一种基于互联网技术的生活优化方法技术

本申请提供一种基于互联网技术的生活优化方法，包括：获取用户信息与合租环境信息；根据合租者特征信息构建合租者画像并匹配合租者，所述根据合租者特征信息构建合租者画像并匹配合租者，具体包括：通过心理测验分析合租者性格，通过历史用电数据分析合租者用电行为，通过网络数据分析合租者爱好；根据合租环境信息进行合租环境特征分析，具体包括：根据合租预算分析合租者经济能力；根据合租者画像与合租环境特征进行个性化合租推荐；判断是否需要换租，具体包括：计算工作变动概率；换租地点与换租时间推荐。点与换租时间推荐。点与换租时间推荐。

【技术实现步骤摘要】
一种基于互联网技术的生活优化方法


[0001]本专利技术涉及信息
，尤其涉及一种基于互联网技术的生活优化方法。

技术介绍

[0002]进入互联网时代，人们对生活品质有了更高的追求，尤其是对生活环境的要求。然而，作为毕业生群体，由于还没有具体的经济收入，往往需要与他人合租，合租后，由于双方性格差异，往往会产生矛盾，导致合租无法继续。另外，有的人性格开朗适合与多人合租，有的人性格内敛不适合和多人合租，有的人经济压力大，租房预算低；有的人期望生活得更好，租房预算高。为了找到真正适合自己的房子，需要花费大量的时间和经历去寻找房子，而在这个过程中，由于信息误差等原因，导致最终签约的房子并不符合自己的实际需求,无法保证合租者有一个良好的合租体验。

技术实现思路

[0003]本专利技术提供了一种基于互联网技术的生活优化方法，主要包括：
[0004]获取用户信息与合租环境信息；根据合租者特征信息构建合租者画像并匹配合租者，所述根据合租者特征信息构建合租者画像并匹配合租者，具体包括：通过心理测验分析合租者性格，通过历史用电数据分析合租者用电行为，通过网络数据分析合租者爱好；根据合租环境信息进行合租环境特征分析，具体包括：根据合租预算分析合租者经济能力；根据合租者画像与合租环境特征进行个性化合租推荐；判断是否需要换租，具体包括：计算工作变动概率；换租地点与换租时间推荐。
[0005]进一步可选地，所述获取用户信息与合租环境信息包括：
[0006]获取用户信息与合租环境信息，并经过数据预处理后分别存储于用户数据库与合租环境数据库；通过用户ID获取对应的所述用户信息与所述合租环境信息；其中，所述用户信息与所述合租环境信息通过第三方数据接口与租赁平台获取。
[0007]进一步可选地，所述根据合租者特征信息构建合租者画像并匹配合租者包括：
[0008]通过合租者数据库获取合租者信息，并经过数据处理获取合租者特征信息；所述合租者特征信息包括性别、性格、用电行为、作息习惯、工作领域以及爱好；根据所述合租者特征信息构建合租者画像；利用皮尔逊相关系数计算公式，将指定的合租者画像信息与剩下的合租者画像信息进行相互匹配；所述皮尔逊相关系数(PearsonCorrelation)是衡量向量相似度的一种方式；输出范围为
‑
1到+1，其中0代表无相关性，负值代表负相关，正值代表正相关；若所述合租者画像信息的匹配度越高，则表示合租者之间越相似；选取匹配度高于指定阈值的前N个合租者进行特征标注并存储于匹配合租者数据库；包括：通过心理测验分析合租者性格；通过历史用电数据分析合租者用电行为；通过网络数据分析合租者爱好；
[0009]所述通过心理测验分析合租者性格，具体包括：
[0010]心理测验采用MBTI测试，通过所述MBTI测试获取合租者性格类型。MBTI(Myers
‑
BriggsTypeIndicator)，是一种迫选型、自我报告式的性格评估测试，用以衡量和描述人们
在获取信息、作出决策、对待生活等方面的心理活动规律和性格类型。所述MBTI测试上传至租赁平台并通过租赁平台向用户发送所述MBTI测试，通过所述MBTI测试获取用户性格测试结果数据，形成用户性格数据集，并利用神经网路训练所述用户性格数据集并进行特征标注，利用分类网络对所述特征标注进行监督训练，形成N种性格分类。
[0011]所述通过历史用电数据分析合租者用电行为，具体包括：
[0012]合租者用电行为包括不同时间段用电量、用电高峰期、不同功率电器用电量与用电风险程度。所述不同时间段用电量与所述用电高峰期的数据通过官方数据接口获得，所述不同电器用电量通过连接电器的智能插座采集，所述用电风险通过用电风险系数获得。所述用电风险系数，即E＝sqrt(((f1
‑
f)^2+(f2
‑
f)^2+......(fn
‑
f)^2)/n，fn表示第n个电器在指定时间内意外断电的次数，f表示所有电器意外断电次数的平均数，n表示总的电器数量。若所述用电风险系数超过指定阈值，则表示该合租者用电风险高。
[0013]所述通过网络数据分析合租者爱好，具体包括：
[0014]通过调取第三方数据接口获取合租者的网络数据，所述网络数据包括社交分享文字性数据、搜索记录数据与购物数据。获取的所述网络数据进行数据清洗并进行数据格式化。利用TextRank算法提取所述网络数据的关键词，所述TextRank算法是一种用于文本的基于图的排序算法，通过把文本分割成若干组成单元(句子)，构建节点连接图，用句子之间的相似度作为边的权重，通过循环迭代计算句子的TextRank值，最后抽取排名高的句子组合成文本摘要。将所获取的所有关键词构建合租者爱好向量，即H
→
{I1，I2，
…
,In},其中，H表示合租者爱好向量，I表示爱好关键词，n表示爱好关键词数量。
[0015]进一步可选地，所述根据合租环境信息进行合租环境特征分析包括：
[0016]通过合租环境数据库获取合租环境信息，并经过数据处理获取合租环境特征信息；所述合租环境特征信息存储于合租环境特征数据库，所述合租环境特征信息包括合租预算、租房风格、租房设备、租房面积、周边配套以及通勤距离；根据工作类型分析所述租房风格，所述工作类型通过用户信息数据库获得，并通过获取现有租房数据训练神经网络并构建神经网络模型，将用户工作类型参数输入神经网络模型，获取与用户需求相匹配的租房风格；包括：根据合租预算分析合租者经济能力；
[0017]所述根据合租预算分析合租者经济能力，具体包括：
[0018]通过第三方数据接口获取合租者的商业银行交易记录、负债信息与历史消费记录，将获取的所述商业银行交易记录、所述负债信息与所述历史消费记录进行数据预处理并将数据输入预先训练的数学模型中，所述数学模型采用深度神经网络DNN(DeepNeuralNetworks)并通过所述数学模型预测合租预算。设定N个合租预算区间，不同区间表示不同的经济能力。
[0019]进一步可选地，所述根据合租者画像与合租环境特征进行个性化合租推荐包括：
[0020]通过匹配合租者数据库获取匹配合租者数据，通过合租环境特征数据库获取合租环境特征信息，采集房源信息并构建房源信息数据库，所述房源信息包括住房户型，租房价格，房屋地点、房屋面积、周边配套和房屋设备；所述房源信息经过数据预处理后存储于房源信息数据库；构建房源数据，即P{p1,p2,
…
,pn},其中p表示房源数据，n表示房源数据的个数，通过K
‑
Means算法对房源数据进行分类，并结合灰色关联分析计算基于匹配合租者和合租环境特征与房源间的总相关联度；所述灰色关联度分析(GreyRelationAnalysis，
GRA)，是一种多因素统计分析的方法；最后利用Top
‑
N推荐方式进行个性化合租推荐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于互联网技术的生活优化方法，其特征在于，所述方法包括：获取用户信息与合租环境信息；根据合租者特征信息构建合租者画像并匹配合租者，所述根据合租者特征信息构建合租者画像并匹配合租者，具体包括：通过心理测验分析合租者性格，通过历史用电数据分析合租者用电行为，通过网络数据分析合租者爱好；根据合租环境信息进行合租环境特征分析，具体包括：根据合租预算分析合租者经济能力；根据合租者画像与合租环境特征进行个性化合租推荐；判断是否需要换租，具体包括：计算工作变动概率；换租地点与换租时间推荐。2.根据权利要求1所述的方法，其中，所述获取用户信息与合租环境信息，包括:获取用户信息与合租环境信息，并经过数据预处理后分别存储于用户数据库与合租环境数据库；通过用户ID获取对应的所述用户信息与所述合租环境信息；其中，所述用户信息与所述合租环境信息通过第三方数据接口与租赁平台获取。3.根据权利要求1所述的方法，其中，所述根据合租者特征信息构建合租者画像并匹配合租者，包括:通过合租者数据库获取合租者信息，并经过数据处理获取合租者特征信息；所述合租者特征信息包括性别、性格、用电行为、作息习惯、工作领域以及爱好；根据所述合租者特征信息构建合租者画像；利用皮尔逊相关系数计算公式，将指定的合租者画像信息与剩下的合租者画像信息进行相互匹配；所述皮尔逊相关系数(PearsonCorrelation)是衡量向量相似度的一种方式；输出范围为
‑
1到+1，其中0代表无相关性，负值代表负相关，正值代表正相关；若所述合租者画像信息的匹配度越高，则表示合租者之间越相似；选取匹配度高于指定阈值的前N个合租者进行特征标注并存储于匹配合租者数据库；包括：通过心理测验分析合租者性格；通过历史用电数据分析合租者用电行为；通过网络数据分析合租者爱好；所述通过心理测验分析合租者性格，具体包括:心理测验采用MBTI测试，通过所述MBTI测试获取合租者性格类型；MBTI(Myers
‑
BriggsTypeIndicator)，是一种迫选型、自我报告式的性格评估测试，用以衡量和描述人们在获取信息、作出决策、对待生活等方面的心理活动规律和性格类型；所述MBTI测试上传至租赁平台并通过租赁平台向用户发送所述MBTI测试，通过所述MBTI测试获取用户性格测试结果数据，形成用户性格数据集，并利用神经网路训练所述用户性格数据集并进行特征标注，利用分类网络对所述特征标注进行监督训练，形成N种性格分类；所述通过历史用电数据分析合租者用电行为，具体包括:合租者用电行为包括不同时间段用电量、用电高峰期、不同功率电器用电量与用电风险程度；所述不同时间段用电量与所述用电高峰期的数据通过官方数据接口获得，所述不同电器用电量通过连接电器的智能插座采集，所述用电风险通过用电风险系数获得；所述用电风险系数，即E＝sqrt(((f1
‑
f)^2+(f2
‑
f)^2+......(fn
‑
f)^2)/n，fn表示第n个电器在指定时间内意外断电的次数，f表示所有电器意外断电次数的平均数，n表示总的电器数量；若所述用电风险系数超过指定阈值，则表示该合租者用电风险高；所述通过网络数据分析合租者爱好，具体包括:通过调取第三方数据接口获取合租者的网络数据，所述网络数据包括社交分享文字性数据、搜索记录数据与购物数据；获取的所述网络数据进行数据清洗并进行数据格式化；利用TextRank算法提取所述网络数据的关键词，所述TextRank算法是一种用于文本的基于图
的排序算法，通过把文本分割成若干组成单元(句子)，构建节点连接图，用句子之间的相似度作为边的权重，通过循环迭代计算句子的TextRank值，最后抽取排名高的句子组合成文本摘要；将所获取的所有关键词构建合租者爱好向量，即H
...

【专利技术属性】
技术研发人员：郑创鑫，陈子鸿，林嘉顺，
申请(专利权)人：鑫洋互联网科技广州有限公司，
类型：发明
国别省市：