CN112183885A - 一种位置确定方法及装置 - Google Patents

一种位置确定方法及装置 Download PDF

Info

Publication number
CN112183885A
CN112183885A CN202011129632.XA CN202011129632A CN112183885A CN 112183885 A CN112183885 A CN 112183885A CN 202011129632 A CN202011129632 A CN 202011129632A CN 112183885 A CN112183885 A CN 112183885A
Authority
CN
China
Prior art keywords
grid
index
theme
determining
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011129632.XA
Other languages
English (en)
Inventor
刘鸿培
谭乾
陈汉
华锦芝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Unionpay Co Ltd
Original Assignee
China Unionpay Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Unionpay Co Ltd filed Critical China Unionpay Co Ltd
Priority to CN202011129632.XA priority Critical patent/CN112183885A/zh
Publication of CN112183885A publication Critical patent/CN112183885A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0244—Optimization

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请公开一种位置确定方法及装置，其中方法包括：对选址区域进行网格划分，得到多个网格；针对任一网格，获取该网格在当前周期之前的最近K个周期的历史数据；根据最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测该网格在当前周期的各指标的预测指标值；针对任一网格，根据该网格针对同一主题的历史使用效果，确定该网格在该主题下的使用权重；针对任一网格，根据该网格在当前周期的各指标的预测指标值及该网格在该主题下的使用权重，确定该网格是否处于当前周期使用所述主题的选址范围。该方案具有动态、灵活、全面地确定线下广告位选址的优点。

Description

一种位置确定方法及装置
技术领域
本申请实施例涉及数据处理技术领域，尤其涉及一种位置确定方法及装置。
背景技术
目前，以线下广告的选址为例，确定线下广告的投放地址主要是基于人流量，分析指标过于单一，且通常依据统一、静态的指标和权重对选址区域内的网格进行评分，然后将满足评分要求的网格确定为线下广告的投放地址。
然而，现有技术的方案存在时效性弱、权重设置不够灵活以及未考虑线下广告可能影响到的范围的缺点。
申请内容
本申请提供一种位置确定方法及装置，用以解决现有技术在选址时时效性弱、权重设置不够灵活以及未考虑广告可能影响到的范围的问题。
第一方面，本申请实施例提供一种位置确定方法，该方法包括：对选址区域进行网格划分，得到多个网格；针对任一网格，获取所述网格在当前周期之前的最近K个周期的历史数据；根据所述最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值；K为正整数；针对任一网格，根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重；针对任一网格，根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围。
基于该方案，对于选址区域内的多个网格，通过确定任一个网格的预测指标值以及确定它在同一主题下的使用权重，从而最终确定当前周期在该主题下的选址范围。该方案中的各指标除了包括传统意义上的指标，更是考虑了当前周期广告位选址时广告内容、用户特征的指标在内，并动态地获取各指标的预测指标值；此外，对于当前周期广告位选址，通过考虑本次的广告内容/主题在历史选址过程中的使用效果，从而动态地确定各个网格关于本次主题的使用权重；最后，在确定当前周期广告位选址时，通过考虑本次广告内容/主题可能波及到的区域，来最终确定用于投放当前广告的选址范围。该方式具有动态、灵活、全面地确定线下广告位选址的优点。
在一种可能实现的方法中，所述通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值，包括：将所述K个周期的各指标的实际指标值，输入预测模型，得到所述网格在所述当前周期的各指标的预测指标值；所述预测模型是根据历史数据进行训练得到的。
基于该方案，在得到各指标的预测指标值的过程中，通过将多个周期的各指标的实际指标值输入预测模型即可得到，其中，由于该预测模型是通过对历史数据进行训练而得到，在训练该种预测模型的过程中，通过使用近一段时间的历史数据来预测当前时刻的数值，从而使得最终得到各指标的预设指标值具有强的时效性。
在一种可能实现的方法中，所述根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重，包括：获取各网格针对所述主题的历史使用效果；根据所述网格针对所述主题的历史使用效果与各网格针对所述主题的历史使用效果，确定所述网格在所述主题下的使用权重。
基于该方案，在确定某一网格在某一主题下的使用权重的过程中，通过获取每一个网格在历史选址过程中对该主题的使用效果，然后通过结合各个网格关于该主题的历史使用效果来最终确定该网格在该主题下的使用权重。该方案中，由于历史使用效果是结合了选址内容与用户特征而进行确定，从而具有可动态地确定选址区域中每一个网格的权重的优点。
在一种可能实现的方法中，所述根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围，包括：针对任一指标，根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值；根据所述网格的各指标的均衡值及各指标的权重，确定所述网格的综合使用性；根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围。
基于该方案，关于任一指标，通过确定每一个网格在该指标下的均衡值，从而对于任一个网格，通过根据该网格的各指标的均衡值及各指标的权重，确定该网格的综合使用性，最终通过结合该网格的综合使用性和该网格在本次主题下的使用权重，来确定使用该主题的选址范围。
在一种可能实现的方法中，所述根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围，包括：根据各网格的综合使用性及各网格在所述主题下的使用权重，按照各选址范围共同使用效果最大化要求，确定各选址范围。
基于该方案，通过采用每一个网格的综合使用性以及使用权重作为确定选址范围的依据，从而使得当在所确定出的选址范围上投放本次主题的广告时，可最大化地发挥出对本次主题的宣传效力。
在一种可能实现的方法中，通过如下目标函数实现按照各选址范围共同使用效果最大化要求，确定各选址范围，包括：
Figure BDA0002734702530000031
n≤N，d∈D；其中，N用于表示N个选址范围，n用于表示N个选址范围中的任一个选址范围，d用于表示各选址范围的半径；R用于表示各选址范围的坐标值；Si用于表示各网格的综合使用性，Wi用于表示各网格在所述主题下的使用权重，所述i用于表示所述多个网格中的任一个网格的网格编号。
在一种可能实现的方法中，所述根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值，包括：
Figure BDA0002734702530000041
其中，
Figure BDA0002734702530000042
用于表示所述网格在所述指标的均衡值，所述
Figure BDA0002734702530000043
用于表示所述网格在所述指标的预测指标值，所述
Figure BDA0002734702530000044
用于表示各网格在所述指标的预测指标值的均值，所述
Figure BDA0002734702530000045
用于表示各网格在所述指标的预测指标值的标准差；其中，所述i用于表示所述多个网格中的任一个网格的网格编号，所述j用于表示各指标中的任一指标。
第二方面，本申请实施例提供一种确定位置确定装置，该装置包括：网格生成单元，用于对选址区域进行网格划分，得到多个网格；预测指标值确定单元，用于针对任一网格，获取所述网格在当前周期之前的最近K个周期的历史数据；根据所述最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值；K为正整数；使用权重确定单元，用于针对任一网格，根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重；位置判定单元，用于针对任一网格，根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围。
基于该方案，对于选址区域内的多个网格，通过确定任一个网格的预测指标值以及确定它在同一主题下的使用权重，从而最终确定当前周期在该主题下的选址范围。该方案中的各指标除了包括传统意义上的指标，更是考虑了当前周期广告位选址时广告内容、用户特征的指标在内，并动态地获取各指标的预测指标值；此外，对于当前周期广告位选址，通过考虑本次的广告内容/主题在历史选址过程中的使用效果，从而动态地确定各个网格关于本次主题的使用权重；最后，在确定当前周期广告位选址时，通过考虑本次广告内容/主题可能波及到的区域，来最终确定用于投放当前广告的选址范围。该方式具有动态、灵活、全面地确定线下广告位选址的优点。
在一种可能实现的方法中，所述预测指标值确定单元，具体用于：将所述K个周期的各指标的实际指标值，输入预测模型，得到所述网格在所述当前周期的各指标的预测指标值；所述预测模型是根据历史数据进行训练得到的。
基于该方案，在得到各指标的预测指标值的过程中，通过将多个周期的各指标的实际指标值输入预测模型即可得到，其中，由于该预测模型是通过对历史数据进行训练而得到，在训练该种预测模型的过程中，通过使用近一段时间的历史数据来预测当前时刻的数值，从而使得最终得到各指标的预设指标值具有强的时效性。
在一种可能实现的方法中，所述使用权重确定单元，具体用于：获取各网格针对所述主题的历史使用效果；根据所述网格针对所述主题的历史使用效果与各网格针对所述主题的历史使用效果，确定所述网格在所述主题下的使用权重。
基于该方案，在确定某一网格在某一主题下的使用权重的过程中，通过获取每一个网格在历史选址过程中对该主题的使用效果，然后通过结合各个网格关于该主题的历史使用效果来最终确定该网格在该主题下的使用权重。该方案中，由于历史使用效果是结合了选址内容与用户特征而进行确定，从而具有可动态地确定选址区域中每一个网格的权重的优点。
在一种可能实现的方法中，所述位置判定单元，具体用于：针对任一指标，根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值；根据所述网格的各指标的均衡值及各指标的权重，确定所述网格的综合使用性；根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围。
基于该方案，关于任一指标，通过确定每一个网格在该指标下的均衡值，从而对于任一个网格，通过根据该网格的各指标的均衡值及各指标的权重，确定该网格的综合使用性，最终通过结合该网格的综合使用性和该网格在本次主题下的使用权重，来确定使用该主题的选址范围。
在一种可能实现的方法中，所述位置判定单元，具体用于根据各网格的综合使用性及各网格在所述主题下的使用权重，按照各选址范围共同使用效果最大化要求，确定各选址范围。
基于该方案，通过采用每一个网格的综合使用性以及使用权重作为确定选址范围的依据，从而使得当在所确定出的选址范围上投放本次主题的广告时，可最大化地发挥出对本次主题的宣传效力。
在一种可能实现的方法中，所述位置判定单元，具体用于通过如下目标函数实现按照各选址范围共同使用效果最大化要求，确定各选址范围：
Figure BDA0002734702530000061
n≤N，d∈D；其中，N用于表示N个选址范围，n用于表示N个选址范围中的任一个选址范围；d用于表示各选址范围的半径，D用于表示选址区域，R用于表示各选址范围的坐标值，Si用于表示各网格的综合使用性，Wi用于表示各网格在所述主题下的使用权重，所述i用于表示所述多个网格中的任一个网格的网格编号。
在一种可能实现的方法中，所述装置还包括均衡值确定单元；所述均衡值确定单元，用于：
Figure BDA0002734702530000062
其中，
Figure BDA0002734702530000063
用于表示所述网格在所述指标的均衡值，所述
Figure BDA0002734702530000064
用于表示所述网格在所述指标的预测指标值，所述
Figure BDA0002734702530000065
用于表示各网格在所述指标的预测指标值的均值，所述
Figure BDA0002734702530000066
用于表示各网格在所述指标的预测指标值的标准差；其中，所述i用于表示所述多个网格中的任一个网格的网格编号，所述j用于表示各指标中的任一指标。
第三方面，本申请实施例提供了一种计算设备，包括：
存储器，用于存储计算机程序；
处理器，用于调用所述存储器中存储的计算机程序，按照获得的程序执行如第一方面任一所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行如第一方面任一所述的方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供一种位置确定方法；
图2为本申请实施例提供一种位置确定装置；
图3为本申请实施例提供的一种计算设备的示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
目前，在为线下广告选取投放地址的过程中，如若可以选择到最适宜的投放地址，则可以最大程度地发挥线下广告本次想要达到的宣传效果，如吸引足够多的用户对本次广告的产品进行关注、购买。然而，目前的为线下广告选取投放地址的方案，主要是通过对选址区域内的各个网格进行评分，然后依据评分的高低，将满足一定评分要求的网格来作为本次线下广告的投放地址。该过程中，在对网格进行评分时，通过将一些固有指标(如人流量)在过去一段时间内的历史数据作为本次线下广告在该网格的指标值，如将历史半年人流量的均值作为本次线下广告可能会吸引到人流量，同时，当固有指标为多个时，通过为每个指标分配一定的固定权重，最终，根据固定权重以确定每个网格的评分。
综上，针对线下广告位的选址，现有技术的方案存在时效性弱、权重设置不够灵活以及未考虑线下广告可能影响到的范围的缺点。
基于上述技术问题，本申请实施例提供一种位置确定方法，如图1所示，该方法包括以下步骤：
步骤101，对选址区域进行网格划分，得到多个网格。
在本步骤之前，需要说明的是，本申请实施例的方案可以适用于所有线下的选址场景，如为线下广告选择投放地址、营销活动选址、营销商户选址等等场景。作为示例，本申请以为线下广告选择投放地址为例进行说明。
在本步骤中，选址区域可以根据本次广告的投放商的投放需求进行确定，如选址区域可以是基于国家级、省级、市级、县级，以及其他自定义方式确定的区域，本申请不做具体限定。对选址区域进行网格划分，可以是基于预设大小的矩形、正方形、正三角形，以及其他自定义方式确定的网格，对选址区域进行划分，本申请不做具体限定。其中，对于划分得到的多个网格，可以对网格进行编号，以区分多个网格中的各个网格，比如采用i来表示网格编号，如i具体可以等于1、2、3、……等数字。
步骤102，针对任一网格，获取所述网格在当前周期之前的最近K个周期的历史数据；根据所述最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值；K为正整数。
在本步骤中，若当前周期为1天，则在当前周期之前的最近K个周期可以为在当前周期之前的最近一个月中的每一天，换句话说，通过使用在当前周期之前的最近一个月中的每一天的历史数据来整体预测各个指标在当前周期的预测指标值，也可以为在当前周期之前的最近半年中的每一天，换句话说，通过使用在当前周期之前的最近半年中的每一天的历史数据来整体预测各个指标在当前周期的预测指标值，本申请不做具体限定。本步骤中的各指标除了包括传统意义上的指标，更是考虑了本次选址时广告内容、用户特征的指标在内，从而可以更为全面地评估每个网格，以及通过使用历史周期的数据来预测各个指标在当前周期的预测指标值，从而可以动态地评估每个网格。
步骤103，针对任一网格，根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重。
在本步骤中，对于本次广告位选址，通过考虑本次的广告内容/主题在历史选址过程中的使用效果，从而动态地确定各个网格关于本次主题的使用权重。
需要说明的是，本申请实施例的方案适用的场景的是对某一主题的广告再次进行宣传，以强化广告商关于该主题的广告在历史宣传过程中的宣传效果。
步骤104，针对任一网格，根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围。
在本步骤中，对于本次广告位选址，通过考虑本次广告内容/主题可能波及到的区域，来最终确定用于投放本次广告的选址范围。在线下广告的投放过程中，所投放的广告实际能够影响到的范围可能并不仅仅局限于某一个网格，反而是会影响到多个网格，因此，本申请实施例的方案通过根据网格在当前周期的各指标的预测指标值以及在本次主题下的使用权重，判定该网格是否可以纳入当前周期使用所述主题的选址范围之列，也即判定该网格是否是最适宜的用于投放本次广告的位置。
基于该方案，对于选址区域内的多个网格，通过确定任一个网格的预测指标值以及确定它在同一主题下的使用权重，从而最终确定当前周期在该主题下的选址范围。该方案中的各指标除了包括传统意义上的指标，更是考虑了当前周期广告位选址时广告内容、用户特征的指标在内，并动态地获取各指标的预测指标值；此外，对于当前周期广告位选址，通过考虑本次的广告内容/主题在历史选址过程中的使用效果，从而动态地确定各个网格关于本次主题的使用权重；最后，在确定当前周期广告位选址时，通过考虑本次广告内容/主题可能波及到的区域，来最终确定用于投放当前广告的选址范围。该方式具有动态、灵活、全面地确定线下广告位选址的优点。
以下将结合示例分别对上述步骤进行详细说明。
在上述步骤102的一个实施中，所述通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值，包括：将所述K个周期的各指标的实际指标值，输入预测模型，得到所述网格在所述当前周期的各指标的预测指标值；所述预测模型是根据历史数据进行训练得到的。
举个例子，设当前周期是1天，采用在当前周期之前的最近180天中每一天的历史数据来预测每一个网格在当前周期的各指标的预测指标值，也即K的取值为180。如，假设本次线下广告投放的主题是“X闪付-超市扫描优惠”，则用于评价该广告的投放效果的指标可以包括人流量、交易量、交易活跃人数等常规性指标，以及包括有超市消费偏好标签的用户数、超市类商户数量，有扫码交易偏好的用户数等针对性指标。其中，以上的有超市消费偏好标签的用户数、超市类商户数量，有扫码交易偏好的用户数等针对性指标是根据本次线下广告的广告内容和用户特征进行确定的。可以理解的是，对于不同主题的线下广告，根据该广告的广告内容和用户特征，可以由技术人员根据经验、针对性地制定各种评价指标。
关于本次线下投放主题为“X闪付-超市扫描优惠”的广告的选址问题，其中，用于预测各个网格在当前周期的各个指标的预测指标值的预测模型可以通过以下方式训练得到：
首先，设将选址区域按照100米边长的正方形网格进行划分，网格编号为i，根据本次投放广告的广告内容和用户特征，确定用于评分的指标j，以及收集该指标数据的时间点t(数据粒度为天)，则每条数据可表示为
Figure BDA00027347025300001110
然后，建立循环神经网络模型。此处以LSTM模型(long-short term memory，长短期记忆模型)为例进行说明，将每个网格在每个指标上的历史数据作为一条训练数据输入到神经网络中进行训练，具体可以包括定义模型中的各项超参数，如模型的状态更新公式和各个gate的计算公式以及激活函数。
接着，定义模型的时间步长为ts，即使用过去ts天的数据预测第ts+1天的数据，如本申请实施例中将ts设置为180，则表示使用过去180天的数据预测第181天的数据。则模型在网格i的第j个指标上的输入数据为：
Figure BDA0002734702530000111
Figure BDA0002734702530000112
输出数据(预测值)为：
Figure BDA0002734702530000113
Figure BDA0002734702530000114
最后，根据
Figure BDA0002734702530000115
和
Figure BDA0002734702530000116
的差值计算损失函数，并通过梯度下降法更新神经网络中各个参数。
在模型训练完成后，可通过循环预测法预测t+n天的网格指标数据
Figure BDA0002734702530000117
在上述例子中，指标j可用于表示人流量、交易量、交易活跃人数等常规性指标以及有超市消费偏好标签的用户数、超市类商户数量，有扫码交易偏好的用户数等针对性指标中的任一种指标；
Figure BDA0002734702530000118
用于表示任一周期时网格i在指标j下的实际指标值，
Figure BDA0002734702530000119
用于表示任一周期时网格i在指标j下的预测指标值。
需要说明的是，还可以使用RNN模型(Recurrent Neural Network，循环神经网络)、GRU模型(Gated Recurrent Unit，门控循环单元)作为预测模型的基础模型进行训练。
在上述步骤103的一种实施中，所述根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重，包括：获取各网格针对所述主题的历史使用效果；根据所述网格针对所述主题的历史使用效果与各网格针对所述主题的历史使用效果，确定所述网格在所述主题下的使用权重。
在本申请实施例中，出于对相同主题的广告进行再次宣传，以希望可以起到强化相同主题的广告在前期宣传过程中的宣传效果，由此，本申请实施例的方案可更好得适用于为某一主题的广告再度宣传的场景。
如前面的例子中，当本次面临着投放主题为“X闪付-超市扫码优惠”的线下广告的选址问题，说明在本次投放广告之前，同一广告商已经在同一选址区域进行过关于主题为“X闪付-超市扫码优惠”的广告的宣传活动了。如此，在评估每一个网格在该主题下的使用权重时，并设使用权重为Wi，包括：
首先，获取每一个网格在该主题下的历史使用效果，并设历史使用效果为Ei；
然后，对于多个网格中的任一个网格，若该网格上没有进行过关于该主题的广告的宣传活动，则确定该网格在该主题下的使用权重Wi的值为1；若该网格上曾经进行过关于该主题的广告的宣传活动，则以该网格在该主题下的历史使用效果与平均历史使用效果的比值作为该网格在该主题下的使用权重Wi，此时使用权重Wi的计算方式为：
Figure BDA0002734702530000121
其中，m为进行过相同主题的广告的宣传活动的网格个数。
如此，可以确定多个网格中的每一个网格在本次主题下的使用权重Wi。
在上述步骤104的一个实施中，所述根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围，包括：针对任一指标，根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值；根据所述网格的各指标的均衡值及各指标的权重，确定所述网格的综合使用性；根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围。
通过模型预测的方式，针对任一个指标，可以获取每一个网格在该指标下的预测指标值。例如，设选址区域被划分成了5个网格，且用于评价每个网格的指标为2个，则关于这2个指标，在这5个网格中的预测指标值分别为(1，3)、(2，4)、(3，5)、(4，1)、(5，2)。其中，数组(1，3)用于表示这5个网格中的编号为1的网格在这2个指标下的预测指标值，其中的“1”用于表示1号编号的网格在第一个指标下的预测指标值，其中的“3”用于表示1号编号的网格在第二个指标下的预测指标值；数组(2，4)用于表示这5个网格中的编号为2的网格在这2个指标下的预测指标值，其中的“2”用于表示2号编号的网格在第一个指标下的预测指标值，其中的“4”用于表示2号编号的网格在第二个指标下的预测指标值；其余的数组的含义不再赘述。
可选的，所述根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值，包括：
Figure BDA0002734702530000131
其中，
Figure BDA0002734702530000132
用于表示所述网格在所述指标的均衡值，所述
Figure BDA0002734702530000133
用于表示所述网格在所述指标的预测指标值，所述
Figure BDA0002734702530000134
用于表示各网格在所述指标的预测指标值的均值，所述
Figure BDA0002734702530000135
用于表示各网格在所述指标的预测指标值的标准差；其中，所述i用于表示所述多个网格中的任一个网格的网格编号，所述j用于表示各指标中的任一指标。
比如，根据前面的选址区域被划分为5个网格的例子，其中的
Figure BDA0002734702530000136
的计算结果为3，其中的
Figure BDA0002734702530000137
的计算结果为
Figure BDA0002734702530000138
因此：
Figure BDA0002734702530000139
的计算结果为-1.265，其中，
Figure BDA00027347025300001310
用于表示1号编号的网格在第一个指标下的均衡值；
Figure BDA00027347025300001311
的计算结果为0，其中，
Figure BDA00027347025300001312
用于表示1号编号的网格在第二个指标下的均衡值；
Figure BDA00027347025300001313
的计算结果为-0.632，其中，
Figure BDA00027347025300001314
用于表示2号编号的网格在第一个指标下的均衡值；
Figure BDA00027347025300001315
的计算结果为0.632，其中，
Figure BDA00027347025300001316
用于表示2号编号的网格在第二个指标下的均衡值；
Figure BDA0002734702530000141
的计算结果为0，其中，
Figure BDA0002734702530000142
用于表示3号编号的网格在第一个指标下的均衡值；
Figure BDA0002734702530000143
的计算结果为1.265，其中，
Figure BDA0002734702530000144
用于表示3号编号的网格在第二个指标下的均衡值；
Figure BDA0002734702530000145
的计算结果为0.632，其中，
Figure BDA0002734702530000146
用于表示4号编号的网格在第一个指标下的均衡值；
Figure BDA0002734702530000147
的计算结果为-1.265，其中，
Figure BDA0002734702530000148
用于表示4号编号的网格在第二个指标下的均衡值；
Figure BDA0002734702530000149
的计算结果为1.265，其中，
Figure BDA00027347025300001410
用于表示5号编号的网格在第一个指标下的均衡值；
Figure BDA00027347025300001411
的计算结果为-0.632，其中，
Figure BDA00027347025300001412
用于表示5号编号的网格在第二个指标下的均衡值。
在得到每一个网格的各指标的均衡值后，结合各指标的权重值，来确定每一个网格的综合使用性，并设综合使用性为Si。其中，各指标的权重值可以根据实际需求进行设定。
如对于前面的选址区域被划分为5个网格的例子，本申请实施例中将该例子中的所涉及到的2个指标的权重值分别设置为50％，从而，S1的值为-0.6325，S2的值为0，S3的值为0.6325，S4的值为-0.3165，S5的值为0.3165，其中，S1、S2、S3、S4和S5分别用于表示编号为1、2、3、4和5的网格的综合使用性。
如此，在得到每一个网格的综合使用性Si以及它在本次主题下的使用权重Wi后，可以从选址区域中确定本次主题广告的选址范围。
可选的，所述根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围，包括：根据各网格的综合使用性及各网格在所述主题下的使用权重，按照各选址范围共同使用效果最大化要求，确定各选址范围。
可选的，通过如下目标函数实现按照各选址范围共同使用效果最大化要求，确定各选址范围，包括：
Figure BDA00027347025300001413
n≤N，d∈D；其中，N用于表示N个选址范围，n用于表示N个选址范围中的任一个选址范围；d用于表示各选址范围的半径，D用于表示选址区域，R用于表示各选址范围的坐标值，Si用于表示各网格的综合使用性，Wi用于表示各网格在所述主题下的使用权重，所述i用于表示所述多个网格中的任一个网格的网格编号。
例如，关于本次面临着投放主题为“X闪付-超市扫码优惠”的线下广告的选址问题，设广告商在选址区域D内预计设置N个广告投放点位，对于如何确定出这N个广告投放点位的具***置，以使得在所确定出的这N个广告投放点位上投放广告时，可最大程度地带来最好的宣传效果，则可以通过整数线性规划思想，在选址区域内对选址范围的整体分布进行规划的方法，实现选址的整体布局的目标。其中，每一个广告投放点位即为一个选址范围。
具体的，根据每一个网格的综合使用性Si以及它在本次主题下的使用权重Wi，考虑对广告投放点位布局进行优化，最大化选址所带来的宣传效果，设本次主题的广告的线下选址的投放点位个数为N，选址区域为D，每个广告投放点位i的辐射半径为R，位置为d(xi,yi)，并结合每个网格的综合使用性Si和每个网格在本次主题下的使用权重Wi，从而确定每个广告投放点位的预计效果
Figure BDA0002734702530000151
与所覆盖区域的价值得分V(d,R,Si,Wi)有关，则规划模型的目标函数为：
Figure BDA0002734702530000152
通过求解上述规划模型，则得到每个广告投放点位的推荐位置d。
在得到每个广告投放点位的推荐位置d后，可以通过以下两种方式开展本次主题的线下广告的投放工作：
方式1，存在候选投放地址，则选取距离推荐位置最近的一个候选投放地址作为本次主题的线下广告的投放点位。比如投放地铁广告，通过求解规划模型，确定出a，b，c三个推荐位置，同时候选的10个地铁站分别为1，2，3，……10，那么可选择距离推荐位置a最近的地铁站比如2，距离推荐位置b最近的地铁站比如4，距离推荐位置c最近的地铁站比如6，作为最终的选址结果，进行广告的投放。
方式2，不存在候选投放地址，则直接以推荐位置d作为本次主题的线下广告的投放点位。比如，在选址区域D内找到经纬度分别为xp和yp对应的位置p，采用易拉宝的形式进行广告投放，其中，p是通过求解规划模型得到的一个推荐位置。
基于同样的构思，本申请实施例还提供一种位置确定装置，如图2所示，该装置包括：
网格生成单元201，用于对选址区域进行网格划分，得到多个网格；
预测指标值确定单元202，用于针对任一网格，获取所述网格在当前周期之前的最近K个周期的历史数据；根据所述最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值；K为正整数；
使用权重确定单元203，用于针对任一网格，根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重；
位置判定单元204，用于针对任一网格，根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围。
进一步地，对于该装置，预测指标值确定单元202，具体用于将所述K个周期的各指标的实际指标值，输入预测模型，得到所述网格在所述当前周期的各指标的预测指标值；所述预测模型是根据历史数据进行训练得到的。
进一步地，对于该装置，使用权重确定单元203，具体用于获取各网格针对所述主题的历史使用效果；根据所述网格针对所述主题的历史使用效果与各网格针对所述主题的历史使用效果，确定所述网格在所述主题下的使用权重。
进一步地，对于该装置，位置判定单元204，具体用于针对任一指标，根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值；根据所述网格的各指标的均衡值及各指标的权重，确定所述网格的综合使用性；根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围。
进一步地，对于该装置，位置判定单元204，具体用于根据各网格的综合使用性及各网格在所述主题下的使用权重，按照各选址范围共同使用效果最大化要求，确定各选址范围。
进一步地，对于该装置，位置判定单元204，具体用于通过如下目标函数实现按照各选址范围共同使用效果最大化要求，确定各选址范围：
Figure BDA0002734702530000171
n≤N，d∈D；其中，N用于表示N个选址范围，n用于表示N个选址范围中的任一个选址范围；d用于表示各选址范围的半径，D用于表示选址区域，R用于表示各选址范围的坐标值，Si用于表示各网格的综合使用性，Wi用于表示各网格在所述主题下的使用权重，所述i用于表示所述多个网格中的任一个网格的网格编号。
进一步地，对于该装置，还包括均衡值确定单元205；均衡值确定单元205用于：
Figure BDA0002734702530000172
其中，
Figure BDA0002734702530000173
用于表示所述网格在所述指标的均衡值，所述
Figure BDA0002734702530000174
用于表示所述网格在所述指标的预测指标值，所述
Figure BDA0002734702530000175
用于表示各网格在所述指标的预测指标值的均值，所述
Figure BDA0002734702530000176
用于表示各网格在所述指标的预测指标值的标准差；其中，所述i用于表示所述多个网格中的任一个网格的网格编号，所述j用于表示各指标中的任一指标。
本申请实施例提供了一种计算设备，该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)等。该计算设备可以包括中央处理器(Center Processing Unit，CPU)、存储器、输入/输出设备等，输入设备可以包括键盘、鼠标、触摸屏等，输出设备可以包括显示设备，如液晶显示器(Liquid Crystal Display，LCD)、阴极射线管(Cathode Ray Tube，CRT)等。
存储器，可以包括只读存储器(ROM)和随机存取存储器(RAM)，并向处理器提供存储器中存储的程序指令和数据。在本申请实施例中，存储器可以用于存储位置确定方法的程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行位置确定方法。
如图3所示，为本申请实施例提供的一种计算设备的示意图，该计算设备包括：
处理器301、存储器302、收发器303、总线接口304；其中，处理器301、存储器302与收发器303之间通过总线305连接；
所述处理器301，用于读取所述存储器302中的程序，执行上述位置确定方法；
处理器301可以是中央处理器(central processing unit，简称CPU)，网络处理器(network processor，简称NP)或者CPU和NP的组合。还可以是硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，简称ASIC)，可编程逻辑器件(programmable logic device，简称PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，简称CPLD)，现场可编程逻辑门阵列(field-programmable gate array，简称FPGA)，通用阵列逻辑(generic array logic,简称GAL)或其任意组合。
所述存储器302，用于存储一个或多个可执行程序，可以存储所述处理器301在执行操作时所使用的数据。
具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器302可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，简称RAM)；存储器302也可以包括非易失性存储器(non-volatile memory)，例如快闪存储器(flash memory)，硬盘(hard disk drive，简称HDD)或固态硬盘(solid-state drive，简称SSD)；存储器302还可以包括上述种类的存储器的组合。
存储器302存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：
操作指令：包括各种操作指令，用于实现各种操作。
操作***：包括各种***程序，用于实现各种基础业务以及处理基于硬件的任务。
总线305可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
总线接口304可以为有线通信接入口，无线总线接口或其组合，其中，有线总线接口例如可以为以太网接口。以太网接口可以是光接口，电接口或其组合。无线总线接口可以为WLAN接口。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行位置确定方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种位置确定方法，其特征在于，包括：
对选址区域进行网格划分，得到多个网格；
针对任一网格，获取所述网格在当前周期之前的最近K个周期的历史数据；根据所述最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值；K为正整数；
针对任一网格，根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重；
针对任一网格，根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围。
2.如权利要求1所述的方法，其特征在于，
所述通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值，包括：
将所述K个周期的各指标的实际指标值，输入预测模型，得到所述网格在所述当前周期的各指标的预测指标值；所述预测模型是根据历史数据进行训练得到的。
3.如权利要求1所述的方法，其特征在于，
所述根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重，包括：
获取各网格针对所述主题的历史使用效果；
根据所述网格针对所述主题的历史使用效果与各网格针对所述主题的历史使用效果，确定所述网格在所述主题下的使用权重。
4.如权利要求1-3任一项所述的方法，其特征在于，
所述根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围，包括：
针对任一指标，根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值；
根据所述网格的各指标的均衡值及各指标的权重，确定所述网格的综合使用性；
根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围。
5.如权利要求4所述的方法，其特征在于，
所述根据所述网格的综合使用性和所述网格在所述主题下的使用权重，确定使用所述主题的选址范围，包括：
根据各网格的综合使用性及各网格在所述主题下的使用权重，按照各选址范围共同使用效果最大化要求，确定各选址范围。
6.如权利要求5所述的方法，其特征在于，
通过如下目标函数实现按照各选址范围共同使用效果最大化要求，确定各选址范围，包括：
Figure FDA0002734702520000021
n≤N，d∈D；
其中，N用于表示N个选址范围，n用于表示N个选址范围中的任一个选址范围；d用于表示各选址范围的半径，D用于表示选址区域，R用于表示各选址范围的坐标值；Si用于表示各网格的综合使用性，Wi用于表示各网格在所述主题下的使用权重，所述i用于表示所述多个网格中的任一个网格的网格编号。
7.如权利要求4所述的方法，其特征在于，
所述根据所述网格在所述指标的预测指标值和各网格在所述指标的预测指标值，确定所述网格在所述指标的均衡值，包括：
Figure FDA0002734702520000031
其中，
Figure FDA0002734702520000032
用于表示所述网格在所述指标的均衡值，所述
Figure FDA0002734702520000033
用于表示所述网格在所述指标的预测指标值，所述
Figure FDA0002734702520000034
用于表示各网格在所述指标的预测指标值的均值，所述
Figure FDA0002734702520000035
用于表示各网格在所述指标的预测指标值的标准差；其中，所述i用于表示所述多个网格中的任一个网格的网格编号，所述j用于表示各指标中的任一指标。
8.一种位置确定装置，其特征在于，包括：
网格生成单元，用于对选址区域进行网格划分，得到多个网格；
预测指标值确定单元，用于针对任一网格，获取所述网格在当前周期之前的最近K个周期的历史数据；根据所述最近K个周期中每个周期的历史数据，确定每个周期的各指标的实际指标值；通过K个周期的各指标的实际指标值，预测所述网格在所述当前周期的各指标的预测指标值；K为正整数；
使用权重确定单元，用于针对任一网格，根据所述网格针对同一主题的历史使用效果，确定所述网格在所述主题下的使用权重；
位置判定单元，用于针对任一网格，根据所述网格在所述当前周期的各指标的预测指标值及所述网格在所述主题下的使用权重，确定所述网格是否处于所述当前周期使用所述主题的选址范围。
9.一种计算机设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于调用所述存储器中存储的计算机程序，按照获得的程序执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，当所述程序在计算机上运行时，使得计算机实现执行如权利要求1-7任一项所述的方法。
CN202011129632.XA 2020-10-21 2020-10-21 一种位置确定方法及装置 Pending CN112183885A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011129632.XA CN112183885A (zh) 2020-10-21 2020-10-21 一种位置确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011129632.XA CN112183885A (zh) 2020-10-21 2020-10-21 一种位置确定方法及装置

Publications (1)

Publication Number Publication Date
CN112183885A true CN112183885A (zh) 2021-01-05

Family

ID=73923058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011129632.XA Pending CN112183885A (zh) 2020-10-21 2020-10-21 一种位置确定方法及装置

Country Status (1)

Country Link
CN (1) CN112183885A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113793171A (zh) * 2021-08-27 2021-12-14 浙江新再灵科技股份有限公司 基于多维数据的区域划分方法、装置、存储介质及设备
CN115983911A (zh) * 2023-01-03 2023-04-18 上海弘跃网络科技有限公司 一种体验式互动营销广告投放***

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592235A (zh) * 2011-12-28 2012-07-18 北京品友互动信息技术有限公司 一种互联网广告投放***
CN107480187A (zh) * 2017-07-10 2017-12-15 北京京东尚科信息技术有限公司 基于聚类分析的用户价值分类方法和装置
CN108009677A (zh) * 2017-11-29 2018-05-08 黑龙江鑫联华信息股份有限公司 一种选址方法
CN109615226A (zh) * 2018-12-12 2019-04-12 焦点科技股份有限公司 一种运营指标异常监测方法
CN110084634A (zh) * 2019-03-18 2019-08-02 平安科技（深圳）有限公司 广告投放优化方法、装置、计算机设备及存储介质
CN110599240A (zh) * 2019-08-23 2019-12-20 腾讯科技（深圳）有限公司 应用的偏好值确定方法、装置和设备及存储介质
CN110837930A (zh) * 2019-11-07 2020-02-25 腾讯科技（深圳）有限公司 一种选址方法、装置、设备及存储介质
CN111177287A (zh) * 2018-11-09 2020-05-19 口碑(上海)信息技术有限公司 广告投放方法及其装置
CN111325310A (zh) * 2018-12-13 2020-06-23 ***通信集团有限公司 一种数据预测方法、装置及存储介质
CN111768251A (zh) * 2020-09-03 2020-10-13 北京悠易网际科技发展有限公司 一种基于流量信息评估的广告投放方法、装置及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592235A (zh) * 2011-12-28 2012-07-18 北京品友互动信息技术有限公司 一种互联网广告投放***
CN107480187A (zh) * 2017-07-10 2017-12-15 北京京东尚科信息技术有限公司 基于聚类分析的用户价值分类方法和装置
CN108009677A (zh) * 2017-11-29 2018-05-08 黑龙江鑫联华信息股份有限公司 一种选址方法
CN111177287A (zh) * 2018-11-09 2020-05-19 口碑(上海)信息技术有限公司 广告投放方法及其装置
CN109615226A (zh) * 2018-12-12 2019-04-12 焦点科技股份有限公司 一种运营指标异常监测方法
CN111325310A (zh) * 2018-12-13 2020-06-23 ***通信集团有限公司 一种数据预测方法、装置及存储介质
CN110084634A (zh) * 2019-03-18 2019-08-02 平安科技（深圳）有限公司 广告投放优化方法、装置、计算机设备及存储介质
CN110599240A (zh) * 2019-08-23 2019-12-20 腾讯科技（深圳）有限公司 应用的偏好值确定方法、装置和设备及存储介质
CN110837930A (zh) * 2019-11-07 2020-02-25 腾讯科技（深圳）有限公司 一种选址方法、装置、设备及存储介质
CN111768251A (zh) * 2020-09-03 2020-10-13 北京悠易网际科技发展有限公司 一种基于流量信息评估的广告投放方法、装置及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113793171A (zh) * 2021-08-27 2021-12-14 浙江新再灵科技股份有限公司 基于多维数据的区域划分方法、装置、存储介质及设备
CN113793171B (zh) * 2021-08-27 2023-11-07 浙江新再灵科技股份有限公司 基于多维数据的区域划分方法、装置、存储介质及设备
CN115983911A (zh) * 2023-01-03 2023-04-18 上海弘跃网络科技有限公司 一种体验式互动营销广告投放***

Similar Documents

Publication Publication Date Title
Mao et al. Faster deliveries and smarter order assignments for an on-demand meal delivery platform
CN103971170B (zh) 一种用于对特征信息的变化进行预测的方法和装置
CN108399195A (zh) 支付渠道的推荐方法及装置
US20200234218A1 (en) Systems and methods for entity performance and risk scoring
CN106097044A (zh) 一种数据推荐处理方法以及装置
CN109213936B (zh) 商品搜索方法和装置
CN108460618A (zh) 一种资源配置方法及装置，电子设备
CN112183885A (zh) 一种位置确定方法及装置
Bessonova et al. Digitalization as a tool for innovative economic development.
CN106779999A (zh) 财务状况认定方法和装置
EP4207018A1 (en) Stocking quantity determination method and apparatus, and computer storage medium and electronic device
Miltenburg et al. Order quantities for style goods with two order opportunities and Bayesian updating of demand. Part I: no capacity constraints
Zhang et al. Assessment of regional economic restorability under the stress of COVID-19 using the new interval type-2 fuzzy ORESTE method
CN109190040A (zh) 基于协同演化的个性化推荐方法及装置
KR102564359B1 (ko) 온라인 마켓에서 판매 상품의 판매 가격을 결정하는 방법
Gulpinar et al. Robust investment strategies with discrete asset choice constraints using DC programming
WO2020150597A1 (en) Systems and methods for entity performance and risk scoring
WO2014020299A1 (en) Location evaluation
CN115049429A (zh) 增益预测方法、装置和计算机设备
CN112581153B (zh) 资源分配方法、资源分配装置、存储介质和电子设备
CN115619423A (zh) 基于工程三维模型的投标报价预测方法、装置及存储介质
CN108615117A (zh) 一种航运承载力评价方法、装置及存储介质
CN110163585B (zh) 一种电子红包的发放方法及装置
Alam et al. HUMAN CAPITAL QUALITY DEVELOPMENT STRATEGY IN EFFORTS TO IMPROVE ECONOMIC GROWTH IN BOALEMO DISTRICT, GORONTALO PROVINCE.
CN109472454B (zh) 活动评估方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination