买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：贝壳找房(北京)科技有限公司

摘要：本发明实施方式公开了行为预测模型训练方法、房源匹配方法、装置及存储介质。方法包括：确定训练样本集，训练样本集中的每个训练样本包括经纪人‑房源对，经纪人‑房源对包括经纪人的第一特征和房源的第二特征，其中经纪人已浏览过房源，训练样本被标记有标记状态，标记状态用于标记经纪人浏览房源后、经纪人对房源是否已产生预定行为；将训练样本集输入神经网络模型；基于训练样本集，执行神经网络模型的训练过程；将完成训练过程的神经网络模型，确定为行为预测模型。提高匹配的准确度，减少对经纪人的干扰推荐。

主权项：1.一种房源匹配方法，其特征在于，包括：确定多个经纪人-房源对，每个经纪人-房源对包括经纪人的第一特征和房源的第二特征，所述第二特征包括房源标识，所述经纪人已浏览过所述房源；将所述多个经纪人-房源对输入行为预测模型，以得到每个经纪人-房源对中的经纪人对房源产生预定行为的预测值，其中所述行为预测模型是根据行为预测模型的训练方法所训练得到的；按照所述预测值，对所述房源的经纪人进行排序；基于排序结果，确定所述房源的推荐经纪人；建立所述房源的房源标识与所述房源的推荐经纪人之间的映射关系；以及接收包含待查房源标识的查询请求，基于所述待查房源标识查询所述映射关系以确定对应于所述待查房源标识的推荐经纪人；其中，所述行为预测模型的训练方法包括：确定训练样本集，所述训练样本集中的每个训练样本包括经纪人-房源对，所述经纪人-房源对包括经纪人的第一特征和房源的第二特征，其中所述经纪人已浏览过所述房源，所述训练样本被标记有标记状态，所述标记状态用于标记所述经纪人浏览过所述房源后、所述经纪人对所述房源是否已产生预定行为；将所述训练样本集输入神经网络模型；基于所述训练样本集，执行所述神经网络模型的训练过程，所述训练过程包括：针对每个训练样本，基于所述第一特征和所述第二特征，确定所述经纪人对所述房源产生所述预定行为的预测值；基于每个所述训练样本的预测值和标记状态，确定所述神经网络模型的损失函数值；配置所述神经网络模型的模型参数，以使所述损失函数值低于预设阈值；以及将完成所述训练过程的所述神经网络模型，确定为所述行为预测模型；其中，在确定多个经纪人-房源对之前，所述房源匹配方法还包括：根据筛选规则，对包含所述多个经纪人-房源对的原始数据执行筛选；所述筛选规则是从决策树模型中提取的，其中，决策树模型的根节点包括经纪人-房源对的总样本数以及经纪人-房源对的正样本数；根据第一个筛选规则从根节点中引出两个分支，其中一个分支是第一叶子节点，另一个分支是第一非叶子节点；根据第二个筛选规则，从第一非叶子节点中引出两个分支，其中一个分支是第二叶子节点，另一个分支是第二非叶子节点；根据第三个筛选规则，从第二非叶子节点中引出两个分支，其中一个分支是第三叶子节点，另一个分支是第四叶子节点；计算每个叶子节点处的正样本数与该叶子节点处的总样本数之间的比例，将比例大于预定门限值的叶子节点确定为适配于提取筛选规则的叶子节点；所述第一个筛选规则为房源是否在经纪人偏好的小区中，所述第二个筛选规则为房源是否在经纪人偏好的地理区域内，所述第三个筛选规则为房源价格是否在经纪人偏好的价格区间内；其中，所述房源匹配方法还包括：确定目标经纪人-房源对，所述目标经纪人-房源对包含对应于所述待查房源标识的推荐经纪人以及包含所述待查房源标识的第二特征；确定所述目标经纪人-房源对中的匹配特征，所述匹配特征表征所述目标经纪人-房源对中的所述第一特征与所述第二特征之间的匹配特征；确定对应于所述匹配特征的推荐理由；以及展示所述推荐理由。

全文数据：

权利要求：

百度查询： 贝壳找房(北京)科技有限公司 行为预测模型训练方法、房源匹配方法、装置及存储介质