【技术实现步骤摘要】
房源的推荐方法及房源的推荐系统
本专利技术涉及房源信息处理
，具体地，涉及一种房源的推荐方法及一种房源的推荐系统。
技术介绍
随着城市规模的不断发展，城市内的找房、租房、用房的需求在不断增加，为了对用户进行更好的服务，房屋管理中介通过向用户提供房源推荐系统以辅助用户进行房源的选择。在现有技术中，房源推荐系统通过采用基于模型的协同过滤算法等方法来对用户的喜好进行分析，并根据用户的喜好生成对应的推荐模型，通过该推荐模型，房源推荐系统能够根据用户的喜好为用户进行房源推荐，其中，聚类算法(例如K-Means聚类算法)所对应的模型是当前应用最为广泛的协同过滤模型。然而在实际应用过程中，一方面，在通过K-Means聚类算法进行房源筛选的过程中，房源的各个属性的权重值相同，因此筛选结果无法满足用户的个性化需求；另一方面，K-Means聚类算法的运算结果只为0或者1，因此无法通过运算结果分析出不同房源信息与用户实际需求的关联程度，因此根据运算结果生成的推荐房源信息与用户的实际需求偏差较大，无法满足用户的实际需求。
【技术保护点】
1.一种房源的推荐方法，其特征在于，所述推荐方法包括：/n获取房源信息和用户的行为信息；/n基于所述房源信息和所述行为信息生成用户偏好信息；/n获取第一预设算法和预设矩阵信息，并基于所述用户偏好信息和所述预设矩阵信息对所述第一预设算法进行处理以获得处理后算法；/n基于所述处理后算法获取相似房源信息；/n对所述相似房源信息进行筛选以获得对应的推荐房源信息。/n
【技术特征摘要】
1.一种房源的推荐方法，其特征在于，所述推荐方法包括：
获取房源信息和用户的行为信息；
基于所述房源信息和所述行为信息生成用户偏好信息；
获取第一预设算法和预设矩阵信息，并基于所述用户偏好信息和所述预设矩阵信息对所述第一预设算法进行处理以获得处理后算法；
基于所述处理后算法获取相似房源信息；
对所述相似房源信息进行筛选以获得对应的推荐房源信息。
2.根据权利要求1所述的推荐方法，其特征在于，所述房源信息包括房源名称信息和房源属性信息，所述基于所述房源信息和所述行为信息生成用户偏好信息，包括：
基于所述房源名称信息和所述房源属性信息生成预设房源向量信息；
基于所述行为信息生成对每个所述房源属性信息的评估信息；
基于所述预设房源向量信息和所述评估信息生成所述用户偏好信息。
3.根据权利要求1所述的推荐方法，其特征在于，所述第一预设算法为K-Means聚类算法，所述第一预设算法表征为：
所述基于所述用户偏好信息和所述预设矩阵信息对所述第一预设算法进行处理以获得处理后算法，包括：
将所述用户偏好信息和所述预设矩阵信息加入所述第一预设算法，生成处理后算法，所述处理后算法表征为：
其中，n和k表征为正整数，uij表征为预设矩阵信息，xi表征为用户偏好信息，cj表征为聚类中心信息。
4.根据权利要求1所述的推荐方法，其特征在于，所述基于所述处理后算法获取相似房源信息，包括：
基于所述处理后算法对所述房源信息进行聚类处理并获得至少一个聚类房源信息；
按照所述用户偏好信息对所述聚类房源信息进行分类，以获得对应的相似房源信息和不相似房源信息。
5.根据权利要求4所述的推荐方法，其特征在于，所述对所述相似房源信息进行筛选以获得对应的推荐房源信息，包括：
基于所述处理后算法获取房源排序信息；
基于所述房源排序信息对所述相似房源信息进行排序以获得排序后房源信息，并基于所述排序后房源信息获得对应的推荐房源信息。
6.根...
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。