深圳(zhen)2019年1月15日電 /美通(tong)社/ -- 2019年1月15日，樂有家推(tui)出“千人千面(mian)”二期(qi)，在原本的(de)基礎(chu)上優(you)化(hua)了(le)相關(guan)算法(fa)，根據(ju)前期(qi)的(de)用戶行(xing)為反饋(kui)，將(jiang)較受(shou)歡迎專題內容(rong)和一些熱(re)門小(xiao)區推(tui)薦(jian)給(gei)用戶；此(ci)(ci)外房(fang)源(yuan)精準推(tui)薦(jian)的(de)范圍從二手房(fang)擴(kuo)大到租房(fang)領域(yu)，從此(ci)(ci)租房(fang)者也能輕松找房(fang)。
專家系統和機器學習
近年來，人工智能、機器學習、千人千面等名詞進入大眾的視野，改(gai)變大眾的生活。但其實，早在1956年，DARTMOUTH學會便提出人工智能這一概念。人工可以很好理解，那智能是什么呢？智能是指能夠自動的對外界變化做出反應，從而完成特定任務的行為。根據如何對外界變化做出反應，智能被分為兩類，一類是人類自行(xing)制定規則，稱為專家系統。專(zhuan)家(jia)(jia)系(xi)統是一個智能計算機程序系(xi)統，其內部含有大量的(de)某個領(ling)域專(zhuan)家(jia)(jia)水平(ping)的(de)知識與經驗，能夠利用(yong)人(ren)類專(zhuan)家(jia)(jia)的(de)知識和解決問(wen)題的(de)方法來處(chu)理該領(ling)域問(wen)題。
另一類是(shi)機器自己學(xue)習(xi)(xi)規(gui)則，稱為機器學(xue)習(xi)(xi)，是(shi)指機器從數據中挖掘和(he)學(xue)習(xi)(xi)其中潛在的模式(shi)和(he)規(gui)則。
在樂(le)(le)有家的(de)(de)(de)業(ye)(ye)務(wu)場景(jing)和產品中，這兩種模(mo)式都(dou)得到很好的(de)(de)(de)運(yun)用(yong)。例如(ru)樂(le)(le)有家運(yun)用(yong)專家系(xi)(xi)(xi)統模(mo)式開發(fa)經(jing)紀(ji)人(ren)(ren)異常行(xing)(xing)(xing)(xing)為識(shi)別系(xi)(xi)(xi)統，經(jing)紀(ji)人(ren)(ren)輸入(ru)跟進(jin)(jin)數(shu)(shu)據、帶看數(shu)(shu)據、巡(xun)店(dian)數(shu)(shu)據3大類型數(shu)(shu)據后，計算機根(gen)據前期(qi)(qi)已經(jing)設定(ding)好的(de)(de)(de)條(tiao)件(jian)，自動(dong)進(jin)(jin)行(xing)(xing)(xing)(xing)造假判(pan)斷(duan)，如(ru)果經(jing)紀(ji)人(ren)(ren)輸入(ru)的(de)(de)(de)數(shu)(shu)據不符(fu)合前期(qi)(qi)設定(ding)的(de)(de)(de)條(tiao)件(jian)，系(xi)(xi)(xi)統會(hui)自動(dong)進(jin)(jin)行(xing)(xing)(xing)(xing)行(xing)(xing)(xing)(xing)政處罰(fa)，或者(zhe)通知業(ye)(ye)務(wu)部門進(jin)(jin)行(xing)(xing)(xing)(xing)督導。經(jing)紀(ji)人(ren)(ren)異常行(xing)(xing)(xing)(xing)為識(shi)別系(xi)(xi)(xi)統一經(jing)上(shang)線，大大提高了業(ye)(ye)務(wu)部門管理員(yuan)工(gong)的(de)(de)(de)效率(lv)，節省(sheng)了大量的(de)(de)(de)人(ren)(ren)力(li)成本，也倒逼經(jing)紀(ji)人(ren)(ren)不斷(duan)提升(sheng)自己的(de)(de)(de)專業(ye)(ye)能力(li)，更好的(de)(de)(de)服務(wu)客戶。
千人千面，讓房源推薦做到因人而異
在傳統的房源推薦中，存在不少的痛點。很多用戶其實對自己的購房（租房）需求不是很明確，不清楚自己想要什么樣的房子，通過以往的標簽搜索自己心儀的房源無疑是大海撈針。對于運營者來說，以往傳統人工推薦房源存在策劃周期長、更新頻率低、運營成本高等問題，無法做到(dao)實時的個性化推薦和精細(xi)化運營等一系列問題。
為了解決(jue)這些痛點(dian)，樂有家通過“大數據+機器學習”的人(ren)工智能技術代替(ti)人(ren)工，實現自動化的房(fang)(fang)源專題頁生成及房(fang)(fang)源推(tui)薦，開發(fa)了“千人(ren)千面”功能。
樂有家的“千人千面”是指不同的用戶登陸樂有家APP，在首頁將會看到不同的房源專題，例如熱門地段好房子、車位充足好房子、戶型方正大空間等；此外，不(bu)同的(de)用戶點擊(ji)同一專題也會(hui)看到不(bu)同的(de)房(fang)源，房(fang)源推薦真正做到了因人而(er)異，精準(zhun)推薦。
為了實現房源推薦“千人千面”，樂有家做了很多嘗試和摸索，最后終于破解背后的原理和技術。第一步是收集現存的用戶歷史行為數據，包括用戶歷史瀏覽行為、點(dian)擊行為等數據。第二(er)步是通過用(yong)戶歷史(shi)行為數據，選擇合適(shi)機器學(xue)習算(suan)法，構建(jian)離線(xian)用(yong)戶模(mo)型。
第三步是根據當前訪問用(yong)(yong)戶(hu)的實(shi)時(shi)數據，利用(yong)(yong)離線構(gou)建的模型，運用(yong)(yong)無監(jian)督學習的算(suan)法方式，定時(shi)計算(suan)用(yong)(yong)戶(hu)對房子各個(ge)屬性的偏愛程(cheng)度(du)，例如偏好(hao)朝南的程(cheng)度(du)是多(duo)少，偏好(hao)近地鐵的程(cheng)度(du)是多(duo)少。
第四步(bu)是根據上面的信息，千人千面就可以判斷用(yong)(yong)戶更加傾向于哪一些主題(ti)，千人千面就會根據用(yong)(yong)戶偏(pian)好(hao)組(zu)成(cheng)專(zhuan)題(ti)頁，當這些用(yong)(yong)戶進入樂(le)有(you)家APP時(shi)，首(shou)頁就會顯示(shi)用(yong)(yong)戶最感興趣的專(zhuan)題(ti)。
第五(wu)步(bu)是當(dang)用(yong)(yong)戶(hu)進(jin)入到每(mei)個(ge)房源(yuan)專題(ti)后，千(qian)(qian)人(ren)千(qian)(qian)面(mian)又會根(gen)(gen)據用(yong)(yong)戶(hu)的(de)歷史行為，運用(yong)(yong)監督(du)學習的(de)算法計算用(yong)(yong)戶(hu)對這個(ge)主(zhu)題(ti)中(zhong)包含的(de)每(mei)一(yi)個(ge)房子的(de)感興(xing)(xing)趣程度(du)。根(gen)(gen)據用(yong)(yong)戶(hu)對房源(yuan)的(de)興(xing)(xing)趣度(du)進(jin)行排序，將用(yong)(yong)戶(hu)最(zui)感興(xing)(xing)趣的(de)呈(cheng)現(xian)給(gei)用(yong)(yong)戶(hu)。最(zui)終不同(tong)的(de)用(yong)(yong)戶(hu)將會看到不同(tong)的(de)專題(ti)/房源(yuan)，達到千(qian)(qian)人(ren)千(qian)(qian)面(mian)的(de)結果。
在這個信息過(guo)載泛(fan)濫時(shi)代，用(yong)(yong)戶(hu)每天都(dou)要花費時(shi)間和(he)精力從(cong)大量的(de)信息(xi)中挑選有用(yong)(yong)的(de)信息(xi)。樂有家，利(li)用(yong)(yong)人工智(zhi)能，過濾“無效”信息(xi)，把(ba)用(yong)(yong)戶(hu)最需要的(de)信息(xi)，以最快的(de)速度呈現給Ta，讓用(yong)(yong)戶(hu)更(geng)高效的(de)找到適合自己(ji)的(de)房子，找房從(cong)此輕松(song)無憂。
