[发明专利]一种基于迁移学习的商铺最优化选址方法

摘要

本发明公开了一种基于迁移学习的商铺最优化选址方法，根据城市路网划分区域；然后利用每个区域内的社交媒体和传感器数据构造特征，利用城市规划等数据构造规则特征，考虑距离等因素乘以相应的权重，并利用多视图学习进行特征融合。利用迁移学习将数据量丰富的大城市选址知识转移到相对较小的城市，训练小城市的最优化商铺选址模型。最后将规则特征和训练好的模型进行融合得到最终的最优选址模型。本发明多视图学习对不同视图数据进行融合，可有效扩展其他来源的数据，同时本发明基于迁移学习技术，对拥有较小样本的小城市也能取得较好的效果。

主权项

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。