CN111369284B - 目标对象类型确定方法及装置 - Google Patents
目标对象类型确定方法及装置 Download PDFInfo
- Publication number
- CN111369284B CN111369284B CN202010140171.XA CN202010140171A CN111369284B CN 111369284 B CN111369284 B CN 111369284B CN 202010140171 A CN202010140171 A CN 202010140171A CN 111369284 B CN111369284 B CN 111369284B
- Authority
- CN
- China
- Prior art keywords
- type
- target object
- interest
- business
- preset
- 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.)
- Active
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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (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
本说明书实施例提供的目标对象类型确定方法及装置,其中,所述目标对象类型确定方法包括目标对象类型确定方法及装置,其中,所述目标对象类型确定方法包括获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
Description
技术领域
本说明书实施例涉及计算机技术领域,特别涉及一种目标对象类型确定方法。本说明书一个或者多个实施例同时涉及一种商圈类型确定方法,一种目标对象确定装置,一种商圈类型确定装置,两种计算设备,以及一种计算机可读存储介质。
背景技术
近年来,在“新零售”、“新金融”的背景下,线下店铺得到大力发展。相比于线上商户,线下商户拥有实体店,物以类聚,其在地理位置上具有一定的聚集性,即可以将这些实体店划分到各个目标对象(例如商圈)中。通过目标对象信息,可以加深对店铺的认识:识别线下行业市场、辅助判断门店经营状况等。
目前主要是通过地理位置信息等获得目标对象,而获得的目标对象中类别过多,无法准确的定义出目标对象的具体类型,使得获取的目标对象在具体商业应用时参考价值低。因此,需要一种更有效的判定目标对象类型的方案。
发明内容
有鉴于此,本说明书施例提供了一种目标对象类型确定方法。本说明书一个或者多个实施例同时涉及一种商圈类型确定方法,一种目标对象确定装置,一种商圈类型确定装置,两种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种目标对象类型确定方法,包括:
获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;
基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
根据本说明书实施例的第二方面,提供了一种商圈对象类型确定方法,包括:
获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联;
基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型。
根据本说明书实施例的第三方面,提供了一种目标对象类型确定装置,包括:
目标对象获取模块,被配置为获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;
目标点数量获取模块,被配置为基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
目标对象类型确定模块,被配置为基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
根据本说明书实施例的第四方面,提供了一种商圈类型确定装置,包括:
数据获取模块,被配置为获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联;
兴趣点获取模块,被配置为基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
优质商圈确定模块,被配置为基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型。
根据本说明书实施例的第五方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;
基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
根据本说明书实施例的第六方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联;
基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型。
根据本说明书实施例的第七方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现所述目标对象类型确定方法或所述商圈类型确定方法的步骤。
本说明书一个实施例实现了一种目标对象类型确定方法及装置,其中,所述目标对象类型确定方法包括获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型;通过本说明书实施例提供的所述目标对象类型确定方法可以准确的识别出每个目标对象的目标对象类型以及特定目标对象的目标对象类型,并且可以保证目标对象类型识别结果的稳定性。
附图说明
图1a是本说明书一个实施例提供的一种目标对象类型确定方法的流程图;
图1b是本说明书一个实施例提供的一种商圈类型确定方法的流程图;
图2是本说明书一个实施例提供的一种商圈类型确定方法中将地域按照城市等级划分为六级的情况下的店铺数占比以及GMV的示意图;
图3是本说明书一个实施例提供的一种商圈类型确定方法中将热度值划分为十个热度值区间后,一线城市商圈的店铺数占比以及GMV的示意图;
图4是本说明书一个实施例提供的另一种商圈类型确定方法的处理过程流程图;
图5a是本说明书一个实施例提供的一种目标对象类型确定装置的结构示意图;
图5b是本说明书一个实施例提供的一种商圈类型确定装置的结构示意图;
图6是本说明书一个实施例提供的一种计算设备的结构框图;
图7是本说明书一个实施例提供的另一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
POI:为“Point of Interest”的缩写,中文可以翻译为“兴趣点”。在地理信息系统中,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。
在本说明书中,提供了一种目标对象类型确定方法。本说明书一个或者多个实施例同时涉及一种商圈类型确定方法,一种目标对象确定装置,一种商圈类型确定装置,两种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
参见图1a,图1a示出了根据本说明书一个实施例提供的一种目标对象类型确定方法的流程图,包括步骤1002至步骤1006。
步骤1002:获取目标对象以及目标点,并将所述目标对象与所述目标点相关联。
其中,所述目标对象可以是任何实体的人、物以及虚拟的人、物等,例如目标对象可以为某个真实的人、游戏中的虚拟角色、某种商品或一个区域等。
实际应用中,采用该目标对象类型确定方法可以对任意一种目标对象进行类型的判断,本申请对此不作任何限定。
而所述目标点包括但不限于可以抽象为点的地理对象,例如学校、银行、餐馆、加油站、公交站、医院以及超市等。
具体的,将所述目标对象与所述目标点相关联,可以理解为基于所述目标对象的位置信息以及所述目标点的位置信息将所述目标对象与所述目标点相关联,例如所述目标对象为旅游景区,所述目标点为饭店,此时则可以通过目标对象以及目标点的位置信息,将旅游景区与饭店相关联,即可以找出哪些旅游景区中有哪些饭店,反过来也可以理解为哪些饭店位于哪个旅游景区内。
步骤1004:基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量。
其中,位置信息包括但不限于目标对象的经纬度信息或者坐标信息,通过位置信息可以在地图中确定出目标对象的具体位置。
举例说明,以所述目标对象为一所大学为例,先基于该大学的位置信息确定出该大学的中心位置,然后以该中心位置为原点,以预设辐射距离为半径向外扩散画圆,最后获取该圆覆盖范围内的每种类型的目标点数量。
具体的,预设辐射距离可以根据实际应用进行设定,在此不做任何限定,例如所述预设辐射距离为300米。
举例说明,若获取的目标对象包括旅游景区A、旅游景区B和旅游景区C,预设辐射距离为100m,则分别以旅游景区A、旅游景区B和旅游景区C的中心为原点,分别统计旅游景区A、旅游景区B和旅游景区C在半径100m内覆盖的所有目标点,其中,旅游景区A在半径100m内覆盖的所有目标点包括:6个餐厅类目标点、3个高校类目标点以及4个商场类目标点;旅游景区B在半径100m内覆盖的所有目标点包括:5个餐厅类目标点、1个高校类目标点以及3个购物中心类目标点;旅游景区C在半径100m内覆盖的所有目标点包括:3个餐厅类目标点、2个停车场类目标点以及10个公司类目标点。
具体实施时,在获取目标点时就可以获知每个目标点的分类,例如每个目标点是餐厅类型、停车场类型、公司类型或者是高等院校类型等。
步骤1006:基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
具体实施时,所述基于所述每种类型的目标点数量确定所述目标对象的目标对象类型之前,还包括:
按照预设的级别规则将所述目标点的类型分为至少两种级别。
其中,预设的级别规则是基于对获取的目标点的类型的具体分析得到的。在具体应用时,一般会将目标点的兴趣类型分为三个级别,例如将餐厅类、公共设施类、停车场类以及公司类等类型置为低优先级,将高等院校、风景名胜、购物中心、火车站、商场以及飞机场等类型置为高优先级,将其它类型设置为中优先级。
具体的,按照预设的级别规则将所述目标点的类型分为至少两种级别之后,所述基于所述每种类型的目标点数量确定所述目标对象的目标对象类型具体包括:
统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量;
在所述类型的数量包括两个或两个以上的情况下,以目标点数量最高的,且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型。
其中,所述预设数量阈值可以基于具体应用进行设置,在此仅以所述预设数量阈值设置为3为例进行说明。
仍以获取的目标对象包括旅游景区A、旅游景区B和旅游景区C,预设辐射距离为100m为例,进行说明。
其中,旅游景区A中属于高级别的目标点为:3个高校类目标点以及4个商场类目标点;
旅游景区B中属于高级别的目标点为:1个高校类目标点以及3个购物中心类目标点;
旅游景区C中属于高级别的目标点为:0;
由上可知,旅游景区A中目标点数量大于3的,且属于高级别的类型的数量为2;旅游景区B中目标点数量大于3的,且属于高级别的类型的数量为1;旅游景区C中目标点数量大于3的,且属于高级别的类型的数量为0。
基于在所述类型的数量包括两个或两个以上的情况下,以目标点数量最高的,且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型可知,旅游景区A中目标点数量最高的,且属于高级别的类型为商场类目标点;那么则旅游景区A的目标对象类型则为商场类。
本说明书实施例中,在对目标点的类型划分好优先级后,以每个目标对象的中心为原点,统计半径r米内覆盖的所有目标点的不同类型的数量,并以最优级别的类型的数量确定目标对象类型,通过这种优先级区分以及最优化分类的方法,可以准确的获得不同目标对象的类型,十分灵活,并且目标对象类型的定义准确度非常高。
本说明书另一实施例中,所述统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量之后,还包括:
在所述类型的数量为一个的情况下,以目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型。
具体的,若统计的目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量只有一个的情况下,则以数量等于1的类型作为所述目标对象的目标对象类型。
本说明书另一实施例中,所述统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量之后,还包括:
在所述类型的数量为零的情况下,以目标点数量最高的类型作为所述目标对象的目标对象类型。
具体的,均可以以上述举例进行理解,在此不再赘述。
本说明书另一实施例中,所述预设的判定规则包括在所述目标对象满足预设的特定目标对象条件的情况下,所述目标对象为特定目标对象;
所述根据预设的判定规则确定特定目标对象的目标对象类型包括:
在所述目标对象满足预设的特定目标对象条件的情况下,所述目标对象为特定目标对象,且获取所述特定目标对象的目标对象类型,其中,所述预设的特定目标对象条件包括所述目标对象的数量大于等于预设数量阈值,且所述目标对象的风险值小于预设风险阈值。
其中,预设数量阈值是可以根据实际应用进行变化的,例如设置为2000或3000等,合理的预设数量阈值才可以使得目标对象的风险统计有意义。在本说明书实施例中,若目标对象的辐射范围为100m的情况下,优选的,预设数量阈值设置为2000家。
而目标对象的风险值可以基于目标对象的不同,风险值的获取方式也不同,具体根据目标对象的具体应用进行设置,在此不做赘述,具体的可以参见目标对象为商圈的情况下,风险值的获取方式。
本说明书实施例中,首先对目标点的类型进行优先级划分,然后使用目标对象覆盖的目标点的类型信息确定出目标对象类型,在基于目标对象类型确定出特定目标对象的目标对象类型,以便后续应用时可以基于该特定目标对象类型进行对同类型的目标对象进行辅助,改善等,极大的提高用户体验。
本说明书另一实施例中,所述根据预设的判定规则确定特定目标对象的目标对象类型之后,还包括:
获取以所述目标对象的中心为原点,且在预设辐射距离范围内的目标点的热度值,并基于所述目标点的热度值确定所述目标对象的热度值。
其中,所述预设辐射距离的取值可参见上述实施例,在此不再赘述。
具体的,基于所述目标点的热度值确定所述目标对象的热度值可以理解为获取预设辐射距离范围内所有目标点的热度值,然后将所有热度值进行汇总,即相加之后得到总的热度值即为目标对象的热度值,而每个目标点的热度值在获取目标点的时候已经获得,该热度值可以是基于现有技术中任一计算方式计算得到,例如通过目标点的搜索次数、观看频率等。
具体实施时,所述基于所述目标点的热度值确定所述目标对象的热度值之后,还包括:
按照预设的分级规则以及所述目标点的目标点名称将所述目标点的所在区域进行等级划分,并确定高级别区域中热度值满足预设条件的特定目标对象的目标对象类型。
其中,预设的分级规则是可以按照当前的城市分级规则进行划分,也可以按照实际需求进行划分,实际应用中,按照预设的分级规则是可以将所述目标点的所在区域划分为一线、二线或三线区域等,一线区域可以理解为全国政治、经济等活动中处于重要地位的区域,二线区域相比一线区域较次,而三线区域相比二线区域较次。
实际应用中,按照预设的分级规则以及所述目标点的目标点名称将所述目标点的所在区域进行等级划分之后,首先确定出高级别区域,即一线区域中的目标对象,将其定义为特定目标对象,然后确定出每个特定目标对象的热度值,最后确定出热度值满足预设条件的特定目标对象,从而获取该特定目标对象的目标对象类型。
其中,所述预设条件包括但不限于热度值属于某个热度值区间,而对于热度值区间的划分如下所述:
所述基于所述目标点的热度值确定所述目标对象的热度值之后,还包括:
对所述目标对象的热度值进行排序,并基于预设的划分规则将所述目标对象的热度值划分为至少两个热度值区间。
本说明书实施例中,首先基于获取到的目标点信息对目标点的类型进行优先级划分,再使用目标对象覆盖的目标点的类型确定目标对象类型以及目标对象优质度,以保证识别出最优质的目标对象类型,最后获取目标对象热度值,通过将目标对象优劣度、目标对象类型以及目标对象热度值综合使用,确定出最优质的目标对象类型,以便后续可以基于优质的目标对象类型(即特定目标对象的目标对象类型)来辅助同类型的目标对象进行改变、提高,提升用户体验。
具体实施时,所述目标对象类型确定方法与所述商圈类型确定方法属于同一构思,目标对象类型确定方法未详细描述的细节内容,均可将目标对象理解为商圈,参见下述商圈类型确定方法的技术方案的描述。
参见图1b,图1b示出了以所述目标对象为商圈提供的一种目标对象类型确定方法的具体应用场景的示例图,包括步骤102至步骤106。
步骤102:获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联。
其中,所述商圈是指商店以其所在地点为中心,沿着一定的方向和距离扩展,吸引顾客的辐射范围,简单地说,也就是来店顾客所居住的区域范围,本说明书实施例中获取的商圈包括但不限于商圈中的店铺数以及经纬度信息等。
本说明书实施例中的商圈为通过现有算法计算出来的任一商圈,例如通过聚类算法将兴趣点进行聚合后计算出的商圈。
所述兴趣点即POI,POI泛指一切可以抽象为点的地理对象,例如学校、银行、餐馆、加油站、公交站、医院以及超市等,而每个POI均包括但不限于以下信息:每个POI的名称、分类、地址、经纬度以及每个POI所在省份名称、城市名称、所在区域名称以及所在区域编码等。
而本说明书实施例中,获取到的兴趣点中还包括每个POI的热度值,其中,每个POI的热度值可以是基于每个POI被搜索的次数计算出来的,也或者是通过其它计算方式计算出来的,在此不做限定。
具体的,获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联;可以理解为获取全国可获取到的所有商圈以及兴趣点,并通过获取到的所有商圈的经纬度信息与兴趣点的经纬度信息将其进行关联,以便可以通过商圈与兴趣点的关联关系,确定每个商圈位于哪个兴趣点的区域(哪个省份或哪个城市)中。
步骤104:基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量。
具体的,获取每个商圈的经纬度信息,然后根据每个商圈的经纬度信息确定每个商圈的中心,然后以每个商圈的中心为原点,以预设辐射距离为半径向外扩散画圆,最后获取该圆覆盖范围内的每个兴趣点,并基于每个兴趣点的分类统计每种兴趣类型的兴趣点数量。
举例说明,若获取的商圈包括商圈A、商圈B和商圈C,预设辐射距离为100m,则分别以商圈A、商圈B和商圈C的中心为原点,分别统计商圈A、商圈B和商圈C在半径100m内覆盖的所有兴趣点,其中,商圈A在半径100m内覆盖的所有兴趣点包括:6个餐厅类兴趣点、3个高校类兴趣点以及4个商场类兴趣点;商圈B在半径100m内覆盖的所有兴趣点包括:5个餐厅类兴趣点、1个高校类兴趣点以及3个购物中心类兴趣点;商圈C在半径100m内覆盖的所有兴趣点包括:3个餐厅类兴趣点、2个停车场类兴趣点以及10个公司类兴趣点。
具体实施时,在获取兴趣点时就可以获知每个兴趣点的分类,例如每个兴趣点是餐厅类型、停车场类型、公司类型或者是高等院校类型等;然后在基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量时就可以基于每个商圈覆盖的所有兴趣点中每个兴趣点的兴趣类型对兴趣点进行分类,最后统计出每个商圈覆盖的每一类兴趣类型的兴趣点数量。
步骤106:基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型。
具体实施时,基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型之前,还需要按照预设的级别规则将所述兴趣点的兴趣类型分为至少两种级别。
其中,预设的级别规则是基于对获取的兴趣点的兴趣类型的具体分析得到的。实际应用中,由于兴趣点的兴趣类型非常复杂,兴趣类型占比最高的分别是村庄级的地名、中餐厅、公司以及公交站等,但是这部分兴趣类型用来定义商圈类型的情况下,会使得商圈类型不准确,而高等院校、风景名胜、购物中心等兴趣类型虽然出现概率较低,但有利于对商圈进行定性,为了防止低效高频词(地名、中餐厅、公司以及公交站等)对高效低频词(高等院校、风景名胜、购物中心等)的影响,将兴趣点的兴趣类型划分为至少两种级别,一种是高级别的兴趣类型,例如高效低频出现的高等院校、风景名胜、购物中心等兴趣类型,另一种是低级别的兴趣类型,例如低效高频出现的地名、中餐厅、公司以及公交站等兴趣类型。
在具体应用时,一般会将兴趣点的兴趣类型分为三个级别,例如将餐厅类、公共设施类、停车场类以及公司类等兴趣类型置为低优先级,将高等院校、风景名胜、购物中心、火车站、商场以及飞机场等兴趣类型置为高优先级,将其它兴趣类型设置为中优先级。
具体的,按照预设的级别规则将所述兴趣点的兴趣类型进行级别划分之后,再基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,而基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型具体包括:
统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量;
在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型。
其中,所述预设数量阈值在实际应用中,是根据商圈风险以及GMV(英文全称:Gross Merchandise Volume,中文全称:成交总额)分析得到,具体分析过程在下述进行介绍,在此仅以所述预设数量阈值设置为3为例进行说明。
仍以获取的商圈包括商圈A、商圈B和商圈C,预设辐射距离为100m为例,进行说明。
其中,商圈A中属于高级别的兴趣点为:3个高校类兴趣点以及4个商场类兴趣点;
商圈B中属于高级别的兴趣点为:1个高校类兴趣点以及3个购物中心类兴趣点;
商圈C中属于高级别的兴趣点为:0;
由上可知,商圈A中兴趣点数量大于3的,且属于高级别的兴趣类型的数量为2;商圈B中兴趣点数量大于3的,且属于高级别的兴趣类型的数量为1;商圈C中兴趣点数量大于3的,且属于高级别的兴趣类型的数量为0。
基于在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型可知,商圈A中兴趣点数量最高的,且属于高级别的兴趣类型为商场类兴趣点;那么则商圈A的商圈类型则为商场类商圈。
本说明书实施例中,在对兴趣类型划分好优先级后,以每个商圈的中心为原点,统计半径r米内覆盖的所有兴趣点的不同兴趣类型的数量,并以最优级别的兴趣类型的数量确定商圈类型,通过这种优先级区分以及最优化分类的方法,可以准确的获得不同商圈的类型,十分灵活,并且商圈类型的定义准确度非常高。
本说明书另一实施例中,所述统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量之后,还包括:
在所述兴趣类型的数量为一个的情况下,以兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型。
具体的,若统计的兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量只有一个的情况下,则以数量等于1的兴趣类型作为所述商圈的商圈类型。
例如,商圈B中覆盖的3个购物中心类兴趣点数量大于3,且属于高级别的兴趣类型,那么则该兴趣类型为购物中心类兴趣类型,此时该购物中心类兴趣类型则为商圈B的商圈类型。
此外,在具体实施时,若统计的兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量为零个的情况下,则以兴趣点数量最高的兴趣类型作为所述商圈的商圈类型。
例如,商圈C中兴趣点数量大于3的,且属于高级别的兴趣类型的数量为0,此时则选取商圈C中兴趣点数量最高的:10个公司类兴趣点的兴趣类型作为商圈C的商圈类型,即商圈C的商圈类型为公司类商圈类型。
综上所述,在进行商圈类型判定时,可以基于表1中的条件进行商圈的商圈类型判定。
表1
其中,“k”表示预设数量阈值;“存在多个覆盖点数超过k的高优先级”表示存在两个或两个以上,兴趣点数超过k的,且属于高优先级类的兴趣类型;“存在一个覆盖点数超过k的高优先级”表示存在一个,兴趣点数超过k的,且属于高优先级类的兴趣类型;“存在零个覆盖点数超过k的高优先级”表示不存在兴趣点数超过k的,且属于高优先级类的兴趣类型;“在高优先级类别中,选取覆盖点数最多的类型”表示选取兴趣点数量最大的,属于高优先级的兴趣类型;“直接选取当前类型”表示选取当前这一个属于高优先级的兴趣类型;“在其他优先级类别中,选取覆盖点数最多的类型”表示在非高优先级的类别中,选取兴趣点数量最高的兴趣点的兴趣类型。
本说明书另一实施例中,确定每个商圈的商圈类型后,还需要基于确定后的每个商圈的商圈类型以及预设的判定规则确定优质商圈的商圈类型。
具体的,所述预设的判定规则包括在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈;
所述根据预设的判定规则确定优质商圈的商圈类型包括:
在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈,且获取所述优质商圈的商圈类型,其中,所述预设的优质商圈条件包括所述商圈的店铺数大于等于预设店铺阈值,且所述商圈的风险值小于风险阈值。
其中,预设店铺阈值是可以根据实际应用进行变化的,例如设置为2000或3000等,合理的预设店铺阈值才可以使得商圈的风险统计有意义。在本说明书实施例中,若商圈的辐射范围为100m的情况下,优选的,预设店铺阈值设置为2000家。
而商圈的风险值是基于商圈中店铺的历史逾期数据以及逾期大盘值得到的,即商家的风险值=(该商圈逾期店铺/该商圈全部店铺)/(大盘逾期店铺/大盘全部店铺),其中,商圈逾期店铺表示商圈中贷款逾期店铺数,大盘逾期店铺表示系统可统计的全部的贷款店铺数;而风险阈值可以是根据实际应用进行设定的,例如风险阈值可以设置为0.87或1等。
举例说明,若预设店铺阈值为2000,风险阈值为1,那么获取到的商圈A中的店铺数为2030,商圈A的风险值为0.86,则商圈A满足预设的优质商圈条件,商圈A为优质商圈,此外,基于上述实施例可知,商圈A的商圈类型为商场类商圈,此时就可以确定商圈A为优质商圈,且优质商圈A的商圈类型为商场类商圈。
实际应用中,对商圈类型优劣度的判断可以参见表2。
表2
其中,风险LIFT=(该商圈逾期店铺/该商圈全部店铺)/(大盘逾期店铺/大盘全部店铺),LIFT>1表示识别出的商圈风险偏坏,而LIFT<1则表示识别出的商圈风险偏好,而其他情况则表示识别出的商圈中等。
根据上述实施例可知,r和k的取值会影响商圈的商圈类型以及优劣度的判断,因此r和k的合理取值也是很重要的。
实际应用中,选取半径r范围为100米、200米、300米以及500米四个档(r的取值下限设置为100米,上限设置为500米是为了避免范围过小时,覆盖的兴趣点过少造成大部分兴趣类型的缺失,范围过大时,会覆盖到与商圈无关的兴趣点),选取高优先级类型预设数量阈值k为2、3、4三个阈值;一般在k相同的情况下,r越大,识别出的优质商圈越多,但是风险区分度、店均GMV区分度也越差;而在r相同的情况下,k越大,识别出的优质商圈越少,但是风险区分度、店均GMV区分度也会有所提高,具体实验结果如表3。
表3
/>
其中,风险LIFT=(该商圈逾期店铺/该商圈全部店铺)/(大盘逾期店铺/大盘全部店铺),GMV_LIFT(识别出商圈内店铺总GMV/识别出商圈内店铺总数)/(大盘总GMV/大盘店铺总数)=识别出商圈店均GMV/大盘店均GMV=GMV%/店铺数%),店铺数%表示识别出商圈内店铺总数/大盘店铺总数,GMV%表示识别出商圈内店铺总GMV/大盘总GMV,而大盘店铺表示的系统可获取到的所有的店铺。
根据表3可知,得到如下结果,参见表4。
表4
以表3和表4可知,参数为100*2以及参数为300*3的风险LIFT相同、GMV_LIFT也非常接近,在此种情况下,300*3的参数能够识别出来的优质店铺为13.47%,而参数为100*2能够识别出来的优质店铺数为10.57%,且参数为300*3识别出的GMV%也比参数为100*2识别出的GMV%高很多,因此本说明书实施例中优选预设辐射距离r为300米、预设数量阈值k为3时识别出的优质商圈的商圈类型为最优。
具体实施时,在确定出优质商圈以及优质商圈的商圈类型之后,可以基于优质商圈的商圈类型确定该商圈类型属于具有发展潜力的热门商圈类型,就可以基于该商圈类型对同商圈类型的商圈进行贷款提额等应用。
本说明书实施例中,首先对兴趣点的兴趣类型进行优先级划分,然后使用商圈覆盖的兴趣点的兴趣类型信息确定出商圈类型,在基于商圈类型确定出优质商圈的商圈类型,以便后续应用时可以基于该优质商圈类型进行贷款提额等,将对商圈的评估结果进行具体应用,以辅助店铺的经营,提高店铺体验。
本说明书另一实施例中,所述根据预设的判定规则确定优质商圈的商圈类型之后,还包括:
获取以所述商圈的中心为原点,且在预设辐射距离范围内的兴趣点的热度值,并基于所述兴趣点的热度值确定所述商圈的热度值。
其中,所述预设辐射距离的取值可参见上述实施例,在此不再赘述。
具体的,基于所述兴趣点的热度值确定所述商圈的热度值可以理解为获取预设辐射距离范围内所有兴趣点的热度值,然后将所有热度值进行汇总,即相加之后得到总的热度值即为商圈的热度值,而每个兴趣点的热度值在获取兴趣点的时候已经获得,该热度值可以是基于现有技术中任一计算方式计算得到,例如通过兴趣点的搜索次数等。
具体实施时,所述基于所述兴趣点的热度值确定所述商圈的热度值之后,还包括:
按照预设的地域分级规则以及所述兴趣点的兴趣点名称将所述兴趣点的所在地域进行等级划分,并确定高级别地域中热度值满足预设条件的优质商圈的商圈类型。
其中,地域分级规则是可以按照当前的城市分级规则进行划分,也可以按照实际需求进行划分,实际应用中,按照预设的地域分级规则是可以将所述兴趣点的所在地域划分为一线、二线或三线地域等,一线地域可以理解为全国政治、经济等活动中处于重要地位的地域,二线地域相比一线地域较次,而三线地域相比二线地域较次。
例如按照城市等级将城市划分为六个等级,具体划分结果参见表5。
表5
实际应用中,按照预设的地域分级规则以及所述兴趣点的兴趣点名称将所述兴趣点的所在地域进行等级划分之后,首先确定出高级别地域,即一线地域中的优质商圈,然后确定出每个优质商圈的热度值,最后确定出热度值满足预设条件的优质商圈,从而获取该优质商圈的商圈类型。
其中,所述预设条件包括但不限于热度值属于某个热度值区间,而对于热度值区间的划分如下所述:
对所述商圈的热度值进行排序,并基于预设的划分规则将所述商圈的热度值划分为至少两个热度值区间。
其中,预设的划分规则可以基于实际需求进行设置,再次不做任何限定,例如预设的划分规则为将商圈的热度值划分为<=10%、<=20%、<=30%、...、<=90%、>90%等十个区间。
具体实施时,首先按照商圈的热度值对商圈进行排序,然后基于预设的划分规则将所述商圈的热度值划分为至少两个热度值区间。
例如商圈A的热度值为96%,商圈B的热度值为80%、商圈C的热度值为60%,而预设的划分规则为将商圈按照<=90%、>90%划分为两个热度值区间,则商圈B和商圈C为属于<=90%的热度值区间,商圈A为属于>90%的热度值区间。
举例说明,若一线城市:a市中包括优质商圈A、优质商圈B和优质商圈C,其中,优质商圈A的热度值为96%,优质商圈B的热度值为80%、商圈C的热度值为60%,所述预设条件为热度值属于>90%的热度值区间,则确定出的一线城市a市中热度值属于>90%的热度值区间的优质商圈为优质商圈A,从而获取优质商圈A的商圈类型为商场类商圈。
本说明书实施例中,首先基于获取到的兴趣点信息对兴趣点的兴趣类型进行优先级划分,再使用商圈覆盖的兴趣点的兴趣类型确定商圈类型以及商圈优质度,其中,商圈的预设辐射范围基于风险、GMV两个指标综合确定,以保证识别出最优质的商圈类型,最后获取商圈热度值,通过将商圈优劣度、商圈类型以及商圈热度值综合使用,确定出最优质的商圈类型,以便后续可以基于商圈的评估结果进行具体应用,以辅助店铺的经营,提高店铺体验。
参见图2,图2为将地域按照城市等级划分为六级的情况下的店铺数占比以及GMV的示意图。
单按照城市等级来看,图2中,一线城市店铺数占比为15%,但是GMV的占比达30%,风险最低,为大盘的0.85倍;五线城市店铺数占比为3.4%,但是GMV的占比仅0.7%,风险最高,为大盘的1.26倍,由此可见,城市等级划分对GMV以及风险区分度比较明显,城市等级划分合理的情况下,对商圈中店铺的GMV会相对提高以及风险区分度会相对降低。
参见图3,图3为将热度值划分为十个热度值区间后,一线城市商圈的店铺数占比以及GMV的示意图。
图3中,将热度值划分为十个热度值区间后,在店铺数占比为16.8%,GMV占比为28.7%的情况下,风险值最低,为大盘的0.92,可见热度值的划分对风险区分度较小,但对GMV的区分度明显。
综上所述,在对城市等级以及热度值进行划分之后,再基于上述两个指标进行优质商圈的商圈类型获取,会使得获取结果更加准确。
参见图4,图4示出了根据本说明书一个实施例提供的另一种商圈类型确定方法的流程图,包括步骤402至步骤416。
步骤402:获取商圈。
步骤404:获取兴趣点。
步骤406:将所述商圈与所述兴趣点相关联。
步骤408:按照预设的级别规则将所述兴趣点的兴趣类型分为高优先级以及中优先级。
步骤410:获取所述商圈的商圈类型以及优质商圈的商圈类型。
具体的,获取所述商圈的商圈类型具体包括:
基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量;
在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型。
而获取所述优质商圈的商圈类型包括:
在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈,且获取所述优质商圈的商圈类型,其中,所述预设的优质商圈条件包括所述商圈的店铺数大于等于预设店铺阈值,且所述商圈的风险值小于风险阈值。
步骤412:获取所述商圈的热度值。
步骤414:按照预设的地域分级规则以及所述兴趣点的兴趣点名称将所述兴趣点的所在地域进行等级划分。
步骤416:基于所述商圈的商圈类型、所述商圈的优劣度以及所述商圈的热度值获取高级别地域中热度值满足预设条件的优质商圈的商圈类型。
具体的,本实施例为上述实施例的具体实现方式,本实施例中没有详细阐述的实现方式可以参见上述实施例,在此不做赘述。
本说明书实施例中,首先获取商圈以及兴趣点,并基于获取到的兴趣点信息对兴趣点的兴趣类型进行优先级划分,再使用商圈覆盖的兴趣点的兴趣类型准确的确定出商圈类型以及商圈优质度,最后将城市进行等级划分,且获取商圈热度值,通过将商圈优劣度、商圈类型以及商圈热度值综合使用,确定出高级别城市中最优质的商圈类型,以便后续可以基于该商圈类型对同商圈类型的商圈进行店铺指导,提升店铺体验。
与上述方法实施例相对应,本说明书还提供了目标对象类型确定装置实施例,图5a示出了本说明书一个实施例提供的一种目标对象类型确定装置的结构示意图。如图5a所示,该装置包括:
目标对象获取模块5002,被配置为获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;
目标点数量获取模块5004,被配置为基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
目标对象类型确定模块5006,被配置为基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
可选的,所述装置,还包括:
目标点级别划分模块,被配置为按照预设的级别规则将所述目标点的类型分为至少两种级别。
可选的,所述目标对象类型确定模块5006,进一步被配置为:
统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量;
在所述类型的数量包括两个或两个以上的情况下,以目标点数量最高的,且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型。
可选的,所述装置,还包括:
第一目标对象类型确定模块,被配置为在所述类型的数量为一个的情况下,以目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型。
可选的,所述装置,还包括:
第二目标对象类型确定模块,被配置为在所述类型的数量为零的情况下,以目标点数量最高的类型作为所述目标对象的目标对象类型。
可选的,所述预设的判定规则包括在所述目标对象满足预设的特定目标对象条件的情况下,所述目标对象为特定目标对象;
所述目标对象类型确定模块5006,进一步被配置为:
在所述目标对象满足预设的特定目标对象条件的情况下,所述目标对象为特定目标对象,且获取所述特定目标对象的目标对象类型,其中,所述预设的特定目标对象条件包括所述目标对象的数量大于等于预设数量阈值,且所述目标对象的风险值小于预设风险阈值。
可选的,所述装置,还包括:
目标对象热度值确定模块,被配置为获取以所述目标对象的中心为原点,且在预设辐射距离范围内的目标点的热度值,并基于所述目标点的热度值确定所述目标对象的热度值。
可选的,所述装置,还包括:
区域分级模块,被配置为按照预设的分级规则以及所述目标点的目标点名称将所述目标点的所在区域进行等级划分,并确定高级别区域中热度值满足预设条件的特定目标对象的目标对象类型。
可选的,所述装置,还包括:
目标对象的热度值区间划分模块,被配置为对所述目标对象的热度值进行排序,并基于预设的划分规则将所述目标对象的热度值划分为至少两个热度值区间。
可选的,所述预设辐射距离为300米,所述预设数量阈值为3。
上述为本实施例的一种目标对象类型确定装置的示意性方案。需要说明的是,该目标对象类型确定装置的技术方案与上述的目标对象类型确定方法的技术方案属于同一构思,目标对象类型确定装置的技术方案未详细描述的细节内容,均可以参见上述目标对象类型确定方法的技术方案的描述。
与上述方法实施例相对应,本说明书还提供了商圈类型确定装置实施例,图5b示出了本说明书一个实施例提供的一种商圈类型确定装置的结构示意图。如图5b所示,该装置包括:
数据获取模块502,被配置为获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联;
兴趣点获取模块504,被配置为基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
优质商圈类型确定模块506,被配置为基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型。
可选的,所述装置,还包括:
兴趣类型级别划分模块,被配置为按照预设的级别规则将所述兴趣点的兴趣类型分为至少两种级别。
可选的,所述优质商圈确定模块506,进一步被配置为:
统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量;
在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型。
可选的,所述装置,还包括:
第一商圈类型确定模块,被配置为在所述兴趣类型的数量为一个的情况下,以兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型。
可选的,所述装置,还包括:
第二商圈类型确定模块,被配置为在所述兴趣类型的数量为零个的情况下,以兴趣点数量最高的兴趣类型作为所述商圈的商圈类型。
可选的,所述预设的判定规则包括在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈;
所述优质商圈类型确定模块506,进一步被配置为:
在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈,且获取所述优质商圈的商圈类型,其中,所述预设的优质商圈条件包括所述商圈的店铺数大于等于预设店铺阈值,且所述商圈的风险值小于风险阈值。
可选的,所述装置,还包括:
热度值确定模块,被配置为获取以所述商圈的中心为原点,且在预设辐射距离范围内的兴趣点的热度值,并基于所述兴趣点的热度值确定所述商圈的热度值。
可选的,所述装置,还包括:
地域划分模块,被配置为按照预设的地域分级规则以及所述兴趣点的兴趣点名称将所述兴趣点的所在地域进行等级划分,并确定高级别地域中热度值满足预设条件的优质商圈的商圈类型。
可选的,所述装置,还包括:
热度值区间划分模块,被配置为对所述商圈的热度值进行排序,并基于预设的划分规则将所述商圈的热度值划分为至少两个热度值区间。
可选的,所述预设辐射距离为300米,所述预设数量阈值为3。
上述为本实施例的一种商圈类型确定装置的示意性方案。需要说明的是,该商圈类型确定装置的技术方案与上述的商圈类型确定方法的技术方案属于同一构思,商圈类型确定装置的技术方案未详细描述的细节内容,均可以参见上述商圈类型确定方法的技术方案的描述。
图6示出了根据本说明书一个实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接,数据库650用于保存数据。
计算设备600还包括接入设备640,接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图6所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备600可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。
其中,处理器620用于执行如下计算机可执行指令:
获取目标对象以及目标点,并将所述目标对象与所述目标点相关联;
基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的目标对象类型确定方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述目标对象类型确定方法的技术方案的描述。
图7示出了根据本说明书一个实施例提供的一种计算设备700的结构框图。该计算设备700的部件包括但不限于存储器710和处理器720。处理器720与存储器710通过总线730相连接,数据库750用于保存数据。
计算设备700还包括接入设备740,接入设备740使得计算设备700能够经由一个或多个网络760通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备740可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备700的上述部件以及图7中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图7所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备700可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备700还可以是移动式或静止式的服务器。
其中,处理器720用于执行如下计算机可执行指令:
获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联;
基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的商圈类型确定方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述商圈类型确定方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述目标对象类型确定方法或所述商圈类型确定方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的目标对象类型确定方法或商圈类型确定方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述目标对象类型确定方法或商圈类型确定方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (17)
1.一种目标对象类型确定方法,包括:
获取目标对象以及目标点,并将所述目标对象与所述目标点相关联,按照预设的级别规则将所述目标点的类型分为至少两种级别;
基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型,其中,所述基于所述每种类型的目标点数量确定所述目标对象的目标对象类型包括:
统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量;
在所述类型的数量包括两个或两个以上的情况下,以目标点数量最高的,且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型;
在所述类型的数量为一个的情况下,以目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型;
在所述类型的数量为零的情况下,以目标点数量最高的类型作为所述目标对象的目标对象类型。
2.根据权利要求1所述的目标对象类型确定方法,所述预设的判定规则包括在所述目标对象满足预设的特定目标对象条件的情况下,所述目标对象为特定目标对象;
所述根据预设的判定规则确定特定目标对象的目标对象类型包括:
在所述目标对象满足预设的特定目标对象条件的情况下,所述目标对象为特定目标对象,且获取所述特定目标对象的目标对象类型,其中,所述预设的特定目标对象条件包括所述目标对象的数量大于等于预设数量阈值,且所述目标对象的风险值小于预设风险阈值。
3.根据权利要求1所述的目标对象类型确定方法,所述根据预设的判定规则确定特定目标对象的目标对象类型之后,还包括:
获取以所述目标对象的中心为原点,且在预设辐射距离范围内的目标点的热度值,并基于所述目标点的热度值确定所述目标对象的热度值。
4.根据权利要求3所述的目标对象类型确定方法,所述基于所述目标点的热度值确定所述目标对象的热度值之后,还包括:
按照预设的分级规则以及所述目标点的目标点名称将所述目标点的所在区域进行等级划分,并确定高级别区域中热度值满足预设条件的特定目标对象的目标对象类型。
5.根据权利要求4所述的目标对象类型确定方法,所述基于所述目标点的热度值确定所述目标对象的热度值之后,还包括:
对所述目标对象的热度值进行排序,并基于预设的划分规则将所述目标对象的热度值划分为至少两个热度值区间。
6.根据权利要求1所述的目标对象类型确定方法,所述预设辐射距离为300米,所述预设数量阈值为3。
7.一种商圈类型确定方法,包括:
获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联,按照预设的级别规则将所述兴趣点的兴趣类型分为至少两种级别;
基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型,其中,所述基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型包括:
统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量;
在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型;
在所述兴趣类型的数量为一个的情况下,以兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型;
在所述兴趣类型的数量为零个的情况下,以兴趣点数量最高的兴趣类型作为所述商圈的商圈类型。
8.根据权利要求7所述的商圈类型确定方法,所述预设的判定规则包括在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈;
所述根据预设的判定规则确定优质商圈的商圈类型包括:
在所述商圈满足预设的优质商圈条件的情况下,所述商圈为优质商圈,且获取所述优质商圈的商圈类型,其中,所述预设的优质商圈条件包括所述商圈的店铺数大于等于预设店铺阈值,且所述商圈的风险值小于风险阈值。
9.根据权利要求7所述的商圈类型确定方法,所述根据预设的判定规则确定优质商圈的商圈类型之后,还包括:
获取以所述商圈的中心为原点,且在预设辐射距离范围内的兴趣点的热度值,并基于所述兴趣点的热度值确定所述商圈的热度值。
10.根据权利要求9所述的商圈类型确定方法,所述基于所述兴趣点的热度值确定所述商圈的热度值之后,还包括:
按照预设的地域分级规则以及所述兴趣点的兴趣点名称将所述兴趣点的所在地域进行等级划分,并确定高级别地域中热度值满足预设条件的优质商圈的商圈类型。
11.根据权利要求10所述的商圈类型确定方法,所述基于所述兴趣点的热度值确定所述商圈的热度值之后,还包括:
对所述商圈的热度值进行排序,并基于预设的划分规则将所述商圈的热度值划分为至少两个热度值区间。
12.根据权利要求7所述的商圈类型确定方法,所述预设辐射距离为300米,所述预设数量阈值为3。
13.一种目标对象类型确定装置,包括:
目标对象获取模块,被配置为获取目标对象以及目标点,并将所述目标对象与所述目标点相关联,按照预设的级别规则将所述目标点的类型分为至少两种级别;
目标点数量获取模块,被配置为基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
目标对象类型确定模块,被配置为基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型,其中,所述基于所述每种类型的目标点数量确定所述目标对象的目标对象类型包括:统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量;在所述类型的数量包括两个或两个以上的情况下,以目标点数量最高的,且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型;在所述类型的数量为一个的情况下,以目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型;在所述类型的数量为零的情况下,以目标点数量最高的类型作为所述目标对象的目标对象类型。
14.一种商圈类型确定装置,包括:
数据获取模块,被配置为获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联,按照预设的级别规则将所述兴趣点的兴趣类型分为至少两种级别;
兴趣点获取模块,被配置为基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
优质商圈确定模块,被配置为基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型,其中,所述基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型包括:统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量;在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型;在所述兴趣类型的数量为一个的情况下,以兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型;在所述兴趣类型的数量为零个的情况下,以兴趣点数量最高的兴趣类型作为所述商圈的商圈类型。
15.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取目标对象以及目标点,并将所述目标对象与所述目标点相关联,按照预设的级别规则将所述目标点的类型分为至少两种级别;
基于所述目标对象的位置信息确定所述目标对象的中心,并获取以所述目标对象的中心为原点,且在预设辐射距离范围内每种类型的目标点数量;
基于所述每种类型的目标点数量确定所述目标对象的目标对象类型,并根据预设的判定规则确定特定目标对象的目标对象类型,其中,所述基于所述每种类型的目标点数量确定所述目标对象的目标对象类型包括:
统计目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型的数量;
在所述类型的数量包括两个或两个以上的情况下,以目标点数量最高的,且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型;
在所述类型的数量为一个的情况下,以目标点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的类型作为所述目标对象的目标对象类型;
在所述类型的数量为零的情况下,以目标点数量最高的类型作为所述目标对象的目标对象类型。
16.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取商圈以及兴趣点,并将所述商圈与所述兴趣点相关联,按照预设的级别规则将所述兴趣点的兴趣类型分为至少两种级别;
基于所述商圈的经纬度信息确定所述商圈的中心,并获取以所述商圈的中心为原点,且在预设辐射距离范围内每种兴趣类型的兴趣点数量;
基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型,并根据预设的判定规则确定优质商圈的商圈类型,其中,所述基于所述每种兴趣类型的兴趣点数量确定所述商圈的商圈类型包括:
统计兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型的数量;
在所述兴趣类型的数量包括两个或两个以上的情况下,以兴趣点数量最高的,且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型;
在所述兴趣类型的数量为一个的情况下,以兴趣点数量大于等于预设数量阈值的、且属于所述至少两种级别中的高级别的兴趣类型作为所述商圈的商圈类型;
在所述兴趣类型的数量为零个的情况下,以兴趣点数量最高的兴趣类型作为所述商圈的商圈类型。
17.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1-6任意一项所述目标对象类型确定方法或7-12任意一项所述商圈类型确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010140171.XA CN111369284B (zh) | 2020-03-03 | 2020-03-03 | 目标对象类型确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010140171.XA CN111369284B (zh) | 2020-03-03 | 2020-03-03 | 目标对象类型确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369284A CN111369284A (zh) | 2020-07-03 |
CN111369284B true CN111369284B (zh) | 2023-08-15 |
Family
ID=71206989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010140171.XA Active CN111369284B (zh) | 2020-03-03 | 2020-03-03 | 目标对象类型确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369284B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308600B (zh) * | 2020-09-15 | 2023-04-07 | 天津五八到家货运服务有限公司 | 商圈划分方法、装置及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649331A (zh) * | 2015-10-29 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 商圈识别方法及设备 |
JP2017228056A (ja) * | 2016-06-22 | 2017-12-28 | 株式会社野村総合研究所 | 情報分析装置および情報分析方法 |
CN107563789A (zh) * | 2017-07-31 | 2018-01-09 | 石河子大学 | 数据处理方法、系统、终端及计算机可读存储介质 |
CN109118265A (zh) * | 2018-06-27 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 商圈确定方法、装置和服务器 |
CN109697637A (zh) * | 2018-12-27 | 2019-04-30 | 拉扎斯网络科技(上海)有限公司 | 对象类别确定方法、装置、电子设备及计算机存储介质 |
CN109815419A (zh) * | 2019-02-22 | 2019-05-28 | 北京三快在线科技有限公司 | 基于地理位置的兴趣点索引方法、装置、介质及电子设备 |
CN109840452A (zh) * | 2017-11-28 | 2019-06-04 | 中国移动通信集团浙江有限公司 | 一种栅格覆盖场景自动识别方法及装置 |
CN109903065A (zh) * | 2017-12-08 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 一种确定候选点的候选分值的方法和装置 |
CN110020150A (zh) * | 2017-11-30 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置 |
WO2019179173A1 (zh) * | 2018-03-20 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 一种商圈判定方法和装置 |
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 |
CN110597943A (zh) * | 2019-09-16 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 基于人工智能的兴趣点处理方法、装置及电子设备 |
CN110795642A (zh) * | 2019-09-27 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 位置名称生成方法以及位置名称显示方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7826965B2 (en) * | 2005-06-16 | 2010-11-02 | Yahoo! Inc. | Systems and methods for determining a relevance rank for a point of interest |
US10380636B2 (en) * | 2012-12-06 | 2019-08-13 | Ebay Inc. | Systems and methods for statistical dynamic geofencing |
US20160283955A1 (en) * | 2015-03-27 | 2016-09-29 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate market opportunities for an object class |
-
2020
- 2020-03-03 CN CN202010140171.XA patent/CN111369284B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649331A (zh) * | 2015-10-29 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 商圈识别方法及设备 |
JP2017228056A (ja) * | 2016-06-22 | 2017-12-28 | 株式会社野村総合研究所 | 情報分析装置および情報分析方法 |
CN107563789A (zh) * | 2017-07-31 | 2018-01-09 | 石河子大学 | 数据处理方法、系统、终端及计算机可读存储介质 |
CN109840452A (zh) * | 2017-11-28 | 2019-06-04 | 中国移动通信集团浙江有限公司 | 一种栅格覆盖场景自动识别方法及装置 |
CN110020150A (zh) * | 2017-11-30 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置 |
CN109903065A (zh) * | 2017-12-08 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 一种确定候选点的候选分值的方法和装置 |
WO2019179173A1 (zh) * | 2018-03-20 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 一种商圈判定方法和装置 |
CN109118265A (zh) * | 2018-06-27 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 商圈确定方法、装置和服务器 |
CN109697637A (zh) * | 2018-12-27 | 2019-04-30 | 拉扎斯网络科技(上海)有限公司 | 对象类别确定方法、装置、电子设备及计算机存储介质 |
CN109815419A (zh) * | 2019-02-22 | 2019-05-28 | 北京三快在线科技有限公司 | 基于地理位置的兴趣点索引方法、装置、介质及电子设备 |
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 |
CN110597943A (zh) * | 2019-09-16 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 基于人工智能的兴趣点处理方法、装置及电子设备 |
CN110795642A (zh) * | 2019-09-27 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 位置名称生成方法以及位置名称显示方法 |
Non-Patent Citations (1)
Title |
---|
基于距离类别的多源兴趣点融合算法;徐爽;张谦;李琰;刘嘉勇;;计算机应用(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111369284A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11748379B1 (en) | Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis | |
CN106570722B (zh) | 一种智能推荐系统及智能推荐方法 | |
CN107291888B (zh) | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 | |
CN106681996B (zh) | 确定地理范围内兴趣区域、兴趣点的方法和装置 | |
EP3276563A1 (en) | Interest profile of a user of a mobile application | |
CN111028016A (zh) | 销量数据预测方法、装置以及相关设备 | |
WO2017157184A1 (zh) | 一种确定地理位置的属性信息的方法及装置 | |
CN112861972B (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
CN112069281B (zh) | 兴趣点位置的确定方法、装置、计算机设备及存储介质 | |
CN107666649A (zh) | 个人财产状态评估方法及装置 | |
CN111178179B (zh) | 一种基于像元尺度的城市功能区的识别方法及装置 | |
US20230004614A1 (en) | Method and Apparatus for Displaying Map Points of Interest, And Electronic Device | |
CN109447103B (zh) | 一种基于硬聚类算法的大数据分类方法、装置及设备 | |
CN111198989A (zh) | 确定出行推荐数据的方法、装置、存储介质及电子设备 | |
CN112819544A (zh) | 基于大数据的广告投放方法、装置、设备及存储介质 | |
CN111369284B (zh) | 目标对象类型确定方法及装置 | |
CN114549058A (zh) | 选址方法、装置、电子设备和可读存储介质 | |
CN110674208B (zh) | 用于确定用户的职住地信息的方法和装置 | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
CN114547386A (zh) | 基于Wi-Fi信号的定位方法、装置,以及电子设备 | |
CN112001384A (zh) | 商圈识别的方法及设备 | |
CN108647189B (zh) | 一种识别用户人群属性的方法及装置 | |
CN107977764A (zh) | 索引文件的生成、配送员信息的查询方法、装置和服务器 | |
CN110569418A (zh) | 学历信息验证方法以及装置 | |
CN115033766A (zh) | 数据处理方法、生活圈的显示方法及装置、介质、设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |