一种基于自然语言处理的物流运力匹配方法和系统技术方案

本发明专利技术请求保护的一种基于自然语言处理的物流运力匹配方法和系统，通过对存储的自然语言的物流运力匹配模型进行匹配值计算；其中，每一个自然语言的物流运力匹配模型是根据预设的语义分析模型每次识别出的物流异常数据生成的；若匹配值计算结果满足预设条件，则调整所述预设的语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型；本发明专利技术可以解决现有的物流货物信息监测中出现将正常物流货物信息识别为物流异常的问题，避免由于当前的语义分析模型识别不准确造成的物流货物信息识别错误的问题，降低将正常物流货物信息误判为物流异常的概率，提高物流货物信息识别的准确度，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
一种基于自然语言处理的物流运力匹配方法和系统


[0001]本申请属于物流货物信息处理
，尤其涉及基于物流车辆工智能的一种基于自然语言处理的物流运力匹配方法和系统。

技术介绍

[0002]随着电商行业的兴起、公路基础建设的完善以及国际贸易快速发展，公路货运也在整个货运物流体系中越来越重要。但目前我国在公路运输方面效率低下，运输成本居高不下，车主、物流企业利润率逐年下滑。这些不良情况的主要原因是货运市场运力过剩，货车在从始发地装货运到目的地后，往往由于目的地货源不足，市场规模小等原因空载返回。我国货车的空驶率在40％以上，车主和物流企业的利润空间十分狭小。一些贸易频繁的港口、工厂等所在的大型城市聚集大量物流企业和货车，整个城市货运行业竞争压力大，一些商品运输过剩导致其价格远低于其他地方。但一些偏远或者小地区却由于需求度不高，市场规模小，无法吸引大型货车和物流企业，导致一些商品常年缺乏，本地区特产商品无法运输出去，GDP的增速缓慢，特产商品无物流车辆问津等问题。造成上述的主要原因就是地区之间的货和车的供需关系不匹配，地区之间的物流企业无法准确估算其两地之间的运力情况，造成大量货车空载返回或者由于竞争无法满载运输，进而导致了运力过剩或者运力不足的问题。
[0003]现有的传统城配物流模式，由于信息化、智能化程度低、技术手段落后，操作也都采用物流车辆工查看，手动操作的运营方式，很难实现城配物流的智能配置运营，往往出现货物配置不及时，车辆空置率高，无法很好的降低城配物流配送最后一公里成本。物流可以通过错峰的方式减少对楼宇运力的集中压力，但物流由于其业务特性普遍发生在高峰期。同时，下单和到达时间的不确定性会导致物流车辆流分散，降低电梯单次上下行的效率，从而降低整体效率。出于部分这方面的考虑，配送机器物流车辆通常被设计为具备同时负载多个物品包裹的能力。但是，专利技术物流车辆在实现本专利技术的过程中，发现现有的方案指数存在如下问题：闲置的时间越长，越能等到更多的包裹，可这也会造成用户闲置的时间变长，与物流较高即时性的需求是矛盾的。因此，需要一种基于物流运力匹配方法，以提高物品配送效率。

技术实现思路

[0004]本申请实施例提供了一种基于自然语言处理的物流运力匹配方法和系统，可以解决现有的物流货物信息监测中出现将正常物流货物信息识别为物流异常的问题。
[0005]第一方面，本申请实施例提供了一种基于自然语言处理的物流运力匹配方法，包括：
[0006]对存储的自然语言的物流运力匹配模型进行匹配值计算；其中，每一个自然语言的物流运力匹配模型是根据预设的语义分析模型每次识别出的物流异常数据生成的；
[0007]若匹配值计算结果满足预设条件，则调整所述预设的语义分析模型的识别参数或
者将当前的语义分析模型切换为其他的语义分析模型。
[0008]本申请实施例提供的基于自然语言处理的物流运力匹配方法，将预设的语义分析模型识别出的物流异常数据生成自然语言的物流运力匹配模型并存储，对自然语言的物流运力匹配模型进行匹配值计算，若匹配值计算满足预设条件，调整预设的语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。从而避免由于当前的语义分析模型识别不准确造成的物流货物信息识别错误的问题，降低将正常物流货物信息误判为物流异常的概率，提高物流货物信息识别的准确度，提升用户体验。
[0009]在第一方面的一种可能的实现方式中，所述对存储的自然语言的物流运力匹配模型进行匹配值计算包括：
[0010]当所述语义分析模型连续两次识别出物流异常数据时，对存储的两个自然语言的物流运力匹配模型进行匹配值计算，其中，所述两个自然语言的物流运力匹配模型是根据所述连续两次识别出的物流异常数据生成的，每个自然语言的物流运力匹配模型对应一个物流异常数据；
[0011]相应的，若匹配值计算结果满足预设条件，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型包括：
[0012]若两个自然语言的物流运力匹配模型的匹配值小于第一门限值，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。
[0013]本申请实施例提供的基于自然语言处理的物流运力匹配方法，在连续两次将物流车辆数据识别为物流异常数据时，对存储的两个自然语言的物流运力匹配模型进行匹配值计算，若两个自然语言的物流运力匹配模型的匹配值小于第一门限值，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。由于连续两次将物流车辆数据识别为物流异常数据，说明有可能存在将正常物流货物信息识别为物流异常的情况，此时调整识别参数或切换语义分析模型，得到更准确的语义分析模型，从而在下一次物流货物信息识别时，降低将正常物流货物信息识别为物流异常数据的概率。
[0014]在第一方面的一种可能的实现方式中，所述对存储的自然语言的物流运力匹配模型进行匹配值计算包括：
[0015]当达到预设周期时，统计存储的自然语言的物流运力匹配模型的数量；
[0016]当所述预设周期内的自然语言的物流运力匹配模型的数量大于第二门限值和/或所述预设周期内的自然语言的物流运力匹配模型的数量在所有输入物流车辆数据的数量中的比例大于第三门限值时，对存储的自然语言的物流运力匹配模型进行两两匹配值计算；
[0017]相应的，若匹配值计算结果满足预设条件，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型包括：
[0018]若根据每两个自然语言的物流运力匹配模型之间的匹配值计算出的相似自然语言的物流运力匹配模型的数量小于第三门限值和/或所述相似自然语言的物流运力匹配模型的数量在所有匹配值计算的次数中的比例小于第四门限值，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。
[0019]本申请实施例提供的基于自然语言处理的物流运力匹配方法，当达到预设周期时，统计存储的自然语言的物流运力匹配模型的数量。当所述预设周期内的自然语言的物
流运力匹配模型的数量达到一定数量时，说明将物流车辆数据识别为物流异常数据的频率较高，对自然语言的物流运力匹配模型进行匹配值计算。若相似自然语言的物流运力匹配模型的数量小于一定数量时，说明自然语言的物流运力匹配模型之间的匹配值不高，输入的物流车辆数据可能为正常物流车辆数据。调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型，防止一段时间内多次将正常物流车辆数据识别为物流异常数据。
[0020]在第一方面的一种可能的实现方式中，所述对存储的自然语言的物流运力匹配模型进行匹配值计算之前，所述方法还包括：
[0021]获取物流车辆数据；
[0022]采用所述预设的语义分析模型对所述物流车辆数据进行识别；
[0023]若识别结果为物流异常数据，则生成与所述物流异常数据对应的自然语言的物流运力匹配模型，并存储所述自然语言的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自然语言处理的物流运力匹配方法，其特征在于，包括：对存储的自然语言的物流运力匹配模型进行匹配值计算；其中，每一个自然语言的物流运力匹配模型是根据预设的语义分析模型每次识别出的物流异常数据生成的；若匹配值计算结果满足预设条件，则调整所述预设的语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。2.如权利要求1所述的基于自然语言处理的物流运力匹配方法，其特征在于，所述对存储的自然语言的物流运力匹配模型进行匹配值计算包括：当所述语义分析模型连续两次识别出物流异常数据时，对存储的两个自然语言的物流运力匹配模型进行匹配值计算，其中，所述两个自然语言的物流运力匹配模型是根据所述连续两次识别出的物流异常数据生成的，每个自然语言的物流运力匹配模型对应一个物流异常数据；相应的，若匹配值计算结果满足预设条件，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型包括：若两个自然语言的物流运力匹配模型的匹配值小于第一门限值，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。3.如权利要求1所述的基于自然语言处理的物流运力匹配方法，其特征在于，所述对存储的自然语言的物流运力匹配模型进行匹配值计算包括：当达到预设周期时，统计存储的自然语言的物流运力匹配模型的数量；当所述预设周期内的自然语言的物流运力匹配模型的数量大于第二门限值和/或所述预设周期内的自然语言的物流运力匹配模型的数量在所有输入物流车辆数据的数量中的比例大于第三门限值时，对存储的自然语言的物流运力匹配模型进行两两匹配值计算；相应的，若匹配值计算结果满足预设条件，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型包括：若根据每两个自然语言的物流运力匹配模型之间的匹配值计算出的相似自然语言的物流运力匹配模型的数量小于第三门限值和/或所述相似自然语言的物流运力匹配模型的数量在所有匹配值计算的次数中的比例小于第四门限值，则调整所述语义分析模型的识别参数或者将当前的语义分析模型切换为其他的语义分析模型。4.如权利要求1所述的基于自然语言处理的物流运力匹配方法，其特征在于，所述对存储的自然语言的物流运力匹配模型进行匹配值计算之前，所述方法还包括：获取物流车辆数据；采用所述预设的语义分析模型对所述物流车辆数据进行识别；若识别结果为物流异常数据，则生成与所述物流异常数据对应的自然语言的物流运...

【专利技术属性】
技术研发人员：庞含，庞路，
申请(专利权)人：安徽龙鼎信息科技有限公司，
类型：发明
国别省市：