[发明专利]一种基于迁移学习的商铺最优化选址方法

权利要求书

1.一种基于迁移学习的商铺最优化选址方法，包括：

(1)以每个城市的道路路网为边界，将城市划分成若干个相邻的区域；

(2)采集每个区域的社交媒体数据和物理传感器数据组成数据样本，并利用数据样本构造每个区域内与选址相关的社交媒体特征和物理传感器特征组成特征数据；

(3)对每个区域的特征数据进行处理融合处理，得到融合特征；

(4)利用政府公告、城市规划数据构造每个区域的规则特征；

(5)选择需要选址的城市作为目标城市，选取相对于目标城市样本数据和特征数据更多的城市构造来源城市，利用目标城市与来源城市的融合特征对分类器进行训练，得到商铺最优化预选址模型；

(6)将城市商铺最优化预选址模型分别与目标城市中每个区域的规则特征叠加，得到多个区域商铺最优化选址模型；

(7)利用目标城市中的每个区域商铺最优化选址模型分别对区域商铺最优化选址模型对应的区域进行测试，最终确定商铺选址最优区域。

2.如权利要求1所述的基于迁移学习的商铺最优化选址方法，其特征在于，所述的社交媒体数据指的是从微博、大众点评获得的社交媒体文本，并以分析社交媒体文本获得的词向量、词频率以及用户对区域内商铺的环境、服务的评分作为社交媒体特征。

3.如权利要求1所述的基于迁移学习的商铺最优化选址方法，其特征在于，所述的物理传感器数据指的是从交通、公交车、房地产价格、兴趣点以及商业圈获得数据。

4.如权利要求3所述的基于迁移学习的商铺最优化选址方法，其特征在于，以计算得到的区域内每天不同时间段交通状况均值作为交通特征；以计算得到的区域内公交车班数和车流量作为公交特征；以计算得到的区域内房价均值作为房价特征；以计算得到的区域内要开的商铺的同类商铺和总商铺比值作为竞争特征。

5.如权利要求1所述的基于迁移学习的商铺最优化选址方法，其特征在于，所述步骤(3)的具体步骤为：

(3-1)根据数据采集点所在位置与数据采集点相邻的目标区域之间的距离或数据采集点所在的区域与该所在区域相邻的目标区域之间的面积对该数据采集点采集得到的特征数据设置相应的权重；得到预处理特征数据；

(3-2)利用多视图算法对每个区域内不同种类的预处理特征数据进行融合，得到融合特征。

6.如权利要求5所述的基于迁移学习的商铺最优化选址方法，其特征在于，以数据采集点与该采集点相邻的目标区域之间的距离的倒数；或，数据采集点所在区域与该所在区域相邻的目标区域之间的面积比值，作为该数据采集点采集得到的特征数据的权重。

7.如权利要求1所述的基于迁移学习的商铺最优化选址方法，其特征在于，所述的规则特征Condition为修地铁站、进行拆迁或规划新商圈，且每个规则特征的数据值是经验值，通过统计经验得到，取值范围0～2。

8.如权利要求1所述的基于迁移学习的商铺最优化选址方法，其特征在于，所述步骤(5)的具体步骤为：

(5-1)选择需要选址的城市作为目标城市，选取相对于目标城市样本数据和特征数据更多的城市构造来源城市；

(5-2)判断目标城市与来源城市的特征相对熵是否小于阈值，若是，执行步骤(5-3)，若否，执行步骤(5-4)；

(5-3)将来源城市中的每个区域的融合特征数据与目标城市中每个区域的融合特征数据合并组成样本集，将来源城市与目标城市中每个区域的兴趣点组成真值集，并将样本集作为分类器的输入，将真值集作为分类器的输出，训练分类器，得到商铺最优化预选址模型；

(5-4)利用自编码器将目标城市中每个区域的融合特征与来源城市中每个区域的融合特性合并到一个中间公共特征空间，以中间公共特征空间的向量作为分类器的输入，以向量对应的真实兴趣点客流作为分类器的真值标签，对分类器进行训练，得到商铺最优化预选址模型。