[发明专利]户型特征的自动提取方法、系统、电子设备和存储介质有效

专利信息
申请号: 201810023786.7 申请日: 2018-01-10
公开(公告)号: CN108304848B 公开(公告)日: 2020-04-28
发明(设计)人: 李志琴;张玥;朱毅;刘文;宋鑫;吴志奇 申请(专利权)人: 贝壳找房(北京)科技有限公司
主分类号: G06K9/46 分类号: G06K9/46
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王莹;李相雨
地址: 100085 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 户型 特征 自动 提取 方法 系统 电子设备 存储 介质
【权利要求书】:

1.一种户型特征的自动提取方法,其特征在于,所述自动提取方法包括:

读取目标户型图像的矢量信息;

将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;

根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;

以及,输出所述目标户型图像的特征标签及总评分;

其中,将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签具体包括:

根据所述目标户型图像的矢量信息进行解析,获得包含户型基本信息及分间信息的语义树;

根据所述包含户型基本信息及分间信息的语义树进行特征提取,获取对应所述目标户型图像的特征标签。

2.根据权利要求1所述的自动提取方法,其特征在于,在所述读取目标户型图像的矢量信息之前,所述自动提取方法还包括:

根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;

将所述矢量信息输入各个特征标签模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立;

以及,存储所述户型特征提取模型。

3.根据权利要求2所述的自动提取方法,其特征在于,所述特征标签模块的类型包括:格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。

4.根据权利要求1所述的自动提取方法,其特征在于,所述读取目标户型图像的矢量信息,包括:

接收用户端发送的用于标识目标户型所在楼盘的第一识别码;

根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像;

以及,读取所述目标户型图像的矢量信息。

5.根据权利要求1所述的自动提取方法,其特征在于,所述读取目标户型图像的矢量信息,包括:

接收用户端发送的用于标识目标户型的第二识别码;

对所述第二识别码进行识别,确定对应的目标户型所在楼盘;

在预存储的户型数据库中调取对应楼盘的全部户型图像;

根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像;

以及,读取所述目标户型图像的矢量信息。

6.一种户型特征的自动提取系统,其特征在于,所述自动提取系统包括:

矢量信息读取单元,用于读取目标户型图像的矢量信息;

特征标签提取单元,用于将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;

评分单元,用于根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;

特征标签及总评分输出单元,用于输出所述目标户型图像的特征标签及总评分;

所述特征标签提取单元具体用于根据所述目标户型图像的矢量信息进行解析,获得包含户型基本信息及分间信息的语义树;根据所述包含户型基本信息及分间信息的语义树进行特征提取,获取对应所述目标户型图像的特征标签。

7.根据权利要求6所述的自动提取系统,其特征在于,所述自动提取系统还包括:

特征标签模块生成单元,用于根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;

户型特征提取模型建立单元,用于将所述矢量信息输入各个特征标签模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立;

户型特征提取模型存储单元,用于存储所述户型特征提取模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贝壳找房(北京)科技有限公司,未经贝壳找房(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810023786.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top