[發(fā)明專利]一種物流對象確定方法、裝置和機(jī)器可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 201710676765.0
• 申請日: 2017-08-09
• 公開（公告）號: CN109389270B
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計(jì)）人: 王兵;宮海鵬;沈磊
• 申請（專利權(quán)）人: 菜鳥智能物流控股有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/08
• 代理公司: 北京君以信知識(shí)產(chǎn)權(quán)代理有限公司 11789
• 代理人: 錢秀茹

1.一種物流對象確定方法，包括：

提供多個(gè)物流對象確定模型；所述多個(gè)物流對象確定模型分別與派送層級對應(yīng)；

獲取目標(biāo)物流包裹的派送信息；

確定所述目標(biāo)物流包裹的當(dāng)前派送層級；

確定所述當(dāng)前派送層級所對應(yīng)的目標(biāo)物流對象確定模型；

利用所述目標(biāo)物流對象確定模型確定所述派送信息對應(yīng)的物流對象；

所述提供多個(gè)物流對象確定模型包括：

對于每個(gè)已派送物流包裹，根據(jù)相應(yīng)派送信息中的派送地址，獲取地址分詞；

針對一派送層級，根據(jù)所述派送信息中的快遞公司信息、所述地址分詞中屬于所述派送層級的下一層級的地址分詞、所述物流對象的派送區(qū)域信息，獲取所述下一層級的至少一個(gè)物流對象作為候選物流對象；其中，所述候選物流對象包括所述已派送物流包裹的實(shí)際物流對象；

將所述已派送物流包裹的派送地址分別與所述候選物流對象進(jìn)行組合，構(gòu)建所述派送層級的訓(xùn)練樣本集合；

對所述派送層級的訓(xùn)練樣本集合的樣本，根據(jù)所述派送地址中的地址分詞及所述地址分詞的地理等級獲取文本特征，根據(jù)所述派送地址獲取空間特征，根據(jù)所述候選物流對象獲取規(guī)則特征；

以所述文本特征、空間特征、候選物流對象構(gòu)建訓(xùn)練向量的輸入維度參數(shù)，以所述規(guī)則特征構(gòu)建訓(xùn)練向量的輸出維度參數(shù)；

利用所述訓(xùn)練向量訓(xùn)練所述物流對象確定模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述派送地址獲取空間特征的步驟，包括：

根據(jù)所述派送地址獲取相應(yīng)的經(jīng)緯度信息；

將所述經(jīng)緯度信息轉(zhuǎn)化為滿足預(yù)設(shè)經(jīng)緯度格式的空間特征。

3.根據(jù)權(quán)利要求1-2任一項(xiàng)所述的方法，其特征在于，所述物流對象確定模型包括一個(gè)分類模型，或者一個(gè)回歸模型，或者至少一個(gè)分類模型和一個(gè)融合模型，或者至少一個(gè)回歸模型和一個(gè)融合模型，或者至少一個(gè)分類模型和至少一個(gè)回歸模型、一個(gè)融合模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，當(dāng)所述物流對象確定模型包括至少一個(gè)分類模型和一個(gè)融合模型，或者至少一個(gè)回歸模型和一個(gè)融合模型，或者至少一個(gè)分類模型和至少一個(gè)回歸模型、一個(gè)融合模型時(shí)，所述利用所述派送層級的訓(xùn)練樣本集合，訓(xùn)練相應(yīng)派送層級的物流對象確定模型的步驟，包括：

根據(jù)所述訓(xùn)練樣本集合中的原始樣本，分別訓(xùn)練所述至少一個(gè)分類模型和/或至少一個(gè)回歸模型；

在所述至少一個(gè)分類模型和/或至少一個(gè)回歸模型訓(xùn)練完畢后，將所述原始樣本分別輸入所述至少一個(gè)分類模型和/或至少一個(gè)回歸模型，獲得相應(yīng)的中間輸出結(jié)果；

利用所述中間輸出結(jié)果訓(xùn)練所述融合模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述訓(xùn)練樣本集合中的原始樣本，分別訓(xùn)練所述至少一個(gè)分類模型和/或至少一個(gè)回歸模型的步驟，包括：

將訓(xùn)練樣本的文本特征、空間特征和候選物流對象構(gòu)建初始訓(xùn)練向量的輸入維度參數(shù)；

根據(jù)訓(xùn)練樣本的候選物流對象是否為相應(yīng)已派送包裹的實(shí)際物流對象的情況，構(gòu)建初始訓(xùn)練向量的輸出維度參數(shù)；

利用所述初始訓(xùn)練向量訓(xùn)練所述至少一個(gè)分類模型和/或至少一個(gè)回歸模型。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，還包括：

按照預(yù)設(shè)的針對各分類模型、各回歸模型的抽樣比例，從已派送物流包裹的已派送歷史數(shù)據(jù)中抽樣，獲得針對每個(gè)分類模型或回歸模型的用于訓(xùn)練的已派送歷史數(shù)據(jù)。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述派送層級的訓(xùn)練樣本集合的樣本，根據(jù)所述派送地址中的地址分詞及所述地址分詞的地理等級獲取文本特征，根據(jù)所述派送地址獲取空間特征，根據(jù)所述候選物流對象獲取規(guī)則特征的步驟，包括：

對所述派送層級的訓(xùn)練樣本集合的樣本，利用相應(yīng)模型的特征抽取規(guī)則，根據(jù)所述派送地址中的地址分詞及所述地址分詞的地理等級獲取文本特征，根據(jù)所述派送地址獲取空間特征，根據(jù)所述候選物流對象獲取規(guī)則特征。