区域内商家分布数据的处理方法、装置及设备制造方法及图纸

本说明书实施例公开了一种区域内商家分布数据的处理方法、装置及设备，其方案是，确定不同区域的第一区域样本，所述第一区域样本可以包含携带第一区域特征值的区域内商家的分布数据；利用所述第一区域样本对分布预测模型进行训练，得到训练的第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据。

【技术实现步骤摘要】
区域内商家分布数据的处理方法、装置及设备
本说明书实施例涉及计算机
，尤其涉及一种区域内商家分布数据的处理方法、装置及设备。
技术介绍
O2O(OnlineToOffline线上到线下)是一种新的电子商务模式，指线上营销及线上购买带动线下(非网络上的)经营和线下消费。具体地，O2O通过促销、打折、提供信息、服务预订等方式，把线下商户的消息推送给互联网用户，从而将他们转换为自己的线下客户，这就特别适合必须到店消费的商品和服务，比如餐饮、健身、电影和演出、美容美发、摄影及百货商店等。在面向商户进行业务推广时，需要统计具体区域内商户数量、密度等分布数据。因此，如何统计区域内商户分布数据，成为业界关心的话题。
技术实现思路
有鉴于此，本说明书实施例提供了一种可实现准确预测的区域内商家分布数据的处理方法、装置及设备。本说明书实施例采用下述技术方案：本说明书实施例提供一种区域内商家分布数据的处理方法，包括：确定不同区域的第一区域样本，所述第一区域样本包含携带第一区域特征值的区域内商家分布数据；利用所述不同区域的第一区域样本对分布预测模型进行训练，得到第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据。本说明书实施例还提供一种区域内商家分布数据的处理方法，包括：确定预测区域特征值；利用训练的第一分布预测模型对所述预测区域特征值进行处理，预测得到区域内商家的分布数据；所述第一分布预测模型是利用携带第一区域特征值的区域内商家的分布数据对分布预测模型进行训练得到的。本说明书实施例还提供一种区域内商家分布数据的处理装置，包括：确定模块，确定不同区域的第一区域样本，所述第一区域样本包含携带第一区域特征值的区域内商家分布数据；训练模块，利用所述不同区域的第一区域样本对分布预测模型进行训练，得到第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据。本说明书实施例还提供一种区域内商家分布数据的处理装置，包括：确定模块，确定预测区域特征值；预测模块，利用训练的第一分布预测模型对所述预测区域特征值进行处理，预测得到区域内商家的分布数据；所述第一分布预测模型是利用携带第一区域特征值的区域内商家的分布数据对分布预测模型进行训练得到的。本说明书实施例还提供一种电子设备，包括：至少一个处理器及存储器，所述存储器存储有程序，并且被配置成由至少一个处理器执行以下步骤：确定不同区域的第一区域样本，所述第一区域样本包含携带第一区域特征值的区域内商家分布数据；利用所述不同区域的第一区域样本对分布预测模型进行训练，得到第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据。本说明书实施例还提供一种电子设备，包括：至少一个处理器及存储器，所述存储器存储有程序，并且被配置成由至少一个处理器执行以下步骤：确定预测区域特征值；利用训练的第一分布预测模型对所述预测区域特征值进行处理，预测得到区域内商家的分布数据；所述第一分布预测模型是利用携带第一区域特征值的区域内商家的分布数据对分布预测模型进行训练得到的。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：确定不同区域的第一区域样本，所述第一区域样本可以包含携带第一区域特征值的区域内商家的分布数据；利用所述第一区域样本对分布预测模型进行训练，得到训练的第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系。不同区域可以使用无偏差的区域特征进行描述，不同区域的无偏差特征的具体值，如第一区域特征值不同。利用不同区域的第一区域样本对分布预测模型进行训练，通过分布预测模型发掘区域特征值与区域内商家分布数据之间的关联关系。这样，该训练的分布预测模型可以根据具体区域的区域特征值预测商家分布数据。本说明书实施例记载的方案可以实现准确统计区域内商家分布数据。另外，无偏差的区域特征可以把数据细化到城市级别以下，对低级别区域内商家数量统计有利于业务推广的可行性。附图说明此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，本说明书的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本说明书实施例提出的一种区域内商家分布数据的处理方法的原理示意图；图2为本说明书实施例提出的一种第一分布预测模型的一个应用示例的结构示意图；图3为本说明书实施例提出的使用训练的第一分布预测模型预测区域内商家分布数据的流程示意图；图4为本说明书实施例提出的一种区域内商家分布数据的处理方法的流程图；图5为本说明书实施例提出的一种应用示例的区域特征值样本的模型示意图；图6为本说明书实施例提出的一种区域内商家分布数据的处理方法的流程示意图；图7为本说明书实施例提出的一种区域内商家分布数据的处理方法一个应用示例的流程示意图；图8为本说明书实施例提出的一种区域内商家分布数据的处理方法的流程图；图9为本说明书实施例提出的一种区域内商家分布数据的处理装置的结构示意图；图10为本说明书实施例提出的一种区域内商家分布数据的处理装置的结构示意图。具体实施方式对现有技术存在的问题进行分析发现，传统有两种方式进行类似商家分布数据估算方法。第一种方式是，根据官方统计数据，获取“社会零售总额”；根据所在城市级别，估算“生活资料”在“社会零售总额”中的占比，例如一二线占比70％左右，三四五线60％左右；估算商业体量＝社会零售总额*生活资料占比。第二种方式是，根据官方统计数据，获取城市“人均可支配收入”；确定接近“人均可支配收入”的一定数量的家庭作为样本，调研“生活资料”的金额和占比；估算调研样本的平均值；估算商业体量＝城市人均可支配收入*城市常驻人口*生活资料占比。以上两种传统方式可以估算区域内的商业体量，但是商业体量不等于区域内商家数量分布，对准确估算区域内商家分布数据无能为力。本说明书实施例提出一种区域内商家分布数据的处理方法、装置及设备，其方案核心思想是，确定不同区域的第一区域样本，所述第一区域样本可以包含携带第一区域特征值的区域内商家的分布数据；利用所述第一区域样本对分布预测模型进行训练，得到训练的第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据系。利用本说明书实施例记载的方案，不同区域可以使用无偏差的区域特征进行描述，不同区域的无偏差特征的具体值，如第一区域特征值不同。利用不同区域的第一区域样本对分布预测模型进行训练，通过分布预测模型发掘区域特征值与区域内商家分布数据之间的关联关系。这样，该训练的分布预测模型可以用于根据具体的区域特征值预测对应区域内商家分布数据。本说明书实施例记载的方案可以实现准确统计区域内商家分布数据。另外，无偏差的区域特征可以把数据细化到城市级别以下，如县、区(镇)、街道级，统计粒度细，而通常情本文档来自技高网...

【技术保护点】
1.一种区域内商家分布数据的处理方法，包括：确定不同区域的第一区域样本，所述第一区域样本包含携带第一区域特征值的区域内商家分布数据；利用所述不同区域的第一区域样本对分布预测模型进行训练，得到第一分布预测模型，所述第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据。

【技术特征摘要】
1.一种区域内商家分布数据的处理方法，包括：确定不同区域的第一区域样本，所述第一区域样本包含携带第一区域特征值的区域内商家分布数据；利用所述不同区域的第一区域样本对分布预测模型进行训练，得到第一分布预测模型，所述第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内商家分布数据。2.如权利要求1所述方法，在利用所述第一区域样本对分布预测模型进行训练，得到训练的第一分布预测模型之后，还包括：利用不同区域的第二区域特征值，依次执行如下步骤：利用所述第一分布预测模型对第二区域特征值进行处理，得到区域内商家分布预测数据，所述第二区域特征值与第一区域特征值分别对应不同区域；根据所述第二区域特征值和对应的区域内商家分布预测数据确定第二区域样本；采用所述第一区域样本和第二区域样本重新训练所述第一分布预测模型，得到第二分布预测模型；判断所述第一分布预测模型的预测误差与第二分布预测模型的预测误差之间的大小；根据所述第一分布预测模型和第二分布预测模型中预测误差小的模型重新确定第一分布预测模型，还根据重新确定的第一分布预测模型对应的训练用区域样本确定第一区域样本。3.如权利要求2所述方法，在采用所述第一区域样本和第二区域样本重新训练所述第一分布预测模型，得到第二分布预测模型之前，还包括：从所述第二区域样本中筛选至少一个子区域样本；采用所述第一区域样本和第二区域样本重新训练所述第一分布预测模型，得到第二分布预测模型，包括：采用所述第一区域样本和所述至少一个子区域样本重新训练所述第一分布预测模型，得到第二分布预测模型；在根据所述第一分布预测模型和第二分布预测模型中预测误差小的模型重新确定第一分布预测模型时，还根据重新确定的第一分布预测模型对应的训练区域样本重新确定所述第一区域样本，还根据所述第二区域样本中筛选剩余的第二区域特征值重新确定不同区域的第二区域特征值。4.如权利要求2所述方法，在根据所述第一分布预测模型和第二分布预测模型中预测误差小的模型重新确定第一分布预测模型之后，还包括：对已得到的各重新确定的第一分布预测模型的预测误差进行处理，得到所述第一分布预测模型的预测误差的波动值；若所述第一分布预测模型的波动值小于阈值，则结束。5.如权利要求2所述方法，判断所述第一分布预测模型的预测误差与第二分布预测模型的预测误差之间的大小，包括：确定测试区域样本，所述测试区域样本包括测试区域特征值和对应的测试区域内商家分布数据；利用所述第一分布预测模型和第二分布预测模型分别对测试区域特征值进行处理，预测得到测试区域内商家的第一分布预测数据和第二分布预测数据；确定所述第一分布预测数据和第二分布预测数据分别相对于测试区域内商家的真实分布数据的预测误差；比较所述第一分布预测模型的预测误差与第二分布预测模型的预测误差之间的大小。6.如权利要求1所述方法，当所述分布预测模型包括不同子模型时，利用所述第一区域样本对分布预测模型进行训练，包括：利用第一区域样本对分布预测模型中的不同子模型进行训练，得到所述不同子模型中的至少一种区域特征值与区域内商家分布数据之间的关联关系。7.如权利要求1所述方法，确定不同区域的第一区域样本，包括：确定不同区域的区域特征值样本；根据符合预设样本规则的区域特征值样本确定所述第一区域特征值；根据所述第一区域特征值所对应区域内商家分布数据确定所述第一区域样本。8.如权利要求1所述方法，确定第一区域样本，包括：确定地域面积小于预设值的第一区域样本。9.一种区域内商家分布数据的处理方法，包括：确定预测区域特征值；利用训练的第一分布预测模型对所述预测区域特征值进行处理，预测得到区域内商家的分布数据；所述第一分布预测模型是利用携带第一区域特征值的区域内商家的分布数据对分布预测模型进行训练得到的。10.一种区域内商家分布数据的处理装置，包括：确定模块，确定不同区域的第一区域样本，所述第一区域样本包含携带第一区域特征值的区域内商家分布数据；训练模块，利用所述不同区域的第一区域样本对分布预测模型进行训练，得到第一分布预测模型，所述训练的第一分布预测模型包括至少一种区域特征值与区域内商家分布数据之间的关联关系，所述第一分布预测模型能够根据区域特征值预测区域内...

【专利技术属性】
技术研发人员：潘子骅，蒋锐滢，危彬，李嘉森，于倩，曾俊，刘忠义，姚迅，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY