[發明專利]地址縮略語生成方法、模型訓練方法及相關設備

在審

• 申請號: 202011373603.8
• 申請日: 2020-11-30
• 公開（公告）號: CN112488194A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 谷東興;鄭德鵬;王國印;田冰
• 申請（專利權）人: 上海尋夢信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/08
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 徐莉;鐘宗

本發明涉及物流技術領域，提供一種地址縮略語生成方法、模型訓練方法及相關設備。所述地址縮略語生成方法包括：接收收件地址；對所述收件地址進行處理，生成向量矩陣；將所述向量矩陣輸入一縮略信息標注模型，獲得縮略標簽序列，所述縮略標簽序列包括對應所述收件地址中每個字詞的縮略標簽；以及，自所述縮略標簽序列中篩選出關鍵縮略標簽對應的關鍵字詞，生成所述收件地址的地址縮略語。本發明能夠對收件地址進行處理，生成準確標識收件地址的關鍵信息的地址縮略語，幫助快遞員迅速獲取到收件地址中的關鍵信息，提升物流配送效率，也能提升用戶的收件體驗。

技術領域

本發明涉及物流技術領域，具體地說，涉及一種地址縮略語生成方法、模型訓練方法及相關設備。

背景技術

在物流配送過程中，經常會出現這樣的場景：快遞面單中用戶的收貨地址很長，快遞員難以一眼獲取到關鍵信息，需要認真辨認才能識別出準確地址。如果多位用戶都出現這樣的情況，則會嚴重影響快遞員的配送效率，因此需要對收件地址進行簡化處理。

目前的簡化處理方式，只能做到識別出收件地址中的省市歸屬信息，然后截取出位于省市歸屬信息之后的下游地址。這種方式并不能真正滿足地址簡化的需求，尤其是對于本身十分冗長的地址信息，即使截取出位于省市歸屬信息之后的下游地址，也無法幫助快遞員迅速獲取到關鍵信息。

舉例來說，某個用戶的收件地址是“河北省石家莊市紅旗大街與南二環交叉口西行300米五里莊園天倫錦城4號樓201”，此時即使截取出位于省市歸屬信息之后的下游地址“紅旗大街與南二環交叉口西行300米五里莊園天倫錦城4號樓201”，顯示的地址信息仍然十分冗長，難以滿足簡化需求。

需要說明的是，上述背景技術部分公開的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

有鑒于此，本發明提供一種地址縮略語生成方法、模型訓練方法及相關設備，能夠對收件地址進行處理，生成準確標識其關鍵信息的地址縮略語，幫助快遞員迅速獲取到收件地址中的關鍵信息，提升物流配送效率。

本發明的一個方面提供一種地址縮略語生成方法，包括：接收收件地址；對所述收件地址進行處理，生成向量矩陣；將所述向量矩陣輸入一縮略信息標注模型，獲得縮略標簽序列，所述縮略標簽序列包括對應所述收件地址中每個字詞的縮略標簽；以及，自所述縮略標簽序列中篩選出關鍵縮略標簽對應的關鍵字詞，生成所述收件地址的地址縮略語。

在一些實施例中，所述生成所述收件地址的地址縮略語之后，還包括：根據所述地址縮略語，打印快遞面單。

在一些實施例中，所述收件地址包括對應末端配送區域的末端地址，所述關鍵字詞為所述末端地址中的部分字詞。

在一些實施例中，所述打印快遞面單之后，還包括：獲得所述快遞面單對應的包裹到達所述末端配送區域的預計日期；根據所述包裹和所述預計日期，更新所述末端配送區域在所述預計日期的預計包裹數；以及于預設條件觸發時，向所述末端配送區域的配送中心發送所述預計日期的預計包裹數。

在一些實施例中，所述預設條件包括：所述預計日期到達，和/或所述預計包裹數超過預設閾值。

在一些實施例中，所述對所述收件地址進行處理，生成向量矩陣，包括：對所述收件地址進行預處理，生成預設格式的地址文本；根據數據字典，將所述地址文本中的字詞轉換成數字，生成數字序列；將所述數字序列中每個字詞對應的數字轉換成向量，并按所述地址文本的字詞順序拼接轉換后的向量，生成向量矩陣。

在一些實施例中，所述縮略信息標注模型包括循環神經網絡和概率無向圖模型；所述獲得所述縮略標簽序列，包括：所述循環神經網絡根據所述向量矩陣，獲得對應每個字詞的特征向量；所述概率無向圖模型根據所述特征向量，獲得包含每個字詞對應各縮略標簽的概率序列的概率矩陣，并根據所述概率矩陣輸出最優標簽序列作為所述縮略標簽序列；所述最優標簽序列中，每個字詞對應一縮略標簽。