[发明专利]相似户型检测方法、装置、电子设备及存储介质

说明书

本发明实施方式公开了一种相似户型检测方法、装置、电子设备及存储介质。方法包括：基于第一目标户型的属性图和参考户型集中的每个参考户型的属性图，确定所述第一目标户型与所述每个参考户型的第一差异度；将所述第一差异度组合为表征该第一目标户型的第一向量；基于第二目标户型的属性图和所述参考户型集中的每个参考户型的属性图，确定所述第二目标户型与所述每个参考户型的第二差异度；将所述第二差异度组合为表征该第二目标户型的第二向量；基于所述第一向量和所述第二向量，确定所述第一目标户型与所述第二目标户型的相似度。本发明实施方式可以提高相似户型的检测准确率。

技术领域

本发明实施方式涉及房源分析技术领域，更具体的说，涉及一种相似户型检测方法、装置、电子设备及存储介质。

背景技术

随机计算机技术的普及和广泛发展，人们可以更加方便快捷地获取房源信息。当前在房产交易平台上，每套房屋会挂接对应的户型图。户型图描述了房屋的整体属性，从户型图上可以很直观地看到整个房屋的格局、规划、朝向和面积大小等信息。由于房产交易的平台上的户型图很多，用户通常会从中检索出与所需户型图相似的户型图。相似户型检测是基于人工定义或深度学习获取的户型布局特征，对满足一定条件下(同城市、同小区或同居室等)的户型集合，按照布局相似程度进行排序。相似户型也包括相同户型(同楼栋上下楼户型或不同楼栋户型等)，除了用于按户型找房、相似户型房屋推荐等应用外，还可以应用于户型找设计方案、户型方案推荐等家装场景。

户型图与户型图之间是否相似，通常取决于提取的户型图布局特征是否足够准确且全面，户型图布局特征需要具备平移、旋转和对称三个不变性。布局特征提取算法主要包括：(1)、传统的特征提取算法，包括图形特征(如房间坐标、房间角度等)、图像特征或属性图(Graph)特征等，但该方法泛化能力不强；(2)、深度学习特征提取算法，随着人工智能技术的发展，已逐步取代人工特征成为主流方法，特别是神经网络特征能够有效地提取户型图特征，但该方法难以准确对比户型房间与房间的匹配情况，准确率较差。

发明内容

本发明实施方式提出一种相似户型检测方法、装置、电子设备及存储介质。

本发明实施方式的技术方案如下：

一种相似户型检测方法，包括：

基于第一目标户型的属性图和参考户型集中的每个参考户型的属性图，确定所述第一目标户型与所述每个参考户型的第一差异度；

将所述第一差异度组合为表征该第一目标户型的第一向量；

基于第二目标户型的属性图和所述参考户型集中的每个参考户型的属性图，确定所述第二目标户型与所述每个参考户型的第二差异度；

将所述第二差异度组合为表征该第二目标户型的第二向量；

基于所述第一向量和所述第二向量，确定所述第一目标户型与所述第二目标户型的相似度。

在示范性实施方式中，所述确定所述第一目标户型与所述每个参考户型的第一差异度包括：

基于所述每个参考户型的属性图，确定所述第一目标户型的预测相邻节点；

基于所述第一目标户型的属性图，确定所述第一目标户型的相邻节点；

将所述第一目标户型的相邻节点与所述第一目标户型的预测相邻节点之间的第一差值，确定为所述第一目标户型与每个参考户型的第一差异度。

在示范性实施方式中，所述确定所述第二目标户型与所述每个参考户型的第二差异度包括：

基于所述每个参考户型的属性图，确定所述第二目标户型的预测相邻节点；

基于所述第二目标户型的属性图，确定所述第二目标户型的相邻节点；