[发明专利]快递编码生成方法、装置、设备及存储介质

说明书

本发明涉及物流技术领域，公开了一种快递编码生成方法、装置、设备及存储介质，用于提高快递编码的生成准确率和生成效率。快递编码生成方法包括：获取快递编码生成请求，并从快递编码生成请求中提取初始快递地址信息；对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；按照目标省级地址确定目标神经网络分类模型，并通过目标神经网络分类模型对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，并根据目标预测概率值确定目标快递编码数据。

技术领域

本发明涉及物流技术领域，尤其涉及一种快递编码生成方法、装置、设备及存储介质。

背景技术

快递编码通常指分拨中心、网点、虚拟业务员和快递柜等的编码，业界通常采用一段码、二段码、三段码等编码表示，快递编码是快递在各区域流转并最终被准确送达客户手中的重要信息载体。

在现有技术中，根据快递地址信息及时准确推算出快递编码是业内一大难题。传统的方法主要包含地址关键字和地址围栏等。其中地址关键字方法因统计不全容易导致快递地址的识别率低，以及重复建筑或路段名称等导致快递编码的生成准确率低，同时地址围栏因经纬度漂移和地理环境等因素导致快递编码的生成准确率低和快递地址的识别率低。

发明内容

本发明提供了一种快递编码生成方法、装置、设备及存储介质，用于通过目标神经网络分类模型生成目标快递编码数据，提高了快递编码的生成准确率和生成效率。

为实现上述目的，本发明第一方面提供了一种快递编码生成方法，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。

一种可行的实施方式中，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。

一种可行的实施方式中，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。