[發明專利]快遞行業畫像的生成方法、裝置、設備及存儲介質

在審

• 申請號: 202010944984.4
• 申請日: 2020-09-10
• 公開（公告）號: CN112560474A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 陳玉芬;夏揚;李培吉
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/216;G06F40/242;G06F16/35;G06Q10/08;G06Q30/02
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種快遞行業畫像的生成方法，其特征在于，所述快遞行業畫像的生成方法包括：

獲取原始快遞數據，基于預置的分詞器將所述原始快遞數據中的語段進行切分，得到詞語語料，通過對所述詞語語料進行計算處理，得到處理數據；

利用所述預置的特征提取器對所述處理數據進行特征提取，得到所述處理數據的特征向量，根據所述特征向量確定所述處理數據對應的特征標簽；

通過預置的聚類算法對特征標簽進行分類分析，得到多維度的權重標簽，所述權重標簽至少包括平臺標簽、地址標簽、時間標簽、商品標簽、用戶標簽和商戶標簽；

將所述權重標簽輸入至預置畫像生成器中，采用所述預置畫像生成器對所述權重標簽進行預測，得到預測標簽，通過所述特征標簽、所述權重標簽和所述預測標簽構建快遞行業畫像。

2.根據權利要求1所述的快遞行業畫像的生成方法，其特征在于，所述獲取原始快遞數據，基于預置的分詞器將所述原始快遞數據中的語段進行切分，得到詞語語料，通過對所述詞語語料進行計算處理，得到處理數據包括：

獲取原始快遞數據，并將所述原始快遞數據傳輸至預置的分詞器中；

在所述預置的分詞器中將所述原始快遞數據中的語段切分成多個詞語語料，并統計所述多個詞語語料的數量，所述詞語語料為標準詞典中存在的詞或詞組；

采用預置統計函數統計每個詞語語料在所述原始快遞數據中出現的頻次，得到多個基礎頻次；

通過每個基礎頻次計算對應詞語語料在所述語段中出現的次數，得到多個詞頻，并計算每個詞語語料的逆向語料頻率，得到多個逆向語料頻率，根據所述多個詞頻以及所述多個逆向語料頻率確定多個目標詞語語料，得到處理數據。

3.根據權利要求2所述的快遞行業畫像的生成方法，其特征在于，所述通過每個基礎頻次計算對應詞語語料在所述語段中出現的次數，得到多個詞頻，并計算每個詞語語料的逆向語料頻率，得到多個逆向語料頻率，根據所述多個詞頻以及所述多個逆向語料頻率確定多個目標詞語語料，得到處理數據包括：

獲取詞語語料中的候選語料，通過所述候選語料對應的基礎頻次與預置的第一計算公式計算候選語料在所述語段中出現的次數，得到目標詞頻，所述預置的第一計算公式為：

其中，TF為候選語料的目標詞頻，n為候選語料在語段中出現的次數，s為語段中所有詞語語料的數量，n、s均為正整數；

利用預置的第二計算公式計算候選語料的逆向語料頻率，所述預置的第二計算公式為：

其中，IDF為候選語料的目標逆向語料頻率，q為語段的數量，z為存在候選語料的語段數量，q、z均為正整數；

獲取詞語語料中除候選語料外的剩余語料，通過所述預置的第一計算公式與所述預置的第二計算公式計算得到所述剩余語料的剩余詞頻與剩余逆向語料頻率，將所述目標詞頻與所述剩余詞頻進行合并得到多個詞頻，將目標逆向語料頻率與所述剩余逆向語料頻率合并得到多個逆向語料頻率；

在多個詞語語料中篩選出詞頻大于或等于第一設定閾值且逆向語料頻率小于或等于第二設定閾值的多個目標詞語語料，將所述多個目標詞語語料對應的語段確定為處理數據。

4.根據權利要求2所述的快遞行業畫像的生成方法，其特征在于，所述利用所述預置的特征提取器對所述處理數據進行特征提取，得到所述處理數據的特征向量，根據所述特征向量確定所述處理數據對應的特征標簽包括：

將所述處理數據發送至預置的特征提取器中，利用所述預置的特征提取器對所述處理數據中的目標詞語語料進行特征提取，得到特征向量；

計算所述特征向量與標簽向量之間的相似度，得到基礎相似度；

選取所述基礎相似度的數值最大的目標相似度，將計算所述目標相似度的標簽向量對應的預置標簽確定為所述處理數據對應的特征標簽。