(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110735886.4 (22)申请日 2021.06.30 (65)同一申请的已公布的文献号 申请公布号 CN 113326405 A (43)申请公布日 2021.08.31 (73)专利权人 数云科际 （深圳） 技 术有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 胡正旭　李博　李建锋　王建军　 (74)专利代理 机构 深圳市鼎智专利代理事务所 (普通合伙) 44411 专利代理师 魏秀娟 (51)Int.Cl. G06F 16/901(2019.01)G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06F 16/9538(2019.01) G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) (56)对比文件 CN 112632397 A,2021.04.09 CN 106874461 A,2017.0 6.20 CN 110020006 A,2019.07.16 CN 112989153 A,2021.0 6.18 审查员 罗晓彤 (54)发明名称 基于BIM技术的园区入驻推荐方法以及系统 (57)摘要 本申请提供一种基于BIM技术的园区入驻推 荐的方法及系统， 所述方法包括： 接收用户的登 录请求后， 允许用户登录推荐平台后， 采集用户 的筛选条件； 将筛选条件与园区的数据进行匹配 得到匹配的园区以及推荐单元； 提取该园区对应 的BIM展示图， 在该BIM展 示图中标记该推荐单元 以及推荐单元的入园条件， 将标记有该推荐单元 以及推荐单元的入园条件的BIM展示图推荐给用 户。 本申请提供的技术方案具有用户体验度高的 优点。 权利要求书3页 说明书6页 附图2页 CN 113326405 B 2022.12.13 CN 113326405 B 1.一种基于BIM技 术的园区入驻推荐的方法， 其特 征在于， 所述方法包括： 接收用户的登录请求后， 通过人脸识别对用户进行验证， 验证成功后， 允许用户登录推 荐平台后， 采集用户的筛 选条件； 将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单 元； 提取该园区对应的BIM展示图， 在该BIM展示图中标记该推荐单元以及推荐单元的入园 条件， 将标记有该推荐单 元以及推荐单 元的入园条件的BIM展示图推荐给用户； 所述将筛 选条件与园区的数据进行匹配得到匹配的园区以及推荐单 元具体包括： 采集用户的历史入园数据， 依据历史入园数据构建每个筛选条件的优先级， 依据优先 级的高低筛 选园区的数据进行匹配得到匹配的园区以及推荐单 元； 采集用户的历史入园数据， 依据历史入园数据构建每个筛选条件的优先级， 依据优先 级的高低筛 选园区的数据进行匹配得到匹配的园区以及推荐单 元具体包括： 对历史入园数据进行统计得到符合筛选条件的数量值， 依据该数据值所处于的区间确 定每个筛选条件的优先级， 在园区的数据中将不满足 高优先级条件的数据直接过滤得到过 滤后的数据， 然后在过滤后的数据中查询与非高优先级筛选条件匹配的园区以及推荐单 元； 所述历史入 园数据为用户历史点击观看过的入 园推荐数据； 所述然后在过滤后的数据 中查询与非高优先级筛 选条件匹配的园区以及推荐单 元具体包括： 在过滤后的数据搜索 符合所有非高优先级筛选条件的单元， 若搜索到符合所有非高优 先级筛选条件的单元， 确定该单元以及该单元 的园区为匹配的园区以及推荐单元； 若搜索 不到符合所有非 高优先级筛选条件的单元， 则去掉非 高优先级筛选条件中最低优先级的条 件得到剩余筛选条件， 在过滤后的数据搜索符合剩余筛选条件的单元， 将该符合剩余筛选 条件的单 元确定为推荐单 元； 通过人脸识别对用户进行验证具体包括： 获取用户的人脸图片， 对人脸图片进行特征 提取得到卷积神经网络的输入数据， 所述输入数据为输入矩阵 【H】 【W】 ； 将该输入数据与卷 积神经网络的卷积核 执行卷积运算得到卷积运算结果， 将该卷积运算结果执行全连接运算 得到全连接结果， 将全连接结果与预设的模板结果执行差运算得到差值， 若该差值小于第 一阈值， 确定验证成功， 否则确定验证失败； 若卷积核为3*3卷积核， 且卷积滑动窗口的滑动方向为先按行移动然后再向列方向移 动， 3*3卷积核表示为卷积核 【3】 【3】 ， 将该输入 数据与卷积神经网络的卷积核执行卷积运算 得到卷积运 算结果具体包括： 将该输入数据的输入矩阵 【H】 【W】 按先行后列存储于存储器， 运算单元对前三行元素值 执行运算步骤得到卷积运算结果的多个卷积值， 运算步骤具体可以包括： 从输入矩阵 【H】 【W】 的前三行元素值中提取3*6个元素值得到矩阵 【3】 【6】11， 运算单元将矩阵 【3】 【6】11按先 列后行存储 于缓存， 运算单元提取卷积核 【3】 【3】 ， 将 矩阵 【3】 【6】11按行方向滑动4次得到 4个 矩阵 【3】 【3】11， 将4个矩阵 【3】 【3】1与卷积核 【3】 【3】 执行卷积运算得到4个卷积值， 运算单元 从输入矩阵 【H】 【W】 中提取矩阵 【3】 【6】11之后的矩阵 【3】 【4】 ， 在后续的提取中， 每次提取 【3】 【4】 ， 然后与前一 【3】 【6】 的后2列组成新的矩阵 【3】 【6】 ， 将矩阵 【3】 【6】11的前4列元素值删除 后将后2列元素值与矩阵 【3】 【4】 组成矩阵 【3】 【6】21； 将 【3】 【6】21按先列后行存储于缓存， 将 矩阵 【3】 【6】21按行方向滑动 4次得到4个矩阵 【3】 【3】21， 将4个矩阵 【3】 【3】21与卷积核 【3】 【3】 执行卷积运算得到4个卷积值， 遍历 输入矩阵3*W个元素值后得到卷积运算结果的多个卷积权　利　要　求　书 1/3 页 2 CN 113326405 B 2值后， 卷积滑动窗口沿行移动后， 运算单元对前3行的后续行元素值执行运算步骤得到卷积 运算结果的多个卷积值， 将前3行 的多个卷积值以及后续行 的多个卷积值组合起来得到卷 积运算结果； 其中， 【3】 【6】11中的下标数值表示三行元素值的提取次数， 上标数值表示三行 元素值的最小行值。 2.根据权利要求1所述的方法， 其特 征在于， 筛选条件包括： 入园价格区间、 入园地区、 入园楼层范围； 所述入园条件 包括： 推荐单 元价格、 推荐单 元的租期、 推荐单 元的优惠信息 。 3.一种基于BIM技 术的园区入驻推荐的系统， 其特 征在于， 所述系统包括： 接收单元， 用于接收用户的登录请求后； 处理单元， 用于通过人脸识别对用户进行验证， 验证成功后， 允许用户登录推荐平台 后， 采集用户的筛选条件； 将筛选条件与园区的数据进行匹配得到匹配的园区以及推荐单 元； 提取该园区对应的BIM展示图， 在该BIM展示图中标记该推荐单元以及推荐单元的入园 条件， 将标记有该推荐单 元以及推荐单 元的入园条件的BIM展示图推荐给用户； 所述处理单元， 具体用于采集用户的历史入园数据， 依据历史入园数据构建每个筛选 条件的优先级， 依据优先级的高低筛选园区的数据进行匹配得到匹配的园区以及推荐单 元； 所述处理单元， 具体用于对历史入园数据进行统计得到符合筛选条件的数量值， 依据 该数据值所处于的区间确定每个筛选条件的优先级， 在园区的数据中将不满足高优先级 条 件的数据直接过滤得到过滤后的数据， 然后在过滤后的数据中查询与非 高优先级筛选条件 匹配的园区以及推荐单 元； 所述历史入园数据为用户历史点击观看过的入园推荐数据； 在过滤后的数据搜索 符合所有非高优先级筛选条件的单元， 若搜索到符合所有非高优 先级筛选条件的单元， 确定该单元以及该单元 的园区为匹配的园区以及推荐单元； 若搜索 不到符合所有非 高优先级筛选条件的单元， 则去掉非 高优先级筛选条件中最低优先级的条 件得到剩余筛选条件， 在过滤后的数据搜索符合剩余筛选条件的单元， 将该符合剩余筛选 条件的单 元确定为推荐单 元； 通过人脸识别对用户进行验证具体包括： 获取用户的人脸图片， 对人脸图片进行特征 提取得到卷积神经网络的输入数据， 所述输入数据为输入矩阵 【H】 【W】 ； 将该输入数据与卷 积神经网络的卷积核 执行卷积运算得到卷积运算结果， 将该卷积运算结果执行全连接运算 得到全连接结果， 将全连接结果与预设的模板结果执行差运算得到差值， 若该差值小于第 一阈值， 确定验证成功， 否则确定验证失败； 若卷积核为3*3卷积核， 且卷积滑动窗口的滑动方向为先按行移动然后再向列方向移 动， 3*3卷积核表示为卷积核 【3】 【3】 ， 将该输入 数据与卷积神经网络的卷积核执行卷积运算 得到卷积运 算结果具体包括： 将该输入数据的输入矩阵 【H】 【W】 按先行后列存储于存储器， 运算单元对前三行元素值 执行运算步骤得到卷积运算结果的多个卷积值， 运算步骤具体可以包括： 从输入矩阵 【H】 【W】 的前三行元素值中提取3*6个元素值得到矩阵 【3】 【6】11， 运算单元将矩阵 【3】 【6】11按先 列后行存储 于缓存， 运算单元提取卷积核 【3】 【3】 ， 将 矩阵 【3】 【6】11按行方向滑动4次得到