---
title: SiteMaster
canonical_url: "https://www.modelscope.cn/models/ECNUBigDataLab/SiteMaster"
md_url: "https://www.modelscope.cn/models/ECNUBigDataLab/SiteMaster.md"
repository: ECNUBigDataLab/SiteMaster
chinese_name: "智能选址大师"
last_updated: 2024-03-13
license: "Apache License 2.0"
pipeline_tag: question-answering
tasks:
  - question-answering
model_type:
  - internlm2
architectures:
  - InternLM2ForCausalLM
library_name:
  - pytorch
frameworks:
  - Pytorch
inference_backends:
  - "deploy_task text/emb"
  - "lmdeploy 0.9.1"
  - "lmdeploy_turbomind 0.9.1"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 93
stars: 2
---

# SiteMaster

> SiteMaster - ECNUBigDataLab 在 ModelScope 开源的模型。智能选址大师SiteMaster是利用城市范围内的POI数据和地铁站点数据，基于InternLM2-Chat-7b模型和Lagent框架搭建的，针对于空间中某类空间设施智能选址的大模型。

ECNUBigDataLab/SiteMaster 是 ModelScope 魔搭社区上的question-answering模型，采用 Apache License 2.0 许可，可用 deploy_task text/emb、lmdeploy 0.9.1、lmdeploy_turbomind 0.9.1 部署。

- **Repository**: ECNUBigDataLab/SiteMaster
- **License**: Apache License 2.0
- **Tasks**: question-answering
- **Inference backends**: deploy_task text/emb, lmdeploy 0.9.1, lmdeploy_turbomind 0.9.1, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 93
- **Stars**: 2
- **Last updated**: 2024-03-13

Source: https://www.modelscope.cn/models/ECNUBigDataLab/SiteMaster

---

#####

# 智能选址大师SiteMaster模型介绍
**智能选址大师SiteMaster**是利用城市范围内的**POI数据**和**地铁站点数据**，基于**InternLM2-Chat-7b模型**搭建的，针对于空间中某类设施进行智能选址的大模型。

## 训练数据介绍
### 1. 基础数据获取与清洗
基于**高德地图**和**大众点评**获取上海市范围内的**POI数据**及**地铁站点数据**。高德地图**POI数据**包含设施名称、设施类型、设施地址等信息，将信息与大众点评餐饮数据连接，获取每家店的点评活跃度、人均消费等信息；**地铁站点数据**包含地铁站名称、地铁站经纬度等信息。根据这两组数据，使用**ArcGIS**的空间分析工具，统计每个交通点周围一定服务范围内各POI数量，作为上海市范围内选址合理性评估的基础数据。

我们将上海市范围内的POI数据划分为14个大类：餐饮美食、公司企业、购物消费、交通设施、金融机构、酒店住宿、科教文化、旅游景点、汽车相关、商务住宅、生活服务、休闲娱乐、医疗保健、运动健身。每一个大类中可细分为数个小类。例如：餐饮美食包括家常菜馆、火锅和川菜、海鲜店、奶茶店、小吃店（烧烤店）、湘菜馆、素菜馆、家常菜馆等。

### 2. 对话语料构建
⭐选址推荐  
   a. 闵行区哪个地方开川菜馆比较好？（限定商业类型和区域范围）  
   b. 哪里可以开百货商场？（限定商业类型）  

⭐类型推荐   
   a. 剑川路适合开什么类型的饭馆呢？（限定地点）  
   b. 我想在静安寺开店，开什么比较合适？

⭐选址分析  
   a. 我想在南京西路开小吃店，可以吗？（限定商业类型和地点）  
   b. 周边已经有十几家火锅店了，我还能再开吗？（设定情境）

⭐选址对比  
   a. 静安寺和后滩，哪里更合适开素菜馆？（限定对比选址和商业类型）


## 模型微调
### 1. 环境配置
创建虚拟环境，安装XTuner，下载InternLM2-Chat-7b模型文件。

### 2. XTuner微调
拷贝配置文件：
```shell
xtuner list-cfg
xtuner copy-cfg internlm_7b_qlora_json_e3 ${SAVE_PATH}
```

根据本地情况修改配置文件，包括预训练模型存放的位置、微调数据的存放位置等。使用命令行将选址数据集放入InternLM2-Chat-7b训练：
```shell
xtuner train /root/internlm_7b_qlora_json_e3_copy.py --deepspeed deepspeed_zero2
```

### 3. 参数转换与合并
使用XTuner将训练后的.pth格式参数转Hugging Face格式：
```shell
xtuner convert pth_to_hf $CONFIG_NAME_OR_PATH $PTH $SAVE_PATH
```

将参数与原始模型合并，保存得到完整模型：
```shell
xtuner convert merge $NAME_OR_PATH_TO_LLM $NAME_OR_PATH_TO_ADAPTER $SAVE_PATH --max-shard-size 2GB
```
完整模型开源在ModelScope平台：[模型地址](https://www.modelscope.cn/models/ECNUBigDataLab/SiteMaster)
