CN108960912A - 用于确定目标位置的方法和装置 - Google Patents
用于确定目标位置的方法和装置 Download PDFInfo
- Publication number
- CN108960912A CN108960912A CN201810675323.9A CN201810675323A CN108960912A CN 108960912 A CN108960912 A CN 108960912A CN 201810675323 A CN201810675323 A CN 201810675323A CN 108960912 A CN108960912 A CN 108960912A
- Authority
- CN
- China
- Prior art keywords
- candidate
- target
- target position
- position candidate
- performance indicator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
Abstract
本申请实施例公开了用于确定目标位置的方法和装置。方法包括：获取候选位置集合；提取候选位置集合中的各个候选位置的目标特征；将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果，目标位置排序模型基于实际位置的目标特征和效益指标训练得到；基于排序结果，从各个候选位置中确定目标位置。该方法采用基于实际位置的时间数据、空间数据以及效益指标训练的目标位置排序模型来预测各个候选位置的排序结果，最终基于排序结果来确定目标位置，从而充分利用了实际位置的目标特征和效益指标，提高了预测的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及计算机信息技术领域，尤其涉及用于确定目标位置的方法和装置。
背景技术
对于线下服务提供商来说，店铺服务的质量在很大程度上取决于店铺的所在位置，一个好的店铺分布能够服务到更多的用户、降低用户到店铺的交通时间、减少用户在店铺内的等待时间，从而为用户提供更优质的服务、提升用户的满意度。因此，店铺的合理选址(例如在哪里开设店铺、总共开设多少个店铺)对提升线下服务提供商的服务质量极其重要。
目前，向线下服务提供商提供的选址方法，通常是通过专家实地考察,再结合目标店铺附近的地价、营收、人力成本等静态因素进行选址。
发明内容
本申请实施例提出了一种用于确定目标位置的方法和装置。
第一方面，本申请实施例提供了一种用于确定目标位置的方法，包括：获取候选位置集合；提取候选位置集合中的各个候选位置的目标特征；将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果，目标位置排序模型基于实际位置的目标特征和效益指标训练得到；基于排序结果，从各个候选位置中确定目标位置。
在一些实施例中，方法还包括：将目标位置添加至目标位置集合；判断目标位置集合是否满足停止选择标准；若是，则将目标位置集合作为最终的目标位置集合；若否，则基于目标位置更新候选位置集合；采用更新后的候选位置集合，跳转至执行提取候选位置集合中的各个候选位置的目标特征的步骤。
在一些实施例中，判断目标位置集合是否满足停止选择标准包括：判断目标位置集合是否满足目标位置集合的以下至少一项参数：目标位置的数量、人口覆盖率、消费能力指标和用户画像数据，将目标位置添加至目标位置集合。
在一些实施例中，基于目标位置更新候选位置集合包括执行以下至少一项操作以得到更新后的候选位置集合：去除候选位置集合中对应目标位置的候选位置；去除候选位置集合中位于目标位置的预设空间范围内的候选位置；去除候选位置集合中位于目标位置的预定可达时间范围内的候选位置；基于目标位置的人口覆盖率，调整候选位置集合中的候选位置的人口覆盖率。
在一些实施例中，目标位置排序模型包括至少两个子排序模型；将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果包括：将各个候选位置的目标特征输入子排序模型，得到各个子排序模型输出的针对单个效益指标的排序顺序；将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。
在一些实施例中，将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果包括：基于针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分；基于各个候选位置的得分和预先定义的子排序模型的权重，计算各个候选位置的总得分；基于各个候选位置的总得分，排序各个候选位置，得到各个候选位置的排序结果。
在一些实施例中，将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果包括：将各个候选位置整合后的初始排序评分值设置为相同的选取概率值，得到初始分值矩阵；对于候选位置集合中任意两个候选位置，计算从一个候选位置到另一个候选位置的转移概率，得到状态转移矩阵；基于初始分值矩阵和状态转移矩阵，迭代计算排序分值矩阵，直至本次排序分值矩阵与上次排序分值矩阵的差值矩阵中的元素小于阈值；基于迭代计算得到的排序分值矩阵，确定各个候选位置的排序结果。
在一些实施例中，子排序模型基于以下步骤确定：获取实际位置样本；提取实际位置样本的目标特征集合；提取实际位置样本的效益指标集合；对于效益指标集合中的各个效益指标，分别采用实际位置样本的目标特征和单个效益指标构建针对单个效益指标的任意两个实际位置的排序数据集；采用构建的排序数据集训练成对排序模型的初始模型，得到训练完成的针对单个效益指标的子排序模型。
在一些实施例中，目标特征包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布、所在区域内的房产情况和所在区域内的租房情况；和/或效益指标包括以下至少一项：年平均服务用户数量、年平均营业额、年平均成本、年平均利润、当期平均利润率、当期新增用户数、当期新增用户利润以及当期新增用户利润率。
第二方面，本申请实施例提供了一种用于确定目标位置的装置，包括：候选位置获取单元，被配置成获取候选位置集合；目标特征提取单元，被配置成提取候选位置集合中的各个候选位置的目标特征；排序结果确定单元，被配置成将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果，目标位置排序模型基于实际位置的目标特征和效益指标训练得到；目标位置确定单元，被配置成基于排序结果，从各个候选位置中确定目标位置。
在一些实施例中，装置还包括：目标位置添加单元，被配置成将目标位置添加至目标位置集合；停止标准判断单元，被配置成判断目标位置集合是否满足停止选择标准；最终集合确定单元，被配置成若目标位置集合满足停止选择标准，则将目标位置集合作为最终的目标位置集合；候选位置更新单元，被配置成若目标位置集合未满足停止选择标准，则基于目标位置更新候选位置集合；采用更新后的候选位置集合，跳转至执行提取候选位置集合中的各个候选位置的目标特征的步骤。
在一些实施例中，停止标准判断单元进一步被配置成：判断目标位置集合是否满足目标位置集合的以下至少一项参数：目标位置的数量、人口覆盖率、消费能力指标和用户画像数据，将目标位置添加至目标位置集合。
在一些实施例中，候选位置更新单元进一步被配置成执行以下至少一项操作以得到更新后的候选位置集合：去除候选位置集合中对应目标位置的候选位置；去除候选位置集合中位于目标位置的预设空间范围内的候选位置；去除候选位置集合中位于目标位置的预定可达时间范围内的候选位置；基于目标位置的人口覆盖率，调整候选位置集合中的候选位置的人口覆盖率。
在一些实施例中，排序结果确定单元中的目标位置排序模型包括至少两个子排序模型；排序结果确定单元进一步被配置成：将各个候选位置的目标特征输入子排序模型，得到各个子排序模型输出的针对单个效益指标的排序顺序；将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。
在一些实施例中，排序结果确定单元进一步被配置成：基于针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分；基于各个候选位置的得分和预先定义的子排序模型的权重，计算各个候选位置的总得分；基于各个候选位置的总得分，排序各个候选位置，得到各个候选位置的排序结果。
在一些实施例中，排序结果确定单元进一步被配置成：将各个候选位置整合后的初始排序评分值设置为相同的选取概率值，得到初始分值矩阵；对于候选位置集合中任意两个候选位置，计算从一个候选位置到另一个候选位置的转移概率，得到状态转移矩阵；基于初始分值矩阵和状态转移矩阵，迭代计算排序分值矩阵，直至本次排序分值矩阵与上次排序分值矩阵的差值矩阵中的元素小于阈值；基于迭代计算得到的排序分值矩阵，确定各个候选位置的排序结果。
在一些实施例中，排序结果确定单元中的子排序模型基于以下步骤确定：获取实际位置样本；提取实际位置样本的目标特征集合；提取实际位置样本的效益指标集合；对于效益指标集合中的各个效益指标，分别采用实际位置样本的目标特征和单个效益指标构建针对单个效益指标的任意两个实际位置的排序数据集；采用构建的排序数据集训练成对排序模型的初始模型，得到训练完成的针对单个效益指标的子排序模型。
在一些实施例中，目标特征提取单元以及排序结果确定单元中的目标特征包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布、所在区域内的房产情况和所在区域内的租房情况；和/或排序结果确定单元中的效益指标包括以下至少一项：年平均服务用户数量、年平均营业额、年平均成本、年平均利润、当期平均利润率、当期新增用户数、当期新增用户利润以及当期新增用户利润率。
第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项用于确定目标位置的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任意一项用于确定目标位置的方法。
本申请实施例提供的用于确定目标位置的方法和装置，首先获取候选位置集合；之后，提取候选位置集合中的各个候选位置的目标特征；之后，将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果，目标位置排序模型基于实际位置的目标特征和效益指标训练得到；最后，基于排序结果，从各个候选位置中确定目标位置。在这一过程中，可以采用基于实际位置的时间数据、空间数据以及效益指标训练的目标位置排序模型来预测各个候选位置的排序结果，最终基于排序结果来确定目标位置，从而充分利用了实际位置的目标特征和效益指标，提高了预测的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请实施例的其它特征信息、目的和优点将会变得更明显：
图1是本申请实施例可以应用于其中的示例性系统架构图；
图2是根据本申请实施例的用于确定目标位置的方法的一个实施例的示意性流程图；
图3是根据本申请实施例的用于确定目标位置的方法的一个应用场景的示意性流程图；
图4是根据本申请实施例的用于确定目标位置的方法的又一个实施例的示意性流程图；
图5是根据本申请实施例的用于确定目标位置的装置的一个实施例的示例性结构图；
图6是适于用来实现本申请的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请实施例中的实施例及实施例中的特征信息可以相互组合。下面将参考附图并结合实施例来详细说明本申请实施例。
图1示出了可以应用本申请的用于确定目标位置的方法或用于确定目标位置的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105、106交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如搜索引擎类应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件、视频播放类应用等。
终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105、106可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对终端提交的数据进行分析、存储或计算等处理，并将分析、存储或计算结果推送给终端设备。
需要说明的是，在实践中，本申请实施例所提供的用于确定目标位置的方法往往需要通过相对高性能的电子设备来执行；用于确定目标位置的装置的往往需要通过相对高性能的电子设备来设置实现。相对终端设备而言，服务器往往具有更高的性能。因而，通常情况下，本申请实施例所提供的用于确定目标位置的方法一般由服务器105、106执行，相应地，用于确定目标位置的装置一般设置于服务器105、106中。然而，当终端设备的性能可以满足该方法的执行条件或该设备的设置条件时，本申请实施例所提供的用于确定目标位置的方法也可以由终端设备101、102、103执行，用于确定目标位置的装置也可以设置于终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
请参考图2，图2示出了根据本申请实施例的用于确定目标位置的方法的一个实施例的示意性流程。
示例性地，图2示出了根据本申请的用于确定目标位置的方法的一个实施例的示意性流程图。该用于确定目标位置的方法200，可以包括以下步骤：
在步骤210中，获取候选位置集合。
在本实施例中，运行用于确定目标位置的方法的电子设备可以直接从预先存储的候选位置数据库中获取候选位置集合，也可以根据候选位置的筛选条件(例如人流集散方便、交通便捷、消费者购买力水平、消费者需求、商圈指标等)，从所有的候选位置数据库中筛选出符合要求的候选位置集合。候选位置集合中的每一条候选位置，都可以对应到具体地址以及该候选位置的基本情况描述(例如商厦、沿街店铺)等。
在步骤220中，提取候选位置集合中的各个候选位置的目标特征。
在本实施例中，候选位置的目标特征是指用户用于选取该候选位置的指标，主要考虑店铺设置的区域以及区域的环境和应达到的基本要求。例如，目标特征可以考虑地区经济、区域规划、文化环境、消费时尚以及商店的可见度和形象特征等。
在一个具体的示例中，目标特征可以包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布和所在区域内的房产情况以及所在区域内的租房情况等。
在步骤230中，将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果。
在本实施例中，目标位置排序模型基于实际位置的目标特征和效益指标训练得到，是训练后具有排序能力的机器学习模型，用于根据各个候选位置的目标特征得到各个候选位置的排序结果。机器学习英文全称为Machine Learning，简称ML。机器学习模型可以通过样本学习具备鉴别能力。机器学习模型可以采用神经网络模型、支持向量机或者逻辑回归模型等。在本实施例中，目标位置排序模型的输入可以为各个候选位置的目标特征，输出可以为各个候选位置的排序结果。
在这里，实际位置的目标特征的维度与候选位置的目标特征的维度相同，例如，实际位置的目标特征也包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布、所在区域内的房产情况和所在区域内的租房情况。
在本实施例的一些可选实现方式中，将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果包括：将各个候选位置的目标特征输入子排序模型，得到各个子排序模型输出的针对单个效益指标的排序顺序；将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。
在本实现方式中，目标位置排序模型包括至少两个子排序模型。这里的子排序模型为成对排序模型(pairwise ranking)。这里的效益指标，是指可以指示效益的指标。例如，效益指标可以包括以下至少一项：年平均服务用户数量、年平均营业额、年平均成本、年平均利润、当期平均利润率、当期新增用户数、当期新增用户利润以及当期新增用户利润率。
其中，子排序模型可以基于以下步骤确定：获取实际位置样本；提取实际位置样本的目标特征集合；提取实际位置样本的效益指标集合；对于效益指标集合中的各个效益指标，分别采用实际位置样本的目标特征和单个效益指标构建针对单个效益指标的任意两个实际位置的排序数据集；采用构建的排序数据集训练成对排序模型的初始模型，得到训练完成的针对单个效益指标的子排序模型。
也即，在训练子排序模型时，给定一些门店实际位置作为样本，训练不同的子排序模型σj使得其可以对任意两个门店实际位置的优先顺序进行排序，从而根据排序数据集，训练得到子排序模型。
示例性的，在提取目标特征时：对于城市中现有的每一个门店实际位置i，根据该门店实际位置及其周边的时间空间属性，我们提取合适的目标特征xi，如：该门店附近的用户数量、兴趣点(POI)分布、路网结构等。同时，我们还需要提取合适的指标来刻画现有的每一个门店的效益yi，如：该门店年平均服务用户数量年平均营业额年平均利润额等等。通过特征提取，可以得到训练数据{(x1，y1)，(x2，y2)，…，(xn，yn)}，即每一个门店i的特征xi和效益yi，其中，n代表城市中现有门店的数量。
之后，在训练模型时，可以用σj(i)表示子排序模型σj对门店候选位置i的排序。假设门店的效益指标有k个，即yi有k个维度，可以对每一个效益指标j训练一个成对排序模型σj，得到k个成对排序模型。
对于每一个成对排序模型σj，它的训练数据是基于数据构建的新数据集 其中，对于任意两个门店i1，i2，如果表示门店i1优于i2；否则因此，每一个成对排序模型σj的训练集的大小为
之后，可以将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。在这里，可以采用现有技术或未来发展的技术中对单个目标数据的多个维度的排序结果进行整合的技术来进行整合。例如，可以基于各个候选位置针对单个效益指标的排序顺序来设定评分值，之后对于各个子排序模型所输出的各个候选位置的评分值的平均分值来排序各个候选位置，得到最终的排序结果。
在本实施例的一些可选实现方式中，将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果可以包括：基于针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分；基于各个候选位置的得分和预先定义的子排序模型的权重，计算各个候选位置的总得分；基于各个候选位置的总得分，排序各个候选位置，得到各个候选位置的排序结果。
在本实现方式中，在基于针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分时，可以对不同的排序位置设定不同的得分，也可以直接将排序在当前候选位置之后的候选位置的数量作为当前候选位置的得分。各个子排序模型的权重，可以根据专家经验或历史数据统计得到，并且所有排序子模型的权重之和为1。之后，将各个候选位置的加权评分之和作为候选位置的总得分，根据总得分排序各个候选位置，得到各个候选位置的排序结果。
与上述得到各个子排序模型输出的针对单个效益指标的排序顺序的示例相对应，在将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果的示例中，可以通过以下步骤根据子排序模型得到的结果σj(i)，获得每个候选位置的顺序π(i)。
首先，计算每个候选位置i在子排序模型σj中的得分Sj(i)。具体来说，Sj(i)定义为顺序在候选位置i后面的候选位置的数量，即：
Sj(i)＝|{q|σj(q)＞σj(i)}|。
之后，根据专家的经验定义每个子排序模型的重要度，也就是给每个子排序模型σj一个权重值wj。所有子模型的权重值之和为1，即：
然后，计算每个候选位置i的总得分S(i)。总得分S(i)为每个子模型得分的加权和，即：
最后，根据总得分S(i)，获取每个候选位置i的排序π(i)。具体来说，候选位置的排序是每个候选位置的总得分S(i)的从大到小排序。
通过该实现方式，可以根据候选位置在各个子排序模型中的排序顺序以及各个子排序模型的权重，快速准确的计算候选位置的总得分，得到最终的各个候选位置的排序结果。
在本实施例的一些可选实现方式中，将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果可以包括：将各个候选位置整合后的初始排序评分值设置为相同的选取概率值，得到初始分值矩阵；对于候选位置集合中任意两个候选位置，计算从一个候选位置到另一个候选位置的转移概率，得到状态转移矩阵；基于初始分值矩阵和状态转移矩阵，迭代计算排序分值矩阵，直至本次排序分值矩阵与上次排序分值矩阵的差值矩阵中的元素小于阈值；基于迭代计算得到的排序分值矩阵，确定各个候选位置的排序结果。
在基于针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的排序结果时，可以对不同的排序位置设定相同的选取概率值，之后计算每两个候选位置之间的转移概率，并采用转移概率对选取概率值进行多次迭代直至候选位置的选取概率稳定，从而根据选取概率的大小，得到各个候选位置的排序结果。
与上述得到各个子排序模型输出的针对单个效益指标的排序顺序的示例相对应，在将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果的示例中，可以基于马尔科夫链进行排序整合，通过以下步骤根据子排序模型得到的结果σj(i)，获得每个候选位置的顺序π(i)。
首先，预设整合后各个候选位置的初始的排序评分值 即：其中，m代表候选位置集合中候选位置的数量。
之后，计算状态转移矩阵M，M中任意一个元素代表从候选位置ie转移到候选位置if的概率。例如，即：从站点i1转移到站点i2的概率。M为m×m矩阵，对于任意两个候选位置，可以计算出这两个候选位置的转移概率，具体计算方式如下：其中，k是指候选位置的效益指标的数量。对于效益指标j的子排序模型σj，如果i2排在i1之前，则|σj(i2)≤σj(i1)|＝1；否则|σj(i2)≤σj(i1)|＝0。对于分母|{q|σj(q)≤σj(i){|，表示排在i1之前所有的候选位置的数量。应当理解，若候选位置i2排在在i1之前的子排序模型的数量多于候选位置i2排在在i1之后的子排序模型的数量，那么对于由于分子都是1，并且排在i1之前的站点比较多(分母比较小)，那么将比较大。也就是说，该转移概率矩阵是将一个候选位置以概率形式向排序更靠前的候选位置进行转移。
之后，迭代计算sn＝sn-1M，不断进行候选位置之间的转移，直到sn稳定(n＝1，2，…)。
最后，获取每个候选位置i的排序π(i)。具体来说，候选位置的排序是每个候选位置的sn(i)的从大到小排序。
通过该实现方式，可以采用马尔科夫链的排序整合方法，估算每个候选位置的选取概率值，最终得到各个候选位置的排序结果，提高了得到排序结果的准确率。
在步骤240中，基于排序结果，从各个候选位置中确定目标位置。
在本实施例中，在步骤230中确定各个候选位置的排序结果之后，可以根据排序结果中各个候选位置的排序顺序从大到小，选定一个、两个或多个目标位置。
本申请上述实施例提供的用于确定目标位置的方法，可以首先获取候选位置集合；之后，提取候选位置集合中的各个候选位置的目标特征；之后，将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果；最后，基于排序结果，从各个候选位置中确定目标位置。在这一过程中，可以采用基于实际位置的时间数据、空间数据以及效益指标训练的目标位置排序模型来预测各个候选位置的排序结果，最终基于排序结果来确定目标位置，从而充分利用了实际位置的目标特征和效益指标，提高了预测的准确性。
以下结合图3，描述本申请的用于确定目标位置的方法的示例性应用场景。
如图3所示，图3示出了根据本申请的用于确定目标位置的方法的一个应用场景的示意性流程图。
如图3所示，用于确定目标位置的方法300运行于电子设备310中，可以包括：
首先，获取候选位置301的集合。
之后，提取候选位置301集合中的各个候选位置301的目标特征302。
之后，将各个候选位置301的目标特征302输入目标位置排序模型303，得到各个候选位置的排序结果304。
最后，基于排序结果304，从各个候选位置中确定目标位置305。
应当理解，上述图3中所示出的用于确定目标位置的方法的应用场景，仅为对于用于确定目标位置的方法的示例性描述，并不代表对该方法的限定。例如，上述图3中示出的各个步骤，可以进一步更为细节的实现方法。
进一步地，请参考图4，图4示出了本申请实施例的用于确定目标位置的方法的又一个实施例的示意性流程图。
如图4所示，用于确定目标位置的方法400包括：
在步骤410中，获取候选位置集合。之后，执行步骤420。
在本实施例中，运行用于确定目标位置的方法的电子设备可以直接从预先存储的候选位置数据库中获取候选位置集合，也可以根据候选位置的筛选条件(例如人流集散方便、交通便捷、消费者购买力水平、消费者需求、商圈指标等)，从所有的候选位置数据库中筛选出符合要求的候选位置集合。候选位置集合中的每一条候选位置，都可以对应到具体地址以及该候选位置的基本情况描述(例如商厦、沿街店铺)等。
在步骤420中，提取候选位置集合中的各个候选位置的目标特征。之后，执行步骤430。
在本实施例中，候选位置的目标特征是指用户用于选取该候选位置的指标，主要考虑店铺设置的区域以及区域的环境和应达到的基本要求。例如，目标特征可以考虑地区经济、区域规划、文化环境、消费时尚以及商店的可见度和形象特征等。
在步骤430中，将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果。之后，执行步骤440。
在本实施例中，目标位置排序模型是训练后具有排序能力的机器学习模型，用于根据各个候选位置的目标特征得到各个候选位置的排序结果。机器学习英文全称为Machine Learning，简称ML。机器学习模型可以通过样本学习具备鉴别能力。机器学习模型可以采用神经网络模型、支持向量机或者逻辑回归模型等。在本实施例中，目标位置排序模型的输入可以为各个候选位置的目标特征，输出可以为各个候选位置的排序结果。
在步骤440中，基于排序结果，从各个候选位置中确定目标位置。之后，执行步骤450。
在本实施例中，在步骤230中确定各个候选位置的排序结果之后，可以根据排序结果中各个候选位置的排序顺序从大到小，选定一个、两个或多个目标位置。
在步骤450中，将所述目标位置添加至目标位置集合。
在步骤460中，判断目标位置集合是否满足停止选择标准。若是，执行步骤470，若否，执行步骤480。
在本实施例中，停止选择标准是指目标位置集合所要符合的标准。例如，停止选择标准可以包括目标位置集合的以下至少一项参数：目标位置的数量、人口覆盖率、消费能力指标和用户画像数据。
在步骤470中，将所述目标位置集合作为最终的目标位置集合。
在本实施例中，在目标位置集合满足停止选择标准之后，可以采用目标位置集合来供用户参考选址。
在步骤480中，基于目标位置更新候选位置集合，采用更新后的候选位置集合，跳转至执行步骤420。
在本实施例中，在目标位置集合不满足停止选择标准之后，还需从候选位置集合中筛选新的目标位置以供用户参考选址。考虑到在筛选新的目标位置时，上次选择的目标位置会对本次所选择的目标位置的效益指标造成影响，因此需要考虑目标位置所造成的影响因素来更新候选位置集合。
例如，已经选过的目标位置不能再次选择，所以可以去除候选位置集合中对应目标位置的候选位置；与目标位置在同一时空数据范围内的候选位置也需要剔除，也即去除候选位置集合中位于目标位置的预设空间范围内的候选位置，备选地或附加地，去除候选位置集合中位于目标位置的预定可达时间范围内的候选位置；已经产生的目标位置对后续候选位置的人口覆盖率也会产生影响，因此需要剔除这部分被影响的候选位置的数据，也即基于目标位置的人口覆盖率，调整候选位置集合中的候选位置的人口覆盖率。
之后，可以采用更新后的候选位置集合，来提取所述候选位置集合中的各个候选位置的目标特征，进而开始新一轮的确定目标位置。
应当理解，本实施例中的步骤410至步骤440，与图2中的步骤210至步骤240相对应，由此，上文针对图2中用于确定目标位置的方法描述的操作和特征同样适用于步骤410至步骤440，在此不再赘述。
本申请上述实施例提供的用于确定目标位置的方法，与图2中所示的实施例不同的是，增加了对目标位置集合是否符合停止选择标准的判定，若不满足，则在后续确定目标位置时，从候选位置集合中剔除当前目标位置的影响，从而提高了后续确定目标位置的准确性。
进一步参考图5，作为对上述方法的实现，本申请实施例提供了一种用于确定目标位置的装置的一个实施例，该用于确定目标位置的装置的实施例与图1至图4所示的用于确定目标位置的方法的实施例相对应，由此，上文针对图1至图4中用于确定目标位置的方法描述的操作和特征同样适用于用于确定目标位置的装置500及其中包含的单元，在此不再赘述。
如图5所示，该用于确定目标位置的装置500可以包括：候选位置获取单元510，被配置成获取候选位置集合；目标特征提取单元520，被配置成提取候选位置集合中的各个候选位置的目标特征；排序结果确定单元530，被配置成将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果，目标位置排序模型基于实际位置的目标特征和效益指标训练得到；目标位置确定单元540，被配置成基于排序结果，从各个候选位置中确定目标位置。
在一些实施例中，装置还包括：目标位置添加单元550，被配置成将目标位置添加至目标位置集合；停止标准判断单元560，被配置成判断目标位置集合是否满足停止选择标准；最终集合确定单元570，被配置成若目标位置集合满足停止选择标准，则将目标位置集合作为最终的目标位置集合；候选位置更新单元580，被配置成若目标位置集合未满足停止选择标准，则基于目标位置更新候选位置集合；采用更新后的候选位置集合，跳转至执行提取候选位置集合中的各个候选位置的目标特征的步骤。
在一些实施例中，停止标准判断单元进一步被配置成：判断目标位置集合是否满足目标位置集合的以下至少一项参数：目标位置的数量、人口覆盖率、消费能力指标和用户画像数据，将目标位置添加至目标位置集合。
在一些实施例中，候选位置更新单元进一步被配置成执行以下至少一项操作以得到更新后的候选位置集合：去除候选位置集合中对应目标位置的候选位置；去除候选位置集合中位于目标位置的预设空间范围内的候选位置；去除候选位置集合中位于目标位置的预定可达时间范围内的候选位置；基于目标位置的人口覆盖率，调整候选位置集合中的候选位置的人口覆盖率。
在一些实施例中，排序结果确定单元中的目标位置排序模型包括至少两个子排序模型；排序结果确定单元进一步被配置成：将各个候选位置的目标特征输入子排序模型，得到各个子排序模型输出的针对单个效益指标的排序顺序；将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。
在一些实施例中，排序结果确定单元进一步被配置成：基于针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分；基于各个候选位置的得分和预先定义的子排序模型的权重，计算各个候选位置的总得分；基于各个候选位置的总得分，排序各个候选位置，得到各个候选位置的排序结果。
在一些实施例中，排序结果确定单元进一步被配置成：将各个候选位置整合后的初始排序评分值设置为相同的选取概率值，得到初始分值矩阵；对于候选位置集合中任意两个候选位置，计算从一个候选位置到另一个候选位置的转移概率，得到状态转移矩阵；基于初始分值矩阵和状态转移矩阵，迭代计算排序分值矩阵，直至本次排序分值矩阵与上次排序分值矩阵的差值矩阵中的元素小于阈值；基于迭代计算得到的排序分值矩阵，确定各个候选位置的排序结果。
在一些实施例中，排序结果确定单元中的子排序模型基于以下步骤确定：获取实际位置样本；提取实际位置样本的目标特征集合；提取实际位置样本的效益指标集合；对于效益指标集合中的各个效益指标，分别采用实际位置样本的目标特征和单个效益指标构建针对单个效益指标的任意两个实际位置的排序数据集；采用构建的排序数据集训练成对排序模型的初始模型，得到训练完成的针对单个效益指标的子排序模型。
在一些实施例中，目标特征提取单元以及排序结果确定单元中的目标特征包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布、所在区域内的房产情况和所在区域内的租房情况；和/或排序结果确定单元中的效益指标包括以下至少一项：年平均服务用户数量、年平均营业额、年平均成本、年平均利润、当期平均利润率、当期新增用户数、当期新增用户利润以及当期新增用户利润率。
本申请还提供了一种设备的实施例，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项所述的用于确定目标位置的装置。
本申请还提供了一种计算机可读存储介质的实施例，其上存储有计算机程序，该程序被处理器执行时实现如上任意一项所述的用于确定目标位置的装置。
下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分，所述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括候选位置获取单元、目标特征提取单元、排序结果确定单元和目标位置确定单元。这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，候选位置获取单元还可以被描述为“获取候选位置集合的单元”。
作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取候选位置集合；提取候选位置集合中的各个候选位置的目标特征；将各个候选位置的目标特征输入目标位置排序模型，得到各个候选位置的排序结果，目标位置排序模型基于实际位置的目标特征和效益指标训练得到；基于排序结果，从各个候选位置中确定目标位置。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种用于确定目标位置的方法，包括：
获取候选位置集合；
提取所述候选位置集合中的各个候选位置的目标特征；
将所述各个候选位置的目标特征输入目标位置排序模型，得到所述各个候选位置的排序结果，所述目标位置排序模型基于实际位置的目标特征和效益指标训练得到；
基于所述排序结果，从所述各个候选位置中确定目标位置。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述目标位置添加至目标位置集合；
判断所述目标位置集合是否满足停止选择标准；
若是，则将所述目标位置集合作为最终的目标位置集合；
若否，则基于所述目标位置更新所述候选位置集合；采用更新后的候选位置集合，跳转至执行所述提取所述候选位置集合中的各个候选位置的目标特征的步骤。
3.根据权利要求2所述的方法，其中，所述判断所述目标位置集合是否满足停止选择标准包括：
判断所述目标位置集合是否满足目标位置集合的以下至少一项参数：目标位置的数量、人口覆盖率、消费能力指标和用户画像数据，将所述目标位置添加至目标位置集合。
4.根据权利要求2所述的方法，其中，所述基于所述目标位置更新所述候选位置集合包括执行以下至少一项操作以得到更新后的所述候选位置集合：
去除所述候选位置集合中对应所述目标位置的候选位置；
去除所述候选位置集合中位于所述目标位置的预设空间范围内的候选位置；
去除所述候选位置集合中位于所述目标位置的预定可达时间范围内的候选位置；
基于所述目标位置的人口覆盖率，调整所述候选位置集合中的候选位置的人口覆盖率。
5.根据权利要求1所述的方法，其中，所述目标位置排序模型包括至少两个子排序模型；
所述将所述各个候选位置的目标特征输入目标位置排序模型，得到所述各个候选位置的排序结果包括：
将所述各个候选位置的目标特征输入子排序模型，得到各个子排序模型输出的针对单个效益指标的排序顺序；
将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。
6.根据权利要求5所述的方法，其中，所述将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果包括：
基于所述针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分；
基于各个候选位置的得分和预先定义的子排序模型的权重，计算各个候选位置的总得分；
基于所述各个候选位置的总得分，排序所述各个候选位置，得到所述各个候选位置的排序结果。
7.根据权利要求5所述的方法，其中，所述将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果包括：
将各个候选位置整合后的初始排序评分值设置为相同的选取概率值，得到初始分值矩阵；
对于所述候选位置集合中任意两个候选位置，计算从一个候选位置到另一个候选位置的转移概率，得到状态转移矩阵；
基于所述初始分值矩阵和所述状态转移矩阵，迭代计算排序分值矩阵，直至本次排序分值矩阵与上次排序分值矩阵的差值矩阵中的元素小于阈值；
基于迭代计算得到的排序分值矩阵，确定各个候选位置的排序结果。
8.根据权利要求5所述的方法，其中，所述子排序模型基于以下步骤确定：
获取实际位置样本；
提取所述实际位置样本的目标特征集合；
提取所述实际位置样本的效益指标集合；
对于所述效益指标集合中的各个效益指标，分别采用所述实际位置样本的目标特征和单个效益指标构建针对所述单个效益指标的任意两个实际位置的排序数据集；
采用构建的排序数据集训练成对排序模型的初始模型，得到训练完成的针对所述单个效益指标的子排序模型。
9.根据权利要求1所述的方法，其中，所述目标特征包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布、所在区域内的房产情况和所在区域内的租房情况；和/或
所述效益指标包括以下至少一项：年平均服务用户数量、年平均营业额、年平均成本、年平均利润、当期平均利润率、当期新增用户数、当期新增用户利润以及当期新增用户利润率。
10.一种用于确定目标位置的装置，包括：
候选位置获取单元，被配置成获取候选位置集合；
目标特征提取单元，被配置成提取所述候选位置集合中的各个候选位置的目标特征；
排序结果确定单元，被配置成将所述各个候选位置的目标特征输入目标位置排序模型，得到所述各个候选位置的排序结果，所述目标位置排序模型基于实际位置的目标特征和效益指标训练得到；
目标位置确定单元，被配置成基于所述排序结果，从所述各个候选位置中确定目标位置。
11.根据权利要求10所述的装置，其中，所述装置还包括：
目标位置添加单元，被配置成将所述目标位置添加至目标位置集合；
停止标准判断单元，被配置成判断所述目标位置集合是否满足停止选择标准；
最终集合确定单元，被配置成若所述目标位置集合满足停止选择标准，则将所述目标位置集合作为最终的目标位置集合；
候选位置更新单元，被配置成若所述目标位置集合未满足停止选择标准，则基于所述目标位置更新所述候选位置集合；采用更新后的候选位置集合，跳转至执行所述提取所述候选位置集合中的各个候选位置的目标特征的步骤。
12.根据权利要求11所述的装置，其中，所述停止标准判断单元进一步被配置成：
判断所述目标位置集合是否满足目标位置集合的以下至少一项参数：目标位置的数量、人口覆盖率、消费能力指标和用户画像数据，将所述目标位置添加至目标位置集合。
13.根据权利要求11所述的装置，其中，所述候选位置更新单元进一步被配置成执行以下至少一项操作以得到更新后的所述候选位置集合：
去除所述候选位置集合中对应所述目标位置的候选位置；
去除所述候选位置集合中位于所述目标位置的预设空间范围内的候选位置；
去除所述候选位置集合中位于所述目标位置的预定可达时间范围内的候选位置；
基于所述目标位置的人口覆盖率，调整所述候选位置集合中的候选位置的人口覆盖率。
14.根据权利要求10所述的装置，其中，所述排序结果确定单元中的所述目标位置排序模型包括至少两个子排序模型；
所述排序结果确定单元进一步被配置成：
将所述各个候选位置的目标特征输入子排序模型，得到各个子排序模型输出的针对单个效益指标的排序顺序；
将各个子排序模型输出的针对单个效益指标的排序顺序整合为各个候选位置的排序结果。
15.根据权利要求14所述的装置，其中，所述排序结果确定单元进一步被配置成：
基于所述针对单个效益指标的排序顺序中各个候选位置的顺序，确定各个候选位置的得分；
基于各个候选位置的得分和预先定义的子排序模型的权重，计算各个候选位置的总得分；
基于所述各个候选位置的总得分，排序所述各个候选位置，得到所述各个候选位置的排序结果。
16.根据权利要求14所述的装置，其中，所述排序结果确定单元进一步被配置成：
将各个候选位置整合后的初始排序评分值设置为相同的选取概率值，得到初始分值矩阵；
对于所述候选位置集合中任意两个候选位置，计算从一个候选位置到另一个候选位置的转移概率，得到状态转移矩阵；
基于所述初始分值矩阵和所述状态转移矩阵，迭代计算排序分值矩阵，直至本次排序分值矩阵与上次排序分值矩阵的差值矩阵中的元素小于阈值；
基于迭代计算得到的排序分值矩阵，确定各个候选位置的排序结果。
17.根据权利要求14所述的装置，其中，所述排序结果确定单元中的所述子排序模型基于以下步骤确定：
获取实际位置样本；
提取所述实际位置样本的目标特征集合；
提取所述实际位置样本的效益指标集合；
对于所述效益指标集合中的各个效益指标，分别采用所述实际位置样本的目标特征和单个效益指标构建针对所述单个效益指标的任意两个实际位置的排序数据集；
采用构建的排序数据集训练成对排序模型的初始模型，得到训练完成的针对所述单个效益指标的子排序模型。
18.根据权利要求10所述的装置，其中，所述目标特征提取单元以及排序结果确定单元中的所述目标特征包括以下至少一项：所在区域的用户数量、所在区域的兴趣点分布、所在区域的路网结构、所在区域的消费情况、所在区域的社区类型分布、所在区域内的房产情况和所在区域内的租房情况；和/或
所述排序结果确定单元中的所述效益指标包括以下至少一项：年平均服务用户数量、年平均营业额、年平均成本、年平均利润、当期平均利润率、当期新增用户数、当期新增用户利润以及当期新增用户利润率。
19.一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任意一项所述的用于确定目标位置的方法。
20.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-9中任意一项所述的用于确定目标位置的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810675323.9A CN108960912A (zh) | 2018-06-27 | 2018-06-27 | 用于确定目标位置的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810675323.9A CN108960912A (zh) | 2018-06-27 | 2018-06-27 | 用于确定目标位置的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108960912A true CN108960912A (zh) | 2018-12-07 |
Family
ID=64487247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810675323.9A Pending CN108960912A (zh) | 2018-06-27 | 2018-06-27 | 用于确定目标位置的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108960912A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111150A (zh) * | 2019-05-08 | 2019-08-09 | 拉扎斯网络科技（上海）有限公司 | 信息处理方法、装置、存储介质和电子设备 |
| CN110413722A (zh) * | 2019-08-06 | 2019-11-05 | 京东城市(北京)数字科技有限公司 | 地址选择方法、装置以及非瞬时性存储介质 |
| CN110415521A (zh) * | 2019-07-31 | 2019-11-05 | 京东城市(北京)数字科技有限公司 | 交通数据的预测方法、装置和计算机可读存储介质 |
| CN110648161A (zh) * | 2019-08-05 | 2020-01-03 | 中移（杭州）信息技术有限公司 | 商业选址的效益评估方法、装置及存储介质 |
| CN111062800A (zh) * | 2019-11-27 | 2020-04-24 | 同盾控股有限公司 | 数据处理方法、装置、电子设备及计算机可读介质 |
| CN111444439A (zh) * | 2020-03-24 | 2020-07-24 | 北京航空航天大学 | 一种线下店铺推荐方法、装置、系统及存储介质 |
| CN112651575A (zh) * | 2021-01-05 | 2021-04-13 | 广东赢商网数据服务股份有限公司 | 令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104636482A (zh) * | 2015-02-16 | 2015-05-20 | 百度在线网络技术（北京）有限公司 | 用于确定目标地址的方法和装置 |
| CN106384250A (zh) * | 2016-09-13 | 2017-02-08 | 百度在线网络技术（北京）有限公司 | 一种选址方法及装置 |
| CN106952105A (zh) * | 2017-04-26 | 2017-07-14 | 浙江大学 | 一种基于迁移学习的商铺最优化选址方法 |
| CN107203523A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 一种确定地理位置的属性信息的方法及装置 |
| CN108154300A (zh) * | 2017-12-25 | 2018-06-12 | 东软集团股份有限公司 | 兴趣点选址方法、装置和计算机设备 |
| EP3333793A1 (en) * | 2015-08-06 | 2018-06-13 | Jaewon Park | Business district information provision system, business district information provision server, business district information provision method, service application server, and service application server operation method |
-
2018
- 2018-06-27 CN CN201810675323.9A patent/CN108960912A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104636482A (zh) * | 2015-02-16 | 2015-05-20 | 百度在线网络技术（北京）有限公司 | 用于确定目标地址的方法和装置 |
| EP3333793A1 (en) * | 2015-08-06 | 2018-06-13 | Jaewon Park | Business district information provision system, business district information provision server, business district information provision method, service application server, and service application server operation method |
| CN107203523A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 一种确定地理位置的属性信息的方法及装置 |
| CN106384250A (zh) * | 2016-09-13 | 2017-02-08 | 百度在线网络技术（北京）有限公司 | 一种选址方法及装置 |
| CN106952105A (zh) * | 2017-04-26 | 2017-07-14 | 浙江大学 | 一种基于迁移学习的商铺最优化选址方法 |
| CN108154300A (zh) * | 2017-12-25 | 2018-06-12 | 东软集团股份有限公司 | 兴趣点选址方法、装置和计算机设备 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111150A (zh) * | 2019-05-08 | 2019-08-09 | 拉扎斯网络科技（上海）有限公司 | 信息处理方法、装置、存储介质和电子设备 |
| CN110415521A (zh) * | 2019-07-31 | 2019-11-05 | 京东城市(北京)数字科技有限公司 | 交通数据的预测方法、装置和计算机可读存储介质 |
| CN110648161A (zh) * | 2019-08-05 | 2020-01-03 | 中移（杭州）信息技术有限公司 | 商业选址的效益评估方法、装置及存储介质 |
| CN110413722A (zh) * | 2019-08-06 | 2019-11-05 | 京东城市(北京)数字科技有限公司 | 地址选择方法、装置以及非瞬时性存储介质 |
| CN110413722B (zh) * | 2019-08-06 | 2021-03-30 | 京东城市(北京)数字科技有限公司 | 地址选择方法、装置以及非瞬时性存储介质 |
| CN111062800A (zh) * | 2019-11-27 | 2020-04-24 | 同盾控股有限公司 | 数据处理方法、装置、电子设备及计算机可读介质 |
| CN111062800B (zh) * | 2019-11-27 | 2023-09-08 | 同盾控股有限公司 | 数据处理方法、装置、电子设备及计算机可读介质 |
| CN111444439A (zh) * | 2020-03-24 | 2020-07-24 | 北京航空航天大学 | 一种线下店铺推荐方法、装置、系统及存储介质 |
| CN112651575A (zh) * | 2021-01-05 | 2021-04-13 | 广东赢商网数据服务股份有限公司 | 令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960912A (zh) | 用于确定目标位置的方法和装置 | |
| US11246045B2 (en) | Systems and methods for communications node upgrade and selection | |
| CN107688823B (zh) | 一种图像特征获取方法及装置，电子设备 | |
| US20180182104A1 (en) | Segmentation of an image based on color and color differences | |
| CN110162690A (zh) | 确定用户对物品的兴趣度的方法与装置、设备和存储介质 | |
| CN107832468B (zh) | 需求识别方法和装置 | |
| CN110263242A (zh) | 内容推荐方法、装置、计算机可读存储介质和计算机设备 | |
| CN109922032A (zh) | 用于确定登录账户的风险的方法和装置 | |
| CN109902708A (zh) | 一种推荐模型训练方法及相关装置 | |
| CN109460514A (zh) | 用于推送信息的方法和装置 | |
| CN110490625A (zh) | 用户偏好确定方法及装置、电子设备、存储介质 | |
| CN108885624A (zh) | 信息推荐系统及方法 | |
| CN105721629A (zh) | 用户标识匹配方法和装置 | |
| CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
| CN108182253A (zh) | 用于生成信息的方法和装置 | |
| JP6725718B2 (ja) | 位置基盤情報探索方法およびコンピュータ装置 | |
| CN110084627A (zh) | 预测目标变量的方法和装置 | |
| CN105894028A (zh) | 用户识别方法和装置 | |
| CN110276677A (zh) | 基于大数据平台的还款预测方法、装置、设备及存储介质 | |
| CN110209658A (zh) | 数据清洗方法和装置 | |
| CN110019650A (zh) | 提供搜索联想词的方法、装置、存储介质及电子设备 | |
| CN108255706A (zh) | 自动化测试脚本的编辑方法、装置、终端设备及存储介质 | |
| CN107315833A (zh) | 基于应用程序的检索与下载的方法和装置 | |
| CN108898244B (zh) | 一种耦合多源要素的数字标牌位置推荐方法 | |
| CN114417174B (zh) | 内容推荐方法、装置、设备及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176 Applicant after: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd. Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176 Applicant before: BEIJING JINGDONG FINANCIAL TECHNOLOGY HOLDING Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176 Applicant after: Jingdong Technology Holding Co.,Ltd. Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176 Applicant before: Jingdong Digital Technology Holding Co.,Ltd. Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176 Applicant after: Jingdong Digital Technology Holding Co.,Ltd. Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176 Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd. |