[发明专利]地址缩略语生成方法、模型训练方法及相关设备

权利要求书

1.一种地址缩略语生成方法，其特征在于，包括：

接收收件地址；

对所述收件地址进行处理，生成向量矩阵；

将所述向量矩阵输入一缩略信息标注模型，获得缩略标签序列，所述缩略标签序列包括对应所述收件地址中每个字词的缩略标签；以及

自所述缩略标签序列中筛选出关键缩略标签对应的关键字词，生成所述收件地址的地址缩略语。

2.如权利要求1所述的地址缩略语生成方法，其特征在于，所述生成所述收件地址的地址缩略语之后，还包括：

根据所述地址缩略语，打印快递面单。

3.如权利要求2所述的地址缩略语生成方法，其特征在于，所述收件地址包括对应末端配送区域的末端地址，所述关键字词为所述末端地址中的部分字词。

4.如权利要求3所述的地址缩略语生成方法，其特征在于，所述打印快递面单之后，还包括：

获得所述快递面单对应的包裹到达所述末端配送区域的预计日期；

根据所述包裹和所述预计日期，更新所述末端配送区域在所述预计日期的预计包裹数；以及

于预设条件触发时，向所述末端配送区域的配送中心发送所述预计日期的预计包裹数。

5.如权利要求4所述的地址缩略语生成方法，其特征在于，所述预设条件包括：

所述预计日期到达，和/或所述预计包裹数超过预设阈值。

6.如权利要求1所述的地址缩略语生成方法，其特征在于，所述对所述收件地址进行处理，生成向量矩阵，包括：

对所述收件地址进行预处理，生成预设格式的地址文本；

根据数据字典，将所述地址文本中的字词转换成数字，生成数字序列；

将所述数字序列中每个字词对应的数字转换成向量，并按所述地址文本的字词顺序拼接转换后的向量，生成向量矩阵。

7.如权利要求6所述的地址缩略语生成方法，其特征在于，所述缩略信息标注模型包括循环神经网络和概率无向图模型；

所述获得所述缩略标签序列，包括：

所述循环神经网络根据所述向量矩阵，获得对应每个字词的特征向量；

所述概率无向图模型根据所述特征向量，获得包含每个字词对应各缩略标签的概率序列的概率矩阵，并根据所述概率矩阵输出最优标签序列作为所述缩略标签序列；

所述最优标签序列中，每个字词对应一缩略标签。

8.一种模型训练方法，其特征在于，包括：

获得样本地址；

采用缩略标签集对所述样本地址进行标注，获得每条所述样本地址的样本标签序列；

对标注后的每条所述样本地址进行处理，获得样本向量矩阵；

根据循环神经网络和概率无向图模型构造一网络模型；

以所述样本向量矩阵为输入，以对应的所述样本标签序列为输出，训练所述网络模型，获得缩略信息标注模型。

9.如权利要求8所述的模型训练方法，其特征在于，所述缩略标签集包括对应关键信息的缩略标签和对应冗余信息的缩略标签。

10.如权利要求8所述的模型训练方法，其特征在于，所述根据循环神经网络和概率无向图模型构造一网络模型，包括：

以双向长短期记忆网络作为向量化处理的特征提取层；

以条件随机场作为概率分布处理的标签输出层。

11.一种地址缩略语生成装置，其特征在于，包括：

地址接收模块，配置为接收收件地址；

向量转换模块，配置为对所述收件地址进行处理，生成向量矩阵；

缩略标注模块，配置为将所述向量矩阵输入一缩略信息标注模型，获得缩略标签序列，所述缩略标签序列包括对应所述收件地址中每个字词的缩略标签；以及

简化处理模块，配置为自所述缩略标签序列中筛选出关键缩略标签对应的关键字词，生成所述收件地址的地址缩略语。