(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 202210276309.8 (22)申请日 2022.03.21 (71)申请人 浙江工业大 学 地址 310014 浙江省杭州市拱 墅区潮王路 18号 (72)发明人 朱李楠　徐翼飞　许敏皓　朱柘潮　 孔祥杰　 (74)专利代理 机构 杭州天正专利事务所有限公 司 33201 专利代理师 楼明阳 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/295(2020.01) G06N 5/00(2006.01) G06F 16/35(2019.01)G06K 9/62(2022.01) G06F 17/18(2006.01) G06F 40/30(2020.01) G06F 17/16(2006.01) (54)发明名称 一种基于信息抽取和多属性决策的房地产 客户画像方法和系统 (57)摘要 一种基于信息抽取的多属性决策的房地产 客户画像方法， 包括： 1)数据收集： 综合考量多种 数据来源， 经过筛选提取后， 得到实验所需的客 户人群的基本信息和印象文本数据； 2)信息提 取： 应用关键短语提取模型， 以客户的印象文本 的词嵌入矩阵及文本对应的POS语义标记嵌入矩 阵为输入提取关键信息并整合到客户基本信息 中； 3)属性权重分配： 根据房地产行业对各客户 人群的特征描述， 针对各人群为各属性权重分配 对应的权重； 4)客户画 像标识： 从教育重视、 扎根 意愿、 投资倾向等6个方面对客户进行描绘， 并挑 选其中分值较高的方面作为客户的标签。 本发明 还包括基于信息抽取和多属性决策的房地产客 户画像系统。 权利要求书2页 说明书6页 附图6页 CN 114722810 A 2022.07.08 CN 114722810 A 1.一种基于信息抽取和多属性决策的房地产客户画像方法， 其特征在于： 包括如下步 骤： (1)从房地产 领域各楼盘的客户数据中筛选包含客户基本信 息的数据和对客户本人进 行描述的数据； (2)以客户描述文本为输入， 应用关键短语抽取模型提取文本语句中的关键短语； (3)联合步骤(2)中提取的短语， 应用正则匹配模板匹配关键短语， 进而提取关键信息 作为基本信息的填补 及扩充； (4)以行业 内的专家知识为指导， 以重教、 扎根、 聚巢等多个指标作为衡量客户的标签， 并为这些指标分别分配对应的各客户属性的正负相关系数； (5)使用优化的熵值法， 为 客户的各属性计算权 重； (6)使用步骤(4)和(5)运 算得到的多个客户分析指标， 确定客户的购买意愿。 2.根据权利要求1所述的一种基于信息抽取和多属性决策的房地产客户画像方法， 其 特征在于： 所述 步骤(2)具体包括如下步骤： 21).将文本数据中的句子进行分词、 命名实体识别以及语义标注， 得到一个形为d*s的 单词矩阵Mw和一个d*s的语义标注 矩阵Mp， 其中d是文本总数目， s表示句子的最大长度。 22).将词矩阵Mw以及语义矩阵Mp分别通过GloVe模型向量化后逐位拼接， 得到一个d*s* e的向量化的文本表示矩阵X， 其中e表示向量的维度， 后续实验中该值设置为124。 23).将关键短语提取任务看作序列标记任务， 并使用 “BIESOU”标记文本序列， 其中B、 I、 E分别表示关键短语的开头、 主体、 结尾词， S表 示构成关键短语的单个词， U表 示处于关键 短语内部的无用词， O表示 其他词。 24).使用深度学习的方法， 训练一个双向长短期记忆网络(Bi ‑LSTM)+条件随机场 (CRF)结构的神经网络作为关键短语提取的模型。 25).将文本表示矩阵X输入神经网络模型中， 模型输出得到d*s的序列标记矩阵L， 最后 通过解码算法提取 出句子的若干关键短语。 3.根据权利要求1所述的一种基于信息抽取和多属性决策的房地产客户画像方法， 其 特征在于： 所述 步骤(3)具体包括如下步骤： 31).对每个需要填补的字段， 构 建一个v*p的正则匹配得分矩阵Q， 其 中v表示该字段的 合法值的数目(包括空值)， p表示 为该字段设置的正则表达式的数目。 32).对需要填补的字段， 将p个正则表达式与步骤(2)中提取的关键短语匹配， 得到一 个p维的由0和1构成的匹配向量Vpt。 33).由正则匹配得分矩 阵Q和匹配向量Vpt得到该字段的最终的匹配值Value， 随后将 Value作为 填补的候选值。 具体 计算公式如下： Value＝Values[A rgmax(Vpt×Q)]    (1) 其中， Values表示字段的合法值的列表,T表示矩阵转置操作。 4.根据权利要求1所述的一种基于信息抽取和多属性决策的房地产客户画像方法， 其 特征在于： 所述 步骤(5)具体包括如下步骤： 51).将客户信息分为基本信息、 家 庭信息、 资产情况和购买动机四类。 52).以步骤51)中的分类依据作为共现矩阵的窗口边界， 应用GloVe嵌入模型将客户信 息向量化， 得到m*g＝ k维的客户信息向量， 其中m表示总字段 数， g表示单个向量的维度。权　利　要　求　书 1/2 页 2 CN 114722810 A 253).使用K平均 聚类算法对客户信息向量进行聚类， 随后利用熵值法计算各个簇中的 客户属性的权 重， 具体内容包括以下步骤： 531.计算整体客户信息的各个字段 X的信息熵： E(X)＝‑∑x∈Xp(x)logp(x)    (2) 其中， X表示字段， x表示字段的合法值， p(x)表示 值x在字段 X中出现的频度。 532.对于每一个簇 c中的成员i， 计算 其对应客户信息中的字段j的权 重： 其中， X,j表示整体数据的字段j， Xc,j表示聚类簇 c中数据的字段j。 533.为防止属性权重在某些维度上过大从而影响结果， 我们将得到的单个客户的属性 权重矩阵Wi作归一化处理： Wi＝Normalize(Wi)     (4) 。 5.根据权利要求1所述的一种基于信息抽取和多属性决策的房地产客户画像方法， 其 特征在于： 所述 步骤(6)具体包括如下步骤： 61).使用步骤(4)中得到的正负相关矩阵Matt， 和步骤(5)中得到的客户属性矩阵Wi计算 得到客户在多个指标 上的分布情况 其中T表示 转置。 62).选取 得分超过阈值 k的指标作为该客户的标签。 63).对客户标签的得分组成进行分析， 设标签j在Matt中对应为 则客户i的标签j的 得分组成Ci,j可由以下公式得到： 其中， Ci,j中的较高值往 往预示对应属性可能是客户比较显著的特 征。 6.实施权利要求1所述的一种基于信息抽取和多属性决策的房 地产客户画像方法的系 统， 其特征在于： 包括以此连接的楼盘客户数据筛选模块、 关键短语抽取模块、 关键信息抽 取模块、 客户指标模块、 客户属性权 重计算模块、 客户购买意愿确定模块， 其中： 楼盘客户数据筛选模块， 从房 地产领域各楼盘的客户数据中筛选包含客户基本信 息的 数据和对客户本人进行描述的数据； 关键短语抽取模块， 以客户描述文本为输入， 应用关键短语抽取模型提取文本语句中 的关键短语； 关键信息抽取模块， 联合关键短语抽取模块提取的短语， 应用正则匹配模板匹配关键 短语， 进而提取关键信息作为基本信息的填补 及扩充； 客户指标模块， 以行业内的专家知识为指导， 以重教、 扎根、 聚巢等多个指标作为衡量 客户的标签， 并为 这些指标分别分配对应的各客户属性的正负相关系数； 客户属性权 重计算模块， 使用优化的熵值法， 为 客户的各属性计算权 重； 客户购买意愿确定模块， 使用客户指标模块和客户属性权重计算模块运算得到的多个 客户分析指标， 确定客户的购买意愿。权　利　要　求　书 2/2 页 3 CN 114722810 A 3