[发明专利]模型训练方法、基于模型的红包物料铺设预测方法及装置

权利要求书

1.一种模型训练方法，所述方法包括：

获取至少一条扫码领红包数据和至少一条扫码支付数据；

针对至少一个设定商家中的任一设定商家，根据所述设定商家的相关信息，分别对获取到的每一条数据进行特征提取，获得所述设定商家对应的训练样本，其中，所述训练样本以提取到的特征值为输入值；

利用无监督学习算法与所获得的训练样本进行训练，得到预测模型，所述预测模型以扫码领红包数据的特征值和扫码支付数据的特征值为输入值，以设定商家铺设有红包物料的概率为输出值。

2.根据权利要求1所述的方法，所述设定商家的相关信息至少包括：所述设定商家的位置信息、所述设定商家的收款信息；

所述扫码领红包数据至少包括：红包标识、红包领取位置、红包领取时刻，所述红包标识包括红包码值与红包编号，其中，通过同一二维码领取到的红包具有相同的红包码值，具有不同的红包编号，且通过不同二维码领取到的红包具有不同的红包码值；

所述扫码支付数据至少包括：收款信息、支付位置、支付时刻；或，

收款信息、支付位置、支付时刻、红包标识。

3.根据权利要求2所述的方法，所述根据所述设定商家的相关信息，分别对每一条数据进行特征提取，包括：

将所述设定商家的位置信息和每一条扫码领红包数据中的红包领取位置进行匹配，确定在所述设定商家的指定范围内被领取红包的总个数；

将所述设定商家的位置信息和每一条扫码支付数据中的支付位置进行匹配，确定在所述指定范围内支付交易的总笔数；

将所述被领取红包的总个数与所述支付交易的总笔数之间的比值，作为所述指定范围内的红包领取占比；

根据所述设定商家的位置信息与其他设定商家的位置信息，确定在所述指定范围内的商家数量，并将所述被领取红包的总个数与所述商家数量之间的比值作为所述指定范围内的红包领取密集度；

将所述被领取红包的总个数、所述支付交易的总笔数、所述红包领取占比、所述商家数量，以及所述红包领取密集度作为提取到的特征值。

4.根据权利要求2所述的方法，所述根据所述设定商家的相关信息，分别对每一条数据进行特征提取，包括：

将所述设定商家的收款信息和每一条扫码支付数据中的收款信息进行匹配，将收款信息与所述设定商家的收款信息一致的扫码支付数据作为所述设定商家对应的扫码支付数据；

在所述设定商家对应的扫码支付数据中，将包括红包标识的扫码支付数据确定为目标扫码支付数据；

根据所述目标扫码支付数据确定红包交易占比、红包核销距离离散度、红包核销平均时间间隔、最佳红包码值的贡献度、最佳红包码值的交易占比；

将所述红包交易占比、所述红包核销距离离散度、所述红包核销平均时间间隔、所述最佳红包码值的贡献度、所述最佳红包码值的交易占比作为提取到的特征值。

5.根据权利要求4所述的方法，所述根据所述目标扫码支付数据确定红包交易占比，包括：

将所述目标扫码支付数据的数量与所述设定商家对应的扫码支付数据的数量之间的比值，作为所述设定商家的红包交易占比。

6.根据权利要求4所述的方法，所述根据所述目标扫码支付数据确定红包核销距离离散度、红包核销平均时间间隔，包括：

针对任一条目标扫码支付数据执行以下步骤：

将所述目标扫码支付数据中的红包标识和每一条扫码领红包数据中的红包标识进行匹配，将与所述目标扫码支付数据具有相同红包标识的扫码领红包数据作为所述目标扫码支付数据对应的扫码领红包数据；

根据所述目标扫码支付数据中的支付时刻与其对应的扫码领红包数据中的红包领取时刻确定红包核销时间间隔；

根据所述目标扫码支付数据中的支付位置与其对应的扫码领红包数据中的红包领取位置确定红包核销距离间隔；

计算出所确定的所有红包核销时间间隔的平均值，将所述平均值作为红包核销平均时间间隔；

计算出所确定的所有红包核销距离间隔的方差，将所述方差作为红包核销距离离散度。