一种智能推荐房屋装修装饰方案的方法与流程

[0001]
本发明涉及人工智能技术领域，具体为一种智能推荐房屋装修装饰方案的方法。


背景技术：

[0002]
人工智能英文缩写为ai，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
[0003]
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，已经逐渐平民化，深入大众生活的各个方面，极大的方便了人们的生活，甚至在房屋装修装饰方案的推荐上均有应用，装修方案一般由专业的装修公司通过设计师的历史经验来提供，完全依靠设计师的个人经验，很难同时兼顾用户喜好、户型、用途、价格、朝向等全方位的需求，并且无法对客户已有的资源进行有效组合，已有家具等无法融入新的装修风格内，造成了资源浪费，增加了成本。


技术实现要素：

[0004]
本发明的目的在于提供一种智能推荐房屋装修装饰方案的方法，以解决上述背景技术中提出的问题。
[0005]
为了解决上述技术问题，本发明提供如下技术方案：一种智能推荐房屋装修装饰方案的方法，包括以下步骤：步骤一，标签化处理；步骤二，数据库建立；步骤三，模型确立；步骤四，信息录入；步骤五，方案智能推荐；其中在上述步骤一中，首先对装修方案中涉及的各个重要环节进行细化拆解，拆解成各个维度后，为各个维度设定标签；其中在上述步骤二中，根据专家的经验收集各大装修网站、装修公司收集各类受欢迎的装修方案，随后基于收集的大量优秀装修方案建立大数据库，大数据库利用网络爬虫技术不断丰富更新，然后利用步骤一中设定的标签对数据库中的装修方案进行标签化处理；其中在上述步骤三中，基于大数据处理技术对步骤二中标签化处理后的装修方案进行深度学习，通过数据不断迭代得到最优算法模型，组合形成更多优秀装修方案；其中在上述步骤四中，客户决定是新装修房屋还是改装房屋，然后将信息录入系统；其中在上述步骤五中，步骤四中录入的信息经过图片识别技术和自然语言处理技术转化为机器语言，随后传输到步骤三中深度学习之后的大数据库中，利用相似度匹配算法将客户的信息与大数据库中的信息进行匹配，选出相似度高的装修方案，随后根据客户的需求，利用推荐算法从相似度高的方案中推测出客户可能喜欢的方案，然后将客户可能喜欢的新装修方案或者改装方案推荐给客户。
[0006]
根据上述技术方案，所述步骤一中，涉及的环节包括个人喜好、风格、配色、摆放位置、材质、朝向、户型、用途和价格。
[0007]
根据上述技术方案，所述步骤三中，机器学习方式为监督学习。
[0008]
根据上述技术方案，所述步骤三中，算法为决策树、关联规则分类、神经网络、贝叶
斯、遗传算法和最近邻算法其中一种或者多种。
[0009]
根据上述技术方案，所述步骤四中，新装修客户必须录入户型或者户型图，而装修风格、价位、个人喜好、材质、朝向、配色和用途则根据个人需求选择性录入。
[0010]
根据上述技术方案，所述步骤四中，改装客户只需录入户型图、已有家具照片和已有装潢照片即可。
[0011]
与现有技术相比，本发明所达到的有益效果是：1.该发明基于大数据与机器学习的技术，客户给出需求后系统根据客户需求自动匹配推荐装修方案，无需依靠装修公司，增加了客户的选择，并且有利于根据需求个性化定制，极大地满足了客户的个性化需求。
[0012]
2.该发明将已有的家具和装潢与数据库中的装修方案进行智能化匹配，利用已有的资源来进行改装，避免了消费者重复消费，有利于提升家具和装潢的使用率，而不用拆除进行重新装修，有利于节约成本。
[0013]
3.该发明通过网络爬虫技术不断更新丰富大数据库，扩大数据库的样本容量，有利于提高装修方案的数量，有利于满足客户多样化的需求。
附图说明
[0014]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明的方法流程图。
具体实施方式
[0015]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0016]
请参阅图1，本发明提供一种技术方案：一种智能推荐房屋装修装饰方案的方法，包括以下步骤：步骤一，标签化处理；步骤二，数据库建立；步骤三，模型确立；步骤四，信息录入；步骤五，方案智能推荐；其中在上述步骤一中，首先对装修方案中涉及的各个重要环节进行细化拆解，其中涉及的环节包括个人喜好、风格、配色、摆放位置、材质、朝向、户型、用途和价格，拆解成各个维度后，为各个维度设定标签；其中在上述步骤二中，根据专家的经验收集各大装修网站、装修公司收集各类受欢迎的装修方案，随后基于收集的大量优秀装修方案建立大数据库，大数据库利用网络爬虫技术不断丰富更新，然后利用步骤一中设定的标签对数据库中的装修方案进行标签化处理；其中在上述步骤三中，基于大数据处理技术对步骤二中标签化处理后的装修方案进行深度学习，且机器学习方式为监督学习，通过数据不断迭代得到最优算法模型，且算法为决策树、关联规则分类、神经网络、贝叶斯、遗传算法和最近邻算法其中一种或者多种，组合形成更多优秀装修方案；其中在上述步骤四中，客户决定是新装修房屋还是改装房屋，然后将信息录入系统，且
新装修客户必须录入户型或者户型图，而装修风格、价位、个人喜好、材质、朝向、配色和用途则根据个人需求选择性录入，改装客户只需录入户型图、已有家具照片和已有装潢照片即可；其中在上述步骤五中，步骤四中录入的信息经过图片识别技术和自然语言处理技术转化为机器语言，随后传输到步骤三中深度学习之后的大数据库中，利用相似度匹配算法将客户的信息与大数据库中的信息进行匹配，选出相似度高的装修方案，随后根据客户的需求，利用推荐算法从相似度高的方案中推测出客户可能喜欢的方案，然后将客户可能喜欢的新装修方案或者改装方案推荐给客户。
[0017]
基于上述，本发明的优点在于，本发明客户只需将个人需求和户型输入，系统即可根据客户需求在系统上自动匹配得到优秀装修方案，无需经过专业装修公司，极大提高了工作效率，并且客户根据需求实现个性化定制，同时数据库通过网络爬虫技术不断更新，有利于给客户提供最新最全的装修方案，并且需要改装客户只需上传户型图、家具和已有装潢即可收到改装方案，有利于提高已有家具和装修的利用率，降低了装修成本。
[0018]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
[0019]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。