🚀 Testen Sie Zilliz Cloud, die vollständig verwaltete Milvus, kostenlos – erleben Sie 10x schnellere Leistung! Jetzt testen>>

milvus-logo
LFAI
  • Home
  • Blog
  • Mit Milvus AI-Infusion Proptech für personalisierte Immobiliensuche machen

Mit Milvus AI-Infusion Proptech für personalisierte Immobiliensuche machen

  • Scenarios
March 18, 2021
milvus

Künstliche Intelligenz (KI) bietet leistungsstarke Anwendungen im Immobilienbereich, die den Prozess der Wohnungssuche verändern. Technisch versierte Immobilienmakler nutzen die Vorteile der KI schon seit Jahren, da sie erkannt haben, dass sie ihren Kunden helfen kann, das richtige Haus schneller zu finden und den Prozess des Immobilienerwerbs zu vereinfachen. Die Coronavirus-Pandemie hat das Interesse, die Akzeptanz und die Investitionen in Immobilientechnologie (oder Proptech) weltweit beschleunigt, was darauf hindeutet, dass sie in Zukunft eine immer größere Rolle in der Immobilienbranche spielen wird.

In diesem Artikel wird untersucht, wie Beike mithilfe der Vektorähnlichkeitssuche eine Plattform für die Wohnungssuche entwickelt hat, die personalisierte Ergebnisse liefert und Angebote nahezu in Echtzeit empfiehlt.

Dievektorielle Ähnlichkeitssuche findet in einer Vielzahl von Szenarien der künstlichen Intelligenz, des Deep Learning und der traditionellen Vektorberechnung Anwendung. Die Verbreitung der KI-Technologie ist zum Teil auf die Vektorsuche und ihre Fähigkeit zurückzuführen, unstrukturierte Daten wie Bilder, Videos, Audiodaten, Verhaltensdaten, Dokumente und vieles mehr sinnvoll zu nutzen.

Unstrukturierte Daten machen schätzungsweise 80-90 % aller Daten aus, und die Gewinnung von Erkenntnissen aus diesen Daten wird für Unternehmen, die in einer sich ständig verändernden Welt wettbewerbsfähig bleiben wollen, schnell zu einer Notwendigkeit. Die steigende Nachfrage nach Analysen unstrukturierter Daten, die zunehmende Rechenleistung und die sinkenden Rechenkosten haben die KI-gestützte Vektorsuche zugänglicher denn je gemacht.

beike-blog-img1.jpg beike-blog-img1.jpg

Bisher war die Verarbeitung und Analyse unstrukturierter Daten in großem Umfang eine Herausforderung, da sie keinem vordefinierten Modell oder einer Organisationsstruktur folgen. Neuronale Netze (z. B. CNN, RNN und BERT) ermöglichen es, unstrukturierte Daten in Merkmalsvektoren umzuwandeln, ein numerisches Datenformat, das von Computern leicht interpretiert werden kann. Anschließend werden Algorithmen verwendet, um die Ähnlichkeit zwischen Vektoren anhand von Metriken wie der Kosinusähnlichkeit oder dem euklidischen Abstand zu berechnen.

Letztlich ist die Vektorähnlichkeitssuche ein weit gefasster Begriff, der Techniken zur Identifizierung ähnlicher Dinge in riesigen Datensätzen beschreibt. Beike nutzt diese Technologie, um eine intelligente Suchmaschine für Immobilien zu betreiben, die automatisch Angebote auf der Grundlage individueller Benutzerpräferenzen, des Suchverlaufs und der Immobilienkriterien empfiehlt und so den Prozess der Immobiliensuche und des Immobilienkaufs beschleunigt. Milvus ist eine Open-Source-Vektordatenbank, die Informationen mit Algorithmen verbindet und es Beike ermöglicht, seine KI-Immobilienplattform zu entwickeln und zu verwalten.


Wie verwaltet Milvus Vektordaten?

Milvus wurde speziell für die Verwaltung großer Vektordatenmengen entwickelt und findet Anwendung in den Bereichen Bild- und Videosuche, chemische Ähnlichkeitsanalyse, personalisierte Empfehlungssysteme, KI im Dialog und vieles mehr. In Milvus gespeicherte Vektordatensätze können effizient abgefragt werden, wobei die meisten Implementierungen diesem allgemeinen Prozess folgen:

beike-blog-img2.jpg beike-blog-img2.jpg


Wie nutzt Beike Milvus, um die Wohnungssuche intelligenter zu machen?

Beike wird gemeinhin als Chinas Antwort auf Zillow bezeichnet und ist eine Online-Plattform, auf der Immobilienmakler Objekte zur Vermietung oder zum Verkauf anbieten können. Um die Wohnungssuche für Wohnungssuchende zu verbessern und Maklern zu helfen, Geschäfte schneller abzuschließen, hat das Unternehmen eine KI-gestützte Suchmaschine für seine Angebotsdatenbank entwickelt. Die Immobiliendatenbank von Beike wurde in Merkmalsvektoren umgewandelt und dann zur Indizierung und Speicherung in Milvus eingespeist. Milvus wird dann verwendet, um eine Ähnlichkeitssuche auf der Grundlage eines eingegebenen Angebots, von Suchkriterien, eines Benutzerprofils oder anderer Kriterien durchzuführen.

Bei der Suche nach weiteren Häusern, die einem bestimmten Angebot ähnlich sind, werden beispielsweise Merkmale wie Grundriss, Größe, Ausrichtung, Innenausbau, Farbgebung und mehr extrahiert. Da die ursprüngliche Datenbank mit Immobilienangeboten indexiert wurde, kann die Suche in nur wenigen Millisekunden durchgeführt werden. Das Endprodukt von Beike hatte eine durchschnittliche Abfragezeit von 113 Millisekunden bei einem Datensatz mit über 3 Millionen Vektoren. Milvus ist jedoch in der Lage, effiziente Geschwindigkeiten bei Datensätzen im Billionenbereich aufrechtzuerhalten, was diese relativ kleine Immobiliendatenbank zu einem Kinderspiel macht. Im Allgemeinen folgt das System dem folgenden Prozess:

  1. Deep Learning-Modelle (z. B. CNN, RNN oder BERT) konvertieren unstrukturierte Daten in Merkmalsvektoren, die dann in Milvus importiert werden.

  2. Milvus speichert und indiziert die Merkmalsvektoren.

  3. Milvus liefert Ähnlichkeitssuchergebnisse auf der Grundlage von Benutzeranfragen.

milvus-overview-diagram.png milvus-überblick-diagramm.png


Die intelligente Immobiliensuchplattform von Beike stützt sich auf einen Empfehlungsalgorithmus, der die Vektorähnlichkeit anhand der Cosinus-Distanz berechnet. Das System findet ähnliche Immobilien auf der Grundlage von bevorzugten Angeboten und Suchkriterien. Im Großen und Ganzen funktioniert es wie folgt:

  1. Ausgehend von einem eingegebenen Inserat werden Merkmale wie Grundriss, Größe und Ausrichtung verwendet, um 4 Sammlungen von Merkmalsvektoren zu extrahieren.

  2. Die extrahierten Merkmalskollektionen werden zur Durchführung einer Ähnlichkeitssuche in Milvus verwendet. Die Ergebnisse der Abfrage für jede Sammlung von Vektoren sind ein Maß für die Ähnlichkeit zwischen dem eingegebenen Angebot und anderen ähnlichen Angeboten.

  3. Die Suchergebnisse aus jeder der 4 Vektorsammlungen werden verglichen und dann verwendet, um ähnliche Häuser zu empfehlen.

beike-intelligent-house-platform-diagram.jpg beike-intelligente-haus-plattform-diagramm.jpg


Wie die obige Abbildung zeigt, implementiert das System einen A/B-Tabellenwechselmechanismus für die Aktualisierung der Daten. Milvus speichert die Daten für die ersten T Tage in Tabelle A, am Tag T+1 beginnt es, Daten in Tabelle B zu speichern, am Tag 2T+1 beginnt es, Tabelle A neu zu schreiben, und so weiter.


Wenn Sie mehr über die Arbeit mit Milvus erfahren möchten, lesen Sie die folgenden Ressourcen:

    Try Managed Milvus for Free

    Zilliz Cloud is hassle-free, powered by Milvus and 10x faster.

    Get Started

    Like the article? Spread the word

    Weiterlesen