[发明专利]装修推荐信息生成方法、装置、存储介质及电子设备

权利要求书

1.一种装修推荐信息生成方法，其特征在于，包括：

获取目标用户的偏好信息和待装修房屋的房屋属性信息；

根据所述目标用户的偏好信息，从至少一个用户类型中确定所述目标用户所属的目标用户类型；

根据所述目标用户类型从预先训练得到的至少一个推荐模型中，确定目标推荐模型；所述目标推荐模型以属于所述目标用户类型的样本进行训练得到；

将所述房屋属性信息输入所述目标推荐模型，得到至少一个装修推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述偏好信息，确定所述目标用户所属的用户类型的步骤，包括：

基于所述偏好信息提取偏好特征；

将所述偏好特征输入预先训练得到的聚类模型中，得到所述目标用户类型；所述聚类模型采用至少一个样本用户的历史偏好信息进行预先训练得到。

3.根据权利要求2所述的方法，其特征在于，所述基于所述偏好信息提取偏好特征的步骤之前，所述方法还包括对所述聚类模型进行训练的步骤：

获取至少一个样本用户及每个所述样本用户各自的历史偏好信息；

基于每个所述历史偏好信息分别提取历史偏好特征；

确定至少一个聚类，并随机确定每个所述聚类各自的聚类中心；

根据每个所述历史偏好特征，使用所述聚类模型分别确定属于每个所述聚类的样本用户；

分别针对每个所述聚类，根据属于该聚类的样本用户的历史偏好特征，更新该聚类的聚类中心；

判断是否满足迭代停止条件，当不满足所述迭代停止条件时，返回执行所述根据每个所述历史偏好特征，使用所述聚类模型分别确定属于每个所述聚类的样本用户的步骤；

当满足所述迭代停止条件时，将得到的每个所述聚类分别确定为所述用户类型。

4.根据权利要求1所述的方法，其特征在于，所述获取目标用户的偏好信息和待装修房屋的房屋属性信息的步骤之前，所述方法还包括对所述推荐模型进行训练的步骤：

针对每个用户类型，获取属于该用户类型的至少一个样本用户，并获取所述样本用户各自的样本房屋的历史房屋属性信息、历史装修推荐信息与每个样本用户实际选择的目标历史装修推荐信息、以及每个样本用户对所述历史装修推荐信息的历史评分信息；

基于每个所述历史房屋属性信息分别提取历史房屋属性特征，基于每个所述历史装修推荐信息分别提取历史装修推荐特征，根据目标历史装修推荐信息确定目标历史装修推荐特征，基于每个所述历史评分信息分别提取历史评分信息特征；

使用所述历史房屋属性特征、所述历史装修推荐特征、所述目标历史装修推荐特征和所述历史评分信息特征对初始推荐模型进行训练，得到该用户类型的所述推荐模型。

5.根据权利要求4所述的方法，其特征在于，所述历史装修推荐信息包括颜色信息；所述颜色信息包括墙面颜色信息和/或地板颜色信息；

所述基于每个所述历史装修推荐信息分别提取历史装修推荐特征的步骤，包括：

获取所述颜色信息的RGB色彩数值；

对所述RGB色彩数值进行归一化，得到所述历史装修推荐特征。

6.根据权利要求5所述的方法，其特征在于，所述推荐模型为包括输入层、中间层和输出层的神经网络模型，

所述使用所述历史房屋属性特征、所述历史装修推荐特征和所述历史评分信息特征对初始推荐模型进行训练，得到该用户类型的所述推荐模型的步骤包括：

将所述历史房屋属性特征连接至所述输入层，将所述历史装修推荐特征和所述历史评分信息特征连接至所述输出层，通过反向传播训练对所述初始推荐模型的中间层的参数进行调整，得到该用户类型的所述推荐模型。

7.根据权利要求1所述的方法，其特征在于，所述得到至少一个装修推荐信息的步骤之后，所述方法还包括：

将所述至少一个装修推荐信息发送给所述目标用户，并记录所述目标用户对每个装修推荐信息的评分信息。