一种住房租赁大数据智能分析方法、系统及可读储存介质与流程

1.本公开涉及大数据技术领域，示例性地，涉及一种住房租赁大数据智能分析方法、系统及可读储存介质。


背景技术：

2.随着经济的可持续化发展，住房租赁业也随之迅速发展，通过住房租赁可以有效缓解用户住房困难，并且能够有效提高租赁资源的配置效率。相关技术中通过对住房租赁大数据智能分析潜在需求，可以便于提供后续内容推送的依据。然而发明人研究发现，在相关技术中的大数据分析之前，容易造成住房租赁大数据信息的共享配置记录过程出现数据损失，影响住房地图单元的住房租赁大数据记录的数据完善度，进而影响大数据智能分析获得的租赁数据信息的精确度。


技术实现要素：

3.为了至少克服现有技术中的上述不足，本公开的目的在于提供一种住房租赁大数据智能分析方法、系统及可读储存介质。
4.第一方面，本公开提供一种住房租赁大数据智能分析方法，应用于云平台，所述云平台与多个住房租赁共享节点通信连接，所述方法包括：获得第一住房租赁共享节点共享更新的第一住房租赁大数据信息；所述第一住房租赁共享节点为目标住房地图单元对应的多个住房租赁共享节点中的其中一个住房租赁共享节点，所述目标住房地图单元对应的多个住房租赁共享节点用于对目标住房地图单元进行住房租赁大数据记录；在确定所述第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，将所述第一住房租赁大数据信息转发至注册中转服务平台；其中，所述第二住房租赁共享节点为所述目标住房地图单元对应的所有住房租赁共享节点中未共享响应的住房租赁共享节点；根据所述注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定所述目标住房地图单元对应的最终住房租赁大数据信息，并对所述最终住房租赁大数据信息进行住房租赁需求预测，获得所述目标住房地图单元对应的住房租赁需求信息，并根据所述住房租赁需求信息对所述目标住房地图单元对应的多个住房租赁共享节点进行住房租赁需求信息共享推送。
5.第二方面，本公开实施例还提供一种住房租赁大数据智能分析系统，所述住房租赁大数据智能分析系统包括云平台以及与所述云平台通信连接的多个住房租赁共享节点；所述云平台，用于：获得第一住房租赁共享节点共享更新的第一住房租赁大数据信息；所述第一住房租赁共享节点为目标住房地图单元对应的多个住房租赁共享节点中的其中一个住房租赁共享节点，所述目标住房地图单元对应的多个住房租赁共享节点用于对目标住房地图单元
进行住房租赁大数据记录；在确定所述第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，将所述第一住房租赁大数据信息转发至注册中转服务平台；其中，所述第二住房租赁共享节点为所述目标住房地图单元对应的所有住房租赁共享节点中未共享响应的住房租赁共享节点；根据所述注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定所述目标住房地图单元对应的最终住房租赁大数据信息，并对所述最终住房租赁大数据信息进行住房租赁需求预测，获得所述目标住房地图单元对应的住房租赁需求信息，并根据所述住房租赁需求信息对所述目标住房地图单元对应的多个住房租赁共享节点进行住房租赁需求信息共享推送。
6.根据上述任意一个方面，本公开提供的实施方式中，获得第一住房租赁共享节点共享更新的第一住房租赁大数据信息，在确定第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，将第一住房租赁大数据信息转发至注册中转服务平台，并根据注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定目标住房地图单元对应的最终住房租赁大数据信息，通过在住房地图单元对应的所有住房租赁共享节点中存在共享响应结束的住房租赁共享节点且存在未共享响应的住房租赁共享节点时，对共享响应结束的住房租赁共享节点共享更新的住房租赁大数据信息转发到注册中转服务平台，可以避免由于住房租赁大数据库中剩余部分住房租赁共享节点共享响应结束之前的住房租赁大数据信息以及部分住房租赁共享节点共享响应结束后的住房租赁大数据信息而造成住房租赁大数据信息的共享配置记录过程出现数据损失，进而提高住房地图单元的住房租赁大数据记录的数据完善度，进而提高大数据智能分析获得的租赁数据信息的精确度。
附图说明
7.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动时，还可以根据这些附图获得其它相关的附图。
8.图1为本公开实施例提供的住房租赁大数据智能分析系统的应用场景示意图；图2为本公开实施例提供的住房租赁大数据智能分析方法的流程示意图；图3为本公开实施例提供的用于实现上述的住房租赁大数据智能分析方法的云平台的结构示意框图。
具体实施方式
9.下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
10.图1是本公开一种实施例提供的住房租赁大数据智能分析系统10的应用场景示意图。住房租赁大数据智能分析系统10可以包括云平台100以及与云平台100通信连接的住房租赁共享节点200。图1所示的住房租赁大数据智能分析系统10仅为一种可行的示例，在其
它可行的实施例中，该住房租赁大数据智能分析系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
11.一种可能的设计中，住房租赁大数据智能分析系统10中的云平台100和住房租赁共享节点200可以通过配合执行以下方法实施例所描述的住房租赁大数据智能分析方法，具体云平台100和住房租赁共享节点200的执行步骤部分可以参照以下方法实施例的详细描述。
12.为了解决前述背景技术中的技术问题，本实施例提供的住房租赁大数据智能分析方法可以由图1中所示的云平台100执行，下面对该住房租赁大数据智能分析方法进行详细介绍。
13.步骤s110，获得第一住房租赁共享节点共享更新的第一住房租赁大数据信息。
14.一种实施例中，所述第一住房租赁共享节点为目标住房地图单元对应的多个住房租赁共享节点中的其中一个住房租赁共享节点，所述目标住房地图单元对应的多个住房租赁共享节点用于对目标住房地图单元进行住房租赁大数据记录。
15.例如，第一住房租赁共享节点可以向云平台10上传的第一住房租赁大数据信息。
16.进一步地，目标住房地图单元可以是不同的地理位置区域。
17.步骤s120，在确定所述第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，将所述第一住房租赁大数据信息转发至注册中转服务平台。
18.一种实施例中，所述第二住房租赁共享节点为所述目标住房地图单元对应的所有住房租赁共享节点中未共享响应的住房租赁共享节点。
19.进一步地，注册中转服务平台可以用于对第一住房租赁大数据信息进行缓存，在此不作限定。
20.一种实施例中，步骤s120所描述的确定所述第一住房租赁共享节点共享响应结束，可以通过以下技术方案实现：在住房租赁大数据库剩余有所述第一住房租赁共享节点的住房租赁大数据信息，且所述第一住房租赁共享节点未被认定为共享进度延迟、以及所述第一住房租赁大数据信息对应的共享响应热度小于所述住房租赁大数据库剩余的所述第一住房租赁共享节点的住房租赁大数据信息对应的共享响应热度时，确定所述第一住房租赁共享节点共享响应结束。
21.例如，住房租赁大数据库可以是与云平台10对应的关系型数据库，例如mysql数据库或者hive数据库。
22.可以理解，通过考虑第一住房租赁大数据信息对应的共享响应热度以及住房租赁大数据库中的第一住房租赁共享节点的住房租赁大数据信息考虑在内，从而准确可靠地判断第一住房租赁共享节点是否共享响应结束。
23.一种实施例中，在上述步骤s120所描述的在确定所述第一住房租赁共享节点共享响应结束时，该方法还可以包括以下内容步骤（1）和步骤（2）所描述的内容。
24.（1）在第三住房租赁共享节点均共享响应结束时，将所述住房租赁大数据库中剩余的所述第三住房租赁共享节点的住房租赁大数据信息对应设置为所述注册中转服务平台中转发的各第三住房租赁共享节点的住房租赁大数据信息。
25.（2）将所述住房租赁大数据库中剩余的所述第一住房租赁共享节点的住房租赁大数据信息设置为所述第一住房租赁大数据信息，并剔除所述目标住房地图单元对应的所有
住房租赁共享节点的转发住房租赁大数据信息。
26.一种实施例中，所述第三住房租赁共享节点为所述目标住房地图单元对应的所有住房租赁共享节点中除所述第一住房租赁共享节点之外的其它住房租赁共享节点。如此设计，能够实现对转发住房租赁大数据信息真实剔除和设置，从而避免转发住房租赁大数据信息和其它的住房租赁大数据信息之间存在混淆和重复。
27.一种实施例中，上述步骤s120所描述的在确定所述第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，该方法还可以包括以下s31
‑
s34所描述的技术方案。
28.s31，在确定所述第二住房租赁共享节点共享进度延迟时，将所述住房租赁大数据库剩余的所述第二住房租赁共享节点的住房租赁大数据信息转发至所述注册中转服务平台。
29.s32，在获得到所述第二住房租赁共享节点共享更新的第二住房租赁大数据信息时，确定所述第二住房租赁大数据信息中的住房租赁大数据是否均为零；s33，在所述第二住房租赁大数据信息的中的住房租赁大数据均为零时，将所述第二住房租赁共享节点认定为未共享响应，剔除所述注册中转服务平台中转发的所述第二住房租赁共享节点的住房租赁大数据信息，并将所述住房租赁大数据库剩余的所述第二住房租赁共享节点的住房租赁大数据信息设置为所述第二住房租赁大数据信息。
30.s34，在所述第二住房租赁大数据信息中的住房租赁大数据存在不为零时，根据所述第二住房租赁大数据信息与所述注册中转服务平台中转发的所述第二住房租赁共享节点的住房租赁大数据信息之间的对比情况，确定第三住房租赁大数据信息，并将所述住房租赁大数据库剩余的所述第二住房租赁共享节点的住房租赁大数据信息设置为所述第三住房租赁大数据信息。
31.步骤s130，云平台10根据所述注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定所述目标住房地图单元对应的最终住房租赁大数据信息，并对所述最终住房租赁大数据信息进行住房租赁需求预测，获得所述目标住房地图单元对应的住房租赁需求信息，并根据所述住房租赁需求信息对所述目标住房地图单元对应的多个住房租赁共享节点进行住房租赁需求信息共享推送。
32.在一些示例中，在所述目标住房地图单元对应的所有住房租赁共享节点中存在共享响应结束的住房租赁共享节点，以及未共享响应的住房租赁共享节点时，所述注册中转服务平台中转发的住房租赁大数据信息包括所述共享响应结束的住房租赁共享节点在本次共享响应结束时共享更新的住房租赁大数据信息，所述住房租赁大数据库中剩余的住房租赁大数据信息包括所述共享响应结束的住房租赁共享节点在本次共享响应结束之前共享更新的住房租赁大数据信息，以及，所述未共享响应的住房租赁共享节点的住房租赁大数据信息。
33.在上述示例的基础上，步骤s130所描述的根据所述注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定所述目标住房地图单元对应的最终住房租赁大数据信息，并对所述最终住房租赁大数据信息进行住房租赁需求预测，获得所述目标住房地图单元对应的住房租赁需求信息，并根据所述住房租赁需求信息对所述目标住房地图单元对应的多个住房租赁共享节点进行住房租赁需求信
息共享推送，可以通过以下步骤s1301和步骤s1302所描述的技术方案实现。
34.步骤s1301，将所述注册中转服务平台中转发的所述共享响应结束的住房租赁共享节点最新的住房租赁大数据信息以及所述住房租赁大数据库中剩余的各住房租赁共享节点最新的住房租赁大数据信息中实时住房租赁大数据的标签属性分类结果，与所述注册中转服务平台中转发的所述共享响应结束的住房租赁共享节点最新的住房租赁大数据信息以及所述住房租赁大数据库中剩余的各住房租赁共享节点最新的住房租赁大数据信息中预测住房租赁大数据的标签属性分类结果之间的经过标签属性关联信息整理的数据，确定为所述目标住房地图单元中的真实住房租赁大数据。
35.例如，最新的住房租赁大数据信息可以理解为最近的住房租赁大数据信息，标签属性分类结果可以理解为住房租赁大数据的和值，标签属性分类结果之间的经过标签属性关联信息整理的数据可以理解为不同标签属性分类结果之间的差值。
36.步骤s1302，在所述目标住房地图单元对应的所有住房租赁共享节点中存在未共享响应的住房租赁共享节点，以及共享进度延迟的住房租赁共享节点，但不存在共享响应结束的住房租赁共享节点时，所述注册中转服务平台中转发的住房租赁大数据信息包括所述共享进度延迟的住房租赁共享节点在被确定为共享进度延迟之前最后一次共享更新的住房租赁大数据信息，所述住房租赁大数据库中剩余的为所述所有住房租赁共享节点中除所述共享进度延迟的住房租赁共享节点之外其它住房租赁共享节点共享更新的住房租赁大数据信息，以及所述共享进度延迟的住房租赁共享节点在确定共享进度延迟之后共享更新的住房租赁大数据信息与该住房租赁共享节点在注册中转服务平台中转发的所述在被确定为共享进度延迟之前最后一次共享更新的住房租赁大数据信息的区别数据。
37.如此设计，能够将处于不同共享响应状态的住房租赁共享节点的住房租赁大数据信息以及对应的滑坡灾害事件考虑在内，从而避免由于住房租赁大数据库中剩余部分住房租赁共享节点共享响应结束之前的住房租赁大数据信息以及部分住房租赁共享节点共享响应结束后的住房租赁大数据信息而造成住房租赁大数据信息的共享配置记录过程出现数据损失，进而提高住房地图单元的住房租赁大数据记录的数据完善度，进而提高大数据智能分析获得的租赁数据信息的精确度。
38.一种实施例中，步骤s130所描述的根据所述注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定所述目标住房地图单元对应的最终住房租赁大数据信息，并对所述最终住房租赁大数据信息进行住房租赁需求预测，获得所述目标住房地图单元对应的住房租赁需求信息，并根据所述住房租赁需求信息对所述目标住房地图单元对应的多个住房租赁共享节点进行住房租赁需求信息共享推送，还可以通过以下方式实现：根据所述住房租赁大数据库剩余的各住房租赁共享节点最新的住房租赁大数据信息中实时住房租赁大数据的标签属性分类结果，与所述住房租赁大数据库剩余的各住房租赁共享节点最新的住房租赁大数据信息中预测住房租赁大数据的标签属性分类结果之间的经过标签属性关联信息整理的数据，确定为所述目标住房地图单元中的真实住房租赁大数据。
39.在一些示例中，未共享响应指示住房租赁共享节点在上一次共享响应过程中共享响应结束时，本次共享响应过程未再次共享响应，或在上一次共享响应过程中共享进度延迟时，本次共享响应过程中第一次共享响应结束。基于此，在步骤s120所描述的在确定所述
第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，该方法还包括以下两种实施方式中的其中一种。
40.第一种实施方式，在确定所述第二住房租赁共享节点共享进度延迟时，将所述第一住房租赁共享节点认定为未共享响应，将所述住房租赁大数据库中剩余的所述第一住房租赁共享节点的住房租赁大数据信息设置为所述第一住房租赁大数据信息，并剔除所述注册中转服务平台中转发的所述第一住房租赁共享节点的住房租赁大数据信息；在存在第四住房租赁共享节点时，将所述第四住房租赁共享节点认定为未共享响应，将所述住房租赁大数据库中剩余的所述第四住房租赁共享节点的住房租赁大数据信息对应设置为所述注册中转服务平台中转发的各第四住房租赁共享节点的住房租赁大数据信息，并剔除所述注册中转服务平台中转发的所述第四住房租赁共享节点的住房租赁大数据信息。
41.在第一种实施方式中，所述第四住房租赁共享节点为所述目标住房地图单元对应的所有住房租赁共享节点中除所述第一住房租赁共享节点和所述第二住房租赁共享节点之外的其它住房租赁共享节点，所述共享进度延迟表示住房租赁共享节点由于异常未进行共享响应。
42.第二种实施方式，在未确定所述第二住房租赁共享节点共享进度延迟时，确定进行所述将所述第一住房租赁大数据信息转发至注册中转服务平台的步骤。
43.可以理解，通过对第二住房租赁共享节点的共享响应状态进行判断以执行不同的步骤，能够确保住房租赁大数据信息的处理与实际情况相适配，从而避免在处理住房租赁大数据信息时出现混乱。
44.一种实施例中，步骤s120所描述的在确定所述第一住房租赁共享节点共享响应结束时，该方法还可以包括以下s41和s42所描述的技术方案。
45.s41，确定所述第一住房租赁共享节点的共享响应评估数据是否符合预设要求。
46.s42，在所述第一住房租赁共享节点的共享响应评估数据符合预设要求，且当前存在第二住房租赁共享节点时，确定所述第二住房租赁共享节点共享进度延迟。
47.在一些实施例中，所述共享响应评估数据包括评估进度值，基于此，上述s41所描述的确定所述第一住房租赁共享节点的共享响应评估数据是否符合预设要求，可以包括以下s411a和s412a所描述的技术方案。
48.s411a，确定所述第一住房租赁共享节点对应的评估进度值是否大于预设评估进度值，所述评估进度值用于统计所述第一住房租赁共享节点在共享响应结束时共享更新住房租赁大数据信息的进度。
49.s412a，在所述第一住房租赁共享节点对应的评估进度值大于所述预设评估进度值时，确定所述第一住房租赁共享节点的共享响应评估数据符合预设要求。
50.在另外一些实施例中，所述共享响应评估数据包括共享响应结束的反馈间隔持续时间，基于此，上述s41所描述的确定所述第一住房租赁共享节点的共享响应评估数据是否符合预设要求，可以包括以下s411b和s412b所描述的技术方案。
51.s411b，确定所述第一住房租赁共享节点共享响应结束的反馈间隔持续时间是否大于设定持续时间值。
52.s412b，在所述第一住房租赁共享节点共享响应结束的反馈间隔持续时间大于所述设定持续时间值时，确定所述第一住房租赁共享节点的共享响应评估数据符合预设要
求。
53.如此设计，可以根据不同的共享响应评估数据，从不同的角度判断共享响应评估数据是否符合预设要求，以确保上述技术方案能够在尽可能多的地区下实施。
54.在上述内容的基础上，步骤s120所描述的在确定所述第二住房租赁共享节点共享进度延迟时，该方法还可以包括以下技术方案：配置更新第五住房租赁共享节点的共享响应评估数据，所述第五住房租赁共享节点为所述目标住房地图单元对应的所有住房租赁共享节点中除所述第二住房租赁共享节点之外的其它住房租赁共享节点。基于此，步骤s120所描述的在确定所述第一住房租赁共享节点共享响应结束时，该方法还可以包括以下技术方案：在所述第一住房租赁共享节点的共享响应评估数据不符合预设要求，且不存在所述第二住房租赁共享节点时，将所述目标住房地图单元对应的所有住房租赁共享节点认定为未共享响应，并配置更新所述目标住房地图单元对应的所有住房租赁共享节点的共享响应评估数据。
55.一种实施例中，配置更新（初始化）共享响应评估数据包括将评估进度值或反馈间隔持续时间设置为零。
56.在一些示例中，所述共享响应评估数据包括评估进度值，基于此，上述步骤所描述的确定所述第一住房租赁共享节点的共享响应评估数据是否符合预设要求，还可以包括以下内容：在所述第一住房租赁共享节点对应的评估进度值未大于所述预设评估进度值时，确定所述第一住房租赁共享节点的共享响应评估数据不符合预设要求。
57.在另外的一些示例中，所述共享响应评估数据包括共享响应结束的反馈间隔持续时间，基于此，上述步骤所描述的确定所述第一住房租赁共享节点的共享响应评估数据是否符合预设要求，还可以包括以下内容：在所述第一住房租赁共享节点共享响应结束的反馈间隔持续时间未大于所述设定持续时间值时，确定所述第一住房租赁共享节点的共享响应评估数据不符合预设要求。
58.一种实施例中，在所述共享响应评估数据包括评估进度值时，该方法还可以包括以下技术方案：在所述第一住房租赁共享节点的共享响应评估数据不符合预设要求，且当前存在第二住房租赁共享节点时，对所述第一住房租赁共享节点对应的评估进度值进行采集。
59.综上，获得第一住房租赁共享节点共享更新的第一住房租赁大数据信息，在确定第一住房租赁共享节点共享响应结束，且当前存在第二住房租赁共享节点时，将第一住房租赁大数据信息转发至注册中转服务平台，并根据注册中转服务平台中转发的住房租赁大数据信息，与住房租赁大数据库中剩余的住房租赁大数据信息，确定目标住房地图单元对应的最终住房租赁大数据信息，通过在住房地图单元对应的所有住房租赁共享节点中存在共享响应结束的住房租赁共享节点且存在未共享响应的住房租赁共享节点时，对共享响应结束的住房租赁共享节点共享更新的住房租赁大数据信息转发到注册中转服务平台，可以避免由于住房租赁大数据库中剩余部分住房租赁共享节点共享响应结束之前的住房租赁大数据信息以及部分住房租赁共享节点共享响应结束后的住房租赁大数据信息而造成住房租赁大数据信息的共享配置记录过程出现数据损失，进而提高目标住房地图单元的住房租赁大数据记录的数据完善度，进而提高大数据智能分析获得的租赁数据信息的精确度。
60.譬如在一种实施例中，所述对所述最终住房租赁大数据信息进行住房租赁需求预
测，获得所述目标住房地图单元对应的住房租赁需求信息，并根据所述住房租赁需求信息对所述目标住房地图单元对应的多个住房租赁共享节点进行住房租赁需求信息共享推送的步骤，包括：根据预先训练的住房租赁需求预测模型对所述最终住房租赁大数据信息进行预测，获得所述目标住房地图单元对应的住房租赁需求信息；确定所述住房租赁需求信息的需求意图分布数据以及各租赁需求浮动数据；在基于所述需求意图分布数据、所述目标住房地图单元的静态历史租赁行为特征和所述动态历史租赁行为特征判定出存在与所述住房租赁需求信息对应的第一共享推送热点的情况下，根据所述住房租赁需求信息在所述第一共享推送热点下的租赁需求浮动数据，以及所述住房租赁需求信息在所述第一共享推送热点下的租赁需求浮动数据的权重影响度，确定所述住房租赁需求信息在与所述第一共享推送热点对应的第二共享推送热点下的各租赁需求浮动数据与所述住房租赁需求信息在所述第一共享推送热点下的各租赁需求浮动数据之间的相关度，并基于所述相关度将所述住房租赁需求信息在所述第二共享推送热点下的与在所述第一共享推送热点下的租赁需求浮动数据之间的相关度位于设定相关度范围内的租赁需求浮动数据分簇到所述第一共享推送热点下；其中，所述第一共享推送热点用于表征以所述住房租赁需求信息为参考进行热点搜索，所述第二共享推送热点用于表征以所述住房租赁需求信息以外的需求信息为参考进行热点搜索；若确定出所述住房租赁需求信息对应的所述第二共享推送热点下包含有多个存在频繁更新项的租赁需求浮动数据，根据所述住房租赁需求信息在所述第一共享推送热点下的租赁需求浮动数据以及所述住房租赁需求信息在所述第一共享推送热点下的租赁需求浮动数据的权重影响度，确定所述住房租赁需求信息在所述第二共享推送热点下的各存在频繁更新项的租赁需求浮动数据之间的相关度，并根据所述各存在频繁更新项的租赁需求浮动数据之间的相关度对所述第二共享推送热点下的各存在频繁更新项的租赁需求浮动数据进行拼接；根据所述住房租赁需求信息在所述第一共享推送热点下的租赁需求浮动数据以及所述住房租赁需求信息在所述第一共享推送热点下的租赁需求浮动数据的权重影响度为上述融合得到的目标租赁需求浮动数据添加分簇优先级，并基于所述分簇优先级由大到小的顺序将至少部分所述目标租赁需求浮动数据分簇到所述第一共享推送热点下；根据所述第一共享推送热点下的租赁需求浮动数据以及所述第二共享推送热点下的租赁需求浮动数据，确定所述住房租赁需求信息的共享推送内容。
61.譬如在一种实施例中，根据所述第一共享推送热点下的租赁需求浮动数据以及所述第二共享推送热点下的租赁需求浮动数据，确定所述住房租赁需求信息的共享推送内容，包括：确定所述第一共享推送热点下的租赁需求浮动数据对应的第一需求浮动特征以及所述第二共享推送热点下的租赁需求浮动数据对应的第二需求浮动特征；获取所述所述第一需求浮动特征对应的第一特征向量成员集，获取所述第二需求浮动特征对应的第二特征向量成员集；在所述第一特征向量成员集和所述第二特征向量成员集的覆盖范围相同时，统计所述第一特征向量成员集和所述第二特征向量成员集中分别包括的多个具有不同的特征维度的特征向量成员；获得所述第一需求浮动特征在所述第一特征向量成员集的任一特征向量成员的推送热点区特征并将所述第二特征向量成员集中具有最大特征维度的特征向量成员确定为目标特征向量成员；根据所述静态历史租赁行为特征和所述动态历史租赁行为特征之间的特征匹配度将所述推送热点区特征添加到所述目标特征向量成员中以在所述目标特征向量成员中确定出与所述推送热点区特征对应的推送热点定位特征；基
于所述推送热点区特征以及所述推送热点定位特征，生成所述第一需求浮动特征和所述第二需求浮动特征之间的热点搜索差异部分；以所述推送热点定位特征为搜索引用特征在所述目标特征向量成员中获取偏移特征，根据所述热点搜索差异部分对应的差异特征分布，将所述偏移特征添加到所述推送热点区特征所在的特征向量成员中以在所述推送热点区特征所在的特征向量成员中得到所述偏移特征对应的共享推送内容扩展特征，并根据所述共享推送内容扩展特征对应的搜索引用特征确定扩展内容描述分布；确定用于将所述推送热点区特征添加到所述目标特征向量成员中的推送内容源数据；根据所述共享推送内容扩展特征与所述推送内容源数据上的多个数据节点对应的执行参数特征之间的相关度，在所述第二特征向量成员集中依次获取所述扩展内容描述分布对应的内容扩展节点，直至获取到的所述内容扩展节点所在特征向量成员的内容影响因子与所述扩展内容描述分布在所述第一特征向量成员集中的内容影响因子一致时，停止获取下一特征向量成员中的内容扩展节点，并建立所述扩展内容描述分布与最后一次获取到的内容扩展节点之间的内容扩展关系；基于所述内容扩展关系以及所述住房租赁需求信息在每个推送周期内的实时推送内容数据确定所述住房租赁需求信息的共享推送内容。
62.图3示出了本公开实施例提供的用于实现上述的住房租赁大数据智能分析方法的云平台100的硬件结构意图，如图3所示，云平台100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。
63.在具体实现过程中，多个处理器110执行机器可读存储介质120存储的计算机可执行指令，使得处理器110可以执行如上方法实施例的住房租赁大数据智能分析方法，处理器110、机器可读存储介质120以及通信单元140通过总线130连接，处理器110可以用于控制通信单元140的收发动作，从而可以与前述的住房租赁共享节点200进行数据收发。
64.机器可读存储介质120可以储存数据和/或指令。在一些实施例中，机器可读存储介质120可以储存云平台100用来执行或使用来完成本技术中描述的示例性方法的数据及/或指令。在一些实施例中，机器可读存储介质120可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(ram)。示例性ram可包括动态随机存取存储器(dram)、双倍数据速率同步动态随机存取存储器(ddr sdram)、静态随机存取存储器(sram)、晶闸管随机存取存储器(t
‑
ram)和零电容随机存取存储器(z
‑
ram)等。示例性只读存储器可以包括掩模型只读存储器(mrom)、可编程只读存储器(prom)、可擦除可编程只读存储器(perom)、电可擦除可编程只读存储器(eeprom)、光盘只读存储器(cd
‑
rom)和数字多功能磁盘只读存储器等。在一些实施例中，机器可读存储介质120可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云，多层云等，或其任意组合。
65.处理器110的具体实现过程可参见上述云平台100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
66.此外，本公开实施例还提供一种可读存储介质，所述可读存储介质中预设有计算机可执行指令，当处理器执行所述计算机可执行指令时，实现如上住房租赁大数据智能分析方法。
67.应当理解的是，以上描述仅出于说明的目的，并不旨在限制本技术的范围。对于本领域的普通技术人员来说，可以根据本技术的描述，做出多种修改和变化。然而，这些修改和变化不会背离本技术的范围。
68.上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明公开仅作为示例，并不构成对本技术的限制。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
69.同时，本技术使用了特定词语来描述本技术的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定系指同一实施例。此外，本技术的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。
70.此外，本领域的普通技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本技术公开的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。
71.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质等或其任意组合。
72.本技术各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写，包括面向主体编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其它编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
73.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设
备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
74.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。