[发明专利]一种自动识别订单地址路区的方法和装置在审

专利信息
申请号: 201710970290.6 申请日: 2017-10-18
公开(公告)号: CN109684624A 公开(公告)日: 2019-04-26
发明(设计)人: 吕晶晶 申请(专利权)人: 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
主分类号: G06F17/27 分类号: G06F17/27;G06N3/04;G06N3/08
代理公司: 中原信达知识产权代理有限责任公司 11219 代理人: 张一军;陆锦华
地址: 100195 北京市海淀区杏石口路6*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 路区 地址对应 自动识别 方法和装置 站点 解码 仓储物流 反向传播 匹配效率 人工成本 训练编码 准确率 配送 输出
【权利要求书】:

1.一种自动识别订单地址路区的方法,其特征在于,包括:

获取订单地址;

根据训练好的识别模型对所述订单地址进行识别,输出所述订单地址对应的站点和所述订单地址对应的路区ID;

所述识别模型是采用反向传播BP算法训练编码-解码Encoder-Decoder模型得到的。

2.根据权利要求1所述的自动识别订单地址路区的方法,其特征在于,所述识别模型的训练样本包括历史订单地址、历史订单地址对应的站点、历史订单地址对应的路区ID。

3.根据权利要求2所述的自动识别订单地址路区的方法,其特征在于,所述方法包括:对所述订单地址和所述训练样本进行预处理;

所述预处理包括以下至少之一:繁体字与简体字统一,全角符号与半角符号统一,大写与小写统一。

4.根据权利要求1所述的自动识别订单地址路区的方法,其特征在于,所述根据训练好的识别模型对所述订单地址进行识别包括:对所述订单地址进行分词处理,采用集束搜索beam search算法对分词后的订单地址进行识别。

5.根据权利要求1所述的自动识别订单地址路区的方法,其特征在于,所述采用反向传播BP算法训练编码-解码Encoder-Decoder模型包括:对训练样本进行分词处理,引入注意力Attention机制训练Encoder-Decoder模型。

6.根据权利要求1所述的自动识别订单地址路区的方法,其特征在于,所述Encoder-Decoder模型的编码器和解码器皆包括长短时记忆网络LSTM。

7.一种自动识别订单地址路区的装置,其特征在于,包括:数据获取模块、识别模块;其中,

数据获取模块,用于获取订单地址;

识别模块,用于采用训练好的识别模型对所述订单地址进行识别,输出所述订单地址对应的站点和所述订单地址对应的路区ID;

所述识别模型根据反向传播BP算法训练编码-解码Encoder-Decoder模型得到。

8.根据权利要求7所述的自动识别订单地址路区的装置,其特征在于,所述识别模型的训练样本包括:历史订单地址、历史订单地址对应的站点、历史订单地址对应的路区ID。

9.根据权利要求8所述的自动识别订单地址路区的装置,其特征在于,所述数据获取模块还用于:对所述订单地址和所述训练样本进行预处理;

所述预处理包括以下至少之一:繁体字与简体字统一,全角符号与半角符号统一,大写与小写统一。

10.根据权利要求7所述的自动识别订单地址路区的装置,其特征在于,所述识别模块用于:对所述订单地址进行分词处理,采用集束搜索beam search算法对分词后的订单地址进行识别。

11.根据权利要求7所述的自动识别订单地址路区的装置,其特征在于,所述识别模型根据注意力Attention机制训练Encoder-Decoder模型得到。

12.根据权利要求7所述的自动识别订单地址路区的装置,其特征在于,所述Encoder-Decoder模型的编码器和解码器皆包括长短时记忆网络LSTM。

13.一种电子设备,其特征在于,包括:

至少一个处理器;以及,

与所述至少一个处理器通信连接的存储器,用于存储一个或多个程序;

当所述一个或多个程序被所述至少一个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司,未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710970290.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top