在大数据时代的背景下，随着信息技术的发展，通过对大数据信息的分析和处理，能够快速挖掘出有用的信息，剔除无效信息，得到更科学的结论，实现各个行业从“业务驱动”逐级转向“数据驱动”。地产商业作为市场经济的一部分，如何提高成交率，对地产商而言十分重要。本文基于Patentics智能语义检索分析工具对大数据置业推荐的相关专利信息进行提取、分析、整合，重点探讨了大数据置业推荐的专利申请情况以及重点申请人的大数据置业推荐专利技术。
1.大数据置业推荐技术
全球知名咨询公司麦肯锡2011年大数据报告之后，大数据技术迅速成为计算机行业、电商领域以及学术界的研究热点。大数据是多样化的信息资讯或信息资源，是多样化的巨量信息咨询集，大数据研究机构cartner认为，大数据是需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。2016年3月17日，《中华人民共和国国民经济和社会发展第十三个五年规划纲要》中提出国家大数据战略，把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用。目前，可以通过收集所针对用户的个人信息、检索信息、交易信息、社交信息等信息对用户的主体特征进行分析，具体还包括绘制用户画像，从而更加深入全面地了解客户需求，并更具有针对性地向其提供产品和服务，例如商品推荐、视频推荐。对用户进行置业推荐属于房地产行业。房地产行业是进行房地产投资、开发、经营、管理和服务的行业，具有风险性的特点，对于房地产开发商而言，如何挖掘目标客户，如何提高目标客户的成交率都是房地产开发商十分关注的问题。基于大数据技术可以更加深入全面地了解客户需求，并更具有针对性地向其提供产品和服务的特点，目前众多申请人将大数据技术应用于置业推荐中，具体包括对用户进行区域的推荐、对用户进行楼盘的推荐、对用户进行户型的推荐以及对用户进行置业顾问的推荐等。本文基于置业推荐相关专利申请，拟从技术构成分析、申请量分布、申请人地区级区域分布、重点申请人排名四个方面对大数据置业推荐技术进行统计分析，并进一步针对重点申请人的专利申请以及对大数据置业推荐技术展开分析。
2.大数据置业推荐技术专利申请分析
本文基于Patencis智能语义检索分析工具，对涉及大数据置业推荐技术的专利申请的申请情况进行了分析。Patentics是集专利信息检索、下载、分析与管理为一体的平台系统，可根据文本内容包含的语义在全球专利数据库中找到与之相似的专利，在patencis智能语义检索分析工具中构造检索式：（b/（置业or买房）andb/推荐）andicl/（g06forg06q），检索时限截至2022年2月18日，共获得检索结果579条。
2.1技术构成分析
根据分布可知，大数据置业推荐包括多个技术领域，具体涉及商业领域、信息检索领域，还涉及自然语言数据处理等领域。其中商业领域（G06Q30）的专利占比最大，占比20%，其次为信息检索领域（G06F16）和特别适用于特定商业行业的系统或方法领域（G06Q50）。
2.2申请量分布
由于专利公开日期晚于申请日0~18个月，因此2020年和2021年的实际申请量应高于统计值。从中可以看出大数据置业推荐技术的发展过程可以分为三个阶段，第一阶段为技术储备期，时间从2008年至2014年，这段时间更多是针对大数据技术本身的研究，从2015年进入第二阶段，随着大数据技术的成熟和普及，大数据置业推荐技术得到了较快的发展，在2019年后，关于大数据置业推荐的专利申请数量迅速增加，年申请量均在100件左右（不包含尚未公开的专利申请），进一步反映了企业渐渐将眼光放到基于大数据的置业推荐领域中。
2.3地市级区域分布
通过对大数据置业推荐相关专利技术的检索结果进行统计获知，申请量排名第一的为深圳（103件），其次分别为北京海淀区（85件）和北京西城区（40件），专利申请集中在一线城市，这与一线城市的科技企业较多、科技水平普遍较高有关，说明大数据置业推荐的技术的确与科技水平相关。
2.4重点申请人排名
统计分析可知，涉及大数据置业推荐的专利申请量排名前10的申请人分别为腾讯科技（50件）、中国平安保险集团股份有限公司（20件）、阿里巴巴公司（20件）、北京京东世纪贸易有限公司（14件）、上海莞东拿信息科技有限公司（13件）、贝壳技术有限科技（34件）、华为技术有限公司（11件）、徐蔚（11件）、重庆锐云科技有限公司（10件）和中国工商银行（9件），作为国内的龙头科技企业，腾讯科技和阿里巴巴公司位于专利申请量排名的第一名和第二名，而中国平安保险集团股份有限公司由于其业务包括房屋贷款，其与置业息息相关，因此在大数据置业推荐领域中其专利申请量同样也很高，与阿里巴巴公司共同位居第二名。
3.大数据置业推荐技术
本文结合具体专利申请案例进行对重点申请人腾讯科技、中国平安保险集团股份有限公司、阿里巴巴公司以及大众公知的与置业相关的贝壳技术有限公司的专利申请布局进行分析。
3.1[案例1]一种信息处理方法及服务器
该申请的申请人为腾讯科技（北京）有限公司，目前已在中国授权。该申请要解决的是现有技术中无法自动匹配买方需求或卖方需求的问题，采用的技术手段为通过获取卖方提交的房源信息和买方提交的期望房源信息，利用信息匹配策略对出售房源与期望房源之间进行自动匹配，并得到匹配程度的排序结果，将排序结果分别发送给卖方和买方，具体包括利用行业通用属性和专有属性对房源进行粒度划分，根据划分结果将相近似的现有房源进行归类与合并，该申请由于可以直接匹配到买方需求和卖方需求，并返回买卖双方的请求发起端，是一种双方面需求的查询和处理，一次匹配就可以知道买方需求和哪个卖方需求相匹配，而无需以人工查询的方式逐一查询及匹配某一方的单方面需求，从而提高了查询的处理效率和匹配精确度，能满足置换双向需求和置换多向需求。
3.2[案例2]房源搜索方法、装置、设备及计算机可读存储介质
该申请的申请人为平安科技（深圳）有限公司，目前为待审状态。该申请要解决的是现有技术中通常需要依靠房源所在小区名称、价格等因素进行房源搜索的问题，采用的技术手段为通过接收用户提供的房源图片，并对该房源图片进行特征提取，基于预设局部敏感哈希算法对所述房源图片特征进行哈希映射，并根据映射结果和预设倒排索引表在预设房源库中进行一次搜索，获得备选房源，然后根据提取的特征在备选房源中进行房源搜索，最终返回与所述需求房源图片对应的推荐房源，该申请解决了当前必须要输入具体房源位置或名称才能进行房源检索的痛点，方便用户在不知道房源具体信息时进行房源搜索，提高了用户的使用体验。
3.3[案例3]一种数据对象分配系统及方法
该申请的申请人为阿里巴巴集团控股有限公司，目前为授权状态。该申请要解决的是现有技术中难以找到用户需要的金融产品的问题，采用的技术手段为获得目标用户的基本属性信息及自定义需求信息，用户的自定义需求包括用户的买房需求，根据自定义需求信息，确定目标用户对资产的增益期望程度；根据基本属性信息，确定目标用户对资产的损耗接受程度；在预设的金融产品信息库中进行查询，将查询结果对应的金融产品推荐给目标用户。该申请由于根据用户的需求例如买房需求，并考虑到用户对资产的损耗接受程度，因此可以很精准的推送金融产品给用户，实现用户对买房资金的管理。
3.4[案例4]一种推荐相似房源的方法、装置、电子设备及存储介质
该申请的申请人为贝壳技术有限公司，目前为待审状态。该申请要解决的是现有技术中难以精准筛选用户感兴趣房源的问题，采用的技术手段为根据用户当前浏览房源的户型结构信息从房源数据库中搜索出相同户型结构的房源，将搜索出的房源作为待检测房源，为所述用户当前浏览房源和所述待检测房源分别设置用于相似性检测的第一坐标系，在所述用户当前浏览房源和所述待检测房源各自的第一坐标系下分别计算房屋内部各类区域的第一坐标信息；在所述用户当前浏览房源和所述待检测房源各自的第一坐标系下，根据所述房屋内部各类区域的第一坐标信息为房屋内部各类区域分别建立特征矢量；对所述用户当前浏览房源和所述待检测房源的房屋内部各类区域的特征矢量进行相似性检测，获得所述用户当前浏览房源和所述待检测房源两者之间的房源相似度，并将所述房源相似度超出预设阈值的待检测房源呈现给用户，该申请由于为房源的内部各类区域建立了特征矢量，将房源相似性问题转换为矢量相似性的检测，因此可以很方便地从区域布置方式这个维度区分房源，从而精确地提供用户感兴趣的房源。
4.结语
目前各企业积极探索将大数据用于置业推荐，对该领域的技术仍然还在改进中。本文介绍了大数据置业推荐的申请情况以及技术构成，从技术构成分析、申请量分布、申请人地区级区域分布、重点申请人排名四个方面对大数据置业推荐技术进行统计分析，并结合具体案例介绍了重点申请人腾讯科技、中国平安保险集团股份有限公司、阿里巴巴公司以及大众公知的与置业相关的贝壳技术有限公司的专利申请布局。目前大数据置业推荐技术由于大数据技术的普及正处于快速发展阶段，通过对大数据置业领域的专利申请情况以及重点专利申请进行分析，有助于本领域技术人员增强对大数据置业领域的现有技术的了解，以期为相关人员的研发重点和专利布局等提供参考。
作者：卜婷婷 朱颖 单位：国家知识产权局专利局专利审查协作四川中心
