[发明专利]一种基于聚类的店铺销售占比的确定方法及装置

权利要求书

1.一种基于聚类的店铺销售占比的确定方法，其特征在于，所述基于聚类的店铺销售占比的确定方法包括：

获取多个目标店铺在第一历史时间段内的多个历史销售占比；

基于所述多个历史销售占比对所述多个目标店铺进行聚类，得到多个店铺群；

将各个所述目标店铺所属的店铺群的类别确定为各个目标店铺的店铺类别；

基于各个所述目标店铺在所述第一历史时间段内的店铺特征数据和对应的店铺类别训练预设分类模型，得到店铺分类模型；

获取待预测店铺在第二历史时间段内的店铺特征数据；

将待预测店铺在第二历史时间段内的店铺特征数据输入所述店铺分类模型，得到所述待预测店铺的店铺类型；

将店铺类型与所述待预测店铺相同的多个目标店铺的预测销售占比的平均值确为所述待预测店铺的预测销售占比。

2.根据权利要求1所述的基于聚类的店铺销售占比的确定方法，其特征在于，所述基于各个所述目标店铺在所述第一历史时间段内的店铺特征数据和对应的店铺类别训练预设分类模型，得到店铺分类模型，包括：

获取各个所述目标店铺的店铺特征数据；

判断各个所述目标店铺的店铺特征数据的时间长度是否超过第一历史时间段；

基于时间长度超过第一历史时间段的各个目标店铺的店铺特征数据和对应的店铺类别训练预设分类模型，得到所述店铺分类模型。

3.根据权利要求1所述的基于聚类的店铺销售占比的确定方法，其特征在于，所述基于所述多个历史销售占比对所述多个目标店铺进行聚类，得到多个店铺群，包括：

利用K-Means聚类算法基于所述多个历史销售占比对所述多个目标店铺进行聚类，得到多个店铺群。

4.根据权利要求1所述的基于聚类的店铺销售占比的确定方法，其特征在于，所述第一历史时间段的时间长度不小于一年，所述第二历史时间段的时间长度不大于三个月。

5.根据权利要求1所述的基于聚类的店铺销售占比的确定方法，其特征在于，所述预设分类模型包括依次设置的第一Dense层、dropout层、第一LReLU层、第二Dense层、第二LReLU层以及第三Dense层。

6.根据权利要求5所述的基于聚类的店铺销售占比的确定方法，其特征在于，所述dropout层的rate参数为0.1，所述第一LReLU层和所述第二LReLU层的alpha参数为0.01。

7.根据权利要求1所述的基于聚类的店铺销售占比的确定方法，其特征在于，所述将店铺类型与所述待预测店铺相同的多个目标店铺的预测销售占比的平均值确为所述待预测店铺的预测销售占比，包括：

将店铺类型与所述待预测店铺相同的多个目标店铺的店铺特征数据输入预先训练的店铺目标占比预测模型，得到店铺类型与所述待预测店铺相同的多个目标店铺的预测销售占比；

将店铺类型与所述待预测店铺相同的多个目标店铺的预测销售占比的平均值确为所述待预测店铺的预测销售占比。

8.一种基于聚类的店铺销售占比的确定装置，其特征在于，所述基于聚类的店铺销售占比的确定装置包括：

第一获取单元，用于获取多个目标店铺在第一历史时间段内的多个历史销售占比；

聚类单元，用于基于所述多个历史销售占比对所述多个目标店铺进行聚类，得到多个店铺群；

第一确定单元，用于将各个所述目标店铺所属的店铺群的类别确定为各个目标店铺的店铺类别；

训练单元，用于基于各个所述目标店铺在所述第一历史时间段内的店铺特征数据和对应的店铺类别训练预设分类模型，得到店铺分类模型；

第二获取单元，用于获取待预测店铺在第二历史时间段内的店铺特征数据；

分类单元，用于将待预测店铺在第二历史时间段内的店铺特征数据输入所述店铺分类模型，得到所述待预测店铺的店铺类型；

第二确定单元，用于将店铺类型与所述待预测店铺相同的多个目标店铺的预测销售占比的平均值确为所述待预测店铺的预测销售占比。