危险指数分析方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例提供的危险指数分析方法、装置、电子设备和存储介质，根据文本分类模型从目标寄递信息中提取出至少一个目标特征词，并根据计算获得的目标特征词的倾向性数值计算该目标特征词所属的目标寄递信息的总倾向性数值，从而根据总倾向性数值分析该目标寄递信息的危险指数。采用上述方法描述的危险指数分析方法能够对大量的寄递信息进行监控并分析其危险指数，提高了寄递信息的监管和危险指数分析的效率。

Hazard index analysis methods, devices, electronic equipment and storage media

【技术实现步骤摘要】
危险指数分析方法、装置、电子设备和存储介质
本申请涉及文本分析
，具体而言，涉及一种危险指数分析方法、装置、电子设备和存储介质。
技术介绍
近年来，随着市场经济的快速发展，寄递业务高速增长，各物流企业内部寄递过程中对于高危物品(例如药品)的监管多是通过人工监管实现的。需要对收件地址或寄件地址进行监控和挖掘，例如，若收件地址或寄件地址中包括有“整容”、“整形”等敏感词，则将该收件地址对应的收件人或寄件地址对应的寄件人标记为重点关注对象，再根据人工经验对该收件地址或寄件地址进行进一步判断。上述方法需要依赖人工经验进行判断，无法对批量数据进行实时监控，且效率较低。
技术实现思路
有鉴于此，本申请的目的在于提供危险指数分析方法、装置、电子设备和存储介质。第一方面，实施例提供一种危险指数分析方法，应用于电子设备，所述方法包括：基于预先建立的特征词库从至少一个寄递信息中筛选出目标寄递信息；根据预先训练好的文本分类模型从所述目标寄递信息中提取出至少一个目标特征词；计算每个所述目标特征词的倾向性数值；根据每个所述目标特征词的倾向性数值计算所述目标特征词所属的目标寄递信息的总倾向性数值；根据所述总倾向性数值分析所述目标寄递信息对应的危险指数。在可选的实施方式中，所述方法还包括建立特征词库的步骤，该步骤包括：从训练文本中获取多个设定特征词，并标注各所述设定特征词的倾向性数值；根据多个所述设定特征词及各所述设定特征词的倾向性数值建立特征词库。在可选的实施方式中，所述方法还包括训练文本分类模型的步骤，该步骤包括：基于所述特征词库训练预设模型，以获得文本分类模型。在可选的实施方式中，基于预先建立的特征词库从至少一个寄递信息中筛选出目标寄递信息，包括：将至少一个所述寄递信息与所述特征词库中的各所述设定特征词进行比对，从至少一个所述寄递信息中筛选出包括所述设定特征词的目标寄递信息。在可选的实施方式中，计算每个所述目标特征词的倾向性数值，包括：将各所述目标特征词与所述特征词库中的各所述设定特征词进行匹配，判断各所述目标特征词是否能在所述特征词库中匹配到对应的设定特征词；若能匹配，则将能够与所述目标特征词匹配的设定特征词的倾向性数值赋值给所述目标特征词；若不能匹配，则为不能匹配到对应的设定特征词的目标特征词标注倾向化数值。在可选的实施方式中，根据每个所述目标特征词的倾向性数值计算所述目标特征词所属的目标寄递信息的总倾向性数值，包括：基于所述目标特征词的倾向性数值采用n-gram算法计算所述目标寄递信息的总倾向性数值。在可选的实施方式中，所述电子设备中预先设置有不同的危险指数对应的倾向性数值的阈值范围，所述根据所述总倾向性数值分析所述目标寄递信息对应的危险指数，包括：根据所述目标寄递信息的总倾向性数值所属的阈值范围判断该目标寄递信息对应的危险指数。第二方面，实施例提供一种危险指数分析装置，所述装置包括：筛选模块，用于基于预先建立的特征词库从至少一个寄递信息中筛选出目标寄递信息；目标特征词提取模块，用于根据预先训练好的文本分类模型从所述目标寄递信息中提取出至少一个目标特征词；第一计算模块，用于计算每个所述目标特征词的倾向性数值；第二计算模块，用于根据每个所述目标特征词的倾向性数值计算所述目标特征词所属的目标寄递信息的总倾向性数值；分析模块，用于根据所述总倾向性数值分析所述目标寄递信息对应的危险指数。第三方面，实施例提供一种电子设备，包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述电子设备执行前述实施方式中任意一项所述的危险指数分析方法。第四方面，实施例提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被执行时实现前述实施方式中任意一项所述的危险指数分析方法。本申请的有益效果：本申请实施例提供的危险指数分析方法、装置、电子设备和存储介质，根据文本分类模型从目标寄递信息中提取出至少一个目标特征词，并根据计算获得的目标特征词的倾向性数值计算该目标特征词所属的目标寄递信息的总倾向性数值，从而根据总倾向性数值分析该目标寄递信息的危险指数。采用上述方法描述的危险指数分析方法能够对大量的寄递信息进行监控并分析其危险指数，提高了寄递信息的监管和危险指数分析的效率。为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的电子设备的结构示意图；图2为本申请实施例提供的危险指数分析方法的流程图之一；图3为本申请实施例提供的危险指数分析方法的流程图之二；图4为本申请实施例提供的图3中的步骤S208的子步骤流程图；图5为本申请实施例提供的图3中的步骤S209的子步骤流程图；图6为本申请实施例提供的图1中的步骤S230的子步骤流程图；图7为本申请实施例提供的危险指数分析装置的功能模块图。主要元件符号说明：100-电子设备；110-危险指数分析装置；120-存储器；130-处理器；1101-筛选模块；1102-目标特征词提取模块；1103-第一计算模块；1104-第二计算模块；1105-分析模块。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。请参照图1，图1为本申请实施例提供的电子设备100的结构示意图。该电子设备100包括有处理器130、存储器120以及危险指数分析装置110，所述存储器120与处理器130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述危险指数分析装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(OperatingSystem，OS)中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块本文档来自技高网...

【技术保护点】
1.一种危险指数分析方法，其特征在于，应用于电子设备，所述方法包括：/n基于预先建立的特征词库从至少一个寄递信息中筛选出目标寄递信息；/n根据预先训练好的文本分类模型从所述目标寄递信息中提取出至少一个目标特征词；/n计算每个所述目标特征词的倾向性数值；/n根据每个所述目标特征词的倾向性数值计算所述目标特征词所属的目标寄递信息的总倾向性数值；/n根据所述总倾向性数值分析所述目标寄递信息对应的危险指数。/n

【技术特征摘要】
1.一种危险指数分析方法，其特征在于，应用于电子设备，所述方法包括：
基于预先建立的特征词库从至少一个寄递信息中筛选出目标寄递信息；
根据预先训练好的文本分类模型从所述目标寄递信息中提取出至少一个目标特征词；
计算每个所述目标特征词的倾向性数值；
根据每个所述目标特征词的倾向性数值计算所述目标特征词所属的目标寄递信息的总倾向性数值；
根据所述总倾向性数值分析所述目标寄递信息对应的危险指数。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括建立特征词库的步骤，该步骤包括：
从训练文本中获取多个设定特征词，并标注各所述设定特征词的倾向性数值；
根据多个所述设定特征词及各所述设定特征词的倾向性数值建立特征词库。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括训练文本分类模型的步骤，该步骤包括：
基于所述特征词库训练预设模型，以获得文本分类模型。


4.根据权利要求2所述的方法，其特征在于，基于预先建立的特征词库从至少一个寄递信息中筛选出目标寄递信息，包括：
将至少一个所述寄递信息与所述特征词库中的各所述设定特征词进行比对，从至少一个所述寄递信息中筛选出包括所述设定特征词的目标寄递信息。


5.根据权利要求4所述的方法，其特征在于，计算每个所述目标特征词的倾向性数值，包括：
将各所述目标特征词与所述特征词库中的各所述设定特征词进行匹配，判断各所述目标特征词是否能在所述特征词库中匹配到对应的设定特征词；
若能匹配，则将能够与所述目标特征词匹配的设定特征词的倾向性数值赋值给所述目标特征词；
若不能...

【专利技术属性】
技术研发人员：赵力元，陈秀坤，高古明，张昭，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：北京;11