物流网点识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种物流网点识别方法、装置、计算机设备和存储介质。该方法包括：获取目标地址文本；对目标地址文本进行地址分词得到包括分级词与相应词级的目标文本序列；通过已训练好的物流网点识别模型，根据目标文本序列中的分级词与词级确定目标地址文本对应的第一目标向量序列，对第一目标向量序列进行特征融合得到第二目标向量序列，根据第二目标向量序列得到最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，根据最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，确定每个候选物流网点的置信度；根据每个候选物流网点的置信度确定目标地址文本对应的目标物流网点。采用本方法能够提高物流网点识别准确性。

【技术实现步骤摘要】
物流网点识别方法、装置、计算机设备和存储介质
本申请涉及物流
，特别是涉及一种物流网点识别方法、装置、计算机设备和存储介质。
技术介绍
在完整的物流配送体系中，物流网点是快递员派件到户的起始点与上门取件的结束点。从客户下单开始，在整个物流配送周期中，将快递包裹准确地分配到收件地址附件的物流网点，是实现快递员派件到户的关键一环，而将快递包裹准确地分配到发件地址附件的物流网点，是实现快递员上门取件的关键一环。由此，如何基于快递包裹的地址文本确定收发该快递包裹的物流网点，也即如何确定地址文本对应的物流网点，是值得关注的问题。目前，通常是基于规则匹配的方式确定地址文本对应的物流网点。但是，该种物流网点识别方式，需要建立并维护词典与规则，且受限于词典与规则的覆盖面与更新速率，存在物流网点的识别准确性低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高物流网点的识别准确性的物流网点识别方法、装置、计算机设备和存储介质。一种物流网点识别方法，所述方法包括：获取目标地址文本；对所述目标地址文本进行地址分词得到分词后的目标文本序列；所述目标文本序列包括分级词与每个分级词对应的词级；通过已训练好的物流网点识别模型，根据所述目标文本序列中的分级词与词级确定所述目标地址文本对应的第一目标向量序列，对所述第一目标向量序列进行特征融合得到第二目标向量序列，根据所述第二目标向量序列得到相应的最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，根据所述最大池化特征向量序列、所述平均池化特征向量序列与所述权重特征向量序列，确定预配置的每个候选物流网点对应的置信度；根据所述每个候选物流网点对应的置信度确定所述目标地址文本对应的目标物流网点。一种物流网点识别装置，所述装置包括：获取模块，用于获取目标地址文本；分词模块，用于对所述目标地址文本进行地址分词得到分词后的目标文本序列；所述目标文本序列包括分级词与每个分级词对应的词级；预测模块，用于通过已训练好的物流网点识别模型，根据所述目标文本序列中的分级词与词级确定所述目标地址文本对应的第一目标向量序列，对所述第一目标向量序列进行特征融合得到第二目标向量序列，根据所述第二目标向量序列得到相应的最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，根据所述最大池化特征向量序列、所述平均池化特征向量序列与所述权重特征向量序列，确定预配置的每个候选物流网点对应的置信度；识别模块，用于根据所述每个候选物流网点对应的置信度确定所述目标地址文本对应的目标物流网点。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法实施例中的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法实施例中的步骤。上述物流网点识别方法、装置、计算机设备和存储介质，对待识别的目标地址文本进行地址分词，得到包括相应分级词与每个分级词对应的词级的目标文本序列，通过已训练好的物流网点识别模型，根据该目标文本序列中的各分级词与相应词级，确定目标地址文本对应的第一目标向量序列，对该第一目标向量序列进行特征融合得到相应的第二目标向量序列，根据该第二目标向量序列得到相应的最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，并根据该最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，确定预配置的每个候选物流网点对应的置信度，能够提高各候选物流网点的置信度的预测效率与准确性，也即能够快速而准确的得到每个候选物流网点对应的置信度。进一步地，根据各候选物流网点对应的置信度，能够快速而准确地从预配置的候选物流网点中筛选目标地址文本对应的目标物流网点，从而能够在保证物流网点识别效率的情况下，提高物流网点的识别准确性。附图说明图1为一个实施例中物流网点识别方法的应用环境图；图2为一个实施例中物流网点识别方法的流程示意图；图3为另一个实施例中物流网点识别方法的流程示意图；图4为一个实施例中物流网点识别方法的原理示意图；图5为一个实施例中物流网点识别装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的物流网点识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。服务器104获取目标地址文本，对该目标地址文本进行地址分词得到包括分级词与相应词级的目标文本序列，通过已训练好的物流网点识别模型，根据该目标文本序列中的分级词与词级确定目标地址文本对应的第一目标向量序列，对该第一目标向量序列进行特征融合得到第二目标向量序列，根据该第二目标向量序列得到相应的最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，根据该最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，确定预配置的每个候选物流网点对应的置信度，并根据各候选物流网点对应的置信度从预配置的候选物流网点中筛选目标地址文本对应的目标物流网点。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种物流网点识别方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：步骤202，获取目标地址文本。其中，目标地址文本是指待识别物流网点的地址文本。目标地址文本也可理解为目标地址数据。举例说明，目标地址文本为：广东省深圳市龙华区工业路先跟创业园5栋A304。在一个实施例中，服务器接收终端发送的物流网点识别请求，并解析该物流网点识别请求得到相应的目标地址文本。在一个实施例中，当满足物流网点识别条件时，服务器从预配置的收派件运单地址库中获取待识别物流网点的目标地址文本。物流网点识别条件是用于触发物流网点识别操作的条件或依据，具体可以是接收到终端发送的物流网点识别指令，或者，自前一次触发物流网点识别操作起达到预设时长，在此不作具体具体限定。终端根据用户的物流网点识别触发操作生成物流网点识别指令，并将该物流网点识别指令发送至服务器。预设时长可自定义，比如1小时。在一个实施例中，服务器获取待识别物流网点的初始地址文本，并对该初始地址文本进行规范化处理得到相应的目标地址文本。其中，规范化处理包括但不限于是清洗无效非法字符、数字英文标准化、地址任命标准化、繁转简、去重补全、括号内容处理与后缀处理等。举例说明，初始地址文本为：广东深圳龙华龙华工业路先跟创业园五栋a304，对该初始地址文本进行规范化处理后得到的目标地址文本为：广东省深圳市龙华区工业路先跟创业园5栋本文档来自技高网...

【技术保护点】
1.一种物流网点识别方法，其特征在于，所述方法包括：/n获取目标地址文本；/n对所述目标地址文本进行地址分词得到分词后的目标文本序列；所述目标文本序列包括分级词与每个分级词对应的词级；/n通过已训练好的物流网点识别模型，根据所述目标文本序列中的分级词与词级确定所述目标地址文本对应的第一目标向量序列，对所述第一目标向量序列进行特征融合得到第二目标向量序列，根据所述第二目标向量序列得到相应的最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，根据所述最大池化特征向量序列、所述平均池化特征向量序列与所述权重特征向量序列，确定预配置的每个候选物流网点对应的置信度；/n根据所述每个候选物流网点对应的置信度确定所述目标地址文本对应的目标物流网点。/n

【技术特征摘要】
1.一种物流网点识别方法，其特征在于，所述方法包括：
获取目标地址文本；
对所述目标地址文本进行地址分词得到分词后的目标文本序列；所述目标文本序列包括分级词与每个分级词对应的词级；
通过已训练好的物流网点识别模型，根据所述目标文本序列中的分级词与词级确定所述目标地址文本对应的第一目标向量序列，对所述第一目标向量序列进行特征融合得到第二目标向量序列，根据所述第二目标向量序列得到相应的最大池化特征向量序列、平均池化特征向量序列与权重特征向量序列，根据所述最大池化特征向量序列、所述平均池化特征向量序列与所述权重特征向量序列，确定预配置的每个候选物流网点对应的置信度；
根据所述每个候选物流网点对应的置信度确定所述目标地址文本对应的目标物流网点。


2.根据权利要求1所述的方法，其特征在于，所述根据所述每个候选物流网点对应的置信度确定所述目标地址文本对应的目标物流网点，包括：
根据各所述候选物流网点对应的置信度与预配置的置信度阈值，动态确定所述目标地址文本对应的至少一个目标物流网点。


3.根据权利要求1所述的方法，其特征在于，所述对所述目标地址文本进行地址分词得到分词后的目标文本序列，包括：
将所述目标地址文本与预配置的白名单地址集合进行匹配；
当所述目标地址文本与所述白名单地址集合匹配失败时，对所述目标地址文本进行地址分词得到分词后的初始文本序列；所述初始文本序列包括所述目标地址文本对应的分级词，以及每个分级词对应的词级；
将所述初始文本序列与预配置的无效地址过滤条件进行比较；
当所述初始文本序列不满足所述无效地址过滤条件时，根据所述初始文本序列得到所述目标地址文本对应的目标文本序列。


4.根据权利要求3所述的方法，其特征在于，所述根据所述初始文本序列得到所述目标地址文本对应的目标文本序列，包括：
从所述初始文本序列中筛选词级与预配置的网点相关词级集合相匹配的分级词；
根据所筛选出的分级词与相应的词级得到相应的目标文本序列。


5.根据权利要求1所述的方法，其特征在于，所述根据所述目标文本序列中的分级词与词级确定所述目标地址文本对应的第一目标向量序列，包括：
确定所述目标文本序列中每个分级词对应的词向量，以及所述目标文本序列中每个词级对应的词级向量；
将所述目标文本序列中每个分级词对应的词向量与相应词级所对应的词级向量进行拼接，得到相应的拼接向量；
根据所述目标文本序列中各分级词对应的拼接向量，得到所述目标地址文本对应的第一目标向量序列。


6.根据权利要求1至5任意一项所述的方法，其特征在于，物流网点识别模型的训练步骤，包...

【专利技术属性】
技术研发人员：汪舟，赵云杰，王珊珊，何昊，
申请(专利权)人：丰图科技深圳有限公司，
类型：发明
国别省市：广东;44