[发明专利]一种房间分类模型构建方法及装置、房间分类方法及装置

说明书

本申请提供一种房间分类模型构建方法及装置、房间分类方法及装置，该方法包括：获取训练样本集，所述训练样本集包括多个房间数据样本，每一房间数据样本包括房间的多个属性、每一属性对应的数据类型以及房间类型，所述房间的多个属性包括房间的几何信息和门窗信息；根据所述训练样本集中每一房间数据样本的多个属性、每一属性对应的数据类型以及房间类型构建决策树，以获得构建完成的房间分类模型。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种房间分类模型构建方法及装置、房间分类方法及装置。

背景技术

目前对户型图的房间类型识别一般是对平面图像进行处理，然后对平面图像中的文字所在区域进行定位，将文字区域和每个字符分割出来，利用机器学习或深度学习方法完成文字识别，获得房间的语义表示，但当户型图中不具有文本信息时，现有的房间分类方法存在着无法对没有文本信息的户型图的房间进行识别的问题。

发明内容

本申请实施例的目的在于提供一种房间分类模型构建方法及装置、房间分类方法及装置，用以现有的房间分类方法存在的无法对没有文本信息的户型图的房间进行识别的问题。

第一方面，本发明提供一种房间分类模型构建方法，包括：获取训练样本集，所述训练样本集包括多个房间数据样本，每一房间数据样本包括房间的多个属性、每一属性对应的数据类型以及房间类型，所述房间的多个属性包括房间的几何信息和门窗信息；根据所述训练样本集中每一房间数据样本的多个属性、每一属性对应的数据类型以及房间类型构建决策树，以获得构建完成的房间分类模型。

在上述设计的房间分类模型构建方法中，利用房间的几何信息和门窗信息组成的房间属性以及具有房间类型标识的多个房间数据样本组成训练样本集，进而通过具有房间的几何信息和门窗信息的房间属性的训练样本集来构建决策树模型，进而使得构建的决策树模型能够基于户型图的房间的几何信息和门窗信息即可对户型图的房间进行分类，解决了现有的房间分类方法存在的无法对没有文本信息的户型图的房间进行识别的问题，进而使得没有文本信息的户型图的房间也能够进行自动分类，实现无文本信息的户型图的房间自动分类，提高无文本信息的户型图的房间分类的效率以及准确率。

在第一方面的可选实施方式中，所述根据所述训练样本集中每一房间数据样本的多个属性、每一属性对应的数据类型以及房间类型构建决策树，包括：根据所述训练样本集中每一房间数据样本的多个属性和房间类型计算每一属性对应的信息增益率；将信息增益率最大的属性作为根节点；根据所述根节点对应的数据类型对所述根节点进行分支划分，以获得所述根节点的每一分支；根据每一分支对应的房间数据样本生成每一分支对应的更新训练样本集；根据每一分支对应的更新训练样本集确定每一分支对应的根节点，直至每一分支对应的房间数据样本中属于同一房间类型的样本比例满足预设比例，以完成决策树的构建。

在第一方面的可选实施方式中，所述数据类型包括离散型和连续型，所述根据所述根节点对应的数据类型对所述根节点进行分支划分，包括：判断所述根节点对应的数据类型是否为连续型；若是，则对所述根节点对应属性的多个房间数据样本的数据进行依次排序，以获得数据排序集合；根据所述数据排序集合确定所述数据排序集合对应的分割点；根据所述分割点将所述数据排序集合划分为第一集合和第二集合；根据所述第一集合和第二集合确定待分割集合，并对所述待分割集合进行分割，直至分割点达到预设个数，以获得所述根节点的每一分支。

在第一方面的可选实施方式中，所述数据排序集合为按照多个房间数据样本的数据的数值由小到大进行排序，所述根据所述数据排序集合确定所述数据排序集合对应的分割点，包括：记录所述数据排序集合中数值最大的样本对应的房间类型；按照数值由大到小依次遍历所述数据排序集中的每一样本对应的房间类型，判断遍历的样本对应的房间类型与所述数值最大的样本对应的房间类型是否一致；在遍历的样本对应的房间类型与所述数值最大的样本对应的房间类型不一致时，获取不一致时遍历的样本对应的数值；根据所述不一致时遍历的样本对应的数值确定所述数据排序集合对应的分割点。