Fazendo com a Milvus AI-Infused Proptech para pesquisa personalizada de imóveis
A inteligência artificial (IA) tem aplicações poderosas no sector imobiliário que estão a transformar o processo de pesquisa de casas. Os profissionais imobiliários experientes em tecnologia têm tirado proveito da IA há anos, reconhecendo sua capacidade de ajudar os clientes a encontrar a casa certa mais rapidamente e simplificar o processo de compra de imóveis. A pandemia de coronavírus acelerou o interesse, a adoção e o investimento em tecnologia imobiliária (ou proptech) em todo o mundo, sugerindo que ela desempenhará um papel cada vez maior no setor imobiliário no futuro.
Este artigo explora a forma como a Beike utilizou a pesquisa por semelhança de vectores para criar uma plataforma de procura de casa que fornece resultados personalizados e recomenda listagens quase em tempo real.
O que é a pesquisa por semelhança de vectores?
A pesquisa por semelhança de vectores tem aplicações que abrangem uma grande variedade de cenários de inteligência artificial, aprendizagem profunda e cálculo de vectores tradicionais. A proliferação da tecnologia de IA é em parte atribuída à pesquisa vetorial e à sua capacidade de dar sentido a dados não estruturados, que incluem coisas como imagens, vídeo, áudio, dados comportamentais, documentos e muito mais.
Os dados não estruturados constituem cerca de 80-90% de todos os dados e a extração de informações a partir dos mesmos está a tornar-se rapidamente um requisito para as empresas que pretendem manter-se competitivas num mundo em constante mudança. A procura crescente de análises de dados não estruturados, o aumento da capacidade de computação e a diminuição dos custos de computação tornaram a pesquisa vetorial com IA mais acessível do que nunca.
beike-blog-img1.jpg
Tradicionalmente, os dados não estruturados têm sido um desafio para processar e analisar em escala porque não seguem um modelo predefinido ou uma estrutura organizacional. As redes neuronais (por exemplo, CNN, RNN e BERT) permitem converter dados não estruturados em vectores de caraterísticas, um formato de dados numéricos que pode ser facilmente interpretado por computadores. Os algoritmos são depois utilizados para calcular a semelhança entre vectores utilizando métricas como a semelhança de cosseno ou a distância euclidiana.
Em última análise, a pesquisa de semelhança de vectores é um termo abrangente que descreve técnicas para identificar coisas semelhantes em conjuntos de dados maciços. A Beike utiliza esta tecnologia para alimentar um motor de pesquisa de casas inteligente que recomenda automaticamente listagens com base nas preferências individuais do utilizador, histórico de pesquisa e critérios de propriedade - acelerando o processo de pesquisa e compra de imóveis. A Milvus é uma base de dados vetorial de código aberto que liga a informação a algoritmos, permitindo à Beike desenvolver e gerir a sua plataforma imobiliária com IA.
Como é que o Milvus gere os dados vectoriais?
O Milvus foi criado especificamente para a gestão de dados vectoriais em grande escala e tem aplicações que abrangem a pesquisa de imagens e vídeos, a análise de semelhanças químicas, os sistemas de recomendação personalizados, a IA de conversação e muito mais. Os conjuntos de dados vectoriais armazenados no Milvus podem ser consultados de forma eficiente, com a maioria das implementações a seguir este processo geral:
beike-blog-img2.jpg
Como é que a Beike utiliza o Milvus para tornar a procura de casa mais inteligente?
Descrita habitualmente como a resposta da China à Zillow, a Beike é uma plataforma online que permite aos agentes imobiliários listar propriedades para aluguer ou venda. Para ajudar a melhorar a experiência de pesquisa de casas para os caçadores de casas e para ajudar os agentes a fechar negócios mais rapidamente, a empresa criou um motor de pesquisa alimentado por IA para a sua base de dados de listagens. A base de dados de listagens de imóveis da Beike foi convertida em vectores de caraterísticas e depois introduzida no Milvus para indexação e armazenamento. O Milvus é então utilizado para realizar pesquisas por semelhança com base numa listagem de entrada, critérios de pesquisa, perfil de utilizador ou outros critérios.
Por exemplo, ao procurar mais casas semelhantes a um determinado anúncio, são extraídas caraterísticas como a planta, o tamanho, a orientação, os acabamentos interiores, as cores da pintura, entre outras. Uma vez que a base de dados original de listagens de propriedades foi indexada, as pesquisas podem ser efectuadas em meros milissegundos. O produto final de Beike teve um tempo médio de consulta de 113 milissegundos num conjunto de dados com mais de 3 milhões de vectores. No entanto, o Milvus é capaz de manter velocidades eficientes em conjuntos de dados à escala de um trilião, facilitando o trabalho desta base de dados imobiliária relativamente pequena. Em geral, o sistema segue o seguinte processo:
Os modelos de aprendizagem profunda (por exemplo, CNN, RNN ou BERT) convertem dados não estruturados em vectores de caraterísticas, que são depois importados para o Milvus.
O Milvus armazena e indexa os vectores de caraterísticas.
O Milvus apresenta resultados de pesquisa de semelhanças com base nas consultas dos utilizadores.
milvus-overview-diagram.png
A plataforma inteligente de pesquisa de imóveis da Beike é alimentada por um algoritmo de recomendação que calcula a semelhança de vectores utilizando a distância cosseno. O sistema encontra casas semelhantes com base em listagens de favoritos e critérios de pesquisa. Em termos gerais, funciona da seguinte forma:
Com base numa listagem de entrada, caraterísticas como a planta, o tamanho e a orientação são utilizadas para extrair 4 colecções de vectores de caraterísticas.
As colecções de caraterísticas extraídas são utilizadas para efetuar uma pesquisa de semelhanças no Milvus. Os resultados da consulta para cada coleção de vectores são uma medida de semelhança entre o anúncio de entrada e outros anúncios semelhantes.
Os resultados da pesquisa de cada uma das 4 colecções de vectores são comparados e utilizados para recomendar casas semelhantes.
beike-intelligent-house-platform-diagram.jpg
Como mostra a figura acima, o sistema implementa um mecanismo de comutação de tabelas A/B para atualizar os dados. O Milvus guarda os dados dos primeiros T dias na tabela A, no dia T+1 começa a guardar os dados na tabela B, no dia 2T+1 começa a reescrever a tabela A, e assim sucessivamente.
Para saber mais sobre como criar coisas com o Milvus, consulte os seguintes recursos:
Try Managed Milvus for Free
Zilliz Cloud is hassle-free, powered by Milvus and 10x faster.
Get StartedLike the article? Spread the word