用于不可替代资产的推荐系统技术方案

一种用于基于此类用户对资产及其各自特征的确定兴趣来向个体推荐不可替代资产的推荐系统和方法。

【技术实现步骤摘要】
【国外来华专利技术】
本文描述的实例大体上涉及用于诸如不动产资产的不可替代资产的推荐系统。背景存在使用户能够交易各种项目，诸如收藏品、电子设备以及其他商品或服务的多种拍卖论坛。推荐引擎也存在用于多个应用，包括内容分发并且用于购买商品和产品的目的。应用推荐引擎的典型方法包括：(i)通过偏好或选择链接用户，随后在具有相似品味的个体可充当彼此推荐的源的假设下进行推荐，或者(ii)针对推荐识别相似资产(例如，如果用户喜欢特定颜色的产品，那么推荐相同颜色的另一种产品，等)。此类推荐引擎具有不同程度的有效性。附图简述图1示出根据实施方案的用于不动产资产的推荐系统。图2A示出用于通过定量地确定用户对相关类型的资产的兴趣来从资产池数据库推荐资产的示例性方法。图2B示出用于向用户推荐不动产资产的示例性方法。图3示出优化向一组用户推荐不动产资产的示例性方法。图4是如由本文描述的实例提供的用于不动产资产的一组推荐的实例。图5是示出计算机系统的框图，本文描述的实例可在所述计算机系统上实施。详述本文描述的实例大体上涉及用于诸如不动产资产的不可替代资产的推荐系统。在一些实施方案中，提供了一种推荐系统和方法，其用于基于此类用户对资产及其各自特征的确定兴趣来向个体推荐不可替代资产。再进一步，一些实例提供用于实施优化流程以便基于不动产资产的可用池进一步选择向个体用户推荐什么不动产资产。本文描述的一些实例包括一种系统和方法，其用于从不可替代资产的数据库推荐资产。根据一些实例，针对某一资产类型的资产数据库来确定一组特征，其中每一个特征被限定来与可能值的范围关联。针对数据库中的每一个资产来确定数值模型。数值模型可以基于那个资产的所述一组特征中的每一个特征的值。当一组中的一个或多个用户的活动指示那个用户对一对应组的一个或多个资产的兴趣时，检测那个用户对活动的执行。针对所述一组中的每一个用户，针对那个用户的所述一对应组资产中的每一个资产的每一个特性来确定值。针对所述一组中的每一个用户来确定兴趣模型，其中兴趣模型基于那个用户的所述一组资产中的每一个资产的每一个特征的值。将每一个用户的兴趣模型与数据库中的每一个资产的数值模型进行比较以便确定那个用户的一匹配组资产。可以基于在那个用户的所述匹配组资产中确定的一个或多个资产针对所述一组中的每一个用户生成推荐。术语“可替代”指可由另一项目或数量替换的项目或数量。可可替代项目的实例包括诸如由产品线提供的通常大量生产的制造商品(例如家庭用品、电话等)此类项目是可替代的因为它们具有等同替换，例如，如果用户从在线零售商购买家庭用品并且项目运输有缺陷时，用户可简单地请求替换。在一些实例中，用户可购买非品牌但以其他方式相同的版本的可替代项目。通过对比，不可替代资产(或项目)旨在意指具有与相似或同一种类的其他项目相比具有独特性或稀缺性的属性的项目。不可替代资产的实例包括不动产资产、艺术品以及其他收藏品。虽然以下在不动产资产的上下文中描述多个实例，但诸如以下描述的实施方案可应用到其他种类的不可替代资产。术语“推荐”包括任何形式的通信，无论是直接(例如，给接收通信的人写信)还是间接(例如，在其他上下文中显示给用户，诸如通过广告)。例如，推荐可包括消息、通知、搜索结果的一部分和/或提供为网页的一部分的网页内容。关于不可替代项目，本文描述的实例认识到可用库存可限制使用诸如资产之间的相似性比较的常规方法的推荐。例如，库存的大小、多样性和变化率可至少在建议一直有效所需要的粒度上阻碍有效的相似性比较。此外，不可替代项目是相对独特的，并且共享属性的不可替代资产可以是稀缺的，特别是与可能想要接收推荐的人的大小的相比较。此外，使一个不可替代资产吸引人的属性可以不是另一用户发现不可替代资产的吸引力的原因，然而个体可发现资产的吸引力。存在实现不可替代项目的交易或以其他方式允许访问不可替代项目的在线论坛(例如，在线拍卖和市场)。这些论坛通常消耗专用硬件和/或软件资源以便进行并维护论坛。通常，不可替代项目的库存与此类论坛相关联。例如，不动产论坛(例如，拍卖网站)可主办不同种类的不动产项目(例如，小区住宅、商厦、票据等)的拍卖。诸如数据库(或数据库的组合)的计算资源可维护个体资产的数据(例如，记录)。实施方案认识到作为一般目标，越多的库存通过交易处理，存储系统就具有越多的能力来携载用于交易的更大数量的资产。从推荐引擎生成的推荐可基于来自在线论坛的数据库(或其他计算资源)的记录。推荐引擎可通过给潜在买者带来对列在数据库中的资产的兴趣来促进在线论坛。以此方式，推荐引擎可提供以更有效方式利用数据库(或其他计算资源)的技术效应，当推荐到位时更多记录(用于被交易的项目)可被处理，意味着需要更少的存储器来实现更多项目的交易。就这一点而言，其中不可替代项目被提供用于交易的在线论坛具有对在线环境而言是独特的挑战。虽然推荐引擎可增加对此类在线论坛的兴趣和参与度，并因此促进积极列出用于交易的项目的营业额(从而更有效地利用数据库或存储器)，简单地以这种方式增加流量不够优化或生成对潜在买者群体的资产清单的有效访问。实施方案认识到当推荐引擎采用相似性算法来推荐不可替代项目时，可能过度推荐相对小数量的资产。同样，当推荐系统采用技术来通过偏好相似性匹配用户以便推荐匹配与其他匹配用户类似的用户的项目时，所得的推荐还集中于相对小数量的属性。因此，实例认识到在诸如不动产的不可替代资产的上下文中，常规推荐流程趋于仅对资产池的子集感兴趣并且忽视资产池的更大部分(即使更大资产池中的项目将对选择人有更多兴趣)。在常规推荐流程下，资产池中的项目中的许多(如果不是多数)将成为过时，并且对应于那些资产的记录将入住存储资源更长时间段，而数据库系统的其他部分将从过度推荐的资产经历不成比例的沉重负担，从而降低数据库的整体效率并且有其他缺点。与此类常规方法对比，本文描述的实例提供推荐系统，所述推荐系统基于兴趣，意味着提供用于个人的推荐基于那个个体的观察到的或已知的兴趣。通过对于个体是基于兴趣的，本文描述的实例认识到资产池的更大百分比可被识别为对用户来说是潜在感兴趣的。例如，如果用户被确定为对特定区域的大房子感兴趣，那么当库存稀缺时，推荐引擎可识别显示位于可替代位置中的相似尺寸的房子或者位于同一感兴趣位置中的更小的房子的推荐。兴趣简档的确定可基于对用户关于不可替代资产的活动的主动和被动监视两者。如关于不动产描述的，可至少部分地基于下列各项中的一个或多个对个人的兴趣建模：(i)在线活动，诸如浏览和查看房子清单，(ii)投标活动，诸如用户将标放在在线论坛上(例如，拍卖)，(iii)查看和/或搜索，诸如当用户查看来自特定邮政编码的清单或询问经纪人时，(iv)非投标拍卖活动(例如，用户注册拍卖、在拍卖之前或拍卖期间评审拍卖项目等)。再进一步，在不动产的情况下，用户的兴趣模型可至少部分地基于个人的线下活动。例如，在不动产的情况下，用户的移动计算装置可被监视来确定个体的当前位置、他们的居住城市和/或线下财产清单(例如，个人参观公共场所)。再进一步，还可获得人口统计信息，包括关于用户当前住宅和/或过去交易的信息。可针对多种不用属性扫描由此类在线活动识别的资产以便开发用户专用的兴趣模型。为了所述实例的目的，术语本文档来自技高网...

【技术保护点】
一种用于从不可替代资产的数据库推荐资产的方法，所述方法由一个或多个处理器实施并且包括：确定资产类型的一组特征，所述资产类型包括来自所述数据库的所述资产，并且每一个特征被限定来与可能值的范围关联；确定所述数据库中的每一个资产的数值模型，所述数值模型基于那个资产的所述一组特征中的每一个特征的值；检测由一组中的每一个用户执行的一个或多个活动，由所述一组中的每一个用户执行的所述一个或多个活动指示那个用户对一对应组的一个或多个资产的兴趣，所述一对应组中的每一个资产是所述资产类型；针对所述一组中的每一个用户，(i)确定所述一对应组中的每一个资产的所述一组特征中的每一个特征的值；(ii)确定所述一组中的每一个用户的兴趣模型，所述兴趣模型基于所述一对应组中的每一个资产的所述一组特征中的每一个特征的所述值；(iii)将所述用户的所述兴趣模型与所述数据库中的每一个资产的所述数值模型进行比较以便确定那个用户的一匹配组资产；并且其中所述方法还包括基于在那个用户的所述一匹配组资产中确定的一个或多个资产为所述一组中的每一个用户生成推荐。

【技术特征摘要】
【国外来华专利技术】2014.03.26 US 61/967,839;2015.03.26 US 14/670,0981.一种用于从不可替代资产的数据库推荐资产的方法，所述方法由一个或多个处理器实施并且包括：确定资产类型的一组特征，所述资产类型包括来自所述数据库的所述资产，并且每一个特征被限定来与可能值的范围关联；确定所述数据库中的每一个资产的数值模型，所述数值模型基于那个资产的所述一组特征中的每一个特征的值；检测由一组中的每一个用户执行的一个或多个活动，由所述一组中的每一个用户执行的所述一个或多个活动指示那个用户对一对应组的一个或多个资产的兴趣，所述一对应组中的每一个资产是所述资产类型；针对所述一组中的每一个用户，(i)确定所述一对应组中的每一个资产的所述一组特征中的每一个特征的值；(ii)确定所述一组中的每一个用户的兴趣模型，所述兴趣模型基于所述一对应组中的每一个资产的所述一组特征中的每一个特征的所述值；(iii)将所述用户的所述兴趣模型与所述数据库中的每一个资产的所述数值模型进行比较以便确定那个用户的一匹配组资产；并且其中所述方法还包括基于在那个用户的所述一匹配组资产中确定的一个或多个资产为所述一组中的每一个用户生成推荐。2.如权利要求1所述的方法，其中每一个特征与可能值的归一化范围关联。3.如权利要求1所述的方法，其中将所述用户的所述兴趣模型与每一个资产的所述数值模型进行比较包括确定所述一组中的每一个用户的最佳匹配和满意匹配中的每一个。4.如权利要求1所述的方法，其中所述资产类型对应于不动产资产类型，并且其中生成所述推荐包括：(i)生成一组推荐，其中所述一组中的至少一个推荐是用于所述一组中的对应用户，并且所述一组中的每一个推荐指定来自所述数据库的至少一个不动产资产，以及(ii)基于一组或多组优化参数来优化所述数据库的被推荐的资产的分布。5.如权利要求4所述的方法，其中所述一组或多组优化参数包括下列各项中的至少一个：(i)来自所述数据库的被推荐的资产的数量，或(ii)来自所述数据库的被推荐的所有资产的值。6.如权利要求1所述的方法，其中所述资产类型对应于不动产资产类型，并且其中生成所述推荐包括生成推荐内容，其包括用于所述一组中的每一个用户的一个或多个推荐清单，所述推荐内容作为下列各项中的一个或多个递送给每一个用户：(i)网页内容，(ii)广告，或(iii)消息或通知。7.如权利要求1所述的方法，其中所述资产类型对应于不动产资产类型，并且其中所述一组特征包括选自由下列各项构成的群组的多个特征：财产类型、...

【专利技术属性】
技术研发人员：H·戴德哈，N·迪尔登，W·W·伦德尔，M·洛克，S·希钦斯，
申请(专利权)人：X坦有限公司，
类型：发明
国别省市：美国;US