[发明专利]快递编码生成方法、装置、设备及存储介质

权利要求书

1.一种快递编码生成方法，其特征在于，所述快递编码生成方法包括：

获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息；

对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息；

按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应；

从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据。

2.根据权利要求1所述的快递编码生成方法，其特征在于，所述获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息，包括：

接收快递编码生成请求，并对所述快递编码生成请求进行参数解析，得到解析结果；

对所述解析结果验证参数名称和参数值，得到验证结果；

当所述验证结果为验证通过时，从所述解析结果中读取初始快递地址信息。

3.根据权利要求1所述的快递编码生成方法，其特征在于，所述对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息，包括：

对所述初始快递地址信息删除空格符号，得到已处理的快递地址信息，所述初始快递地址信息包括目标省级地址、市级地址、区县级地址和用户实际收件地址；

通过预设的分词工具对所述已处理的快递地址信息进行分词处理，得到多个快递地址分词；

按照预设的省份字典对所述多个快递地址分词进行匹配分析，得到所述目标省级地址；

对所述多个快递地址分词删除重复词语，得到多个已清洗的快递地址，将所述多个已清洗的快递地址组合为目标快递地址信息。

4.根据权利要求1所述的快递编码生成方法，其特征在于，所述按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应，包括：

按照所述目标省级地址查询预设的模型配置表，得到目标神经网络分类模型；

将所述目标快递地址信息传输至所述目标神经网络分类模型中，基于预设的N元窗口取词算法对所述目标快递地址信息进行片段切分，得到多个词组片段，N的取值范围为大于或等于2；

分别对所述多个词组片段进行随机初始化，得到多个词组向量，每个词组向量对应的向量维度为预设数量的维度，所述预设数量为正整数；

按照所述多个词组向量计算平均词向量，通过所述目标神经网络分类模型中的全连接层确定所述平均词向量对应的多个初始快递编码；

通过所述目标神经网络分类模型中的分类器对所述平均词向量和所述多个初始快递编码进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应。

5.根据权利要求1所述的快递编码生成方法，其特征在于，所述从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据，包括：

对所述多个预测概率值按照数值从大到小的顺序进行排序，得到多个已排序的概率值；

从所述多个已排序的概率值中筛选数值最大的预测概率值，得到目标预测概率值；

按照所述目标预测概率值确定对应的快递编码数据，并将所述目标预测概率值对应的快递编码数据设置为目标快递编码数据。