[发明专利]店铺人气值的预测方法及装置

说明书

本发明公开了一种店铺人气值的预测方法及装置，方法包括：抽取待预测目标店铺的第一特征数据和待预测目标店铺的关联店铺的第二特征数据；将待预测目标店铺的第一特征数据和待预测目标店铺的关联店铺的第二特征数据输入预先训练得到的人气值训练模型，得到待预测目标店铺的人气值。利用本发明可以在没有获取到待预测目标店铺交易信息的情况下，得到待预测目标店铺的人气值，解决了人气值计算必须依赖于交易信息的问题。进一步，对于在交易平台上没有发生过交易的店铺，也可以利用本发明预测其人气值，避免受到仅根据交易信息计算人气值的限制，导致无交易信息店铺的人气值为0的状况。

技术领域

本发明涉及软件领域，具体涉及一种店铺人气值的预测方法及装置。

背景技术

根据用户到店消费的交易情况，可以计算每个店铺的人气值。如专利申请号为201611096672.2的中国专利说明书中记载的，可以根据店铺的支付实时数据，以及保存的历史记录，确定店铺的人气值。根据店铺的人气值，可以对店铺进行推荐。用户可以方便的得到热门的店铺。店铺的人气值反映了店铺的火爆程度，人气值越高，说明店铺的交易多、到店消费的用户多、店铺的人流量多。

上述计算人气值的前提需要得到店铺的交易数据，如店铺利用支付宝、口碑等交易平台进行收款交易时，在店铺授权的情况下，这些交易平台可以获取到店铺的交易信息，进而计算店铺的人气值。这样使得人气值的计算必须依赖与店铺的交易信息，当店铺没有使用如上述交易平台进行收款交易而采用其他收款方式时，无法获取到店铺的交易信息，在计算店铺的人气值时会得到人气值为0。此时得到的人气值不能正确的反应店铺实际的人气值。因此，需要一种不依赖于店铺交易信息计算店铺人气值的方法。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的店铺人气值的预测方法及装置。

根据本发明的一个方面，提供了一种店铺人气值的预测方法，其包括：

抽取待预测目标店铺的第一特征数据和待预测目标店铺的关联店铺的第二特征数据；待预测目标店铺的第一特征数据包括店铺基本信息；待预测目标店铺的关联店铺的第二特征数据包括交易数据、人气值、与待预测目标店铺的距离信息以及关联店铺的店铺基本信息；

将待预测目标店铺的第一特征数据和待预测目标店铺的关联店铺的第二特征数据输入预先训练得到的人气值训练模型，得到待预测目标店铺的人气值。

可选地，人气值训练模型的训练过程包括：

采集样本数据、样本标注数据和样本关联数据；

将样本数据和样本关联数据输入至待训练模型中进行训练，得到待训练模型的输出结果；

根据输出结果与样本标注数据之间的损失，调整待训练模型的权重参数，直至满足预设条件，得到人气值训练模型。

可选地，样本数据包括：第一指定历史时间内的样本店铺的第一特征数据；样本标注数据包括：样本店铺的人气值标注结果；样本店铺的第一特征数据包括样本店铺基本信息；

样本关联数据包括：第一指定历史时间内的样本店铺的关联样本店铺的第二特征数据；样本店铺的关联样本店铺的第二特征数据包括交易数据、人气值、与样本店铺的距离信息以及关联样本店铺基本信息。

可选地，待训练模型包括：深度神经网络学习模型、贝叶斯模型或支持向量机模型。

可选地，方法还包括：

采集测试样本数据、测试样本标注数据和测试样本关联数据；

利用测试样本数据、测试样本标注数据和测试样本关联数据，对人气值训练模型进行验证。