用于不可替代资产的推荐系统的制作方法

本文描述的实例大体上涉及用于诸如不动产资产的不可替代资产的推荐系统。

背景

存在使用户能够交易各种项目，诸如收藏品、电子设备以及其他商品或服务的多种拍卖论坛。推荐引擎也存在用于多个应用，包括内容分发并且用于购买商品和产品的目的。应用推荐引擎的典型方法包括：(i)通过偏好或选择链接用户，随后在具有相似品味的个体可充当彼此推荐的源的假设下进行推荐，或者(ii)针对推荐识别相似资产(例如，如果用户喜欢特定颜色的产品，那么推荐相同颜色的另一种产品，等)。此类推荐引擎具有不同程度的有效性。

附图简述

图1示出根据实施方案的用于不动产资产的推荐系统。

图2A示出用于通过定量地确定用户对相关类型的资产的兴趣来从资产池数据库推荐资产的示例性方法。

图2B示出用于向用户推荐不动产资产的示例性方法。

图3示出优化向一组用户推荐不动产资产的示例性方法。

图4是如由本文描述的实例提供的用于不动产资产的一组推荐的实例。

图5是示出计算机系统的框图，本文描述的实例可在所述计算机系统上实施。

详述

本文描述的实例大体上涉及用于诸如不动产资产的不可替代资产的推荐系统。在一些实施方案中，提供了一种推荐系统和方法，其用于基于此类用户对资产及其各自特征的确定兴趣来向个体推荐不可替代资产。再进一步，一些实例提供用于实施优化流程以便基于不动产资产的可用池进一步选择向个体用户推荐什么不动产资产。

本文描述的一些实例包括一种系统和方法，其用于从不可替代资产的数据库推荐资产。根据一些实例，针对某一资产类型的资产数据库来确定一组特征，其中每一个特征被限定来与可能值的范围关联。针对数据库中的每一个资产来确定数值模型。数值模型可以基于那个资产的所述一组特征中的每一个特征的值。当一组中的一个或多个用户的活动指示那个用户对一对应组的一个或多个资产的兴趣时，检测那个用户对活动的执行。针对所述一组中的每一个用户，针对那个用户的所述一对应组资产中的每一个资产的每一个特性来确定值。针对所述一组中的每一个用户来确定兴趣模型，其中兴趣模型基于那个用户的所述一组资产中的每一个资产的每一个特征的值。将每一个用户的兴趣模型与数据库中的每一个资产的数值模型进行比较以便确定那个用户的一匹配组资产。可以基于在那个用户的所述匹配组资产中确定的一个或多个资产针对所述一组中的每一个用户生成推荐。

术语“可替代”指可由另一项目或数量替换的项目或数量。可可替代项目的实例包括诸如由产品线提供的通常大量生产的制造商品(例如家庭用品、电话等)此类项目是可替代的因为它们具有等同替换，例如，如果用户从在线零售商购买家庭用品并且项目运输有缺陷时，用户可简单地请求替换。在一些实例中，用户可购买非品牌但以其他方式相同的版本的可替代项目。

通过对比，不可替代资产(或项目)旨在意指具有与相似或同一种类的其他项目相比具有独特性或稀缺性的属性的项目。不可替代资产的实例包括不动产资产、艺术品以及其他收藏品。虽然以下在不动产资产的上下文中描述多个实例，但诸如以下描述的实施方案可应用到其他种类的不可替代资产。

术语“推荐”包括任何形式的通信，无论是直接(例如，给接收通信的人写信)还是间接(例如，在其他上下文中显示给用户，诸如通过广告)。例如，推荐可包括消息、通知、搜索结果的一部分和/或提供为网页的一部分的网页内容。

关于不可替代项目，本文描述的实例认识到可用库存可限制使用诸如资产之间的相似性比较的常规方法的推荐。例如，库存的大小、多样性和变化率可至少在建议一直有效所需要的粒度上阻碍有效的相似性比较。此外，不可替代项目是相对独特的，并且共享属性的不可替代资产可以是稀缺的，特别是与可能想要接收推荐的人的大小的相比较。此外，使一个不可替代资产吸引人的属性可以不是另一用户发现不可替代资产的吸引力的原因，然而个体可发现资产的吸引力。

存在实现不可替代项目的交易或以其他方式允许访问不可替代项目的在线论坛(例如，在线拍卖和市场)。这些论坛通常消耗专用硬件和/或软件资源以便进行并维护论坛。通常，不可替代项目的库存与此类论坛相关联。例如，不动产论坛(例如，拍卖网站)可主办不同种类的不动产项目(例如，小区住宅、商厦、票据等)的拍卖。诸如数据库(或数据库的组合)的计算资源可维护个体资产的数据(例如，记录)。实施方案认识到作为一般目标，越多的库存通过交易处理，存储系统就具有越多的能力来携载用于交易的更大数量的资产。从推荐引擎生成的推荐可基于来自在线论坛的数据库(或其他计算资源)的记录。推荐引擎可通过给潜在买者带来对列在数据库中的资产的兴趣来促进在线论坛。以此方式，推荐引擎可提供以更有效方式利用数据库(或其他计算资源)的技术效应，当推荐到位时更多记录(用于被交易的项目)可被处理，意味着需要更少的存储器来实现更多项目的交易。

就这一点而言，其中不可替代项目被提供用于交易的在线论坛具有对在线环境而言是独特的挑战。虽然推荐引擎可增加对此类在线论坛的兴趣和参与度，并因此促进积极列出用于交易的项目的营业额(从而更有效地利用数据库或存储器)，简单地以这种方式增加流量不够优化或生成对潜在买者群体的资产清单的有效访问。实施方案认识到当推荐引擎采用相似性算法来推荐不可替代项目时，可能过度推荐相对小数量的资产。同样，当推荐系统采用技术来通过偏好相似性匹配用户以便推荐匹配与其他匹配用户类似的用户的项目时，所得的推荐还集中于相对小数量的属性。因此，实例认识到在诸如不动产的不可替代资产的上下文中，常规推荐流程趋于仅对资产池的子集感兴趣并且忽视资产池的更大部分(即使更大资产池中的项目将对选择人有更多兴趣)。在常规推荐流程下，资产池中的项目中的许多(如果不是多数)将成为过时，并且对应于那些资产的记录将入住存储资源更长时间段，而数据库系统的其他部分将从过度推荐的资产经历不成比例的沉重负担，从而降低数据库的整体效率并且有其他缺点。

与此类常规方法对比，本文描述的实例提供推荐系统，所述推荐系统基于兴趣，意味着提供用于个人的推荐基于那个个体的观察到的或已知的兴趣。通过对于个体是基于兴趣的，本文描述的实例认识到资产池的更大百分比可被识别为对用户来说是潜在感兴趣的。例如，如果用户被确定为对特定区域的大房子感兴趣，那么当库存稀缺时，推荐引擎可识别显示位于可替代位置中的相似尺寸的房子或者位于同一感兴趣位置中的更小的房子的推荐。兴趣简档的确定可基于对用户关于不可替代资产的活动的主动和被动监视两者。如关于不动产描述的，可至少部分地基于下列各项中的一个或多个对个人的兴趣建模：(i)在线活动，诸如浏览和查看房子清单，(ii)投标活动，诸如用户将标放在在线论坛上(例如，拍卖)，(iii)查看和/或搜索，诸如当用户查看来自特定邮政编码的清单或询问经纪人时，(iv)非投标拍卖活动(例如，用户注册拍卖、在拍卖之前或拍卖期间评审拍卖项目等)。再进一步，在不动产的情况下，用户的兴趣模型可至少部分地基于个人的线下活动。例如，在不动产的情况下，用户的移动计算装置可被监视来确定个体的当前位置、他们的居住城市和/或线下财产清单(例如，个人参观公共场所)。再进一步，还可获得人口统计信息，包括关于用户当前住宅和/或过去交易的信息。可针对多种不用属性扫描由此类在线活动识别的资产以便开发用户专用的兴趣模型。

为了所述实例的目的，术语“用户(user)或(users)”旨在意指购买实体。虽然术语“用户”可指个人，但术语“用户”还可指法律实体，诸如公司或伙伴关系。

如本文所用，“不动产资产”可指不同类型的不动产财产，诸如单身家庭住宅、公寓、套房、商业财产、一块土地或票据(例如，抵押)。

本文描述的一个或多个实例提供由计算装置执行的方法、技术和动作以编程方式执行或者作为计算机实施方法执行。如本文所用，以编程方式意指通过使用代码或计算机可执行指令。这些指令可存储在计算装置的一个或多个存储器资源中。可编程地执行的步骤可以是或可以不是自动的。

可使用编程式模块、引擎或部件来实施本文所描述的一个或多个实例。编程式模块、引擎或部件可包括程序、子程序、程序的一部分，或能够执行一个或多个所陈述任务或功能的软件部件或硬件部件。如本文所用，模块或部件可独立于其他模块或部件而存在于硬件部件上。可替代地，模块或部件可以是其他模块、程序或机器的共享元件或流程。

本文描述的一些实例可大体需要使用计算装置，包括处理和存储器资源。例如，本文描述的一个或多个实例可整体或部分地在计算装置上实施，所述计算装置诸如服务器、台式计算机、蜂窝或智能手机、个人数字助理(例如，PDA)、膝上型计算机、打印机、数码相框、网络设备(例如，路由器)以及平板装置。存储器、处理和网络资源可全部结合本文描述的任何实例的建立、使用或执行(包括结合任何方法的执行或任何系统的实施)使用。

此外，可通过使用由一个或多个处理器可执行的指令来实施本文所描述的一个或多个实例。可在计算机可读介质上携带这些指令。以下使用图示出或描述的机器提供处理资源和计算机可读介质的实例，可在所述计算机可读介质上携带和/或执行用于实施本发明的实例的指令。具体地，使用本发明的实例示出的许多机器包括处理器以及用于保持数据与指令的各种形式的存储器。计算机可读介质的实例包括永久存储器存储装置，诸如个人计算机或服务器上的硬盘驱动器。计算机存储介质的其他实例包括便携式存储单元，诸如CD或DVD单元、快闪存储器(诸如许多智能手机、多功能装置或平板机所携带的)以及磁性存储器。计算机、终端、网络使能装置(例如，移动装置诸如手机)都是利用处理器、存储器和存储在计算机可读介质上的指令的机器与装置的实例。另外，可以计算机程序或能够携带这种程序的计算机可用载体介质的形式来实施实例。

系统描述

图1示出根据一个或多个实施方案的用于为给定群体的个人(还称为“用户”)生成对不可替代资产的推荐的推荐系统。诸如由图1的实例描述的系统100可在多种计算环境中实施。例如，系统100可以实施为在线市场系统或环境的部分诸如在线拍卖实施，或者可以实施为增强或促进在线市场的网络服务。因此，系统100可通过组合服务器和/或其他网络使能的计算装置实施为网络服务。在变型中，系统100可在包括独立系统的其他计算平台上实施。因此，在一些变型中，系统100可在维持于单个计算装置或存储装置上的产品或服务上操作。

参考图1，系统100包括用户简档器110、用户资产匹配部件130以及资产分布和优化部件150(“优化部件150”)。用户简档器110操作来基于个体用户的各种活动获得个体用户的简档信息。简档信息111可指示用户对不可替代资产的偏好或品味。图1的实例认识到在线系统可在多种不同上下文中监视用户活动以便识别指示对不可替代资产的用户兴趣或偏好的动作。在这方面，在线系统具有优于常规线下实践的优点，例如像，其中通过直接问用户问题(例如，“房子中中您寻求多少卧室？”)识别用户偏好或品味的实践。相比之下，图1的在线系统可监视间接指示用户兴趣的用户动作。例如，不会直接问用户他或她对何种类型的房子感兴趣，而是在用户执行具体活动时可推断出用户兴趣，诸如以下描述的。就这一点而言，在线介质提供机构，通过所述机构用于推荐引擎的输入信号是非侵入式且被检验的，在用户的那些多个活动中可为了确定推荐的目的被检测并利用。可从监视用户的在线活动获得的所述类型的简档信息111还可识别或以其他方式指示那些个体就特定种类的不可替代资产(例如，特定用户可能希望购买的不动产资产)而言的兴趣。

根据一个方面，监视器102、104、106可在多种计算介质中操作以便检测个体用户的相关活动。在一些实施方式中，可实施监视器102、104、106的多个实例来从在线会话和/或由其活动被检测和分析的个体操作的计算装置获得简档信息111。可通过例如使用下列各项进行用户与简档信息111之间的链接：cookie标识符(例如，用户通过给定用户的浏览器检测到的活动)、机器标识符(例如，用于通过用户的计算装置检测到的活动)或者登录会话(例如，用于针对用户在其中具有账户或登录的网络服务或网站检测到的活动)。

在一个实例中，用户简档器110从在线市场监视器102获得简档信息111。在线市场监视器102可对应于通向操作来检测用户活动的某些种类或方面的在线市场(例如像，由网站主办的)的编程式接口。具体地，在线市场监视器102可对应于拍卖论坛，其中提供不动产资产(或其他种类的不可替代资产)用于拍卖和销售。图1的实例认识到与拍卖论坛相关的活动常常比诸如浏览或搜索的更随机的活动深思熟虑(并因此更检验意图)。另外，拍卖代表是用于不可替代资产的交易的常见市场。可从用户对拍卖论坛的参与度监视的活动类型可包括例如，(i)特定用户在拍卖中购买的资产(例如，不动产资产)，(ii)用户将标放在其中的资产拍卖会，(iii)用户作为投标人注册的资产拍卖会，和/或(iv)用户通过例如搜索和浏览对其显示出兴趣的不动产资产拍卖会。用户简档器110可基于例如下列各项将如由在线市场监视器102确定的活动与特定用户相关联：在线市场(例如，可需要用户在投标之前注册的拍卖会)的注册信息和/或可利用用户标识符识别用户的一些在线市场活动的cookie信息。

虽然具体参考拍卖论坛描述在线市场监视器102，但就确定用户的简档信息而言还可实施其他类型的在线市场。此类其他论坛的实例包括在线市场和清单服务，其中不动产资产、收藏品和其他不可替代资产被做广告并可用于销售。

作为另一实例，用户简档器110可操作来从与在线搜索相关的用户活动获得集合简档信息111。通过举例，与搜索相关的用户活动可包括用户提交搜索引擎(例如，用于不动产清单的搜索引擎)的搜索词和/或由用户从搜索引擎获得的搜索结果。

作为另一实例，用户简档器110还可从公布物监视器106接收信息，所述公布物监视器106与一个或多个在线公布物对接以便确定用户对不动产资产的兴趣。在一个实施方式中，可通过例如电子邮件向一组用户分布新闻稿。在变型中，在线公布物可以网页的形式提供。公布物监视器106可监视例如用户与到嵌入在公布物中的不动产清单的链接的交互。与链接的交互可包括：(i)用户选择链接，(ii)用户复制/粘贴链接或给链接加书签，和/或(iii)用户在链接上方悬停(或者悬停持续超过具体阈值的时间段)。被监视的交互可指示用户对给定清单的兴趣水平。在一个实施方式中，在线公布物可包括活动链接，所述活动链接包括识别何时执行指示用户兴趣的某些活动的数据元素。具体地，不动产资产可与链接相关联(例如，不动产资产的清单可以链接的形式公布)，并且用户可选择链接来查看关于可用于销售的不动产资产的信息。在变型中，链接可用识别用户何时在链接上方悬停和/或选择特定链接的数据编码。还可识别其他兴趣标记，诸如用户查看在其中显示不动产资产的特定页面的持续时间。

从新闻稿的链接获得的信息可传送给用户简档器110并且与给定用户相关联。例如，在线公布物可电邮给用户，并且公布物中提供的活动链接可与用户标识符相关联。在执行指示兴趣的活动时，公布物监视器106记录特定用户和所执行的活动。此信息随后由用户简档器110获得。

在一些变型中，监视器102、104、106可包括在用户终端上操作或者作为部分网络服务操作并且与第三方域名和搜索引擎对接的部件。例如，在不动产清单的上下文中，系统100可将cookie存储(或者致使cookie被存储)在用户的系统上，并且用户的随后浏览活动可导致cookie允许访问识别下列各项中的任何一个或多个的记录：(i)不动产资产的清单(或一组清单)出现在其上的网页，或者(ii)其中多个清单被提供用于给定不动产资产的网页上的清单。

作为识别具体不动产资产的附加或可替代方案，一些活动还可识别关于可使用户感兴趣的不动产资产的一般信息。例如，监视器104可与第三方搜索引擎(诸如设置在不动产清单站点上的)对接以便确定一般但相关的搜索词，用户结合针对特定种类的不可替代资产(例如，“Florida中的房价”)进行的搜索提交所述搜索词。作为附加或可替代方案，可利用需要用户登录的网络资源以及网络和/或客户端资源实施监视器102、104、106。监视器102、104、106可包括利用此类网络资源执行以便收集与不动产清单(例如，投标、搜索等)或其他不可替代资产相关的信息的流程。作为可替代方案或变型，监视器102、104、106可执行或以其他方式与网站对接，以便确定关于在不同上下文(例如，不动产清单对比一般搜索)中查看的个体资产(例如，不动产资产)的信息。监视器102、104、106还可将cookie或其他标识符与用户简档相关联，并且进一步传送特定个体的在线活动，使得简档信息与个体的标识符相关联或以其他方式链接。简档信息111与执行活动从而导致简档信息111的个体用户之间的关联可因此在聚集或收集信息时进行。然而，在变型中，用户简档110可包括逻辑或其他资源以便在收集简档信息之后将简档信息111与用户关联。

在一些变型中，监视用户的线下(或现实世界活动)以便确定指示对特定类型的资产的兴趣的用户动作。例如，个体现在携带移动计算装置，所述移动计算装置包括全球定位系统(GPS)资源以便识别移动计算装置在特定瞬间的位置。此类移动计算装置还可运行可自动地或通过后方流程与系统100通信的应用程序。服务活动108提供用于检测指示用户对不动产资产的偏好或品味的现实世界用户活动(例如，用户去到公共场所)的接口的实例。在一个实施方式中，服务接口108可基于由操作移动计算装置的用户记录的物理活动记录简档信息111。例如，用户可在移动计算装置上运行应用程序109以便记录诸如用户参考公共场所或在社区旅行的活动。活动可被动地记录(例如，用户启动移动装置上的应用程序并随后别的什么也不做)并且通过直接用户交互(例如，用户提供识别用户正在看的公众场所)。在一些实施方式中，应用程序109可与移动计算装置的本地GPS资源对接以便记录用户的位置信息。应用程序109(或系统100)可将位置信息映射到街道地址并且进一步映射到关于位于特定位置处的不动产的已知信息。因此，例如，用户可运行应用程序并随后参观一个或多个公共场所。应用程序109还可记录位置信息，并且应用程序和/或系统100的流程可参考街道地址的位置信息以便识别不动产清单或资产。

简档信息111可基于不同信号或输入。例如，简档信息111可识别具体资产(例如，感兴趣的特定不动产资产)、描绘资产的内容项目(例如，用于不动产资产的销售的清单或广告)或一般信息(例如，从用户输入或活动确定的搜索词或一般特征(例如，多层单身家庭房子))。用户简档器110还可利用其他线下资源，诸如关于特定用户拥有什么不动产资产(例如，用户的房子或度假房子)的信息。再进一步，用户简档器110还可获得用户的人口统计信息，包括用户的地理位置(例如，用户实际上住在哪里)以及用户的收入(以便确定特定用户可负担得起什么)。

当简档信息111识别具体资产时，可作为用于开发系统100的个体用户的兴趣模型的部分流程针对预定属性分析资产。例如，简档信息111可基于在线不动产清单(例如，网页上的清单)，可针对可与预定特征的值关联的信息以编程方式分析所述清单。作为附加或可替代方案，系统100可利用不动产资产的所确定标识符(例如，街道地址)以便以编程方式与不动产资产的政府记录对接并访问所述记录。诸如政府记录的附加资源的使用可验证和/或增强与感兴趣的不动产资产的特征值关联的信息。

对于不动产资产，用于确定推荐155的预限定特征包括例如，地理(例如，城市、州、镇)、地理位置(例如，社区)、财产类型(例如，单身家庭房子、套房)、价格范围，以及住宅/包裹特征(诸如卧室数量、占地面积以及浴室数量)。作为附加或可替代方案，不动产资产的其他特征可以包括例如，所提供地契的类型(例如，快速索赔)、入住状态和/或资助是否可用于不动产资产。用户简档器110可例如把通过特征类别、子类别已被识别为使特定用户感兴趣的不动产资产制表。

在图1的实例中，用户简档器110将用户简档信息111存储在用户简档数据库120(在图1的实例中示出为单独实例)。简档信息111可包括与对应用户(取决于用户偏好可匿名或以其他方式识别)的相关联性113。可在例如持续若干在线会话的持续时间内监视并更新个体用户的简档信息111。以此方式，个体用户的简档信息可超时开发并改进。

模型确定部件114可访问简档信息111以便确定用户的兴趣模型115。根据一方面，用户简档器110可基于与个体用户相关联的简档信息111实施流程以用于确定个体用户的兴趣模型115。兴趣模型115是指定量地限定察觉到的用户对不可替代项目的个体属性或特征的偏好的多层用户专用模型。兴趣模型115可基于针对考虑用于推荐的不可替代资产的类型预限定的一组特征或属性。在一些实例中，兴趣模型的特征或属性的值可归一化(例如，在0与1之间)，并且与其他特征相比，一些特征或属性可被加权。具体地，使一些特征或属性加权的确定可基于预限定的模式，诸如资产类型(例如，不动产资产)、资产子类型(例如，住宅地产对比商业财产)或具体特征的值。作为附加或可替代方案，模型确定部件114可优于基于用户兴趣或用户专用参数(例如，为与豪宅相反可能对不良或商业财产更感兴趣的投资者的用户)的其他特征或属性使一些特征或属性加权。

在图1的实例中，与利用例如已知感兴趣的资产和/或在用户间追踪匹配偏好之间的相似性确定的常规方法相比，模型确定部件114确定兴趣模型115，所述兴趣模型115具有足够的维度和深度以使能够在给定时刻从资产数据库池140识别更大数量的资产。在一个实施方式中，用户简档器110可针对具体用户确定定量地描述用户对不动产资产的兴趣的兴趣模型115。用于限定兴趣模型115的特征或属性还可由数值范围限定，并且更具体地说，作为归一化的量(例如，在0与1之间)。基于预限定的特征，兴趣模型115可填充具有处于限定且归一化范围内的数值的特征子集。在一些实施方式中，特征可被归一化以便量化为比率或整数。

以下实例示出兴趣模型115如何可被确定来量化给定用户对诸如不动产资产的不可替代资产的兴趣。通过实例，预限定的参数可反映(i)地契类型和(ii)资助的可用性的特征或属性，并且分配给这些参数的值可表达为二进制(例如，“0”或“1”)以便指示参数的两个(或有限数量的)可能值中的一个。另外，预限定的参数可表示卧室的数量，并且此参数可由为整数的确定值反映。其他参数可表示诸如价格范围和地段/户型的特征或属性。兴趣模型115可使用参数专用定义将表示价格范围和地段/户型的参数的值归一化。例如，价格范围和地段/户型中的每一个可由“0”(表示参数的小数量)或“1”(表示参数的大数量)之间的数字表示。以此方式，兴趣模型115量化用户对不动产资产的特征的相对兴趣。

在一些变型中，兴趣模型115可基于限定或已知关系或条件并入有权重(例如，应用到归一化值的系数或比率)。例如，如果已知用户对范围为三个卧室与五个卧室之间的不动产资产感兴趣，那么由于卧室数量是不如户型重要的特征，与卧室数量相关的参数可被加权为不那么重要。同样，其他参数整体而言可被已知为不使用户那么感兴趣。例如，地契类型可不使所有用户感兴趣。默认情况下，除非用于一个用户的简档信息111指示对特征的强烈兴趣，否则此特征可被加权为相对低且同等用于不同用户。在此类情况下，用户的简档信息111可导致用户具体权重被应用到参数。随时间推移可进行并发展众多此类考虑，专门针对给定用户，或一般针对作为整体和/或默认情况的用户组。

根据一些实例，模型确定部件114可存储确定用于个体用户的兴趣模型115，所述个体用户订阅推荐155或以其他方式指定来从系统100接收推荐155。兴趣模型115可存储在用户简档数据库120中。用户简档数据库120还可存储个体用户(例如，使用对应于全名的用户标识符或诸如电子邮件地址的系统标识符)与兴趣简档115之间的关联。另外，用户简档数据库120可存储如从监视器102、104、106确定的简档信息111。

用户资产匹配部件130可访问用户简档数据库120以便使个体用户与给定资产池中的资产成对。资产池数据库140可对应于识别针对其推荐155被生成并传送的特定环境中的不动产清单(例如，正在出售的不动产资产)的一个或多个数据库。通过举例，资产池数据库140可对应于保持在线拍卖论坛、在线资产清单服务的记录或者此类服务的广告库存的实时数据库。从系统100得到的推荐155可识别用户群体中的个体用户的资产池数据库140的资产。推荐155的效应是更多活动可从例如利用资产池数据库140的在线拍卖或市场生成。

在一个实例中，在用于诸如不动产清单的不可替代资产的在线拍卖论坛的上下文中提供系统100。在这种情况下，资产池数据库140可指将在即将到来的时间范围中被拍卖的那些资产或者可替代地指当前正被拍卖的那些资产。在变型中，可在在线不动产清单的上下文中提供资产数据库140，所述在线不动产清单可任选地线下或通过可替代交易论坛交易(例如，通过网络交易)。针对在资产池中识别的资产的用户生成的推荐155可因此用作例如用于促进例如不动产(或其他不可替代资产)的具体拍卖或在线交易的市场机构。

在一个实施方式中，用户资产匹配部件130获得个体用户对不动产资产的兴趣特征121，并且随后将所识别兴趣特征121引用到资产池140的资产特征141。兴趣特征121可识别用户对其具有强烈亲和力或抵触(例如，用户可能想要仅一个社区中的房子或者避开公寓)的不可替代资产的特征或属性。在一个实施方式中，用户资产匹配部件130扫描资产池数据库140的记录以便确定可用资产的资产特征141，所述资产特征141可随后用于基于个体用户的兴趣特征121将资产匹配到用户。通过举例，兴趣特征121和不动产资产的资产特征141可对应于不动产资产的地理位置、不动产资产的具体社区、财产类型、财产户型、包裹尺寸、支付的地契类型、入住状态和/或资助可用性。

在另一实施方式中，用户资产匹配部件130使用确定用于个体用户的兴趣模型115来定量地确定资产池数据库140中的是(i)用户的最佳匹配和/或(ii)满意匹配的那些资产，这可对应于产生超过限定阈值的足够“匹配值”的定量比较。在执行这种匹配时，用户资产匹配部件130可基于个体资产的特征或属性针对资产确定评分模型。例如，用户资产匹配部件130可实施模型确定部件1至14的另一实例以便扫描资产池数据库140并且生成数值模型，所述数值模型基于资产类型的预限定特征对资产池数据库140中的每一个资产评分。评分模型可使用相同或类似参数定义和归一化的值定量地表示个体资产。例如，房子的特征或属性可表示为资产或子资产类型的预限定参数的归一化值(在“0”与“1”之间)。资产池数据库140中的个体资产的数值模型表示可随后为与表示个体用户的兴趣简档的兴趣模型115的比较提供基础。

用户资产匹配部件130的输出可包括例如使特定用户感兴趣的用户可用资产具体清单。在一个实施方式中，推荐155可从用户资产具体清单131生成，所述用户资产具体清单131可针对特定用户确定并存储于资产匹配存储区144中。在一个实施方式中，输出部件154可基于用户的资产清单131针对个体用户生成一个或多个推荐155。例如，用户资产匹配部件130可确定使特定用户感兴趣的一组X(例如，5)个资产，并且那个资产清单可存储在资产匹配存储区144中。在变型中，输出部件154可基于用户的兴趣模型115与资产池数据库140的个体资产的数值模型125的实时比较生成推荐155。推荐155例如可以是电子邮件、通知或网页的显示内容(例如，潜在拍卖用户的仪表板)的形式。

在一些变型中，优化部件150可处理不同用户的资产清单131以便基于各种标准优化资产数据库池140的所识别资产的分布。资产匹配存储区144可使个体用户的资产清单131排队以用于随后的优化和输出。在一个实施方式中，优化部件150可针对下列各项中的一个或多个优化资产数据库池的资产的推荐的分布：(i)一组个体(例如，两个或更多个)，(ii)群体的组合，和/或(iii)用户群。执行的优化可基于一个或多个标准151，所述标准151包括例如：时序(例如，在持续时间段内分布推荐以便使来自个体、个体组或用户群的兴趣最大化)，收入(例如，使来自资产池140中的不动产资产的销售的总收入最大化)，和/或销售数量(例如，使资产池140中的资产的销售数量最大化)。

在一个实施方式中，优化部件150可根据预定优化方案修改或更改具体用户的资产清单131。例如，不同用户的资产清单131可被过滤使得一些资产从用户清单移除。通过举例，优化部件150可以诸如被推荐的资产数量的全局参数优化，意味着优化部件操作来最大化在给定时段中被推荐给所有用户的资产数量中的分布幅度。这种优化流程解决了图1的实例认识到的问题，即：如果一组通用不动产资产出现在用户的多个资产清单131上，那么那些用户中仅一些可最终接收那个特定不动产资产的推荐，因为将一个资产推荐给太多用户会使最大化销售(或收入)适得其反。在其他技术效应中，优化部件150生成推荐155，所述推荐155反过来给所推荐资产的另外交易带来兴趣和活动。推荐155的优化分布可意味着推荐蔓延通过资产池数据库140，使得与例如从推荐资产之间的相似性比较得到的推荐相比，造成更少的重叠或过度推荐。结果是系统100接收影响资产池数据库140中的更多记录的更多活动，导致针对用户群访问并利用资产池数据库140中更大数量的记录。

作为可替代方案或变型，优先权可分配给用户资产清单131中的个体资产。优先权可基于优化标准151或其他目标(例如，销售特定资产)。个体资产清单131中的项目的优先化可影响推荐的时序，或者替代地，提供何时最终向那些用户进行推荐的前提条件。例如，当一个用户的资产清单中的给定资产的优先权被去优先化时，可仅在当向特定用户进行低优先权推荐的时间到来时资产仍然可用的情况下向那个用户推荐那个资产。

如图1所示，系统100可操作来确定可使个体用户感兴趣的不可替代资产(例如，不动产资产)的推荐155。推荐155给系统100和资产池数据库140带来兴趣和活动，所述资产池数据库140可实施为例如在线拍卖或清单服务的一部分。作为推荐155的结果，生成更多活动，导致更加使用并访问资产池数据库140。另外，一些变型提供关于不动产资产的推荐155针对一个或多个标准优化，诸如整体销售数量或收入。推荐155的优化结合推荐155的兴趣模型确定的使用可导致来自资产池数据库140的更大数量的资产接收建议155。通过举例：

让A1(特征11、特征12...特征1n)、A2(特征21、特征22...特征2n)...Am(特征m1、特征m2...特征mn)识别针对用户A推荐的A1、A2和Am，并且特征(1、m)(1、n)是资产的常用特征组的归一化值。

让B1(特征11、特征12...特征1n)、B2(特征21、特征22...特征2n)...Bm(特征m1、特征m2...特征mn)识别针对用户B推荐的B1、B2和Bm，并且特征(1、m)(1、n)是资产的常用特征组的归一化值。

根据基于常规资产相似性的推荐系统，针对用户A(A1、A2...An)的所推荐资产将彼此相似。例如，欧几里德距离测量可用于使个体资产A1、A2和An的特征向量表示最小化，使得每一个资产(A1、A2...An)将尽可能相似。基于资产相似性的方法固有地使针对用户的推荐聚集，因为对用户来说常见的是喜欢相同资产中的至少一些，意味着一些资产使不成比例的大数量的用户感兴趣。换句话说，对不可替代资产的库存来说常见的是包括许多用户特别喜欢的一些资产，意味着当基于常规相似性的推荐系统实施时，整体库存中的一小组可容易接收不成比例数量的推荐(例如，过度推荐的资产)。

类似地，根据基于常规用户相似性的推荐系统，针对用户A的所推荐资产将基于由用户B进行的选择被选择。用户A的资产(A1、A2...An)中的至少一些将随后与用户B的资产(B1、B2...Bn)相似，意味着A和B的资产中的一些将重叠。这种推荐系统可容易导致资产池数据库140的资产被过度推荐。由于具体地不可替代资产，对来自池的某些资产来说常见的是由不成比例数量的用户喜欢，在这种情况下一小组资产将作为整体被过度推荐给群体。

与此类常规方法对比，诸如图1描述的基于兴趣的推荐系统(和本文提供的其他实例)将基于已观察用户对其感兴趣的多个资产的特征识别资产(A1、A2...An)。给定宽范围的特征和属性以及足够的观察，用户A的资产(A1、A2...An)将不被选择来使不相似性或距离最小化。相反，用户A的资产被选择为与已知使用户感兴趣的特征或属性的最佳匹配或满意匹配。因此，基于兴趣的推荐系统可识别用于推荐的更多样范围的资产，特别是由于用户理解和不理解的阈值可被量化和度量。因此，虽然图1的实例的基于兴趣的推荐系统100可识别被确定为使用户最感兴趣的资产，但基于兴趣的推荐系统100还可识别具有足够兴趣的那些资产，因此可给个体用户提供不同程度(例如，最感兴趣或足够感兴趣)的推荐。

在其他技术效应中，对推荐的兴趣程度的变化推动并促进用于按推荐分布资产池数据库140的资产的优化流程。例如，推荐部件150可实施优化程序，所述优化程序促进不相似且多样化的资产组针对个体用户的推荐被选择，只要所推荐资产满足成为满意的阈值标准。另外，推荐155的主题的资产可针对组或群体优化标准优化，诸如使从资产池数据库140向用户推荐的资产的总数量最大化的优化标准。这种方法可增加资产池数据库140的产量和效率，导致从用户群接收或不接收活动的更少的资产记录。

方法

图2A示出用于通过定量地确定用户对相关类型的资产的兴趣来从资产池数据库推荐资产的示例性方法。图2B示出用于基于用户兴趣确定向用户推荐不可替代资产的示例性方法。图3示出用于优化向一组用户推荐不可替代资产的示例性方法。诸如由图2A、图2B或图3描述的示例性方法可使用例如关于图1的实施方案描述的部件实施。因此，参考图1的元件是为了示出用于执行描述的步骤或子步骤的合适元件或部件的目的。

参考图2A，系统100确定给定库存(例如，资产池数据库140)的资产类型的一组特征(210)。资产类型可以是任何不可替代项目，包括不动产资产(212)(如由多个实例描述的)或诸如收藏品的其他资产(214)。所述一组的特征可以表示以实现量化资产类型的重要表示或材料特征(例如像，影响资产类型的期望度或值)的方式对资产类型建模的预先定义。所述一组的特征可以与预限定数值范围以及基于模式或规则的映射逻辑相关联以便使每一个特征的所确定值归一化(216)。

对于不动产资产类型，所述一组的特征可以包括例如：财产类型、户型、占地面积、卧室数量、浴室数量和/或其他特征的存在(例如，连接的车库、改型、游泳池、房主协会和费用的存在等)。不动产资产类型的特征的其他实例可包括：资产位于其中的地理(例如，州和镇或城市)、资产的社区(例如，学区或指定开发)，和/或其他预限定度量(例如，接近期望位置、公众交通的存在或类型等)。

在一个实施方式中，确定资产池数据库的个体资产的数值模型(220)。可根据资产池数据库140中的每一个资产的特征确定数值模型，其中信息已知或提供给识别每一个资产特征的值(222)。在一些实施方式中，可实施归一化模式或映射逻辑以便使根据资产池数据库140的个体资产确定的资产的值归一化。如更详细描述的，值的归一化可量化并构造可用资产的个体特征以便实现比较并匹配限定个体用户的兴趣水平和偏好的兴趣模型。通过举例，可使值归一化到预限定范围，诸如从0到1。

关于(210)-(222)描述的步骤和子步骤例示出用于实施诸如用图1的实例描述的基于兴趣的推荐系统的设置阶段。因为库存(例如资产池数据库140的资产)是动态且变化的，设置阶段可重复和/或周期地更新。例如，可以每夜基础或者替代地更频繁地(例如，每小时)执行给定资产池数据库140的设置阶段。因此，在一些实施方式中，设置阶段是发生在推荐之前的独立流程或者针对用户生成。然而，在一些变型中，推荐系统100可包括智能以便识别针对其推荐可能有效或合乎期望的资产的选择部分。例如，可以实施推荐系统100来基于例如选择用户(例如，先前已查看或购买所推荐资产的用户)的合乎期望特点为此类用户提供新鲜库存数据。对于用户群的选择部分，一些变型提供当例如将基于那些用户的简档信息生成推荐时，可实时计算资产的数值模型。

独立于设置阶段，推荐系统100可操作来基于其用户基础确定个体用户的兴趣模型。根据一些实施方案，通过以编程方式监视或观察用户活动并且具体地与为资产池数据库140的资产类型(例如，不动产资产)的资产相关的活动开发用户的兴趣模型(230)。通过实例，用户简档器110的监视器102、104、106可操作来识别为用户活动的主题的一个或多个资产(例如，用户查看或投标的清单、用户参观的公众场所等)(232)。如关于其他实例描述的，此类活动可包括在线活动(234)，诸如在拍卖站点或清单站点上执行的用户拍卖；以及线下活动(例如，通过GPS跟踪用户到达公众场所)(236)。针对每一个用户根据其各自活动识别的资产可被称为用户的兴趣模型从其确定的感兴趣的资产。

在一些实施方式中，可用于确定并改进用户的兴趣模型的其他在线活动包括用户对在先前时刻处从基于用户的兴趣的模型生成的推荐的反应。例如，为了开发用户的兴趣模型的目的，可检测并使用用户与推荐或一组推荐的交互。

针对每一个用户，分析感兴趣的资产以便确定特征的值，如针对资产类型限定的(240)。可使用提供为识别资产的用户活动的部分的信息(242)以及根据从独立或第三方资源获得的信息(244)分析兴趣资产。例如，可根据用户浏览在线清单识别感兴趣的不动产资产，并且给在线清单提供的信息可包括街道地址、户型、占地面积以及其他信息。然而，诸如地契类型或浴室数量的一些信息可需要从另一资源获得，诸如从政府资源(例如，镇财产记录)或其他网站(例如，显示房子的先前销售、示出浴室数量等)获得。因此，监视器102、104、106中的一个或多个可包括流程来访问其他信息源(例如，到政府网站服务的编程式接口)以便完成使用户感兴趣的个体资产的一些特征的值的确定。

针对每一个用户，可使用使那个用户感兴趣的资产的特征的值确定兴趣模型(250)。还可使用例如基于模式或规则的映射逻辑使兴趣模型的值归一化(252)。通过举例，可使兴趣模型的值归一化到预限定范围内，诸如0与1之间。在一些变型中，可加权一些特征的值。确定何时以及兴趣模型的哪些特征将被加权可基于一个或多个因素。例如，用户专用的权重可基于关于用户已知的信息应用，诸如用户对交易(或试图交易)具有某些特征的资产的倾向。例如，用户可因购买公寓而为人所知，但具有为享受而查看大房子的倾向。在此类情况下，关于用户已知的信息(例如，用户可实际上购买公寓)可导致财产类型的特征针对公寓而不是大型房子被加权。作为另一实例，确定将加权哪些参数可基于与用户的兴趣模型关联的资产的方面或特征(256)，诸如资产类型或子资产类型(例如，不动产资产的类型)。再进一步，在一些变型中，可基于一些特征的值针对一些兴趣模型触发权重。例如，如果用户对3-5个卧室的房子感兴趣，那么户型的特征可针对那个用户的兴趣模型被加权，使得卧室数量不如户型对确定兴趣关键。

再进一步，基于兴趣的简档的值(或其权重)可受到用户与先前根据推荐系统150推荐给用户的资产的交互的影响。例如，推荐系统100可以生成一组推荐资产，针对其用户可选择仅对子集采取行动。用户采取行动的那些推荐资产可针对可被加权重的特征分析。相反地，被推荐给用户但未被采取行动的资产可针对被减权重的特征分析。例如，如果用户不采取行动的推荐资产包括不被用户采取行动的推荐资产享用的特定特征，那么可得出推论：特定特征(或其值)应针对用户被减权重。

针对每一个用户，将用户的兴趣模型与资产池数据库140中的资产的数值模型进行比较(260)。可使用所述比较来识别最佳匹配(262)(具有最接近用户的兴趣模型的特征值的那些资产)和满意匹配(264)(具有满足预定阈值的特征值的那些资产)。

针对每一个用户，可从使用用户的兴趣模型对资产池数据库140执行的比较生成一组推荐(270)。所述一组推荐可以包括包括最佳匹配(272)和/或满意匹配(274)的推荐。

在一些变型中，可使用优化流程来选择为个体用户推荐哪些资产(275)。在诸如关于图1的实例描述的一些实例中，确定是否包括最佳匹配或满意匹配的推荐可部分地基于优化流程，所述优化流程基于组或全局优化参数优化资产池数据库140的资产推荐分布。优化参数可包括例如：(i)使在给定时间段中推荐给用户的资产池数据库140的资产数量最大化，(ii)使在给定时间段中推荐给用户群的资产的总值最大化，和/或(iii)使被推荐的资产的数量或被推荐的资产的总值最大化，但这仅针对可能对推荐有所响应的选择用户。

一旦推荐生成，推荐就可以一种或多种介质传送给用户。通过举例，推荐可作为下列各项传达：网页内容(275)，通知或消息(例如，嵌入在电子邮件新闻稿中)(277)，通过广告频道或其他机构(例如像，个性化直接或电子新闻稿)递送的广告(279)。

参考图2B，确定对不动产资产的用户偏好(280)，所述不动产资产是不可替代资产的实例。具体地，结合包括为了销售或交易的不动产资产的不动产清单确定用户偏好。如关于图1的实例描述的，可使用编程式监视器和/或接口来获得指示用户对不动产资产的兴趣的简档信息111。例如，可根据用户的在线活动，具体地关于诸如拍卖论坛的在线市场确定简档信息111(282)。在线活动可对应于例如用户的投标活动、过去购买、拍卖注册等。

作为另一实例，可根据用户例如在网络或在线环境中执行的搜索活动确定简档信息111(284)。例如，以cookie或其他编程式部件形式的监视器可检测用户何时针对不动产清单服务或网站执行在线搜索。再进一步，可根据结合新闻稿的用户活动确定简档信息111，所述新闻稿诸如通过定位不动产资产清单的链接识别不动产资产(286)。例如，新闻稿可包括针对个体用户被电邮或以其他方式公布的链接。可检测并制表用户关于链接的选择或其他活动。作为再另一变型，可根据下列各项确定用户简档：(i)他们已经拥有的资产，和/或(ii)用户关于他们的兴趣提供的输入。在一些变型中，可从第三方资源获得用户简档信息，诸如监视就查看清单或询问清单而言的用户活动的在线不动产公司。

一旦确定个体用户的偏好，就将用户与来自资产池的一个或多个资产匹配(290)。用户与资产池的匹配可基于用户关于不动产资产的具体或预定特征对比那些特征在资产池140的个体资产中的存在的偏好。例如，用户对特定财产类型、地理位置、包裹尺寸以及卧室数量的偏好可用作识别匹配资产的标准。

在变型中，可确定用户的兴趣模型115作为用户偏好的那些特征的量化表示。可将兴趣模型115与资产池数据库140中的个体资产的量化表示进行比较以便识别匹配资产。

可实施选择流程来基于被认为匹配用户的偏好的那些资产为用户选择推荐(296)。

参考图3，分析各种信息源以便确定关于用户对不动产资产的兴趣的用户简档(302)。在一个实施方式中，根据关于不动产资产购买活动(例如，在线拍卖购买、投标活动等)、对不动产资产的在线搜索)和/或评审电子公布物(例如，与不动产清单的链接交互)的用户活动确定用户简档。还可根据包括在系统100的外部的资源的外部资源确定用户简档。例如，可分析用户的现存不动产(例如，他们的房子)以便确定简档信息，诸如偏好的地理位置或绘图类型。同样，还可识别与确定用户对不动产的兴趣相关的人口统计信息(例如，收入水平)。

确定用户简档包括确定每一个用户感兴趣的地理位置(310)。在一个实施方式中，通过用户活动(例如，在线拍卖投标、先前购买、在线搜索、查看电子公布物等)被识别为感兴趣的不动产资产以地理位置分类。地理位置可识别一般区域(例如，邮政编码、城市、镇)和更具体的粒度(例如，社区、具体块)。在一个实施方式中，聚集使用户感兴趣的不动产资产的地理位置以便识别那个用户感兴趣的一个或多个地理区。例如，可基于下列各项针对用户识别感兴趣的地理区：(i)每一个聚集的地理位置的空间中心的识别，和(ii)距计算的中心的指定半径。以此方式，可基于已使每一个用户感兴趣的不动产资产的地理聚集针对那个用户确定感兴趣的地理区域。

可处理被确定为使个体用户感兴趣的不动产以便识别使每一个用户感兴趣的特征(320)。感兴趣的不动产可根据用户简档确定，包括根据用户当前拥有什么、用户已通过在线形式购买了什么，和/或用户通过在线活动(例如，在线投标、在线搜索、产看电子出版物等)对什么感兴趣。例如，用户简档器110可获得用于确定使每一个用户感兴趣的特征的简档信息111。

在一个实施方式中，确定表示使用户感兴趣的不动产资产的特征的参数值并且将其用作确定个体用户的兴趣模型的基础(330)。每一个用户的兴趣模型可对应于例如与使给定用户感兴趣的不动产资产的特征关联的值的多维表示。参数值可表示不动产资产的各种特征，包括：财产类型(例如，单身家庭房子、套房)、价格范围、卧室数量、浴室数量、户型、包裹尺寸、提供用于交易的地契类型(例如，快速索赔)、入住状态，和/或资助是否可用。

在一个实施方式中，可通过一个或多个归一化流程量化特征(332)。例如，一些特征可通过二进制数来量化(例如，入住率可被表征为“0”和“1”)。诸如卧室或浴室数量的其他特征可被量化为整数(例如，“2”、“3”或“4”)。价格范围、包裹尺寸和/或占地面积可被归一化到一些范围(例如像，在“0”与“1”之间)。同样，数值可分配给地契类型(例如，在“0”与“1”之间)。

作为附加或变化，还可加权表示感兴趣的不动产资产的特征的参数值。加权可反映例如用户对特定特征的兴趣。可替代地，加权可反映基于关于用户群获取的信息的默认设置。通过举例，如果用户在在线拍卖论坛中的投标活动一致反映用户对特定住宅类型(例如，三个卧室、两个浴室)的兴趣，那么用户简档器110可提供这些特征的参数值被加权以便对特定用户更重要。同样，一些参数值可被负加权以便反映与其他参数相比用户通常不关心特定参数(例如，入住状态)，除非他们的各自活动(例如，如由用户简档器110确定的)指示对那个参数的兴趣。

可使用每一个用户的兴趣模型来从可用资产池中选择可能使那个用户感兴趣的不动产资产(340)。在一个实施方式中，资产池中的个体资产由量化不动产资产的特征的数值模型通过使用与在确定各个用户的兴趣模型中使用的相同或相似的数值转换和归一化规则来表示。针对每一个用户，可确定那个用户的兴趣模型与可用资产池中每一个资产的数值表示之间的距离测量(342)。被认为是使是每一个用户感兴趣的资产可包括，例如，X(例如，5)个最相似资产(例如，最近距离测量)，或基于所计算距离测量满足一些接近度的预定阈值的所有资产。

根据一些实施方案，为了针对用户群上下文中的不动产清单生成推荐的目的，优化确定来可能使每一个用户感兴趣的资产(350)。参考图1，例如，优化部件可对用户/资产清单131(例如，推荐清单)执行优化。以此方式，可在为用户群而不是个体用户生成推荐的上下文中实施优化流程。

在一个实施方式中，优化部件150使个体用户的推荐清单(例如，用户/资产清单131)排队(352)。排队流程可进一步基于递送时序优化推荐，使得财产清单的推荐在持续时间的过程内而不是同时递送到各个用户。以此方式，可在不同时间为不同用户推荐给定财产清单，从而在给定持续时间内使财产清单的兴趣水平交错。同样，个体用户可在时间段内接收推荐，以便延长用户的兴趣和调查和/或尝试购买不动产资产的能力。财产清单的推荐的排队还可允许另外的优化流程，诸如如以下描述的财产清单和/或用户的排名和分类。

作为附加或可替代方案，可对推荐系统的用户排名，使得基于用户的排名存储推荐的财产清单(例如，用户/资产清单131)(354)。例如，优化部件150可基于诸如个体用户将通过相关联在线论坛(例如，不动产拍卖会)购买不动产清单的可能性的因素，或者可替代地基于被认为是更可能为给定在线市场(例如，不动产拍卖会)中的不动产清单提供更高交易价格的那些用户的确定来对用户排名。当给定不动产资产在多个用户的推荐清单上时，推荐部件150可使用用户的排名或分类来确定哪些用户将实际接收不动产清单的推荐，所述确定基于诸如不动产清单的值的因素或者接收推荐的个人将购买不动产清单或者对其投标(例如，在拍卖论坛中)的可能性。因此，当用户被排名时，实际推荐给用户的不动产资产可形成出现在个体用户的推荐清单(例如，用户/资产清单131)上的不动产资产的子集。

作为另一附加或可替代方案，优化部件150可识别出现在一个或多个用户的推荐清单中并且为异常值的那些不动产资产(356)。异常值可指具有可能交易结果的那些不动产资产。具体地，被识别为异常值的不动产资产可包括极不可能出售的那些不动产资产个/或极有可能出售的那些不动产资产，而不管财产是促进还是推荐的。例如，如果不动产资产的拍卖会包括被认为太高的最低价，那么财产可被认为是极不可能出售。同样，如果不动产资产以低的最低价交付拍卖，那么可做出不动产资产将很可能在拍卖论坛中出售的确定。因此，例如，优化部件150可分析拍卖论坛中的出现在一个或多个用户的推荐清单中的不动产清单(例如，来自资产池数据库140)的最低价。

再进一步，优化部件150可基于用作诸如盈利能力、收入等的全局目的的优化标准优化从针对用户确定的各个推荐清单推荐给同一用户的不动产资产。选择的优化标准可因此基于使资产池中的不动产清单的总销售或产量(358)和/或可从资产池中的资产生成的总收入(360)最大化的考虑限制或控制实际向用户推荐什么不动产资产。

图4是如由本文描述的实例提供的用于不动产资产的一组推荐的实例。在图4的实例中，推荐表示400包括多个清单410，其中每一个清单410识别被认为是使用户感兴趣的不动产资产。如关于图1-3的实例描述的，清单410可被生成来专用于用户，这基于从观察一种或多种类型的用户活动确定的兴趣模型。在其他益处和特征中，包括不同用户的推荐表示400的清单410可变化并且专用于用户。此外，推荐表示400可显示清单410，所述清单410仅包括资产数据库池140(见，例如图1)中总数量的清单的被认为是使用户感兴趣的子集。

此外，一个或多个清单410可对应于使用户感兴趣但不必为资产数据库池100的最佳(或最感兴趣)可用资产的不动产资产。相反，一个或多个清单410可满足用户的兴趣水平的阈值，使得可分布来自资产池数据库140的更大数量的资产(例如，通过推荐)。因此，例如，推荐表示400可包括被认为是使用户最感兴趣的清单410以及不那么感兴趣(但满意)的一个或多个清单410。

推荐表示400可提供在多种介质、格式和计算环境中。在一个实施方式中，在例如用户搜索查询资产池数据库(或其他数据库)的资产生成空集时，推荐表示400显示为搜索结果。作为可替代变型，推荐表示400可以部分或整体显示为广告内容，或资产池数据库140在其上可用于交易的网站的部分。

虽然图4的实例将推荐表示400示出为基于网页的内容，但在变型中，推荐给用户的清单410可通过例如推送基础通知(例如，基于文本的电子邮件或短信通知)提供为文本。再进一步，作为另一实例，推荐清单410可转录成音频内容和/或与音频视频内容混合并且作为音频和/或视觉内容显示给用户(例如，在互联网视频剪辑上放置广告)。

计算机系统

图5是示出计算机系统的方块图，本文描述的实施方案可在所述计算机系统上实施。例如，在图1的上下文中，系统100可使用诸如图5描述的一个或多个服务器实施。同样，诸如关于图2或图3描述的方法可使用例如诸如关于图5描述的计算机系统实施。

在一个实施方案中，计算机系统500包括处理器504、存储器506(包括非暂态存储器)、存储装置510，以及通信接口518。计算机系统500包括用于处理信息的至少一个处理器504。计算机系统500还包括用于存储将由处理器504执行的信息和指令的主存储器506，诸如随机存取存储器(RAM)或其他动态存储装置。存储器506还可用于在执行将由处理器504执行的指令期间，存储临时变量或其他中间信息。存储器506还可包括只读存储器(ROM)或用于存储用于处理器504的静态信息和指令的其他静态存储装置。提供存储装置510，诸如磁盘或光盘，以用于存储信息和指令。通信接口518可使计算机系统500能够通过使用网络链路520和一些已知传送协议(例如，超文本传送协议(HTTP))中的任何一个与一个或多个网络通信。网络的实例包括局域网(LAN)、广域网(WAN)、互联网、移动电话网。普通老式电话服务(POTS)网络和无线数据网络(例如，WiFi和WiMax网络)。

设想本文描述的实例延伸到本文描述的单独元件和概念，独立于其他概念、想法或系统以及包括在本申请中任何地方列举的元件的组合的实例。虽然实例在本文中参考附图详细地描述，但应当理解，实例并不限于这些具体描述和图示。这样，许多修改和变化将对从业者是显而易见的。因此，可设想，所描述的单独或作为实例部分的特定特征可与其他单独描述的特征或其他实例的部分组合，即使其他特征和实例没有提到特定特征亦是如此。