[發(fā)明專(zhuān)利]房源推薦方法、裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010860819.0
• 申請(qǐng)日: 2020-08-24
• 公開(kāi)（公告）號(hào): CN111949883A
• 公開(kāi)（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 梁杰;孫拔群
• 申請(qǐng)（專(zhuān)利權(quán)）人: 貝殼技術(shù)有限公司
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06Q30/06;G06Q50/16;G06K9/62
• 代理公司: 北京思源智匯知識(shí)產(chǎn)權(quán)代理有限公司 11657
• 代理人: 毛麗琴

本公開(kāi)的實(shí)施例公開(kāi)了一種房源推薦方法、裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及電子設(shè)備。該方法包括：獲取N個(gè)用戶(hù)對(duì)應(yīng)的N個(gè)分?jǐn)?shù)組；其中，N個(gè)分?jǐn)?shù)組中的每個(gè)分?jǐn)?shù)組包括對(duì)M個(gè)房源的M個(gè)實(shí)際評(píng)分，N和M均為大于或等于2的整數(shù)；利用N個(gè)分?jǐn)?shù)組，構(gòu)建分?jǐn)?shù)矩陣；對(duì)分?jǐn)?shù)矩陣進(jìn)行矩陣分解，以得到分解結(jié)果；根據(jù)分解結(jié)果，確定M個(gè)房源中的任意兩個(gè)房源的房源相似度；根據(jù)所確定的房源相似度，針對(duì)M個(gè)房源中的目標(biāo)房源，從M個(gè)房源中的其他房源中篩選目標(biāo)房源的相似房源，并對(duì)應(yīng)于目標(biāo)房源，推薦相似房源。本公開(kāi)的實(shí)施例能夠有效地提升房源推薦效果。

技術(shù)領(lǐng)域

本公開(kāi)涉及信息推薦技術(shù)領(lǐng)域，尤其涉及一種房源推薦方法、裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及電子設(shè)備。

背景技術(shù)

目前，房企的服務(wù)平臺(tái)可以給用戶(hù)推薦房源，例如，在用戶(hù)瀏覽某一房源的時(shí)候，可以給用戶(hù)推薦其他房源，很多情況下，推薦給用戶(hù)的房源與用戶(hù)瀏覽的房源的相關(guān)度較低，這樣，推薦的房源并不是用戶(hù)感興趣的房源，房源推薦效果較差。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，提出了本公開(kāi)。本公開(kāi)的實(shí)施例提供了一種房源推薦方法、裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及電子設(shè)備。

根據(jù)本公開(kāi)實(shí)施例的一個(gè)方面，提供了一種房源推薦方法，包括：

獲取N個(gè)用戶(hù)對(duì)應(yīng)的N個(gè)分?jǐn)?shù)組；其中，所述N個(gè)分?jǐn)?shù)組中的每個(gè)分?jǐn)?shù)組包括對(duì)M個(gè)房源的M個(gè)實(shí)際評(píng)分，N和M均為大于或等于2的整數(shù)；

利用所述N個(gè)分?jǐn)?shù)組，構(gòu)建分?jǐn)?shù)矩陣；

對(duì)所述分?jǐn)?shù)矩陣進(jìn)行矩陣分解，以得到分解結(jié)果；

根據(jù)所述分解結(jié)果，確定所述M個(gè)房源中的任意兩個(gè)房源的房源相似度；

根據(jù)所確定的房源相似度，針對(duì)所述M個(gè)房源中的目標(biāo)房源，從所述M個(gè)房源中的其他房源中篩選所述目標(biāo)房源的相似房源，并對(duì)應(yīng)于所述目標(biāo)房源，推薦所述相似房源。

在一個(gè)可選示例中，所述分?jǐn)?shù)矩陣的維度為N*M，所述分解結(jié)果包括用戶(hù)矩陣和房源矩陣，所述用戶(hù)矩陣與所述房源矩陣的乘積為所述分?jǐn)?shù)矩陣；

所述根據(jù)所述分解結(jié)果，確定所述M個(gè)房源中的任意兩個(gè)房源的房源相似度，包括：

獲取所述房源矩陣中第p列的各個(gè)元素組成的第一向量，以及第q列的各個(gè)元素組成的第二向量；

根據(jù)所述第一向量和所述第二向量，確定第一房源與第二房源的房源相似度；其中，所述第一房源為所述M個(gè)房源中與所述第一向量對(duì)應(yīng)的房源，所述第二房源為所述M個(gè)房源中與所述第二向量對(duì)應(yīng)的房源。

在一個(gè)可選示例中，所述根據(jù)所述第一向量和所述第二向量，確定第一房源與第二房源的房源相似度，包括：

計(jì)算所述第一向量與所述第二向量的余弦相似度；

將所述余弦相似度作為第一房源與第二房源的房源相似度。

在一個(gè)可選示例中，所述對(duì)所述分?jǐn)?shù)矩陣進(jìn)行矩陣分解，以得到分解結(jié)果之后，所述方法還包括：

獲取所述用戶(hù)矩陣中第i行的各個(gè)元素組成的第三向量，以及所述房源矩陣中第j列的各個(gè)元素組成的第四向量；

根據(jù)所述第三向量和所述第四向量，確定第一用戶(hù)對(duì)第三房源的預(yù)測(cè)評(píng)分；其中，所述第一用戶(hù)為所述N個(gè)用戶(hù)中與所述第三向量對(duì)應(yīng)的用戶(hù)，所述第三房源為所述M個(gè)房源中與所述第四向量對(duì)應(yīng)的房源；

根據(jù)所述第一用戶(hù)對(duì)所述第三房源的預(yù)測(cè)評(píng)分，為所述第一用戶(hù)進(jìn)行房源推薦。

在一個(gè)可選示例中，所述獲取N個(gè)用戶(hù)對(duì)應(yīng)的N個(gè)分?jǐn)?shù)組，包括：

獲取T種用戶(hù)行為對(duì)應(yīng)的T個(gè)行為權(quán)重；