CN108876270B - 自动货源审核系统及方法 - Google Patents
自动货源审核系统及方法 Download PDFInfo
- Publication number
- CN108876270B CN108876270B CN201811095274.8A CN201811095274A CN108876270B CN 108876270 B CN108876270 B CN 108876270B CN 201811095274 A CN201811095274 A CN 201811095274A CN 108876270 B CN108876270 B CN 108876270B
- Authority
- CN
- China
- Prior art keywords
- information
- source information
- goods source
- module
- goods
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动货源审核系统及方法,所述系统包括:聚类模块,用于预先对历史运营数据进行聚类,得到各运营类别;模型构建模块,用于预先训练得到对应各运营类别的信息识别模型;信息接收模块,用于接收用户提交的货源信息;类别确定模块,用于确定所述货源信息所属的运营类别;信息识别模块,用于利用对应所述运营类别的信息识别模型确定所述货源信息的置信度;信息发布模块,用于在所述置信度大于设定值时,发布所述货源信息。利用本发明,可以提高审核效率,避免虚假信息对用户的困扰。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及一种自动货源审核系统及方法。
背景技术
物流是物品从供应地向接收地的实体流动过程中,根据实际需要,将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。随着社会经济的发展,生产及消费产业对物流的依赖程度越来越高,但货运物流中一直存在车船空驶率高、货运费用高、物流资源利用不充分等问题。这些问题的存在,不仅会降低物流效率,间接推高商品价格,而且还会影响到其它诸多行业的发展。
为此,应运而生出了一些物流信息平台,可以由用户向平台发布货源信息及运力信息,使货源方及车船方登录平台即可轻松、快速地快速找到相应的信息。为了避免虚假信息对用户的困扰,在现有技术中,通常是由人工来审核这些信息的真实性,在信息量大时,不仅效率低,而且难免会出现疏漏和错误。
发明内容
本发明提供一种自动货源审核系统及方法,以提高审核效率,避免虚假信息对用户的困扰。
为此,本发明实施例提供如下技术方案:
一种自动货源审核系统,所述系统包括:
聚类模块,用于预先对历史运营数据进行聚类,得到各运营类别;
模型构建模块,用于预先训练得到对应各运营类别的信息识别模型;
信息接收模块,用于接收用户提交的货源信息;
类别确定模块,用于确定所述货源信息所属的运营类别;
信息识别模块,用于利用对应所述运营类别的信息识别模型确定所述货源信息的置信度;
信息发布模块,用于在所述置信度大于设定值时,发布所述货源信息。
优选地,所述模型构建模块包括:
训练数据获取单元,用于根据各运营类别中的历史运营数据得到有效的货源预报信息,并将所述货源预报信息作为训练样本;
特征提取单元,用于从所述训练样本中提取识别特征;
训练单元,用于根据所述识别特征训练得到信息识别模型。
优选地,所述信息识别模块包括:
特征提取单元,用于提取所述货源信息中的识别特征;
识别单元,用于将所述识别特征输入所述对应所述运营类别的信息识别模型,根据模型输出得到所述货源信息的置信度。
优选地,所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型。
优选地,所述系统还包括:
行为确定模块,用于预先根据所述用户的历史运营数据确定所述用户的行为偏好;
判断模块,用于确定所述货源信息是否符合所述用户的行为偏好;如果是,则触发所述信息发布模块发布所述货源信息。
一种自动货源审核方法,所述方法包括:
预先对历史运营数据进行聚类,得到各运营类别,并训练得到对应各运营类别的信息识别模型;
接收用户提交的货源信息;
确定所述货源信息所属的运营类别;
利用对应所述运营类别的信息识别模型确定所述货源信息的置信度;
如果所述置信度大于设定值,则发布所述货源信息。
优选地,所述训练得到对应各运营类别的信息识别模型包括:
根据各运营类别中的历史运营数据得到有效的货源预报信息,并将所述货源预报信息作为训练样本;
从所述训练样本中提取识别特征;
根据所述识别特征训练得到信息识别模型。
优选地,所述利用对应所述运营类别的信息识别模型确定所述货源信息的置信度包括:
提取所述货源信息中的识别特征;
将所述识别特征输入所述对应所述运营类别的信息识别模型,根据模型输出得到所述货源信息的置信度。
优选地,所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型。
优选地,所述方法还包括:
预先根据所述用户的历史运营数据确定所述用户的行为偏好;
在发布所述货源信息之前,确定所述货源信息是否符合所述用户的行为偏好;
如果是,则执行所述发布所述货源信息的步骤。
与现有技术相比,本发明具有以下优点:
本发明提供的自动货源审核系统及方法,通过对历史运营数据进行聚类,得到各运营类别,并建立对应各运营类别的信息识别模型;在接收到用户提交的货源信息后,利用对应该货源信息所属运营类别的信息识别模型确定该货源信息的置信度,实现对货源信息的自动审核。在置信度大于设定值时,发布该货源信息,有效地避免了虚假信息对用户的困扰,使平台车船用户可以及时了解有效的货源信息并在线接单,消除货运双方信息不对称带来的一系列问题,进而提高车船的利用率,增加经济效益。
另外,还可综合用户自身的历史运营数据对其新提交的货源信息进行判断,进一步提高了审核结果的准确性。
附图说明
图1是本发明实施例自动货源审核系统的一种结构示意图;
图2是本发明实施例中模型构建模块的结构示意图;
图3是本发明实施例自动货源审核系统的另一种结构示意图;
图4是本发明实施例自动货源审核方法的流程图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施的限制。
如图1所示,是本发明自动货源审核系统的一种结构示意图。
在该实施例中,所述系统包括:
聚类模块101,用于预先对历史运营数据进行聚类,得到各运营类别;
模型构建模块102,用于预先训练得到对应各运营类别的信息识别模型;
信息接收模块103,用于接收用户提交的货源信息;比如,可以向平台注册会员提供信息发布接口,使货方会员通过该接口在线提交货源信息;
类别确定模块104,用于确定所述货源信息所属的运营类别;
信息识别模块105,用于利用对应所述运营类别的信息识别模型确定所述货源信息的置信度;
信息发布模块106,用于在所述置信度大于设定值时,发布所述货源信息。
所述历史运营数据是指有效的货源数据及对应的承运数据,具体地,可以根据货方会员向平台回传的发货单及车船会员向平台回传的收货单来确定。其中,货方会员回传发货单是在将待运货物交给承运方后向所述货运集配平台回传的,发货单的内容比如可以包括:发货单位、收货单位、收货地址、货物名称、数量、发货时间等信息;同样,车船会员回传的收货单是在将待运货物装到车船上后向所述货运集配平台回传的,收货单的内容比如可以包括:收货单位、发货单位、发货地址、货物名称、数量、收货时间等信息。
所述运营类别可以按照货物种类、数量、运距、价格等来划分,具体可以根据实际应用需要来确定,对此本发明实施例不做限定。
通过对历史运营数据进行聚类,可以得到每条历史运营数据对应的运营类别。相应地,根据各运营类别中的历史运营数据训练相应的信息识别模型。
所述信息识别模型可以采用回归模型,其拓扑结构可以采用神经网络或传统的SVM(Support Vector Machine,支持向量机)等,对此本发明实施例不做限定。
如图2所示,是本发明实施例中模型构建模块的结构示意图,包括以下各单元:
训练数据获取单元21,用于根据各运营类别中的历史运营数据得到有效的货源预报信息,并将所述货源预报信息作为训练样本;
特征提取单元22,用于从所述训练样本中提取识别特征;所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型等;
训练单元23,用于根据所述识别特征训练得到信息识别模型。
上述类别确定模块104,在确定所述货源信息所属的运营类别时,可以将所述货源信息与各运营类别进行匹配,根据匹配结果确定所述货源信息所属的运营类别,即将匹配度最大的运营类别作为该货源信息的运营类别。
相应地,选择该货源信息所属运营类别对应的信息识别模型,所述信息识别模块105基于该信息识别模型确定所述货源信息的置信度。
具体地,所述信息识别模块105可以包括以下各单元:
特征提取单元,用于提取所述货源信息中的识别特征;
识别单元,用于将所述识别特征输入所述对应所述运营类别的信息识别模型,根据模型输出得到所述货源信息的置信度。
如果所述货源信息的置信度大于设定值,则表明该货源信息的可信度较高,可以作为有效的货源信息;否则作为非有效的货源信息。
对于置信度大于设定值的货源信息,由上述信息发布模块106对其进行发布,比如可以在平台展现该货源信息,从而使货方会员和车船方会员登录该平台即可方便、快速地查找到合适的合作伙伴,扩大了用户的选择范围,实现了经济、高效、便捷的货物运输,使货方会员和车船会员均能受益。当然,所述信息发布模块106也可以通过微信、短信等方式发送给一些相关用户,比如车船方会员登录平台,提交信息接收请求,所述信息发布模块106将审核通过后的货源信息发送给所述车船方会员。
需要说明的是,在本发明提供的自动货源审核系统实际应用中,在缺少历史运营数据或者数据样本较少的情况下,可以先由人工对货源信息进行审核,随着历史运营数据的累积,在其达到一定量的情况下,通过对这些历史运营数据进行聚类,得到各运营类别,并建立对应各运营类别的信息识别模型;在接收到用户提交的货源信息后,利用对应该货源信息所属运营类别的信息识别模型确定该货源信息的置信度,实现对货源信息的自动审核。当然,也可以基于信息识别模型加人工辅助的方法,对货源信息进行审核。在所述货源信息置信度大于设定值时,发布该货源信息,有效地避免了虚假信息对用户的困扰,使平台车船用户可以及时了解有效的货源信息并在线接单,消除货运双方信息不对称带来的一系列问题,进而提高车船的利用率,增加经济效益。
进一步地,随着历史运营数据的累积,在有新的历史运营数据后,还可利用新增的历史运营数据对所述信息识别模型进行更新,通过增量训练,进一步提高模型参数的准确性。
如图3所示,是本发明实施例自动货源审核系统的另一种结构示意图。
与图1所示实施例的区别在于,在该实施例中,所述系统还包括:
行为确定模块107,用于预先根据所述用户的历史运营数据确定所述用户的行为偏好;
判断模块108,用于确定所述货源信息是否符合所述用户的行为偏好;如果是,则触发所述信息发布模块106发布所述货源信息。
上述行为确定模块107具体可以通过统计方式确定用户的行为偏好,比如,货物类型通常为电子产品、或者食品等。
上述判断模块108可以将所述货源信息与所述用户的行为偏好进行匹配,匹配度大于设定的阈值,则确定所述货源信息符合所述用户的行为偏好;否则确定不符合所述用户的行为偏好。
相应地,在该实施例中,所述信息发布模块106在所述信息识别模块105得到的所述货源信息的置信度大于设定值,并且所述判断模块108判断所述货源信息符合所述用户的行为偏好后,才会发布所述货源信息。
当然,为了避免由于单个用户的历史运营数据匮乏对统计结果的影响,或者由于用户的经营领域或者范围发生变化对统计结果的影响,在实际应用中,也可以在前期或全程由人工辅助进行判断,比如,对用户提供的不满足发布要求的货源信息通过线下沟通等方式,由用户提供一些相关证明文件等进行核实,进一步提高审核结果的准确性。
相应地,本发明实施例还提供一种自动货源审核方法,如图4所示,是本发明实施例自动货源审核方法的流程图,包括以下步骤:
步骤401,预先对历史运营数据进行聚类,得到各运营类别,并训练得到对应各运营类别的信息识别模型。
所述历史运营数据是指有效的货源数据及对应的承运数据,具体地,可以根据货方会员向平台回传的发货单及车船会员向平台回传的收货单来确定。其中,货方会员回传发货单是在将待运货物交给承运方后向所述货运集配平台回传的,发货单的内容比如可以包括:发货单位、收货单位、收货地址、货物名称、数量、发货时间等信息;同样,车船会员回传的收货单是在将待运货物装到车船上后向所述货运集配平台回传的,收货单的内容比如可以包括:收货单位、发货单位、发货地址、货物名称、数量、收货时间等信息。
所述运营类别可以按照货物种类、数量、运距、价格等来划分,具体可以根据实际应用需要来确定,对此本发明实施例不做限定。
通过对历史运营数据进行聚类,可以得到每条历史运营数据对应的运营类别。然后利用各运营类别中的历史运营数据训练相应的信息识别模型。
所述信息识别模型的构建过程如下:
1)根据各运营类别中的历史运营数据得到有效的货源预报信息,并将所述货源预报信息作为训练样本;
2)从所述训练样本中提取识别特征;所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型等;
3)根据所述识别特征训练得到信息识别模型。
步骤402,接收用户提交的货源信息。
步骤403,确定所述货源信息所属的运营类别。
具体地,可以将所述货源信息与各运营类别进行匹配,根据匹配结果确定所述货源信息所属的运营类别,即将匹配度最大的运营类别作为该货源信息的运营类别。
步骤404,利用对应所述运营类别的信息识别模型确定所述货源信息的置信度。
具体地,从所述货源信息中提取识别特征,所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型等;然后将所述识别特征输入所述对应所述运营类别的信息识别模型,根据模型输出得到所述货源信息的置信度。
步骤405,如果所述置信度大于设定值,则发布所述货源信息。
如果所述货源信息的置信度大于设定值,则表明该货源信息的可信度较高,可以将其作为有效的货源信息进行发布;否则将其作为非有效的货源信息。
对于置信度等于或低于所述设定值的货源信息,可以不发布,也可以发布但对其进行标注,表明该货源信息有待核实,以提醒相关信息需求用户。
在本发明方法另一实施例中,还可预先根据所述用户的历史运营数据确定所述用户的行为偏好,比如通过统计等方式确定所述用户的行为偏好。
相应地,在发布所述货源信息之前,还需要确定所述货源信息是否符合所述用户的行为偏好;如果是,则执行所述发布所述货源信息的步骤。
利用本发明实施例提供的自动货源审核方法,可以大大提高审核效率,避免虚假信息对用户的困扰。
需要说明的是,在本发明提供的自动货源审核方法实际应用中,在缺少历史运营数据或者数据样本较少的情况下,可以先由人工对货源信息进行审核,随着历史运营数据的累积,在其达到一定量的情况下,通过对这些历史运营数据进行聚类,得到各运营类别,并建立对应各运营类别的信息识别模型;在接收到用户提交的货源信息后,利用对应该货源信息所属运营类别的信息识别模型确定该货源信息的置信度,实现对货源信息的自动审核。当然,也可以基于信息识别模型加人工辅助的方法,对货源信息进行审核。在所述货源信息置信度大于设定值时,发布该货源信息,有效地避免了虚假信息对用户的困扰,使平台车船用户可以及时了解有效的货源信息并在线接单,消除货运双方信息不对称带来的一系列问题,进而提高车船的利用率,增加经济效益。另外,还可综合用户自身的历史运营数据对其新提交的货源信息进行判断,进一步提高了审核结果的准确性。
另外,随着历史运营数据的累积,在有新的历史运营数据后,还可利用新增的历史运营数据对所述信息识别模型进行更新,通过增量训练,进一步提高模型参数的准确性。
本发明虽然以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改,因此本发明的保护范围应当以本发明权利要求所界定的范围为准。
Claims (2)
1.一种自动货源审核系统,其特征在于,所述系统包括:
聚类模块,用于预先对历史运营数据进行聚类,得到各运营类别;
模型构建模块,用于预先训练得到对应各运营类别的信息识别模型;
信息接收模块,用于接收用户提交的货源信息;
类别确定模块,用于确定所述货源信息所属的运营类别;
信息识别模块,用于利用对应所述运营类别的信息识别模型确定所述货源信息的置信度;
信息发布模块,用于在所述置信度大于设定值时,发布所述货源信息;
其中,所述模型构建模块包括:
训练数据获取单元,用于根据各运营类别中的历史运营数据得到有效的货源预报信息,并将所述货源预报信息作为训练样本;
特征提取单元,用于从所述训练样本中提取识别特征;
训练单元,用于根据所述识别特征训练得到信息识别模型;
所述信息识别模块包括:
特征提取单元,用于提取所述货源信息中的识别特征;
识别单元,用于将所述识别特征输入所述对应所述运营类别的信息识别模型,根据模型输出得到所述货源信息的置信度;
所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型;
行为确定模块,用于预先根据所述用户的历史运营数据确定所述用户的行为偏好;
判断模块,用于确定所述货源信息是否符合所述用户的行为偏好;如果是,则触发所述信息发布模块发布所述货源信息。
2.一种自动货源审核方法,其特征在于,所述方法包括:
预先对历史运营数据进行聚类,得到各运营类别,并训练得到对应各运营类别的信息识别模型;
接收用户提交的货源信息;
确定所述货源信息所属的运营类别;
利用对应所述运营类别的信息识别模型确定所述货源信息的置信度;
如果所述置信度大于设定值,则发布所述货源信息;
其中所述训练得到对应各运营类别的信息识别模型包括:
根据各运营类别中的历史运营数据得到有效的货源预报信息,并将所述货源预报信息作为训练样本;
从所述训练样本中提取识别特征;
根据所述识别特征训练得到信息识别模型;
所述利用对应所述运营类别的信息识别模型确定所述货源信息的置信度包括:
提取所述货源信息中的识别特征;
将所述识别特征输入所述对应所述运营类别的信息识别模型,根据模型输出得到所述货源信息的置信度;
所述识别特征包括以下任意一种或多种:货物类型、运距、运输起始地、运输目的地、价格、车船类型;
预先根据所述用户的历史运营数据确定所述用户的行为偏好;
在发布所述货源信息之前,确定所述货源信息是否符合所述用户的行为偏好;
如果是,则执行所述发布所述货源信息的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811095274.8A CN108876270B (zh) | 2018-09-19 | 2018-09-19 | 自动货源审核系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811095274.8A CN108876270B (zh) | 2018-09-19 | 2018-09-19 | 自动货源审核系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876270A CN108876270A (zh) | 2018-11-23 |
CN108876270B true CN108876270B (zh) | 2022-08-12 |
Family
ID=64324534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811095274.8A Active CN108876270B (zh) | 2018-09-19 | 2018-09-19 | 自动货源审核系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876270B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127035B (zh) * | 2019-12-06 | 2023-04-21 | 北京中交兴路信息科技有限公司 | 一种基于轨迹数据的置信度检测方法和系统 |
CN112417881A (zh) * | 2020-12-17 | 2021-02-26 | 江苏满运物流信息有限公司 | 物流信息识别方法、装置、电子设备、存储介质 |
CN118071230A (zh) * | 2024-04-17 | 2024-05-24 | 深圳市嘉宝田网络科技有限公司 | 一种货运代理货源查找方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101730892A (zh) * | 2007-01-24 | 2010-06-09 | 迈可菲公司 | 网络声誉评分 |
CN104156438A (zh) * | 2014-08-12 | 2014-11-19 | 德州学院 | 一种基于置信度和聚类的未标记样本选择的方法 |
CN104866997A (zh) * | 2015-06-10 | 2015-08-26 | 南京大学 | 一种用于车货在线配载的智能配对方法 |
CN105045807A (zh) * | 2015-06-04 | 2015-11-11 | 浙江力石科技股份有限公司 | 互联网交易信息的数据清洗算法 |
CN105474166A (zh) * | 2013-03-15 | 2016-04-06 | 先进元素科技公司 | 用于有目的计算的方法和系统 |
CN106408236A (zh) * | 2016-09-14 | 2017-02-15 | 南京福佑在线电子商务有限公司 | 一种整车运输货主管理方法 |
CN106408411A (zh) * | 2016-08-31 | 2017-02-15 | 北京城市网邻信息技术有限公司 | 信用评估方法及装置 |
CN107358075A (zh) * | 2017-07-07 | 2017-11-17 | 四川大学 | 一种基于层次聚类的虚假用户检测方法 |
-
2018
- 2018-09-19 CN CN201811095274.8A patent/CN108876270B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101730892A (zh) * | 2007-01-24 | 2010-06-09 | 迈可菲公司 | 网络声誉评分 |
CN105474166A (zh) * | 2013-03-15 | 2016-04-06 | 先进元素科技公司 | 用于有目的计算的方法和系统 |
CN104156438A (zh) * | 2014-08-12 | 2014-11-19 | 德州学院 | 一种基于置信度和聚类的未标记样本选择的方法 |
CN105045807A (zh) * | 2015-06-04 | 2015-11-11 | 浙江力石科技股份有限公司 | 互联网交易信息的数据清洗算法 |
CN104866997A (zh) * | 2015-06-10 | 2015-08-26 | 南京大学 | 一种用于车货在线配载的智能配对方法 |
CN106408411A (zh) * | 2016-08-31 | 2017-02-15 | 北京城市网邻信息技术有限公司 | 信用评估方法及装置 |
CN106408236A (zh) * | 2016-09-14 | 2017-02-15 | 南京福佑在线电子商务有限公司 | 一种整车运输货主管理方法 |
CN107358075A (zh) * | 2017-07-07 | 2017-11-17 | 四川大学 | 一种基于层次聚类的虚假用户检测方法 |
Non-Patent Citations (1)
Title |
---|
物流信息平台的信用技术保障体系研究;苏小根;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180715(第 07 期);第I139-123页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108876270A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876270B (zh) | 自动货源审核系统及方法 | |
CN109829667B (zh) | 物流节点包裹量的预测方法和装置 | |
CN108416376B (zh) | 一种基于svm的在途物流人车跟踪监控管理系统及方法 | |
CN108416559B (zh) | 一种货运平台车主收益最大化智能拼车匹配方法 | |
CN104574010A (zh) | 一种海关仓储与关务管理系统以及管理方法 | |
CN104951915A (zh) | 一种利用虚拟联络员完成实时快递的信息系统与设备 | |
CN103996102A (zh) | 一种集装箱箱体查验方法 | |
US20230186226A1 (en) | Artificial Intelligence (AI) Based Systems and Methods for Analyzing Order Data to Generate a Driver Logistics Prediction Value | |
CN112686587A (zh) | 一种支持修改收件信息的方法和装置 | |
CN113888098A (zh) | 车辆信息推荐方法、装置和电子设备 | |
US20160350712A1 (en) | Providing shipping services to shippers | |
CN109117989B (zh) | 一种任务匹配时的预测方法及装置 | |
CN109242391B (zh) | 一种货物识别方法及装置 | |
CN114444998A (zh) | 一种物流供应链管理系统 | |
CN110717717A (zh) | 模型生成方法及系统、交通工具分配方法及装置 | |
CN116523270B (zh) | 一种物流运输任务自动调度方法、设备、服务器及介质 | |
CN112633587A (zh) | 一种物流信息的处理方法和装置 | |
CN112364262A (zh) | 一种找货路线推荐方法、装置、电子设备及存储介质 | |
CN109983486A (zh) | 用于交换运输集装箱的方法和系统 | |
CN111105176A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN111209473B (zh) | 一种基于大数据的车货匹配方法及系统 | |
CN112801567B (zh) | 快递派件模式选取方法、装置、计算机设备和存储介质 | |
CN116503887B (zh) | 基于图像识别的货代订单处理方法 | |
CN114897478B (zh) | 一种数据处理方法、装置、设备和存储介质 | |
CN116596444A (zh) | 一种智能物流管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |