CN111639988B - 经纪人推荐方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请提供了一种经纪人推荐方法、装置、电子设备和存储介质，所述方法包括：获取用户浏览房源的行为信息和属性信息；基于所述用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；获取经纪人带看过的房源的属性信息；基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；为所述用户推荐带看能力值最大的经纪人。该方法能够提高推荐经纪人的准确性，以及用户体验度。

Description

经纪人推荐方法、装置、电子设备和存储介质

技术领域

本发明涉及信息处理技术领域，特别涉及一种经纪人推荐方法、装置、电子设备和存储介质。

背景技术

用户在找房APP上看到满意的房源后，通常会联系推荐的房产经纪人约带看房源。在真实的房源带看场景中，通常存在以下几种现象：

用户对约带看的房源不满意后，希望经纪人能带看其他的房源；

用户在被多次带看房源，但不满意的情况下会放弃继续约带看房源；

用户即使在有了心仪的房源的情况下，但仍希望经纪人能多带看几个房源后再做决定；

这种情况下，就要求提高经纪人推荐的准确率，保证为用户推荐的经纪人有房源、有能力为用户带看想要的房源，从而提高带看成交率。

但是目前经纪人推荐方案只是为用户推荐房源附近的经纪人，并没有真正结合考虑经纪人的带看能力与用户的找房需求，从而导致经纪人带看的房源与用户期望的房源相似性较低，很难让用户满意，有时甚至出现用户不得不选择其他经纪人进行带看的现象，这种推荐经纪人不准确的方案延长了带看的周期，进而提高了带看成本，且用户体验较差。

发明内容

有鉴于此，本申请提供一种经纪人推荐方法、装置、电子设备和存储介质，能够提高推荐经纪人的准确性，以及用户体验度。

为解决上述技术问题，本申请的技术方案是这样实现的：

在一个实施例中，提供了一种经纪人推荐方法，所述方法包括：

获取用户浏览房源的行为信息和属性信息；

基于所述用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；

获取经纪人带看过的房源的属性信息；

基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；

为所述用户推荐带看能力值最大的经纪人。

其中，

所述用户浏览房源的行为信息包括下述信息的任意组合：

搜索信息、转发信息、保存信息、点击信息和页面停留时间信息；

所述用户浏览房源的属性信息包括下述信息的任意组合：

区域信息、价格信息、面积信息、房型信息、朝向信息、楼层信息、楼龄信息、装修信息、电梯信息、供暖信息、权属信息、类型信息、房源特色信息。

其中，所述基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力，包括：

基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息根据如下公式评估所述经纪人针对所述用户的带看能力：

其中，v_t表示经纪人t的带看能力值；m为属性信息的个数，d_j表示用户对第j个房源属性的偏好值，dist(a_j，u_j)²表示用户浏览过的房源与经纪人带看过的房源的属性信息之间的相似性，a_j为用户浏览过的第j个属性信息的取值向量，u_j表示经纪人带看过的第j个属性信息的取值向量。

其中，所述基于所述用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息，包括：

基于所述用户浏览房源的行为信息和属性信息根据如下公式获取用户的房源属性偏好信息：

其中，d_j表示用户对第j个房源属性的偏好值；m为房源属性的个数，n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>表示如下：

其中，|X|为矩阵X的模。

其中，所述方法进一步包括：

在接收到所述用户通过终端发送的推荐经纪人的请求时，通过所述终端为所述用户推荐经纪人；

或，周期性地为所述用户推荐经纪人。

在另一个实施例中，提供了本申请实施例还提供一种经纪人推荐装置，所述装置包括：第一获取单元、第二获取单元、第三获取单元、评估单元和推荐单元；

所述第一获取单元，用于获取用户浏览房源的行为信息和属性信息；

所述第二获取单元，用于基于所述第一获取单元获取的用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；

所述第三获取单元，用于获取经纪人带看过的房源的属性信息；

所述评估单元，用于基于所述第一获取单元获取的用户浏览房源的属性信息、所述第二获取单元获取的用户的房源属性偏好信息和所述第三获取单元获取的经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；

所述推荐单元，用于为所述用户推荐所述评估单元评估出的带看能力值最大的经纪人。

其中，

所述用户浏览房源的行为信息包括下述信息的任意组合：

搜索信息、转发信息、保存信息、点击信息和页面停留时间信息；

所述用户浏览房源的属性信息包括下述信息的任意组合：

区域信息、价格信息、面积信息、房型信息、朝向信息、楼层信息、楼龄信息、装修信息、电梯信息、供暖信息、权属信息、类型信息、房源特色信息。

其中，

所述评估单元，具体用于基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息根据如下公式评估所述经纪人针对所述用户的带看能力：其中，v_t表示经纪人t的带看能力值；m为属性信息的个数，d_j表示用户对第j个房源属性的偏好值，dist(a_j，u_j)²表示用户浏览过的房源与经纪人带看过的房源的属性信息之间的相似性，a_j为用户浏览过的第j个属性信息的取值向量，u_j表示经纪人带看过的第j个属性信息的取值向量。

其中，所述第二获取单元，具体用于基于所述用户浏览房源的行为信息和属性信息根据如下公式获取用户的房源属性偏好信息：其中，d_j表示用户对第j个房源属性的偏好值；m为房源属性的个数，n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，/>表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>表示如下：/>其中，|X|为矩阵X的模。

其中，所述装置进一步包括：接收单元；

所述接收单元，用于接收用户通过终端发送的推荐经纪人的请求；

所述推荐单元，进一步用于在所述接收单元接收到所述用户通过终端发送的推荐经纪人的请求时，通过所述终端为所述用户推荐经纪人；或，周期性地为所述用户推荐经纪人。

在另一个实施例中，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如所述经纪人推荐方法的步骤。

在另一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述经纪人推荐方法的步骤。

由上面的技术方案可见，上述实施例通过综合用户浏览房源的行为信息和属性信息，以及经纪人带看房源的属性信息来针对所述用户评估经纪人的带看能力，进而为所述用户推荐带看能力值最大的经纪人。该方案通过提高推荐经纪人的准确性，降低了带看成本和周期，并提高了用户体验度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中经纪人推荐流程示意图；

图2为本申请实施例中应用于上述技术的装置结构示意图；

图3为本发明实施例提供的电子设备的实体结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。

下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

本申请实施例中提供一种经纪人推荐方法，应用于经纪人推荐装置上，可简称为推荐装置。

推荐装置可以应用于APP看房的服务器上，也可以单独部署，本申请实施例对此不进行限制。

下面结合附图，详细描述经纪人推荐过程。

参见图1，图1为本申请实施例中经纪人推荐流程示意图。具体步骤为：

步骤101，获取用户浏览房源的行为信息和属性信息。

本申请实施例中可以通过获取用户当前的定位信息以获取到该用户当前所在的市区信息，或获取用户设置的目的地信息以确定用户将要查找房源的市区信息，然后从系统数据库中自动获取该市区内的房源信息，同时自动获取用户的行为信息。

用户浏览房源的行为信息可以包括下述信息的任意组合，但不限于下述行为信息：

搜索信息、转发信息、保存信息、点击信息和页面停留时间信息。

其中，搜索信息，记录搜索的属性信息的次数，这里搜索的属性信息为房型信息、面积信息和价格信息；

转发信息，记录转发的房源对应的所有属性的属性信息；

保存信息，记录保存的房源对应的所有属性的属性信息；

点击信息，记录点击的房源的属性信息，如面积信息、房型信息和价格信息；

页面停留时间信息，记录浏览属性信息的时长。

用户浏览房源的属性信息可以包括下述信息的任意组合，但不限于下述给出的属性信息：

区域信息、价格信息、面积信息、房型信息、朝向信息、楼层信息、楼龄信息、装修信息、电梯信息、供暖信息、权属信息、类型信息、房源特色信息。

下面给出每种房源属性的含义，以及具体量化方式：

所述区域信息如北京的海淀区、朝阳区等；在具体实现时，会预先为每个区域设置一个类型值来量化区域信息，如海淀区设置为2，朝阳区设置为5等；

所述价格信息，指房源标注的预期卖房价格，如500(万)等；

所述面积信息，指房源的实际面积，如100(平米)等；

所述房型信息，指房源的实际房型，如一室一厅，两室一厅三室一厅等，在具体实现时，会预先为每种房型设置一个类型值来量化房型信息，如一室一厅设置1，两室一厅设置2，三室一厅设置3。

所述朝向信息，指房源的朝向，如南向、东南向，西北向等，在具体实现时，预先为每种朝向设置一个朝向值来量化朝向信息，如南向设为1，西北向设置2等。

所述楼层信息，指房源所在楼层，即具体层数即可；

所述楼龄信息，指房源的房本所显示的建成年限，也可以与当前时间折算所述房源已建成的时间，如可以为1998年，也可以为22年。

所述装修信息，指房源的装修情况，如精装修、简装、毛胚等，具体实现时，也可以分别设置一个装置值来量化装修信息，如精装修设置为11，简装设置为12，毛胚设置为13等；

所述电梯信息，指房源是否有电梯，针对有无分别设置具体的数值来量化电梯信息，如1、2，也可以为1、0等；

所述供暖信息，指所述房源是否有供暖，也可以进步细分，有供暖是集体供暖还是自己供暖等；针对不同情况分别设置不同的值即可，如无供暖为1，集体供暖为2，自己供暖为3等；

所述权属信息，指是否具有所述房源的所有权，分别设置不同的值对有无进行量化即可；

所述类型信息，指所述房源的所有权，如公房、商品房、商住两用房等，分别设置不同的值进行量化即可；

所述房源特色信息，指房源比较有特点的信息，如近地铁、学区房、VR看房等，分别设置不同的值进行量化即可。

用户浏览房源的属性信息可以使用矩阵A表示，矩阵A中的行表示一套房源，每列对应房源的一个属性信息。

用户浏览房源的行为信息可以使用矩阵X表示，矩阵X的每行表示一种行为，每列对应一个房源属性，矩阵X中的每个取值表示用户浏览的房源有所述房源属性信息的次数。

以房源属性的个数m为13，用户行为的个数n为5为例：

如矩阵X的第1行、第4列x₁₄表示用户搜索房型的次数，矩阵X的第3行、第9列x₃₉表示用户保存房子中拥有电梯这一属性信息的次数。

也就是说对应的取值是浏览的房源是否具有属性信息，至于属性信息对应的取值的具体内容是什么并不关注，如面积信息这一属性信息，只要有面积属性这一条目即可，至于面积是多少并不关注。

步骤102，基于所述用户浏览房源的行为信息和属性信息获取用户的房源属性偏好信息。

基于所述用户浏览房源的行为信息和属性信息根据如下公式获取用户的房源属性偏好信息：

其中，d_j表示用户对第j个房源属性的偏好值；m为房源属性的个数，n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>表示如下：

其中，|X|为矩阵X的模。

步骤103，获取经纪人带看过的房源的属性信息。

在本申请实施例中，系统中存储经纪人带看过的房源，以及所述房源对应的属性信息；

这里针对经纪人获取的属性信息与针对用户获取的属性信息在名称和数量上是匹配的。

如获取的用户的属性信息为上述13个属性信息的组合，则针对经纪人获取的属性信息也为上述13个属性信息的组合；

若获取的用户的属性信息为区域信息、价格信息、面积信息、房型信息，则针对经纪人获取的属性信息也为区域信息、价格信息、面积信息、房型信息。

具体实现时，可以通过经纪人输入信息来记录带看过的房源的属性信息，也可以是在APP中标注哪个经纪人带看过哪套房源，在需要获取经纪人带看过的房源的属性信息时，获取标注所述经纪人的房源，进而获取对应的房源信息。

经纪人带看房源的属性信息可以使用矩阵U表示，其中，每行表示一个房源，每列对应一个房源的属性信息。

步骤104，基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力。

通过确定所述浏览房源的属性信息，与经纪人带看过的房源的属性信息之间的相似度，再通过用户对对应属性信息的偏好信息进行加权求和获得对应经纪人的带看能力。

基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息根据如下公式评估所述经纪人针对所述用户的带看能力：

其中，v_t表示经纪人t的带看能力值；m为属性信息的个数，d_j表示用户对第j个房源属性的偏好值，dist(a_j，u_j)²表示用户浏览过的房源与经纪人带看过的房源的属性信息之间的相似性，a_j为用户浏览过的第j个属性信息的取值向量，u_j表示经纪人带看过的第j个属性信息的取值向量。

对a_j和u_j进行相似度计算时，使用的相似度算法不限，如可以是欧式距离、余弦相似度算法等。

步骤105，为所述用户推荐带看能力值最大的经纪人。

在具体实现时，可以为用户推荐带看能力值最大的经纪人，也可以考虑实际情况中带看能力值最大的经纪人是否方便为用户服务，如果不方便，可以再次选择带看能力值为第二大的经纪人进行推荐，依次类推，为用户推荐最合适的经纪人。

本申请实施例中为用户推荐经纪人可以有两种情况触发经纪人的推荐，也可以是下述两种情况的组合：

第一种：接收到用户通过终端发送的推荐经纪人的请求时，针对所述用户获取带看能力值最大的经纪人并推荐；

第二种，周期性地对所述用户推荐经纪人。

推荐方式可以是短信推荐、邮件推荐，微信推荐，以及看房APP推荐等，或者组合推荐，本申请实施例中对推荐的具体实现方式不进行限制。

本申请实施例中可以对指定用户周期性地确定带看能力值最大的经纪人，需要推荐时直接推荐，也可以在需要推荐经纪人的时候，开始获取用户和经纪人的相关属性信息，进行经纪人的带看能力值的评估，并将带看能力值最大的经纪人推荐给所述用户，对此不进行限制。

本申请实施例中通过综合用户浏览房源的行为信息和属性信息，以及经纪人带看房源的属性信息来针对所述用户评估经纪人的带看能力，进而为所述用户推荐带看能力值最大的经纪人。该方案通过提高推荐经纪人的准确性，降低了带看成本和周期，并提高了用户体验度。

基于同样的发明构思，本申请实施例还提供一种经纪人推荐装置。参见图1，图2，图2为本申请实施例中应用上述技术的装置结构示意图。所述装置包括：第一获取单元201、第二获取单元202、第三获取单元203、评估单元204和推荐单元205；

第一获取单元201，用于获取用户浏览房源的行为信息和属性信息；

第二获取单元202，用于基于第一获取单元201获取的用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；

第三获取单元203，用于获取经纪人带看过的房源的属性信息；

评估单元204，用于基于第一获取单元201获取的用户浏览房源的属性信息、第二获取单元202获取的用户的房源属性偏好信息和第三获取单元203获取的经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；

推荐单元205，用于为所述用户推荐评估单元204评估出的带看能力值最大的经纪人。

优选地，

所述用户浏览房源的行为信息包括下述信息的任意组合：

搜索信息、转发信息、保存信息、点击信息和页面停留时间信息；

所述用户浏览房源的属性信息包括下述信息的任意组合：

区域信息、价格信息、面积信息、房型信息、朝向信息、楼层信息、楼龄信息、装修信息、电梯信息、供暖信息、权属信息、类型信息、房源特色信息。

优选地，

评估单元204，具体用于基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息根据如下公式评估所述经纪人针对所述用户的带看能力：其中，v_t表示经纪人t的带看能力值；m为属性信息的个数，d_j表示用户对第j个房源属性的偏好值，dist(a_j，u_j)²表示用户浏览过的房源与经纪人带看过的房源的属性信息之间的相似性，a_j为用户浏览过的第j个属性信息的取值向量，u_j表示经纪人带看过的第j个属性信息的取值向量。

优选地，第二获取单元202，具体用于基于所述用户浏览房源的行为信息和属性信息根据如下公式获取用户的房源属性偏好信息：其中，d_j表示用户对第j个房源属性的偏好值；m为房源属性的个数，n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，/>表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>表示如下：/>其中，|X|为矩阵X的模。

优选地，所述装置进一步包括：接收单元206；

接收单元206，用于接收用户通过终端发送的推荐经纪人的请求；

推荐单元205，进一步用于在接收单元206接收到所述用户通过终端发送的推荐经纪人的请求时，通过所述终端为所述用户推荐经纪人；或，周期性地为所述用户推荐经纪人。

上述实施例的单元可以集成于一体，也可以分离部署；可以合并为一个单元，也可以进一步拆分成多个子单元。

在另一个实施例中，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述经纪人推荐方法的步骤。

在另一个实施例中，还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时可实现所述经纪人推荐方法中的步骤。

图3为本发明实施例提供的电子设备的实体结构示意图。如图3所示，该电子设备可以包括：处理器(Processor)310、通信接口(Communications Interface)320、存储器(Memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：

获取用户浏览房源的行为信息和属性信息；

基于所述用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；

获取经纪人带看过的房源的属性信息；

基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；

为所述用户推荐带看能力值最大的经纪人。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (8)

1.一种经纪人推荐方法，其特征在于，所述方法包括：

获取用户浏览房源的行为信息和属性信息；

基于所述用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；

获取经纪人带看过的房源的属性信息；

基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；

为所述用户推荐带看能力值最大的经纪人；

其中，所述基于所述用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息，包括：

基于所述用户浏览房源的行为信息和属性信息根据如下公式获取用户的房源属性偏好信息：

其中，d_j表示用户对第j个房源属性的偏好值；m为房源属性的个数，n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>表示如下：

其中，|X|为矩阵X的模；矩阵X表示用户浏览房源的行为信息，矩阵X的每行表示一种行为，每列对应一个房源属性，矩阵X中的每个取值表示用户浏览的房源有所述房源属性信息的次数。

2.根据权利要求1所述的方法，其特征在于，

所述用户浏览房源的行为信息包括下述信息的任意组合：

搜索信息、转发信息、保存信息、点击信息和页面停留时间信息；

所述用户浏览房源的属性信息包括下述信息的任意组合：

区域信息、价格信息、面积信息、房型信息、朝向信息、楼层信息、楼龄信息、装修信息、电梯信息、供暖信息、权属信息、类型信息、房源特色信息。

3.根据权利要求1所述的方法，其特征在于，所述基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力，包括：

基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息根据如下公式评估所述经纪人针对所述用户的带看能力：

其中，v_t表示经纪人t的带看能力值；m为属性信息的个数，d_j表示用户对第j个房源属性的偏好值，dist(a_j,u_j)²表示用户浏览过的房源与经纪人带看过的房源的属性信息之间的相似性，a_j为用户浏览过的第j个属性信息的取值向量，u_j表示经纪人带看过的第j个属性信息的取值向量；n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，/>表示用户的n个用户行对第j个房源属性的浏览次数的均值，|X|为矩阵X的模；矩阵X表示用户浏览房源的行为信息，矩阵X的每行表示一种行为，每列对应一个房源属性，矩阵X中的每个取值表示用户浏览的房源有所述房源属性信息的次数。

4.一种经纪人推荐装置，其特征在于，所述装置包括：第一获取单元、第二获取单元、第三获取单元、评估单元和推荐单元；

所述第一获取单元，用于获取用户浏览房源的行为信息和属性信息；

所述第二获取单元，用于基于所述第一获取单元获取的用户浏览房源的行为信息和属性信息获取所述用户的房源属性偏好信息；

所述第三获取单元，用于获取经纪人带看过的房源的属性信息；

所述评估单元，用于基于所述第一获取单元获取的用户浏览房源的属性信息、所述第二获取单元获取的用户的房源属性偏好信息和所述第三获取单元获取的经纪人带看过的房源的属性信息评估所述经纪人针对所述用户的带看能力；

所述推荐单元，用于为所述用户推荐所述评估单元评估出的带看能力值最大的经纪人；

其中，

所述第二获取单元，具体用于基于所述用户浏览房源的行为信息和属性信息根据如下公式获取用户的房源属性偏好信息：其中，d_j表示用户对第j个房源属性的偏好值；m为房源属性的个数，n为用户行为的个数，x表示用户的第i种行为对第j个房源属性的浏览次数，/>表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>表示如下：/>其中，|X|为矩阵X的模；矩阵X表示用户浏览房源的行为信息，矩阵X的每行表示一种行为，每列对应一个房源属性，矩阵X中的每个取值表示用户浏览的房源有所述房源属性信息的次数。

5.根据权利要求4所述的装置，其特征在于，

所述用户浏览房源的行为信息包括下述信息的任意组合：

搜索信息、转发信息、保存信息、点击信息和页面停留时间信息；

所述用户浏览房源的属性信息包括下述信息的任意组合：

区域信息、价格信息、面积信息、房型信息、朝向信息、楼层信息、楼龄信息、装修信息、电梯信息、供暖信息、权属信息、类型信息、房源特色信息。

6.根据权利要求4所述的装置，其特征在于，

所述评估单元，具体用于基于所述用户浏览房源的属性信息、所述用户的房源属性偏好信息和所述经纪人带看过的房源的属性信息根据如下公式评估所述经纪人针对所述用户的带看能力：其中，v_t表示经纪人t的带看能力值；m为属性信息的个数，d_j表示用户对第j个房源属性的偏好值，dist(a_j,u_j)²表示用户浏览过的房源与经纪人带看过的房源的属性信息之间的相似性，a_j为用户浏览过的第j个属性信息的取值向量，u_j表示经纪人带看过的第j个属性信息的取值向量；/>n为用户行为的个数，x_ij表示用户的第i种行为对第j个房源属性的浏览次数，/>表示用户的n个用户行对第j个房源属性的浏览次数的均值，/>|X|为矩阵X的模；矩阵X表示用户浏览房源的行为信息，矩阵X的每行表示一种行为，每列对应一个房源属性，矩阵X中的每个取值表示用户浏览的房源有所述房源属性信息的次数。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3任一项所述的方法。