目标门店位置的识别的方法和装置、存储介质和电子设备制造方法及图纸

本发明专利技术公开了一种目标门店位置的识别的方法和装置、存储介质和电子设备，包括：在第一设备上获取第二设备发送的待识别的目标门店位置；获取目标门店位置的目标区域中的目标特征信息，目标区域以目标门店位置为中心，目标特征信息包括目标区域内的人口特征、目标区域内的目标类型的兴趣点POI的POI特征以及目标区域内的交易特征；在第一设备上将目标门店位置和目标特征信息输入至训练好的目标位置识别模型，得到目标位置识别模型输出的位置识别结果，在第一设备上向第二设备发送位置识别结果。该方案可以应用于大数据领域，采用上述技术方案，解决了相关技术中，在对自动售卖机、门店等进行选址时，存在周期长、成本高、不准确等问题。

【技术实现步骤摘要】
目标门店位置的识别的方法和装置、存储介质和电子设备
本专利技术涉及大数据领域，具体而言，涉及一种目标门店位置的识别的方法和装置、存储介质和电子设备。
技术介绍
目前，在对自动售卖机进行选址时，主要靠人工来完成：第一步根据市场份额及人工经验圈定候选地理位置；第二步依赖经验丰富的工作人员蹲点观察记录；第三步对候选位置综合评定选出最优位置。但是，上述方法存在周期长、成本高、不准确等缺点，无法在短时间内完成大批量的自动售卖机的投放。针对相关技术中，在对自动售卖机、门店等进行选址时，存在周期长、成本高、不准确等问题，尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种目标门店位置的识别的方法和装置、存储介质和电子设备，以至少解决相关技术中，在对自动售卖机、门店等进行选址时，存在周期长、成本高、不准确的技术问题。根据本专利技术实施例的一个方面，提供了一种目标门店位置的识别的方法，包括：在第一设备上获取第二设备发送的待识别的目标门店位置；在上述第一设备上获取上述目标门店位置的目标区域中的目标特征信息，本文档来自技高网...

【技术保护点】
1.一种目标门店位置的识别的方法，其特征在于，包括：/n在第一设备上获取第二设备发送的待识别的目标门店位置；/n在所述第一设备上获取所述目标门店位置的目标区域中的目标特征信息，其中，所述目标区域以所述目标门店位置为中心，所述目标特征信息包括所述目标区域内的人口特征、所述目标区域内的目标类型的兴趣点POI的POI特征以及所述目标区域内的交易特征；/n在所述第一设备上将所述目标门店位置和所述目标特征信息输入至训练好的目标位置识别模型，得到所述目标位置识别模型输出的位置识别结果，其中，所述位置识别结果用于表示所述目标门店位置是否为候选门店位置，所述目标位置识别模型是使用一组具有对应关系的样本门店位置...

【技术特征摘要】
1.一种目标门店位置的识别的方法，其特征在于，包括：
在第一设备上获取第二设备发送的待识别的目标门店位置；
在所述第一设备上获取所述目标门店位置的目标区域中的目标特征信息，其中，所述目标区域以所述目标门店位置为中心，所述目标特征信息包括所述目标区域内的人口特征、所述目标区域内的目标类型的兴趣点POI的POI特征以及所述目标区域内的交易特征；
在所述第一设备上将所述目标门店位置和所述目标特征信息输入至训练好的目标位置识别模型，得到所述目标位置识别模型输出的位置识别结果，其中，所述位置识别结果用于表示所述目标门店位置是否为候选门店位置，所述目标位置识别模型是使用一组具有对应关系的样本门店位置和样本特征信息对待训练的位置识别模型进行训练得到的模型，所述样本特征信息是以所述样本门店位置为中心的样本区域中的特征信息，所述样本特征信息包括所述样本区域内的人口特征，所述样本区域内的所述目标类型的POI的POI特征以及所述样本区域内的交易特征；
在所述第一设备上向所述第二设备发送所述位置识别结果，其中，所述位置识别结果用于显示在所述第二设备上。


2.根据权利要求1所述的方法，其特征在于，所述在所述第一设备上获取所述目标门店位置的目标区域中的目标特征信息，包括：
在所述目标区域包括多个区域的情况下，获取所述多个区域的区域范围，其中，所述多个区域均以所述目标门店位置为中心，所述多个区域的区域范围彼此不同；
获取所述多个区域中的每个区域中的所述目标特征信息。


3.根据权利要求1所述的方法，其特征在于，所述在所述第一设备上获取所述目标门店位置的目标区域中的目标特征信息，包括以下至少之一：
获取所述目标区域内的居住人口统计特征，其中，所述目标区域内的人口特征包括所述居住人口统计特征，所述居住人口统计特征用于表示所述目标区域内的居住人口数量；
获取所述目标区域内的工作人口统计特征，其中，所述目标区域内的人口特征包括所述工作人口统计特征，所述工作人口统计特征用于表示所述目标区域内的工作人口数量；
获取所述目标区域内预设时间段内的人口流动统计特征，其中，所述目标区域内的人口特征包括所述人口流动统计特征，所述人口流动统计特征用于表示所述目标区域内预设时间段内的人口流动数量。


4.根据权利要求1所述的方法，其特征在于，所述在所述第一设备上获取所述目标门店位置的目标区域中的目标特征信息，包括：
获取所述目标区域内所包含的所述目标类型中每个POI类型的POI的数量，其中，所述目标区域内的所述目标类型的POI的POI特征包括所述目标类型中每个POI类型的POI的数量，所述目标类型包括一个或多个POI类型。


5.根据权利要求1所述的方法，其特征在于，所述在所述第一设备上获取所述目标门店位置的目标区域中的目标特征信息，包括：
获取所述目标区域内预设时间段内的支付信息，其中，所述目标区域内的交易特征包括所述支付信息，所述支付信息包括以下至少之一：一个或多个支付数量区间中的每个支付数量区间内的支付次数，一个或多个支付数量区间中的每个支付数量区间内的支付人数。


6.根据权利要求1所述的方法，其特征在于，所述在所述第一设备上将所述目标门店位置和所述目标特征信息输入至训练好的目标位置识别模型，得到所述目标位置识别模型输出的位置识别结果，包括：
通过所述目标位置识别模型中训练好的目标决策树，对所述目标特征信息进行决策操作，得到所述目标位置识别模型输出的位置识别结果，其中，所述目标决策树用于根据所述目标特征信息确定所述目标门店位置对应的所述位置识别结果。


7.根据权利要求6所述的方法，其特征在于，所述通过所述目标位置识别模型中训练好的目标决策树，对所述目标特征信息进行决策操作，得到所述目标位置识别模型输出的位置识别结果，包括：
判断所述目标特征信息中的所述目标区域内的人口特征是否满足所述目标决策树中的第一节点上设置的第一决策条件；
在所述目标特征信息中的所述目标区域内的人口特征满足所述第一决策条件的情况下，判断所述目标特征信息中的所述目标区域内的目标类型的兴趣点POI的POI特征是否满足所述目标决策树中的第二节点上设置的第二决策条件；
在所述目标特征信息中的所述目标区域内的目标类型的兴趣点POI的POI特征满足所述第二决策条件的情况下，判断所述目标特征信息中的所述目标区域内的交易特征是否满足所述目标决策树中的第三节点上设置的第三决策条件；
在所述目标特征信息中的所述目标区域内的交易特征满足所述第三决策条件，确定出所述目标门店位置的第一位置识别结果，其中，所述目标门店位置的第一位置识别结果用于表示所述目标门店位置为候选门店位置，所述目标位置识别模型输出的位置识别结果包括所述第一位置识别结果。


8.根据权利要求6所述的方法，其特征在于，所述通过所述目标位置识别模型中训练好的目标决策树，对所述目标特征信息进行决策操作，得到所述目标位置识别模型输出的位置识别结果，包括：
在所述目标区域包括多个区域的情况下，判断所述目标特征信息中的第一区域内的人口特征是否满足所述目标决策树中的第四节点上设置的第四决策条件，其中，所述多个区域均以所述目标门店位置为中心，所述多个区域的区域范围彼此不同，所述多个区域中的所述第一区域的区域范围最小；
在所述目标特征信息中的所述第一区域内的人口特征满足所述第四决策条件的情况下，判断所述目标特征信息中的所述第一区域内的目标类型的兴趣点POI的POI特征是否满足所述目标决策树中的第五节点上设置的第五决策条件；
在所述目标特征信息中的所述第一区域内的目标类型的兴趣点POI的POI特征满足所述第五决策条件的情况下，判断所述目标特征信息中的所述第一区域内的交易特征是否满足所述目标决策树中的第六节点上设置的第六决策条件；
在所述目标特征信息中的所述第一区域内的交易特征满足所述第六决策条件，确定出所述目标门店位置的第二位置识别结果，其中，所述目标门店位置的第二位置识别结果用于表示所述目标门店位置为候选门店位置，所述目标位置识别模型输出的位置识别结果包括所述第二位置识别结果。


9.根据权利要求1至8中任一项所述的方法，其特征在于，在所述第一设备上将所述目标门店位置和所述目标特征信息输入至训练好的目标位置识别模型，得到所述目标位置识别模型输出的位置识别结果之前，所述方法还包括：
获取训练样本集合以及所述样本门店位置的实际位置识别结果，其中，所述训练样本集合包括所述一组具有对应关系的所述样本门店位置和所述样本特征信息，所述训练样本集合和所述实际位置识别结果用于对所述待训练的位置识别模型中的待训练决策树进行训练，所述待训练...

【专利技术属性】
技术研发人员：赵琳琳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44