过户合同合集12篇

时间：2022-05-30 07:42:32

过户合同

过户合同篇1

出卖人（以下简称甲方）：____________________

买受人（以下简称乙方）：____________________

第一条目的

依据有关法律、法规，甲、乙双方在自愿、平等和协商一致的基础上，就甲方拥有的二手车过户给乙方的相关事宜，签订本合同。

第二条当事人及过户车辆情况

（一）甲方基本情况：

身份证号码____________________

现居住地址____________________

邮政编码 ____________________联系电话____________________

（二）乙方基本情况：车辆情况

（一）甲方基本情况：

身份证号码____________________

现居住地址____________________

邮政编码 ____________________联系电话____________________

（三）要过户的二手车的基本情况：

车辆牌号_____________车辆类型_____________

厂牌、型号 _____________颜色_____________

初次登记日期_____________登记证号_____________

发动机号码_____________车架号码_____________

行使里程_____________km 使用年限至______年______月______日

车辆年检签证有效期至______年______月______排放标准

车辆购置税完税证明证号______（征税、免税）。

车船使用税纳税记录卡缴付截止期 ______

车辆养路费交讫截止期______年______月（证号______）

车辆保险险种______

保险有效期截止日期 ______年______月______日

配置______

其它情况______

第三条车辆价款、过户手续费

本车价款为人民币 ______元（大写______元），其中包含车辆、备胎以及______等款项。

过户手续费约为人民币______元（大写______元），由______承担（以实际发生费用为准支付）。

第四条定金和价款的支付、过户手续、车辆交付

（一）乙方应于本合同签订时，按车价款______%（≤20%）人民币______元（大写 ______元）作为定金支付给甲方。

（二）车辆在过户、转籍手续完成前，选择以下第（）项方式使用和保管：

1．继续由甲方使用和保管。

2．交由乙方使用和保管。

（三）方应于本合同签订后______日内，将本车办理过户/转籍所需的有关证件原件及复印件交付给______方（做好签收手续），由______方负责办理手续；______方为二手车经销企业时，由______方负责办理（过户/转籍）手续。

（四）自过户、转籍手续完成之日起______日内，乙方应向甲方支付车价款人民______元（大写______元），同时______方付清过户手续费。支付方式：（现金/转帐）。

（五）如由甲方办理过户、转籍手续的，应于收到全部车价款之日起______日内将有关证件交给乙方；如车辆由甲方使用和保管的应于收到全部车价款之日起______日内将车辆交给乙方（交付地点 ______）。

（六）______________________________

第五条双方的权利义务

（一）甲方承诺出卖车辆不存在任何权属上的法律问题和尚未处理完毕的道路交通安全违法行为或者交通事故；应提供车辆的使用、维修、事故、检验以及是否办理抵押登记、海关监管、交纳税费期限、使用期限等真实情况和信息。

（二）甲方属二手车经销企业的，还应向乙方提供质量保证及售后服务承诺。

（三）对转出本市的车辆，乙方应了解、确认买受车辆能在转入所在地办理转入手续。

（四）双方应在约定的时间内提供各类证明、证件并确保真实有效。

（五） ______________________________

第六条违约责任

（一）违反本合同第四条第3款，致使车辆不能过户、转籍，合同无法继续履行的，本合同解除。甲方违约的，甲方向乙方双倍返还定金并赔偿乙方相应损失；乙方违约的，则乙方无权要求返回定金并赔偿甲方相应损失。

（二）违反本合同第四条第4款，乙方未按合同约定支付的，应按延期天数向甲方支付违约金每天人民币______元。

（三）违反本合同第四条第5款，甲方延期交付过户、转籍的有关证件或车辆的，应按延期天数向乙方支付违约金每天人民币______元。

（四）违反本合同第五条第1款，乙方有权解除本合同，甲方应无条件接受退回的车辆并退回乙方全部车款，双倍返还定金并赔偿乙方相应损失。

（五）违反本合同第五条第2款，甲方应向乙方支付车辆价款的______ %（人民币______元）的违约金，并继续提供质量保证及售后服务承诺。

（六）违反本合同第五条第3款，致使车辆不能在转入所在地办理转入手续的，本合同解除，乙方无权要求返还定金，并赔偿甲方相应经济损失。

（七）违反本合同第五条第4款，致使出让车辆不能过户、转籍的，守约方有权解除本合同，违约方应支付人民币______元给守约方，守约方另有损失的，由违约方赔偿损失。

（八）________________________

第七条风险承担

本合同签订后，车辆在过户、转籍手续完成并实际交付前：

（一）甲方使用和保管的，由甲方承担风险责任。

（二）乙方使用和保管的，由乙方承担风险责任。

第八条争议解决方式

因本合同发生的争议，由双方协商解决，或向有关行业组织及消费者权益保护委员会申请调解。

当事人不愿协商、调解，或协商、调解不成的，按下列第______种方式解决：

（一）向上海仲裁委员会申请仲裁；

（二）向人民法院起诉。

第九条其它

（一）本合同未约定的事项，按照《民法典》、《二手车流通管理办法》以及有关的法律、法规和规章执行。

（二）双方因履行本合同而签署的补充协议及提供的其它书面文件，均为本合同不可分割的一部分，具有同等法律效力。

（三）本合同经双方当事人签字或盖章后生效。本合同一式三份，由甲方、乙方和二手车交易市场各执一份，具有同等法律效力。

（四）____________________________________

甲方（签章）：__________________

过户合同篇2

法院驳回江某的诉讼请求的原因就是双方的争议焦点，合同是否成立并有效？

合同的成立，是指当事人经由要约、承诺，就合同的主要条款达成合意，即双方当事人意思表示一致而建立了合同关系，表明了合同订立过程的完结。合同生效是指合同成立后在法律上得到肯定性评价，产生了当事人意定的法律效力。但这种法律效力并不是指合同能够像法律那样产生约束力，而是指符合法定生效要件的合同，便可以受到法律的保护，并能够产生合同当事人所预期的法律后果。如果一方当事人不履行合同义务，另一方当事人则可以依靠国家强制力强制当事人履行合同并承担违约责任。合同的一般生效要件包括：①主体适格，行为人具有相应的民事行为能力；②意思表示真实；③不违反法律和社会公共利益。某些特殊合同，须办理特殊手续，如批准、登记等。合同生效以合同成立为提前，合同不成立就无所谓生效。

过户合同篇3

裁判：

法院审理认为，被告签订的赠与协议系双方的真实意思表示，赠与房屋虽未过户，但事实上一直由原告与其中的被告吕某居住，应视为已经交付，赠与合同合法有效，被告应当办理该房过户手续。法院据此判决被告申某、吕某于判决生效之日起十五日内协助原告办理赠与房屋的产权过户手续。

评析：

本案是一起因赠与房屋未办理产权变更登记而引发的赠与合同纠纷。所谓赠与合同是指赠与人将自己的财产无偿给予受赠人，受赠人表示接受赠与的合同。赠与合同是一种诺成性合同，当事人一方的意思表示一旦经对方同意即能产生法律效果，即通常所说的“一诺即成”。当然，合同成立并不意味着合同生效，赠与合同的生效还需要满足法定要件。根据赠与对象的不同，赠与可以分为动产赠与与不动产赠与，动产赠与以赠与物交付为要件，而不动产赠与，因为法律对其产权转移有特别规定而与前者有所区别。如本案中涉及的房屋赠与，根据法律规定，房屋产权转移以登记过户为要件，相对应，对房产赠与合同，一般情况下也应以产权登记的办理为其生效要件。诉讼中，被告正是以此为由提出抗辩。

过户合同篇4

房产证是证明房主对房屋享有所有权的唯一凭证,没有房产证对买房人来说是有极大风险的。房主可能将房产证进行抵押或转卖,即使现在没有将来办理取得后,房主还可以抵押和转卖。所以最好选择有房产证的房屋进行交易。有些房屋共有权共有好多个,如有继承人共有的、有家庭共有的、还有夫妻共有的,对此买房人应当和全部共有人签订房屋买卖合同。如果只是部分共有人擅自处分共有财产,买房人与其签订的买卖合同未在其他共有人同意的情况下一般是无效的。

因此“信一天”市场人士认为;最有效的方法就是委托信誉好、专业强的房地产经纪公司承担担保责任,来验证买卖双方的真实身份、确认房屋产权无纠纷。

2.签订二手房买卖合同注意事项二:

明确成交价格和税费责任

在签定合同中一定要注明正式的成交价格,还有交易的时间,交易税费,还有税费到底由买卖双方的哪一方负责。

从现行税收政策来看,房产买卖过程中归房主交纳的税费为:营业税,个人所得税,印花税;归客户交纳的税费为:契税,土地出让金,印花税(与房主各交一半)。

3.签订二手房买卖合同注意事项三:

明确买卖双方的责任

签定此条款时十分重要,如果有一方出现违约责任,应拥有怎样的权利,在签定合同时双方利益上得到怎样的补偿都要约定清楚,违约金的数量以及交付时间应写得毫无异议。

4.签订二手房买卖合同注意事项四:

明确付款方式和时间

双方应该在合同中明确付款方式和时间。如首付款、尾款的支付比例、数量和时间,确保买方出现拖欠或减少阶段支付金额的情况时有据可依,较好地维护自身权益。因为在二手房买卖案例中存在客户以贷款方式购买二手房却因为批贷不成而导致交易失败的例子屡见不鲜,因此为了避免浪费无谓的时间,业主应尽早对客户是否能被批贷进行确认。

5.签订二手房买卖合同注意事项五:

过户时间要明确

过户时间要明确,买房人最在乎的莫过于什么时间房屋最终属于我,因此约定过户时间是合同中较重要的条款之一,买方需慎重和签订准确的时限。

过户合同篇5

居间合同过户时间写错可以双方协商处理。

【法律依据】

根据《中华人民共和国合同》第六十一条规定，合同生效后，当事人就质量、价款或者报酬、履行地点等内容没有约定或者约定不明确的，可以协议补充;不能达成补充协议的，按照合同有关条款或者交易习惯确定。

（来源：文章屋网）

过户合同篇6

[分歧]：对本案郭某与曾某签订的买卖房屋协议是否有效，合议庭存在以下分歧意见：

第一种意见认为：买卖城市和有房屋买卖双方须持房屋所有权证、身份证明、房屋买卖协议到房屋所在地房产管理机关办理房屋产权变更登记，郭某与曾某虽然房款两清，但未根据《城市房屋管理条例》第九条规定，办理房屋产权变更登记，该房屋买卖行为系无效的民事行为。为此，根据《中华人民共和国民法通则》第五十八条第五项、第七项及国务院《城市私有房屋管理条例》第九条之规定，郭某与曾某的房屋买卖协议无效。

第二种意见认为：郭某与曾某之间签订的房屋买卖协议，是双方的真实意识表示，且已实际履行，该房买卖协议是有效协议。依据《中华人民共和国民法通则》第五十五条最高人民法院《关于贯彻执行民事政策法律若干问题的意见》第五十六条之规定，郭某与曾某房屋买卖协议有效。郭某应提供有效证件协助曾某办理房屋产权变更登记。

过户合同篇7

案由房屋买卖合同纠纷

1997年4月30日，原告将其所有的房屋卖与被告，双方签订了房产交易协议书，约定：房价为38500元，有关交易一切费用均由买方承担，办理手续同时一次交付全部房款。1997年5月3日，原告收到被告给付的房款，并将房照交给被告从该房屋搬出，随后被告搬入该房屋，居住至今。但双方一直未办理房产过户手续。2001年5月，原告以其得知被告一直未办理法定过户手续后多次督促，但被告一直拖着未办为由，诉至法院，请求依法判决买卖房屋合同无效。

被告以自己已支付房款，原告已将房屋交付使用并已居住四年为由，请求判决买卖合同合法有效。

法院经审理认为：原、被告之间的房屋买卖合同是有效的。且已实际交付房照，被告已付给原告房款。房屋买卖合同生效后，被告应及时办理房屋过户手续，原告应当予以协助。原告要求判决房屋买卖关系无效之请求，因过户登记是已经生效合同一方当事人应当履行的义务，过户登记手续仅是房屋产权转移的必要条件，并不是买卖合同有效的要件，因此，原告之请求于法无据，不予支持。依照《中华人民共和国民法通则》第七十二条，《中华人民共和国合同法》第一百三十五条之规定，遂判决：原、被告之间的房屋买卖合同有效；争议房屋归被告所有。

（祖素华　车中秋）

点评

本案涉及的法律问题是：房屋买卖交易未办理产权过户登记是否有效；应由谁办理过户手续。

过户合同篇8

中图分类号：TP301.6

在个性化系统面世前，利用用户行为数据的许多应用已经在网络上非常流行，其中最经典的就是书籍资料，音乐电影等排行榜或推荐榜。在个性化推荐算法中，利用用户的行为进行分析是一个比较重要的方面，而平常学术界将其称为协同过滤算法。学术界对该算法进行了详细的研究，并提出了较多的方法，例如基于邻域的算法?[1]，隐语义模型?[2]，基于图的随机游走算法?[3]。其中，基于邻域的算法?得到最广泛应用，并且研究最多的算法，主要包括基于用户的协同过滤算法和基于项目的协同过滤算法。

1 基于邻域的算法

基于邻域的算法是推荐算法中最重要的算法之一，它在学术界及业界都得到了广泛的应用。该算法主要包括基于用户的协同过滤算法和基于项目的协同过滤算法。下面几节将对这两种算法进行基本的介绍，并对比他们的优缺点提出改进方案。

1.1 基于用户的协同过滤算法

基于用户的协同过滤算法?[4]包括下面几个步骤。

（1）数据的表示。在协同过滤推荐系统中，可以将输入数据表示为m×n的用户-项目评分矩阵R，其中m是用户数，n为项目数，rij是第i个用户对敌j个项目的评分。评分的值与项目的内容有关。

（2）找到与目标用户相似的用户的集合。本文通过余弦相似度计算这两个用户之间的相似度。

（3）在用户相似度集合中找到跟目标用户相似的用户，并将该用户喜欢的但目标用户没用喜欢过的物品或项目推荐给当前用户。算法用下面的公式来计算用户u对项目i的感兴趣程度：

（1）

在公式（1）中的S（u，K）表示跟用户u最相思的前K个用户的集合，N（i）表示对物品i有过行为的用户的集合，rvi表示用户v对物品i的感兴趣程度，即用户v对物品i的评分。

1.2 基于项目的协同过滤算法

随着用户数目的日渐增长，用户间兴趣相似度的计算越来越困难，著名的电子商务公司亚马逊提出了基于项目的协同过滤算法?[5]。该算法分为下面几个步骤。

（1）物品之间相似度的计算。计算物品之间相似度的公式如下所示，其中U（i）表示喜欢物品i的用户集合：

（2）

但是上面的公式存在一个问题，如果物品j很流行，那么wij会无限接近1，这时流行物品会对推荐的结果造成一定的影响，为了避免出现上面的状况，可用下面的公式：

（3）

（2）根据计算出的物品之间的相似度，可用下面的公式?[1]计算用户u对物品j的感兴趣程度：

（4）

在公式（4）中，N（u）表示用户u喜欢的物品集合，S（j，K）表示跟物品j相似的前K个物品的集合，wji表示物品i和物品j之间的相似度，rui表示用户u对物品i的喜欢程度，即用户u对物品i的评分。

2 矩阵压缩下两种算法的结合

2.1 两种算法的优势与不足

文献[6]提到，基于用户的协同过滤算法通过计算用户之间的相似性从而提供个性化程度较高的推荐，但是推荐精度比基于物品的协同过滤算法要稍低，并且在用户群较大的情况下，用户间兴趣相似度的计算将越来越困难。而基于物品的协同过滤算法通过计算物品之间的相似性从而实现更精确的推荐，但是却削弱了用户的个性化程度，从而无法提供一个个性化程度较高的推荐。

因此本文通过压缩稀疏矩阵的方式，将两种算法结合在一起，此算法不仅考虑到了用户之间的关联性，而且考虑到了项目之间的关联性，使得推荐精度得到了相应的提高。

2.2 改进的推荐算法思路

改进的推荐算法主要有以下几个思路。

（1）稀疏矩阵的压缩。一般推荐算法的输入都为m×n的用户-项目评分矩阵，但是在大多数的商务系统中，该矩阵是稀疏并且巨大的，因此本文通过对用户进行分类，即对用户集合进行压缩，从而使得算法的输入矩阵进行了压缩。

（2）利用第一步得到的压缩矩阵，对当前用户进行推荐。在此过程中，需要在分类的用户集合中找到跟当前用户兴趣度相似的集合，然后在所有的用户喜欢的所有的物品集合中，计算物品两两之间的相似度，最后得到当前用户的推荐结果。本文利用公式（3）计算物品之间的相似度时，为了减少耗时，可用下面的思路进行：首先对每个用户建立一个他所喜欢的物品列表。矩阵C为n×n阶矩阵，然后对于每个用户，将倒排表中的物品两两在矩阵C中加1，最后得到物品之间的余弦相似度矩阵?[1]。下图为利用该思路计算物品相似度的例子：

图1 计算物品相似度的例子

2.3 用户活跃度对算法的影响

用户活跃度指的是某些用户为了某些目的在某一商务系统中购买或喜欢了很多书籍，那么该用户对于他所购买的书籍两两之间的相似度的贡献将会影响到最后的推荐结果，此时，该用户就属于噪声用户。

文献?[7]提出了一个称为IUF（Inverse User Frequence）的参数，该参数为用户活跃度对数的倒数，为了降低噪声用户对推荐结果的影响，文献[7]提出应增加IUF参数来修正物品相似度的计算公式：

（5）

从公式（5）可以看出，用户u喜欢的物品集合越大，即用户越活跃，则其对用户相似度造成的影响越小。

2.4 混合协同过滤算法流程

将改进的推荐算法的思路进行进一步的扩展，并且考虑到用户活跃度对算法的影响，从而得到混合协同过滤算法的流程。

（1）建立用户-项目评分矩阵。传统协同过滤算法采用m×n的用户-项目评分矩阵R用来表示输入数据，其中rij是第i个用户对第j个项目的评分。

（2）得到用户的分类集合。利用用户余弦相似度公式计算两两之间的相似度，将最为相似的前N（本文取N=1000）个用户分为一类，得到用户分类集合。

（3）得到压缩用户-项目评分矩阵R1。和当前用户最相似的用户集合作为输入数据的用户，将这部分用户喜欢的项目集合作为输入数据的项目，从而得到用户-项目评分矩阵R1。

（4）将R1作为基于项目的协同过滤算法的输入矩阵，考虑到用户活跃度对算法的影响，用公式（5）计算物品相似度，并利用倒排表的思想简化计算。

（5）利用公式（4）计算当前用户对于物品的感兴趣程度。

3 实验结果及分析

3.1 实验数据集

本文采用了Book-Crossing数据集，该数据集是由Cai-Nicolas Ziegler使用爬虫程序在2004年从BookCrossing图书社区上采集的，其中包括278858个用户对271397本图书进行的评分，评分值为1-10，数值越高，表明用户对图书的偏爱度越高。本数据集没有经过任何的人为去除噪声数据，因此推荐结果更加符合实际情况。

在对推荐算法进行验证时，选取了50000条评分数据，并将评分数据集随机分成8份，7份即43750条数据作为训练集，剩下的一份即6250条数据作为测试集。

3.2 评测指标

本文应用了召回率/准确率-精度评测方法。文献?[6]提到，现在大家关注的问题大多是精度方面的问题，现在评测一个推荐算法的性能，除了精度外，新颖性、多样性、覆盖率等更多指标越来越受到重视。

（1）准确率/召回率。对用户u推荐了N个物品，记为R（u），令用户u在测试集上喜欢的物品集合为T（u），则准确率和召回率的公式分别如下所示：

（6）

（7）

（2）覆盖率。该评测指标跟用户活跃度的影响有直接联系，它反映了算法是否将所有物品至少推荐给了一个用户，即给用户推荐的是否都是流行用户喜欢的物品。下面的公式来定义覆盖率：

（8）

3.3 实验结果分析

本实验算法的编程语言为python，将三个算法进行了对比，改进的协同过滤算法跟当前用户最相似的用户集合的大小N=1000，并且将三者之间的覆盖率进行了比较，基于项目的和改进的协同过滤算法的相似度计算公式应用了公式（5），最近邻居个数K依次为5，10，15，20，25，30，35，实验结果表明，改进的用户分类下两个算法的结合在提高了用户个性化程度的同时，比传统的两个算法的精确度要高，同时，预测的质量也随着最近邻居K的值而变化。基于用户的协同过滤算法召回率和精确率在K=20达到最大值，后面没有改变。而且在K=30时，三个算法的精确率和召回率都达到了最大值，并且改进的推荐算法得到推荐结果最精确。同时，在应用了文献?[7]提出的IUF参数后，覆盖率也有了相应的改善，对比图如下所示：

图2 召回率对比图

图3 精确率对比图

图4 覆盖率对比图

两个算法都应用了文献?[7]出的参数，但改进的算法显然要比传统算法的覆盖率高。因此，当评分矩阵极其稀疏的情况下，本文利用用户集合分类从而压缩稀疏矩阵的方法，考虑到了用户之间的关联性和项目之间的关联性，得到了较好的推荐结果。

4 结束语

本文在传统协同过滤算法的基础上，提出了用户分类下两种算法相结合的算法，利用用户分类使得输入的稀疏矩阵得到了相应的压缩，考虑到了用户间的关联性及项目间的关联性，并且考虑到了用户活跃度对于推荐的影响。实验证明，混合协同过滤算法的确提高了推荐准确度，并且使得覆盖率也得到了进一步的提高。未来的研究工作主要是怎么减小噪音用户对推荐结果的影响，得到更好的推荐结果。

参考文献：

[1]项亮.推荐系统实践[M].北京：人民邮电出版社，2012.

[2]鲁权，王如龙，张锦.融合领域模型与隐语义模型的推荐算法[J].计算机工程与应用，2013（19）：100-105.

[3]李芳，李永进.一种基于随机游走的多维数据推荐算法[J].计算机科学，2013（11）：304-307.

[4]蔡孟松，李学明，尹衍腾.基于社交用户标签的混合top-N推荐方法[J].计算机应用研究，2013（05）：1319-1322.

[5]Greg Linden，Brent Smith，Jeremy Recommendations：Item-to-Item Collaborative Filtering.IEEE Internet Computing，7（01），2003.2：76-80.

[6]Karypis G.Evaluation of Item-Based Top-N Recommendation Algorithms：Proceedings of the tenth international conference on Information and knowledge management，2001[C]，New York.

过户合同篇9

中图分类号：TP301.6 文献标识码：A 文章编号：1009-3044（2017）08-0022-05

随着互联网的迅速发展，网络中的电影数据海量增加，用户对于更准确高效的电影推荐需求越来越迫切，因而能够提供个性化推荐结果的推荐系统（recommerwler systems）越来越多地被运用到电影网站中。现有的推荐技术主要包括基于内容的推荐（Content-Based Recommendation）、协同过滤（collaborative filtering）推荐以及混合推荐（HybridApproach）等，其中协同过滤算法在电影推荐系统中应用最广泛。协同过滤算法的原理是基于对用户一项目评分矩阵的分析，利用历史评分数据获取目标用户的最近邻用户，根据最近邻用户的评分数据进行目标用户的推荐。然而，随着网络和用户规模的日益扩大、项目和用户数量的爆炸式增长，传统的协同过滤推荐算法存在的弊端就会体现：由于用户一项目评分矩阵存在极大的数据稀疏性，推荐结果往往存在偏差，推荐精度较低。

对于数据稀疏性问题，许多学者对传统的协同过滤算法进行修改和完善。Luo等提出用户局部相似性和用户全局相似性的概念来计算用户间的局部相似性和全局相似性，从而产生局部最近邻和全局最近邻，然后计算两种最近邻的预测评分，并通过一个权重控制参数平衡两种预测评分的贡献度。Anan等对Luo的工作进行拓展，考虑评分数据的整体稀疏度和局部稀疏度，由此可以产生可变的估算权重控制参数。Choi等计算用户相似性时考虑目标项目与所有项目的相似性，与目标项目越相似，它在计算最近邻的过程中影响就越大。Lee等嘴时间信息融入到协同过滤算法中，将时间分为若干阶段并给每一阶段赋予相应的权重值，最后基于这些时间权重获取推荐结果。Chen等提出一种基于影响集的协同过滤算法，计算目标项目的最近邻和逆最近邻并分别产生预测结果，最后通过4种方法融合预测结果。Leem等通过基于用户和基于项目的协同过滤产生两种预测结果，再以共同评分数作为权重参数混合预测结果。Wang等提出的基于相似性融合的协同过滤算法是结合目标用户对邻居项目的评分、邻居用户对目标项目的评分、相似用户对相似项目的评分3种数据，并通过评分标准化及概率方法实现预测推荐。Sandyig等结合了数据挖掘的思想，提出了一种基于关联规则挖掘的协同过滤推荐算法。

基于以上研究，本文进一步提出了一种融合用户兴趣度与项目相关度的电影推荐算法，该算法从用户和项目两个方面来解决相似性度量的问题，通过用户间相似性计算得到候选邻居集合，并在此基础上结合项目间的关联关系得到双重邻居选取后的最近邻用户集合，由此产生最终的推荐结果。其中在改进的用户相似性度量过程中引人用户共同评分和用户对项目类别属性的偏好，同时通过挖掘项目间的关联关系计算项目关联度。通过结合以上二者，本文所提出的方法能够对传统基于协同过滤的电影推荐算法进行改进，有效解决数据稀疏性的问题，保证电影推荐的质量和精确度。

1相关研究

1.1基于协同过滤的传统电影推荐算法

在传统的电影推荐算法中，应用最广泛的是协同过滤算法。根据Breese等人的分类方法，协同过滤算法可以分成两类：基于记忆的协同过滤和基于模型的协同过滤。其中基于记忆的协同过滤算法通过用户一项目评分矩阵获得用户间或项目间的相似关系，然后以这种相似关系产生进行推荐，主要又可分为基于用户的协同过滤算法（User-based Collaborative Filtering，UBCF）和基于项目的协同过滤算法（ITem-based CollaborativeFiherinG，IBCF）两种。

传统的协同过滤推荐算法基于用户-项目评分矩阵R（M，n）寻找目标用户的最近邻（nearest neighbor）集合，集合U表示所有用户，集合I表示所有项目，其中m行表示m个用户，n列表示n个项目，Ri，j表示用户i对项目j的评分值，这个评分值体现了aseri对itemj的兴趣和偏好。用户-项目评分矩阵如表1所示：

以用户-项目评分矩阵为基础，采用基于用户或基于项目的相似性度量方法来计算用户间或者项目间的相似度，根据相似度的值寻找最近邻用户或最近邻项目，并通过评分算法计算出预测评分，最后根据预测评分的排序结果进行推荐。目标用户的最近邻居查询的准确性直接影响整个推荐系统的推荐质量，因此相似性的度量成为提高推荐准确率的关键。相似性度量方法主要有余弦相似性、修正的余弦相似性、Pearson相关系数等方法，具体计算法如表2所示。计算可以基于用户间或基于项目间的计算，表2中以基于用户的相似性计算为例，即基于用户的协同过滤算法：

1.2传统相似性算法的不足

余弦相似性的计算方法较为简易，但是该方法将用户未评分项目的评分默认为0且没有考虑不同用户可能有不同的评分尺度，有些用户倾向打高分而有些用户倾向打低分。

修正的余弦相似性计算方法中，如果用户只对一个项目评分，则平均评分次数为1，即分母为0，从而无法计算用户之间的相似性。由于数据稀疏性，可能导致较多用户无法计算相似性，使得推荐结果存在偏差。

Pearson相似性计算方法中，当共同评分项目数为2时，Pearson相关系数只有1或者-1两个值，因此该方法会导致公共评分项目数比较少的用户占优势。

2融合用户兴趣度与项目相关度的电影推荐算法

2.1用户兴趣度的相似性度量

传统的用户间相似性计算只针对用户评分的相似性，但是现实中用户间的相似性不仅与用户对项目的评分有关，还与用户对某类项目的喜好程度有关，即用户对项目类别属性的兴趣度。当两个用户评分的项目属性相似时，则可认为这两个用户之间也具有较高的相似性。目标用户与其邻居对项目类别属性的兴趣度应该是具有一定的相似性，因此本文结合基于用户兴趣度的相似性对传统的基于用户相似性度量方法进行改进，并选取候选用户集合。

定义1.项目类别属性。假设项目类别属性用集合A={Attr1，Attr2…，，Attrk}来表示，每个项目的特征都可以用集合中的一个多个类别属性来描述。注意的是，现实生活中多数情况是―个项目只属于一个类别属性，因此后文的研究只考虑这种情况。

如表3所示，项目类别属性矩阵A（n，k）是一个二值型矩阵，其中Ai，j的值为1代表项目i具有类别属性j，为0则代表项目i不具有此类别属性。

定义2.用户兴趣度。将用户对于项目类别属性的偏好看作用户兴趣度，用户评价某类项目的次数越多，表明用户对这类项目越感兴趣。用户u对某种项目类别属性Attrj的用户兴趣度Interestu，j可用公式（1）表示为：

（1）

其中，N1u，j表示用户u对j类项目的评价总数，N1u表示用户u已评价项目的总数。Interestu，j反映了用户对某一项目类别属性的偏好是基于整体的用户偏好进行的相对计算，由此获得更加准确的用户兴趣度。

如表4所示，可以建立用户一项类偏好比例矩阵P（m，k），其中Pi，j根据公式（1）进行计算可得。

实验2.为了验证本文所提出的融合用户兴趣度与项目相关度的电影推荐算法（ours）的有效性，在同样环境下用同样的实验数据将该算法与传统的基于余弦相似性协同过滤（UCB-CF）、基于Pearson相关系数的协同过滤（UPBCF）以及目前被广泛用于对比实验的文献14所提出的IRPCF算法进行对比实验，比较各自的推荐质量MAE。本实验中最近邻用户个数K设置为从5递增到60，间隔为5，平衡因子ω设置为0.5。实验结果如图2所示：

过户合同篇10

中图分类号：TP393文献标识码：A文章编号：1009-3044(2012)13-3016-03

The Study of Team Formation Model in Internet-Based Virtual Drama

LIU Hou-liang

(Research Center for Learning Science, Southeast University, Nanjing 210096, China)

Abstract: The creation of the virtual network drama needs a variety of skills. However, a single person may not have all the required skills of virtual drama. Therefore, how to form efficient coordination drama creating team becomes a difficult problem. Social network team formation strategy is analyzed by Agent technology. And then, this paper presents the concept of credit of social network, and establishes a team formation model based on credit of social network.

Key words: team formation; virtual drama; agent; social network

随着计算机技术的发展和网络应用的普及，网络虚拟戏剧逐渐引起了人们的广泛兴趣[1]。网络中分布于不同位置的用户可以利用网络虚拟平台协同创作戏剧。由于单一用户无法具有戏剧创作的所有技能，因此，如何为用户寻找合作伙伴，形成高效的戏剧创作群组是网络虚拟戏剧协同创作系统设计需要解决的关键问题之一。

设计有效的组形成模型是解决该问题的方法[2]。Michele Brocco研究了开放创新网络中的组形成模型[3]。Anwitaman Datta博士则以新加坡南洋理工学院为研究对象，从项目专业覆盖度和项目组成员的聚合度两个方面出发为项目寻找合适的研究成员[4]。他们的研究致力于为大型复杂项目挖掘项目成员，利用有效的组形成算法形成高效的协同合作团队。

本文在组形成模型研究的基础上，利用Agent技术研究了网络虚拟戏剧协同创作用户的技能和用户之间的合作关系，并建立了基于社会网络信誉度的组形成模型。

1模型框架与Agent设计

本节将详细介绍组形成模型框架和模型中的Agent设计方法。

1.1模型框架

组形成模型框架如图1所示。模型将系统用户抽象为用户Agent，用户的技能、兴趣等属性抽象为用户Agent的属性。用户Agent之间通过协同行为产生关系，这种关系是双向的合作关系。系统用户之间的合作关系组成了社会网络，模型通过抽象设置关系Agent来管理、研究用户之间的关系网络。在用户Agent和关系Agent的基础上，模型进一步抽象出组形成Agent。组形成Agent具有独立的组形成策略。它通过与关系Agent合作，并根据组形成策略为用户寻找合作伙伴，形成高效的虚拟戏剧协同创作群组。

1.2Agent设计

在组形成模型的基础上，本节主要介绍模型中设置的三种Agent，分别是：用户Agent（User_Agent）、关系Agent（Relation_Agent）和组形成Agent（TF_Agent）。Agent的设计如下：

用户Agent（User_Agent）：用户Agent是对系统用户的抽象，主要用于分析用户的戏剧创作行为和用户之间的合作行为。在组形成模型中，用户Agent的功能体现在两个方面：第一，通过用户创作戏剧的情况，分析用户擅长的戏剧创作技能，并计算用户在该系统用户中的影响力；第二，通过感知用户之间的协同戏剧创作行为，分析系统内各个用户之间的合作关系。

关系Agent（Relation_Agent）：不同用户组织在一起，协同创作戏剧。因此，用户之间存在合作关系。用户之间的关系是双向的，并随着用户之间合作情况的变化而改变。关系Agent通过与用户Agent交互获取用户之间的合作信息和用户在系统中的影响力，并通过分析用户之间的关系，形成用户关系网络，即社会网络。社会网络中点表示一个系统用户，网络中边表示两个用户之间的合作关系。用户之间的合作关系不同，网络中边的权值也不同，权值越大用户之间的合作越多，因此该社会网络属于加权网络。关系Agent负责维护和更新系统用户组成的社会网络。

组形成Agent（TF_Agent）：组形成Agent用于响应用户需求，并根据自身具有的组形成策略为用户寻找合作伙伴，形成高效的协同戏剧创作群组。当它接到用户Agent提交的组形成请求后，首先分析该用户创作戏剧的类型、群组需要的技能和用户对不同技能水平的要求等信息，这些信息体现了用户对协同团队的期望。然后，组形成Agent将访问数据库，并通过与用户Agent交互，了解系统其他用户Agent的技能属性、技能水平等信息，分析各个用户的影响力，并利用关系Agent分析用户之间的合作关系和连接度等信息。最后，组形成Agent将以用户信息和用户之间连接关系为基础，计算用户的信誉度。并以信誉度为指标，为用户寻找合适的合作伙伴，进而形成高效的协同戏剧创作群组。

组形成模型中Agent之间是相对独立的，它们的行为互不干涉。通过Agent之间的协同合作，共同实现模型的功能。

1)相关定义

在介绍组形成策略之前，该文先简要介绍戏剧分类、用户Agent的技能，并给出组形成模型中的三个基本定义。

首先，根据戏剧的内容和表现手法不同，该文将戏剧分为六类，分别为：童话，课本剧，英语剧，相声，小品和话剧。创作不同类型的戏剧需要用户Agent具有的技能也不尽相同，对用户Agent的技能水平要求也有差异。根据戏剧创作经验，该文将用户Agent具有的技能分为六类，分别为：文化，音乐，艺术，写作，场景和英语。用户Agent的技能水平与创作戏剧的多少有关。

然后，该文将用户Agent之间的关系网络抽象为加权社会网络，如图2所示。其中，网络中的点表示用户Agent，并用点的大小表示该用户Agent在社会网络中的影响力大小；用户Agent之间的合作关系构成了社会网络中的边，并且边具有权值，权值越大表示用户Agent之间的关系越密切。图2用户Agent之间的关系网络

最后，该文给出组形成模型中的三个相关定义，具体如下：

定义1不同用户Agent的经验水平和戏剧创作的积极性存在差异，该文定义影响inf力来表示用户Agent之间的这种差异。用户Agent创作的戏剧越多，戏剧创作积极性越高，用户Agent影响力的值就越大。

其中positive表示用户Agent对戏剧创作的积极程度，它的值与用户Agent的在线时间成正比。用户Agent在线时间越长，其值越大，表明用户Agent对戏剧创作越积极；experience表示用户Agent创作戏剧的经验水平，与用户Agent戏剧创作的多少有关，其值越大，表明用户Agent戏剧创作数量越多，经验水平越高。

定义2用户Agent之间的合作关系构成了社会网络。我们将社会网络中用户Agent之间的合作关系定义为用户Agent的关系矩阵，用R表示。由于用户Agent之间的关系不具有方向性，因此，R是对角线为0的对称矩阵。R( ) i,j表示用户Agent i和用户Agent j之间的关系度。用户Agent之间合作越多，它们关系度的值就越大。

定义3用户Agent是否会被其它用户Agent选为合作伙伴取决于它们之间的合作关系和该用户Agent的影响力。该文将系统其它用户Agent选取该用户Agent作为合作伙伴的意向程度定义为该用户Agent的信誉度，并用C表示。信誉度一方面反映了用户Agent之间的合作关系，另一方面也反映了用户Agent在系统中的影响力水平。用户Agent信誉度越高，其它用户Agent与其合作的意向越高。

2)组形成策略

在以上分析和定义的基础上，本节主要介绍基于社会网络信誉度的组形成策略的实施步骤，具体如下：

第一步，当用户协同创作网络虚拟戏剧时，用户Agent将获取戏剧的基本信息drama_inf：，其中type表示戏剧类型，skill表示用户技能，degree表示对应技能的熟练程度。然后，用户Agent将该戏剧的基本信息drama_inf传递给组形成Agent，并提出形成协同戏剧创作群组的请求。

第二步，接到drama_inf后，组形成Agent首先访问系统数据库，获取系统内具有相同兴趣属性的用户Agent列表，并找出兴趣度高的用户Agent，形成用户Agent兴趣小组G。组形成Agent将用户Agent兴趣小组成员列表传递给关系Agent，关系Agent通过关系矩阵R得到兴趣小组G内成员用户Agent之间的关系度。接着计算兴趣小组G内所有成员用户Agent的信誉度C，第i位用户Agent的信誉度为C(i)。

其中α和β为可调参数，inf(i)表示第i个用户Agent的影响力；coop(i)表示第i个用户Agent在兴趣小组G内的合作度。

其中n表示兴趣小组G内用户的平均连接度。

第三步，组形成Agent将用户Agent按照信誉度值的大小排序，并根据用户Agent对戏剧创作技能的要求，选择具有相关技能的用户Agent，将选取的用户Agent加入合作伙伴候选列表。选取用户Agent的过程中，既要保障用户Agent的技能能够满足戏剧创作的需求，又要保障优先选取技能水平高的用户Agent。

第四步，用户Agent将在合作伙伴候选列表中选择自己认为合适的合作伙伴，然后通过组形成Agent向这些用户Agent发送协同戏剧创作邀请信息，邀请用户加入群组，协同创作虚拟戏剧。

4结束语

本文研究了网络虚拟戏剧中的组形成模型。首先，描述了组形成模型框架，并分别介绍了模型中用户Agent、关系Agent和组形成Agent的设计方法。然后，利用Agent技术研究了网络虚拟戏剧中用户Agent之间的关系网络和合作度，并提出了社会网络信誉度的概念，给出相关定义。最后结合关系Agent和组形成Agent，给出了基于社会网络信誉度的组形成策略。

参考文献:

[1] Li Zhang, Marco Gillies, Kulwant Dhaliwal, et al. E-Drama: Facilitating Online Role-play using an AI Actor and Emotionally Expressive Characters[J]. International Journal of Artificial Intelligence in Education. 2009, 19(1): 5-38.

过户合同篇11

中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2014）02?0091?04

0 引言

随着电网公司以用电业务处理能力与工作效率提升为核心的经营管理模式向以客户服务能力提升为核心的转变，电网公司更加关注对用电客户的个性化差异服务满意度与质量情况，通过不断改进客户的用电体验，有效提升客户用电满意度，促进用电客户合理用电、高效用电的同时实现供电企业、用电客户及对整个社会的多赢。

对客户提供贴心服务的前提是对不同客户群体的行为特点与用电需求有准确了解，根据客户属性划分出不同的客户集合[1]，即客户细分。电力企业内部丰富的客户资料与用电行为历史数据，为有效运用各类细分技术开展客户细分提供了良好的数据基础。本文结合作者的项目经验，对利用各类客户细分技术实现客户细分的关键过程进行了分析和总结。

电力企业客户细分是依据电力市场特有的运作规律，按照客户在需求、动机、行为与能力方面的差异，运用系统的方法将整个电力市场划分为若干个不同的客户群，然后选择合适的客户群作为公司服务目标市场的过程[2]。通常是按照客户的用电档案、用电行为特征、客户用电偏好与动因等分成若干客户群，其目的是使得同一群内的客户特征非常相似，不同群间的客户特征差异较大。本文研究客户细分模型是为了寻求适合电网公司用电客户细分要求，且具有通用应用能力与可扩展能力的客户分群方法，研究的过程是基于广东电网佛山供电局专变客户细分实施的项目，以客户用电台帐与用电业务数据为基础、以信息技术手段为支撑的细分方法。其细分功能项的落地是通过分析用电业务库中已有用电客户业务数据模式来对用电客户进行群体分类[3]。

1 客户细分模型理论研究

客户细分的过程包括五个步骤：目标群体选择、客户细分模型适用性分析与选取、客户细分、细分结果的深度分析、知识同化。其中细分模型的适用性选择最为关键，直接决定客户细分结果的准确性与可用性。

客户细分是指通过有效收集、归类和分析各方面的需求，定义不同属性与行为特征的客户群，对客户价值、客户风险进行评估。依据评估结果将客户划分为不同的类别，并对其进行管理，同时，针对不同的客户群体为客户提供个性化服务[4]。客户细分过程是典型的数据挖掘技术的运用过程，通过运用数据挖掘的建模方法，可以精确应用数据挖掘算法，有效地运用用电客户档案属性与用电行为特征数据，实现对客户群体的精细化分解。

2 客户细分数据元素研究

电力客户细分的前提是对客户用电基本属性及客户用电行为特征数据的全面收集与有效整理。这些信息是实现对客户群体有效划分与特征刻画的基本数据单元。每种细分模型与算法，都需要以此数据单元作为初始数据理解对象与细分输入参数。为此，提出了构建客户属性池与行为指标池的管理模式。即将客户的用电档案属性如客户的用电类别、报装合同容量、计量方式等作为客户属性池的基础对象来管理，对于每一个对象，提供该对象数据来源、数据类型、取值范围及主要用途的详细说明；同样，客户行为特征池中也以对象的形式存放客户的行为特征数据，如客户月度用电平均负荷、本年累计用电违章窃电次数、被催费次数等。

通过构建客户属性池与行为特征池的方式，一方面保证了对客户属性与用电行为维护的可扩展性，另一方面采用面向对象的实现方式，在利用细分方法进行客户细分时，对客户特征指标的筛选就如同超市购物一样，只需点选相应的特征列表，即可完成对关注指标与数据获取路线的准备，有效降低了细分过程中客户基础数据分析与准备的复杂性。

3 模型算法梳理

客户细分模型主要用到的算法包括：

（1）分类算法：分类分析是通过分析抽样客户的特征，构建客户细分的分类规则或分类器，再应用分类规则对整体客户进行细分的方法。分类规则通常是根据市场现状、业务经验和统计分析结果来构建的；分类器通常是借助有监督的分类算法来构建的。此分类方法一般用决策树算法。

（2）聚类算法：聚类分析是一种无监督学习的数据挖掘算法，其分类规则等事先不能确定。而是根据给定的客户特征，综合计算客户特征集基础上的相似度，然后按照客户之间相似度的大小逐一归类的方法。

（3）依据经验规则的算法：依据业务人员已知的经验规则，通过指定的属性维度对客户进行细分的方法。

当客户细分目标明确，但涉及的客户属性较多、需经过对各项指标进行复杂的评价计算，根据综合取值来界定客户群体的，如客户信用等级评价、用电客户价值细分等，通常利用样本数据进行有监督学习的分类方法，实现客户细分；当需要依据客户多个用电行为指标的综合相似度来对客户群进行划分，以便从整体上归纳客户的用电行为习惯与模式，刻画细分客户群体特征时，采用聚类分群的方式；当业务上已有相对具体的客户细分规则，业务目标为根据已有业务规则在系统中的固化实现对客户群体的快速定位时，采用依据经验规则的算法完成。

在本研究过程中，着重研究了依据经验规则的算法在电力客户细分中的具体应用，构建了基于综合权重法的评分卡细分模型。

4 客户细分模型设计

4.1 细分模型架构设计

通过对某电网公司目前主要客户细分应用场景的研究与分析，结合对数据挖掘模型主要应用分类的研究，本文设计了基于K?Means算法[5]的聚类分析、基于价值区间的客户细分、基于确定业务逻辑规则的客户细分与决策树客户细分四大类细分模型。其中第一类属于聚类模型应用范畴；第二类属于有监督的分类算法；第三类与第四类属于依据经验规则的算法。

为实现对客户细分模型的有效管理，在模型设计过程中，引入了模型大类、模型子类与模型实例的多级模型细分管理机制。如图1所示。

其中模型大类主要界定聚类、价值区间客户细分、决策树、逻辑规则细分等；模型子类主要界定不同客户细分应用场景下标准的或主要关注的客户属性与行为指标集，以及该模型适合应用场景；模型实例是一个选择样本数据，继承子类的属性与指标集裁减、以及相关指标权重的学习确定过程，是目标群体细分中模型应用数据源。层次式的结构划分，既保证了模型的合理扩充与有效管理，同时，在后续客户细分过程中，保证了模型实例选择的简洁清晰。

4.2 客户细分过程设计

客户细分过程涉及三个步骤，即细分目标客户选取、模型实例选择、细分结果分析与特征总结。其中细分目标客户的选取主要以用电客户的用电属性集为选择来源，设计过程突出了对属性选择的方便性与可扩展性，通过选择属性分类对应的属性值，自动形成目标客户逻辑条件集，利用条件集查询得到目标客户。

模型实例选择是对模型管理过程中形成的模型实例的具体选择与应用。该过程以模型实例中定义的客户细分特征参数、模型初始化参数为基础，实现对当前选择客户按模型实例算法的自动细分。从设计的角度将复杂的模型设计过程前移到模型管理中，客户细分过程强调对模型设计结果的直接应用。

细分结果分析包括两方面，一方面是对划分群体内不同特征值的单项值特点的分析或多个特征值的关联分析，总结该群体用电行为特征；另一方面是对一次细分中不同群体针对同一客户行为特征的在线分析，掌握同一行为特征分类在不同群体间的取值特点，更好的总体把握客户细分群体的特征差别。

5 经验规则算法在细分模型中的应用

本应用运用评分卡技术手段，通过设计多维度、灵活组合的综合价值指标体系，精确地选取训练样本，并且通过客观和主观相结合的方法确定指标体系中各指标的权重，建立一套电力行业应用的客户细分方法，实现对客户用电行为特征和需求的精确识别。具体流程如图2所示。

5.1 建立细分属性库

客户细分属性库中包含两类指标，一类是客户行为属性指标，另一类是客户台帐属性指标。其中，客户行为属性指标是描述的客户的业务行为的统计信息，来自于丰富的业务数据；客户台账属性指标是描述客户所属业务性质的信息，来自于客户台帐数据。客户属性库中指标需要定期进行数据抽取更新，更新频率视不同的指标情况而定，月度指标更新频率为每月月初一次，年度指标更新频率为每年年初一次，日指标更新频率为每日一次。

5.2 建立评分卡指标体系

以细分属性库为基础，以细分目的为指导，选取评分指标，构建指标体系。在构建过程中可能会包含进多个相似指标或者关联密切的指标，一方面影响了指标体系在评分过程中的效率，另一方面增大了指标体系的复杂度。为了避免这种情况发生，在初步确定了指标体系后，通过对两两指标进行相关性分析来确定指标间的相关度，剔除相关度较高指标已达到指标体系合理降维的目的，进而提升指标体系的实用性和科学性。本研究采用的相关性分析具体如下：

自变量为[Xi]，i=1，2，…，n，[X]为自变量的平均值。

自变量为[Yi]，i=1，2，…，n，[Y]为自变量的平均值。

过户合同篇12

中图分类号：F287.8 文献标识码：A 文章编号：

随着我国城市化进程的不断加快，城市建设规模得到进一步的扩大，高层住宅建筑数量日益增加。目前，许多住宅建筑从一开始对量的追求逐渐过渡到对品质的追求，加上人们对于住宅建筑的舒适度、环境质量及个性化需要要求越来越高，这也使得住宅建筑户型设计开始向多样化、精细化和多功能化的方向发展。户型设计是高层住宅建筑设计的重要组成部分，也是评价房产品优劣的基本指标，若房产建设单位没有准确做好住宅建筑户型的产品定位，解决户型平面的设计技术问题，不仅会影响到住宅建筑户型产品的品质，而且对房产项目开发的成功与否也起着重要的作用。因此，建筑设计工作者应重视住宅建筑户型设计工作，以提高住宅产品的设计水平，从而确保房产开发项目的经济效益。

1产品定位是户型设计的基本依据

户型设计前，要进行细致的市场需求调查，了解消费者的购房心理和行为偏好，并根据项目性质、所处区位环境以及基地特性，结合目标消费群，恰到好处地提出户型定位和具体设计要求，以满足目标消费者的现实需求与潜在需求。在开展户型设计时，要结合总平面规划，对户型类型、面积配置、户内功能设置等进行细致研究和准确定位。这是户型设计的基本依据。首先应确定户型产品类型。开发的产品属于经济型、舒适型还是豪华型，是平层还是跃层，各类户型面积配比是多少等等;其次，由于生活习惯、居住观念的不同，各类消费者对同类户型的面积要求存在差异。比如经济紧凑型三房户型面积应控制在115m2以内为佳，若为舒适型，则以125m2以上为宜等，所以应根据产品定位确定各类户型的面积控制原则。同时，同等面积的户型，对户内各功能分区的面积分配也应体现产品定位的需要。如厅与房间的面积比例控制，设卫生间数量，生活阳台和杂物间设置与否，是否需要保姆房，是否需要大阳台(露台)，是否设置独立餐厅等等;此外，户型在总平面中应合理分布。一些单纯从户型平面角度看堪称优秀的户型，由于楼置、朝向、面积等配置不合理，在项目后期往往成为滞销产品。

2户型设计的发展趋势

近年来，随着房地产市场的发育和消费者对个性化的追求，人们在看重环境、配套、规模的同时，对户型已有了新的认识，户型设计越来越趋于精细化，创新求变也日益成为户型设计的典型特征。这主要体现在户型细部设计精细化、提高户型的使用经济性、增强户型空间的可变性以及户型种类的创新等方面。

2.1户型细部设计精细化

作为一个好的户型，首先应该最大限度满足经济性、功能性、舒适性要求。这就要求户型细部设计精细化。目前，房产开发项目的户型设计大多考虑建筑与室内设计相统一，不仅追求大的功能分区合理、流线清晰，更重点对各细部功能尺寸进行了精细化推敲，从后期室内装修角度充分考虑用户对各使用功能空间的要求，做到尺寸定位精、准、细，见图1。与此同时，对于一些设计过程中固有的消极空间，如异形小空间、结构外露部位等，也结合具体功能配置进行合理利用，化消极空间为积极空间。甚至有的户型对户型内部的管线综合都做到人本化精细设计。

图1 精细化户型平面

2.2合理提高户型经济性

提高户型的经济性，是目前杭城户型设计适应市场的新特点。主要表现在以下几个方面:

(1)适当配置不计入建筑面积的功能如露台、凸窗，就能提高户型的使用经济性。比如根据面积计算规定，水平投影面积、进深在一定范围以内，阳台当其上盖高度达到或超过两个自然层，且在阳台底板至阳台上盖的垂直空间范围内，无水平镂空楼板，无连接横梁等结构体，阳台可以不计建筑面积。这就极大地增加了户型的卖点，见图2。

图2 赠送露台户型

(2)另外，高层住宅公摊所占面积比例较大，直接影响到户型的经济性，市场上有些产品对公摊进行了二次合理性利用，通过在每户进户门与公共部位间设置入户花园，形成过渡空间，一方面引入生态的概念，丰富了空间格局，同时使用功能和参与性更强，可以作为家庭活动的第二空间。入户花园的引入为户型创新创造了很多亮点，是对传统居住模式的创新，有效提升了居住质量。

2.3户型平面增加可变性

由于生活习惯、居住观念的不同，同一目标消费群体对同类户型的使用要求也会存在一些差异。即使是同一消费者，他在不同时期、不同阶段会形成不同的消费需求，因此对于普通住宅，如何增强户型的可变性，最大限度地满足消费者的居住生活需求，是户型设计的发展方向。户型的可变性主要包括户内平面可变和户型平面组合可变性两种方式。(1)户内平面可变:是指在同一种户型平面的基础上，考虑后期多种功能布局的可能性，在户型的功能布局上预留很强的可变性和灵活性，以适应不同家庭结构、不同个性需求的购房者，以更好地满足目标消费群体的个性化需求差异。如两房与两房半的变化，独立餐厅与书房的取舍。一种户型只需稍作改造，就可以适合多种类型的购房者，见图3。

图3 户内平面图可变户型---三房变四房

(2)户型平面组合可变:是指户型设计时通过处理相邻的单元与单元(户与户)之间的关系，如子母套的拼接等来达到户型多样性。可变性可以有效扩大住宅产品的客户面，可有效预防并解决由于最初市场定位不精确以及对套型设置比例与市场需求比例有出入时造成的销售问题。对客户而言，可以让同一购房群在不同年龄阶段、不同家庭结构期间，合理地根据自己的不同需求喜好进行改造和装修，增强了项目对客户的吸引力。无论项目的档次定位怎样，户型的可变性对任何层面的客户群都有较大的吸引力。因此在设计时就要充分地考虑，并留有余地。

2.4户型的多样性创新

目前，市场上户型创新除了平面组合创新外，主要是立体创新。立体创新是相对平层住宅而言，主要有复式结构、错层结构。这种房型通过上、下、左、右层面的相错，变化出丰富多彩的室内布局，充分满足功能分区、私密性要求，立体式住宅的主要特点在于功能分区明确，对外界的隐私性较好。空间层次的变化，打破了平面格局的单调，给生活增添了一份情趣。立体式住宅追求的是空间的感觉与变化，通过高差起到空间分离的作用。目前，一些复式设计小户型既增加了户型平面的趣味性，通过赠送部分面积，又提高了性价比。

3结语

总之，高层住宅建筑户型设计是一项细致且挑战性较大的工作，也是摆在建筑设计工作中面前的永恒课题。因此，设计人员应结合住宅建筑自身的特点，围绕户型细部设计精细化、户型的使用经济性、户型空间的可变性以及户型种类的创新等方面制定出合理的户型设计方案，从而创造出符合大众需要的住宅产品。