一种基于大数据的租房信息推送系统的制作方法 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及租房数据分析技术领域，具体为一种基于大数据的租房信息推送系统。背景技术：2.随着大学毕业生的人数增加以及社会流通性增加，越来越多的人员出现租房需求。但是现有的租房软件存在很多缺陷，如：双方约定不完全，信息虚报，实际租房体验无法了解以及信息推送不全面的问题，所以需要考虑以下方面：租客在租期归零前做出续租或换租需求；由于租房环境存在不确定性，但是由于中介的影响而在不清楚房屋环境的前提下签下住房合同，导致租房条件前后不一致的现象；目前的推送软件大多是推送现有的空房，并不考虑即将到期的租房，所以减少了租房选择。因此，设计具有租房预警和推送精准的一种基于大数据的租房信息推送系统是很有必要的。技术实现要素：3.本发明的目的在于提供一种基于大数据的租房信息推送系统，以解决上述背景技术中提出的问题。4.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的租房信息推送系统，包括需求选择模块、租期计算模块和协议认证模块，所述需求选择模块用于筛选用户租房信息，所述租期计算模块用于衡量租房因素，所述协议认证模块用于记录交流中的关键信息，所述需求选择模块与租期计算模块之间数据连接，所述需求选择模块与协议认证模块之间数据连接。5.根据上述技术方案，所述需求选择模块包括条件筛选模块、问题反馈模块和反馈验证模块，所述条件筛选模块用于根据用户的期望进行租房筛选，所述条件反馈模块用于用户对租房的问题反馈，所述反馈验证模块用于验证用户反馈问题的真实性，所述问题反馈模块与反馈验证模块之间数据连接；6.所述租期计算模块包括租房因子预测模块和租房预警模块，所述租房因子预测模块用于根据因子值推测用户的租房需求，所述租房预警模块用于根据因子数进行租房提示，所述租房因子预测模块与租房预警模块之间数据连接；7.所述协议认证模块包括协议添加子模块和协议留存模块，所述协议添加子模块用于在租房时添加条件信息，所述协议留存模块用于将协议信息进行证据保留，所述协议添加子模块和协议留存模块之间数据连接。8.根据上述技术方案，所述租房因子预测模块包括用户范围计算模块、房屋统计模块和租房剩余统计模块，所述用户范围计算模块用于系统自动判断用户的租房寻找范围，所述房屋统计模块用于收集范围内用户的租房数据，所述租期剩余统计模块用于存储对应房屋的租房剩余数据，所述用户范围计算模块与房屋统计模块之间数据连接，所述用户范围计算模块与租期剩余统计模块之间数据连接，房屋统计模块与租期剩余统计模块之间数据连接。9.根据上述技术方案，所述租房信息推送系统的运行方法主要包括以下步骤：10.步骤s1：当用户初次租房时，选择自己需求的条件来进行选择，并可以查看此时每间房屋的评价信息；11.步骤s2：用户在系统中与租房方进行条件商讨，若有关键信息可选择将其留存操作，若是通过非平台方式联系，则可手动添加子模块用于双方商讨验证；12.步骤s3：当租期临近周期时，计算其租房因子，根据因子数推送信息至客户端；13.步骤s4：用户租房之后对可对其进行评价反馈，同时对反馈信息进行验证处理；14.步骤s5：通过系统统计更换租房数据，提供租房推荐。15.根据上述技术方案，所述步骤s2进一步包括以下步骤：16.步骤s21：在系统中用户与租房方进行交流时，用户可将商讨记录选择性留存；17.步骤s22：若用户在系统外的软件中进行商讨时，系统设置api接口，与该软件进行数据引用操作；18.步骤s23：将用户需要作留存处理的数据进行打包处理。19.根据上述技术方案，所述步骤s3进一步包括以下步骤：20.步骤s31：根据租期时间的推移进行自动匹配范围的减少；21.步骤s32：调取自动匹配范围内所有租房单元的信息数据，并整合；22.步骤s33：将上述范围内数据进行整合，计算租房因子，根据因子数做不同操作。23.根据上述技术方案，所述步骤s31进一步包括以下步骤：24.步骤s311：当新一租房周期t开始，设定其初始用户范围为r0；25.步骤s312：随着单个周期内租房剩余时间减少，其用户范围rn也逐渐减少；26.步骤s313：计算实时用户范围rn，27.根据上述技术方案，所述步骤s32进一步包括以下步骤：28.步骤s321：在周期开始时，统计范围r内的所有住房信息；29.步骤s322：将住房区分为房间与已租房间，设空余房间数量为y，已租房间数量为u；30.步骤s323：若是已租房间，则调取其预警因子，若是空余房间，则不需要。31.根据上述技术方案，所述步骤s33进一步包括一下步骤：32.步骤s331：综合考虑上述因素计算用户租房因子p0；33.步骤s332：设已租房屋的住房因子为p1，p2，…pn；34.步骤s333：35.根据上述技术方案，所述步骤s5进一步包括以下步骤：36.步骤s51：系统初始区域内，统计每个周期更换租房的数据和；37.步骤s52：若已收集数据满一年，则挑选更换频率最高的月份与最低月份分别进行消息推送；38.步骤s53：当该月的租房更换数量较高则根据需求提升预警因素值，否则降低预警因素值；39.步骤s54：若数据收集不满一年，则进行每周期等频率推送操作。40.与现有技术相比，本发明所达到的有益效果是：本发明，使用三个模块确定一个具备租房信息推送功能的系统，其中推送频率主要由用户范围内的房间数据决定，设定预警模块，当触发预警时提示用户可以进行租房活动；该预警系统的因素值计算数值受房屋类型、房屋数量影响，计算同时设定验证反馈模块，及时反馈房屋的真实情况，同时该情况需要辅助验证，防止出现虚假信息；租房信息推送之后用户与租房方之间进行商讨时由于双方可能出现违信行为，所以设置协议子模块进行双方认证，确保用户与租房方的权益不受侵害。附图说明41.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：42.图1是本发明的系统模块组成示意图。具体实施方式43.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。44.请参阅图1，本发明提供技术方案：一种基于大数据的租房信息推送系统，包括需求选择模块、租期计算模块和协议认证模块，所述需求选择模块用于筛选用户租房信息，所述租期计算模块用于衡量租房因素，所述协议认证模块用于记录交流中的关键信息，所述需求选择模块与租期计算模块之间数据连接，所述需求选择模块与协议认证模块之间数据连接，该系统使用三个模块确定一个具备租房信息推送功能的系统，其中推送频率主要由用户范围内的房间数据决定，设定预警模块，当触发预警时提示用户可以进行租房活动；该预警系统的因素值计算数值受房屋类型、房屋数量影响，计算同时设定验证反馈模块，及时反馈房屋的真实情况，同时该情况需要辅助验证，防止出现虚假信息；租房信息推送之后用户与租房方之间进行商讨时由于双方可能出现违信行为，所以设置协议子模块进行双方认证，确保用户与租房方的权益不受侵害。45.需求选择模块包括条件筛选模块、问题反馈模块和反馈验证模块，所述条件筛选模块用于根据用户的期望进行租房筛选，所述条件反馈模块用于用户对租房的问题反馈，所述反馈验证模块用于验证用户反馈问题的真实性，所述问题反馈模块与反馈验证模块之间数据连接；46.所述租期计算模块包括租房因子预测模块和租房预警模块，所述租房因子预测模块用于根据因子值推测用户的租房需求，所述租房预警模块用于根据因子数进行租房提示，所述租房因子预测模块与租房预警模块之间数据连接；47.所述协议认证模块包括协议添加子模块和协议留存模块，所述协议添加子模块用于在租房时添加条件信息，所述协议留存模块用于将协议信息进行证据保留，所述协议添加子模块和协议留存模块之间数据连接。48.租房因子预测模块包括用户范围计算模块、房屋统计模块和租房剩余统计模块，所述用户范围计算模块用于系统自动判断用户的租房寻找范围，所述房屋统计模块用于收集范围内用户的租房数据，所述租期剩余统计模块用于存储对应房屋的租房剩余数据，所述用户范围计算模块与房屋统计模块之间数据连接，所述用户范围计算模块与租期剩余统计模块之间数据连接，房屋统计模块与租期剩余统计模块之间数据连接。49.租房信息推送系统的运行方法主要包括以下步骤：50.步骤s1：当用户初次租房时，选择自己需求的条件来进行选择，并可以查看此时每间房屋的评价信息，租房时用户对于房屋的要求不同，因此需要对房屋数据进行筛选，但是房屋的基础条件并不能使用户决定租赁某房屋，而且用户希望能够反馈该房屋的问题，所以提供反馈模块供用户使用；51.步骤s2：用户在系统中与租房方进行条件商讨，若有关键信息可选择将其留存操作，若是通过非平台方式联系，则可手动添加子模块用于双方商讨验证，用户双方的租房协商方式不局限于系统中，因此提供api接口，可进行软件之间的对接，将非系统软件中的数据做引入处理；52.步骤s3：当租期临近周期时，计算其租房因子，根据因子数推送信息至客户端，当用户的租赁周期临近结束时，会产生更换房屋的可能，因此使用不用频率的推送向用户提示租房；53.步骤s4：用户租房之后对可对其进行评价反馈，同时对反馈信息进行验证处理；54.步骤s5：通过系统统计更换租房数据，提供租房推荐，根据系统收集的更换房屋数据形成新的租房淡旺季。55.步骤s2进一步包括以下步骤：56.步骤s21：在系统中用户与租房方进行交流时，用户可将商讨记录选择性留存；57.步骤s22：若用户在系统外的软件中进行商讨时，系统设置api接口，与该软件进行数据引用操作；58.步骤s23：将用户需要作留存处理的数据进行打包处理，将其余系统中的关键商讨因素可以做留存处理，防止单方抵赖事件发生。59.步骤s3进一步包括以下步骤：60.步骤s31：根据租期时间的推移进行自动匹配范围的减少，随着周期时间的减少，其可选择空间随时间数据递减；61.步骤s32：调取自动匹配范围内所有租房单元的信息数据，并整合；62.步骤s33：将上述范围内数据进行整合，计算租房因子，根据因子数做不同操作。63.步骤s31进一步包括以下步骤：64.步骤s311：当新一租房周期t开始，设定其初始用户范围为r0；65.步骤s312：随着单个周期内租房剩余时间减少，其用户范围rn也逐渐减少，当单个周期内时间减少，那么用户选择租房的概率相对减少，同时选择更换房屋的范围也相应减少；66.步骤s313：计算实时用户范围rn，其中r0为初始范围，n代表一个周期内的时间，n的数值代表该周期已经消耗多少日期；在一个新周期开始时，此时用户有较多时间寻找房屋，因此其范围较大，而随着单个周期时间减少，用户的选择空间对应减少，所以设定范围因素来反馈该现象。67.步骤s32进一步包括以下步骤：68.步骤s321：在周期开始时，统计范围r内的所有住房信息；69.步骤s322：将住房区分为房间与已租房间，设空余房间数量为y，已租房间数量为u；70.步骤s323：若是已租房间，则调取其预警因子，若是空余房间，则不需要。71.步骤s33进一步包括一下步骤：72.步骤s331：综合考虑上述因素计算用户租房因子p0；73.步骤s332：设已租房屋的住房因子为p1，p2，…pn，在考虑用户租房因子时主要由区域内的因素决定，其中每个被租用房屋的空余可能是最重要因素之一，因此需要考虑区域内已租房屋的住房因子，当住房因子较高时，其换租可能性就会下降，当住房因子较低时，其换租可能性就会上升；74.步骤s333：上述式中a表示用户范围内的某用户，其中a∈(1，u)，d为住房因子对换租的影响系数，将住房因子区分为已租房间和空余房间分别考虑其影响，已租房屋中存在更换租房的可能，因此将已租房间计算在其中，而已租房间的租房因子由数量和其对应的各自租房因子得出；空余房间的影响对租房是有限的，由于空余房屋长时间无人居住，那么其被出租的可能性将会大大降低，因此对其使用对数函数减少其影响能力。75.步骤s5进一步包括以下步骤：76.步骤s51：系统初始区域内，统计每个周期更换租房的数据和；77.步骤s52：若已收集数据满一年，则挑选更换频率最高的月份与最低月份分别进行消息推送，租房分为淡旺季，一般租房在毕业季需求较大，在年底需求较低，但该种分类由于疫情影响，所以其规律发生了较大变化，为了避免以往的经验影响实际租房效果，所以使用数据统计技术，将实际情况进行统计；78.步骤s53：当该月的租房更换数量较高则根据需求提升预警因素值，否则降低预警因素值，预警因素提升，那么触发概率越大，由于租房更换幅度较大，那么就会产生较多房间，此时对用户提升推送频率，使用户有更多更换房屋的选择；而当因素值下降时，那么剩余可被租用房屋数量也较低，所以减少推送频率；79.步骤s54：若数据收集不满一年，则进行每周期等频率推送操作，当数据收集不完全时，无法产生历史依据效果，因此不改变其推送频率。80.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。81.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!