[发明专利]一种数据处理方法及装置在审

专利信息
申请号: 202210090556.9 申请日: 2022-01-24
公开(公告)号: CN116542583A 公开(公告)日: 2023-08-04
发明(设计)人: 吕建新;戈伟;张振华 申请(专利权)人: 浙江菜鸟供应链管理有限公司
主分类号: G06Q10/083 分类号: G06Q10/083;G06F40/30;G06F16/36
代理公司: 北京君以信知识产权代理有限公司 11789 代理人: 钱秀茹
地址: 311121 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 数据处理 方法 装置
【说明书】:

本申请提供了一种数据处理方法及装置。在本申请中,根据物流对象的对象描述信息获取物流对象的与物流属性相关的多个基础属性的属性特征。获取用于表征各个基础属性的属性特征分别与多个候选物流属性中的各个候选物流属性之间的相关度的相关度特征。对于多个基础属性中的任意一个基础属性,根据多个基础属性的属性特征,获取该基础属性的关联基础属性对该基础属性的注意力特征,得到该基础属性对应的注意力特征。根据相关度特征以及多个基础属性中的各个基础属性分别对应的注意力特征,在多个候选物流属性中确定物流对象的物流属性。通过本申请,可以提高识别物流对象的物流属性的准确率。

技术领域

本申请涉及物流技术领域,特别是涉及一种数据处理方法及装置。

背景技术

随着技术的飞速的发展,越来越多用户在网上购买商品,在用户通过电商平台购买商品的情况下,商家可以创建物流订单并将物流订单发送至物流系统,物流系统根据物流订单将商品打包并配送给用户,以使用户得到购买的商品。

其中,商品具有各自的物流属性,例如,商品的禁限运要求、商品涉及的税则以及商品是否易碎易漏等。不同的商品的禁限运要求往往不同,不同的商品涉及的税则也往往不同,不同的商品的碎漏情况也往往不同等。

物流系统会根据物流订单中的商品的禁限运要求、商品的涉及的税则以及商品是否易碎遗漏等物流属性为商品创建物流解决方案(可以包括商品的包装材料、商品的包装方式以及商品的配送方式等等),并基于物流方案来配送商品。

另外,依照相关规定,相关部门会对包裹中的商品进行核实和查验,比如,商品通关的过程中需要查验商品的缴税情况、清关的过程中需要查验商品所属的品类的名称以及干线和口岸要对包裹做安检等。

所以,识别商品的物流属性对商品是否能够安全快速到达用户手中具有重要意义。

发明内容

本申请示出了一种数据处理方法及装置。

第一方面,本申请示出了一种识别物流属性的方法,所述方法包括:根据物流对象的对象描述信息获取物流对象的与物流属性相关的多个基础属性的属性特征;获取用于表征各个基础属性的属性特征分别与多个候选物流属性中的各个候选物流属性之间的相关度的相关度特征;以及,对于所述多个基础属性中的任意一个基础属性,至少根据所述多个基础属性的属性特征,获取所述基础属性的关联基础属性对所述基础属性的注意力特征,得到所述基础属性对应的注意力特征;根据所述相关度特征以及所述各个基础属性分别对应的注意力特征,在所述多个候选物流属性中确定所述物流对象的物流属性。

第二方面,本申请示出了一种训练物流属性识别模型的方法,所述方法包括:获取至少一个样本数据集,所述样本数据集中包括:样本物流对象的样本对象描述信息以及所述样本物流对象的标注物流属性;创建物流属性识别模型的网络结构;使用所述样本数据集对所述物流属性识别模型中的网络参数训练,直至所述网络参数收敛,得到所述物流属性识别模型;其中,所述网络结构至少包括属性特征提取网络、相关度特征提取网络、注意力特征提取网络以及物流属性判定网络;所述属性特征提取网络用于根据所述样本物流对象的样本对象描述信息获取所述样本物流对象的与物流属性相关的多个样本基础属性的样本属性特征;所述相关度特征提取网络用于获取用于表征各个样本基础属性的样本属性特征分别与多个候选物流属性中的各个候选物流属性之间的相关度的样本相关度特征;所述注意力特征提取网络用于对于所述多个样本基础属性中的任意一个样本基础属性,至少根据所述多个样本基础属性的样本属性特征,获取所述样本基础属性的样本关联基础属性对所述样本基础属性的样本注意力特征,得到所述样本基础属性对应的样本注意力特征;所述物流属性判定网络用于根据所述样本相关度特征以及所述多个样本基础属性中的各个样本基础属性分别对应的样本注意力特征,在所述多个候选物流属性中确定所述样本物流对象的物流属性。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江菜鸟供应链管理有限公司,未经浙江菜鸟供应链管理有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210090556.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top