[发明专利]令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质

权利要求书

1.令人工神经网络具备店铺选址能力的训练方法，其特征是，包括如下步骤：

P.在已存在对待选址店铺的影响程度达到预设程度的多个相关店铺，且影响程度最高的相关店铺有多个分店的情况下，对多个分店各自执行样本获取步骤，获得多组学习样本，其中对每个分店执行的样本获取步骤包括如下A、B、C、D：

——A.获取该分店的营业数据；

——B.获取该分店的周边预定范围内的商业兴趣点数据；

——C.获取该分店的周边预定范围内的对该待选址店铺的影响程度达到预设程度的其他相关店铺数量；

——D.以所述商业兴趣点数据和所述其他相关店铺数量作为输入信号，以该分店的营业数据是否达到对应于店铺选址标准的预设值作为输出信号，构成供人工神经网络进行店铺选址训练的一组学习样本；

Q.采用上述多组学习样本对人工神经网络进行店铺选址训练，直至该人工神经网络具备根据待选的店铺地点的周边预定范围内的商业兴趣点数据，并根据待选的店铺地点的周边预定范围内的影响程度达到预设程度的其他相关店铺数量，来预测待选址店铺的营业数据是否达到所述预设值的能力，从而使得人工神经网络能把待选址店铺选址在营业数据达到所述预设值的店铺地点。

2.根据权利要求1所述的训练方法，其特征是：在所述步骤C中，所获取的其他相关店铺数量中，包括对该分店的营业数据产生正影响的正相关店铺数量，以及对该分店的营业数据产生负影响的负相关店铺数量；所述正相关店铺数量越多，该分店的营业数据越高；所述负相关店铺数量越多，该分店的营业数据越低。

3.店铺选址方法，其特征是，包括如下步骤：

a.获取待选的店铺地点；

b.获取该店铺地点的周边预定范围内的商业兴趣点数据；

c.获取该店铺地点的周边预定范围内的对待选址店铺的影响程度达到预设程度的其他相关店铺数量；

d.把所述商业兴趣点数据和所述其他相关店铺数量输入到已训练好的人工神经网络，由该人工神经网络据此预测该待选址店铺的营业数据是否达到对应于店铺选址标准的预设值，若达到则把该待选址店铺选址在该店铺地点。

4.根据权利要求3所述的店铺选址方法，其特征是：在所述步骤c中，所获取的对该待选址店铺的影响程度达到预设程度的其他相关店铺数量中，包括对该待选址店铺的营业数据产生正影响的正相关店铺数量，以及对该待选址店铺的营业数据产生负影响的负相关店铺数量；所述正相关店铺数量越多，该待选址店铺的营业数据越高；所述负相关店铺数量越多，该待选址店铺的营业数据越低。

5.根据权利要求3所述的店铺选址方法，其特征是，所述已训练好的人工神经网络是执行如权利要求1或2所述的训练方法后得到的人工神经网络。

6.计算机可读存储介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行时实现如权利要求1或2所述的训练方法和/或权利要求3至5任一项所述的店铺选址方法。

7.店铺选址系统，包括相互连接的计算机可读存储介质和处理器，其特征是，计算机可读存储介质如权利要求6所述。