位置预测方法、装置、电子设备及可读存储介质制造方法及图纸

本公开的实施例提供了一种位置预测方法、装置、电子设备及可读存储介质，所述方法包括：获取目标时间和目标对象；根据目标时间生成目标时间特征向量；将目标时间特征向量输入至针对目标对象的位置得分预测模型得到目标位置得分；位置得分预测模型为使用数据样本集训练的机器学习模型；样本数据集包括样本时间特征向量以及指示目标对象是否位于预设位置的样本位置得分；根据目标位置得分确定目标对象是否在预设位置。能够根据目标时间和模型自动预测位置得分，自动确定目标对象是否位于预设位置，将本方案提供的方法应用商家拜访的场景中，可以很好的预测拜访的目标(商家的负责人)在目标时间是否在店(预设位置)内，有助于提高拜访成功率。

【技术实现步骤摘要】
位置预测方法、装置、电子设备及可读存储介质
本公开的实施例涉及机器预测
，尤其涉及一种位置预测方法、装置、电子设备及可读存储介质。
技术介绍
商家的商品在销售过程中往往依赖于销售人员，而销售人员会经常目标商家。然而，销售人员在拜访时经常会出现商家负责人不在店内的情况，导致销售人员无法及时获取商品或其他商品信息，最终影响商品的销售。从而可知，预先确认商家负责人是否在商家门店内有助于提高商品的销售量。现有技术中，销售人员需要根据经验确定商家负责人是否在商家门店内。例如，在之前的拜访过程中，商家负责人经常在12点至14点之间外出就餐，或商家负责人在14点至15点之间有会议，无法接待。此外，销售人员还可以通过电话、短信或其他通信方式预约拜访。对于上述方案，根据经验确定商家负责人是否在商家门店内的准确度较低，特别是对于新的销售人员，累积经验较少，准确度更低；预约拜访会存在预约失败的情况，导致拜访成功率较低。
技术实现思路
本公开的实施例提供一种位置预测方法、装置、电子设备及可读存储介质。根据本公开的实施例的第一方面，提供了一种位置预测方法，所述方法包括：获取目标时间和目标对象；根据所述目标时本文档来自技高网...

【技术保护点】
1.一种位置预测方法，其特征在于，所述方法包括：获取目标时间和目标对象；根据所述目标时间生成目标时间特征向量；将所述目标时间特征向量输入至针对所述目标对象预先训练的位置得分预测模型中，得到目标位置得分；所述位置得分预测模型为使用数据样本集训练的机器学习模型；所述样本数据集包括样本时间特征向量以及对应的样本位置得分；所述样本位置得分用于指示所述目标对象是否位于预设位置；根据所述目标位置得分确定所述目标对象是否在所述预设位置。

【技术特征摘要】
1.一种位置预测方法，其特征在于，所述方法包括：获取目标时间和目标对象；根据所述目标时间生成目标时间特征向量；将所述目标时间特征向量输入至针对所述目标对象预先训练的位置得分预测模型中，得到目标位置得分；所述位置得分预测模型为使用数据样本集训练的机器学习模型；所述样本数据集包括样本时间特征向量以及对应的样本位置得分；所述样本位置得分用于指示所述目标对象是否位于预设位置；根据所述目标位置得分确定所述目标对象是否在所述预设位置。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标时间生成目标时间特征向量的步骤，包括：从所述目标时间中提取不同时间周期对应的时间信息；对所述时间信息进行编码得到时间特征；将所述时间特征拼接为目标时间特征向量。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标位置得分确定所述目标对象是否在所述预设位置的步骤，包括：在所述目标位置得分大于或等于预设位置得分阈值的情况下，确定所述目标对象在所述预设位置；在所述目标位置得分小于预设位置得分阈值的情况下，确定所述目标对象不在所述预设位置。4.根据权利要求2所述的方法，其特征在于，所述对所述时间信息进行编码得到时间特征的步骤，包括：对所述时间信息进行独热编码得到时间特征。5.根据权利要求1所述的方法，其特征在于，所述位置得分预测模型通过如下步骤训练：生成针对目标对象的数据样本集；通过逻辑回归模型对所述数据样本集进行训练，得到针对所述目标对象的位置得分预测模型。6.根据权利要求5所述的方法，其特征在于，所述数据样本集包括样本时间特征向量和样本位置得分，所述生成针对目标商家的数据样本集的步骤，包括：采集目标对象上传的第一数据样本，以及针对所述目标对象的第二数据样本，所述数据样本包括样本上传时间、目标对象位置、预设位置，所述第二数据样本包括真实时间、真实位置得分；分别根据所述样本上传时间、所述真实时间生成第一时间特征向量、第二时间特征向量；根据所述目标对象位置和预设位置确定第一位置得分；分别将所述第一时间特征向量、对应的第一位置得分作为样本时间特征向量...

【专利技术属性】
技术研发人员：魏宇浩，张宁，梁琦，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11