基于大数据分析的房源推荐方法、装置、设备及存储介质与流程

本发明涉及大数据分析技术领域，尤其涉及一种基于大数据分析的房源推荐方法、装置、设备及存储介质。

背景技术：

随着互联网技术的不断发展，其在各行各业的应用也越来越普遍。以房产交易(也称：房地产交易)为例，为了给有意向选购房屋的用户提供便利，近年来，基于互联网的房产交易平台得到了快速发展。

然而，目前的房产交易平台在划分和管理房源信息时，通常是根据预先规定的业务需求来设置房源标签，然后根据得到房源标签来划分和管理房源信息。虽然，这种房源查找、推荐方式能够实现为用户快速推荐房源的效果，但是由于用于筛选房源的房源标签是固定的，因而用户只能按照这些固定的房源标签进行筛选，往往不能很好的满足用户需求。并且，如果房产交易平台想要修改已有的房源标签，不仅需要重新调整已有的房源信息分类，还需要调整面向用户的操作界面，灵活性较差，无法适应市场需求。

所以，亟需提供一种能够适应灵活多变的用户需求及市场需求的基于大数据分析的房源推荐方法。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种基于大数据分析的房源推荐方法、装置、设备及存储介质，旨在使基于互联网的房产交易平台能够适应灵活多变的用户需求及市场需求。

为实现上述目的，本发明提供了一种基于大数据分析的房源推荐方法，所述方法包括以下步骤:

接收用户提供的房源查找需求，从所述房源查找需求中提取关键词作为房源筛选标签；

在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签；

获取查找到的所述房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

优选地，所述在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签，包括：

遍历所述房源标签管理库，计算遍历到的当前房源标签与所述房源筛选标签的匹配度，若所述匹配度满足预设条件，则将遍历到的当前房源标签确定为与所述房源筛选标签匹配的房源标签；

依次获取与所述房源筛选标签匹配的各房源标签，得到待推荐房源标签集合。

优选地，所述获取查找到的所述房源标签对应的房源信息，并将所述房源信息推荐给所述用户，包括：

根据预设的权重分配标准，计算所述待推荐房源标签集合中各房源标签的权重值；

根据预设的房源推荐标准，过滤出权重值符合所述房源推荐标准的房源标签；

获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

优选地，所述获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户之前，所述方法还包括：

获取所述用户的身份信息，根据所述身份信息获取所述用户的日常消费记录和授信额度；

根据所述日常消费记录和所述授信额度，确定适合所述用户购买的房源的价格区间；

其中，所述获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户，包括：

获取权重值符合所述房源推荐标准的房源标签对应的房源信息，从各房源信息中提取携带的价格参数；

根据所述价格区间和各房源信息中携带的价格参数，筛选出价格介于所述价格区间之间的房源信息；

将价格介于所述价格区间之间的房源信息推荐给所述用户。

优选地，所述将价格介于所述价格区间之间的房源信息推荐给所述用户之后，所述方法还包括：

利用视觉追踪技术，确定所述用户当前注视的房源信息；

获取所述用户当前所处的位置信息和所述房源信息中携带的房源地址；

根据所述用户当前所处的位置信息和所述房源地址，为所述用户规划行车路线，并将所述行车路线推荐给所述用户。

优选地，所述将所述行车路线推荐给所述用户之后，所述方法还包括：

按照预设的时间间隔，获取所述用户的实时位置信息；

根据所述实时位置信息和所述房源地址，计算所述用户距离所述房源地址的距离；

若所述距离满足预设条件，则从所述房源信息中获取负责所述房源信息对应的房源的带看人的联系方式；

采用所述联系方式，将所述房源信息和预存的所述用户的联系方式发送给所述带看人，通知所述带看人做好为所述用户提供带看所述房源的准备工作。

优选地，所述将价格介于所述价格区间之间的房源信息推荐给所述用户之后，所述方法还包括：

利用视觉追踪技术，确定所述用户当前注视的房源信息；

根据所述房源信息、所述日常消费记录和所述授信额度，为所述用户推荐合适的贷款业务。

此外，为实现上述目的，本发明还提出一种基于大数据分析的房源推荐装置，所述装置包括：

房源筛选标签确定模块，用于接收用户提供的房源查找需求，从所述房源查找需求中提取关键词作为房源筛选标签；

房源标签查找模块，用于在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签；

房源信息推荐模块，用于获取查找到的所述房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

此外，为实现上述目的，本发明还提出一种基于大数据分析的房源推荐设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据分析的房源推荐程序，所述基于大数据分析的房源推荐程序配置为实现如上文所述的基于大数据分析的房源推荐方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于大数据分析的房源推荐程序，所述基于大数据分析的房源推荐程序被处理器执行时实现如上文所述的基于大数据分析的房源推荐方法的步骤。

本发明通过基于关键词提取技术从用户提供的房源查找需求中提取房源筛选标签，然后在预先构建的房源标签管理库中查找与提取到的房源筛选标签匹配的房源标签，最终只需将查找到的房源标签对应的房源信息推荐给用户即可实现为用户推荐符合其房源查找需求的房源信息。整个推荐过程，用户只需提供房源查找需求，无需通过多级目录选择固有的房源标签，对房源信息的筛选也不是根据固有房源标签进行筛选查找，而是在每次查找时根据从用户提供的房源查找需求中提取出的房源筛选标签作为过滤条件，因而在房源信息受市场影响发生变化时，只需更新房源标签管理库中的房源标签即可，这样不仅能够适应灵活多变的市场需求，也可以满足灵活多变的用户需求。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的基于大数据分析的房源推荐设备的结构示意图；

图2为本发明基于大数据分析的房源推荐方法第一实施例的流程示意图；

图3为本发明基于大数据分析的房源推荐方法第二实施例的流程示意图；

图4为本发明基于大数据分析的房源推荐装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于大数据分析的房源推荐设备结构示意图。

如图1所示，该基于大数据分析的房源推荐设备可以包括：处理器1001，例如中央处理器(centralprocessingunit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(randomaccessmemory，ram)存储器，也可以是稳定的非易失性存储器(non-volatilememory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对基于大数据分析的房源推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于大数据分析的房源推荐程序。

在图1所示的基于大数据分析的房源推荐设备中，网络接口1004主要用于与房产交易平台进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于大数据分析的房源推荐设备中的处理器1001、存储器1005可以设置在基于大数据分析的房源推荐设备中，所述基于大数据分析的房源推荐设备通过处理器1001调用存储器1005中存储的基于大数据分析的房源推荐程序，并执行本发明实施例提供的基于大数据分析的房源推荐方法。

本发明实施例提供了一种基于大数据分析的房源推荐方法，参照图2，图2为本发明一种基于大数据分析的房源推荐方法第一实施例的流程示意图。

本实施例中，所述基于大数据分析的房源推荐方法包括以下步骤：

步骤s10，接收用户提供的房源查找需求，从所述房源查找需求中提取关键词作为房源筛选标签。

具体的说，本实施例中的执行主体为安装有房产交易平台提供的给用户使用的房源查询应用程序，或者能够通过浏览器访问房产交易平台的任意用户终端，比如智能手机、平板电脑、个人计算机等，此处不再一一列举，对此也不做限制。

此外，值得一提的是，在实际应用中，本实施例中提供的基于大数据分析的房源推荐方法也可以适用于部署有房产交易平台功能的服务器，本实施例对此不做任何限制，在具体实现中，本领域的技术人可以根据需要进行设置。

为了便于理解，以下结合实例对步骤s10进行具体说明。

比如说，房源查找需求为用户采用自己习惯的表达方式提供的用于筛选房源的内容，具体可以是“a城市，距离地铁2号线走路时间在20分钟左右，面积为120平左右，楼层在10楼以上的3居室”。

在接收到上述格式的房源查找需求后，采用关键词提取技术从所述房源查找需求中提取关键词作为房源筛选标签即可。

具体的说，针对上述内容最终确定的房源筛选标签可以包含如下信息：房源位置：a城市、距离地铁2号线走路20分钟范围内；房源面积：120平左右；房源格局：3居室；楼层要求：10楼以上。

需要说明的是，在本实施例中，房源筛选标签中各关键词的顺序并不影响最终的筛选结果。并且，上述给出的房源筛选标签中包含的内容、格式也仅仅为举例说明，对本发明的计算方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，此处不做限制。

此外，值得一提的是，由于本实施例中并不限制房源查找需求的格式，在实际应用中，用户提供的房源查找需求可以各种格式的，比如文本格式、语音格式、图片格式等，此处不再一一列举，对此也不做任何限制。

因而，为了保证能够采用关键词提取技术，准确的从房源查找需求中提取出关键词作为房源筛选标签，在基于关键词提取技术，进行关键词提取操作之前，可以先确定所述房源查找需求的格式。

进一步地，若确定所述房源查找需求为语音格式，则基于语音识别技术，将语音格式的房源查找需求转换为文本格式的房源查找需求；若确定所述房源查找需求为图片格式，则基于图像识别文字技术，比如光学字符识别技术(opticalcharacterrecognition，orc)，将图片格式的房源查找需求转换为文本格式的房源查找需求。

相应地，在进行关键词提取操作的时候，具体是基于关键词提取技术，从文本格式的房源查找需求中提取关键词。

此外，为了保证提取出的关键词具有较高的参考价值，可以在从房源查找需求中提关键词之前，先对文本格式的房源查找需求进行文本预处理操作。

比如说，去停用词，即去掉反馈信息中含有的如：呢、吗、啊等没有实际意义的词。

还比如说，去掉无效特殊字符，如表情符号、各种标点符号等。

相应地，在将语音格式的房源查找需求转换为文本格式的房源查找需求之前，同样可以先对语音格式的房源查找需求进行一系列预处理操作，比如滤波、去除干扰声音等操作，以保证转换出的文本信息更加准确。

同理，在将图片格式的房源查找需求转换为文本格式的房源查找需求之前，同样可以先对图片格式的房源查找需求进行一系列预处理操作，比如灰度处理、去噪等操作，以保证转换出的文本信息更加准确。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

步骤s20，在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签。

具体的说，本实施例中所说的房源标签管理库即为存储与管理房源管理系统、销售管理系统等与房产交易相关的系统中提供的在售、即将开盘的房源信息对应的房源标签的。

此外，关于上述所说的存放在所述房源标签管理库中的房源标签，可以是基于数据分析技术，通过对房源信息的分析处理得到的；也可以是由负责房源的销售人员、带看人员人工编辑的。

关于基于数据分析技术来确定房源标签的方式，具体可以是通过对各数据平台存储的房源信息进行分析处理，如高频词提取、关键词提取，然后对提取到的各词语进行去重，将得到的各个高频词、关键词作为该房源信息对应的房源标签，然后自动添加到房源标签管理库。

关于由负责房源的销售人员、带看人员人工编辑房源标签的方式，具体可以是由进行人工编辑的人员采用房产交易平台提供的不同房源的注册接口，将对应的房源标签添加到房源标签管理库。

需要说明的是，本实施例中所说的房产交易平台提供的不同房源的注册接口，具体是由房产交易平台的技术人员根据自定义的参数注册机制提供的。

具体的说，所述自定义的注册机制中，预先规定了房源标签的名称、房源标签中允许添加的内容、房源标签对应的房源的获取来源等，各种与房源信息相关的参数。

相应地，在根据所述自定义的注册机制开发注册接口时，只需按照所述自定义的注册机制中规定的内容进行开发即可。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

此外，为了便于理解步骤s20中所说的在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签的操作，本实施例中给出一种具体实现方式，但下面所说的内容，并不构成对本发明的技术方案的任何限定：

比如，通过遍历所述房源标签管理库，计算遍历到的当前房源标签与所述房源筛选标签的匹配度，若所述匹配度满足预设条件，则将遍历到的当前房源标签确定为与所述房源筛选标签匹配的房源标签。

同时，依次获取与所述房源筛选标签匹配的各房源标签，得到待推荐房源标签集合，以便后续使用。

需要说明的是，上述所说的预设条件，可以是规定匹配度大于某一阈值，或者等于某一阈值时，便认为可以将遍历到的当前房源标签确定为与所述房源筛选标签匹配的房源标签。

步骤s30，获取查找到的所述房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

具体的说，由于实际应用中，与房源筛选标签匹配的房源标签往往数量较多，而这些房源标签对应的房源信息并非全部都是适合推荐给用户的。因而，为了尽可能的为用户推荐合适用户需求的房源信息，在执行步骤s30的时候，具体可以通过如下方式实现：

(1)根据预设的权重分配标准，计算所述待推荐房源标签集合中各房源标签的权重值。

关于权重分配标准，具体可以根据房源标签中出现的关键词的热度、频率等来信息来设置各房源标签的权重比例。

这样在明确了每个房源标签的权重比例之后，便可以快速确定各个房源标签对应的权重值。

(2)根据预设的房源推荐标准，过滤出权重值符合所述房源推荐标准的房源标签。

具体的说，房源推荐标准中可以设置权重值大于或等于某一阈值的房源标签，符合房源推荐标准。

比如，在权重值的满分为10分，房源推荐标准中规定权重值大于或等于7分的便可以认为符合房源推荐标准，可以将该房源标签对应的房源信息推荐给用户。

(3)获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

进一步地，在实际应用中，用户在进行房源查找的过程中，可能不太熟悉当前房价，因而在进行房源查找的时候，提供的房源查找需求中往往不会限定购房总金额。这就导致最终推荐给用户的房源信息中，包含了用户没有购买能力的房源信息，因而为了避免这种情况的发生，实现推荐给用户的既是符合用户的房源查找需求的房源信息，购房总金额又是用户能够承担的其的房源信息，在获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户之前还可以先对房源信息的价格进行以下过滤。

为了便于理解，以下给出一种具体的实现方式，大致操作如下所述：

首先，获取所述用户的身份信息，根据所述身份信息获取所述用户的日常消费记录和授信额度。

然后，根据所述日常消费记录和所述授信额度，确定适合所述用户购买的房源的价格区间。

应当理解的是，根据所述用户的日常消费记录，通常可以预估出所述用户能够承受的首付金额；而根据所述用户的授信额度，则可以预估出所述用户能够从信贷机构借贷的贷款金额。

因而，根据上述两项信息，便可以预估出所述用户能够接受的房源价格的大致区间。

相应地，在执行上述步骤(3)时，具体变为：

(3-1)获取权重值符合所述房源推荐标准的房源标签对应的房源信息，从各房源信息中提取携带的价格参数。

(3-2)根据所述价格区间和各房源信息中携带的价格参数，筛选出价格介于所述价格区间之间的房源信息。

(3-3)将价格介于所述价格区间之间的房源信息推荐给所述用户。

需要说明的是，以上给出的仅为一种具体的实现方式，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要进行设置，此处不做限制。

通过上述描述不难发现，本实施例中提供的基于大数据分析的房源推荐方法，通过基于关键词提取技术从用户提供的房源查找需求中提取房源筛选标签，然后在预先构建的房源标签管理库中查找与提取到的房源筛选标签匹配的房源标签，最终只需将查找到的房源标签对应的房源信息推荐给用户即可实现为用户推荐符合其房源查找需求的房源信息。整个推荐过程，用户只需提供房源查找需求，无需通过多级目录选择固有的房源标签，对房源信息的筛选也不是根据固有房源标签进行筛选查找，而是在每次查找时根据从用户提供的房源查找需求中提取出的房源筛选标签作为过滤条件，因而在房源信息受市场影响发生变化时，只需更新房源标签管理库中的房源标签即可，这样不仅能够适应灵活多变的市场需求，也可以满足灵活多变的用户需求。

此外，在为用户推荐房源信息的过程中，由于对房源信息的筛选不是根据固有房源标签进行筛选查找的，因而在提供给用户使用的房源查询应用程序的界面无需设置多级目录的房源标签，这样不仅可以简化用户操作，提升用户体验，同时也可以减少开发房源查询应用程序的技术人员的工作量。

参考图3，图3为本发明一种基于大数据分析的房源推荐方法第二实施例的流程示意图。

基于上述第一实施例，本实施例基于大数据分析的房源推荐方法在所述步骤s30之后，还包括：

步骤s40，利用视觉追踪技术，确定所述用户当前注视的房源信息。

具体的说，本实施例中所说的视觉追踪(也称：视觉跟踪)技术，是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

因而，在本实施例中，如果用户终端监测到用户的目光在显示界面的某一位置停留时间大于预设时长，便可以确定用户当前注视的房源信息具体是哪一条。

步骤s50，获取所述用户当前所处的位置信息和所述房源信息中携带的房源地址。

应当理解的是，在获取用户当前所处的位置信息时，具体可以是通过获取用户终端内置的定位芯片当前定位到的位置信息。

此外，值得一提的是，在实际应用中，为了尽可能的提升用户体验，避免过渡的为用户推荐行车路线，导致用户反感。在执行步骤s50之前，还可以基于微表情识别技术，通过分析用户当前面部表情及肢体动作，进入确定所述用户是否对当前注视的房源信息对应的房源感兴趣。若确定所述用户对当前注视的房源信息对应的房源感兴趣，则执行步骤s50，并在执行完步骤s50后，执行步骤s60；否则，既不执行步骤50，也不执行步骤s60。

具体的说，通过研究表明，在面部表情主要表现为眼内角的上眼皮降低，嘴巴张大；伴随的肢体动作主要表现为双臂向头部上方伸展时，通常认为用户出现了困倦，即对当前房源信息对应的房源不感兴趣。

而在面部表情主要表现为唇角向后拉并抬高，嘴巴张大，脸颊被抬起，并伴有点头动作时，通常认为用户对当前房源信息对应的房源感兴趣，即对当前讲解的内容较感兴趣。

因而，通过分析用户的面部表情和肢体动作，便可确定用户是否对当前房源信息对应的房源感兴趣。

此外，应当理解的是，在具体实现中，上述所说的确定用户的面部表情的方式，具体可以是根据预先训练获得的人脸检测模型，识别出人体图像中的人脸图像；然后，根据预先训练获得的人脸特征提取模型，提取人脸特征，比如眼睛、眉毛、嘴巴颌；接着，使用群组特征分析法定位眼睛、眉毛、嘴巴的具体位置，用局部梯度算子确定眉梢、眼角、嘴角的位置，用均值便宜算法跟踪眉毛、眼睛和嘴巴的位置；最后，根据眉梢、眼角和嘴角的坐标变换，确定所述用户当前的面部表情。

此外，上述所说的人脸检测模型和人脸特征提取模型，可以是预先利用机器学习，对各大数据平台存储的人脸图像进行模拟训练获得的。

具体的机器学习算法可以是目前较为流行的卷积神经网络算法，本实施例对此不做限制。

关于，利用机器学习算法，构建上述模型的方式，具体的应用，本领域的技术人员可以通过查找相关资料来实现，此处不再赘述，也不做限制。

步骤s60，根据所述用户当前所处的位置信息和所述房源地址，为所述用户规划行车路线，并将所述行车路线推荐给所述用户。

具体的说，在根据所述用户当前所处的位置信息和所述房源地址，为所述用户规划行车路线时，可以通过调用用户终端已有的导航系统实现，也可以是由技术人员在开发供用户使用的房源查询应用程序时，集成到所述房源查询应用程序中的导航组件实现，此处不做限制。

此外，为了进一步提升用户体验，同时能够及时告知负责所述房源信息对应的房源的带看人提前做好准备工作。在将所述行车路线推荐给所述用户之后，还可以按照预设的时间间隔，获取所述用户的实时位置信息(比如每隔10分装，获取一次所述用户的实时位置信息)，并根据所述实时位置信息和所述房源地址，计算所述用户距离所述房源地址的距离，若所述距离满足预设条件(比如距离小于或等于某一阈值，如1000米)，则从所述房源信息中获取负责所述房源信息对应的房源的带看人的联系方式，然后采用所述联系方式，将所述房源信息和预存的所述用户的联系方式发送给所述带看人，通知所述带看人做好为所述用户提供带看所述房源的准备工作。

需要说明的是，以上给出的仅为一种具体的实现方式，对本发明的技术方案并不构成限定。

此外，在具体实现中，为了提升基于互联网的房产交易平台的推广，在将所述房源信息下发至所述用户终端的时候，还可以为所述用户分配一个分享编号，然后监控所述用户对所述房源信息的分享次数(在每次分享时都会携带分配给用户的分享编号)，这样可以通过统计每个分享编号的分析次数，为对应的用户反馈相应的奖励，比如现金、购物狂、流量卡、减免房产交易手续费的优惠券等。

进一步地，还可以监控和记录通过每一个分享编号成交的房产交易，然后根据成交量给予所述用户购房优惠，同时给予通过分享的方式获得购房信息，并购买房产的用户优惠。

需要说明的是，以上仅为举例说明，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要进行设置，此处不做限制。

通过上述描述不难发现，本实施例中提供的基于大数据分析的房源推荐方法，在将价格介于所述价格区间之间的房源信息推荐给所述用户之后，通过基于视觉追踪技术及微表情识别技术来确定用户感兴趣的房源信息，进而为用户规划从当前所处位置前往感兴趣的房源地址的行车路线，并将规划好的行车路线推荐给用户，在简化用户操作的同时，进一步提升了用户体验。

此外，在实际应用中，在基于视觉追踪技术及微表情识别技术来确定用户感兴趣的房源信息之后，还可以根据用户当前感兴趣的房源的房源信息以及用户的日常消费记录和授信额度来确定适合用户的贷款业务，这样不仅可以省去用户自己选择贷款业务的时间，大大提升用户体验，还可以有效刺激用户向信贷机构办理贷款业务，进而提升信贷机构的盈利，从而达到用户、房产交易平台、信贷机构多方共赢。

应当理解的是，之所以可以根据所述房源信息、所述日常消费记录和所述授信额度为所述用户推荐合适的贷款业务，是因为房源信息中通常携带了购置当前房源所需的总金额，而根据所述日常消费记录则可以预估所述用户能够承受的首付金额，根据所述授信额度则可以预估所述用户能够从信贷机构借贷的贷款金额。因而根据上述信息便可以确定一个相对合适的贷款业务，以供用户参考。

需要说明的是，以上给出的仅为一种具体的实现方式，对本发明的技术方案并不构成限定。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于大数据分析的房源推荐程序，所述基于大数据分析的房源推荐程序被处理器执行时实现如上文所述的基于大数据分析的房源推荐方法的步骤。

参照图4，图4为本发明基于大数据分析的房源推荐装置第一实施例的结构框图。

如图4所示，本发明实施例提出的基于大数据分析的房源推荐装置包括：房源筛选标签确定模块4001、房源标签查找模块4002和房源信息推荐模块4003。

其中，所述房源筛选标签确定模块4001，用于接收用户提供的房源查找需求，从所述房源查找需求中提取关键词作为房源筛选标签；所述房源标签查找模块4002，用于在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签；所述房源信息推荐模块4003，用于获取查找到的所述房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

应当理解的是，在实际应用中，在预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签的方式可以有多种，为了便于理解，本实施例中的房源标签查找模块4002在从预先构建的房源标签管理库中查找与所述房源筛选标签匹配的房源标签时候，具体可以通过如下方式实现：

遍历所述房源标签管理库，计算遍历到的当前房源标签与所述房源筛选标签的匹配度，若所述匹配度满足预设条件，则将遍历到的当前房源标签确定为与所述房源筛选标签匹配的房源标签；

依次获取与所述房源筛选标签匹配的各房源标签，得到待推荐房源标签集合。

此外，由于实际应用中，与房源筛选标签匹配的房源标签往往数量较多，而这些房源标签对应的房源信息并非全部都是适合推荐给用户的。因而，为了尽可能的为用户推荐合适用户需求的房源信息，所述房源信息推荐模块4003在获取查找到的所述房源标签对应的房源信息，并将所述房源信息推荐给所述用户的时候，具体可以通过如下方式实现：

根据预设的权重分配标准，计算所述待推荐房源标签集合中各房源标签的权重值；

根据预设的房源推荐标准，过滤出权重值符合所述房源推荐标准的房源标签；

获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户。

进一步地，在实际应用中，用户在进行房源查找的过程中，可能不太熟悉当前房价，因而在进行房源查找的时候，提供的房源查找需求中往往不会限定购房总金额。这就导致最终推荐给用户的房源信息中，包含了用户没有购买能力的房源信息，因而为了避免这种情况的发生，实现推荐给用户的既是符合用户的房源查找需求的房源信息，购房总金额又是用户能够承担的其的房源信息，在获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户之前，所述房源信息推荐模块4003还用于：

获取所述用户的身份信息，根据所述身份信息获取所述用户的日常消费记录和授信额度；

根据所述日常消费记录和所述授信额度，确定适合所述用户购买的房源的价格区间；

其中，所述获取权重值符合所述房源推荐标准的房源标签对应的房源信息，并将所述房源信息推荐给所述用户，包括：

获取权重值符合所述房源推荐标准的房源标签对应的房源信息，从各房源信息中提取携带的价格参数；

根据所述价格区间和各房源信息中携带的价格参数，筛选出价格介于所述价格区间之间的房源信息；

将价格介于所述价格区间之间的房源信息推荐给所述用户。

需要说明的是，以上仅为一种具体的实现方式，对本发明的技术方案并不构成任何限定。在具体实现中，本领域的技术人员可以根据实际需要进行设置，此处不做限制。

通过上述描述不难发现，本实施例中提供的基于大数据分析的房源推荐装置，通过基于关键词提取技术从用户提供的房源查找需求中提取房源筛选标签，然后在预先构建的房源标签管理库中查找与提取到的房源筛选标签匹配的房源标签，最终只需将查找到的房源标签对应的房源信息推荐给用户即可实现为用户推荐符合其房源查找需求的房源信息。整个推荐过程，用户只需提供房源查找需求，无需通过多级目录选择固有的房源标签，对房源信息的筛选也不是根据固有房源标签进行筛选查找，而是在每次查找时根据从用户提供的房源查找需求中提取出的房源筛选标签作为过滤条件，因而在房源信息受市场影响发生变化时，只需更新房源标签管理库中的房源标签即可，这样不仅能够适应灵活多变的市场需求，也可以满足灵活多变的用户需求。

此外，在为用户推荐房源信息的过程中，由于对房源信息的筛选不是根据固有房源标签进行筛选查找的，因而在提供给用户使用的房源查询应用程序的界面无需设置多级目录的房源标签，这样不仅可以简化用户操作，提升用户体验，同时也可以减少开发房源查询应用程序的技术人员的工作量。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于大数据分析的房源推荐方法，此处不再赘述。

基于上述基于大数据分析的房源推荐装置的第一实施例，提出本发明基于大数据分析的房源推荐装置第二实施例。

在本实施例中，所述基于大数据分析的房源推荐装置还包括：视觉跟踪模块、位置信息获取模块和行车路线推荐模块。

其中，所述视觉跟踪模块，用于利用视觉追踪技术，确定所述用户当前注视的房源信息。

所述位置信息获取模块，用于获取所述用户当前所处的位置信息和所述房源信息中携带的房源地址。

所述行车路线推荐模块，用于根据所述用户当前所处的位置信息和所述房源地址，为所述用户规划行车路线，并将所述行车路线推荐给所述用户。

进一步地，为了确保用户当前注视的房源信息对应的房源为用户感兴趣的房源，所述基于大数据分析的房源推荐装置还可以包括：微表情识别模块。

具体的说，所述微表情识别模块，用于对用户当前的面部表情及肢体动作进行分析，确定用户是否对所述房源信息对应的房源感兴趣。

相应地，若确定用户是否对所述房源信息对应的房源感兴趣，则通知所述位置信息获取模块获取所述用户当前所处的位置信息和所述房源信息中携带的房源地址。

此外，为了进一步提升用户体验，同时能够及时告知负责所述房源信息对应的房源的带看人提前做好准备工作。所述基于大数据分析的房源推荐装置还可以包括通知模块。

其中，所述通知模块，用于在所述行车路线推荐模块将所述行车路线推荐给所述用户之后，按照预设的时间间隔，获取所述用户的实时位置信息；根据所述实时位置信息和所述房源地址，计算所述用户距离所述房源地址的距离；若所述距离满足预设条件，则从所述房源信息中获取负责所述房源信息对应的房源的带看人的联系方式；采用所述联系方式，将所述房源信息和预存的所述用户的联系方式发送给所述带看人，通知所述带看人做好为所述用户提供带看所述房源的准备工作。

通过上述描述不难发现，本实施例中提供的基于大数据分析的房源推荐装置，在将价格介于所述价格区间之间的房源信息推荐给所述用户之后，通过基于视觉追踪技术及微表情识别技术来确定用户感兴趣的房源信息，进而为用户规划从当前所处位置前往感兴趣的房源地址的行车路线，并将规划好的行车路线推荐给用户，在简化用户操作的同时，进一步提升了用户体验。

此外，在实际应用中，在基于视觉追踪技术及微表情识别技术来确定用户感兴趣的房源信息之后，还可以根据用户当前感兴趣的房源的房源信息以及用户的日常消费记录和授信额度来确定适合用户的贷款业务，这样不仅可以省去用户自己选择贷款业务的时间，大大提升用户体验，还可以有效刺激用户向信贷机构办理贷款业务，进而提升信贷机构的盈利，从而达到用户、房产交易平台、信贷机构多方共赢。

应当理解的是，之所以可以根据所述房源信息、所述日常消费记录和所述授信额度为所述用户推荐合适的贷款业务，是因为房源信息中通常携带了购置当前房源所需的总金额，而根据所述日常消费记录则可以预估所述用户能够承受的首付金额，根据所述授信额度则可以预估所述用户能够从信贷机构借贷的贷款金额。因而根据上述信息便可以确定一个相对合适的贷款业务，以供用户参考。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于大数据分析的房源推荐方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(readonlymemory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。