[發明專利]一種同城物流配送名片下單技術

在審

• 申請號: 202010570280.5
• 申請日: 2020-06-18
• 公開（公告）號: CN111753840A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 李思遠;覃飛宇;朱冠軍;張罡
• 申請（專利權）人: 北京同城必應科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06F40/211;G06F40/242;G06K9/20;G06Q10/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種下單方法，應用于配送平臺，其特征在于，所述方法包括：

獲取用戶輸入的下單文字，其中，所述下單文字數據包括人物姓名、地址和聯系電話，客戶端將該數據上傳至服務器。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

用戶上傳的文字下單數據，將數據存儲信息同步至文字識別服務器，其中，所述文字存儲信息包括所述文字信息的存儲位置。

3.一種命名實體識別方法，應用于文字下單數據識別，其特征在于，所述方法包括：

步驟一：模型設計

本文設計了一種基于Bilstm+crf模型，模型的結構如圖1所示，將數據輸入雙向lstm后提取語義特征，雙向lstm每個節點上會輸出當前字對應各標注的對數概率值，如下圖所示的[1.5，0.9，0.1，0.08，0.05]，分別對應PER-B，PER-I，ORG-B，ORG-I，O，即姓名開始，姓名內部，機構開始，機構內部，非實體標簽的概率，最后將這些結果輸進crf層，在crf層采用維特比算法解碼，將具有最大得分的序列作為預測輸出，從而得到最終的標注結果。

步驟二：模型訓練

模型的訓練主要分為以下兩個環節。

1.首先下載命名實體識別公開語料，對數據進行簡單處理，分割成類似如下圖2所示，其中v表示動詞，PER表示人名，B表示實體開始，I表示實體內部等。將數據準備好，放入模型中訓練至收斂。也可以直接下載開源模型使用。

2.在本地數據中進行測試。經過測試發現模型對特殊姓名的提取尚存在問題，如圖3所示，該圖為存在標注問題的樣本。

步驟三：設計信息提取規則

通過上一個步驟的訓練，核心的識別模型已基本可用。下面將要設計一個提取邏輯來將各要素依次識別出。分為以下五個部分：

1.通過觀察大量線上用戶輸入文本內容，發現用戶電話的提取相對較為固定，可以設置一個正則表達式來匹配，比如：

r’(\+？0？86\D*？)？(1[-\s]？[3-9][-\s]？(\d[-\s]？){9})’

因此可以先將電話號提取出，并去除掉無關字符。

2.下一步提取姓名，可以根據模型的標注結果直接提取出姓名。但是經過測試發現，文本中可能出現多個姓名的標注結果，通過觀察規律，消岐方法可采用常用后綴(如老師、先生、收)以及上下文特征等對姓名進行過濾，找出我們關注的姓名實體。

3.提取詳細地址。在進行詳細地址提取之前，為減少干擾，需要將前面提取到的電話號，姓名信息移除，并將無用的詞去掉(如“電話號”，“姓名”)。若直接使用模型標注結果進行地址內容的提取，則可能會遺漏掉低階地址元素，為保證地址提取的完整性，我們對模型的標注結果進行進一步的處理：搜集大量地址特征字、詞，制作特征字典，通過字典尋找地址邊界。具體方法如下：

a.遍歷每一個分詞段，使用特征字典打分。

b.對于分數超過閾值的首個詞段，標記為地址信息開始。

c.對于標注結果為非地址且打分小于閾值的首個詞段，標記為地址信息的結束。

通過以上步驟定位出地址的區間位置。

4.從詳細地址中提取地標信息(POI)

本部分主要從詳細地址中提取出其中的關鍵地標信息，如從“西北旺東路中關村軟件園博彥科技大廈C座”中提取出“博彥科技大廈”或“博彥科技大廈C座”，為減少復雜性，依然利用模型標注結果進行提取，步驟如下：

a.選出標注結果為’ORG’或‘nt’的實體，優先選擇組織機構名稱。

b.若步驟a中實體非空，則選出其中長度最大的實體返回，否則轉步驟c

c.取出標注結果為’LOC’或’ns’的實體，取其中長度最大的結果返回，若實體列表為空，則返回空字符串。

5.對提取結果進行清洗

為確保信息提取的整潔性，可以進一步去除一些無效信息，比如電話號中的非數字，姓名中的數字、字母，地址中的標點符號等。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

將得到的下單數據發送到用戶端，用戶可以對得到的下單數據進行修正，然后完成最后下單過程。