快递编码生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及物流技术领域，公开了一种快递编码生成方法、装置、设备及存储介质，用于提高快递编码的生成准确率和生成效率。快递编码生成方法包括：获取快递编码生成请求，并从快递编码生成请求中提取初始快递地址信息；对初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息；按照目标省级地址确定目标神经网络分类模型，并通过目标神经网络分类模型对目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应；从多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据目标预测概率值确定目标快递编码数据。

【技术实现步骤摘要】
快递编码生成方法、装置、设备及存储介质
本专利技术涉及物流
，尤其涉及一种快递编码生成方法、装置、设备及存储介质。
技术介绍
快递编码通常指分拨中心、网点、虚拟业务员和快递柜等的编码，业界通常采用一段码、二段码、三段码等编码表示，快递编码是快递在各区域流转并最终被准确送达客户手中的重要信息载体。在现有技术中，根据快递地址信息及时准确推算出快递编码是业内一大难题。传统的方法主要包含地址关键字和地址围栏等。其中地址关键字方法因统计不全容易导致快递地址的识别率低，以及重复建筑或路段名称等导致快递编码的生成准确率低，同时地址围栏因经纬度漂移和地理环境等因素导致快递编码的生成准确率低和快递地址的识别率低。
技术实现思路
本专利技术提供了一种快递编码生成方法、装置、设备及存储介质，用于通过目标神经网络分类模型生成目标快递编码数据，提高了快递编码的生成准确率和生成效率。为实现上述目的，本专利技术第一方面提供了一种快递编码生成方法，包括：获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息；对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息；按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应；从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据。r>一种可行的实施方式中，所述获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息，包括：接收快递编码生成请求，并对所述快递编码生成请求进行参数解析，得到解析结果；对所述解析结果验证参数名称和参数值，得到验证结果；当所述验证结果为验证通过时，从所述解析结果中读取初始快递地址信息。一种可行的实施方式中，所述对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息，包括：对所述初始快递地址信息删除空格符号，得到已处理的快递地址信息，所述初始快递地址信息包括目标省级地址、市级地址、区县级地址和用户实际收件地址；通过预设的分词工具对所述已处理的快递地址信息进行分词处理，得到多个快递地址分词；按照预设的省份字典对所述多个快递地址分词进行匹配分析，得到所述目标省级地址；对所述多个快递地址分词删除重复词语，得到多个已清洗的快递地址，将所述多个已清洗的快递地址组合为目标快递地址信息。一种可行的实施方式中，所述按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应，包括：按照所述目标省级地址查询预设的模型配置表，得到目标神经网络分类模型；将所述目标快递地址信息传输至所述目标神经网络分类模型中，基于预设的N元窗口取词算法对所述目标快递地址信息进行片段切分，得到多个词组片段，N的取值范围为大于或等于2；分别对所述多个词组片段进行随机初始化，得到多个词组向量，每个词组向量对应的向量维度为预设数量的维度，所述预设数量为正整数；按照所述多个词组向量计算平均词向量，通过所述目标神经网络分类模型中的全连接层确定所述平均词向量对应的多个初始快递编码；通过所述目标神经网络分类模型中的分类器对所述平均词向量和所述多个初始快递编码进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应。一种可行的实施方式中，所述从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据，包括：对所述多个预测概率值按照数值从大到小的顺序进行排序，得到多个已排序的概率值；从所述多个已排序的概率值中筛选数值最大的预测概率值，得到目标预测概率值；按照所述目标预测概率值确定对应的快递编码数据，并将所述目标预测概率值对应的快递编码数据设置为目标快递编码数据。一种可行的实施方式中，在所述获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息之前，所述快递编码生成方法还包括：获取多个已签收的快递订单数据，各已签收的快递订单数据包括省份信息、收件地址信息、不同类型的派件码信息和签收时刻；对所述多个已签收的快递订单数据分别进行数据清洗处理，得到多个快递订单样本数据；按照预设比例和所述省份信息对所述多个快递订单样本数据进行划分，得到多个快递订单训练集和多个快递订单测试集，各快递订单训练集和各快递订单测试集一一对应；基于各快递订单训练集和各快递订单测试集对初始神经网络分类模型进行模型训练和模型测试，得到多个训练好的神经网络分类模型，所述多个训练好的神经网络分类模型包括目标神经网络分类模型；将所述多个训练好的神经网络分类模型存储至各训练好的神经网络分类模型对应的模型文件中，并根据各训练好的神经网络分类模型对应的模型文件部署各训练好的神经网络分类模型。一种可行的实施方式中，所述对所述多个已签收的快递订单数据分别进行数据清洗处理，得到多个快递订单样本数据，包括：分别对多个已签收的快递订单数据删除空格符号和空行符号，得到多个已过滤的快递订单数据；对各已过滤的快递订单数据中不同类型的派件码信息进行字符串拼接处理，得到各已过滤的快递订单数据对应的目标派件码；按照各已过滤的快递订单数据中的签收时刻对各已过滤的快递订单数据中的收件地址信息进行逆序排序，得到多个已排序的地址信息；从所述多个已排序的地址信息中删除重复地址，得到多个已清洗的地址数据；分别对所述多个已清洗的地址数据依次进行分词处理和删除重复字段，得到各已清洗的快递订单数据对应的目标地址信息；对各已过滤的快递订单数据对应的目标派件码和各已清洗的快递订单数据对应的目标地址信息进行组合，得到多个快递订单样本数据。本专利技术第二方面提供了一种快递编码生成装置，包括：提取模块，用于获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息；预处理模块，用于对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息；预测模块，用于按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应；确定模块，用于从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据。一种可行的实施方式中，所述提取模块具体用于：接收快递编码生成请求，并对所述快递编码生成请求进行参数解析，得到解析结果；对所述解析结果验证参数名称和参数值，得到验证结果；当所述验证结果为验证通过时，从所述解析结果中读取初始快递地址信息。一种可行的实施方式中，所述预处理模块具体用于：对所述初始快递地址信息删除空格符号，得到已处理的快递地址信息，所述初始快递地址信息包括目标省级地址、市级地本文档来自技高网...

【技术保护点】
1.一种快递编码生成方法，其特征在于，所述快递编码生成方法包括：/n获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息；/n对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息；/n按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应；/n从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据。/n

【技术特征摘要】
1.一种快递编码生成方法，其特征在于，所述快递编码生成方法包括：
获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息；
对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息；
按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应；
从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据。


2.根据权利要求1所述的快递编码生成方法，其特征在于，所述获取快递编码生成请求，并从所述快递编码生成请求中提取初始快递地址信息，包括：
接收快递编码生成请求，并对所述快递编码生成请求进行参数解析，得到解析结果；
对所述解析结果验证参数名称和参数值，得到验证结果；
当所述验证结果为验证通过时，从所述解析结果中读取初始快递地址信息。


3.根据权利要求1所述的快递编码生成方法，其特征在于，所述对所述初始快递地址信息进行数据预处理，得到目标省级地址和目标快递地址信息，包括：
对所述初始快递地址信息删除空格符号，得到已处理的快递地址信息，所述初始快递地址信息包括目标省级地址、市级地址、区县级地址和用户实际收件地址；
通过预设的分词工具对所述已处理的快递地址信息进行分词处理，得到多个快递地址分词；
按照预设的省份字典对所述多个快递地址分词进行匹配分析，得到所述目标省级地址；
对所述多个快递地址分词删除重复词语，得到多个已清洗的快递地址，将所述多个已清洗的快递地址组合为目标快递地址信息。


4.根据权利要求1所述的快递编码生成方法，其特征在于，所述按照所述目标省级地址确定目标神经网络分类模型，并通过所述目标神经网络分类模型对所述目标快递地址信息进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应，包括：
按照所述目标省级地址查询预设的模型配置表，得到目标神经网络分类模型；
将所述目标快递地址信息传输至所述目标神经网络分类模型中，基于预设的N元窗口取词算法对所述目标快递地址信息进行片段切分，得到多个词组片段，N的取值范围为大于或等于2；
分别对所述多个词组片段进行随机初始化，得到多个词组向量，每个词组向量对应的向量维度为预设数量的维度，所述预设数量为正整数；
按照所述多个词组向量计算平均词向量，通过所述目标神经网络分类模型中的全连接层确定所述平均词向量对应的多个初始快递编码；
通过所述目标神经网络分类模型中的分类器对所述平均词向量和所述多个初始快递编码进行快递编码预测处理，得到多个预测概率值和多个快递编码数据，每个预测概率值与每个快递编码数据一一对应。


5.根据权利要求1所述的快递编码生成方法，其特征在于，所述从所述多个预测概率值中获取数值最大的预测概率值，得到目标预测概率值，并根据所述目标预测概率值确定目标快递编码数据，包括：
对所述多个预测概率值按照数值从大到小的顺序进行排序，得到多个已排序的概率值；
从所述多个已排序的概率值中筛选数值最大的预测概率值，得到目标预测概率值；
按照所述目标预测概率值确定对应的快递编码数据...

【专利技术属性】
技术研发人员：杨周龙，王豹，李斯，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：上海;31