装修推荐信息生成方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种装修推荐信息生成方法、装置、存储介质及电子设备，涉及计算科学技术。具体方案包括：获取目标用户的偏好信息和待装修房屋的房屋属性信息；根据所述目标用户的偏好信息，从至少一个用户类型中确定所述目标用户所属的目标用户类型；根据所述目标用户类型从预先训练得到的至少一个推荐模型中，确定目标推荐模型；所述目标推荐模型以属于所述目标用户类型的至少一个所述样本用户为样本进行训练得到；将所述房屋属性信息输入所述目标推荐模型，得到至少一个装修推荐信息。本申请可以更好地结合目标用户的偏好信息和房屋属性信息，既可以更好地发挥房屋的户型和特性，又可以得到满足用户的真实喜好的最合理化的装修推荐信息。

Generation method, device, storage medium and electronic equipment of decoration recommendation information

【技术实现步骤摘要】
装修推荐信息生成方法、装置、存储介质及电子设备
本申请涉及计算科学技术，特别是涉及一种装修推荐信息生成方法、装置、存储介质及电子设备。
技术介绍
随着城市化的发展和推进，房屋装修装饰需求越来越大。在进行房屋装修时，用户偏好千差万别，不同房屋本身的物理特性也差别很大。现有技术中，通常以模板化的有限的几种装修效果图提供给用户选择，且有限的装修模板完全依赖于设计师的个人经验，这样提供的装修模板也完全受限于设计师的个人经验，往往很难真正发挥房屋的户型和特性，也无法得到满足用户的真实喜好的最合理化方案。
技术实现思路
有鉴于此，本申请的主要目的在于提供一种装修推荐信息生成方法，该方法可以摆脱设计师的个人经验限制，更好地结合了目标用户的偏好信息和房屋属性信息，既可以更好地发挥房屋的户型和特性，又可以得到满足用户的真实喜好的最合理化的装修推荐信息。为了达到上述目的，本申请提出的技术方案为：第一方面，本申请实施例提供了一种装修推荐信息生成方法，包括以下步骤：获取目标用户的偏好信息和待装修房屋的房屋属性信息；根据所述目标用户的偏好信息，从至少一个用户类型中确定所述目标用户所属的目标用户类型；根据所述目标用户类型从预先训练得到的至少一个推荐模型中，确定目标推荐模型；所述目标推荐模型以属于所述目标用户类型的样本进行训练得到；将所述房屋属性信息输入所述目标推荐模型，得到至少一个装修推荐信息。一种可能的实施方式中，所述根据所述偏好信息，确定所述目标用户所属的用户类型的步骤，包括：基于所述偏好信息提取偏好特征；将所述偏好特征输入预先训练得到的聚类模型中，得到所述目标用户类型；所述聚类模型采用至少一个样本用户的历史偏好信息进行预先训练得到。一种可能的实施方式中，所述基于所述偏好信息提取偏好特征的步骤之前，所述方法还包括对所述聚类模型进行训练的步骤：获取至少一个样本用户及每个所述样本用户各自的历史偏好信息；基于每个所述历史偏好信息分别提取历史偏好特征；确定至少一个聚类，并随机确定每个所述聚类各自的聚类中心；根据每个所述历史偏好特征，使用所述聚类模型分别确定属于每个所述聚类的样本用户；分别针对每个所述聚类，根据属于该聚类的样本用户的历史偏好特征，更新该聚类的聚类中心；判断是否满足迭代停止条件，当不满足所述迭代停止条件时，返回执行所述根据每个所述历史偏好特征，使用所述聚类模型分别确定属于每个所述聚类的样本用户的步骤；当满足所述迭代停止条件时，将得到的每个所述聚类分别确定为所述用户类型。一种可能的实施方式中，所述基于所述房屋属性信息提取房屋属性特征的步骤之前，所述方法还包括对所述推荐模型进行训练的步骤：针对每个用户类型，获取属于该用户类型的至少一个样本用户，并获取所述样本用户各自的样本房屋的历史房屋属性信息、历史装修推荐信息与每个样本用户实际选择的目标历史装修推荐信息、以及每个样本用户对所述历史装修推荐信息的历史评分信息；基于每个所述历史房屋属性信息分别提取历史房屋属性特征，基于每个所述历史装修推荐信息分别提取历史装修推荐特征，根据目标历史装修推荐信息确定目标历史装修推荐特征，基于每个所述历史评分信息分别提取历史评分信息特征；使用所述历史房屋属性特征、所述历史装修推荐特征、所述目标历史装修推荐特征和所述历史评分信息特征对初始推荐模型进行训练，得到该用户类型的所述推荐模型。一种可能的实施方式中，所述历史装修推荐信息包括颜色信息；所述颜色信息包括墙面颜色信息和/或地板颜色信息；所述基于每个所述历史装修推荐信息分别提取历史装修推荐特征的步骤，包括：获取所述颜色信息的RGB色彩数值；对所述RGB色彩数值进行归一化，得到所述历史装修推荐特征。一种可能的实施方式中，所述推荐模型为包括输入层、中间层和输出层的神经网络模型，所述使用所述历史房屋属性特征、所述历史装修推荐特征和所述历史评分信息特征对初始推荐模型进行训练，得到该用户类型的所述推荐模型的步骤包括：将所述历史房屋属性特征连接至所述输入层，将所述历史装修推荐特征和所述历史评分信息特征连接至所述输出层，通过反向传播训练对所述初始推荐模型的中间层的参数进行调整，得到该用户类型的所述推荐模型。一种可能的实施方式中，所述得到至少一个装修推荐信息的步骤之后，所述方法还包括：将所述至少一个装修推荐信息发送给所述目标用户，并记录所述目标用户对每个装修推荐信息的评分信息。第二方面，本申请实施例还提供一种装修推荐信息生成装置，包括：获取模块，用于获取目标用户的偏好信息和待装修房屋的房屋属性信息；用户类型确定模块，用于根据所述目标用户的偏好信息，从至少一个用户类型中确定所述目标用户所属的目标用户类型；推荐模型确定模块，用于根据所述目标用户类型从预先训练得到的至少一个推荐模型中，确定目标推荐模型；所述目标推荐模型以属于所述目标用户类型的样本进行训练得到；推荐信息确定模块，用于将所述房屋属性信息输入所述目标推荐模型，得到至少一个装修推荐信息。一种可能的实施方式中，用户类型确定模块，还包括：偏好特征提取模块，用于基于所述偏好信息提取偏好特征；聚类模型，用于输入所述偏好特征，得到所述目标用户类型；所述聚类模型采用至少一个样本用户的历史偏好信息进行预先训练得到。一种可能的实施方式中，装修推荐信息生成装置，还包括，聚类模型训练模块，聚类模型训练模块包括：历史偏好信息获取模块，用于获取至少一个样本用户及每个所述样本用户各自的历史偏好信息；历史偏好特征提取模块，用于基于每个所述历史偏好信息分别提取历史偏好特征；聚类初始化模块，用于确定至少一个聚类，并随机确定每个所述聚类各自的聚类中心；初始聚类模型，用于根据每个所述历史偏好特征，分别确定属于每个所述聚类的样本用户；聚类更新模块，用于分别针对每个所述聚类，根据属于该聚类的样本用户的历史偏好特征，更新该聚类的聚类中心；判断模块，用于判断是否满足迭代停止条件。一种可能的实施方式中，装修推荐信息生成装置，还包括，推荐模型训练模块，包括：样本信息获取模块，用于针对每个用户类型，获取属于该用户类型的至少一个样本用户，并获取所述样本用户各自的样本房屋的历史房屋属性信息、历史装修推荐信息与每个样本用户实际选择的目标历史装修推荐信息、以及每个样本用户对所述历史装修推荐信息的历史评分信息；样本特征提取模块，用于基于每个所述历史房屋属性信息分别提取历史房屋属性特征，基于每个所述历史装修推荐信息分别提取历史装修推荐特征，根据目标历史装修推荐信息确定目标历史装修推荐特征，基于每个所述历史评分信息分别提取历史评分信息特征；模型训练模块，用于使用所述历史房屋属性特征、所述历史装修推荐特征、所述目标历史装修推荐特征和所述历史评分信息特征对初始推荐模型进行训练本文档来自技高网...

【技术保护点】
1.一种装修推荐信息生成方法，其特征在于，包括：/n获取目标用户的偏好信息和待装修房屋的房屋属性信息；/n根据所述目标用户的偏好信息，从至少一个用户类型中确定所述目标用户所属的目标用户类型；/n根据所述目标用户类型从预先训练得到的至少一个推荐模型中，确定目标推荐模型；所述目标推荐模型以属于所述目标用户类型的样本进行训练得到；/n将所述房屋属性信息输入所述目标推荐模型，得到至少一个装修推荐信息。/n

【技术特征摘要】
1.一种装修推荐信息生成方法，其特征在于，包括：
获取目标用户的偏好信息和待装修房屋的房屋属性信息；
根据所述目标用户的偏好信息，从至少一个用户类型中确定所述目标用户所属的目标用户类型；
根据所述目标用户类型从预先训练得到的至少一个推荐模型中，确定目标推荐模型；所述目标推荐模型以属于所述目标用户类型的样本进行训练得到；
将所述房屋属性信息输入所述目标推荐模型，得到至少一个装修推荐信息。


2.根据权利要求1所述的方法，其特征在于，所述根据所述偏好信息，确定所述目标用户所属的用户类型的步骤，包括：
基于所述偏好信息提取偏好特征；
将所述偏好特征输入预先训练得到的聚类模型中，得到所述目标用户类型；所述聚类模型采用至少一个样本用户的历史偏好信息进行预先训练得到。


3.根据权利要求2所述的方法，其特征在于，所述基于所述偏好信息提取偏好特征的步骤之前，所述方法还包括对所述聚类模型进行训练的步骤：
获取至少一个样本用户及每个所述样本用户各自的历史偏好信息；
基于每个所述历史偏好信息分别提取历史偏好特征；
确定至少一个聚类，并随机确定每个所述聚类各自的聚类中心；
根据每个所述历史偏好特征，使用所述聚类模型分别确定属于每个所述聚类的样本用户；
分别针对每个所述聚类，根据属于该聚类的样本用户的历史偏好特征，更新该聚类的聚类中心；
判断是否满足迭代停止条件，当不满足所述迭代停止条件时，返回执行所述根据每个所述历史偏好特征，使用所述聚类模型分别确定属于每个所述聚类的样本用户的步骤；
当满足所述迭代停止条件时，将得到的每个所述聚类分别确定为所述用户类型。


4.根据权利要求1所述的方法，其特征在于，所述获取目标用户的偏好信息和待装修房屋的房屋属性信息的步骤之前，所述方法还包括对所述推荐模型进行训练的步骤：
针对每个用户类型，获取属于该用户类型的至少一个样本用户，并获取所述样本用户各自的样本房屋的历史房屋属性信息、历史装修推荐信息与每个样本用户实际选择的目标历史装修推荐信息、以及每个样本用户对所述历史装修推荐信息的历史评分信息；
基于每个所述历史房屋属性信息分别提取历史房屋属性特征，基于每个所述历史装修推荐信息分别提取历史装修推荐特征，根据目标历史装修推荐信息确定目标历史装修推荐特征，基于每个所述历史评分信息分别提取历史评分信息...

【专利技术属性】
技术研发人员：蒋志颖，范娇娇，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12