(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211046599.3 (22)申请日 2022.08.30 (71)申请人 鑫洋互联网科技 （广州） 有限公司 地址 510000 广东省广州市天河区灵山 东 路16号301-310-075 (72)发明人 郑创鑫　陈子鸿　林嘉顺　 (74)专利代理 机构 广州海藻专利代理事务所 (普通合伙) 44386 专利代理师 郑凤姣 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 30/02(2012.01) (54)发明名称 一种基于互联网技 术的生活优化方法 (57)摘要 本申请提供一种基于互联网技术的生活优 化方法， 包括： 获取用户信息与合租环境信息； 根 据合租者特征信息构建合租者画像并匹配合租 者， 所述根据合租者特征信息构建合租者画像并 匹配合租者， 具体包括： 通过心理测验分析合租 者性格， 通过历史用电数据分析合租者用电行 为， 通过网络数据分析合租者爱好； 根据合租环 境信息进行合租环境特征分析， 具体包括： 根据 合租预算分析合租者经济能力； 根据合租者画像 与合租环 境特征进行个性化合租推荐； 判断是否 需要换租， 具体包括： 计算工作变动概率； 换租地 点与换租时间推荐。 权利要求书3页 说明书6页 附图1页 CN 115423554 A 2022.12.02 CN 115423554 A 1.一种基于互联网技 术的生活优化方法， 其特 征在于， 所述方法包括： 获取用户信息与合租环境信息； 根据合租者特征信息构建合租者画像并匹配合租者， 所述根据合租者特征信息构建合租者画像并匹配合租者， 具体包括： 通过心理测验分析合 租者性格， 通过历史用电数据分析合租者用电行为， 通过网络数据分析合租者爱好； 根据合 租环境信息进 行合租环境特征分析， 具体包括： 根据合租预算分析合租者经济能力； 根据合 租者画像与合租环 境特征进行个性化合租推荐； 判断是否需要 换租， 具体包括： 计算工作变 动概率； 换租地 点与换租时间推荐。 2.根据权利要求1所述的方法， 其中， 所述获取用户信息与合租环境信息， 包括: 获取用户信 息与合租环境信 息， 并经过数据 预处理后分别存储于用户数据库与合租环 境数据库； 通过用户ID获取对应的所述用户信息与所述合租环境信息； 其中， 所述用户信息 与所述合租环境信息通过第三方 数据接口与租赁平台获取。 3.根据权利要求1所述的方法， 其中， 所述根据合租者特征信 息构建合租者画像并匹配 合租者， 包括: 通过合租者数据库获取合租者信息， 并经过数据处理获取合租者特征信息； 所述合租 者特征信息包括性别、 性格、 用电行为、 作息习惯、 工作领域以及爱好； 根据所述合租者特征 信息构建合租者画像； 利用皮尔逊相关系 数计算公式， 将指定的合租者画像信息与剩 下的 合租者画像信息进行相互匹配； 所述皮尔逊相关系数(PearsonCorrelation)是衡量向量相 似度的一种方式； 输出范围为 ‑1到+1， 其中0代表无相关性， 负值代表负相关， 正值代表正相 关； 若所述合租者画像信息的匹配度越高， 则表 示合租者之间越相似； 选取匹配度高于指 定 阈值的前N个合租者进 行特征标注并存储于匹配合租者数据库； 包括： 通过心理测验分析合 租者性格； 通过历史用电数据分析合租者用电行为； 通过网络数据分析合租者爱好； 所述通过心理测验分析合租者 性格， 具体包括: 心理测验采用MBTI测试， 通过所述MBTI测试获取合租者性格类型； MBTI(Myers ‑ BriggsTypeIndicator)， 是一种迫选型、 自我报告式的性格评估测试， 用以衡量和描述人们 在获取信息、 作出决策、 对待生活等方面的心理活动规律和性格类型； 所述MB TI测试上传至 租赁平台并通过租赁平台向用户发送所述MBTI测试， 通过所述MB TI测试获取用户性格测试 结果数据， 形成用户性格数据集， 并利用神经网路训练所述用户性格数据集并进行特征标 注， 利用分类网络对所述特 征标注进行监 督训练， 形成N种性格分类； 所述通过历史用电数据分析合租者用电行为， 具体包括: 合租者用电行为包括不同时间段用电量、 用电高峰期、 不同功率电器用电量与用电风 险程度； 所述不同时间段用电量与所述用电高峰期的数据通过官方数据接口获得， 所述不 同电器用电量通过连接电器的智能插座采集， 所述用电风险通过用电风险系 数获得； 所述 用电风险系数， 即E＝ sqrt(((f1 ‑f)^2+(f2 ‑f)^2+......(fn ‑f)^2)/n， fn表示第n个电器在 指定时间内意外断电的次数， f表 示所有电器意外断电次数的平均数， n表示总的电器数量； 若所述用电风险系数超过指定阈值， 则表示该合租者用电风险高； 所述通过网络数据分析合租者爱好， 具体包括: 通过调取第 三方数据接口获取合租者的网络数据， 所述网络数据包括社交分享文字性 数据、 搜索记录数据与购物数据； 获取的所述网络数据进行数据 清洗并进 行数据格式化； 利 用TextRank算法提取所述网络数据的关键词， 所述TextR ank算法是一种用于文本的基于图权　利　要　求　书 1/3 页 2 CN 115423554 A 2的排序算法， 通过把文本 分割成若干组成单元(句子)， 构建节点连接图， 用句子 之间的相似 度作为边的权重， 通过循环迭代计算句子的TextRank值， 最后抽取排名高的句子组合成文 本摘要； 将所获取的所有关键词构建合租者爱好向量， 即H →{I1， I2，…,In},其中， H表 示合 租者爱好向量， I表示爱好关键词， n表示爱好关键词数量。 4.根据权利要求1所述的方法， 其中， 所述根据合租环境信息进行合租环境特征分析， 包括: 通过合租环境数据库获取合租环境信息， 并经过数据处理获取合租环境特征信息； 所 述合租环境特征信息存储于合租环境特征数据库， 所述合租环境特征信息包括合租预算、 租房风格、 租房设备、 租房面积、 周边配套以及通勤距离； 根据工作类型分析所述租房风格， 所述工作类型通过用户信息数据库获得， 并通过获取现有租房数据训练神经网络并构建神 经网络模 型， 将用户工作类型参数输入神经网络模 型， 获取与用户需求相匹配的租房风格； 包括： 根据合租预算分析合租者经济能力； 所述根据合租预算分析合租者经济能力， 具体包括: 通过第三方数据接口获取合租者的商业银行交易记录、 负债信息与历史消费记录， 将 获取的所述商业银行 交易记录、 所述负债信息与所述历史消费记录进 行数据预 处理并将数 据 输 入 预 先 训 练 的 数 学 模 型 中 ，所 述 数 学 模 型 采 用 深 度 神 经 网 络 D N N (DeepNeuralNetworks)并通过所述数学模 型预测合租预算； 设定N个合租预算区间， 不同区 间表示不同的经济能力。 5.根据权利要求1所述的方法， 其中， 所述根据合租者画像与合租环境特征进行个性化 合租推荐， 包括: 通过匹配合租者数据库获取匹配合租者数据， 通过合租环境特征数据库获取合租环境 特征信息， 采集房源信息并构建房源信息数据库， 所述房源信息包括住房户型， 租房价格， 房屋地点、 房屋面积、 周边配套和 房屋设备； 所述房源信息经过数据预处理后存储于房源信 息数据库； 构建房源数据， 即P{p1,p2, …,pn},其中p表示房源数据， n表示房源数据的个数， 通过K‑Means算法对房源数据进行分类， 并结合灰色关联分析计算基于匹配合租者和合租 环境特征与房源间的总相关联度； 所述灰色关联度分析(GreyRelationAnalysis， GRA)， 是 一种多因素统计分析的方法； 最后利用Top ‑N推荐方式进行个性 化合租推荐。 6.根据权利要求1所述的方法， 其中， 所述判断是否需要换租， 包括: 通过计算合租者工作变动可能性， 合租者满意度与合同到期日期并利用线性 回归模型 进行预测， 判断是否需要进行换租； 构建合租者满意度量化表并上传至租赁平台， 获取合租 满意度量化表数据并统计所述合租满意度量化表数据， 计算所述合租者满意度； 若经过所 述线性回归模型 的预测结果大于指定阈值， 则表示合租者需要进行换租并进行特征标注； 包括： 计算工作变动概 率； 所述计算工作变动概 率， 具体包括: 通过求职平台数据接口获取合租者浏览记录， 与HR对话次数； 通过办公平台数据接口 获取合租者上班打卡记录； 通过物业管理平台获取合租者出入时间记录， 并通过所述合租 者出入时间记录计算合租者居家时间， 根据所述合租者浏览记录， 所述与HR对话次数， 所述 合租者上班打卡记录与所述 合租者居家时间利用贝叶斯公式计算 合租者工作变动概 率。 7.根据权利要求1所述的方法， 其中， 所述换租地 点与换租时间推荐， 包括:权　利　要　求　书 2/3 页 3 CN 115423554 A 3