[发明专利]地址信息抽取方法、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，提供一种地址信息抽取方法、模型训练方法及相关设备。地址信息抽取方法包括：接收收件地址；对收件地址进行处理，生成向量矩阵；将向量矩阵输入一实体信息标注模型，获得实体标签序列，实体标签序列包括对应收件地址中每段局部地址的实体标签；判断实体标签序列中是否包含兴趣点标签，若是则将兴趣点标签作为目标实体标签，若否则将道路标签作为目标实体标签；以及，自实体标签序列中筛选出目标实体标签对应的目标局部地址，对目标局部地址进行高亮显示。本发明通过对收件地址进行实体信息标注，从中抽取出兴趣点/道路相关地址信息进行高亮显示，帮助快递员快速确定收件地址的具体收件区域，提升物流配送效率。

技术领域

本发明涉及物流技术领域，具体地说，涉及一种地址信息抽取方法、模型训练方法及相关设备。

背景技术

根据现有的物流配送流程，包裹到达末端配送网点后，分配至对应的快递员，由快递员根据包裹的快递面单上显示的收件地址，将包裹配送至目的地。

由于每个快递员负责的配送区域通常覆盖多个收件区域，每个收件区域例如对应一个小区、一个工业园、一段道路号等等；而快递面单上显示的收件地址又较长，例如一个常规的收件地址通常包括省市信息、道路信息、小区信息、楼号信息等等；导致快递员拿到包裹后，需花时间从前到后浏览一遍收件地址，从中找到小区/道路等地址信息，才能确定该包裹的快递面单上显示的收件地址具体对应哪个收件区域，配送效率较低。

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信息抽取方法、模型训练方法及相关设备，能够对收件地址进行实体信息标注，从中抽取出兴趣点/道路相关地址信息进行高亮显示，帮助快递员快速确定收件地址的具体收件区域，提升物流配送效率。

本发明的一个方面提供一种地址信息抽取方法，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实体信息标注模型，获得实体标签序列，所述实体标签序列包括对应所述收件地址中每段局部地址的实体标签；判断所述实体标签序列中是否包含兴趣点标签，若是则将所述兴趣点标签作为目标实体标签，若否则将道路标签作为所述目标实体标签；以及，自所述实体标签序列中筛选出所述目标实体标签对应的目标局部地址，对所述目标局部地址进行高亮显示。

在一些实施例中，所述对所述目标局部地址进行高亮显示之后，还包括：搜索所述目标局部地址的收件范围内是否有自动收货点；若是，对所述收件地址中位于所述目标局部地址之后的末端局部地址进行加密显示，并临近所述目标局部地址，高亮显示所述自动收货点。

在一些实施例中，所述自动收货点包括智能快递柜和智能快递驿站。

在一些实施例中，所述的地址信息抽取方法还包括：根据高亮显示后的所述收件地址，打印快递面单。

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，所述实体信息标注模型包括循环神经网络和概率无向图模型；所述获得所述实体标签序列，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实体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实体标签序列；所述最优标签序列中，每个字词对应一实体标签，且按所述字词顺序，每连续多个字词对应相同的实体标签。