网点选址方法和装置制造方法及图纸

本发明专利技术提供了一种网点选址方法和装置，特别涉及人工智能领域，所述方法包括：基于多个待选网点地址对应的当前特征信息和多个已训练决策树模型对应的输入特征属性，得到对应所述输入特征属性的多个当前输入特征信息，并基于所述当前输入特征信息和对应的已训练决策树模型，得到多个备选网点类型；基于所述备选网点类型对应的已训练决策树模型的模型准确率，得到所述备选网点类型对应的可靠系数；基于所述可靠系数，从所述备选网点类型中确定所述待选网点地址对应的目标网点类型，并基于所述目标网点类型，从多个待选网点地址中确定最终网点地址。本发明专利技术能够提高网点选址的准确性和速度，并降低网点选址的成本，从而提高网点选址的效率。选址的效率。选址的效率。

【技术实现步骤摘要】
网点选址方法和装置


[0001]本专利技术涉及网点选址
，特别涉及人工智能领域，尤其涉及一种网点选址方法和装置。

技术介绍

[0002]银行网点的地址与银行网点的收益和服务质量密切相关，因此为了提高银行网点的相应收益，并更好地为尽可能多的客户提供服务从而提高广大客户的体验，需要为银行网点进行合理选址。
[0003]现有技术中，网点选址的方式主要为依赖相关工作人员进行各种繁琐的咨询和调查工作，并基于咨询和调查工作收集的各种相关信息进行分析，从而确定银行网点的地址。但是，由于上述方式中的咨询和调查工作会耗费大量时间且相关费用不菲，且相关分析的过程依赖工作人员的工作经验且以人工方式耗费大量时间进行，会导致整体网点选址的准确性不高，且由于耗费过多时间而使整体网点选址的速度较慢，并且，由于需要投入较多费用而使网点选址的成本较高。
[0004]综上所述，现有技术中存在网点选址的准确性较差、速度较慢且成本较高，从而不利于提高网点选址的效率的问题。

技术实现思路

[0005]本专利技术的一个目的在于提供一种网点选址方法，以解决现有技术中存在的网点选址的准确性较差、速度较慢且成本较高，从而不利于提高网点选址的效率的问题。本专利技术的另一个目的在于提供一种网点选址装置。本专利技术的再一个目的在于提供一种计算机设备。本专利技术的还一个目的在于提供一种可读介质。
[0006]为了达到以上目的，本专利技术的一方面公开了一种网点选址方法，所述方法包括：
[0007]基于多个待选网点地址对应的当前特征信息和多个已训练决策树模型对应的输入特征属性，得到对应所述输入特征属性的多个当前输入特征信息，并基于所述当前输入特征信息和对应的已训练决策树模型，得到多个备选网点类型；
[0008]基于所述备选网点类型对应的已训练决策树模型的模型准确率，得到所述备选网点类型对应的可靠系数；
[0009]基于所述可靠系数，从所述备选网点类型中确定所述待选网点地址对应的目标网点类型，并基于所述目标网点类型，从多个待选网点地址中确定最终网点地址。
[0010]可选的，进一步包括：
[0011]在基于多个待选网点地址对应的当前特征信息和多个已训练决策树模型对应的输入特征属性，得到对应所述输入特征属性的多个当前输入特征信息之前，
[0012]基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型，其中，多个所述初始特征信息对应的历史网点类型两两不同；
[0013]基于所述历史网点特征信息、对应的历史网点类型和与预设的多个未训练决策树模型对应预设的多个输入特征属性，得到对应所述未训练决策树模型的多个待划分样本，并基于预设的样本比例，确定多个所述待划分样本中的多个训练样本和测试样本；
[0014]使用对应的所述训练样本训练所述未训练决策树模型，得到对应的已训练决策树模型，并使用对应的所述测试样本对所述已训练决策树模型进行测试，得到对应的模型准确率。
[0015]可选的，进一步包括：
[0016]在基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型之前，
[0017]对多个历史网点的初始历史特征信息进行数据清洗、数据抽取和数据标准化处理，得到所述历史网点对应的历史网点特征信息。
[0018]可选的，进一步包括：
[0019]在基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型之前，
[0020]从多个历史网点特征信息中选取多个辅助特征信息，并确定每个所述辅助特征信息和多个除所述辅助特征信息外的其他历史网点特征信息之间的第一欧氏距离；
[0021]基于所述第一欧氏距离，确定与对应辅助特征信息最接近的除所述辅助特征信息外的其他历史网点特征信息作为对应所述辅助特征信息的初始特征信息。
[0022]可选的，所述基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型，包括：
[0023]将所述初始特征信息作为聚类中心特征信息，并将除所述初始特征信息外的其他历史网点特征信息作为待分类特征信息；
[0024]确定每个所述待分类特征信息和每个所述聚类中心特征信息的第二欧氏距离，并基于所述第二欧氏距离，确定与对应待分类特征信息最接近的聚类中心特征信息为对应的最近聚类中心特征信息；
[0025]分别基于对应最近聚类中心特征信息相同的多个所述待分类特征信息，得到对应的多个初始目标聚类，并将对应的最近聚类中心特征信息的历史网点类型作为所述初始目标聚类对应的聚类类型；
[0026]重复执行聚类迭代的步骤，直到存在小于预设距离阈值的第三欧氏距离，其中所述聚类迭代的步骤，包括：基于所述初始目标聚类，得到对应的中间聚类中心特征信息，并将所述初始目标聚类的聚类类型作为对应的所述中间聚类中心特征信息的中间类型；将所有所述历史网点特征信息作为待分类特征信息；确定每个所述待分类特征信息和所述中间聚类中心特征信息的第三欧氏距离，并基于所述第三欧氏距离，确定与对应待分类特征信息最接近的中间聚类中心特征信息为对应的最近中间聚类中心特征信息；分别基于对应最近中间聚类中心特征信息相同的多个所述待分类特征信息，得到中间目标聚类，并将对应的最近中间聚类中心特征信息的中间类型作为所述中间目标聚类的聚类类型；将所述中间
目标聚类作为初始目标聚类；
[0027]将多个所述中间目标聚类的聚类类型作为所述中间目标聚类对应的除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型。
[0028]可选的，所述基于所述初始目标聚类，得到对应的中间聚类中心特征信息，包括：
[0029]基于所述初始目标聚类包括的所有待分类特征信息，得到所述初始目标聚类对应的均值特征信息；
[0030]将所述均值特征信息作为所述中间聚类中心特征信息。
[0031]可选的，所述基于所述历史网点特征信息、对应的历史网点类型和与预设的多个未训练决策树模型对应预设的多个输入特征属性，得到对应所述未训练决策树模型的多个待划分样本，包括：
[0032]基于所述历史网点特征信息中与所述输入特征属性对应的特征参数，形成所述历史网点特征信息对应所述未训练决策树模型的输入样本，并将对应的所述历史网点类型作为对应的输出样本；
[0033]基于所述输入样本和对应的所述输出样本，形成对应的所述待划分样本。
[0034]可选的，进一步包括：
[0035]在基于多个待选网点地址对应的当前特征信息和多个已训练决策树模型对应的输入特征属性，得到对应所述输入特征属性的多个当前输入特征信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网点选址方法，其特征在于，包括：基于多个待选网点地址对应的当前特征信息和多个已训练决策树模型对应的输入特征属性，得到对应所述输入特征属性的多个当前输入特征信息，并基于所述当前输入特征信息和对应的已训练决策树模型，得到多个备选网点类型；基于所述备选网点类型对应的已训练决策树模型的模型准确率，得到所述备选网点类型对应的可靠系数；基于所述可靠系数，从所述备选网点类型中确定所述待选网点地址对应的目标网点类型，并基于所述目标网点类型，从多个待选网点地址中确定最终网点地址。2.根据权利要求1所述的方法，其特征在于，进一步包括：在基于多个待选网点地址对应的当前特征信息和多个已训练决策树模型对应的输入特征属性，得到对应所述输入特征属性的多个当前输入特征信息之前，基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型，其中，多个所述初始特征信息对应的历史网点类型两两不同；基于所述历史网点特征信息、对应的历史网点类型和与预设的多个未训练决策树模型对应预设的多个输入特征属性，得到对应所述未训练决策树模型的多个待划分样本，并基于预设的样本比例，确定多个所述待划分样本中的多个训练样本和测试样本；使用对应的所述训练样本训练所述未训练决策树模型，得到对应的已训练决策树模型，并使用对应的所述测试样本对所述已训练决策树模型进行测试，得到对应的模型准确率。3.根据权利要求2所述的方法，其特征在于，进一步包括：在基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型之前，对多个历史网点的初始历史特征信息进行数据清洗、数据抽取和数据标准化处理，得到所述历史网点对应的历史网点特征信息。4.根据权利要求2所述的方法，其特征在于，进一步包括：在基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型之前，从多个历史网点特征信息中选取多个辅助特征信息，并确定每个所述辅助特征信息和多个除所述辅助特征信息外的其他历史网点特征信息之间的第一欧氏距离；基于所述第一欧氏距离，确定与对应辅助特征信息最接近的除所述辅助特征信息外的其他历史网点特征信息作为对应所述辅助特征信息的初始特征信息。5.根据权利要求2所述的方法，其特征在于，所述基于多个历史网点特征信息中预设的多个初始特征信息以及所述初始特征信息对应的历史网点类型，确定除所述初始特征信息外的其他历史网点特征信息对应的历史网点类型，包括：将所述初始特征信息作为聚类中心特征信息，并将除所述初始特征信息外的其他历史网点特征信息作为待分类特征信息；
确定每个所述待分类特征信息和每个所述聚类中心特征信息的第二欧氏距离，并基于所述第二欧氏距离，确定与对应待分类特征信息最接近的聚类中心特征信息为对应的最近聚类中心特征信息；分别基于对应最近聚类中心特征信息相同的多个所述待分类特征信息，得到对应的多个初始目标聚类，并将对应的最近聚类中心特征信息的历史网点类型作为所述初始目标聚类对应的聚类类型；重复执行聚类迭代的步骤，直到存在小于预设距离阈值的第三欧氏距离，其中所述聚类迭代的步骤，包括：基于所述初始目标聚类，得到对应的中间聚类中心特征信息，并将所述初始目标聚类的聚类类型作为对应的所述中间聚类中心特征信息的中间类型；将所有所述历史网点特征信息作为待分类特征信息；确定每个所述待分类特征信息和所述中间聚类中心特征信息的第三欧氏...

【专利技术属性】
技术研发人员：吴欢，方珺，林慕云，李芳，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：