本公开的实施例公开了活动信息预测模型生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取训练样本集合，训练样本包括多个属性的属性值和活动信息，多个属性包括以下至少一项：目标场所的客流转化比、目标场所的客流转化比的变化趋势信息、目标场所的地域信息、目标场所的天气信息、目标场所的活动日期的相关信息；对于每个属性，基于训练样本集合中各个训练样本的属性的属性值，确定属性的各个属性值的预设指标值；根据多个属性的各个属性值的预设指标值和活动信息，生成决策树；对决策树进行剪枝，得到活动信息预测模型。该实施方式实现了使得到的活动信息更加准确。动信息更加准确。动信息更加准确。
【技术实现步骤摘要】
活动信息预测模型生成方法、装置、电子设备和介质
[0001]本公开的实施例涉及计算机
，具体涉及活动信息预测模型生成方法、装置、电子设备和计算机可读介质。
技术介绍
[0002]无人超市等场所经常需要开展各种活动。这些活动的活动信息往往通过是管理者根据经验进行确定的。因此，主观性比较强，难以保证其准确性。
技术实现思路
[0003]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了活动信息预测模型生成方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题。
[0004]第一方面，本公开的一些实施例提供了一种活动信息预测模型生成方法，该方法包括：获取训练样本集合，训练样本包括多个属性的属性值和活动信息，多个属性包括以下至少一项：目标场所的客流转化比、目标场所的客流转化比的变化趋势信息、目标场所的地域信息、目标场所的天气信息、目标场所的活动日期的相关信息；对于每个属性，基于训练样本集合中各个训练样本的属性的属性值，确定属性的各个属性值的预设指标值；根据多个属性的各个属性值的预设指标值和活动信息，生成决策树，活动信息是与目标场所在活动日期进行的活动相关的信息；对决策树进行剪枝，得到活动信息预测模型。
[0005]可选的，方法还包括：对于每个属性，根据训练样本集合中包括属性的各个属性值的训练样本的数量，确定属性的各个属性值的权重；以及对于每个属性，基于训练样本集合中各个训练样本的属性的属性值，确定属性的各个属性值的预设指标值，包括：对于每个属性，基于训练样本集合中各个训练样本的属性的属性值和属性的各个属性值的权重，确定属性的各个属性值的预设指标值。
[0006]可选的，根据多个属性的各个属性值的预设指标值和活动信息，生成决策树，包括：对于训练样本集合，执行以下处理步骤：将预设指标值最大的属性值确定为决策树的节点的切分点，切分点将节点切分为两个叶子节点以及将训练样本集合划分为两个训练样本子集合，响应于满足递归条件，将活动信息确定为决策树的输出，得到决策树；响应于未满足递归条件，将每个训练样本子集合确定为训练样本集合，继续执行处理步骤。
[0007]可选的，基于训练样本集合中各个训练样本的属性的属性值，确定属性的各个属性值的预设指标值，包括：响应于确定属性的类别为连续型属性，将属性的属性值的取值区间划分为预设数目个子区间并作为各个属性值；确定属性的各个属性值的预设指标值。
[0008]可选的，方法还包括：获取测试样本集合；将测试样本集合中的测试样本中的多个属性的属性值输入活动信息预测模型，得到预测活动信息；基于混淆矩阵和测试样本中的
活动信息，确定预测活动信息的目标指标。
[0009]可选的，活动信息包括目标场所在活动日期进行的活动的活动级别信息。
[0010]第二方面，本公开的一些实施例提供了一种活动信息预测模型生成装置，装置包括：获取单元，被配置成获取训练样本集合，训练样本包括多个属性的属性值和活动信息，多个属性包括以下至少一项：目标场所的客流转化比、目标场所的客流转化比的变化趋势信息、目标场所的地域信息、目标场所的天气信息、目标场所的活动日期的相关信息；确定单元，被配置成对于每个属性，基于训练样本集合中各个训练样本的属性的属性值，确定属性的各个属性值的预设指标值；生成单元，被配置成根据多个属性的各个属性值的预设指标值和活动信息，生成决策树，活动信息是与目标场所在活动日期进行的活动相关的信息；剪枝单元，被配置成对决策树进行剪枝，得到活动信息预测模型。
[0011]可选的，装置还包括：对于每个属性，根据训练样本集合中包括属性的各个属性值的训练样本的数量，确定属性的各个属性值的权重；以及对于每个属性，基于训练样本集合中各个训练样本的属性的属性值，确定属性的各个属性值的预设指标值，包括：对于每个属性，基于训练样本集合中各个训练样本的属性的属性值和属性的各个属性值的权重，确定属性的各个属性值的预设指标值。
[0012]可选的，生成单元进一步被配置成：对于训练样本集合，执行以下处理步骤：将预设指标值最大的属性值确定为决策树的节点的切分点，切分点将节点切分为两个叶子节点以及将训练样本集合划分为两个训练样本子集合，响应于满足递归条件，将活动信息确定为决策树的输出，得到决策树；响应于未满足递归条件，将每个训练样本子集合确定为训练样本集合，继续执行处理步骤。
[0013]可选的，确定单元进一步被配置成：响应于确定属性的类别为连续型属性，将属性的属性值的取值区间划分为预设数目个子区间并作为各个属性值；确定属性的各个属性值的预设指标值。
[0014]可选的，装置还包括：获取测试样本集合；将测试样本集合中的测试样本中的多个属性的属性值输入活动信息预测模型，得到预测活动信息；基于混淆矩阵和测试样本中的活动信息，确定预测活动信息的目标指标。
[0015]可选的，活动信息包括目标场所在活动日期进行的活动的活动级别信息。
[0016]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0017]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0018]本公开的上述各个实施例具有如下有益效果：通过生成活动信息预测模型可以预测活动信息，由于避免了人为的主观因素，可以更加准确的预测活动信息。在此过程中，由于模型是基于决策树生成的，可以解决训练样本数据缺失的问题。实践中，由于目标场所发生断电等因素的影响，训练样本集合的数据往往是有缺失的。决策树对于此类问题的包容性强。此外，作为本公开的一个专利技术点，在属性的选取上，选取客流转化比可以有效克服数据波动对于模型造成的影响。具体来说，由于模型是基于决策树生成的，决策树由于其自身的特性，应对数据波动的能力较差。与客流量相比，客流转化比的波动较小，从而可以有效
克服数据波动对于模型造成的影响。此外，还包括了客流转化比的变化趋势、地域信息、天气信息、活动日期的相关信息等，从而可以综合考虑这些因素，使得到的活动信息更加准确。
附图说明
[0019]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0020]图1
‑
图3是根据本公开的一些实施例的活动信息预测模型生成方法的一个应用场景的示意图；
[0021]图4是根据本公开的活动信息预测模型生成方法的一些实施例的流本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种活动信息预测模型生成方法，包括：获取训练样本集合，所述训练样本包括多个属性的属性值和活动信息，所述多个属性包括以下至少一项：目标场所的客流转化比、所述目标场所的客流转化比的变化趋势信息、所述目标场所的地域信息、所述目标场所的天气信息、所述目标场所的活动日期的相关信息；对于每个属性，基于所述训练样本集合中各个训练样本的所述属性的属性值，确定所述属性的各个属性值的预设指标值；根据所述多个属性的各个属性值的预设指标值和所述活动信息，生成决策树，所述活动信息是与所述目标场所在所述活动日期进行的活动相关的信息；对所述决策树进行剪枝，得到所述活动信息预测模型。2.根据权利要求1所述的方法，其中，所述方法还包括：对于每个属性，根据所述训练样本集合中包括所述属性的各个属性值的训练样本的数量，确定所述属性的各个属性值的权重；以及所述对于每个属性，基于所述训练样本集合中各个训练样本的所述属性的属性值，确定所述属性的各个属性值的预设指标值，包括：对于每个属性，基于所述训练样本集合中各个训练样本的所述属性的属性值和所述属性的各个属性值的权重，确定所述属性的各个属性值的预设指标值。3.根据权利要求1所述的方法，其中，所述根据所述多个属性的各个属性值的预设指标值和所述活动信息，生成决策树，包括：对于所述训练样本集合，执行以下处理步骤：将所述预设指标值最大的属性值确定为决策树的节点的切分点，所述切分点将所述节点切分为两个叶子节点以及将所述训练样本集合划分为两个训练样本子集合，响应于满足递归条件，将所述活动信息确定为所述决策树的输出，得到所述决策树；响应于未满足所述递归条件，将每个所述训练样本子集合确定为所述训练样本集合，继续执行所述处理步骤。4.根据权利要求1所述的方法，其中，基于所述训练样本集合中各个训练样本的所述属性的属性值，确定所述...
【专利技术属性】
技术研发人员：吕高帆，朱雪锋，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。