CN110111150A - 信息处理方法、装置、存储介质和电子设备 - Google Patents
信息处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN110111150A CN110111150A CN201910379804.XA CN201910379804A CN110111150A CN 110111150 A CN110111150 A CN 110111150A CN 201910379804 A CN201910379804 A CN 201910379804A CN 110111150 A CN110111150 A CN 110111150A
- Authority
- CN
- China
- Prior art keywords
- shop
- information
- idle
- operation information
- information processing
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 37
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 9
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 2
- 230000007306 turnover Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- 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
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
本发明公开了一种信息处理方法、装置、存储介质和电子设备，其中，该方法包括：接收输入信息，该输入信息包括候选区域和期望店铺类型；根据输入信息获取候选区域内空闲店铺的位置信息和与期望店铺类型相同的店铺的经营信息，经营信息至少包括：成本参数、营业参数；根据店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；发送空闲店铺的预测经营信息。通过本发明，可以快速高效地得到用户所需的店铺信息，以此作为开设店铺的依据，节省了用户时间，提高了用户体验感。
Description
技术领域
本发明公开涉及信息处理领域，具体涉及一种信息处理方法、装置、存储介质和电子设备。
背景技术
目前，当用户想要开设一家店铺，开店之前需要人工寻找一个区域内的空余店铺，确定地点后，需要通过电话或者面谈等方式来核实空余店铺基础信息。另外，用户可能会通过问卷调查等方式来确定是否开店。从用户想要开设店铺到确定是否开店，该过程主要通过人为操作来执行因而，周期较长，效率较低，并且也浪费了大量的人力资源。
发明内容
有鉴于此，本发明实施例提供一种信息处理方法、装置、存储介质和电子设备，以解决现有技术中选择店铺的方式主要通过人为操作来执行而导致的周期长、效率低的问题。
根据本发明实施例的第一方面，提供一种信息处理方法，该方法包括：接收输入信息，输入信息包括候选区域和期望店铺类型；根据输入信息获取候选区域内空闲店铺的位置信息和与期望店铺类型相同的店铺的经营信息，经营信息至少包括：成本参数、营业参数；根据店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；发送空闲店铺的预测经营信息。
根据本发明实施例的第二方面，提供一种信息处理装置，该装置包括：输入信息接收单元，用于接收输入信息，输入信息包括候选区域和期望店铺类型；店铺信息获取单元，用于根据输入信息获取候选区域内空闲店铺的位置信息和与期望店铺类型相同的店铺的经营信息，经营信息至少包括：成本参数、营业参数；预测信息确定单元，用于根据店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；预测信息发送单元，用于发送空闲店铺的预测经营信息。
根据本发明实施例的第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
根据本发明实施例的第四方面，提供一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
本发明实施例通过根据接收到的用户输入的候选区域和期望店铺类型来获取相应区域的空闲店铺位置信息和与期望店铺类型相同的店铺经营信息，并根据预设的训练模型来确定空闲店铺的预测经营信息，之后将空闲店铺的预测经营信息发送给用户终端，以便于用户查看，相比于现有技术中的主要通过人为操作来选择店铺，本发明实施例可以快速高效地得到用户所需的店铺信息，以此作为开设店铺的依据，节省了用户时间，提高了用户体验感。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1是根据本发明实施例的信息处理方法的流程图；
图2是根据本发明实施例的店铺选址的详细流程图；
图3是根据本发明实施例的信息处理装置的结构框图；
图4是根据本发明实施例的预测信息确定单元303的结构框图；
图5是根据本发明实施例的信息处理装置的详细结构框图；
图6是根据本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例公开了一种信息处理方法，图1是该方法的流程图，如图1所示，该方法包括：
步骤101，接收输入信息，该输入信息包括候选区域和期望店铺类型；
步骤102，根据输入信息获取候选区域内空闲店铺的位置信息和与期望店铺类型相同的店铺(为了描述方便，以下这种店铺称为竞争店铺)的经营信息，经营信息至少包括：成本参数(例如，租金)、营业参数(例如，订单量、营业额)；
步骤103，根据竞争店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；
步骤104，发送空闲店铺的预测经营信息。
本发明实施例根据接收到的用户输入的候选区域和期望店铺类型(例如，餐饮类、教育类等)来获取相应区域的空闲店铺位置信息和竞争店铺经营信息，并根据预设的训练模型来确定空闲店铺的预测经营信息，之后将空闲店铺的预测经营信息发送给用户终端，以便于用户查看，相比于现有技术中的主要通过人为操作来选择店铺，本发明实施例可以快速高效地得到用户所需的店铺信息，以此作为开设店铺的依据，节省了用户时间，提高了用户体验感。
优选地，可以以地图方式显示空闲店铺的预测经营信息，并发送给用户终端，以方便用户查看。
在步骤103中，可以根据竞争店铺经营信息中的成本参数确定空闲店铺的预测成本参数。
具体地，可以将距离空闲店铺最小的竞争店铺的成本参数确定为空闲店铺的预测成本参数。例如，根据空闲店铺的经纬度信息以及一个或多个竞争店铺的经纬度信息，通过计算空闲店铺与竞争店铺之间的距离，选取距离最近的竞争店铺成本参数作为空闲店铺的成本参数。
或者，可以将距离空闲店铺在预定阈值内的竞争店铺的成本参数的平均值确定为空闲店铺的预测成本参数。例如，预先设置距离阈值，根据空闲店铺的经纬度信息以及一个或多个竞争店铺的经纬度信息，计算空闲店铺与竞争店铺之间的距离，计算距离在距离阈值内的竞争店铺的成本参数平均值作为空闲店铺的成本参数。
上述两种方式都可以用于预测空闲店铺的成本参数，用户可以择一来预测成本参数。
这里的成本参数可以是租金，通过周围竞争店铺的租金信息来预测空闲店铺的租金，如此预测的租金准确率较高，便于帮助用户选择空闲店铺。
在步骤103中，还可以根据预先获取的空余店铺的基本信息和预设的训练模型确定空闲店铺的预测营业参数。该训练模型可以选择因子分解机(Factorization Machine，FM)模型或者极端梯度提升(eXtreme Gradient Boosting，XGBoost)模型。
这里的基本信息可以包括：店铺所属位置的人流信息、交通信息、竞争信息，该竞争信息表示在预定区域内类型相同的店铺数量信息。各店铺的基本信息可以通过网络或者人工方式预先获取，这些店铺基本信息会被周期性更新，以使信息都是最新的，从而可以得到较为准确的空闲店铺的预测经营信息。
在一个实施例中，可以根据预先获取的各竞争店铺的基本信息和对应的竞争店铺营业参数来训练上述训练模型。
在一个实例中，将竞争店铺的基本信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值)和该竞争店铺的周期订单量作为训练数据，输入到预定的训练模型中进行训练，在模型训练完成后，通过训练完成的模型和空闲店铺的基本信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值)就可以对该空闲店铺的订单量进行预测，得到该空闲店铺的预测订单量，并提供给用户，便于用户参考。
在具体实施过程中，当候选区域内存在多个空闲店铺时，可以根据步骤103得到的预测经营信息对多个空闲店铺进行排序并显示给用户，以方便用户的选择。这里显示的方式可以通过地图来实现。
在一个实施例中，当候选区域内没有与期望店铺类型相同的竞争店铺时，可以将与期望店铺类型相似的店铺作为竞争店铺，以便为用户提供参考。
在另一个实施例中，当候选区域内没有空闲店铺时，则为用户输出提示，例如，“该区域内无空闲店铺，请重新输入选址区域”。
为了更好地理解本发明实施例，以下结合图2所示的店铺选址详细流程来描述本发明实施例，如图2所示，该流程包括：
步骤201，预先采集一个或多个区域内的所有店铺信息(包括空闲店铺)，具体包括：各店铺的位置信息(例如，经纬度位置)、店铺所处位置的人流量、店铺交通状况、店铺竞争值、订单量、营业额、经营类型、租金等；其中，店铺竞争值是指预设区域内同类型店铺的数量，预设区域可以为以某个店铺为中心、以预设距离为半径的圆形区域。
优选地，采集的店铺信息需要周期性更新，以保证信息的准确性。
步骤202，当用户想要开设店铺时，可以在终端的预定输入端口输入期望区域和期望店铺类型。
步骤203，根据用户输入的信息(期望区域和期望店铺类型)和步骤201中预先采集的区域内店铺信息为用户推荐店铺的选址，具体包括如下步骤：
步骤2031，判断用户输入的期望区域中是否存在空闲店铺，如果该区域内无空闲店铺，则流程结束，也可以向用户终端输出提示，例如，“该区域内无空闲店铺，请重新输入期望区域”；如果该区域内存在空闲店铺，则进行步骤2032；
步骤2032，筛选区域内与期望店铺类型相同的店铺，形成店铺子集，当在该区域内没有相同类型的店铺时，可以选择类型相似的店铺形成店铺子集；
步骤2033，通过步骤201中采集的各店铺的经纬度信息，根据空闲店铺与店铺子集中各店铺之间的距离来预测空闲店铺的租金，具体包括：(1)选取距离空闲店铺最近的店铺租金作为空闲店铺的租金；或者(2)设置距离阈值，选取距离空闲店铺在距离阈值内的所有店铺租金平均值作为空闲店铺的租金。
步骤2034，预测每个空闲店铺的订单量和营业额。具体包括：(1)预测空闲店铺的订单量，将店铺子集的店铺信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值、订单量)做为训练数据，输入到训练模型中进行训练，在模型训练完成后，采用训练完的模型和空闲店铺的店铺信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值)对空闲店铺的订单量进行预测；(2)预测空闲店铺的营业额，将店铺子集的店铺信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值、营业额)作为训练数据，输入到训练模型中进行训练，在模型训练完成后，采用训练完的模型和空闲店铺的店铺信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值)对空闲店铺的营业额进行预测。其中，训练模型可以选用较为常见的FM模型、或者XGBoost模型。
步骤204，根据预测的租金、订单量和营业额对空闲店铺进行排序，并将空闲店铺的排名、预测的租金、订单量和营业额发送给用户终端并显示在电子地图上，以便用户查看，帮助用户选择空闲店铺。
通过本发明实施例，可以快速提供店铺客流量等基本信息，并根据这些基本信息预估空闲店铺的租金、订单量、营业额等信息，从而可以高效快速地帮助用户寻找到合适的空余店铺，提高用户使用体验。
本发明实施例还提供一种信息处理装置，优选地用于实现上述的方法。图3是该信息处理装置的结构框图，如图3所示，该装置包括：输入信息获取单元301、店铺信息获取单元302、预测信息确定单元303和预测信息发送单元304，其中：
输入信息接收单元301，用于接收输入信息，该输入信息包括候选区域和期望店铺类型；
店铺信息获取单元302，用于根据输入信息获取候选区域内空闲店铺的位置信息和与期望店铺类型相同的竞争店铺的经营信息，经营信息至少包括：成本参数(例如，租金)、营业参数(例如，订单量、营业额等)；
预测信息确定单元303，用于根据竞争店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；优选地，训练模型为FM模型或者XGBoost模型。
预测信息发送单元304，用于发送空闲店铺的预测经营信息；优选地，可以以地图方式显示空闲店铺的预测经营信息并发送至用户终端。
本发明实施例店铺信息获取单元302根据输入信息接收单元301获取的用户输入的候选区域和期望店铺类型来获取相应区域的空闲店铺位置信息和竞争店铺经营信息，预测信息确定单元303根据竞争店铺经营信息和预设的训练模型来确定空闲店铺的预测经营信息，之后预测信息发送单元304将空闲店铺的预测经营信息发送给用户终端，以便于用户查看，相比于现有技术中的主要通过人为操作来选择店铺，本发明实施例可以快速高效地得到用户所需的店铺信息，以此作为开设店铺的依据，节省了用户时间，提高了用户体验感。
具体地，如图4所示，预测信息确定单元303包括：预测成本参数确定模块3031和预测营业参数确定模块3032。
预测成本参数确定模块3031，用于根据竞争店铺经营信息中的成本参数确定空闲店铺的预测成本参数，具体包括如下一个或两个子模块：
第一预测成本参数确定子模块30311，用于将距离空闲店铺最小的竞争店铺的成本参数确定为空闲店铺的预测成本参数；
第二预测成本参数确定子模块30312，用于将距离空闲店铺在预定阈值内的竞争店铺的成本参数的平均值确定为空闲店铺的预测成本参数。
这里空闲店铺与竞争店铺之间的距离之间通过获取各店铺的位置信息(例如，经纬度信息)来实现。
在实际操作中，第一预测成本参数确定子模块30311和第二预测成本参数确定子模块30312可以择一执行。
这里的成本参数可以是租金，通过周围竞争店铺的租金信息来预测空闲店铺的租金，如此预测的租金准确率较高，便于帮助用户选择空闲店铺。
预测营业参数确定模块3032，用于根据预先获取的空余店铺的基本信息和预设的训练模型来确定空闲店铺的预测营业参数，基本信息包括如下至少之一：店铺所属位置的人流信息、交通信息、竞争信息，竞争信息表示在预定区域内类型相同的店铺数量信息。
在具体实施过程中，如图5所示，上述装置还包括：模型训练单元305，用于根据预先获取的各竞争店铺的基本信息和对应的竞争店铺营业参数来训练上述训练模型。
在一个实例中，将竞争店铺的基本信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值)和该竞争店铺的周期订单量(或者营业额)作为训练数据，通过模型训练单元305对训练模型进行训练，在模型训练完成后，预测营业参数确定模块3032通过训练完成的模型和空闲店铺的基本信息(店铺所处位置的人流量、店铺交通状况、店铺竞争值)就可以对该空闲店铺的订单量(或者营业额)进行预测，得到该空闲店铺的预测订单量(或者营业额)，并提供给用户，便于用户参考。
优选地，如图5所示，上述装置还包括：排序单元306，用于响应于候选区域内的空闲店铺为多个，根据预测经营信息对多个空闲店铺进行排序。
预测信息发送单元304还可以将空闲店铺的排序结果发送至用户终端，以便将发送的各信息显示在电子地图上，便于用户的查看。
上述各单元、模块、子模块的具体执行过程可以参加上述方法实施例中的描述，此处不再赘述。在具体实施过程中，上述各单元、模块、子模块之间可以单一设置、也可以合一设置，本发明实施例不限于此。
图6是本发明实施例的电子设备的示意图。图6所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器601和存储器602。处理器601和存储器602通过总线603连接。存储器602适于存储处理器601可执行的一条或多条指令或程序。上述处理器601可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器601通过执行存储器602所存储的命令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线603将上述多个组件连接在一起，同时将上述组件连接到显示控制器604和显示装置以及输入/输出(I/O)装置605。输入/输出(I/O)装置605可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出(I/O)装置605通过输入/输出(I/O)控制器606与系统相连。
其中，存储器602可以存储软件组件，例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
综上所述，由于现有技术中主要通过人为操作来选择店铺，周期较长且需要耗费大量的人力资源，效率较低，基于此，本发明实施例提供了一种店铺选址方案，通过在特定输入端口用户输入候选区域和期望店铺类型，可以获取到相应区域的空闲店铺位置信息和与期望店铺类型相同或相似的竞争店铺经营信息，并根据预设的训练模型来确定空闲店铺的预测经营信息，之后将空闲店铺的预测经营信息发送给用户终端，以便于用户查看，相比于现有技术中的主要通过人为操作来选择店铺，本发明实施例可以快速高效地得到用户所需的店铺信息，以此作为开设店铺的依据，节省了用户时间，提高了用户体验感。
上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解，流程图和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器，以产生机器，使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。
同时，如本领域技术人员将意识到的，本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此，本发明实施例的各个方面可以采取如下形式：完全硬件实现方式、完全软件实现方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实现方式。此外，本发明的方面可以采取如下形式：在一个或多个计算机可读介质中实现的计算机程序产品，计算机可读介质具有在其上实现的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置，或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项：具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中，计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。
计算机可读信号介质可以包括传播的数据信号，所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式，包括但不限于：电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质：不是计算机可读存储介质，并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。
用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写，所述编程语言包括：面向对象的编程语言如Java、Smalltalk、C++、PHP、Python等；以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行；部分地在用户计算机上且部分地在远程计算机上执行；或者完全地在远程计算机或服务器上执行。在后一种情况下，可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机，或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本发明实施例公开了A1、一种信息处理方法，其中，所述方法包括：
接收输入信息，所述输入信息包括候选区域和期望店铺类型；
根据所述输入信息获取所述候选区域内空闲店铺的位置信息和与所述期望店铺类型相同的店铺的经营信息，所述经营信息至少包括：成本参数、营业参数；
根据所述店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；
发送所述空闲店铺的预测经营信息。
A2、根据权利要求A1所述的信息处理方法，其中，根据所述店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息包括：
根据所述店铺经营信息中的成本参数确定所述空闲店铺的预测成本参数；
根据预先获取的所述空余店铺的基本信息和所述预设的训练模型确定所述空闲店铺的预测营业参数，所述基本信息包括如下至少之一：店铺所属位置的人流信息、交通信息、竞争信息，所述竞争信息表示在预定区域内类型相同的店铺数量信息。
A3、根据权利要求A2所述的信息处理方法，其中，根据所述店铺经营信息中的成本参数确定所述空闲店铺的预测成本参数包括以下之一：
将距离所述空闲店铺最小的店铺的成本参数确定为所述空闲店铺的预测成本参数；
将距离所述空闲店铺在预定阈值内的店铺的成本参数的平均值确定为所述空闲店铺的预测成本参数。
A4、根据权利要求A1所述的信息处理方法，其中，通过如下方式来训练所述训练模型：
根据预先获取的各店铺的基本信息和对应的店铺营业参数来训练所述训练模型。
A5、根据权利要求A4所述的信息处理方法，其中，所述训练模型为以下之一：
因子分解机模型、极端梯度提升模型。
A6、根据权利要求A1所述的信息处理方法，其中，所述方法包括：
响应于所述候选区域内的空闲店铺为多个，根据预测经营信息对多个空闲店铺进行排序。
A7、根据权利要求A1所述的信息处理方法，其中，发送所述空闲店铺的预测经营信息包括：
发送以地图方式显示的所述空闲店铺的预测经营信息。
本发明实施例公开了B1、一种信息处理装置，其中，所述装置包括：
输入信息接收单元，用于接收输入信息，所述输入信息包括候选区域和期望店铺类型；
店铺信息获取单元，用于根据所述输入信息获取所述候选区域内空闲店铺的位置信息和与所述期望店铺类型相同的店铺的经营信息，所述经营信息至少包括：成本参数、营业参数；
预测信息确定单元，用于根据所述店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；
预测信息发送单元，用于发送所述空闲店铺的预测经营信息。
B2、根据权利要求B1所述的信息处理装置，其中，所述预测信息确定单元包括：
预测成本参数确定模块，用于根据所述店铺经营信息中的成本参数确定所述空闲店铺的预测成本参数；
预测营业参数确定模块，用于根据预先获取的所述空余店铺的基本信息和所述预设的训练模型来确定所述空闲店铺的预测营业参数，所述基本信息包括如下至少之一：店铺所属位置的人流信息、交通信息、竞争信息，所述竞争信息表示在预定区域内类型相同的店铺数量信息。
B3、根据权利要求B2所述的信息处理装置，其中，所述预测成本参数确定模块包括以下之一：
第一预测成本参数确定子模块，用于将距离所述空闲店铺最小的店铺的成本参数确定为所述空闲店铺的预测成本参数；
第二预测成本参数确定子模块，用于将距离所述空闲店铺在预定阈值内的店铺的成本参数的平均值确定为所述空闲店铺的预测成本参数。
B4、根据权利要求B1所述的信息处理装置，其中，所述装置还包括：模型训练模块，用于通过如下方式来训练所述训练模型：
根据预先获取的各店铺的基本信息和对应的店铺营业参数来训练所述训练模型。
B5、根据权利要求B4所述的信息处理装置，其中，所述训练模型为以下之一：
因子分解机模型、极端梯度提升模型。
B6、根据权利要求B1所述的信息处理装置，其中，所述装置还包括：
排序单元，用于响应于所述候选区域内的空闲店铺为多个，根据预测经营信息对多个空闲店铺进行排序。
B7、根据权利要求B1所述的信息处理装置，其中，所述预测信息发送单元具体用于：
发送以地图方式显示的所述空闲店铺的预测经营信息。
本发明实施例公开了C1、一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如上A1-A7中任一项所述的方法。
本发明实施例公开了D1、一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如上A1-A7中任一项所述的方法。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
接收输入信息，所述输入信息包括候选区域和期望店铺类型；
根据所述输入信息获取所述候选区域内空闲店铺的位置信息和与所述期望店铺类型相同的店铺的经营信息，所述经营信息至少包括：成本参数、营业参数；
根据所述店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；
发送所述空闲店铺的预测经营信息。
2.根据权利要求1所述的信息处理方法，其特征在于，根据所述店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息包括：
根据所述店铺经营信息中的成本参数确定所述空闲店铺的预测成本参数；
根据预先获取的所述空余店铺的基本信息和所述预设的训练模型确定所述空闲店铺的预测营业参数，所述基本信息包括如下至少之一：店铺所属位置的人流信息、交通信息、竞争信息，所述竞争信息表示在预定区域内类型相同的店铺数量信息。
3.根据权利要求2所述的信息处理方法，其特征在于，根据所述店铺经营信息中的成本参数确定所述空闲店铺的预测成本参数包括以下之一：
将距离所述空闲店铺最小的店铺的成本参数确定为所述空闲店铺的预测成本参数；
将距离所述空闲店铺在预定阈值内的店铺的成本参数的平均值确定为所述空闲店铺的预测成本参数。
4.根据权利要求1所述的信息处理方法，其特征在于，通过如下方式来训练所述训练模型：
根据预先获取的各店铺的基本信息和对应的店铺营业参数来训练所述训练模型。
5.根据权利要求4所述的信息处理方法，其特征在于，所述训练模型为以下之一：
因子分解机模型、极端梯度提升模型。
6.根据权利要求1所述的信息处理方法，其特征在于，所述方法包括：
响应于所述候选区域内的空闲店铺为多个，根据预测经营信息对多个空闲店铺进行排序。
7.根据权利要求1所述的信息处理方法，其特征在于，发送所述空闲店铺的预测经营信息包括：
发送以地图方式显示的所述空闲店铺的预测经营信息。
8.一种信息处理装置，其特征在于，所述装置包括：
输入信息接收单元，用于接收输入信息，所述输入信息包括候选区域和期望店铺类型；
店铺信息获取单元，用于根据所述输入信息获取所述候选区域内空闲店铺的位置信息和与所述期望店铺类型相同的店铺的经营信息，所述经营信息至少包括：成本参数、营业参数；
预测信息确定单元，用于根据所述店铺的经营信息和预设的训练模型确定空闲店铺的预测经营信息；
预测信息发送单元，用于发送所述空闲店铺的预测经营信息。
9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910379804.XA CN110111150A (zh) | 2019-05-08 | 2019-05-08 | 信息处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910379804.XA CN110111150A (zh) | 2019-05-08 | 2019-05-08 | 信息处理方法、装置、存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110111150A true CN110111150A (zh) | 2019-08-09 |
Family
ID=67488751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910379804.XA Pending CN110111150A (zh) | 2019-05-08 | 2019-05-08 | 信息处理方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110111150A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145452A (zh) * | 2019-12-31 | 2020-05-12 | 中国银行股份有限公司 | 一种可取火车票自助存取款机选址方法及装置 |
| CN111275479A (zh) * | 2020-01-07 | 2020-06-12 | 北京爱笔科技有限公司 | 一种人流量预测方法、装置及系统 |
| CN111815046A (zh) * | 2020-07-06 | 2020-10-23 | 北京交通大学 | 基于深度学习的交通流量预测方法 |
| CN111222916B (zh) * | 2020-01-03 | 2021-06-01 | 腾讯科技（深圳）有限公司 | 投放区域确定方法、装置、模型训练方法及存储介质 |
| CN113133049A (zh) * | 2019-12-31 | 2021-07-16 | 中国移动通信集团上海有限公司 | 确定主覆盖小区的方法、装置、设备及介质 |
| CN113779163A (zh) * | 2020-11-05 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 地理位置信息的处理方法、装置、设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050090978A1 (en) * | 2001-12-21 | 2005-04-28 | Rds-X Fejlesztesi Es Tanacsado Kft. | Control and communication system and method |
| CN103440589A (zh) * | 2013-09-17 | 2013-12-11 | 上海商学院 | 门店选址系统及方法 |
| CN104820699A (zh) * | 2015-05-08 | 2015-08-05 | 上海玖道信息科技股份有限公司 | 一种智能选址及跟踪系统 |
| CN104965920A (zh) * | 2015-07-08 | 2015-10-07 | 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 |
| CN105243114A (zh) * | 2015-09-25 | 2016-01-13 | 中国农业银行股份有限公司 | 一种选址分析方法及装置 |
| CN105556557A (zh) * | 2013-09-20 | 2016-05-04 | 日本电气株式会社 | 出货量预测设备、出货量预测方法、记录介质和出货量预测系统 |
| CN107153888A (zh) * | 2017-04-26 | 2017-09-12 | 浙江大学 | 一种基于极限学习机的最优化连锁店选址方法 |
| CN107180275A (zh) * | 2017-05-16 | 2017-09-19 | 厦门数图科技有限公司 | 一种标准化营业额预估方法与系统 |
| CN108876032A (zh) * | 2018-06-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对象选址的数据处理方法、装置、设备及系统 |
| CN108960912A (zh) * | 2018-06-27 | 2018-12-07 | 北京京东金融科技控股有限公司 | 用于确定目标位置的方法和装置 |
| CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
-
2019
- 2019-05-08 CN CN201910379804.XA patent/CN110111150A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050090978A1 (en) * | 2001-12-21 | 2005-04-28 | Rds-X Fejlesztesi Es Tanacsado Kft. | Control and communication system and method |
| CN103440589A (zh) * | 2013-09-17 | 2013-12-11 | 上海商学院 | 门店选址系统及方法 |
| CN105556557A (zh) * | 2013-09-20 | 2016-05-04 | 日本电气株式会社 | 出货量预测设备、出货量预测方法、记录介质和出货量预测系统 |
| CN104820699A (zh) * | 2015-05-08 | 2015-08-05 | 上海玖道信息科技股份有限公司 | 一种智能选址及跟踪系统 |
| CN104965920A (zh) * | 2015-07-08 | 2015-10-07 | 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 |
| CN105243114A (zh) * | 2015-09-25 | 2016-01-13 | 中国农业银行股份有限公司 | 一种选址分析方法及装置 |
| CN107153888A (zh) * | 2017-04-26 | 2017-09-12 | 浙江大学 | 一种基于极限学习机的最优化连锁店选址方法 |
| CN107180275A (zh) * | 2017-05-16 | 2017-09-19 | 厦门数图科技有限公司 | 一种标准化营业额预估方法与系统 |
| CN108876032A (zh) * | 2018-06-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对象选址的数据处理方法、装置、设备及系统 |
| CN108960912A (zh) * | 2018-06-27 | 2018-12-07 | 北京京东金融科技控股有限公司 | 用于确定目标位置的方法和装置 |
| CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘长江等: "《实体店突围 方法总比困难多》", 28 February 2018, 中国宇航出版社 * |
| 张璐伟: "社区超市选址影响因素实证分析", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145452A (zh) * | 2019-12-31 | 2020-05-12 | 中国银行股份有限公司 | 一种可取火车票自助存取款机选址方法及装置 |
| CN113133049A (zh) * | 2019-12-31 | 2021-07-16 | 中国移动通信集团上海有限公司 | 确定主覆盖小区的方法、装置、设备及介质 |
| CN113133049B (zh) * | 2019-12-31 | 2022-12-02 | 中国移动通信集团上海有限公司 | 确定主覆盖小区的方法、装置、设备及介质 |
| CN111222916B (zh) * | 2020-01-03 | 2021-06-01 | 腾讯科技（深圳）有限公司 | 投放区域确定方法、装置、模型训练方法及存储介质 |
| CN111275479A (zh) * | 2020-01-07 | 2020-06-12 | 北京爱笔科技有限公司 | 一种人流量预测方法、装置及系统 |
| CN111275479B (zh) * | 2020-01-07 | 2023-11-10 | 北京爱笔科技有限公司 | 一种人流量预测方法、装置及系统 |
| CN111815046A (zh) * | 2020-07-06 | 2020-10-23 | 北京交通大学 | 基于深度学习的交通流量预测方法 |
| CN111815046B (zh) * | 2020-07-06 | 2024-03-22 | 北京交通大学 | 基于深度学习的交通流量预测方法 |
| CN113779163A (zh) * | 2020-11-05 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 地理位置信息的处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110111150A (zh) | 信息处理方法、装置、存储介质和电子设备 | |
| CN109964271A (zh) | 用于提供对用户的语音输入的响应消息的设备和方法 | |
| CN104272709B (zh) | 确定推断的上下文的方法和装置 | |
| CN107633317A (zh) | 建立行程规划模型以及规划出游行程的方法、装置 | |
| CN109922032A (zh) | 用于确定登录账户的风险的方法和装置 | |
| CN109064278A (zh) | 目标对象推荐方法及装置、电子设备、存储介质 | |
| CN107025576B (zh) | 洗车服务信息的推送控制方法、装置及系统 | |
| CN109242496A (zh) | 支付方式的预测方法、装置及计算机可读介质 | |
| Papaioannou et al. | Combining chat and task-based multimodal dialogue for more engaging HRI: A scalable method using reinforcement learning | |
| US20180330252A1 (en) | Interaction scenario display control method and information processing apparatus | |
| CN111027734B (zh) | 信息处理方法、信息显示方法、装置、电子设备及服务器 | |
| CN109799550A (zh) | 用于预测降雨强度的方法和装置 | |
| US20200042925A1 (en) | Methods and systems for measuring and improving real-time user satisfaction in hospitality industry | |
| CN108960110A (zh) | 用于生成信息的方法和装置 | |
| CN110162554A (zh) | 数据处理方法、装置、存储介质和电子设备 | |
| CN110460654A (zh) | 一种智能交互平台中交互引擎的下载方法及装置 | |
| CN112632380A (zh) | 兴趣点推荐模型的训练方法和推荐兴趣点的方法 | |
| CN109389492A (zh) | 基于微表情计算欺诈概率的方法、系统、设备及存储介质 | |
| CN110009284A (zh) | 信息处理方法、装置、存储介质和电子设备 | |
| CN109783622A (zh) | 一种基于问题分类确定问题答案方法、装置及电子设备 | |
| KR102493435B1 (ko) | 인지중재 프로그램 제공 방법 및 그 장치 | |
| CN108989542B (zh) | 基于情境确定动作的系统和方法、用于执行基于情境确定的动作的车辆 | |
| CN110069991A (zh) | 反馈信息确定方法、装置、电子设备及存储介质 | |
| CN116933362A (zh) | 室内设计方案自动生成方法、装置、计算机设备及介质 | |
| CN106886828A (zh) | 一种预订的方法及装置 |
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 |
Application publication date: 20190809 |
|
| RJ01 | Rejection of invention patent application after publication |