【技术实现步骤摘要】
本专利技术涉及物流信息分类，尤其涉及一种快递行业的客户信息分类方法、装置、设备及存储介质。
技术介绍
1、随着电子商务交易平台的不断完善，以及传统通信、移动通信等技术的快速发展，越来越多的人们通过网上购物的方式来获取自己所需的商品，随之快递产业也逐渐增长。
2、现有技术中的快递产业，快递人员需要查阅用户填写的快递信息对快递进行分类，非常的繁琐，从而导致快递分类工作效率低下，且用户信息安全无法得到有效保证。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于解决现有技术中采用人工对客户信息进行分类非常繁琐，从而导致快递分类工作效率低下，且用户信息安全无法得到有效保证的问题。
2、本专利技术第一方面提供了一种快递行业的客户信息分类方法，包括：获取快递系统中的原始客户数据，并对所述原始客户数据进行预处理和特征工程处理，得到特征向量训练集和特征向量验证集；获取预设规则集，并根据所述预设规则集构建决策树模型，其中，所述预设规则集包括特征向量、信息类别以及所述特征向量与所述信息类别的对应关系；根据所述特征向量训练集和所述特征向量验证集对所述决策树模型进行训练和微调，得到客户信息分类模型；获取当前客户数据，将所述当前客户数据对应的特征向量输入至所述客户信息分类模型，得到客户信息类别。
3、可选的，在本专利技术第一方面的第一种实现方式中，所述获取快递系统中的原始客户数据，并对所述原始客户数据进行预处理和特征工程处理，得
4、可选的，在本专利技术第一方面的第二种实现方式中，所述对所述客户特征数据进行特征工程处理，得到所述特征向量训练集和所述特征向量验证集的步骤包括：根据预设业务需求，提取所述客户特征数据中的静态特征和动态特征；对所述静态特征和动态特征进行特征转换处理，得到所述特征向量训练集和所述特征向量验证集。
5、可选的，在本专利技术第一方面的第三种实现方式中，所述获取预设规则集，并根据所述预设规则集构建决策树模型的步骤包括：获取所述预设规则集中的所述特征向量以及所述特征向量对应的所述信息类别，根据所述特征向量与预设阈值构建内节点；根据所述信息类别构建叶节点，并根据所述内节点和所述叶节点构建所述决策树模型。
6、可选的，在本专利技术第一方面的第四种实现方式中，所述根据所述特征向量训练集和所述特征向量验证集对所述决策树模型进行训练和微调，得到客户信息分类模型的步骤包括：根据所述特征向量训练集对所述决策树模型进行训练，得到训练信息分类模型；将所述特征向量验证集输入至所述训练信息分类模型，得到所述特征向量验证集对应的信息分类结果；根据所述信息分类结果对所述训练信息分类模型进行微调，得到所述客户信息分类模型。
7、可选的，在本专利技术第一方面的第五种实现方式中，所述根据所述信息分类结果对所述训练信息分类模型进行微调，得到所述客户信息分类模型的步骤包括：计算所述信息分类结果与预设信息分类结果之间的相似度损失，得到损失结果；根据所述损失结果对所述训练信息分类模型进行微调，得到所述客户信息分类模型。
8、可选的，在本专利技术第一方面的第六种实现方式中，所述获取当前客户数据，将所述当前客户数据对应的特征向量输入至所述客户信息分类模型，得到客户信息类别的步骤包括：获取当前客户数据，并对所述当前客户数据进行所述预处理和所述特征工程处理，得到当前特征向量；将所述当前特征向量输入至所述客户信息分类模型，得到所述客户信息类别。
9、本专利技术第二方面提供了一种快递行业的客户信息分类装置，包括：原始数据处理模块，用于获取快递系统中的原始客户数据，并对所述原始客户数据进行预处理和特征工程处理，得到特征向量训练集和特征向量验证集；决策树模型构建模块，用于获取预设规则集，并根据所述预设规则集构建决策树模型，其中，所述预设规则集包括特征向量、信息类别以及所述特征向量与所述信息类别的对应关系；分类模型构建模块，用于根据所述特征向量训练集和所述特征向量验证集对所述决策树模型进行训练和微调，得到客户信息分类模型；信息分类模块，用于获取当前客户数据，将所述当前客户数据对应的特征向量输入至所述客户信息分类模型，得到客户信息类别。
10、可选的，在本专利技术第二方面的第一种实现方式中，所述原始数据处理模块包括：数据预处理单元，用于获取快递系统中的原始客户数据，并对所述原始客户数据进行数据清洗、数据去重、数据补缺以及归一化处理，得到客户特征数据；特征工程单元，用于对所述客户特征数据进行特征工程处理，得到所述特征向量训练集和所述特征向量验证集。
11、可选的，在本专利技术第二方面的第二种实现方式中，所述特征工程单元包括：特征提取子单元，用于根据预设业务需求，提取所述客户特征数据中的静态特征和动态特征；特征转化子单元，用于对所述静态特征和动态特征进行特征转换处理，得到所述特征向量训练集和所述特征向量验证集。
12、可选的，在本专利技术第二方面的第三种实现方式中，所述决策树模型构建模块包括：内节点构建单元，用于获取所述预设规则集中的所述特征向量以及所述特征向量对应的所述信息类别，根据所述特征向量与预设阈值构建内节点；叶节点构建单元，用于根据所述信息类别构建叶节点，并根据所述内节点和所述叶节点构建所述决策树模型。
13、可选的，在本专利技术第二方面的第四种实现方式中，所述分类模型构建模块包括：模型训练单元，用于根据所述特征向量训练集对所述决策树模型进行训练，得到训练信息分类模型；分类结果单元，用于将所述特征向量验证集输入至所述训练信息分类模型，得到所述特征向量验证集对应的信息分类结果；模型微调单元，用于根据所述信息分类结果对所述训练信息分类模型进行微调，得到所述客户信息分类模型。
14、可选的，在本专利技术第二方面的第五种实现方式中，所述模型微调单元包括：损失计算子单元，用于计算所述信息分类结果与预设信息分类结果之间的相似度损失，得到损失结果；分类模型子单元，用于根据所述损失结果对所述训练信息分类模型进行微调，得到所述客户信息分类模型。
15、可选的，在本专利技术第二方面的第六种实现方式中，所述信息分类模块包括：特征向量生成单元，用于获取当前客户数据，并对所述当前客户数据进行所述预处理和所述特征工程处理，得到当前特征向量；信息类别生成单元，用于将所述当前特征向量输入至所述客户信息分类模型，得到所述客户信息类别。
16、本专利技术第三方面提供了一种快递行业的客户信息分类设备，包括：存储器和至少一个处理器，所述存储器中存储有计算机可读指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述计算机可读指令，以使得所述快递行业的客户信息分类设备执行如上所述本文档来自技高网...
【技术保护点】
1.一种快递行业的客户信息分类方法，其特征在于，所述快递行业的客户信息分类方法包括：
2.根据权利要求1所述快递行业的客户信息分类方法，其特征在于，所述获取快递系统中的原始客户数据，并对所述原始客户数据进行预处理和特征工程处理，得到特征向量训练集和特征向量验证集的步骤包括：
3.根据权利要求2所述快递行业的客户信息分类方法，其特征在于，所述对所述客户特征数据进行特征工程处理，得到所述特征向量训练集和所述特征向量验证集的步骤包括：
4.根据权利要求1所述快递行业的客户信息分类方法，其特征在于，所述获取预设规则集，并根据所述预设规则集构建决策树模型的步骤包括：
5.根据权利要求1所述快递行业的客户信息分类方法，其特征在于，所述根据所述特征向量训练集和所述特征向量验证集对所述决策树模型进行训练和微调，得到客户信息分类模型的步骤包括：
6.根据权利要求5所述快递行业的客户信息分类方法，其特征在于，所述根据所述信息分类结果对所述训练信息分类模型进行微调，得到所述客户信息分类模型的步骤包括：
7.根据权利要求1所述快递行
8.一种快递行业的客户信息分类装置，其特征在于，包括：
9.一种快递行业的客户信息分类设备，其特征在于，包括存储器和至少一个处理器，所述存储器中存储有计算机可读指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1-7中任一项所述快递行业的客户信息分类方法的各个步骤。
...【技术特征摘要】
1.一种快递行业的客户信息分类方法，其特征在于，所述快递行业的客户信息分类方法包括：
2.根据权利要求1所述快递行业的客户信息分类方法，其特征在于，所述获取快递系统中的原始客户数据，并对所述原始客户数据进行预处理和特征工程处理，得到特征向量训练集和特征向量验证集的步骤包括：
3.根据权利要求2所述快递行业的客户信息分类方法，其特征在于，所述对所述客户特征数据进行特征工程处理，得到所述特征向量训练集和所述特征向量验证集的步骤包括：
4.根据权利要求1所述快递行业的客户信息分类方法，其特征在于，所述获取预设规则集，并根据所述预设规则集构建决策树模型的步骤包括：
5.根据权利要求1所述快递行业的客户信息分类方法，其特征在于，所述根据所述特征向量训练集和所述特征向量验证集对所述决策树模型进行训练和微调，得到客户信息分类...
【专利技术属性】
技术研发人员：林思斌，李波涛，
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：
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。