(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210926717.3 (22)申请日 2022.08.03 (71)申请人 上海维智卓新信息科技有限公司 地址 200131 上海市浦东 新区自由贸易试 验区祥科路58号1幢9层90 3室 (72)发明人 高云帆　侯方杰　韩冬　郁董卿　 陶闯　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 江银会 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 30/02(2012.01) (54)发明名称 店铺选址模型训练方法及装置 (57)摘要 本发明公开了一种店铺选址模型训练方法 及装置， 该方法包括： 确定目标选址行业的多个 目标店铺信息对应的位置信息； 确定每一所述目 标店铺信息对应的特定区域范围内的至少一个 其他行业店铺的位置信息， 得到多个所述其他行 业店铺的位置信息； 确定每一所述目标店铺信息 或所述其他行业店铺对应的时空特征数据； 将所 有所述目标店铺信息对应的位置信息和时空特 征数据作为正样本训练数据集， 将所有所述其他 行业店铺对应的位置信息和时空特征数据作为 负样本训练数据集， 输入至选址评分训练算法模 型中进行训练直至收敛， 得到选址评分算法模 型。 可见， 本发明能够使得训练得到的算法模型 在进行选址预测时， 提供行业精 准导向的选址服 务， 提高选 址精度和效率。 权利要求书2页 说明书16页 附图2页 CN 115204311 A 2022.10.18 CN 115204311 A 1.一种店铺选 址模型训练方法， 其特 征在于， 所述方法包括： 确定目标选 址行业的多个目标店铺信息对应的位置信息； 根据每一所述目标店铺信 息对应的所述位置信 息， 确定每一所述目标店铺信 息对应的 特定区域范围内的至少一个其他行业店铺的位置信息， 得到多个所述其他行业店铺的位置 信息； 根据每一所述目标店铺信 息或所述其他行业店铺对应的位置信 息， 确定每一所述目标 店铺信息或所述 其他行业店铺对应的时空特 征数据； 将所有所述目标店铺信 息对应的位置信 息和时空特征数据作为正样本训练数据集， 将 所有所述 其他行业店铺对应的位置信息和时空特 征数据作为负 样本训练数据集； 将所述正样本训练数据集和所述负样本训练数据集输入至选址评分训练算法模型中 进行训练直至收敛， 得到 选址评分算法模型。 2.根据权利要求1所述的店铺选址模型训练方法， 其特征在于， 所述根据每一所述目标 店铺信息或所述其他行业店铺 对应的位置信息， 确定每一所述目标店铺信息或所述其他行 业店铺对应的时空特 征数据， 包括： 根据每一所述目标店铺信 息或所述其他行业店铺对应的位置信 息， 以及预设的位置区 域映射关系， 确定每一所述目标店铺信息或所述 其他行业店铺对应的区域信息； 根据每一所述目标店铺信 息或所述其他行业店铺对应的区域信 息， 确定每一所述目标 店铺信息或所述 其他行业店铺对应的时空特 征数据。 3.根据权利要求1所述的店铺选址模型训练方法， 其特征在于， 所述 时空特征数据包括 地理特征数据、 商业特征数据和用户特征数据中的至少一种； 所述地理特征数据包括点位 密集程度特征、 公共交通便利性特征和道路可达性特征中的至少一种； 所述商业特征数据 包括各个商业类别的占比特征， 竞争性水平特征， 商业多样性水平特征以及商业口碑分布 特征中的至少一种； 所述用户特征数据包括常驻人口分布特征、 工作人口分布特征、 用户年 龄段分布特 征和不同时段的聚合轨 迹特征中的至少一种。 4.根据权利要求2所述的店铺选址模型训练方法， 其特征在于， 所述根据每一所述目标 店铺信息或所述其他行业店铺 对应的所述区域信息， 确定每一所述目标店铺信息或所述其 他行业店铺对应的时空特 征数据， 包括： 根据每一所述目标店铺信 息或所述其他行业店铺对应的所述区域信 息， 从预设的区域 时空数据库中， 确定每一所述目标店铺信息或所述 其他行业店铺对应的区域时空数据； 将每一所述目标店铺信息或所述其他行业店铺对应的输入至基于Spark框架的计算模 型中， 以计算得到每一所述目标店铺信息或所述 其他行业店铺对应的时空特 征数据。 5.根据权利要求4所述的店铺选址模型训练方法， 其特征在于， 所述区域 时空数据包括 POI点位数据、 交通站 点数据、 路网结构数据、 业态分布数据、 人口统计数据、 店铺点评数据、 人流轨迹数据、 物流轨 迹数据和车流轨 迹数据中的至少一种 6.根据权利要求1所述的店铺选址模型训练方法， 其特征在于， 所述选址评分训练算法 模型和/或所述选址评分算法模 型包括GBDT算法模型、 MLP算法模型、 ResNet算法模型、 NODE 算法模型、 TabNet算法模型和基于Transformer 架构的算法模型中的至少一种。 7.根据权利要求 4所述的店铺选 址模型训练方法， 其特 征在于， 所述方法还 包括： 在执行所述将所述正样本训练数据集和所述负样本训练数据集输入至选址评分训练权　利　要　求　书 1/2 页 2 CN 115204311 A 2算法模型中进行训练直至 收敛， 得到选址评分算法模型时， 利用所述选址评分训练算法模 型中的特征评估算法模型， 对所述正样本训练数据集和/或所述负样本训练数据集中的所 述时空特 征数据进行评估筛 选， 以得到 重要性水平更高的优选特 征数据； 以及， 所述将每一所述目标店铺信息或所述其他行业店铺对应的输入至基于Spark框 架的计算模型中， 以计算得到每一所述目标店铺信息或所述其他行业店铺 对应的时空特征 数据， 包括： 将每一所述目标店铺信息或所述其他行业店铺对应的输入至基于Spark框架的计算模 型中， 以计算得到每一所述目标店铺信息或所述其他行业店铺 对应的多个候选时空特征数 据； 将每一所述目标店铺信息或所述其他行业店铺对应的多个候选时空特征数据中与所 述优选特征数据的数据参数相同的候选时空特征数据， 确定为每一所述目标店铺信息或所 述其他行业店铺对应的时空特 征数据。 8.根据权利要求1所述的店铺选址模型训练方法， 其特征在于， 所述将所述正样本训练 数据集和所述负样本训练数据集输入至选址评 分训练算法模型中进行训练直至收敛， 得到 选址评分算法模型， 包括： 将所述正样本训练数据集和所述负样本训练数据集输入至选址评分训练算法模型中 进行训练直至收敛， 得到训练好的选 址评分教师算法模型； 对所述选 址评分教师算法模型进行模型蒸馏， 得到 选址评分算法模型。 9.一种店铺选 址模型训练装置， 其特 征在于， 所述装置包括： 第一确定模块， 用于确定目标选 址行业的多个目标店铺信息对应的位置信息； 第二确定模块， 用于根据每一所述目标店铺信息对应的所述位置信息， 确定每一所述 目标店铺信息对应的特定区域范围内的至少一个其他行业店铺的位置信息， 得到多个所述 其他行业店铺的位置信息； 特征确定模块， 用于根据每一所述目标店铺信息或所述其他行业店铺对应的位置信 息， 确定每一所述目标店铺信息或所述 其他行业店铺对应的时空特 征数据； 样本确定模块， 用于将所有所述目标店铺信 息对应的位置信 息和时空特征数据作为正 样本训练数据集， 将所有 所述其他行业店铺对应的位置信息和时空特征数据作为负样本训 练数据集； 模型训练模块， 用于将所述正样本训练数据集和所述负样本训练数据集输入至选址评 分训练算法模型中进行训练直至收敛， 得到 选址评分算法模型。 10.一种店铺选 址模型训练装置， 其特 征在于， 所述装置包括： 存储有可执行程序代码的存 储器； 与所述存 储器耦合的处 理器； 所述处理器调用所述存储器中存储的所述可执行程序代码， 执行如权利要求1 ‑8任一 项所述的店铺选 址模型训练方法。权　利　要　求　书 2/2 页 3 CN 115204311 A 3