[发明专利]物流地址特征提取方法、系统、设备及存储介质在审
申请号: | 202011376047.X | 申请日: | 2020-11-30 |
公开(公告)号: | CN112488200A | 公开(公告)日: | 2021-03-12 |
发明(设计)人: | 余超 | 申请(专利权)人: | 上海寻梦信息技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q10/08 |
代理公司: | 上海隆天律师事务所 31282 | 代理人: | 夏彬 |
地址: | 200050 上海市长宁*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 物流 地址 特征 提取 方法 系统 设备 存储 介质 | ||
1.一种物流地址特征提取方法,其特征在于,所述方法包括:
将物流地址对应于各个属性的信息串联得到文本字符串;
将所述文本字符串基于文本映射字典映射为ID序列,所述文本映射字典包括预设的各个属性的各种属性值与ID的映射关系;
将所述ID序列采用嵌入层映射为向量序列;
将所述向量序列输入交互特征提取模型,从所述交互特征提取模型的输出数据中提取地址特征。
2.根据权利要求1所述的物流地址特征提取方法,其特征在于,所述将物流地址对应于各个属性的信息串联得到文本字符串,包括如下步骤:
将物流地址对应于各个属性的信息串联,每两个属性的信息之间添加第一标识字符,得到文本字符串。
3.根据权利要求1所述的物流地址特征提取方法,其特征在于,所述将物流地址对应于各个属性的信息串联得到文本字符串之后,还包括在所述文本字符串中添加第二标识字符。
4.根据权利要求3所述的物流地址特征提取方法,其特征在于,从所述交互特征提取模型的输出数据中提取地址特征,包括如下步骤:
获取所述交互特征提取模型输出的交互特征;
从所述交互特征中提取所述第二标识字符所对应的特征向量作为提取的地址特征。
5.根据权利要求1所述的物流地址特征提取方法,其特征在于,所述交互特征提取模型为transformer模型,包括位置编码层、自注意力层和前馈网络层。
6.根据权利要求1所述的物流地址特征提取方法,其特征在于,所述将物流地址对应于各个属性的信息串联得到文本字符串之前,还包括如下步骤:
采集待处理的物流地址数据;
对所述物流地址数据按照预设的清洗规则进行数据清洗;
将数据清洗后的物流地址数据进行分类,得到所述物流地址数据对应于各个属性的信息。
7.根据权利要求1所述的物流地址特征提取方法,其特征在于,从所述交互特征提取模型的输出数据中提取地址特征之后,还包括如下步骤:
采集所述地址特征所对应的配送信息,为所述地址特征添加配送任务分配标签;
基于所述地址特征训练配送任务分配模型,所述配送任务分配模型的输入数据包括地址特征,输出数据包括配送任务分配对象。
8.根据权利要求7所述的物流地址特征提取方法,其特征在于,所述配送任务分配模型包括第一配送任务分配模型和/或第二配送任务分配模型,所述第一配送任务分配模型的输出数据包括配送网点,所述第二配送任务分配模型包括配送员。
9.根据权利要求1所述的物流地址特征提取方法,其特征在于,从所述交互特征提取模型的输出数据中提取地址特征之后,还包括如下步骤:
基于所述地址特征构建语言模型的训练样本集;
采用所述训练样本集训练所述语言模型,所述语言模型的输入数据包括第一地址局部特征,输出数据包括与所述第一地址局部特征相关联的第二地址局部特征。
10.根据权利要求1所述的物流地址特征提取方法,其特征在于,所述物流地址的各个属性包括省级、市级、区级和详细地址;
将物流地址对应于各个属性的信息串联得到文本字符串,包括将物流地址对应于各个属性的信息按照省级、市级、区级和详细地址的顺序依次进行串联。
11.根据权利要求1所述的物流地址特征提取方法,其特征在于,还包括采集多个物流地址数据,将所述物流地址数据进行分词,构建文本映射字典。
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上海寻梦信息技术有限公司,未经上海寻梦信息技术有限公司许可,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/202011376047.X/1.html,转载请声明来源钻瓜专利网。