小区找到，并将运些小区对应各自的用户罗列在第1)步中的表格中，也就是将相同 的办公地中各个办公地对应的用户W及用户对应的小区进行关联，形成办公地、用户与小 区S者之间的对应关系表。例如，若在第1)步中获取到办公地X的用户为Xl、X2、X3、X4、X5、 X6，办公地Y的用户为Yl、Y2、Y3、Y4、Y5，则将办公地X的用户统计在一起，将办公地Y的用户 统计在一起。然后再从确定的大量用户对应的小区信息中找到用户Xl ^2心3^4心5^6分 别对应的小区a、b、d、d、d、d，W及用户￥1、￥2、￥3、￥4、￥5分别对应的小区。、曰、曰、曰、曰，并将运 些小区与各自的用户及办公地进行关联，得到如表1所示关联结果：
[0063] 表1
[0064] 当通过上述方式得到相同办公地的用户W及对应小区的统计结果之后，就可W根 据统计结果向目标用户推荐小区了。首先要获取目标用户的办公地信息，具体的获取方法 可W通过本发明实施例提供的方法进行获取，此处不再寶述，当然还可W向目标用户直接 询问获取。在与目标用户的办公地信息相同的所有用户中，选择对应同一小区的用户人数 最多的小区作为候选小区推荐给目标用户。由于现实生活中在同一地点办公的用户中大部 分用户都选择某一个小区，那么说明该小区在整体上对于该办公地点来说是比较合适的， 其不仅表现在该小区的位置与该办公地点适中，而且能反应小区本身的居住环境另大部分 用户满意，因为现实生活中很少存在同一办公地点的大部分用户都居住在一个上下班不方 便且居住环境较差的小区中。W上述表1为例，若目标用户的办公地信息为X，那么根据表1 的统计结果，就可W在办公地X上班的用户所居住的小区中选择居住人数最多的小区d推荐 给目标用户。
[0065] 作为对本发明实施例提供的小区推荐方法的简单应用，在向目标用户推荐小区 时，还可W直接根据目标用户的办公地信息，直接统计在所述办公地办公的其他用户的小 区信息，得到所述办公地办公的用户中居住同一个小区的用户数最多的小区推荐给目标用 户。例如，若要向用户A推荐小区，当获得用户A在W公司工作时，就可W统计W公司的所有员 工居住的小区信息，若W公司在某个小区居住的员工数越多，那么运个小区就越受W公司员 工的欢迎，也就是说运个小区无论从距离W公司的远近W及小区自身的综合情况而言，都是 比较适合在W公司及附近工作的人员居住的。
[0066] 本发明实施例通过获取大量用户对应的小区信息W及办公地信息，将具有相同办 公地的用户所居住的小区进行统计关联，在同一办公地办公的用户所居住的各个小区中选 择居住人数最多的小区作为候选小区推荐给用户，从而不仅能够通过小区自身的指标(如 建成年代、房价、居住人口数等)反应小区的合适程度，而且还能通过大数据的统计方法用 已经居住的人员的信息来推荐真实适合用户的小区。
[0067] 进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种小区推荐装 置，如图2所示，该装置包括:获取单元21、确定单元22、统计单元23W及推荐单元24,其中，
[0068] 获取单元21，用于获取用户的定位信息；
[0069] 确定单元22,用于根据获取单元21获取的所述定位信息确定用户对应的小区信息 W及对应的办公地信息；
[0070] 统计单元23,用于根据确定单元22确定的所述小区信息W及所述办公地信息对办 公地相同的用户所对应的小区进行统计；
[0071] 推荐单元24,用于根据统计单元23的统计结果向目标用户推荐候选小区。
[0072] 进一步的，获取单元21用于获取用户的手机定位信息；获取单元21还用于获取用 户的寄/收件地址信息。
[0073] 进一步的，确定单元22用于根据用户的手机定位信息，将用户在法定工作日的工 作时间段内出现时间最长或出现次数最多的定位信息确定为用户对应的办公地信息;确定 单元22还用于将用户在法定工作日的夜间休息时间段出现时间最长或出现次数最多的定 位信息确定为用户对应的小区信息。
[0074] 进一步的，确定单元22用于根据用户的寄/收件地址信息，将与小区住址有关的 寄/收件地址信息确定为用户对应的小区信息;确定单元22还用于将与办公地点有关的寄/ 收件地址信息确定为用户对应的办公地信息。
[007引进一步的，如图3所示，统计单元23包括：
[0076] 查找模块231，用于根据各个用户对应的办公地信息获取相同的办公地；
[0077] 关联模块232,用于将相同的办公地中各个办公地对应的用户W及用户对应的小 区进行关联，形成办公地、用户与小区=者之间的对应关系表。
[007引进一步的，如图4所示，推荐单元24包括：
[0079] 获取模块241，用于获取目标用户的办公地信息；
[0080] 选择模块242,用于在与目标用户的办公地信息相同的所有用户中，选择对应同一 小区的用户人数最多的小区作为候选小区推荐给目标用户。
[0081] 本发明实施例提供的一种小区推荐装置，能够通过获取用户的定位信息，根据所 述定位信息确定用户对应的小区信息W及对应的办公地信息，然后根据所述小区信息W及 办公地信息对办公地相同的用户所对应的小区进行统计，最后根据统计结果向目标用户推 荐候选小区。与现有技术中通过小区得分高低向用户推荐小区的方式不同，本发明通过用 户的定位信息在工作地点相同的大量用户中，根据用户居住小区的分布情况向目标用户推 荐适合的小区，从而避免了现有的小区推荐方法由于无法反应小区的综合情况W及无法对 小区各方面情况进行量化而造成推荐不准确的缺陷。
[0082] 此外，本发明实施例通过获取大量用户对应的小区信息W及办公地信息，将具有 相同办公地的用户所居住的小区进行统计关联，在同一办公地办公的用户所居住的各个小 区中选择居住人数最多的小区作为候选小区推荐给用户，从而不仅能够通过小区自身的指 标(如建成年代、房价、居住人口数等)反应小区的合适程度，而且还能通过大数据的统计方 法用已经居住的人员的信息来推荐真实适合用户的小区。
[0083] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部 分，可W参见其他实施例的相关描述。
[0084] 可W理解的是，上述方法及装置中的相关特征可W相互参考。另外，上述实施例中 的"第一"、"第二"等是用于区分各实施例，而并不代表各实施例的优劣。
[0085] 所属领域的技术人员可W清楚地了解到，为描述的方便和简洁，上述描述的系统， 装置和单元的具体工作过程，可W参考前述方法实施例中的对应过程，在此不再寶述。
[0086] 在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。 各种通用系统也可W与基于在此的示教一起使用。根据上面的描述，构造运类系统所要求 的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可W利用各种 编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发 明的最佳实施方式。
[0087] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施 例可W在没有运些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构 和技术，W便不模糊对本说明书的理解。
[0088] 类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在 上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施 例、图、或者对其的描述中。然而，并不应将该公开的方