[发明专利]一种店铺识别方法

说明书

本发明公开了一种店铺识别方法，采用基于指纹排名的店铺识别方法、基于店铺指纹谱半径的店铺识别方法或基于朴素贝叶斯模型和指纹匹配的店铺识别方法，包括训练阶段和在线识别阶段。本发明的店铺识别方法是基于分类模型进行店铺识别的，识别效果佳；该店铺识别方法包含训练及识别两部分，训练阶段可以离线完成，识别部分利用已经训练好的模型，可以减小运算量；该店铺识别方法先进行粗分类，再进行细分类，能在减少计算量的同时降低误判率。

技术领域

本发明涉及一种识别方法，具体是一种店铺识别方法。

背景技术

实体店的数据来源非常少，除了CRM\ERP\POS等等成交数据以外，实体商家们往往忽略了客流量的重要性，或者是意识到客流量是一切成交的主导者，但没有很好的方法去解决这样问题。而客流统计和客流分析的诞生，恰好解决了实体店对于客流量数据的统计、管理和分析的问题。客流统计和客流分析的目的都是为了能够更好地分析线下流量的来源和影响因素，从而改进门店当前的经营现状，最终达到降低运营成本，提高营业收入为目的。但是现有的店铺识别方法仍然存在识别方法复杂，识别效果不佳，识别的通用性不足，识别的效率偏低等问题。因此本发明提出一种基于指纹的店铺识别方法，其识别方法简单，识别效果好，识别的通用性好，有效提升了店铺识别的准确率、效率；可判断用户在哪个店铺附近；判断用户是在店内还是店外。

发明内容

本发明的目的在于提供一种店铺识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种店铺识别方法，采用基于指纹排名的店铺识别方法、基于店铺指纹谱半径的店铺识别方法或基于朴素贝叶斯模型和指纹匹配的店铺识别方法，包括训练阶段和在线识别阶段。

作为本发明进一步的方案：采用基于指纹排名的店铺识别方法，包括：

(1)训练阶段：

store1中fp1与其他指纹的相似度：s1_sim11、s1_sim12、s1_sim13、…、s1_sim1N，平均相似度为s1_sim1＝(s1_sim11+s1_sim12+s1_sim13+…+s1_sim1N)/N，得分为s1_grade1＝1/(s1_sim1+1)；

同理，store1中fp2、fp3、…、fpN的得分分别为：s1_grade2、s1_grade3、…、s1_gradeN；storeM中fp1、fp2、fp3、…、fpN的得分分别为：s2_grade1、s2_grade2、s2_grade3、…、s2_gradeN；

对每个店铺中的指纹，按得分进行排名，得到如下数据：

store1：s1_grade_m1、s1_grade_m2、s1_grade_m2、…、s1_grade_mN；

storeM：sM_grade_m1、sM_grade_m2、sM_grade_m2、…、sM_grade_mN；

(2)在线识别阶段：

收到请求，首先计算该请求与目标店铺中各指纹的平均相似度及得分：x_sim/x_grade，然后判断该得分在各个店铺中的排名，比较在store1中排名和storeM中排名的前后，排名靠前的概率更高；另外设定一个阈值，优选的，排名在top75％以内认为是落在该店铺内，反之则表明在店铺外。

作为本发明进一步的方案：采用基于店铺指纹谱半径的店铺识别方法，包括：

(1)训练阶段：

先建立模型，每个店铺推选特征指纹A，该特征指纹A能代表本店铺，同时能尽量与其它店铺区分开；

(2)在线识别阶段：