CN109684563A - 商圈识别方法、装置以及计算机存储介质 - Google Patents
商圈识别方法、装置以及计算机存储介质 Download PDFInfo
- Publication number
- CN109684563A CN109684563A CN201811374753.3A CN201811374753A CN109684563A CN 109684563 A CN109684563 A CN 109684563A CN 201811374753 A CN201811374753 A CN 201811374753A CN 109684563 A CN109684563 A CN 109684563A
- Authority
- CN
- China
- Prior art keywords
- transaction
- maximum clique
- loco
- group
- commercial circle
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种商圈识别方法、装置以及计算机存储介质,其中方法包括:获取交易信息;所述交易信息包括交易地点和交易主体;根据关联交易建立极大团;同一交易主体于第一交易地点与第二交易地点均有交易发生时,判定所述第一交易地点与第二交易地点间具有关联交易;根据极大团之间重合的交易地点将极大团合并为商圈。采用上述方案,可以实现客观、准确地商圈识别。
Description
技术领域
本发明涉及商圈识别领域,尤其涉及一种商圈识别方法、装置以及计算机存储介质。
背景技术
商圈是商业企业开展经营活动的势力范围,商圈的识别与划分对于商业投资以及其他商业运作有着十分重要的作用。
现有技术中,商圈的识别通常采用人工信息采集与归纳方法,收集在所定商圈范围上最远的而且愿意到预定地址购物的消费者的信息,以确定商圈的范围。
然而,现有技术中的商圈识别方法,过于依赖人的主观判断,无法实现客观、精准的商圈识别。
发明内容
本发明解决的技术问题是商圈识别精准度较低的问题。
为解决上述技术问题,本发明实施例提供一种商圈识别方法,包括:获取交易信息;所述交易信息包括交易地点和交易主体;根据关联交易建立极大团;同一交易主体于第一交易地点与第二交易地点均有交易发生时,判定所述第一交易地点与第二交易地点间具有关联交易;根据极大团之间重合的交易地点将极大团合并为商圈。
可选的,确定包括至少三个交易地点的极大团;所述极大团内的交易地点之间互有关联交易;若检测到第三交易地点与所述极大团内的各个交易地点之间具有关联交易,则将所述第三交易地点并入所述极大团。
可选的,根据极大团之间重合的交易地点将极大团合并为极大团组;确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈。
可选的,根据极大团之间重合的交易地点确定极大团之间的相似度;将相似度高于相似度标准值的极大团合并为极大团组;所述极大团组继续将与所述极大团组相似度高于所述相似度标准值的极大团合并。
可选的,确定第一极大团和第二极大团之间重合的交易地点数量;确定所述第一极大团包含的交易地点的数量,确定所述第二极大团包含的交易地点的数量,取较小值为交易地点总量;所述相似度为第一极大团和第二极大团之间重合的交易地点数量与所述交易地点总量的比值。
可选的,同一交易主体在标准交易时间内于第一交易地点与第二交易地点均有交易,则第一交易地点与第二交易地点间具有对应所述交易主体的关联交易。
可选的,所述交易信息,还包括交易时间与所述关联交易对应的交易权重edge,所述交易权重edge按照以下公式计算:
其中,freqk为第一交易地点与第二交易地点之间对应交易主体k的关联交易次数,M为第一交易地点与第二交易地点之间的关联交易对应的交易主体的总量,scorek为第一交易地点与第二交易地点之间对应交易主体k的关联交易对应的加权分,scorek按照以下公式计算:
其中,gap为交易主体k在第一交易地点的交易时间与在第二交易地点的交易时间之间的时间间隔。
可选的,根据极大团组内部交易地点之间的关联交易对应的交易权重、极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重,合并极大团组外部交易地点。
可选的,定义ε=fG+m-fG,若ε>0,则极大团组合并对应的所述极大团外部交易地点,其中,fG+M为合并所述极大团外部交易地点后的极大团组对应的值,fG为合并所述极大团外部交易地点前的极大团组对应的值,为极大团组内部交易地点之间的关联交易对应的交易权重之和,是极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重之和,α为常数。
可选的,确定第一极大团组和第二极大团组之间重合的交易地点数量;确定所述第一极大团组包含的交易地点的数量,确定所述第二极大团组包含的交易地点的数量,取较小值为交易地点总数;所述相关度为第一极大团组和第二极大团组之间重合的交易地点数量与所述交易地点总数的比值。
可选的,去除同时属于三个及三个以上商圈的交易地点;将同时属于两个商圈的二级交易地点,根据所述二级交易地点与所在商圈中的其他交易地点之间的关联交易的交易权重之和,确定二级交易地点归属的商圈。
可选的,根据商圈覆盖的交易地点对商圈进行命名。
本发明还提供一种商圈识别装置,包括:信息获取单元,用于获取交易信息;所述交易信息包括交易地点和交易主体;极大团建立单元,用于根据关联交易建立极大团;同一交易主体于第一交易地点与第二交易地点均有交易发生时,判定所述第一交易地点与第二交易地点间具有关联交易;商圈建立单元,用于根据极大团之间重合的交易地点将极大团合并为商圈。
可选的,所述极大团建立单元,还用于确定包括至少三个交易地点的极大团;所述极大团内的交易地点之间互有关联交易;若检测到第三交易地点与所述极大团内的各个交易地点之间具有关联交易,则将所述第三交易地点并入所述极大团。
可选的,所述商圈建立单元,还用于根据极大团之间重合的交易地点将极大团合并为极大团组;确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈。
可选的,所述商圈建立单元,还用于根据极大团之间重合的交易地点确定极大团之间的相似度;将相似度高于相似度标准值的极大团合并为极大团组;所述极大团组继续将与所述极大团组相似度高于所述相似度标准值的极大团合并。
可选的,所述商圈建立单元,还用于确定第一极大团和第二极大团之间重合的交易地点数量;确定所述第一极大团包含的交易地点的数量,确定所述第二极大团包含的交易地点的数量,取较小值为交易地点总量;所述相似度为第一极大团和第二极大团之间重合的交易地点数量与所述交易地点总量的比值。
可选的,同一交易主体在标准交易时间内于第一交易地点与第二交易地点均有交易,则第一交易地点与第二交易地点间具有对应所述交易主体的关联交易。
可选的,所述交易信息,还包括交易时间与所述关联交易对应的交易权重edge,所述信息获取单元,还用于按照以下公式计算所述交易权重edge:
其中,freqk为第一交易地点与第二交易地点之间对应交易主体k的关联交易次数,M为第一交易地点与第二交易地点之间的关联交易对应的交易主体的总量,scorek为第一交易地点与第二交易地点之间对应交易主体k的关联交易对应的加权分,scorek按照以下公式计算:
其中,gap为交易主体k在第一交易地点的交易时间与在第二交易地点的交易时间之间的时间间隔。
可选的,所述商圈建立单元,还用于根据极大团组内部交易地点之间的关联交易对应的交易权重、极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重,合并极大团组外部交易地点。
可选的,所述商圈建立单元,还用于定义ε=fG+m-fG,若ε>0,则极大团组合并对应的所述极大团外部交易地点,其中,fG+M为合并所述极大团外部交易地点后的极大团组对应的值,fG为合并所述极大团外部交易地点前的极大团组对应的值,为极大团组内部交易地点之间的关联交易对应的交易权重之和,是极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重之和,α为常数。
可选的,所述商圈建立单元,还用于确定第一极大团组和第二极大团组之间重合的交易地点数量;确定所述第一极大团组包含的交易地点的数量,确定所述第二极大团组包含的交易地点的数量,取较小值为交易地点总数;所述相关度为第一极大团组和第二极大团组之间重合的交易地点数量与所述交易地点总数的比值。
可选的,所述商圈建立单元,还用于去除同时属于三个及三个以上商圈的交易地点;将同时属于两个商圈的二级交易地点,根据所述二级交易地点与所在商圈中的其他交易地点之间的关联交易的交易权重之和,确定二级交易地点归属的商圈。
可选的,所述商圈建立单元,还用于根据商圈覆盖的交易地点对商圈进行命名。
本发明还提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一种的商圈识别方法的步骤。
本发明还提供一种商圈识别装置,包括存储器和处理器,所述存储器上存储有计算机指令,所述计算机指令运行时所述处理器执行上述任一种的商圈识别方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
当同一交易主体在不同的交易地点均有交易时,则判定这些交易地点之间具有关联交易,根据关联交易确定极大团,根据极大团之间重合的交易地点将极大团合并为商圈。采用上述方案,根据客观的商业交易确定商圈范围,避免了因主观判断而产生的误差,实现了商圈识别的客观性和精确性。
附图说明
图1是本发明实施例中提供的商圈识别方法的流程示意图;
图2是本发明实施例中的极大团的示意图;
图3是本发明实施例中提供的商圈识别装置的结构示意图。
具体实施方式
现有技术中,商圈的识别通常采用人工信息采集与归纳方法,收集在所定商圈范围上最远的而且愿意到预定地址购物的消费者的信息,以确定商圈的范围。
然而,现有技术中的商圈识别方法,过于依赖人的主观判断,无法实现客观、精准的商圈识别。
本发明实施例中,同一交易主体于不同的交易地点均有交易,则这些交易地点之间具有关联交易,根据关联交易确定极大团,根据极大团之间重合的交易地点将极大团合并为商圈。采用上述方案,完全根据客观的商业交易确定商圈范围,避免了因主观判断而产生的误差,实现了商圈识别的客观性和精确性。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参阅图1,其为本发明实施例提供的商圈识别方法的流程示意图,包括具体步骤,其中:
步骤S101,获取交易信息。
在具体实施中,所述交易信息包括交易地点和交易主体。在本发明实施例中,交易地点可以是POS机地点,也可以是进行交易的商铺,具体对象可以由用户根据实际情况设定。在本发明实施例中,交易主体可以是银行卡,也可以是自然人,具体对象可以由用户根据实际情况设定。
在具体实施中,获取的交易信息可以根据用户根据实际情况设定的筛选条件进行筛选。例如,仅保留交易方式为刷卡消费的交易,仅保留零售、餐饮等行业的流水,去除消费金额小于一定数值的交易,仅保留处于同一城市的交易信息。
步骤S102,根据关联交易建立极大团。
在具体实施中,当同一交易主体于第一交易地点与第二交易地点均有交易发生时,可以判定所述第一交易地点与第二交易地点间具有关联交易。
在具体实施中,当同一交易主体于两个不同的交易地点均存在交易时,则这两个交易地点之间存在关联交易,即这两个交易地点之间存在“边”。当多个交易地点存在关联交易时,连接多个交易地点中的任意两个交易地点,可以得到多条“边”。多条这样的“边”可以将多个不同的交易地点连接在一起,即可以形成多个不规则的多边形的交易范围,这些多边形的交易范围即为极大团。
步骤S103,根据极大团之间重合的交易地点将极大团合并为商圈。
在具体实施中,在极大团构建完成后,将具有重合的交易地点的多边形的交易范围合并,即可得到商圈。按照这样的商圈识别方案,以客观的商业交易作为合并商圈的标准,合并得到商圈的范围更客观、准确。
在具体实施中,极大团的合并标准,可以是当两个极大团之间重合的交易地点的数量超过一定预设的数值时,将两个极大团合并;也可以是两个极大团之间重合的交易地点的数量,与其中一个极大团所包括的交易地点总数的比值超过一定预设的数值时,将两个极大团合并;还可以是用户根据实际情况设定。
本发明实施例中,根据关联交易建立极大团具体包括,确定包括至少三个交易地点的极大团;所述极大团内的至少三个交易地点之间互有关联交易;若检测到第三交易地点与所述极大团内的各个交易地点之间具有关联交易,则将所述第三交易地点并入所述极大团。
在具体实施中,极大团至少包括三个交易地点,交易地点之间互有关联交易,即交易地点之间互有“边”,以形成一个多边形。
在具体实施中,当所述第三交易地点与极大团内所有的交易地点之间均具有关联交易时,将所述第三交易地点并入所述极大团。参阅图2,存在交易地点1、交易地点2和交易地点3所述形成的极大团123,交易地点4与交易地点3、交易地点2和交易地点1之间具有关联交易,因此可以将交易地点4并入极大团123,得到极大团1234。
若在并入第三交易地点之后,还存在其他交易地点与并入第三交易地点之后的极大团内所有交易地点之间均具有关联交易,可以继续并入该交易地点,直到没有交易地点与极大团内的所有交易地点之间均具有关联交易。
本发明实施例中,极大团合并成商圈的过程包括,根据极大团之间重合的交易地点将极大团合并为极大团组;确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈。
在具体实施中,极大团合并成极大团组后,还可以由用户根据实际情况对极大团组进行调整,在调整之后将相关度较高的极大团组合并成商圈。极大团组之间的相关度判定方法可以由用户根据实际情况设定。
本发明实施例中,将极大团合并为极大团组的过程包括,根据极大团之间重合的交易地点确定极大团之间的相似度;将相似度高于相似度标准值的极大团合并为极大团组;所述极大团组继续将与所述极大团组相似度高于所述相似度标准值的极大团合并。
在具体实施中,相似度的计算方法可以是以极大团之间重合的交易地点数量,也可以是重合的交易地点数量与其中一个极大团所包括的交易地点数量的比值,还可以是用户根据实际情况设定。
在具体实施中,极大团合并成极大团组之后,极大团组可以按照相同的相似度计算方法以及评判标准继续合并其他的极大团,直到没有相似度高于所述相似度标准值的极大团。
在具体实施中,所述相似度标准值可以由用户根据实际情况设定。
本发明实施例中,相似度的计算方法可以是,确定第一极大团和第二极大团之间重合的交易地点数量;确定所述第一极大团包含的交易地点的数量,确定所述第二极大团包含的交易地点的数量,取较小值为交易地点总量;所述相似度为第一极大团和第二极大团之间重合的交易地点数量与所述交易地点总量的比值。
在具体实施中,参阅图2,有极大团1234与极大团2345,其中重合的交易地点有3个,极大团1234和极大团2345所包含的交易地点均为4个,则极大团1234与极大团2345之间的相似度为0.75,若设定相似度标准值为0.5,则可以合并得到极大团12345,若设定相似度标准值为0.8,则两个极大团不合并。
本发明实施例中,同一交易主体在标准交易时间内于第一交易地点与第二交易地点均有交易,则第一交易地点与第二交易地点间具有对应所述交易主体的关联交易。
在具体实施中,标准交易时间可以由用户根据实际情况设定。
在具体实施中,以交易时间最相近的两次交易判定是否具有关联交易,若交易主体于第一交易地点进行了两次交易,交易时间分别为十二点整与十二点三十分,该交易主体于第二交易地点进行了一次交易,交易时间为十三点整,标准交易时间设定为四十分钟,由于十二点三十分的交易与十三点整的交易之间的时间间隔小于四十分钟,因此判定第一交易地点与第二交易地点之间具有关联交易。
本发明实施例中,所述交易信息,还包括交易时间与所述关联交易对应的交易权重edge,所述交易权重edge按照以下公式计算:
其中,freqk为第一交易地点与第二交易地点之间对应交易主体k的关联交易次数,M为交易主体的总量,scorek为第一交易地点与第二交易地点之间对应交易主体k的关联交易对应的加权分,scorek按照以下公式计算:
其中,gap为交易主体k在第一交易地点的交易时间与在第二交易地点的交易时间之间的时间间隔。
在具体实施中,两次交易之间的时间间隔在30分钟内,则对应的关联交易的加权分为2,两次交易之间的时间间隔在30~60分钟内,对应的关联交易的加权分为1,时间间隔和加权分也可以由用户根据实际情况设定。
在具体实施中,若交易主体于第一交易地点进行了2次交易,交易时间分别为十二点整与十二点三十分,该交易主体于第二交易地点进行了1次交易,交易时间为十三点整,标准交易时间设定为四十分钟,由于十二点三十分的交易与十三点整的交易之间的时间间隔小于四十分钟,则第一交易地点与第二交易地点之间对应该交易主体的关联交易数量为1。
在具体实施中,以交易时间最相近的2次交易作为对应的一次关联交易,若交易主体k于第一交易地点进行了3次交易,交易时间分别为十二点整、十二点三十分和十三点三十分,该交易主体于第二交易地点进行了两次交易,交易时间为十三点整和十三点十分,则十二点三十分的交易与十三点整的交易形成一次关联交易,对应的加权分为2,十三点十分的交易与十三点三十分的交易形成一次关联交易,对应的加权分为2。综上,交易主体k的关联交易次数freqk为2,scorek为2。
在具体实施中,若第一交易地点与第二交易地点之间具有4次关联交易,对应的交易主体总量M为2,其中一个交易主体对应的关联交易次数为2,加权分为2,另一个交易主体对应的关联交易次数为2,加权分为1,则第一交易地点与第二交易地点之间的关联交易的交易权重edge为6,即第一交易地点与第二交易地点之间“边”的权重。
本发明实施例中,在组成极大团组之后,根据极大团组内部交易地点之间的关联交易对应的交易权重、极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重,合并极大团组外部交易地点。
在具体实施中,在极大团组完成建立之后,还可以继续根据交易地点之间的关联交易合并极大团组外部的交易地点。
本发明实施例中,合并极大团组外部交易地点的方式为,定义ε=fG+m-fG,若ε>0,则极大团组合并对应的所述极大团外部交易地点,其中,fG+M为合并所述极大团外部交易地点后的极大团组对应的值,fG为合并所述极大团外部交易地点前的极大团组对应的值,为极大团组内部交易地点之间的关联交易对应的交易权重之和,是极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重之和,α为常数。
在具体实施中,α用于控制极大团组的规模,用户可以根据实际情况设定。
在具体实施中,在极大团组合并外部交易地点的过程中,当仅存在外部交易地点使得ε<0,则所述极大团组停止合并,所述极大团组的建立完成。若极大团组合并的交易地点超过预设的数值,则判定所述极大团组建立成功,预设的数值通常为50。
本发明实施例中,确定极大团组之间的相关度的过程包括确定第一极大团组和第二极大团组之间重合的交易地点数量;确定所述第一极大团组包含的交易地点的数量,确定所述第二极大团组包含的交易地点的数量,取较小值为交易地点总数;所述相关度为第一极大团组和第二极大团组之间重合的交易地点数量与所述交易地点总数的比值。
在具体实施中,极大团组的合并方法可以参考极大团的合并方法。
在具体实施中,极大团组的合并可以当没有其他极大团组与正在合并的极大团组的相关度高于相关度标准值时结束,此时的极大团组合并完成,成为商圈。
在具体实施中,相关度标准值可以由用户根据实际情况设定。
本发明实施例中,在极大团组合并为商圈后,去除同时属于三个及三个以上商圈的交易地点;将同时属于两个商圈的二级交易地点,根据所述二级交易地点与所在商圈中的其他交易地点之间的关联交易的交易权重之和,确定二级交易地点归属的商圈。
在具体实施中,分别计算所述二级交易地点所在的两个商圈中的与其他交易地点之间的关联交易的交易权重之和,并分别除以商圈的交易地点的总数,将所述二级地点划分入交易权重之和与交易地点总数的比值较大的商圈。
在具体实施中,划分二级交易地点的方式也可以由用户根据实际情况设定。
本发明实施例中,根据商圈覆盖的交易地点对商圈进行命名。
在具体实施中,若商圈覆盖的交易地点主要为黄浦区的紫金广场,则可以将商圈命名为黄浦区/紫金广场。
参阅图3,本发明实施例还提供了商圈识别装置30,具体包括,信息获取单元301,用于获取交易信息;所述交易信息包括交易地点和交易主体;
极大团建立单元302,用于根据关联交易建立极大团;同一交易主体于第一交易地点与第二交易地点均有交易发生时,判定所述第一交易地点与第二交易地点间具有关联交易;
商圈建立单元303,用于根据极大团之间重合的交易地点将极大团合并为商圈。
本发明实施例中,所述极大团建立单元302,还可以用于确定包括至少三个交易地点的极大团;所述极大团内的交易地点之间互有关联交易;若检测到第三交易地点与所述极大团内的各个交易地点之间具有关联交易,则将所述第三交易地点并入所述极大团。
本发明实施例中,所述商圈建立单元303,还可以用于根据极大团之间重合的交易地点将极大团合并为极大团组;确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈。
本发明实施例中,所述商圈建立单元303,还可以用于根据极大团之间重合的交易地点确定极大团之间的相似度;将相似度高于相似度标准值的极大团合并为极大团组;所述极大团组继续将与所述极大团组相似度高于所述相似度标准值的极大团合并。
本发明实施例中,所述商圈建立单元303,还可以用于确定第一极大团和第二极大团之间重合的交易地点数量;确定所述第一极大团包含的交易地点的数量,确定所述第二极大团包含的交易地点的数量,取较小值为交易地点总量;所述相似度为第一极大团和第二极大团之间重合的交易地点数量与所述交易地点总量的比值。
本发明实施例中,同一交易主体在标准交易时间内于第一交易地点与第二交易地点均有交易,则第一交易地点与第二交易地点间具有对应所述交易主体的关联交易。
本发明实施例中,所述交易信息,还包括交易时间与所述关联交易对应的交易权重edge,所述信息获取单元301,还可以用于按照以下公式计算所述交易权重edge:
edge=freqk*scorek,
其中,freqk为第一交易地点与第二交易地点之间对应交易主体k的关联交易次数,M为第一交易地点与第二交易地点之间的关联交易对应的交易主体的总量,scorek为第一交易地点与第二交易地点之间对应交易主体k的关联交易对应的加权分,scorek按照以下公式计算:
其中,gap为交易主体k在第一交易地点的交易时间与在第二交易地点的交易时间之间的时间间隔。
本发明实施例中,所述商圈建立单元303,还可以用于根据极大团组内部交易地点之间的关联交易对应的交易权重、极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重,合并极大团组外部交易地点。
本发明实施例中,所述商圈建立单元303,还可以用于定义ε=fG+m-fG,若ε>0,则极大团组合并对应的所述极大团外部交易地点,其中,fG+M为合并所述极大团外部交易地点后的极大团组对应的值,fG为合并所述极大团外部交易地点前的极大团组对应的值,为极大团组内部交易地点之间的关联交易对应的交易权重之和,是极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重之和,α为常数。
本发明实施例中,所述商圈建立单元303,还可以用于确定第一极大团组和第二极大团组之间重合的交易地点数量;确定所述第一极大团组包含的交易地点的数量,确定所述第二极大团组包含的交易地点的数量,取较小值为交易地点总数;所述相关度为第一极大团组和第二极大团组之间重合的交易地点数量与所述交易地点总数的比值。
本发明实施例中,所述商圈建立单元303,还可以用于去除同时属于三个及三个以上商圈的交易地点;将同时属于两个商圈的二级交易地点,根据所述二级交易地点与所在商圈中的其他交易地点之间的关联交易的交易权重之和,确定二级交易地点归属的商圈。
本发明实施例中,所述商圈建立单元303,还可以用于根据商圈覆盖的交易地点对商圈进行命名。
本发明还提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一种的商圈识别方法的步骤。
本发明实施例还提供了另一种商圈识别装置,包括存储器和处理器,所述存储器上存储有计算机指令,所述计算机指令运行时所述处理器执行上述任一种的商圈识别方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指示相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (26)
1.一种商圈识别方法,其特征在于,包括:
获取交易信息;所述交易信息包括交易地点和交易主体;
根据关联交易建立极大团;同一交易主体于第一交易地点与第二交易地点均有交易发生时,判定所述第一交易地点与第二交易地点间具有关联交易;根据极大团之间重合的交易地点将极大团合并为商圈。
2.根据权利要求1所述的商圈识别方法,其特征在于,所述根据关联交易建立极大团,包括:
确定包括至少三个交易地点的极大团;所述极大团内的交易地点之间互有关联交易;
若检测到第三交易地点与所述极大团内的各个交易地点之间具有关联交易,则将所述第三交易地点并入所述极大团。
3.根据权利要求1所述的商圈识别方法,其特征在于,所述根据极大团之间重合的交易地点将极大团合并为商圈,包括:
根据极大团之间重合的交易地点将极大团合并为极大团组;
确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈。
4.根据权利要求3所述的商圈识别方法,其特征在于,所述根据极大团之间重合的交易地点将极大团合并为极大团组,包括:
根据极大团之间重合的交易地点确定极大团之间的相似度;
将相似度高于相似度标准值的极大团合并为极大团组;
所述极大团组继续将与所述极大团组相似度高于所述相似度标准值的极大团合并。
5.根据权利要求4所述的商圈识别方法,其特征在于,所述根据极大团之间重合的交易地点确定极大团之间的相似度,包括;
确定第一极大团和第二极大团之间重合的交易地点数量;
确定所述第一极大团包含的交易地点的数量,确定所述第二极大团包含的交易地点的数量,取较小值为交易地点总量;
所述相似度为第一极大团和第二极大团之间重合的交易地点数量与所述交易地点总量的比值。
6.根据权利要求3所述的商圈识别方法,其特征在于,同一交易主体在标准交易时间内于第一交易地点与第二交易地点均有交易,则第一交易地点与第二交易地点间具有对应所述交易主体的关联交易。
7.根据权利要求6所述的商圈识别方法,其特征在于,所述交易信息,还包括交易时间与所述关联交易对应的交易权重edge,所述交易权重edge按照以下公式计算:
其中,freqk为第一交易地点与第二交易地点之间对应交易主体k的关联交易次数,M为第一交易地点与第二交易地点之间的关联交易对应的交易主体的总量,scorek为第一交易地点与第二交易地点之间对应交易主体k的关联交易对应的加权分,scorek按照以下公式计算:
其中,gap为交易主体k在第一交易地点的交易时间与在第二交易地点的交易时间之间的时间间隔。
8.根据权利要求7所述的商圈识别方法,其特征在于,在所述根据极大团之间重合的交易地点将极大团合并为极大团组之后,包括:
根据极大团组内部交易地点之间的关联交易对应的交易权重、极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重,合并极大团组外部交易地点。
9.根据权利要求8所述的商圈识别方法,其特征在于,所述合并极大团组外部交易地点,包括;
定义ε=fG+m-fG,若ε>0,则极大团组合并对应的所述极大团外部交易地点,
其中,fG+M为合并所述极大团外部交易地点后的极大团组对应的值,fG为合并所述极大团外部交易地点前的极大团组对应的值, 为极大团组内部交易地点之间的关联交易对应的交易权重之和,是极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重之和,α为常数。
10.根据权利要求7所述的商圈识别方法,其特征在于,所述确定极大团组之间的相关度,包括:
确定第一极大团组和第二极大团组之间重合的交易地点数量;
确定所述第一极大团组包含的交易地点的数量,确定所述第二极大团组包含的交易地点的数量,取较小值为交易地点总数;
所述相关度为第一极大团组和第二极大团组之间重合的交易地点数量与所述交易地点总数的比值。
11.根据权利要求10所述的商圈识别方法,其特征在于,在所述确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈之后,还包括:
去除同时属于三个及三个以上商圈的交易地点;
将同时属于两个商圈的二级交易地点,根据所述二级交易地点与所在商圈中的其他交易地点之间的关联交易的交易权重之和,确定二级交易地点归属的商圈。
12.根据权利要求3所述的商圈识别方法,其特征在于,在所述确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈之后,还包括:
根据商圈覆盖的交易地点对商圈进行命名。
13.一种商圈识别装置,其特征在于,包括:
信息获取单元,用于获取交易信息;所述交易信息包括交易地点和交易主体;
极大团建立单元,用于根据关联交易建立极大团;同一交易主体于第一交易地点与第二交易地点均有交易发生时,判定所述第一交易地点与第二交易地点间具有关联交易;
商圈建立单元,用于根据极大团之间重合的交易地点将极大团合并为商圈。
14.根据权利要求13所述的商圈识别装置,其特征在于,所述极大团建立单元,还用于确定包括至少三个交易地点的极大团;所述极大团内的交易地点之间互有关联交易;若检测到第三交易地点与所述极大团内的各个交易地点之间具有关联交易,则将所述第三交易地点并入所述极大团。
15.根据权利要求13所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于根据极大团之间重合的交易地点将极大团合并为极大团组;确定极大团组之间的相关度,将相关度高于相关度标准值的极大团组合并为商圈。
16.根据权利要求15所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于根据极大团之间重合的交易地点确定极大团之间的相似度;
将相似度高于相似度标准值的极大团合并为极大团组;所述极大团组继续将与所述极大团组相似度高于所述相似度标准值的极大团合并。
17.根据权利要求16所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于确定第一极大团和第二极大团之间重合的交易地点数量;确定所述第一极大团包含的交易地点的数量,确定所述第二极大团包含的交易地点的数量,取较小值为交易地点总量;所述相似度为第一极大团和第二极大团之间重合的交易地点数量与所述交易地点总量的比值。
18.根据权利要求15所述的商圈识别装置,其特征在于,同一交易主体在标准交易时间内于第一交易地点与第二交易地点均有交易,则第一交易地点与第二交易地点间具有对应所述交易主体的关联交易。
19.根据权利要求18所述的商圈识别装置,其特征在于,所述交易信息,还包括交易时间与所述关联交易对应的交易权重edge,所述信息获取单元,还用于按照以下公式计算所述交易权重edge:
其中,freqk为第一交易地点与第二交易地点之间对应交易主体k的关联交易次数,M为第一交易地点与第二交易地点之间的关联交易对应的交易主体的总量,scorek为第一交易地点与第二交易地点之间对应交易主体k的关联交易对应的加权分,scorek按照以下公式计算:
其中,gap为交易主体k在第一交易地点的交易时间与在第二交易地点的交易时间之间的时间间隔。
20.根据权利要求19所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于根据极大团组内部交易地点之间的关联交易对应的交易权重、极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重,合并极大团组外部交易地点。
21.根据权利要求20所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于定义ε=fG+m-fG,若ε>0,则极大团组合并对应的所述极大团外部交易地点,
其中,fG+M为合并所述极大团外部交易地点后的极大团组对应的值,fG为合并所述极大团外部交易地点前的极大团组对应的值, 为极大团组内部交易地点之间的关联交易对应的交易权重之和,是极大团组内部交易地点与极大团组外部交易地点之间的关联交易对应的交易权重之和,α为常数。
22.根据权利要求19所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于确定第一极大团组和第二极大团组之间重合的交易地点数量;确定所述第一极大团组包含的交易地点的数量,确定所述第二极大团组包含的交易地点的数量,取较小值为交易地点总数;所述相关度为第一极大团组和第二极大团组之间重合的交易地点数量与所述交易地点总数的比值。
23.根据权利要求22所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于去除同时属于三个及三个以上商圈的交易地点;
将同时属于两个商圈的二级交易地点,根据所述二级交易地点与所在商圈中的其他交易地点之间的关联交易的交易权重之和,确定二级交易地点归属的商圈。
24.根据权利要求15所述的商圈识别装置,其特征在于,所述商圈建立单元,还用于根据商圈覆盖的交易地点对商圈进行命名。
25.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1~12任一项所述的商圈识别方法的步骤。
26.一种商圈识别装置,包括存储器和处理器,所述存储器上存储有计算机指令,其特征在于,所述计算机指令运行时所述处理器执行权利要求1~12任一项所述的商圈识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374753.3A CN109684563A (zh) | 2018-11-19 | 2018-11-19 | 商圈识别方法、装置以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374753.3A CN109684563A (zh) | 2018-11-19 | 2018-11-19 | 商圈识别方法、装置以及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109684563A true CN109684563A (zh) | 2019-04-26 |
Family
ID=66184786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811374753.3A Pending CN109684563A (zh) | 2018-11-19 | 2018-11-19 | 商圈识别方法、装置以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684563A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335068A (zh) * | 2019-06-18 | 2019-10-15 | 平安普惠企业管理有限公司 | 一种商户聚集区域确定方法及装置 |
CN111210269A (zh) * | 2020-01-02 | 2020-05-29 | 平安科技(深圳)有限公司 | 基于大数据的对象识别方法、电子装置及存储介质 |
CN111427926A (zh) * | 2020-03-23 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 异常医保群组识别方法、装置、计算机设备及存储介质 |
CN111932318A (zh) * | 2020-09-21 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 区域划分方法、装置、电子设备及计算机可读存储介质 |
CN112488748A (zh) * | 2020-11-18 | 2021-03-12 | 银联智惠信息服务(上海)有限公司 | 数据标识匹配方法及装置、存储介质、计算设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8027868B1 (en) * | 2006-06-21 | 2011-09-27 | Sprint Communications Company L.P. | Trade area analyzer |
CN105590223A (zh) * | 2014-12-29 | 2016-05-18 | 中国银联股份有限公司 | 商户的商圈信息的标定 |
CN107133289A (zh) * | 2017-04-19 | 2017-09-05 | 银联智策顾问(上海)有限公司 | 一种确定商圈的方法和装置 |
-
2018
- 2018-11-19 CN CN201811374753.3A patent/CN109684563A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8027868B1 (en) * | 2006-06-21 | 2011-09-27 | Sprint Communications Company L.P. | Trade area analyzer |
CN105590223A (zh) * | 2014-12-29 | 2016-05-18 | 中国银联股份有限公司 | 商户的商圈信息的标定 |
CN107133289A (zh) * | 2017-04-19 | 2017-09-05 | 银联智策顾问(上海)有限公司 | 一种确定商圈的方法和装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335068A (zh) * | 2019-06-18 | 2019-10-15 | 平安普惠企业管理有限公司 | 一种商户聚集区域确定方法及装置 |
CN111210269A (zh) * | 2020-01-02 | 2020-05-29 | 平安科技(深圳)有限公司 | 基于大数据的对象识别方法、电子装置及存储介质 |
CN111427926A (zh) * | 2020-03-23 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 异常医保群组识别方法、装置、计算机设备及存储介质 |
CN111932318A (zh) * | 2020-09-21 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 区域划分方法、装置、电子设备及计算机可读存储介质 |
WO2022057364A1 (zh) * | 2020-09-21 | 2022-03-24 | 腾讯科技(深圳)有限公司 | 区域划分方法、装置、电子设备及计算机可读存储介质 |
CN112488748A (zh) * | 2020-11-18 | 2021-03-12 | 银联智惠信息服务(上海)有限公司 | 数据标识匹配方法及装置、存储介质、计算设备 |
CN112488748B (zh) * | 2020-11-18 | 2024-01-05 | 银联智惠信息服务(上海)有限公司 | 数据标识匹配方法及装置、存储介质、计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684563A (zh) | 商圈识别方法、装置以及计算机存储介质 | |
CN105184574B (zh) | 一种套用商户类别码欺诈行为的检测方法 | |
Sula et al. | The reversibility of different types of capital flows to emerging markets | |
CN109948728A (zh) | 异常交易检测模型的训练以及异常交易检测的方法和装置 | |
Tiwari et al. | Foreign tourist arrivals in India from major source countries: An empirical analysis | |
CN107133289A (zh) | 一种确定商圈的方法和装置 | |
Coudert et al. | Heterogeneity within the euro area: New insights into an old story | |
CN109493086A (zh) | 一种确定违规商户的方法及装置 | |
CN104574519B (zh) | 多源居民地面要素的免阈值自动稳健匹配方法 | |
CN103679291A (zh) | 一种专利价值评估方法 | |
CN105631742A (zh) | 一种中小企业信用评估方法 | |
CN106875595A (zh) | 一种pos终端使用地点的确定方法及装置 | |
Cam et al. | The role of TOPSIS method on determining the financial performance ranking of firms: an application in the Borsa Istanbul | |
CN107679862A (zh) | 一种欺诈交易模型的特征值确定方法及装置 | |
Lu et al. | Candlestick charting in European stock markets | |
Windberger et al. | Structural breaks in inflation dynamics within the European Monetary Union | |
CN108961067A (zh) | 一种风险可控的资产组合优化方法及装置 | |
Drabo et al. | Prospects of graduation for least developed countries: What structural change? | |
CN106779843A (zh) | 一种基于客户群体特征的商户竞合关系分析的方法和装置 | |
Zhai et al. | Two-stage dynamic test of the determinants of the long-run decline of China's monetary velocity | |
Bedford | Accounting measurements of economic concepts | |
Jordan et al. | Measuring the level of financial stability in The Bahamas | |
Bax et al. | Listing price estimation of apartments: A generalised linear model | |
Singh et al. | Is Long-Run Demand for Money Stable in India?-An Application of the Gregory-Hansen Model | |
Oliveira et al. | The dynamics of the brazilian current account with rule of thumb consumers |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |