本申请涉及一种网点选址模型构建方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；基于聪明特征，通过主成分分析与熵值法构建网点选址模型。本申请通过预先建立特征指标体系来进行特征筛选，而后从筛选后的特征中选出网点选址模型对应的聪明特征，从而通过主成分分析与熵值法构建网点选址模型。本申请的方案通过多重特征筛选来对网点选址的多源数据进行分析，从而构建网点选址模型，可以有效实现网点选址过程的全面考量。程的全面考量。程的全面考量。
【技术实现步骤摘要】
网点选址模型构建方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
，特别是涉及一种网点选址模型构建方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着网络技术的发展，出现了大数据技术，大数据，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
[0003]企业的网点作为企业向大众提供线下服务的主要渠道，在吸引优质客户、提高企业效益、实现企业发展战略等方面起到重要的作用。同时，由于投入较大、位置固定及相关政策要求，网点资源也是有限的。通过大数据技术来解决网点选址问题也成为了一种选择。
[0004]传统技术中，一般通过定量分析法来进行网点选址的计算，包括摸拟方法和启发式方法，如遗传算法、粒子群算法、蚁群算法等，然而这些方法注重算法的最优解，但考虑不够全面，考虑到的影响因素较少，没法对各类多源数据进行深入分析。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够针对多源数据进行分析，从而实现全面考量的网点选址模型构建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种网点选址模型构建方法。所述方法包括：
[0007]基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；
[0008]获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；
[0009]基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型。
[0010]在其中一个实施例中，所述基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据包括：
[0011]获取网点选址对应的渠道多源数据；
[0012]基于预设特征指标体系对所述渠道多源数据进行分类筛选，获取网点选址对应的原始特征数据。
[0013]在其中一个实施例中，所述获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征包括：
[0014]获取所述原始特征数据中各类特征数据对应的空值率；
[0015]基于所述空值率对所述原始特征数据进行筛选；
[0016]获取筛选完成的原始特征数据对应的证据权重与信息价值；
[0017]剔除信息价值低于预设信息价值阈值的原始特征数据，获取第一初始特征；
[0018]基于所述证据权重识别所述第一初始特征对应的非线性关系，将所述第一初始特
征对应的非线性关系为倒U型关系的第一初始特征作为第二初始特征；
[0019]基于所述第二初始特征，获取网点选址模型对应的聪明特征。
[0020]在其中一个实施例中，所述基于所述初始特征获取网点选址模型对应的聪明特征之前，还包括：
[0021]基于全局搜索法对初始随机森林模型进行训练，获取随机森林模型；
[0022]所述基于所述初始特征获取网点选址模型对应的聪明特征包括：
[0023]基于随机森林模型对所述初始特征进行筛选，获取聪明特征。
[0024]在其中一个实施例中，所述基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型包括：
[0025]通过主成分分析对所述聪明特征进行降维处理，获取降维特征；
[0026]通过熵值法对所述降维特征进行处理，获取降维特征对应的特征权重；
[0027]基于所述降维特征以及所述降维特征对应的特征权重，构建网点选址模型。
[0028]在其中一个实施例中，所述预设特征指标体系渠道服务维度指标体系以及区域发展维度指标体系，所述基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型之后，还包括：
[0029]获取目标选址区域内各候选地点对应的网点选址数据；
[0030]将所述网点选址数据输入所述网点选址模型，获取所述各候选地点对应的渠道服务能力评分以及区域发展潜力评分；
[0031]基于所述渠道服务能力评分以及所述区域发展潜力评分，获取目标选址区域对应的选址地点。
[0032]第二方面，本申请还提供了一种网点选址模型构建装置。所述装置包括：
[0033]数据筛选模块，用于基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；
[0034]特征筛选模块，用于获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；
[0035]模型构建模块，用于基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型。
[0036]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0037]基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；
[0038]获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；
[0039]基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型。
[0040]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0041]基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；
[0042]获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；
[0043]基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型。
[0044]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0045]基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；
[0046]获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；
[0047]基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型。
[0048]上述网点选址模型构建方法、装置、计算机设备、存储介质和计算机程序产品，其中方法基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；获取原始特征数据中各项特征对应的证据权重与信息价值，基于证据权重与信息价值，筛选网点选址模型对应的聪明特征；基于聪明特征，通过主成分分析与熵值法构建网点选址模型。本申请的网点选址模型构建方法通过预先建立特征指标体系来进行特征筛选，而后从筛选后的特征中选出网点选址模型对应的聪明特征，从而通过主成分分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种网点选址模型构建方法，其特征在于，所述方法包括：基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据；获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型对应的聪明特征；基于所述聪明特征，通过主成分分析与熵值法构建网点选址模型。2.根据权利要求1所述的方法，其特征在于，所述基于预设特征指标体系，从渠道多源数据获取网点选址对应的原始特征数据包括：获取网点选址对应的渠道多源数据；基于预设特征指标体系对所述渠道多源数据进行分类筛选，获取网点选址对应的原始特征数据。3.根据权利要求1所述的方法，其特征在于，所述获取所述原始特征数据中各项特征对应的证据权重与信息价值，基于所述证据权重与所述信息价值，筛选网点选址模型所需的聪明特征包括：获取所述原始特征数据中各类特征数据对应的空值率；基于所述空值率对所述原始特征数据进行筛选；获取筛选完成的原始特征数据对应的证据权重与信息价值；剔除信息价值低于预设信息价值阈值的原始特征数据，获取第一初始特征；基于所述证据权重识别所述第一初始特征对应的非线性关系，将所述第一初始特征对应的非线性关系为倒U型关系的第一初始特征作为第二初始特征；基于所述第二初始特征，获取网点选址模型对应的聪明特征。4.根据权利要求3所述的方法，其特征在于，所述基于所述第二初始特征获取网点选址模型对应的聪明特征之前，还包括：基于全局搜索法对初始随机森林模型进行训练，获取随机森林模型；所述基于所述第二初始特征获取网点选址模型对应的聪明特征包括：基于随机森林模型对所述第二初始特征进行筛选，获取聪明特征。5.根据权利要求1所述的方法，其特征在于，所述基于所述聪...
【专利技术属性】
技术研发人员：刘权盼，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。