CN111680873A - 监测经济状态、建立经济状态监测模型的方法及对应装置 - Google Patents

监测经济状态、建立经济状态监测模型的方法及对应装置 Download PDF

Info

Publication number
CN111680873A
CN111680873A CN202010360887.0A CN202010360887A CN111680873A CN 111680873 A CN111680873 A CN 111680873A CN 202010360887 A CN202010360887 A CN 202010360887A CN 111680873 A CN111680873 A CN 111680873A
Authority
CN
China
Prior art keywords
data
monitored
economic
geographic position
time
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
Application number
CN202010360887.0A
Other languages
English (en)
Inventor
黄际洲
王海峰
范淼
熊昊一
卓安
李莹
窦德景
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010360887.0A priority Critical patent/CN111680873A/zh
Publication of CN111680873A publication Critical patent/CN111680873A/zh
Priority to US17/115,628 priority patent/US20210342861A1/en
Priority to EP21164394.5A priority patent/EP3940623A3/en
Priority to KR1020210056915A priority patent/KR102565762B1/ko
Priority to JP2021076964A priority patent/JP7139556B2/ja
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请公开了一种监测经济状态、建立经济状态监测模型的方法及对应装置，涉及大数据技术领域。具体实现方案为：从地图类应用数据中，分别针对待监测区域获取待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据，所述N为正整数；将所述待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据的特征向量分别输入预先训练得到的经济状态监测模型，得到所述待监测区域在所述待监测时段的经济指标数据。本申请能够实现对该待监测区域在待监测时段的经济状态的实时监测，从而及时给出政策制定的参考。

Description

监测经济状态、建立经济状态监测模型的方法及对应装置
技术领域
本申请涉及计算机应用技术领域，特别涉及大数据技术领域。
背景技术
GDP(Gross Domestic Product，国民生产总值)、CPI(consumer price index，居民消费指数)作为刻画经济情况的重要指标，理想状态下应该实 时监控，以便国家或地区等在指定相关政策时作为重要参考依据。
现有经济状态的获取方式只能是基于统计的方式，例如统计每个季度 的实际经济指标。但这种统计方式只能滞后的获取之前各时期的经济状 况，而无法及时给出政策制定的参考。
发明内容
有鉴于此，本申请提供了如下技术方案，用以实现经济状态的及时监 测，解决滞后的统计方式所带来的上述问题。
第一方面，本申请提供了一种监测经济状态的方法，该方法包括：
从地图类应用数据中，分别针对待监测区域获取待监测时段以及待监 测时段之前N个历史时段的地理位置点活跃数据，所述N为正整数；
将所述待监测时段以及待监测时段之前N个历史时段的地理位置点 活跃数据的特征向量分别输入预先训练得到的经济状态监测模型，得到所 述待监测区域在所述待监测时段的经济指标数据。
第二方面，本申请提供了一种建立经济状态监测模型的方法，该方法 包括：
从地图类应用数据中，分别针对待监测区域获取连续M个时段的地 理位置点活跃数据；以及从经济指标数据库中获取所述待监测区域分别在 所述M个时段的实际经济指标数据，所述M为大于1的正整数，所述M>N；
将获取的所述连续M个时段的地理位置点活跃数据和实际经济指标 数据作为训练数据，训练时序模型，得到针对所述待监测区域的经济状态 监测模型；
所述经济状态监测模型用以根据所述待监测区域在待监测时段以及 待监测时段之前N个历史时段的地理位置点活跃数据，输出所述待监测区 域在所述待监测时段的经济指标数据，所述N为正整数。
第三方面，本申请提供了一种监测经济状态的装置，该装置包括：
数据获取单元，用于从地图类应用数据中，分别针对待监测区域获取 待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据，所 述N为正整数；
监测处理单元，用于将所述待监测时段以及待监测时段之前N个历史 时段的地理位置点活跃数据的特征向量分别输入预先训练得到的经济状 态监测模型，得到所述待监测区域在所述待监测时段的经济指标数据。
第四方面，本申请还提供了一种建立经济状态监测模型的装置，该装 置包括：
数据获取单元，用于从地图类应用数据中，分别针对待监测区域获取 连续M个时段的地理位置点活跃数据；以及从经济指标数据库中获取所 述待监测区域分别在所述M个时段的实际经济指标数据，所述M为大于 1的正整数，所述M>N；
模型训练单元，用于将获取的所述连续M个时段的地理位置点活跃 数据和实际经济指标数据作为训练数据，训练时序模型，得到针对所述待 监测区域的经济状态监测模型；
所述经济状态监测模型用以根据所述待监测区域在待监测时段以及 待监测时段之前N个历史时段的地理位置点活跃数据，输出所述待监测区 域在所述待监测时段的经济指标数据，所述N为正整数。
第五方面，本申请还提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被 所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项 所述的方法。
第六方面，本申请还提供了一种存储有计算机指令的非瞬时计算机可 读存储介质，其特征在于，所述计算机指令用于使所述计算机执行上述任 一项所述的方法。
由以上技术方案可以看出，本申请通过待监测区域在待监测时段及其 之前历史时段的地理位置点活跃数据，能够实现对该待监测区域在待监测 时段的经济状态的实时监测，从而及时给出政策制定的参考。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说 明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的季度GDP、V3和NVC的时间分布图；
图2为本申请实施例一提供的监测经济状态的方法流程图；
图3为本申请实施例一提供的经济状态监测模型的结构示意图；
图4为本申请实施例二提供的建立经济状态监测模型的方法流程图；
图5为本申请实施例二提供的训练经济状态监测模型的示意图；
图6为本申请实施例三提供的监测经济状态的装置结构图；
图7为本申请实施例四提供的建立经济状态监测模型的结构图；
图8是用来实现本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实 施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本 领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和 修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的 描述中省略了对公知功能和结构的描述。
经过长期的观察和研究发现，在地图类应用中获取了相同时间区间内 地理位置点活跃数据以及从经济指标数据库中获取了相同区域相同时间 区间内的经济指标数据，经过统计分析和比对后发现，地理位置点活跃数 据的时间分布与经济指标数据的时间分布具有极强的相关性。
例如，按照季度为单位统计了中国大陆用户在2018年第一季度到 2020年第一季度一共9个季度中，每个季度的用户到店的数据总量，记为 V3(Volumes of Visits toVenue)，统计了中国大陆商家在每个季度登记 新开店铺的总量，记为NVC(New VenuesCreated)，以及统计了中国大 陆每个季度的实际GDP总量。
这样得到三组数据：季度GDP、季度V3以及季度NVC。每组数据有 9个点，所有数值经过归一化之后，得到如图1中所示的时间分布图。图 1中，横轴中Q1～Q4分别指代第一季度～第四季度，纵轴代表归一化后的 季度GDP、季度V3以及季度NVC的取值。从图中可以发现，GDP和V3之 间，GDP和NVC之间表现了极强的相关性。通过皮尔逊相关系数(PearsonCorrelation Coefficent)分析，GDP和V3之间的相关系数为81.41％，GDP 和NVC之间的相关系数为82.11％，呈现强正相关。
基于上述理论，本申请的核心思想在于，利用地图类应用数据中的地 理位置点活跃数据来监测对应时段的经济状态数据。下面结合实施例对本 申请提供的方法进行详细描述。
实施例一、
图2为本申请实施例一提供的监测经济状态的方法流程图，执行本方 法的装置可以是计算机设备或服务器，该计算机设备或服务器可以从地图 类服务器中获取地图类应用维护的数据。经过执行本方法监测得到的经济 指标数据可以在本计算机设备或服务器上显示，也可以输出给其他设备进 行显示。如图2中所示，该方法可以包括以下步骤：
在201中，从地图类应用数据中，分别针对待监测区域获取待监测时 段以及待监测时段之前N个历史时段的地理位置点活跃数据，所述N为 正整数。
本申请中涉及的“地理位置点”指的是地图类应用数据中的地理位置 点，该地理位置点可以供用户检索、浏览，向用户推荐等。这些地理位置 点具有经纬度、名称、行政地址、类型等基本属性。其中地理位置点可以 包括但不限于POI(Point Of Interest，兴趣点)、AOI(Area of Interest， 兴趣面)、ROI(Regin of Interest，兴趣区域)等。
地理位置点活跃数据指的是体现地理位置点处于活跃状态的数据，主 要包括：用户访问商业类地理位置点的数据、新增商业类地理位置点的数 据、用户查询商业类地理位置点的数据以及有效商业类地理位置点的数 据。因为商业类地理位置点与经济行为更加相关，因此在本申请中主要采 用了商业类地理位置点相关的活跃数据。商业类地理位置点可以是诸如： 商场、超市、店铺、银行、公司、酒店、景区等有实体店的地理位置点。 除此之外，也可以加入非商业类地理位置点相关的活跃数据，例如医院、 学校等相关的数据。
用户访问商业类地理位置点的数据可以包括用户到商业类实体店的 次数、时间、时长、频率等信息。
新增商业类地理位置点的数据例如可以是新开店铺的数量、时间等。
用户查询商业类地理位置点的数据可以包括用户在地图类应用上查 询商业类地理位置点的次数、时间、频率等信息。
有效商业类地理位置点的数据可以是地图类应用维护的处于有效状 态的商业类地理位置点的数量、位置等信息。所谓有效状态指的是该商业 地理位置点正常营业，可正常到访。
本申请中涉及的待监测区域可以按照行政区划进行划分，也可以按照 地理位置上的区域进行划分。但由于通常经济状态的监控和规划是按照行 政区划执行的，因此优选按照行政区划进行划分的方式。例如，待监测区 域可以是一个国家，可以是一个省份，一个城市，等等。
另外，本申请实施例目的是实时监控待监测区域的待监测时段的经济 状况，使用的是待监测时段以及待监测时段之前的历史时段的地理位置点 活跃数据。其中，历史时段的时长可以采用预先设置的值，例如若预测某 省当前一年的经济状态，则可以采用该省当前一年以及之前9年(共10 年)的地理位置点活跃数据。再例如若预测某省当前一个月的经济状态， 则可以采用该省当前一个月以及之前9个月(共10个月)的地理位置点 活跃数据。等等。
在202中，将待监测时段以及待监测时段之前N个历史时段的地理位 置点活跃数据的特征向量分别输入预先训练得到的经济状态监测模型，得 到待监测区域在待监测时段的经济指标数据。
本步骤中，分别确定待监测时段以及上述各历史时段的地理位置点活 跃数据的特征向量，即确定出N+1个特征向量。假设待监测时段表示为t， 待监测时段的地理位置点活跃数据的特征向量表示为xt，之前N个历史时 段的地理位置点活跃数据的特征向量分别表示为xt-N,…,xt-1，将xt-N,…,xt-1, xt输入经济状态监测模型。
地理位置点活跃数据的特征向量可以包含多种类型的地理位置点活 跃数据，将各类型的地理位置点活跃数据整合成一个向量的形式进行表 示。
本申请实施例中的经济状态监测模型采用时序模型，预先建立了地理 位置点活跃数据的时间分布与经济指标数据的时间分布之间的正相关关 系。后续将通过实施例二对经济状态监测模型的训练过程进行详细描述。
经济状态监测模型输出的经济指标数据可以包括以下至少一种： GDP、PMI(经理人采购指数)以及CPI。可以以向量的形式输出，假设 待监测时段表示为t，那么待监测时段的经济指标数据的向量表示为yt。
下面对本实施例提供的一种经济状态监测模型的结构进行详细描述。 如图3中所示，经济状态监测模型可以包括：输入层、内嵌层和预测层。
输入层，用于将待监测时段以及将待监测时段之前N个历史时段的地 理位置点活跃数据的特征向量表示输出至内嵌层。如图3中所示，将 xt-N,…,xt-1,xt输出至内嵌层。
内嵌层，用于将输入的第i个时段的地理位置点活跃数据的特征向量 xi与第i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段 对应的内嵌层向量hi，其中所述第i个时段依次取从待监测时段之前N个 历史时段到待监测时段中的各时段。
在内嵌层中，依据时序对输入的各时段的特征向量分别计算内嵌层向 量，一个时段i对应的内嵌层向量除了与该时段的输入向量xi相关之外，还 与上一时段i-1的内嵌层向量hi-1相关。具体的计算方式可以为：
hi＝hi-1(1-λi)+Ul×kxiλi (1)
其中，Ul×k为参数矩阵，用于将xi进行变换后在维度上与内嵌层向量 的维度一致，k为xi的维度，l为内嵌层向量的维度。λi为权重系数，其与 输入的特征向量xi相关，可以采用以下公式：
Figure BDA0002474971620000071
其中，w为k维的参数向量，b为标量。λi∈(0,1)，为标量。
内嵌层针对每一个时段都按照时序依次计算出对应的内嵌层向量。
预测层，用于依据待监测时段对应的内嵌层向量，映射得到待监测时 段的经济指标数据。
如图3中所示，若待监测时段表示为t，那么待监测时段的经济指标 数据的向量表示yt可以由以下公式得到：
yt＝Vht (3)
其中，yt的向量维度为m，参数矩阵V的维度为m×l。
上述的Ul×k、V、w和b均是经济状态监测模型的模型参数，在模型 训练过程中预先训练得到。
另外，在预测待监测地区在待监测时段的经济状态时，也可以按照行 业进行划分，例如预测待监测地区在待监测时段的某行业经济状态，那么 在获取地理位置点活跃数据时，就获取与该行业相关的地理位置点活跃数 据。也就是说，地理位置点类型能够与行业相关联。例如，在预测旅游业 的经济状态时，可以获取诸如酒店、宾馆、景区等类型的地理位置点活跃 数据。例如，在预测零售业的经济状态时，可以获取诸如商场、超市、便 利店等类型的地理位置点活跃数据。
通过本实施例中提供的方式可以实现诸如以下应用场景：
场景1：
现在是2020年4月份，通过采集某省从2019年7月份～2020年4月 份的V3数据、NVC数据等地理位置点活跃数据，输入预先针对该省建立 的经济状态监测模型，可以实时得到该省2020年4月份的GDP指标。而 不必在度过了4月份之后，才通过经济数据统计的方式滞后地获取GDP 指标。
场景2：
现在是2020年4月份，通过采集全中国从2019年7月份～2020年4 月份的酒店、宾馆、景区、饭馆等类别的V3数据、NVC数据，输入预先 针对全中国建立的经济状态监测模型，可以实时得到全中国2020年4月 份在旅游行业产生的GDP。
实施例二、
图4为本申请实施例二提供的建立经济状态监测模型的方法流程图， 如图4中所示，该方法可以包括以下步骤：
在401中，从地图类应用数据中，分别针对待监测区域获取连续M 个时段的地理位置点活跃数据；以及从经济指标数据库中获取待监测区域 分别在该M个时段的实际经济指标数据，其中M为大于1的正整数，M>N。
由于经济状态监测模型是针对具体区域建立的，因此在获取训练数据 时，需要获取待监测的地理位置点活跃数据和实际经济指标数据来作为训 练数据。
地图类应用数据可以从地图类应用的服务器或数据库中获取或调用， 实际经济指标数据可以从经济指标数据库中获取，该经济指标数据库中记 录有各地区各时段实际的经济指标数据，该实际的经济指标数据可以是基 于经济数据统计得到的实际数据。
与实施例一中类似地，地理位置点活跃数据指的是体现地理位置点处 于活跃状态的数据，主要包括：用户访问商业类地理位置点的数据、新增 商业类地理位置点的数据、用户查询商业类地理位置点的数据以及有效商 业类地理位置点的数据。
经济状态监测模型输出的经济指标数据可以包括以下至少一种： GDP、PMI以及CPI。
待监测区域可以按照行政区划进行划分，也可以按照地理位置上的区 域进行划分。但由于通常经济状态的监控和规划是按照行政区划执行的， 因此优选按照行政区划进行划分的方式。例如，待监测区域可以是一个国 家，可以是一个省份，一个城市，等等。
在实际使用过程中，建立模型时使用的地理位置点活跃数据、经济指 标数据的类型需要与使用模型进行监测时使用的地理位置点活跃数据、经 济指标数据的类型一致。建立模型时所针对的区域也需要与监测时所针对 的区域一致。
举个例子，将全国从2018年1月到10月的V3数据、NVC数据以及 GDP数据作为一个训练数据，将全国从2018年2月到11月的V3数据、NVC数据以及GDP数据作为一个训练数据，将全国从2018年3月到12 月的V3数据、NVC数据以及GDP数据作为一个训练数据，等等。可以构 造很多个训练数据。
在402中，将获取的连续M个时段的地理位置点活跃数据和实际经 济指标数据作为训练数据，训练时序模型，得到针对上述待监测区域的经 济状态监测模型。
训练过程实际上是经济状态监测模型在训练过程中学习地理位置点 活跃数据的时间分布与经济指标数据的时间分布之间的正相关关系。
同样，如图5中所示，经济状态监测模型所采用的时序模型可以包括： 输入层、内嵌层和预测层。
输入层，用于将训练数据中各时段的地理位置点活跃数据的特征向量 输出至内嵌层。
在训练经济状态监测模型时，训练数据所采用的时段的个数需要与使 用该模型进行预测时使用的时段个数一致。如果要实现实施例一中所述的 预测，则每个训练样本的时段个数为N+1，即每N+1个连续时段的地理位 置点活跃数据和世纪经济指标数据作为一个训练样本。如图5中所示，对 于N+1个时段的输入特征向量，从第1个至第N+1个可以分别表示为： x1,…,xN,xN+1。按照时序分别输出至内嵌层。
内嵌层，用于将第i个时段的地理位置点活跃数据的特征向量xi与第 i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对应的 内嵌层向量hi，其中第i个时段按照时间顺序依次取训练数据中的各时段。
其中，hi和λi的计算方法可以参见实施例一种的公式(1)和公式(2) 在此不做赘述。
对于每个时段而言，都能够计算出对应的内嵌层向量，并输出给预测 层。
预测层，用于依据第i个时段对应的内嵌层向量hi，映射得到第i个时 段的经济指标数据。
在预测层中，对应于每个时段均可以计算出对应的经济指标数据，例 如第i个时段的经济指标数据yi可以采用以下公式：
yi＝Vhi (4)
其中，V的含义与实施例一中公式(3)中V的含义相同，不做赘述。
经过计算后，每个时段都能够计算得到预测层预测的经济指标数据， 在训练数据中每个时段都有实际经济指标数据，因此在模型训练过程中， 可以最小化预测层得到的经济指标数据与训练数据中对应的实际经济指 标数据的差值。
可以利用上述差值构造损失函数，利用损失函数的取值优化模型参 数，其中涉及的模型参数包括Ul×k、V、w和b。具体地，预测层会输出 针对每个时段预测的经济指标数据，即每个时段都得到一个损失函数，利 用每个时段的损失函数的取值优化模型参数。训练结束后可以得到如图3 中所示的经济状况监测模型。
以上是对本申请提供的方法进行的详细描述，下面结合实施例对本申 请提供的装置进行详细描述。
实施例三、
图6为本申请实施例三提供的监测经济状态的装置结构图，该装置可 以位于计算机设备的应用，或者还可以为位于计算机设备的应用中的插件 或软件开发工具包(SoftwareDevelopmentKit，SDK)等功能单元，或者， 还可以位于服务器端，本发明实施例对此不进行特别限定，该装置包括： 数据获取单元01和监测处理单元02。其中各组成单元的主要功能如下：
数据获取单元01，用于从地图类应用数据中，分别针对待监测区域获 取待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据， N为正整数。
监测处理单元02，用于将待监测时段以及待监测时段之前N个历史 时段的地理位置点活跃数据的特征向量分别输入预先训练得到的经济状 态监测模型，得到待监测区域在待监测时段的经济指标数据。
其中，经济状态监测模型采用时序模型建立了地理位置点活跃数据的 时间分布与经济指标数据的时间分布之间的正相关关系。
具体地，经济状态监测模型包括：输入层、内嵌层和预测层。
输入层，用于将待监测时段以及将待监测时段之前N个历史时段的地 理位置点活跃数据的特征向量表示输出至内嵌层；
内嵌层，用于将输入的第i个时段的地理位置点活跃数据的特征向量xi与第i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对 应的内嵌层向量hi，其中第i个时段依次取从待监测时段之前N个历史时 段到待监测时段中的各时段；
预测层，用于依据待监测时段对应的内嵌层向量，映射得到待监测时 段的经济指标数据。
地理位置点活跃数据包括以下至少一种：用户访问商业类地理位置点 的数据、新增商业类地理位置点的数据、用户查询商业类地理位置点的数 据以及有效商业类地理位置点的数据。
经济指标数据包括以下至少一种：GDP、PMI以及CPI。
该装置在预测待监测地区在待监测时段的经济状态时，也可以按照行 业进行划分，例如预测待监测地区在待监测时段的某行业经济状态，那么 数据获取单元01在获取地理位置点活跃数据时，就获取与该行业相关的 地理位置点活跃数据。也就是说，地理位置点类型能够与行业相关联。例 如，在预测旅游业的经济状态时，可以获取诸如酒店、宾馆、景区等类型 的地理位置点活跃数据。例如，在预测零售业的经济状态时，可以获取诸 如商场、超市、便利店等类型的地理位置点活跃数据。
实施例四、
图7为本申请实施例四提供的建立经济状态监测模型的结构图，该装 置可以位于计算机设备的应用，或者还可以为位于计算机设备的应用中的 插件或软件开发工具包(Software Development Kit，SDK)等功能单元， 或者，还可以位于服务器端，本发明实施例对此不进行特别限定，该装置 包括：数据获取单元11和模型训练单元12。其中各组成单元的主要功能 如下：
数据获取单元11，用于从地图类应用数据中，分别针对待监测区域获 取连续M个时段的地理位置点活跃数据；以及从经济指标数据库中获取 待监测区域分别在M个时段的实际经济指标数据，M为大于1的正整数。
模型训练单元12，用于将获取的连续M个时段的地理位置点活跃数 据和实际经济指标数据作为训练数据，训练时序模型，得到针对待监测区 域的经济状态监测模型。
经济状态监测模型用以根据待监测区域在待监测时段以及待监测时 段之前N个历史时段的地理位置点活跃数据，输出待监测区域在待监测时 段的经济指标数据，N为正整数，M>N。
其中，经济状态监测模型在训练过程中学习地理位置点活跃数据的时 间分布与经济指标数据的时间分布之间的正相关关系。
具体地，经济状态监测模型可以包括：输入层、内嵌层和预测层。
输入层，用于将训练数据中各时段的地理位置点活跃数据的特征向量 输出至内嵌层。
内嵌层，用于将第i个时段的地理位置点活跃数据的特征向量xi与第 i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对应的 内嵌层向量hi，其中第i个时段按照时间顺序依次取训练数据中的各时段。
预测层，用于依据第i个时段对应的内嵌层向量hi，映射得到第i个时 段的经济指标数据。
经济状态监测模型的训练目标为最小化预测层得到的经济指标数据 与训练数据中对应的实际经济指标数据的差值。
在预测层中，对应于每个时段均可以计算出对应的经济指标数据。在 训练数据中每个时段都有实际经济指标数据。预测层会输出针对每个时段 预测的经济指标数据，即每个时段都得到一个损失函数，利用每个时段的 损失函数的取值优化模型参数。训练结束后可以得到如图3中所示的经济 状况监测模型。
上述地理位置点活跃数据包括以下至少一种：用户访问商业类地理位 置点的数据、新增商业类地理位置点的数据、用户查询商业类地理位置点 的数据以及有效商业类地理位置点的数据。
经济指标数据包括以下至少一种：国民生产总值GDP、经理人采购指 数PMI以及居民消费指数CPI。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储 介质。
如图8所示，是根据本申请实施例的监测经济状态、建立经济状态监 测模型的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算 机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、 刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示 各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿 戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以 及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的 本申请的实现。
如图8所示，该电子设备包括：一个或多个处理器801、存储器802， 以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不 同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方 式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存 储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设 备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将 多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可 以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器 阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801 为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中， 所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处 理器执行本申请所提供的监测经济状态、建立经济状态监测模型的方法。 本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于 使计算机执行本申请所提供的监测经济状态、建立经济状态监测模型的方 法。
存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时 软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的监测 经济状态、建立经济状态监测模型的方法对应的程序指令/模块。处理器 801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从 而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的 监测经济状态、建立经济状态监测模型的方法。
存储器802可以包括存储程序区和存储数据区，其中，存储程序区可 存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据 电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存 取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存 器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包 括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连 接至该电子设备。上述网络的实例包括但不限于互联网、企业内部网、局 域网、移动通信网及其组合。
该电子设备还可以包括：输入装置803和输出装置804。处理器801、 存储器802、输入装置803和输出装置804可以通过总线或者其他方式连 接，图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，以及产生与该电子设备 的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、 轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输 入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED) 和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于， 液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在 一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集 成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、 和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多 个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处 理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用 可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装 置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输 入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编 程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、 和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读 介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程 处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存 储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器 指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数 据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技 术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极 射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如， 鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计 算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户 的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触 觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例 如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服 务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网 络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器 来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、 中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式 或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。 通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此 并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具 有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或 删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执 行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的 结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术 人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、 子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和 改进等，均应包含在本申请保护范围之内。

Claims (19)

1.一种监测经济状态的方法，其特征在于，该方法包括：
从地图类应用数据中，分别针对待监测区域获取待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据，所述N为正整数；
将所述待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据的特征向量分别输入预先训练得到的经济状态监测模型，得到所述待监测区域在所述待监测时段的经济指标数据。
2.根据权利要求1所述的方法，其特征在于，所述经济状态监测模型采用时序模型建立了地理位置点活跃数据的时间分布与经济指标数据的时间分布之间的正相关关系。
3.根据权利要求2所述的方法，其特征在于，所述经济状态监测模型包括：输入层、内嵌层和预测层；
所述输入层，用于将待监测时段以及将待监测时段之前N个历史时段的地理位置点活跃数据的特征向量表示输出至内嵌层；
所述内嵌层，用于将输入的第i个时段的地理位置点活跃数据的特征向量xi与第i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对应的内嵌层向量hi，其中所述第i个时段依次取从待监测时段之前N个历史时段到所述待监测时段中的各时段；
所述预测层，用于依据所述待监测时段对应的内嵌层向量，映射得到所述待监测时段的经济指标数据。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述地理位置点活跃数据包括以下至少一种：
用户访问商业类地理位置点的数据、新增商业类地理位置点的数据、用户查询商业类地理位置点的数据以及有效商业类地理位置点的数据；
所述经济指标数据包括以下至少一种：
国民生产总值GDP、经理人采购指数PMI以及居民消费指数CPI。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述地理位置点活跃数据为特定行业所对应地理位置点类型的地理位置点活跃数据；
得到的所述经济指标数据为针对所述特定行业的经济指标数据。
6.一种建立经济状态监测模型的方法，其特征在于，该方法包括：
从地图类应用数据中，分别针对待监测区域获取连续M个时段的地理位置点活跃数据；以及从经济指标数据库中获取所述待监测区域分别在所述M个时段的实际经济指标数据，所述M为大于1的正整数；
将获取的所述连续M个时段的地理位置点活跃数据和实际经济指标数据作为训练数据，训练时序模型，得到针对所述待监测区域的经济状态监测模型；
所述经济状态监测模型用以根据所述待监测区域在待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据，输出所述待监测区域在所述待监测时段的经济指标数据，所述N为正整数，所述M>N。
7.根据权利要求6所述的方法，其特征在于，所述经济状态监测模型在训练过程中学习地理位置点活跃数据的时间分布与经济指标数据的时间分布之间的正相关关系。
8.根据权利要求6所述的方法，其特征在于，所述经济状态监测模型包括：输入层、内嵌层和预测层；
所述输入层，用于将所述训练数据中各时段的地理位置点活跃数据的特征向量输出至内嵌层；
所述内嵌层，用于将第i个时段的地理位置点活跃数据的特征向量xi与第i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对应的内嵌层向量hi，其中所述第i个时段按照时间顺序依次取所述训练数据中的各时段；
所述预测层，用于依据第i个时段对应的内嵌层向量hi，映射得到第i个时段的经济指标数据；
所述经济状态监测模型的训练目标为最小化所述预测层得到的经济指标数据与训练数据中对应的实际经济指标数据的差值。
9.根据权利要求6至8任一项所述的方法，其特征在于，所述地理位置点活跃数据包括以下至少一种：
用户访问商业类地理位置点的数据、新增商业类地理位置点的数据、用户查询商业类地理位置点的数据以及有效商业类地理位置点的数据；
所述经济指标数据包括以下至少一种：
国民生产总值GDP、经理人采购指数PMI以及居民消费指数CPI。
10.一种监测经济状态的装置，其特征在于，该装置包括：
数据获取单元，用于从地图类应用数据中，分别针对待监测区域获取待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据，所述N为正整数；
监测处理单元，用于将所述待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据的特征向量分别输入预先训练得到的经济状态监测模型，得到所述待监测区域在所述待监测时段的经济指标数据。
11.根据权利要求10所述的装置，其特征在于，所述经济状态监测模型采用时序模型建立了地理位置点活跃数据的时间分布与经济指标数据的时间分布之间的正相关关系。
12.根据权利要求10所述的装置，其特征在于，所述经济状态监测模型包括：输入层、内嵌层和预测层；
所述输入层，用于将待监测时段以及将待监测时段之前N个历史时段的地理位置点活跃数据的特征向量表示输出至内嵌层；
所述内嵌层，用于将输入的第i个时段的地理位置点活跃数据的特征向量xi与第i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对应的内嵌层向量hi，其中所述第i个时段依次取从待监测时段之前N个历史时段到所述待监测时段中的各时段；
所述预测层，用于依据所述待监测时段对应的内嵌层向量，映射得到所述待监测时段的经济指标数据。
13.根据权利要求10至12中任一项所述的装置，其特征在于，所述地理位置点活跃数据包括以下至少一种：
用户访问商业类地理位置点的数据、新增商业类地理位置点的数据、用户查询商业类地理位置点的数据以及有效商业类地理位置点的数据；
所述经济指标数据包括以下至少一种：
国民生产总值GDP、经理人采购指数PMI以及居民消费指数CPI。
14.一种建立经济状态监测模型的装置，其特征在于，该装置包括：
数据获取单元，用于从地图类应用数据中，分别针对待监测区域获取连续M个时段的地理位置点活跃数据；以及从经济指标数据库中获取所述待监测区域分别在所述M个时段的实际经济指标数据，所述M为大于1的正整数；
模型训练单元，用于将获取的所述连续M个时段的地理位置点活跃数据和实际经济指标数据作为训练数据，训练时序模型，得到针对所述待监测区域的经济状态监测模型；
所述经济状态监测模型用以根据所述待监测区域在待监测时段以及待监测时段之前N个历史时段的地理位置点活跃数据，输出所述待监测区域在所述待监测时段的经济指标数据，所述N为正整数，所述M>N。
15.根据权利要求14所述的装置，其特征在于，所述经济状态监测模型在训练过程中学习地理位置点活跃数据的时间分布与经济指标数据的时间分布之间的正相关关系。
16.根据权利要求14所述的装置，其特征在于，所述经济状态监测模型包括：输入层、内嵌层和预测层；
所述输入层，用于将所述训练数据中各时段的地理位置点活跃数据的特征向量输出至内嵌层；
所述内嵌层，用于将第i个时段的地理位置点活跃数据的特征向量xi与第i-1个时段对应的内嵌层向量hi-1进行加权处理后，得到第i个时段对应的内嵌层向量hi，其中所述第i个时段按照时间顺序依次取所述训练数据中的各时段；
所述预测层，用于依据第i个时段对应的内嵌层向量hi，映射得到第i个时段的经济指标数据；
所述经济状态监测模型的训练目标为最小化所述预测层得到的经济指标数据与训练数据中对应的实际经济指标数据的差值。
17.根据权利要求14至16中任一项所述的装置，其特征在于，所述地理位置点活跃数据包括以下至少一种：
用户访问商业类地理位置点的数据、新增商业类地理位置点的数据、用户查询商业类地理位置点的数据以及有效商业类地理位置点的数据；
所述经济指标数据包括以下至少一种：
国民生产总值GDP、经理人采购指数PMI以及居民消费指数CPI。
18.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
CN202010360887.0A 2020-04-30 2020-04-30 监测经济状态、建立经济状态监测模型的方法及对应装置 Pending CN111680873A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010360887.0A CN111680873A (zh) 2020-04-30 2020-04-30 监测经济状态、建立经济状态监测模型的方法及对应装置
US17/115,628 US20210342861A1 (en) 2020-04-30 2020-12-08 Methods for monitoring economic state and establishing economic state monitoring model and corresponding apparatuses
EP21164394.5A EP3940623A3 (en) 2020-04-30 2021-03-23 Methods for monitoring economic state and establishing economic state monitoring model and corresponding apparatuses
KR1020210056915A KR102565762B1 (ko) 2020-04-30 2021-04-30 경제 상태 모니터링 방법, 경제 상태 모니터링 모델 구축 방법 및 대응하는 장치
JP2021076964A JP7139556B2 (ja) 2020-04-30 2021-04-30 経済状態のモニタリング方法、経済状態モニタリングモデルの構築方法及び対応装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010360887.0A CN111680873A (zh) 2020-04-30 2020-04-30 监测经济状态、建立经济状态监测模型的方法及对应装置

Publications (1)

Publication Number Publication Date
CN111680873A true CN111680873A (zh) 2020-09-18

Family

ID=72452300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010360887.0A Pending CN111680873A (zh) 2020-04-30 2020-04-30 监测经济状态、建立经济状态监测模型的方法及对应装置

Country Status (5)

Country Link
US (1) US20210342861A1 (zh)
EP (1) EP3940623A3 (zh)
JP (1) JP7139556B2 (zh)
KR (1) KR102565762B1 (zh)
CN (1) CN111680873A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760989A (zh) * 2016-02-04 2016-07-13 济南市工商行政管理局历城分局 一种经济运行数据监测地理信息系统
CN110674419A (zh) * 2019-01-25 2020-01-10 北京嘀嘀无限科技发展有限公司 地理信息检索方法、装置、电子设备及可读存储介质
CN110796484A (zh) * 2019-10-11 2020-02-14 上海上湖信息技术有限公司 客户活跃程度预测模型的构建方法、装置及其应用方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030061132A1 (en) * 2001-09-26 2003-03-27 Yu, Mason K. System and method for categorizing, aggregating and analyzing payment transactions data
US7970642B2 (en) * 2005-12-27 2011-06-28 Alex Anas Computer based system to generate data for implementing regional and metropolitan economic, land use and transportation planning
KR101559207B1 (ko) * 2013-12-18 2015-10-12 장수진 산업지표와 경제지표 예측 시스템 및 그 운용방법
US10929859B2 (en) * 2015-12-03 2021-02-23 Mastercard International Incorporated Systems and methods for determining economic impact of an event within a geographic area
JP6955888B2 (ja) * 2017-04-14 2021-10-27 ヤフー株式会社 予測装置、予測方法、及び予測プログラム
JP6875231B2 (ja) * 2017-09-06 2021-05-19 株式会社Ｎｔｔドコモ 情報処理装置
CN107730310A (zh) * 2017-09-30 2018-02-23 平安科技（深圳）有限公司 电子装置、构建零售网点评分模型的方法及存储介质
CN109376899A (zh) * 2018-08-31 2019-02-22 阿里巴巴集团控股有限公司 一种经济波动数据确定方法及装置
US20210365611A1 (en) * 2018-09-27 2021-11-25 Oracle International Corporation Path prescriber model simulation for nodes in a time-series network
US11636393B2 (en) * 2019-05-07 2023-04-25 Cerebri AI Inc. Predictive, machine-learning, time-series computer models suitable for sparse training sets

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760989A (zh) * 2016-02-04 2016-07-13 济南市工商行政管理局历城分局 一种经济运行数据监测地理信息系统
CN110674419A (zh) * 2019-01-25 2020-01-10 北京嘀嘀无限科技发展有限公司 地理信息检索方法、装置、电子设备及可读存储介质
CN110796484A (zh) * 2019-10-11 2020-02-14 上海上湖信息技术有限公司 客户活跃程度预测模型的构建方法、装置及其应用方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
耿继原: "基于社交地理大数据的城市热点区域探测与挖掘", 《中国博士学位论文全文数据库 基础科学辑》 *

Also Published As

Publication number Publication date
JP2021174559A (ja) 2021-11-01
KR102565762B1 (ko) 2023-08-09
JP7139556B2 (ja) 2022-09-21
KR20210134520A (ko) 2021-11-10
US20210342861A1 (en) 2021-11-04
EP3940623A2 (en) 2022-01-19
EP3940623A3 (en) 2022-02-16

Similar Documents

Publication Publication Date Title
CN111538904B (zh) 用于推荐兴趣点的方法和装置
CN111667095A (zh) 预测经济状态、建立经济状态预测模型的方法及对应装置
US11630560B2 (en) Map information display method and apparatus, electronic device, and computer storage medium
US8924377B2 (en) Preference stack
CN106776928B (zh) 基于内存计算框架、融合社交及时空数据的位置推荐方法
US20240127136A1 (en) Wait Time Prediction
CN111325382B (zh) 停车场空闲车位预测方法、装置、电子设备及存储介质
CN107506499A (zh) 兴趣点与建筑物之间建立逻辑关系的方法、装置及服务器
CN112000893A (zh) 常驻区域预测方法、装置、设备及存储介质
Lee et al. Covid-19 impact on US housing markets: evidence from spatial regression models
CN110462594A (zh) 监测多个系统指标
CN111292549B (zh) 建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置
CN110930187A (zh) 店铺到访人群挖掘方法、装置、设备和介质
CN110659427A (zh) 基于多源数据的城市功能划分方法、装置和电子设备
CN112115387B (zh) 兴趣点poi推荐模型的训练方法、装置和电子设备
CN111694914A (zh) 用户常驻区域确定方法及装置
CN111680873A (zh) 监测经济状态、建立经济状态监测模型的方法及对应装置
CN110472192A (zh) 评价指标提取方法、装置、存储介质和服务器
US11138615B1 (en) Location-based place attribute prediction
Pan et al. Application of network Huff model for commercial network planning at suburban–Taking Wujin district, Changzhou as a case
CN111695679A (zh) 出入量的预测方法、装置、电子设备及存储介质
CN112579917A (zh) 信息投放方法、装置、设备和介质
US20170169025A1 (en) Estimating Geographic Entity Capacity
CN112232572B (zh) 一种空间搜索方法、装置及存储介质
CN112861023A (zh) 地图信息处理方法、装置、设备、存储介质及程序产品

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