[发明专利]基于LBS租房场景构建推荐引擎的方法

权利要求书

1.一种基于LBS租房场景构建推荐引擎的方法，其特征在于，包括步骤：

采集用户信息以及房源信息，所述用户信息包括用户需求信息、用户行为信息和用户画像信息；

根据所述用户需求信息和所述房源信息生成第一召回数据源，根据所述用户行为信息生成第二召回数据源，根据所述用户画像信息和所述房源信息生成第三召回数据源；

将所述第一召回数据源、所述第二召回数据源和第三召回数据源根据LBS服务做价值匹配和地段特征匹配，得到相应的匹配度，依据所述匹配度依次从高到低排序生成第一推荐数据源；

将所述第一推荐数据源通过Spark计算框架进行特征工程处理并进行评分得到第二推荐数据源；

将所述第二推荐数据源训练得到排序模型；

将所述房源信息输入到所述排序模型，得到所述房源信息的评分排序情况；

设置评分阈值，所述房源信息的评分大于所述评分阈值的所述房源为第一推荐房源；

同时依据房主需求生成第二推荐房源；

根据所述第一推荐房源和所述第二推荐房源构建推荐引擎。

2.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，通过线上、线下以及电销的方式采集所述用户信息。

3.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述根据所述用户需求信息和所述房源信息生成第一召回数据源包括：

所述房源信息根据所述用户需求信息召回，并通过数据收集器过滤、格式化得到所述第一召回数据源。

4.根据权利要求3所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述第一召回数据源通过搜索的方式召回。

5.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述根据所述用户行为信息生成第二召回数据源包括：

根据所述用户行为信息划分为实时用户行为信息和历史用户行为信息；

将所述实时用户行为信息进行审查和校验，根据分布式流处理开源框架实时进入在线数据库；

将所述历史用户行为信息生成日志，并将所述日志通过Spark框架计算引擎批量入离线数据仓库；

所述线数据库和所述离线数据仓库生成第二召回数据源。

6.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述根据所述用户画像信息和所述房源信息生成第三召回数据源包括：

所述房源信息根据所述用户画像信息召回，通过离线数据仓库内置的光盘、以及通过LBS进行筛选得到第三召回数据源。

7.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述特征工程处理包括将所述第一推荐数据源依次通过汇聚、提炼加工、筛选以及补全得到所述第二推荐数据源。

8.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述将所述房源信息输入到所述排序模型，得到所述房源信息的评分排序情况包括：

将所述房源信息进行权重刻画，根据所述房源信息的稀疏性和交易属性对区域、房态等场景做深度的划分，得到所述房源信息的评分排序情况。

9.根据权利要求1所述的一种基于LBS租房场景构建推荐引擎的方法，其特征在于，所述推荐引擎中还包括热点房源。