一种用户偏好房源计算方法和系统技术方案

技术编号:18459258 阅读:31 留言:0更新日期:2018-07-18 12:53
本发明专利技术实施例提供一种用户偏好房源计算方法和系统,所述方法包括:获取用户的线上房源行为和线下房源行为;获取所述线上房源行为的权重和所述线下房源行为的权重;根据所述用户的线上房源行为、线下房源行为,以及所述线上房源行为的权重和所述线下房源行为的权重,计算出房源属性对应的选项的权重分数;根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源。该方法和系统可以提高对用户偏好房源的计算的准确度,进而为用户推荐更加个性化的房源信息,提升了用户体验。

A method and system for user preference housing computing

An embodiment of the invention provides a user preference housing computing method and system, which includes obtaining the online source behavior of the user and the offline source behavior; obtaining the weight of the online source behavior and the weight of the underlying behavior under the described line; according to the online source behavior of the user, the behavior of the under line housing, and The weight of the on-line room source behavior and the weight of the source behavior under the line are calculated to calculate the weight fraction of the options corresponding to the housing source property; the housing source of the user preferences is obtained according to the weight fraction of the options corresponding to the housing source attributes. This method and system can improve the accuracy of the calculation of the user's preference to the housing source, and then recommend more personalized information for the user, and improve the user experience.

【技术实现步骤摘要】
一种用户偏好房源计算方法和系统
本专利技术实施例涉及房源管理
,尤其涉及一种用户偏好房源计算方法和系统。
技术介绍
为了提高租房的成交率,首先需要了解用户在租房时感兴趣的房源。目前主要采用线上调查问卷的方式,获取用户感兴趣的房源。通常可以在调查问卷中设置一些问题,这些问题可以包括用户感兴趣的房源的房源属性,其中,房源属性可以包括房源的居室个数、房源的价格区间和房源的朝向等,每个房源属性可以设置有若干选项,比如,房源的居室个数可以设置有一居室、二居室和三居室等选项,用户可以根据自己的需求进行选择。通过调查问卷可以很直接、明确地获取到用户感兴趣的房源,但是,通常填写调查问卷的用户量有限,另外,用户感兴趣的房源可能会随着时间的变化而变化,比如,用户年初的时候,在调查问卷上填写的感兴趣的房源为3000元的一居室,但是,到了年末,用户感兴趣的房源可能变为5000元的二居室。因此,调查问卷的方式获取到的用户感兴趣的房源,准确度不高。
技术实现思路
针对现有技术中存在的问题,本专利技术实施例提供一种用户偏好房源计算方法和系统。第一方面,本专利技术实施例提供一种用户偏好房源计算方法,所述方法包括:获取用户的线上房源行为和线下房源行为;获取所述线上房源行为的权重和所述线下房源行为的权重;根据所述用户的线上房源行为、线下房源行为,以及所述线上房源行为的权重和所述线下房源行为的权重,计算出房源属性对应的选项的权重分数;根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源。第二方面,本专利技术实施例提供一种用户偏好房源计算系统,所述系统包括:第一获取模块,用于获取用户的线上房源行为和线下房源行为;第二获取模块,用于获取所述线上房源行为的权重和所述线下房源行为的权重;权重分数计算模块,用于根据所述用户的线上房源行为、线下房源行为,以及所述线上房源行为的权重和所述线下房源行为的权重,计算出房源属性对应的选项的权重分数;房源计算模块,用于根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源。第三方面,本专利技术实施例提供一种电子设备,所述设备包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述用户偏好房源计算方法。第四方面,本专利技术实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述用户偏好房源计算方法。本专利技术实施例提供的用户偏好房源计算方法和系统,通过获取用户的线上房源行为和线下房源行为,获取线上房源行为的权重和线下房源行为的权重,根据用户的线上房源行为、线下房源行为,以及线上房源行为的权重和线下房源行为的权重,计算出房源属性对应的选项的权重分数,根据房源属性对应的选项的权重分数,得到用户偏好的房源。该方法和系统可以提高对用户偏好房源的计算的准确度,进而为用户推荐更加个性化的房源信息,提升了用户体验。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的用户偏好房源计算方法流程图;图2为本专利技术实施例提供的用户偏好房源计算系统的结构示意图;图3为本专利技术实施例提供的电子设备的结构示意图;图4为本专利技术实施例提供的验证结果示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。图1为本专利技术实施例提供的用户偏好房源计算方法流程图,如图1所示,所述方法包括:步骤10、获取用户的线上房源行为和线下房源行为;步骤11、获取所述线上房源行为的权重和所述线下房源行为的权重;步骤12、根据所述用户的线上房源行为、线下房源行为,以及所述线上房源行为的权重和所述线下房源行为的权重,计算出房源属性对应的选项的权重分数;步骤13、根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源。具体地,服务器可以获取用户的线上房源行为和线下房源行为。其中,线上房源行为可以包括:浏览房源的行为、搜索房源的行为、关注房源的行为、咨询房源经纪人的行为、分享房源的行为和推送房源的行为中的一个或多个。其中,搜索房源的行为可以包括:直接输入的方式搜索房源的行为和按照地图搜索房源的行为;咨询房源经纪人的行为可以包括:通过即时聊天软件向房源经纪人咨询房源的行为、通过电话向房源经纪人咨询房源的行为、通过短信向房源经纪人咨询房源的行为,以及在线预约房源经纪人带领前去看房源的行为。线下房源行为可以包括:委托房源的行为、带看房源的行为和成交房源的行为中的一个或多个。其中,委托房源的行为是指,房源经纪人根据客户的线上咨询,向客户推荐房源,线下委托房源的行为;带看房源的行为是指在房源经纪人的带领下,前去看房源的行为。服务器可以从数据库中,获取每个线上房源行为的权重和每个线下房源行为的权重。比如,浏览房源的行为对应的权重可以为0.1,搜索房源的行为对应的权重可以为0.3,关注房源的行为对应的权重可以为0.4,咨询房源经纪人的行为对应的权重可以为0.7,推送房源的行为对应的权重可以为0.3,分享房源的行为对应的权重可以为0.6,委托房源的行为对应的权重可以为0.7,带看房源的行为对应的权重可以为1.3,成交房源的行为对应的权重可以为1.5。然后,服务器可以根据用户的线上房源行为、线下房源行为,以及每个线上房源行为的权重和每个线下房源行为的权重,计算出房源属性对应的选项的权重分数。其中,房源属性可以包括:房源的居室个数、房源的价格区间、房源所在的楼层、房源所在的小区和房源的朝向中的一个或多个。每个房源属性都设置有对应的选项,比如,房源的居室个数对应的选项可以包括:一居室、二居室和三居室,服务器可以从用户的线上房源行为和线下房源行为中,提取出一居室房源的每个线上房源行为的次数和每个线下房源行为的次数,然后,将每个线上房源行为的次数与对应的权重相乘,将每个线下房源行为的次数与对应的权重相乘,将所有的乘积相加,得到的数值即为一居室的权重分数。比如,一居室房源的浏览次数为t1,一居室房源的搜索次数为t2,一居室房源的关注次数为t3,一居室房源的咨询房源经纪人次数为t4,一居室房源的分享次数为t5,一居室房源的推送次数为t6,一居室房源的委托次数为t7,一居室房源的带看次数为t8,一居室房源的成交次数为t9,则服务器可以计算出一居室的权重分数:N1=t1×0.1+t2×0.3+t3×0.4+t4×0.7+t5×0.6+t6×0.3+t7×0.7+t8×1.3+t9×1.5。服务器可以按照上述方法,分别计算出一居室的权重分数、二居室的权重分数和三居室的权重分数,从而得到房源的居室个数的每个选项的权重分数。服务器可以按照上述方法,计算出其他房源属性的每个选项的权重分数,然后,根据本文档来自技高网...

【技术保护点】
1.一种用户偏好房源计算方法,其特征在于,包括:获取用户的线上房源行为和线下房源行为;获取所述线上房源行为的权重和所述线下房源行为的权重;根据所述用户的线上房源行为、线下房源行为,以及所述线上房源行为的权重和所述线下房源行为的权重,计算出房源属性对应的选项的权重分数;根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源。

【技术特征摘要】
1.一种用户偏好房源计算方法,其特征在于,包括:获取用户的线上房源行为和线下房源行为;获取所述线上房源行为的权重和所述线下房源行为的权重;根据所述用户的线上房源行为、线下房源行为,以及所述线上房源行为的权重和所述线下房源行为的权重,计算出房源属性对应的选项的权重分数;根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源。2.根据权利要求1所述的方法,其特征在于,所述线上房源行为包括:浏览房源的行为、搜索房源的行为、关注房源的行为、咨询房源经纪人的行为、分享房源的行为和推送房源的行为中的一个或多个;所述线下房源行为包括:委托房源的行为、带看房源的行为和成交房源的行为中的一个或多个;所述房源属性包括:房源的居室个数、房源的价格区间、房源所在的楼层、房源所在的小区和房源的朝向中的一个或多个。3.根据权利要求1所述的方法,其特征在于,所述根据所述房源属性对应的选项的权重分数,得到所述用户偏好的房源,包括:将所述房源属性的权重分数最大的第一选项,筛选为所述用户偏好的房源对应的所述房源属性的选项;根据所述用户偏好的房源对应的所述房源属性的选项,得到所述用户偏好的房源。4.根据权利要求3所述的方法,其特征在于,还包括:获取所述用户历史偏好的房源对应的所述房源属性的第二选项,以及所述第二选项对应的权重分数;根据得到所述第二选项的时间与得到所述第一选项的时间之间的时间间隔,以及所述第二选项对应的权重分数,得到所述第二选项对应的衰减之后的权重分数;若所述第一选项对应的权重分数大于所述第二选项对应的衰减之后的权重分数,则将所述第一选项筛选为所述用户偏好的房源对应的所述房源属性的选项。5.根据权利要求4所述的方法,其特征在于,还包括:若所述第一选项对应的权重分数小于所述第二选项对应的衰减之后的权重分数,则将所述第二选项筛选为所述用...

【专利技术属性】
技术研发人员:贾忠良
申请(专利权)人:链家网北京科技有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1