基于用户画像的房屋建造方案推荐方法、装置、设备

专利主权项内容

1.一种基于用户画像的房屋建造方案推荐方法，其特征在于，包括：获取用户输入的检索信息，并实时获取用户的浏览记录信息；将所述检索信息与所述浏览记录信息输入至训练后的深度学习模型中进行预测，得到用户需求与偏好；并根据所述用户需求与偏好构建用户的用户画像；其中，所述用户画像用于描述用户的装修风格偏好、预算范围；基于所述用户画像，从房屋户型数据库中匹配出与所述用户画像对应的房屋户型，作为用户的目标房屋户型；从装修方案数据库中获取与所述目标房屋户型相关的多个装修方案，并对每个装修方案加上对应的元数据标签；基于用户画像与参考信息，通过预设的多模态机器学习算法对各个装修方案的元数据标签进行评分；并筛选出评分最高的元数据标签，作为目标元数据标签，将所述目标元数据标签对应的装修方案推送至用户终端设备；其中，所述参考信息为各个装修方案的相关信息；所述基于所述用户画像，从房屋户型数据库中匹配出与所述用户画像对应的房屋户型，作为用户的目标房屋户型，包括：通过预设的卷积神经网络模型对所述用户画像进行特征提取，得到第一特征向量；获取房屋户型数据库中的每个户型的属性；并通过预设的特征提取算法对所述属性进行特征提取，得到第二特征向量；其中，所述属性至少包括每个户型的面积、格局、朝向、楼层、每平米价格；将用户画像的第一特征向量与房屋户型的第二特征向量进行整合，构建共享特征空间；在所述共享特征空间中，运用预设的聚类算法对每个用户画像的第一特征向量进行划分，得到每个用户画像对应聚类的标签；在每个聚类中，基于预设的相似度比较算法计算第一特征向量与第二特征向量的接近程度, 从所述共享特征空间中获取与所述第一特征向量最接近的第二特征向量，并基于最接近的第二特征向量，从房屋户型数据库中寻找最相似的房屋户型，作为用户的目标房屋户型；所述在所述共享特征空间中，运用预设的聚类算法对每个用户画像的第一特征向量进行划分，得到每个用户画像对应聚类的标签，包括：确定最优的聚类数量；通过预设的主成分分析算法对每个用户画像的第一特征向量进行降维，并从降维后的第一特征向量选取出初始聚类中心；通过特定的距离计算公式计算共享特征空间中的每个综合特征向量与所有初始聚类中心的距离值，并将距离值分配到与所述综合特征向量最近的初始聚类中心所在的聚类中，得到分配结果；其中，所述特定的距离计算公式至少包括欧几里德距离或余弦相似度；所述综合特征向量由所述第一特征向量与所述第二特征向量融合得到；根据所述分配结果，在每一个聚类里计算所有综合特征向量的平均值，将所述平均值当作新的聚类中心，动态更新初始聚类中心；构建一个可自适应的迭代环境，在所述迭代环境中不断更新初始聚类中心，并自动调整迭代次数，直到初始聚类中心达到预设的最大迭代次数，得到最终的聚类中心；根据最终的聚类中心，将相应的用户画像划分至对应的聚类，并对用户画像标记为对应聚类的标签；所述将所述目标元数据标签对应的装修方案推送至用户终端设备的步骤之后，包括：用户终端设备获取装修方案；基于预设的编码规则将所述装修方案进行编码，得到对应的加密字符数据集；将所述加密字符数据集分为三份，分别为第一加密字符数据集、第二加密字符数据集、第三加密字符数据集；基于所述用户终端设备中唯一的解密算法对所述第一加密字符数据集进行解密，得到第一解密数据；其中，所述第一加密字符数据集的加密算法与所述唯一的解密算法互相对应；对所述第一加密字符数据集进行特征识别，从所述第一加密字符数据集中识别出特征字段，并获取到所述特征字段对应的特征值；基于所述特征值对所述第二加密字符数据集进行解密，得到第二数据；其中，若所述特征值无法对所述第二加密字符数据集进行解密，则删除所述第一加密字符数据集、第二加密字符数据集以及第三加密字符数据集；对所述第二数据进行哈希运算，得到对应的哈希值；基于所述哈希值对所述第三加密字符数据进行解密，得到第三数据；其中，若所述哈希值无法对所述第三加密字符数据进行解密，则删除所述第一加密字符数据集、第二加密字符数据集以及第三加密字符数据集；将所述第一加密字符数据集、第二加密字符数据集以及第三加密字符数据集按照预设规格添加至数据模板中，得到解密后的装修方案。