商户信息处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种商户信息处理方法、装置、计算机设备和存储介质。所述方法包括：从数据库中提取各个商户的商户信息以及当前属性信息；将商户信息输入至预先训练得到的属性信息预测模型中，以通过属性信息预测模型从商户信息中选取预测特征，并根据预测特征进行分类得到预测属性信息；比较各个商户的所述当前属性信息和所述预测属性信息得到各个商户对应的优先级；从所述优先级中选取预设数量的商户对应的商户信息，并将所选取的商户信息发送至对应的终端。采用本方法能够降低终端的资源占用率，提高终端性能。

Merchant information processing methods, devices, computer equipment and storage media

The present application relates to a merchant information processing method, device, computer equipment and storage medium. The method includes: extracting the merchant information and current attribute information of each merchant from the database; inputting the merchant information into the attribute information prediction model obtained by pre training, so as to select the prediction features from the merchant information through the attribute information prediction model, and classify them according to the prediction features to obtain the prediction attribute information; comparing the current attribute information of each merchant Get the priority corresponding to each merchant from the prediction attribute information; select the merchant information corresponding to the preset number of merchants from the priority, and send the selected merchant information to the corresponding terminal. This method can reduce the resource utilization of the terminal and improve the performance of the terminal.

【技术实现步骤摘要】
商户信息处理方法、装置、计算机设备和存储介质
本申请涉及大数据处理
，特别是涉及一种商户信息处理方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，各种商户信息均存储在计算机设备中，例如存储在服务器中，而一般情况下，商户信息的量都是非常巨大的，商户对海量商户信息的处理需要耗费大量事件。目前的商户信息的处理方式，是商户根据自己需要按照数据的存储顺序等从数据库中读取商户信息，并进行处理，这样会导致终端需要对海量商户信息进行响应，导致终端的资源占用较高，终端性能降低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够对商户信息进行筛选，从而提高终端性能的商户信息处理方法、装置、计算机设备和存储介质。一种商户信息处理方法，所述方法包括：从数据库中提取各个商户的商户信息以及当前属性信息；将所述商户信息输入至预先训练得到的属性信息预测模型中，以通过所述属性信息预测模型从所述商户信息中选取预测特征，并根据所述预测特征进行分类得到预测属性信息；比较各个商户的所述当前属性信息和所述预测属性信息得到各个商户对应的优先级；从所述优先级中选取预设数量的商户对应的商户信息，并将所选取的商户信息发送至对应的终端。上述商户信息处理方法，根据属性信息预测模型对商户信息进行处理得到商户的预测属性信息，然后可以根据当前属性信息以及预测属性信息计算得到商户对应的优先级，从而可以从每个优先级中选取预设数量的商户信息，并发送给终端，这样可以减少终端处理数据的数量，从而降低终端的资源占用率，提高终端性能，且首先对商户信息进行优先级划分，并从对应优先级中选取到对应的商户信息，可以对所选取的商户信息进行均衡，使得各个属性的商户信息均进行了选择，且终端的使用者可以按照顺序查看服务器发送的商户信息，从而可以按照顺序对该些商户信息对应的商户进行拜访等，这样可以提高拜访人效，也可以防止随机拜访所带来的拜访混乱，导致有些商户没有拜访，有些商户重复拜访的情况的发生。在其中一个实施例中，所述属性信息预测模型的训练方式包括：从所述数据库中提取商户的训练商户信息和训练属性信息；从所述训练商户信息中选取训练特征，并将所述训练特征进行分类得到类别型特征和连续值型特征；对所述类别型特征进行一位有效编码处理，对所述连续值型特征进行标准化处理；对处理后的类别型特征、处理后的连续值型特征以及对应的训练属性信息，进行基于决策树的学习训练得到属性信息预测模型。上述实施例中，通过对数据库中已经存储的商户的训练商户信息和训练属性信息进行预处理，包括对训练商户信息中类别特征的一位有效编码处理以及连续值型特征进行标准化处理，从而可以对处理完成的类别型特征、处理后的连续值型特征以及对应的训练属性信息进行学习得到属性信息预测模型，该模型充分考虑到了存储在数据库中的历史数据，使得后续对商户的属性信息的预测更为准确。在其中一个实施例中，所述对处理后的类别型特征、处理后的连续值型特征以及对应的训练属性信息进行训练得到属性信息预测模型之后，还包括：从所述数据库中提取商户的测试商户信息和测试属性信息；将所述测试商户信息输入至所述属性信息预测模型中得到待评价属性信息；将所述待评价属性信息与所述测试属性信息进行比对得到模型评价值；根据所述模型评价值对所述属性信息预测模型进行修正。上述实施例中，在训练得到属性信息预测模型后，还可以通过测试商户信息和测试属性信息对训练得到的属性信息预测模型进行测试，并根据测试得到的待评价属性信息以及测试属性信息进行比对得到模型评价值，从而可以根据模型评价值对属性信息预测模型进行修正，使得修正后的属性信息预测模型更为准确。在其中一个实施例中，所述方法包括：将所述商户信息输入至属性信息预测模型中得到与所述预测属性信息对应的预测概率值；所述从每个优先级中选取预设数量的商户对应的商户信息，包括：根据所述预测概率值对每个优先级中的预测属性信息进行排序；从排序后的每个优先级中选取预设数量的商户对应的商户信息。上述实施例中，服务器根据属性信息预测模型所得到的预测概率值对每个优先级中的商户信息进行排序，从而可以从排序后的商户信息进行提取，这样有规律地提取可以使得提取效率更高。在其中一个实施例中，所述从每个优先级中选取预设数量的商户对应的商户信息之前，还包括：从数据库中提取各个优先级对应的预设比例以及总数量；根据所述预设比例以及所述总数量计算得到每个优先级对应的预设数量；或者所述从每个优先级中选取预设数量的商户对应的商户信息之前，还包括：从数据库中提取各个优先级对应的预设比例、总数量以及拜访比例；根据所述预设比例、所述总数量以及所述拜访比例计算得到每个优先级对应的预设数量。上述实施例中，根据数据库各个优先级对应的预设比例以及总数量可以计算得到每个优先级对应的预设数量，或者是根据数据库各个优先级对应的预设比例、拜访比例以及总数量可以计算得到每个优先级对应的预设数量，用户根据概率排序对每个优先级中的商户进行拜访，用户的商户拜访人效可以得到有效提高。例如，之前由于每个商户都需要去拜访，一个用户只能负责50个商户，在预测排序之后，有些概率低和100％概率的商户就不需要拜访，一个用户就可以负责70个商户，这就提高了用户的商户拜访人效。在其中一个实施例中，所述根据所述预设比例以及所述总数量计算得到每个优先级对应的预设数量之后，还包括：比较每一优先级中的商户数量与对应的预设数量；当存在某一优先级中的商户数量小于对应的预设数量时，则计算商户数量与对应的预设数量的差值；根据所述差值更新最高优先级对应的预设数量，以及商户数量小于对应的预设数量的优先级对应的预设数量。上述实施例中，当某一优先级中的商户数量小于对应的预设数量时，即该优先级中的商户数量较少，则可以得到商户数量与对应的预设数量的差值，并根据差值更新最高优先级对应的预设数量，这样可以保证用户所拜访的商户的数量不变的前提下，均衡拜访各个优先级中的商户。一种商户信息处理装置，所述装置包括：第一提取模块，用于从数据库中提取各个商户的商户信息以及当前属性信息；模型处理模块，用于将所述商户信息输入至预先训练得到的属性信息预测模型中，以通过所述属性信息预测模型从所述商户信息中选取预测特征，并根据所述预测特征进行分类得到预测属性信息；优先级获取模块，用于各个商户的比较所述当前属性信息和所述预测属性信息得到各个商户对应的优先级；发送模块，用于从所述优先级中选取预设数量的商户对应的商户信息，并将所选取的商户信息发送至对应的终端。上述商户信息处理装置，根据属性信息预测模型对商户信息进行处理得到商户的预测属性信息，然后可以根据当前属性信息以及预测属性信息计算得到商户对应的优先级，从而可以从每个优先级中选取预设数量的商户信息，并发送给终端，本文档来自技高网...

【技术保护点】
1.一种商户信息处理方法，所述方法包括：/n从数据库中提取各个商户的商户信息以及当前属性信息；/n将所述商户信息输入至预先训练得到的属性信息预测模型中，以通过所述属性信息预测模型从所述商户信息中选取预测特征，并根据所述预测特征进行分类得到预测属性信息；/n比较各个商户的所述当前属性信息和所述预测属性信息得到各个商户对应的优先级；/n从所述优先级中选取预设数量的商户对应的商户信息，并将所选取的商户信息发送至对应的终端。/n

【技术特征摘要】
1.一种商户信息处理方法，所述方法包括：
从数据库中提取各个商户的商户信息以及当前属性信息；
将所述商户信息输入至预先训练得到的属性信息预测模型中，以通过所述属性信息预测模型从所述商户信息中选取预测特征，并根据所述预测特征进行分类得到预测属性信息；
比较各个商户的所述当前属性信息和所述预测属性信息得到各个商户对应的优先级；
从所述优先级中选取预设数量的商户对应的商户信息，并将所选取的商户信息发送至对应的终端。


2.根据权利要求1所述的方法，其特征在于，所述属性信息预测模型的训练方式包括：
从所述数据库中提取商户的训练商户信息和训练属性信息；
从所述训练商户信息中选取训练特征，并将所述训练特征进行分类得到类别型特征和连续值型特征；
对所述类别型特征进行一位有效编码处理，对所述连续值型特征进行标准化处理；
对处理后的类别型特征、处理后的连续值型特征以及对应的训练属性信息，进行基于决策树的学习训练得到属性信息预测模型。


3.根据权利要求2所述的方法，其特征在于，所述对处理后的类别型特征、处理后的连续值型特征以及对应的训练属性信息进行训练得到属性信息预测模型之后，还包括：
从所述数据库中提取商户的测试商户信息和测试属性信息；
将所述测试商户信息输入至所述属性信息预测模型中得到待评价属性信息；
将所述待评价属性信息与所述测试属性信息进行比对得到模型评价值；
根据所述模型评价值对所述属性信息预测模型进行修正。


4.根据权利要求1至3任意一项所述的方法，其特征在于，所述方法包括：
将所述商户信息输入至属性信息预测模型中得到与所述预测属性信息对应的预测概率值；
所述从每个优先级中选取预设数量的商户对应的商户信息，包括：
根据所述预测概率值对每个优先级中的预测属性信息进行排序；
从排序后的每个优先级中选取预设数量的商户对应的商户信息。


5.根据权利要求1所述的方法，其特征在于，所述从每个优先级中选取预设数量的商户对应的商户信息之前，还包括：
从数据库中提取各个优先级对应的预设比例以及总数量；
根据所述预设比例以及所述总数量计算得到每个优先级对应的预设数量；或者
所述从每个优先级中选取预设数量的商户对应的商户信息之前，还包括：
从数据库中提取各个优先级对应的预设比例、总数量以及拜访比例；
根据所述预设比例、所述总数量以及所述拜访比例计算得到每个优先级对应的预设数量。


6.根据权利要求5所述的方法，其特征在于，所述根据所述预设比例以及所述总数量计算得到每个优先级对应的预设数量之后，还包括：
比较每一优先级中的商户数量与对应的预设数量；
当存在某一优先级中的商户数量小于对应的预设数量时，则计算商户数量与对应的预设数量的差值；
根据所述差值更新最高优先级对应的预设数量，以及商户数量小于对应的预设数量的优先级对应的预设数量。


7.一种商户信息处理装置，其特征在于，所述装置包括：
第一提取模块，用于从数据库中提取各个商户的商户信息以及当前属性信息；
模型处理模块，用于将所述商户信息输入至预先训练得到的属性信...

【专利技术属性】
技术研发人员：匡雅婷，陈群，
申请(专利权)人：浙江大搜车软件技术有限公司，
类型：发明
国别省市：浙江;33