[发明专利]地址缩略语生成方法、模型训练方法及相关设备

说明书

本发明涉及物流技术领域，提供一种地址缩略语生成方法、模型训练方法及相关设备。所述地址缩略语生成方法包括：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。本发明能够对收件地址进行处理，生成准确标识收件地址的关键信息的地址缩略语，帮助快递员迅速获取到收件地址中的关键信息，提升物流配送效率，也能提升用户的收件体验。

技术领域

本发明涉及物流技术领域，具体地说，涉及一种地址缩略语生成方法、模型训练方法及相关设备。

背景技术

在物流配送过程中，经常会出现这样的场景：快递面单中用户的收货地址很长，快递员难以一眼获取到关键信息，需要认真辨认才能识别出准确地址。如果多位用户都出现这样的情况，则会严重影响快递员的配送效率，因此需要对收件地址进行简化处理。

目前的简化处理方式，只能做到识别出收件地址中的省市归属信息，然后截取出位于省市归属信息之后的下游地址。这种方式并不能真正满足地址简化的需求，尤其是对于本身十分冗长的地址信息，即使截取出位于省市归属信息之后的下游地址，也无法帮助快递员迅速获取到关键信息。

举例来说，某个用户的收件地址是“河北省石家庄市红旗大街与南二环交叉口西行300米五里庄园天伦锦城4号楼201”，此时即使截取出位于省市归属信息之后的下游地址“红旗大街与南二环交叉口西行300米五里庄园天伦锦城4号楼201”，显示的地址信息仍然十分冗长，难以满足简化需求。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种地址缩略语生成方法、模型训练方法及相关设备，能够对收件地址进行处理，生成准确标识其关键信息的地址缩略语，帮助快递员迅速获取到收件地址中的关键信息，提升物流配送效率。

本发明的一个方面提供一种地址缩略语生成方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。