【技术实现步骤摘要】
地址区划分类方法、系统、设备及存储介质
本专利技术涉及物流数据处理
,尤其涉及一种地址区划分类方法、系统、设备及存储介质。
技术介绍
物流场景下,用户所填收货地址存在如下现象:行政区划与地址详情不对应;多套行政区划,即用户下拉控件选择一套,地址详情填写一套,两套区划可能不一一致;行政区划缺失,如区县选择“其他区”。用户收货地址行政区划错误或缺失会影响物流一段码计算,导致用户包裹无无法正常流转,用户无法及时收到包裹,最终造成用户购物体验损害。此外,存在其他物流场景同样依赖用户地址行政区划信息,例如,快递公司根据收货地址行政区划进行物流费用计价;电商/快递公司利用行政区划圈定仓库配送区域范围等。在这些物流场景下,如果用户收货地址行政区划错误或缺失,会影响对应业务的正常实现。
技术实现思路
针对现有技术中的问题,本专利技术的目的在于提供一种地址区划分类方法、系统、设备及存储介质,将区划分类转换为文本分类问题,实现行政区划的准确预测,以填补收货地址中缺失的信息或对部分信息进行纠正。本专利技术实施例提供一种地址区划分类方法,包括如下步骤:获取用户输入的地址数据;根据预设的信息提取规则,确定所述地址数据中需要提取的地址元素,从所述地址数据中提取输入地址文本;提取所述输入地址文本的地址特征向量,并输入区划预测模型,所述区划预测模型配置为基于所述地址特征向量进行区划分类;获取所述区域预测模型输出的区划分类结果。在一些实施例中,所述获取用户输入的地址数据 ...
【技术保护点】
1.一种地址区划预测方法,其特征在于,所述方法包括:/n获取用户输入的地址数据;/n根据预设的信息提取规则,确定所述地址数据中需要提取的地址元素,从所述地址数据中提取输入地址文本;/n提取所述输入地址文本的地址特征向量,并输入区划预测模型,所述区划预测模型配置为基于所述地址特征向量进行区划分类;/n获取所述区域预测模型输出的区划分类结果。/n
【技术特征摘要】
1.一种地址区划预测方法,其特征在于,所述方法包括:
获取用户输入的地址数据;
根据预设的信息提取规则,确定所述地址数据中需要提取的地址元素,从所述地址数据中提取输入地址文本;
提取所述输入地址文本的地址特征向量,并输入区划预测模型,所述区划预测模型配置为基于所述地址特征向量进行区划分类;
获取所述区域预测模型输出的区划分类结果。
2.根据权利要求1所述的地址区划分类方法,其特征在于,所述获取用户输入的地址数据,包括:
提供地址输入页面给用户,所述地址输入页面包括区划选择部分和详细地址输入部分;
获取用户在所述区划选择部分选择的区划信息;以及获取用户在所述详细地址输入部分输入的详细地址信息。
3.根据权利要求1所述的地址区划分类方法,其特征在于,所述信息提取规则包括对地址数据中各个地址元素的提取规则;
根据预设的信息提取规则,确定所述地址数据中需要提取的地址元素,从所述地址数据中提取输入地址文本,包括如下步骤:
将所述地址数据拆分为多个地址元素,确定各个地址元素的类别;
根据预设的各个地址元素的类别与区划分类结果的关联关系,确定是否需要提取该地址元素;
将确定需要提取的地址元素从所述地址数据中提取出来,得到输入地址文本。
4.根据权利要求1所述的地址区划分类方法,其特征在于,所述训练好的区划预测模型包括多个区划预测模型,所述区划预测模型分别对应于第一种级别的区划类型,所述区划分类结果包括第二种级别的区划类型,所述第一种级别高于所述第二种级别。
5.根据权利要求4所述的地址区划分类方法,其特征在于,所述第一种级别的区划类型为地级行政区,所述第二种级别的区划类型为县级行政区。
6.根据权利要求4所述的地址区划分类方法,其特征在于,所述输入区划预测模型,包括如下步骤:
确定所述地址数据中的第一种级别的区划类型;
根据确定的第一种级别的区划类型选择对应的区划预测模型;
将所述地址数据输入所对应的区划预测模型。
7.根据权利要求4所述的地址区划分类方法,其特征在于,还包括采用如下步骤训练所述区划预测模型:
对于各个第一种级别的区划类型,获取所对应的样本地址文本;
分别为所述样本地址文本添加第二种级别的分类标签后,加入所对应的第一种级别的训练集;
采用所述训练集训练所对应的区划预测模型。
8.根据权利要求7所述的地址区划分类方法,其特征在于,所述训练所对应的区划预测模型,包括如下步骤:
对于每轮训练,根据所述区划预测模型输出的区划分类结果和所对应的分类标签计算评估指标;
基于所述评估指标优化训练所述区划预测模型。
9.根据权利要求8所述的地址区划分类方法,其特征在于,所述区划预测模型为支持向量机模型,所述评估指标包括精准率和命中率。
10.根据权利要求7所述的地址区划分...
【专利技术属性】
技术研发人员:刘成亮,周筠,
申请(专利权)人:上海寻梦信息技术有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。