Как найти расстояние между двумя объявлениями?

Question

[SemenDemon]

Два обявления например:
1)продается квартира
тип: 1к.кв.
стоимость: 1млн руб.
площадь: 30м2
место: бутырский район

2)продается квартира
тип: 1к.кв.
стоимость: 1.2млн руб.
площадь: 28м2
место: район марфино

3)продается квартира
тип: 3к.кв.
стоимость: 4.2млн руб.
площадь: 128м2
место: район марфино

какими методами можно добиться примерно такого результата?
схожесть: 1 и 2 = 80% схожести
1 и 3 = 2% схожести
2 и 3 = 5% схожести

Answer 1

[Sunflowerz]

Замечательный вопрос!
Давайте пойдём по пути тестирования.
У нас есть два одинаковых объявления с 5 параметрами:
1. заголовок
2. тип
3. стоимость
4. площадь
5. место

Если они совпадают то результат будет 100%.

Теперь мы поменяем площадь с разницей на 2м².
Получаем что например 122м² это номинал, а 124м² сравниваемое значение.
122/100=1,2 получаем 1%
124-122=|2| получаем разницу в сумме по модулю
2/1,2=1,67 получаем значение разницы в процентах
100-1,67 = 98,33 % совпадения

То же самое для стоимости

Для оценки похожести по месту, нужно получить номинальное место(район/метро/улицу).
И затем по API (например googe maps) сравнивать расстояние по следующему принципу.
1. Если есть номинальный район, то насколько далеко номинальный от сравниваемого?
2. Если есть номинальный улица, то насколько она далеко от сравниваемой улицы.
3. Если есть номинальное метро то насколько далеко от сравниваемого метро?
4. Если есть номинальный район и сравниваемая улица, то в этом ли она районе?
3. Если есть номинальное метро то оно в сравниваемым районе?
Ну и т.д.

Заголовок можно при желании разбивать по словам или символам и сравнивать его.
Сначала считаем все символы и их количество берём за 100% и затем сраниваем с другим заголовком посимвольно или пословно

И затем выдать процентное соотношение каждой схожести.
Я бы рекомендовал так.
Общее число будет крайне не информативным и может слишком часто ошибаться

Comments

[SemenDemon]

Вы написали что то вроде расстояния хемминга, которое в данном случае вроде не совсем уместно.

есть идея перевести параметры в вектора а уже их складывать и сравникать. локация получается категориальным признаком

[SemenDemon]

Планировал так перевести в вектора, но не ясно насколько это уместно.

Сдам объект недвижимости:
1к.квартира
строго без животных
стоимость 20000руб.
площадь 20м2

4 признака
1к.квартира - категориальный признак
строго без животных - бинарный признак
стоимось и площадь - вещественные признаки

Желающий снять квартиру, нужно:
1.к.квартира
есть собака
стоимостью до 30000руб.
площадью не менее 30м2

сдающий :
в идеале хочет ничего не сдавать - 0
но готов сдать 1.к.кв - 1
его вектор по категории 1к.кв. : 0->1

в идеале хочет что бы не было животных - 0
согласен только на отсутствие животных - 0
вектор по животным 0->0

в идеале хочет все деньги снимаюшего - бесконечность
согласен сдать за 20000руб.
вектор по стоимости: бесконечность->20000

площадь
в идеале хочет ничего не сдавать - 0
располагает площадью 20 м2 - 30
вектор: 0->20

квартира: 0->1
животные: 0->0
деньги: бесконечность->20000
площадь: 0->20

Снимающий
в идеале хочет снять бесконечно огромный дворец: бесконечность
устроит 1.к.кв.: 1

животные хочет всех взять с собой: бесконечность
имеет собаку: 1
вектор: бесконечность->1

деньги хочет бесплатно жить : 0
согласен на 30000руб: 30000
вектор: 0->30000

площадь
хочет всю площадь дома: бесконечность
согласен на площадь 30м2
вектор: бесконечность ->30

снимающий вектора
квартира: бесконечность->1
животные: бесконечность->1
деньги: 0->30000
площадь: бесконечность->20

сдающий вектора
квартира: 0->1
животные: 0->0
деньги: бесконечность->20000
площадь: 0->20

Answer 2

[dollar]

В вашем примере можно придумать функцию, которая покажет нужные цифры тупо по цене.

Если же все параметры учитывать, то нужно их привести к какому-то общему знаменателю, а затем тупо сложить для каждой квартиры. Дальше можно считать разницу, отношение, что угодно.

Реальное решение зависит от того, какую проблему вы решаете. Полагаю, что вы предоставляете пользователю похожие варианты. Но тогда пользователь и должен решать, что является для него решающим фактором, а что - нет.

Например, пользователь пользуется поиском. И в фильтрах указал, что ему важно место и цена. В таком случае коэффициент важности площади будет равен нулю, и она не будет играть роли. Для места и цены у вас уже должны быть подобраны коэффициенты и методы подсчета, их оставляем. Кстати, что касается места, то разумно брать реальное расстояние, то есть соседний район ближе, чем в другом конце города, а это потребует дополнительной таблицы с константами или более сложный алгоритм конкретно для данного компонента (идеально учитывать адрес квартиры и считать в километрах).

Comments

[SemenDemon]

задача нахождения нечетких дубликатов объявлений.

главный вопрос к какому общему знаменателю приводить?
отличие в стоимости на 1000 может быть не важным, а пример различие в типе однушка или двушка это уже очень существенно.

как алгоритмически коэффициенты проставить

[dollar]

Для каждого параметра определяете некую функцию.
Скажем, так (на примере JS):

let deltaRooms = function(a,b) { ......... };
let deltaPrice = function(a,b) { ......... };
let deltaArea = function(a,b) { ......... };
let deltaAddress = function(a,b) { ......... };

Далее возможны варианты. Либо вы используете коэффициенты внутри этих функций, либо функции возвращают сырое значение, а вы используете его в комбинации с коэффициентом, чтобы значения стали одного порядка.

Пусть будет второй вариант. Тогда расстояние будет вычисляться как-то так:

let dr = deltaRooms(a,b);
let dp = deltaPrice(a,b);
let dar = deltaArea(a,b);
let dad = deltaAddress(a,b)
let diff = A * dr + B * dp + C * dar + D * dad;
//Где A, B, C и D - некие коэффициенты.

Эти коэффициенты и будут указывать на важность того или иного параметра.

Правда, результат не в процентах. Но, опять-таки, без проблем можно умножить весь результат на какой-то коэффициент, и получатся проценты.

Answer 3

[xmoonlight]

Место + модульная разница цифровых показателей остальных полей: чем меньше - тем выше (больше релевантность).