【技术实现步骤摘要】
本公开涉及计算机，本公开尤其涉及一种信息推荐方法、电子设备、存储介质及程序产品。
技术介绍
1、房屋的资源在很大程度上决定了其需求热度以及空置时长等，通常情况下，一个楼盘的房屋资源确定可以参照该楼盘近期其他房屋的资源置换过程。当待估资源的房屋与可参照的房屋资源置换案例存在一定程度的品质差异(如户型、面积、朝向、楼层、装修水平、家电配置等)时，可以依赖于人为经验根据该差异确定出房屋的资源，但是，依赖于人为经验存在较大的主观性，难以保证资源确定的主观性，且依赖于人为经验难以保证资源确定准确度。而且，当不存在可参考的其他房屋的资源置换过程时，单纯依赖人为经验进行资源的确定，则会导致资源的确定存在较大的主观性，其准确性和时效性均难以保证。因此，如何高效准确的确定出房屋的资源成为所亟待解决的技术问题。
2、相关技术提供的方法包括：获取目标房屋信息、目标房屋所属目标楼盘信息以及目标楼盘信息对应的配对楼盘信息；基于目标楼盘信息与配对楼盘信息的属性特征数据，确定目标楼盘信息与配对楼盘信息属性特征数据差异；将属性特征数据差异输入至资源预测模型，确定目标楼盘信息与配对楼盘信息之间的资源关系系数，其中，资源预测模型是基于不同楼盘对的属性特征数据差异以及资源关系系数构建得到的；基于资源关系系数与配对楼，确定目标房屋对应的目标资源。
3、相关技术提供的方法主要集中在目标楼盘的选定，缺少与用户需求挂钩的需求分析和目标楼盘的推荐，导致最终推荐的楼盘或房源信息不准确，不能满足用户的需求。
技术实现思路
1、本公开提供了一种信息推荐方法、电子设备、存储介质及程序产品。
2、一方面，提供了一种信息推荐方法，包括：
3、基于获取的数据进行数据分析和模型构建，其中，构建的模型包括基于不同用户的目标对象偏好模型；
4、基于所述目标对象偏好模型和目标对象特征数据进行用户和目标对象之间的匹配处理，得到所述用户和所述目标对象之间的匹配评分；
5、基于所述匹配评分以及用户需求生成信息推荐列表，并向用户推荐所述信息。
6、在一种优选的实施方式中，所述基于所述目标对象偏好模型和目标对象特征数据进行匹配处理，得到所述用户和所述目标对象之间的匹配评分，包括：
7、将所述目标对象偏好模型中的数据和所述目标对象的特征数据整合成一个数据集，所述数据集中包括用户特征值和目标对象特征值；
8、基于所述数据集训练预设模型，所述预设模型基于所述用户特征值和所述对象特征值进行分支，直至达到分支终止条件时得到训练的预设模型；
9、基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分。
10、在一种优选的实施方式中，所述基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分，包括：
11、获取当前用户需求数据和当前目标对象数据，将所述当前用户需求数据和当前目标对象数据作为所述预设模型的输入，所述预设输入模型基于所述输入进行分支判断，输出结果为所述用户和所述目标对象之间的匹配评分。
12、在一种优选的实施方式中，所述基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分，还包括：
13、基于所述当前用户需求数据和当前目标对象数据得到所述用户对所述目标对象的偏好权重；
14、基于所述当前目标对象数据得到所述目标对象自身属性特征权重和所述目标对象外在属性特征权重；
15、基于所述用户对所述目标对象的偏好权重、所述目标对象自身属性特征权重以及所述目标对象外在属性特征权重得到所述用户和所述目标对象之间的匹配评分。
16、在一种优选的实施方式中，所述目标对象偏好模型包括针对不同类型用户的目标对象偏好子模型，一个目对象标偏好子模型包括至少一个针对单个用户的目标对象偏好子单元。
17、在一种优选的实施方式中，所述基于所述匹配评分以及用户需求生成信息推荐列表，包括：
18、获取所述用户对目标对象的第一访问次数；
19、获取和所述用户相似用户对所述目标对象的第二访问次数；
20、基于所述匹配评分、第一访问次数和第二访问次数生成所述信息推荐列表。
21、在一种优选的实施方式中，所述方法还包括对获取的数据进行清洗和预处理。
22、在一种优选的实施方式中，所述目标对象包括房源，所述目标对象特征数据包括房源自身属性特征数据、房源位置特征数据、和房源相关的交通特征数据以及房源配套设施特征数据中的一种或几种。
23、本公开还提供了一种电子设备，包括：存储器，存储器存储执行指令；以及处理器或其他硬件模块，处理器或其他硬件模块执行存储器存储的执行指令，使得处理器或其他硬件模块执行上述的方法。
24、本公开还提供了一种可读存储介质，可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述的方法。
25、本公开还提供了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述中任一项的信息推荐方法。
本文档来自技高网...【技术保护点】
1.一种信息推荐方法，其特征在于，包括：
2.根据权利要求1所述的信息推荐方法，其特征在于，所述基于所述目标对象偏好模型和目标对象特征数据进行匹配处理，得到所述用户和所述目标对象之间的匹配评分，包括：
3.根据权利要求2所述的信息推荐方法，其特征在于，所述基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分，包括：
4.根据权利要求2所述的信息推荐方法，其特征在于，所述基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分，还包括：
5.根据权利要求1所述的信息推荐方法，其特征在于，所述目标对象偏好模型包括针对不同类型用户的目标对象偏好子模型，一个目对象标偏好子模型包括至少一个针对单个用户的目标对象偏好子单元。
6.根据权利要求1所述的信息推荐方法，其特征在于，所述基于所述匹配评分以及用户需求生成信息推荐列表，包括：
7.根据权利要求1所述的信息推荐方法，其特征在于，所述目标对象包括房源，所述目标对象特征数据包括房源自身属性特征数据、房源位置特征数据、和房源相关的交通特征数据以及房源配套设施
8.一种电子设备，其特征在于，包括：
9.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至7中任一项所述的信息推荐方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现1至7中任一项所述的信息推荐方法。
...【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
2.根据权利要求1所述的信息推荐方法，其特征在于，所述基于所述目标对象偏好模型和目标对象特征数据进行匹配处理，得到所述用户和所述目标对象之间的匹配评分，包括：
3.根据权利要求2所述的信息推荐方法，其特征在于，所述基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分，包括：
4.根据权利要求2所述的信息推荐方法，其特征在于，所述基于所述训练的预设模型得到所述用户和所述目标对象之间的匹配评分，还包括：
5.根据权利要求1所述的信息推荐方法，其特征在于，所述目标对象偏好模型包括针对不同类型用户的目标对象偏好子模型，一个目对象标偏好子模型包括至少一个针对单个用户的目标对象偏好子单元。<...
【专利技术属性】
技术研发人员：彭朝霞，
申请(专利权)人：贝壳找房北京科技有限公司，
类型：发明
国别省市：
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。