[发明专利]投放区域确定方法、装置、模型训练方法及存储介质有效

专利信息
申请号: 202010005007.8 申请日: 2020-01-03
公开(公告)号: CN111222916B 公开(公告)日: 2021-06-01
发明(设计)人: 刘志煌 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06K9/62
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 赵翠萍;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 投放 区域 确定 方法 装置 模型 训练 存储 介质
【权利要求书】:

1.一种投放区域确定方法,其特征在于,包括:

获取投放对象的候选区域集合中的每一候选区域的相关特征参数和已投放区域集合中的每一已投放区域的相关特征参数,其中,所述相关特征参数至少包括:客流量、人均消费水平和相关门店数;

对所述候选区域集合中的每一候选区域的相关特征参数进行特征提取得到所述每一候选区域的第一特征向量,对所述已投放区域集合中的每一已投放区域的相关特征参数进行特征提取得到每一已投放区域的第二特征向量;

对于所述每一候选区域,通过计算所述第一特征向量和所述第二特征向量之间的距离,确定对应候选区域与每一已投放区域之间形成的多个区域对的多个相似度;

在所述已投放区域集合中,按照所述相似度从大到小的顺序,依次确定出第一数量的区域对为目标区域对;

将所述第一数量的目标区域对中的已投放区域,确定为对应候选区域的相似区域;

在所述第一数量的相似区域对应的预设分值中,将具有最高相似度的已投放区域对应的预设分值,确定为对应候选区域的预测分值;

根据每一候选区域对应的预测分值,为所述投放对象确定目标投放区域。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

在所述第一数量的相似区域中,将具有最高占比的预设分值,确定为对应候选区域的预测分值。

3.根据权利要求1所述的方法,其特征在于,所述第一特征向量包括第一组合特征向量;所述第二特征向量包括第二组合特征向量;

所述对所述候选区域集合中的每一候选区域进行特征提取得到每一候选区域的第一特征向量,包括:

对所述候选区域集合中的每一候选区域进行组合特征提取,对应得到每一候选区域的第一组合特征向量;

所述对所述已投放区域集合中的每一已投放区域进行特征提取得到每一已投放区域的第二特征向量,包括:

对所述已投放区域集合中的每一已投放区域进行组合特征提取,对应得到每一已投放区域的第二组合特征向量。

4.根据权利要求3所述的方法,其特征在于,所述第一组合特征向量包括第一区域特征和第一支付特征;所述第二组合特征向量包括第二区域特征和第二支付特征;

所述对所述候选区域集合中的每一候选区域进行组合特征提取,对应得到每一候选区域的第一组合特征向量,包括:

对所述候选区域集合中的每一候选区域,分别进行区域特征提取和支付特征提取,对应得到每一候选区域的所述第一区域特征和所述第一支付特征;

所述对所述已投放区域集合中的每一已投放区域进行组合特征提取,对应得到每一已投放区域的第二组合特征向量,包括:

对所述已投放区域集合中的每一已投放区域,分别进行区域特征提取和支付特征提取,对应得到每一已投放区域的所述第二区域特征和所述第二支付特征。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

在得到每一候选区域的第一特征向量之前,对每一候选区域的第一特征值进行数据预处理,得到处理后的第一特征值;

对应地,采用所述处理后的第一特征值,对对应候选区域进行特征提取,得到每一候选区域的所述第一特征向量。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

在得到每一已投放区域的第二特征向量之前,对每一已投放区域的第二特征值进行数据预处理,得到处理后的第二特征值;

对应地,采用所述处理后的第二特征值,对对应已投放区域进行特征提取,得到每一已投放区域的所述第二特征向量。

7.根据权利要求1所述的方法,其特征在于,所述根据每一候选区域对应的预测分值,为所述投放对象确定目标投放区域,包括:

在所述候选区域集合中,按照所述预测分值从大到小的顺序,依次确定第二数量的候选区域为所述投放对象的目标投放区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010005007.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top