基于分类器与密度聚类算法的租房信息检索方法及系统技术方案

本发明专利技术提供了基于分类器与密度聚类算法的租房信息检索方法及系统，包括：采集网络上的租房信息；将租房信息按照特征的相似度进行聚类分析，在每一次的聚类过程中进行数据点之间的距离计算获得特征值，并且使用密度聚类的方式将相似度较高的租房信息归类为一个群组形成聚类区域；通过分类器建立租房信息的特征值与聚类区域之间的映射关系；获取目标用户的租房条件信息，获取租房条件信息的特征值并输入分类器，根据映射关系获取租房条件信息的特征值所对应的聚类区域，获取聚类区域内的租房信息；进一步地降低检索的时间复杂度，解决了租房信息检索过程中信息检索数据冗长，检索复杂，获取数据时间长，精度低的技术问题。精度低的技术问题。精度低的技术问题。

【技术实现步骤摘要】
基于分类器与密度聚类算法的租房信息检索方法及系统


[0001]本专利技术属于租房信息检索
，具体涉及到基于分类器与密度聚类算法的租房信息检索方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]数据检索是计算机领域中最为基础的问题，其目的是在整个数据集范围内查询符合给定关键字条件的特定数据。数据检索的效率取决于整个数据集的长度以及检索策略的设计。
[0004]对于容量较小的数据集，可以采用逐步遍历比较的方式查找出符合给定条件的特定数据。此外，与树或图相关的结构也可以实现检索过程的加速，从而以更高的效率查找数据。然而，近年来随着电子信息业务的发展，待处理的业务类数据呈TB级增长，普通的优化算法已经不能满足海量且结构复杂的数据检索需求。
[0005]因此，相关的深度学习以及大数据相关的数据处理算法应运而生，深度学习类的相关技术旨在建立一种能够满足任务需求的函数，而该函数能够自发地根据给定的输入或输出结果对自身的参数进行优化。此外，数据挖掘相关的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分类器与密度聚类算法的租房信息检索方法，其特征在于，包括：采集网络上的租房信息；将租房信息按照特征的相似度进行聚类分析，在每一次的聚类过程中进行数据点之间的距离计算获得特征值，并且使用密度聚类的方式将设定相似度的租房信息归类为一个群组形成聚类区域；通过分类器建立租房信息的特征值与聚类区域之间的映射关系；获取目标用户的租房条件信息，获取租房条件信息的特征值并输入分类器，根据映射关系获取租房条件信息的特征值所对应的聚类区域，获取聚类区域内的租房信息。2.如权利要求1所述的基于分类器与密度聚类算法的租房信息检索方法，其特征在于，所述租房信息包括租房信息数据和租房条件信息。3.如权利要求2所述的基于分类器与密度聚类算法的租房信息检索方法，其特征在于，将租房信息按照特征的相似度进行聚类分析包括：将所述租房信息数据进行聚类分析，根据聚类分析结果设置若干个聚类标签，并获得设定聚类标签下的租房信息数据群组。4.如权利要求3所述的基于分类器与密度聚类算法的租房信息检索方法，其特征在于，通过分类器建立租房信息的特征值与聚类区域之间的映射关系步骤包括：将聚类标签、处于该聚类标签下的租房信息数据群组和租房条件信息输入分类器进行训练，获得训练好的分类器。5.如权利要求4所述的基于分类器与密度聚类算法的租房信息检索方法，其特征在于，所述获取聚类区域内的租房信息步骤包括：获取目标用户的租房条件信息，将目标用户的租房条件信息输入训练完成的分类器中获取满足目标用户租房条件的聚类标签和该聚类标签下的租房信息数据群组。6.如权利要求1所述的基于分类器与密度聚类算法的租房信息检索方法，其特征在于，将租房信息按照特征的相似度进行聚类分析包括：获取租房信...

【专利技术属性】
技术研发人员：管洪清，徐亮，王伟，张元杰，张大千，尹广楹，孙浩云，
申请(专利权)人：青岛文达通科技股份有限公司，
类型：发明
国别省市：