[发明专利]快递行业画像的生成方法、装置、设备及存储介质

权利要求书

1.一种快递行业画像的生成方法，其特征在于，所述快递行业画像的生成方法包括：

获取原始快递数据，基于预置的分词器将所述原始快递数据中的语段进行切分，得到词语语料，通过对所述词语语料进行计算处理，得到处理数据；

利用所述预置的特征提取器对所述处理数据进行特征提取，得到所述处理数据的特征向量，根据所述特征向量确定所述处理数据对应的特征标签；

通过预置的聚类算法对特征标签进行分类分析，得到多维度的权重标签，所述权重标签至少包括平台标签、地址标签、时间标签、商品标签、用户标签和商户标签；

将所述权重标签输入至预置画像生成器中，采用所述预置画像生成器对所述权重标签进行预测，得到预测标签，通过所述特征标签、所述权重标签和所述预测标签构建快递行业画像。

2.根据权利要求1所述的快递行业画像的生成方法，其特征在于，所述获取原始快递数据，基于预置的分词器将所述原始快递数据中的语段进行切分，得到词语语料，通过对所述词语语料进行计算处理，得到处理数据包括：

获取原始快递数据，并将所述原始快递数据传输至预置的分词器中；

在所述预置的分词器中将所述原始快递数据中的语段切分成多个词语语料，并统计所述多个词语语料的数量，所述词语语料为标准词典中存在的词或词组；

采用预置统计函数统计每个词语语料在所述原始快递数据中出现的频次，得到多个基础频次；

通过每个基础频次计算对应词语语料在所述语段中出现的次数，得到多个词频，并计算每个词语语料的逆向语料频率，得到多个逆向语料频率，根据所述多个词频以及所述多个逆向语料频率确定多个目标词语语料，得到处理数据。

3.根据权利要求2所述的快递行业画像的生成方法，其特征在于，所述通过每个基础频次计算对应词语语料在所述语段中出现的次数，得到多个词频，并计算每个词语语料的逆向语料频率，得到多个逆向语料频率，根据所述多个词频以及所述多个逆向语料频率确定多个目标词语语料，得到处理数据包括：

获取词语语料中的候选语料，通过所述候选语料对应的基础频次与预置的第一计算公式计算候选语料在所述语段中出现的次数，得到目标词频，所述预置的第一计算公式为：

其中，TF为候选语料的目标词频，n为候选语料在语段中出现的次数，s为语段中所有词语语料的数量，n、s均为正整数；

利用预置的第二计算公式计算候选语料的逆向语料频率，所述预置的第二计算公式为：

其中，IDF为候选语料的目标逆向语料频率，q为语段的数量，z为存在候选语料的语段数量，q、z均为正整数；

获取词语语料中除候选语料外的剩余语料，通过所述预置的第一计算公式与所述预置的第二计算公式计算得到所述剩余语料的剩余词频与剩余逆向语料频率，将所述目标词频与所述剩余词频进行合并得到多个词频，将目标逆向语料频率与所述剩余逆向语料频率合并得到多个逆向语料频率；

在多个词语语料中筛选出词频大于或等于第一设定阈值且逆向语料频率小于或等于第二设定阈值的多个目标词语语料，将所述多个目标词语语料对应的语段确定为处理数据。

4.根据权利要求2所述的快递行业画像的生成方法，其特征在于，所述利用所述预置的特征提取器对所述处理数据进行特征提取，得到所述处理数据的特征向量，根据所述特征向量确定所述处理数据对应的特征标签包括：

将所述处理数据发送至预置的特征提取器中，利用所述预置的特征提取器对所述处理数据中的目标词语语料进行特征提取，得到特征向量；

计算所述特征向量与标签向量之间的相似度，得到基础相似度；

选取所述基础相似度的数值最大的目标相似度，将计算所述目标相似度的标签向量对应的预置标签确定为所述处理数据对应的特征标签。