门店召回方法、装置、电子设备及存储介质与流程

1.本公开的实施例涉及通信技术领域，尤其涉及一种门店召回方法、装置、电子设备及存储介质。


背景技术：

2.在很多面向b端商户的产品中，都会提供与本店同类(或竞对)门店的数据信息，这是很多b端产品体现自身数据价值和服务能力的重要功能之一。例如，在商家经营日报等bi类产品中，商家管理者除了能看到自身经营数据外，还能看见在周边、商圈、甚至全城同类商家状况排名如何，也能看到竞对门店的最近状况，可以做到知己知彼。或者，在选址助手等选址类产品中，可以根据用户输入的意向门店信息，给出当前区域类似门店的经营状况，以让用户更好地参考。
3.在以上这些功能中都依赖门店信息(或输入的信息等)召回同类相似门店的能力，这种能力能够利用的信息越多，召回的门店就越精准，越能体现产品的应用价值。
4.而在市面大多数产品中，往往只能通过一些离散的标签进行召回，如经营门店的品类、地域、人群画像等。对于一些连续型的特征，如面积、客单价等，一般也要通过分段处理变成如“面积大”、“高消费”这样的离散标签。而对于一些重要的分布性质的特征如笔单价、客群分布、餐桌比例等，一般无法处理，进而导致同类门店的召回效率较低。


技术实现要素：

5.本公开的实施例提供一种门店召回方法、装置、电子设备及存储介质，用以提高召回同类门店的效率。
6.根据本公开的实施例的第一方面，提供了一种门店召回方法，包括：
7.根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度；
8.根据所述平均桶内偏移度，从所述多个设定桶距中筛选出目标桶距；
9.根据所述目标桶距对所述第一业务数据进行划分，得到多个分桶业务数据；
10.根据所述多个分桶业务数据，生成第一哈希索引值；
11.根据候选同行门店内的目标类型的第二业务数据和所述目标桶距，生成所述候选同行门店对应的第二哈希索引值；
12.根据所述第一哈希索引值和所述第二哈希索引值，获取所述候选同行门店中的目标同行门店，并将所述目标同行门店推荐给所述目标门店。
13.可选地，所述根据所述平均桶内偏移度，从所述多个设定桶距中筛选出目标桶距，包括：
14.根据所述多个设定桶距对应的平均桶内偏移度和所述多个设定桶距，构建偏移度曲线；
15.根据所述偏移度曲线，从所述多个设定桶距中筛选得到所述目标桶距。
16.可选地，所述根据所述多个分桶业务数据，生成第一哈希索引值，包括：
17.根据所述多个分桶业务数据，计算得到分布相似度；
18.根据预先获取的相似阈值，确定生成哈希索引的长度参数；
19.基于所述分布相似度和所述长度参数对所述多个分桶业务数据进行哈希计算，生成所述分桶业务数据对应的目标个数的第一哈希索引值。
20.可选地，所述根据所述第一哈希索引值和所述第二哈希索引值，获取所述候选同行门店中的目标同行门店，并将所述目标同行门店推荐给所述目标门店，包括：
21.获取所述第二哈希索引值与匹配的第一哈希索引值之间的哈希差值；
22.根据所述哈希差值和所述相似阈值，从所述候选同行门店中筛选出所述目标同行门店，并将所述目标同行门店推荐给所述目标门店。
23.根据本公开的实施例的第二方面，提供了一种门店召回装置，包括：
24.偏移度计算模块，用于根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度；
25.目标桶距筛选模块，用于根据所述平均桶内偏移度，从所述多个设定桶距中筛选出目标桶距；
26.分桶数据获取模块，用于根据所述目标桶距对所述第一业务数据进行划分，得到多个分桶业务数据；
27.第一索引值生成模块，用于根据所述多个分桶业务数据，生成第一哈希索引值；
28.第二索引值生成模块，用于根据候选同行门店内的目标类型的第二业务数据和所述目标桶距，生成所述候选同行门店对应的第二哈希索引值；
29.目标同行门店获取模块，用于根据所述第一哈希索引值和所述第二哈希索引值，获取所述候选同行门店中的目标同行门店，并将所述目标同行门店推荐给所述目标门店。
30.可选地，所述目标桶距筛选模块包括：
31.偏移度曲线构建单元，用于根据所述多个设定桶距对应的平均桶内偏移度和所述多个设定桶距，构建偏移度曲线；
32.目标桶距筛选单元，用于根据所述偏移度曲线，从所述多个设定桶距中筛选得到所述目标桶距。
33.可选地，所述第一索引值生成模块包括：
34.分布相似度计算单元，用于根据所述多个分桶业务数据，计算得到分布相似度；
35.长度参数确定单元，用于根据预先获取的相似阈值，确定生成哈希索引的长度参数；
36.第一索引值生成单元，用于基于所述分布相似度和所述长度参数对所述多个分桶业务数据进行哈希计算，生成所述分桶业务数据对应的目标个数的第一哈希索引值。
37.可选地，所述目标同行门店获取模块包括：
38.哈希差值获取单元，用于获取所述第二哈希索引值与匹配的第一哈希索引值之间的哈希差值；
39.目标同行门店筛选单元，用于根据所述哈希差值和所述相似阈值，从所述候选同行门店中筛选出所述目标同行门店，并将所述目标同行门店推荐给所述目标门店。
40.根据本公开的实施例的第三方面，提供了一种电子设备，包括：
41.处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的门店召回方法。
42.根据本公开的实施例的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的门店召回方法。
43.本公开的实施例提供了一种同行门店召回方法、装置、电子设备及存储介质，通过根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度，根据平均桶内偏移度，从多个设定桶距中筛选出目标桶距，根据目标桶距对目标业务数据进行划分，得到多个分桶业务数据，根据多个分桶业务数据，生成第一哈希索引值，根据候选同行门店内的目标类型的第二业务数据和目标桶距，生成候选同行门店对应的第二哈希索引值，根据第一哈希索引值和第二哈希索引值，获取候选同行门店中的目标同行门店，并将目标同行门店推荐给目标门店。本公开的实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
附图说明
44.为了更清楚地说明本公开的实施例的技术方案，下面将对本公开的实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例的一些实施例，对于本领域普通技术人员来讲，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。
45.图1为本公开的实施例提供的一种同行门店召回方法的步骤流程图；
46.图2为本公开的实施例提供的另一种同行门店召回方法的步骤流程图；
47.图3为本公开的实施例提供的一种桶距选择的示意图；
48.图4为本公开的实施例提供的一种计算哈希索引值的示意图；
49.图5为本公开的实施例提供的一种同行门店召回装置的结构示意图；
50.图6为本公开的实施例提供的另一种同行门店召回装置的结构示意图。
具体实施方式
51.下面将结合本公开的实施例中的附图，对本公开的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开的实施例一部分实施例，而不是全部的实施例。基于本公开的实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开的实施例保护的范围。
52.实施例一
53.参照图1，示出了本公开的实施例提供的一种同行门店召回方法的步骤流程图，如图1所示，该同行门店召回方法具体可以包括如下步骤：
54.步骤101：根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度。
55.本公开的实施例可以应用于结合哈希索引值为目标门店召回同行门店的场景中。
56.目标门店是指需要进行召回同行门店的门店，可以理解地，目标门店可以为bi类产品的门店，也可以为选址类门店，具体地，可以根据业务需求而定，本实施例对此不加以
限制。
57.第一业务数据是指目标门店内的目标类型的业务数据，可以理解地，目标类型可以为一种类型，也可以为多种类型，目标类型可以为客群职业分布类型、年龄分布类型等，具体地，可以根据业务需求而定，本实施例对此不加以限制。
58.目标平均偏移度可以用于指示同一桶内的业务数据的偏差。
59.可以理解地，如果分布数据本身是离散型分布，或者容易决策分段的连续型分布，则很容易解决。如客群的职业分布、年龄分布等。可以根据职业(离散型)直接计算各个职业的客群比例，或者将年龄(连续型)按年代打散，如70后，80后，90后等，再统计各段比例。如果数据是连续型且不好定义分段，如订单金额，则需要做成等距分桶的离散分布形式(直方图数据)便于数据保存。
60.而对于桶距的选择，如果桶距很大，那么分布集中在几个桶内，分布的信息被极大地削减了；而如果桶距很小，那么分布分散在很多桶内，聚合统计的意义也缺失了。
61.因此，需要给出最佳的桶距，在本实施例中，通过肘点法来计算出最佳的桶距，即下述步骤中提及的目标桶距。
62.设定桶距是指由业务人员预先设定的桶距，在本实施例中，可以预先设定多个桶距，针对每个设定的桶距，可以将第一业务数据进行分桶，例如，以笔单价为例，在设定桶距为5时，则将0～5内的数据放入第一个桶内，将6～10内的数据放入第二桶内，以此类推，从而实现笔单价数据的分段等。
63.可以理解地，上述示例仅是为了更好地理解本公开的实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。
64.在此过程中，首先可以获取目标门店内的目标类型的第一业务数据，进而根据目标门店内的目标类型的第一业务数据，计算得到多个设定桶距对应的平均桶内偏移度。
65.在计算得到多个设定桶距对应的平均桶内偏移度之后，执行步骤102。
66.步骤102：根据所述平均桶内偏移度，从所述多个设定桶距中筛选出目标桶距。
67.目标桶距是指从多个设定桶距中筛选得到的用于对第一业务数据进行分段的最佳桶距。
68.在获取到多个设定桶距对应的平均桶内偏移度之后，可以结合平均桶内偏移度，从多个设定桶距内筛选出目标桶距，对于筛选目标桶距的具体过程将在下述实施例二中进行详细描述，本实施例在此不再加以赘述。
69.在根据平均桶内偏移度从多个设定桶距中筛选出目标桶距之后，执行步骤103。
70.步骤103：根据所述目标桶距对所述第一业务数据进行划分，得到多个分桶业务数据。
71.在获取到目标桶距之后，可以结合目标桶距对第一业务数据进行划分，以得到多个分桶业务数据，即对第一业务数据进行分段，例如，以笔单价为例，目标桶距为10，可以将第一业务数据进行分桶存储，可以得到多个分桶数据，如将第一业务数据中0～10的业务数据放入第一个桶内，将第一业务数据中11～20的业务数据放入第二个桶内，以此类推，从而可以得到多个分桶业务数据。
72.在根据目标桶距对第一业务数据进行划分，得到多个分桶业务数据之后，执行步骤104。
73.步骤104：根据所述多个分桶业务数据，生成第一哈希索引值。
74.第一哈希索引值是指结合多个分桶业务数据生成的设定数量的用于召回同行门店的哈希值。
75.在根据目标桶距对第一业务数据进行划分得到多个分桶业务数据之后，可以结合多个分桶业务数据，生成第一哈希索引值，具体地，可以结合计算的长度参数和多个分桶业务数据计算得到第一哈希索引值，具体地，将在下述实施例二中进行详细描述，本公开实施例在此不再加以赘述。
76.在根据多个分桶业务数据生成第一哈希索引值之后，执行步骤105。
77.步骤105：根据候选同行门店内的目标类型的第二业务数据和所述目标桶距，生成所述候选同行门店对应的第二哈希索引值。
78.候选同行门店是指获取的与目标门店属于同行的门店，可以理解地，候选同行门店可以为从与目标门店处于同一城市内筛选出的同行门店，也可以为从不同的城市内筛选出的同行门店，具体地，可以根据业务需求而定，本实施例对此不加以限制。
79.第二业务数据是指候选同行门店内的目标类型的业务数据。
80.第二哈希索引值是指结合候选同行门店内的第二业务数据和目标桶距生成的哈希索引值，具体地，可以根据目标桶距对第二业务数据进行划分，得到多个第二业务数据对应的分桶业务数据，然后，结合第二业务数据对应的多个分桶业务数据生成候选同行门店对应的第二哈希索引值。
81.在根据候选同行门店内的目标类型的第二业务数据和目标桶距生成候选同行门店对应的第二哈希索引值之后，执行步骤106。
82.步骤106：根据所述第一哈希索引值和所述第二哈希索引值，获取所述候选同行门店中的目标同行门店，并将所述目标同行门店推荐给所述目标门店。
83.在获取第一哈希索引值和第二哈希索引值之后，可以根据第一哈希索引值和第二哈希索引值，获取候选同行门店中的目标同行门店，进而将目标同行门店推荐给目标门店，实现同行门店的召回。
84.本公开的实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
85.本公开的实施例提供的同行门店召回方法，通过根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度，根据平均桶内偏移度，从多个设定桶距中筛选出目标桶距，根据目标桶距对目标业务数据进行划分，得到多个分桶业务数据，根据多个分桶业务数据，生成第一哈希索引值，根据候选同行门店内的目标类型的第二业务数据和目标桶距，生成候选同行门店对应的第二哈希索引值，根据第一哈希索引值和第二哈希索引值，获取候选同行门店中的目标同行门店，并将目标同行门店推荐给目标门店。本公开的实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
86.实施例二
87.参照图2，示出了本公开的实施例提供的另一种同行门店召回方法的步骤流程图，如图2所示，该同行门店召回方法具体可以包括如下步骤：
88.步骤201：根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的
平均桶内偏移度。
89.本公开的实施例可以应用于结合哈希索引值为目标门店召回同行门店的场景中。
90.目标门店是指需要进行召回同行门店的门店，可以理解地，目标门店可以为bi类产品的门店，也可以为选址类门店，具体地，可以根据业务需求而定，本实施例对此不加以限制。
91.第一业务数据是指目标门店内的目标类型的业务数据，可以理解地，目标类型可以为一种类型，也可以为多种类型，目标类型可以为客群职业分布类型、年龄分布类型等，具体地，可以根据业务需求而定，本实施例对此不加以限制。
92.目标平均偏移度可以用于指示同一桶内的业务数据的偏差。
93.可以理解地，如果分布数据本身是离散型分布，或者容易决策分段的连续型分布，则很容易解决。如客群的职业分布、年龄分布等。可以根据职业(离散型)直接计算各个职业的客群比例，或者将年龄(连续型)按年代打散，如70后，80后，90后等，再统计各段比例。如果数据是连续型且不好定义分段，如订单金额，则需要做成等距分桶的离散分布形式(直方图数据)便于数据保存。
94.而对于桶距的选择，如果桶距很大，那么分布集中在几个桶内，分布的信息被极大地削减了；而如果桶距很小，那么分布分散在很多桶内，聚合统计的意义也缺失了。
95.因此，需要给出最佳的桶距，在本实施例中，通过肘点法来计算出最佳的桶距，即下述步骤中提及的目标桶距。
96.设定桶距是指由业务人员预先设定的桶距，在本实施例中，可以预先设定多个桶距，针对每个设定的桶距，可以将第一业务数据进行分桶，例如，以笔单价为例，在设定桶距为5时，则将0～5内的数据放入第一个桶内，将6～10内的数据放入第二桶内，以此类推，从而实现笔单价数据的分段等。
97.可以理解地，上述示例仅是为了更好地理解本公开的实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。
98.在此过程中，首先可以获取目标门店内的目标类型的第一业务数据，进而根据目标门店内的目标类型的第一业务数据，计算得到多个设定桶距对应的平均桶内偏移度。
99.在计算得到多个设定桶距对应的平均桶内偏移度之后，执行步骤102。
100.步骤202：根据所述多个设定桶距对应的平均桶内偏移度和所述多个设定桶距，构建偏移度曲线。
101.在获取多个设定桶距对应的平均桶内偏移度之后，可以结合多个设定桶距对应的平均桶内偏移度和多个设定桶距，构建偏移度曲线，如图3所示，横坐标即表示设定桶距，纵坐标即表示平均桶内偏移度，针对桶内平均偏移度可以采用sse(和方差)来表示。
102.在构建偏移度曲线之后，执行步骤203。
103.步骤203：根据所述偏移度曲线，从所述多个设定桶距中筛选得到所述目标桶距。
104.在构建偏移度曲线之后，则可以根据偏移度曲线从多个设定桶距内筛选得到目标桶距，具体地，如图3所示，可以根据偏移度曲线从中筛选出拐点处的设定桶距作为目标桶距。
105.至根据偏移度曲线从多个设定桶距中筛选得到目标桶距之后，执行步骤204。
106.步骤204：根据所述目标桶距对所述第一业务数据进行划分，得到多个分桶业务数
据。
107.在获取到目标桶距之后，可以结合目标桶距对第一业务数据进行划分，以得到多个分桶业务数据，即对第一业务数据进行分段，例如，以笔单价为例，目标桶距为10，可以将第一业务数据进行分桶存储，可以得到多个分桶数据，如将第一业务数据中0～10的业务数据放入第一个桶内，将第一业务数据中11～20的业务数据放入第二个桶内，以此类推，从而可以得到多个分桶业务数据。
108.在根据目标桶距对第一业务数据进行划分，得到多个分桶业务数据之后，执行步骤205。
109.步骤205：根据所述多个分桶业务数据，计算得到分布相似度。
110.在获取多个分桶业务数据之后，可以结合多个分桶业务数据计算得到分布相似度，即采用lsh方法计算得到分布相似度，将连续的数据变换为离散概率分布数据，得到相应的分布相似度。
111.步骤206：根据预先获取的相似阈值，确定生成哈希索引的长度参数。
112.长度参数是指用于选取生成哈希值的数据长度的参数。
113.在本实施例中，相似召回需要定义阈值，只有相似度在阈值之上的才召回，阈值的设定也最终影响索引的建立。
114.在本示例中，可以基于现有数据，可以人工挑选一些相似的门店，比如探查同城市同品牌的门店，计算它们相互间分布相似度的大小，在满足召回率的前提下，取得相似阈值。同时根据这个相似阈值，设定最终生成哈希索引的长度参数。
115.在根据预先获取的相似阈值确定生成哈希索引的长度参数之后，执行步骤207。
116.步骤207：基于所述分布相似度和所述长度参数对所述多个分桶业务数据进行哈希计算，生成所述分桶业务数据对应的目标个数的第一哈希索引值。
117.在获取分布相似度之后，可以结合分布相似度和长度参数对多个分桶业务数据进行哈希计算，以生成分桶业务数据对应的目标个数的第一哈希索引值。
118.在本示例中，目标个数是与和业务数据的个数及长度参数相关联的，例如，分桶业务数据为1000个数据，长度参数设定为50，此时，可以得到20个哈希值，如图4所示，针对门店的分布属性的业务数据，可以结合lsh函数组生成门店的lsh hash集合，按band聚合即可得到门店的哈希索引。
119.可以理解地，上述示例仅是为了更好地理解本公开实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。
120.在基于分部相似度和长度参数对多个分桶业务数据进行哈希计算，生成分桶业务数据对应的目标个数的第一哈希索引值之后，执行步骤208。
121.步骤208：根据候选同行门店内的目标类型的第二业务数据和所述目标桶距，生成所述候选同行门店对应的第二哈希索引值。
122.候选同行门店是指获取的与目标门店属于同行的门店，可以理解地，候选同行门店可以为从与目标门店处于同一城市内筛选出的同行门店，也可以为从不同的城市内筛选出的同行门店，具体地，可以根据业务需求而定，本实施例对此不加以限制。
123.第二业务数据是指候选同行门店内的目标类型的业务数据。
124.第二哈希索引值是指结合候选同行门店内的第二业务数据和目标桶距生成的哈
希索引值，具体地，可以根据目标桶距对第二业务数据进行划分，得到多个第二业务数据对应的分桶业务数据，然后，结合第二业务数据对应的多个分桶业务数据生成候选同行门店对应的第二哈希索引值。
125.在根据候选同行门店内的目标类型的第二业务数据和目标桶距生成候选同行门店对应的第二哈希索引值之后，执行步骤209。
126.步骤209：获取所述第二哈希索引值与匹配的第一哈希索引值之间的哈希差值。
127.哈希差值是指第二哈希索引值和与第二哈希索引值匹配的第一哈希索引值之间的差值。
128.在获取第二哈希索引值之后，可以获取第二哈希索引值匹配的第一哈希索引值，进而计算第二哈希索引值与匹配的第一哈希索引值之间的哈希差值。
129.可以理解地，每个哈希值均是采用全部的分桶数据计算而成的，每个门店均会保证以下规则一致：
130.1、每个门店的分桶规则一致，包括桶距、桶数等；
131.2、每个门店生成的哈希值的数量一致，例如，在目标门店对应的哈希值的数量为1000时，则同行门店对应的哈希数量也为1000等；
132.3、哈希参数一致，即计算每个哈希值时不同门店使用的参数一致，例如，计算1000个哈希，要用1000组不同的参数，但是这些参数都是共享的；
133.4、二次哈希参数一致，在1000个哈希基础上，分段组合再次哈希使用的长度参数一致，哈希方法一致。
134.整个哈希流程可以为：以某门店为例，桶距为1，桶数为5，得到的业务分桶数据为：[0.1，0.2，0.0，0.4，0.3]，若针对此数据要生成4个哈希值，那么会有4组参数(参数都是从某个分布中采样得到的，以下只是例子)，令此参数列表为w：[0.8，0.1]、[0.7，0.5]、[0.6，0.2]、[0.8，0.3]，此时会生成4个哈希值，假设生成的4个哈希值为：[2，5，8，3]。下面假设长度参数为2，那么最终只会生成2个哈希值[h([2，5])，h([8，3])]，其中h函数是无参的hash方法，如md5，sha1等，仅要表达[2.5]要作为一个整体与其它门店进行对位匹配。
[0135]
对于另外的某门店y，除其分桶数据外以上所有参数都是一致的，即桶距为1，桶数为5，参数列表为w。首先也会生成4个哈希值，假设为：[1，6，8，3]，长度参数也为2。最终当然也生成2个哈希值，如：[h([1，6])，h([8，3])]，此时y门店第二个哈希值与x门店第二个哈希值一样，那么y门店就可作为x门店的候选同行得到召回。
[0136]
可以理解地，上述示例仅是为了更好地理解本公开的实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。
[0137]
在获取第二哈希索引值与匹配的第一哈希索引值之间的哈希差值之后，执行步骤210。
[0138]
步骤210：根据所述哈希差值和所述相似阈值，从所述候选同行门店中筛选出所述目标同行门店，并将所述目标同行门店推荐给所述目标门店。
[0139]
在计算得到哈希差值之后，可以根据哈希差值和相似阈值从候选门店中筛选出目标同行门店，可以理解地，第一哈希索引值为多个，第二哈希索引值也可以为多个，而只要任意两个匹配的第二哈希索引值和第一哈希索引值的哈希差值大于相似阈值时，均可以将该候选同行门店作为目标同行门店。
[0140]
在获取目标同行门店之后，可以将目标同行门店推荐给目标门店。
[0141]
本公开实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
[0142]
本公开的实施例提供的同行门店召回方法，通过根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度，根据平均桶内偏移度，从多个设定桶距中筛选出目标桶距，根据目标桶距对目标业务数据进行划分，得到多个分桶业务数据，根据多个分桶业务数据，生成第一哈希索引值，根据候选同行门店内的目标类型的第二业务数据和目标桶距，生成候选同行门店对应的第二哈希索引值，根据第一哈希索引值和第二哈希索引值，获取候选同行门店中的目标同行门店，并将目标同行门店推荐给目标门店。本公开的实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
[0143]
实施例三
[0144]
参照图5，示出了本公开的实施例提供的一种同行门店召回装置的结构示意图，如图5所示，该同行门店召回装置300具体可以包括如下模块：
[0145]
偏移度计算模块310，用于根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度；
[0146]
目标桶距筛选模块320，用于根据所述平均桶内偏移度，从所述多个设定桶距中筛选出目标桶距；
[0147]
分桶数据获取模块330，用于根据所述目标桶距对所述第一业务数据进行划分，得到多个分桶业务数据；
[0148]
第一索引值生成模块340，用于根据所述多个分桶业务数据，生成第一哈希索引值；
[0149]
第二索引值生成模块350，用于根据候选同行门店内的目标类型的第二业务数据和所述目标桶距，生成所述候选同行门店对应的第二哈希索引值；
[0150]
目标同行门店获取模块360，用于根据所述第一哈希索引值和所述第二哈希索引值，获取所述候选同行门店中的目标同行门店，并将所述目标同行门店推荐给所述目标门店。
[0151]
本公开的实施例提供的同行门店召回装置，通过根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度，根据平均桶内偏移度，从多个设定桶距中筛选出目标桶距，根据目标桶距对目标业务数据进行划分，得到多个分桶业务数据，根据多个分桶业务数据，生成第一哈希索引值，根据候选同行门店内的目标类型的第二业务数据和目标桶距，生成候选同行门店对应的第二哈希索引值，根据第一哈希索引值和第二哈希索引值，获取候选同行门店中的目标同行门店，并将目标同行门店推荐给目标门店。本公开的实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
[0152]
实施例四
[0153]
参照图6，示出了本公开的实施例提供的另一种同行门店召回装置的结构示意图，如图6所示，该同行门店召回装置400具体可以包括如下模块：
[0154]
偏移度计算模块410，用于根据目标门店内的目标类型的第一业务数据，计算多个
设定桶距对应的平均桶内偏移度；
[0155]
目标桶距筛选模块420，用于根据所述平均桶内偏移度，从所述多个设定桶距中筛选出目标桶距；
[0156]
分桶数据获取模块430，用于根据所述目标桶距对所述第一业务数据进行划分，得到多个分桶业务数据；
[0157]
第一索引值生成模块440，用于根据所述多个分桶业务数据，生成第一哈希索引值；
[0158]
第二索引值生成模块450，用于根据候选同行门店内的目标类型的第二业务数据和所述目标桶距，生成所述候选同行门店对应的第二哈希索引值；
[0159]
目标同行门店获取模块460，用于根据所述第一哈希索引值和所述第二哈希索引值，获取所述候选同行门店中的目标同行门店，并将所述目标同行门店推荐给所述目标门店。
[0160]
可选地，所述目标桶距筛选模块420包括：
[0161]
偏移度曲线构建单元421，用于根据所述多个设定桶距对应的平均桶内偏移度和所述多个设定桶距，构建偏移度曲线；
[0162]
目标桶距筛选单元422，用于根据所述偏移度曲线，从所述多个设定桶距中筛选得到所述目标桶距。
[0163]
可选地，所述第一索引值生成模块440包括：
[0164]
分布相似度计算单元441，用于根据所述多个分桶业务数据，计算得到分布相似度；
[0165]
长度参数确定单元442，用于根据预先获取的相似阈值，确定生成哈希索引的长度参数；
[0166]
第一索引值生成单元443，用于基于所述分布相似度和所述长度参数对所述多个分桶业务数据进行哈希计算，生成所述分桶业务数据对应的目标个数的第一哈希索引值。
[0167]
可选地，所述目标同行门店获取模块460包括：
[0168]
哈希差值获取单元461，用于获取所述第二哈希索引值与匹配的第一哈希索引值之间的哈希差值；
[0169]
目标同行门店筛选单元462，用于根据所述哈希差值和所述相似阈值，从所述候选同行门店中筛选出所述目标同行门店，并将所述目标同行门店推荐给所述目标门店。
[0170]
本公开的实施例提供的同行门店召回装置，通过根据目标门店内的目标类型的第一业务数据，计算多个设定桶距对应的平均桶内偏移度，根据平均桶内偏移度，从多个设定桶距中筛选出目标桶距，根据目标桶距对目标业务数据进行划分，得到多个分桶业务数据，根据多个分桶业务数据，生成第一哈希索引值，根据候选同行门店内的目标类型的第二业务数据和目标桶距，生成候选同行门店对应的第二哈希索引值，根据第一哈希索引值和第二哈希索引值，获取候选同行门店中的目标同行门店，并将目标同行门店推荐给目标门店。本公开的实施例通过结合门店某种类型的业务数据建立召回索引，在提高门店业务数据的利用率的同时，提高门店召回效率。
[0171]
本公开的实施例还提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述实施
例的同行门店召回方法。
[0172]
本公开的实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述实施例的同行门店召回方法。
[0173]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0174]
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开的实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的实施例的内容，并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
[0175]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0176]
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的实施例的单独实施例。
[0177]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
[0178]
本公开的实施例的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开的实施例的动态图片的生成设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0179]
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不
排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0180]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0181]
以上所述仅为本公开的实施例的较佳实施例而已，并不用以限制本公开的实施例，凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本公开的实施例的保护范围之内。
[0182]
以上所述，仅为本公开的实施例的具体实施方式，但本公开的实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的实施例的保护范围之内。因此，本公开的实施例的保护范围应以权利要求的保护范围为准。