技有限公司，
类型：发明
国别省市：