CN109284498A - 自提柜推荐方法、自提柜推荐装置和电子装置 - Google Patents
自提柜推荐方法、自提柜推荐装置和电子装置 Download PDFInfo
- Publication number
- CN109284498A CN109284498A CN201710597296.3A CN201710597296A CN109284498A CN 109284498 A CN109284498 A CN 109284498A CN 201710597296 A CN201710597296 A CN 201710597296A CN 109284498 A CN109284498 A CN 109284498A
- Authority
- CN
- China
- Prior art keywords
- text
- self
- information
- cabinet
- carry cabinet
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000013316 zoning Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- NTMYVTSWQJFCPA-UHFFFAOYSA-N (2-tert-butylpyrimidin-5-yl)oxy-ethoxy-propan-2-yloxy-sulfanylidene-$l^{5}-phosphane;[cyano-(4-fluoro-3-phenoxyphenyl)methyl] 3-(2,2-dichloroethenyl)-2,2-dimethylcyclopropane-1-carboxylate Chemical compound CCOP(=S)(OC(C)C)OC1=CN=C(C(C)(C)C)N=C1.CC1(C)C(C=C(Cl)Cl)C1C(=O)OC(C#N)C1=CC=C(F)C(OC=2C=CC=CC=2)=C1 NTMYVTSWQJFCPA-UHFFFAOYSA-N 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种自提柜推荐方法、自提柜推荐装置和电子装置。所述方法包括:提供自提柜信息,所述自提柜信息包括地址文本特征信息;获取目标地址文本;将所述目标地址文本按照结构化语义进行分词;根据分词后的目标地址文本,获取多个目标文本特征;根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。本发明实施例提出的自提柜推荐方法,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
Description
技术领域
本申请涉及物流领域,特别是涉及一种自提柜推荐方法、自提柜推荐装置和电子装置。
背景技术
现如今,快递员在进行派件时,会遇到家中无人收件的情况。在这种情况下,当快递员进入到小区或者某栋大厦后,通常会将包裹优先放入自提柜。这样做的好处在于,可以大大提升快递员的工作效率。同时,从一定程度上解决了家中无人收件的问题。除此之外,用户在寄件过程中,也可以通过App查询附近的自提柜。
在快递人员或者寄件用户在寻找自提柜时,可以根据自提柜的经纬度,匹配最近的自提柜。但是经纬度定位本身的准确度存在问题,因此,推荐出的自提柜会出现跨小区的情况。
此外,在经纬度数据不全的情况下,一般会借助于文本获取经纬度(例如Geocoding技术),将自提柜地址的文本地址转换为经纬度,再进行处理。但是借助于文本获取经纬度的技术本身也存在准确度的问题,有时会导致推荐错误。
从上述两种方案中可以看出,自提柜推荐非常依赖于经纬度的准确度。这让经纬度的准确度成为了自提柜推荐的瓶颈。现有技术耗时耗力,人工成本较大;且当自提柜位置出现更新的情况下,由于更新效率较低,会出现自提柜位置不准的情况。
发明内容
鉴于上述问题,本发明一实施例提出一种自提柜推荐方法、自提柜推荐装置和电子装置,以解决现有技术存在的问题。
为了解决上述问题,本申请一实施例公开一种自提柜推荐方法,包括:提供自提柜信息,所述自提柜信息包括地址文本特征信息;获取目标地址文本;将所述目标地址文本按照结构化语义进行分词;根据分词后的目标地址文本,获取多个目标文本特征;根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
为了解决上述问题,本申请一实施例还公开一种自提柜推荐装置,包括:自提柜信息提供模块,用于提供自提柜信息,所述自提柜信息包括地址文本特征信息;目标地址文本获取模块,用于获取目标地址文本;分词模块,用于将所述目标地址文本按照结构化语义进行分词;文本特征获取模块,用于根据分词后的目标地址文本,获取多个目标文本特征;自提柜确定模块,用于根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
为解决上述问题,本申请一实施例还公开一种电子装置,包括:存储器,用于存储计算机可读程序;处理器,当所述处理器读取所述存储器中的计算机可读程序时,所述电子装置执行如下操作:获取地址文本;将所述地址文本按照行政区划标签进行切分;利用行政区划标签模板,获取所述地址文本的多个文本特征;将所述多个文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的自提柜信息匹配;当所述文本特征与预置的自提柜信息匹配成功后,输出所述目标自提柜信息。
由上述可知,本申请实施例提出的自提柜推荐方法、装置和电子装置至少具有以下优点:
本发明实施例提出的自提柜推荐方法、装置和电子装置,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征,利用文本匹配模型获得与该文本特征相匹配的自提柜,确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请第一实施例的自提柜推荐方法的流程图。
图2是本申请第二实施例的自提柜推荐方法的流程图。
图3示意性地示出了用于执行根据本发明的方法的服务器的框图。
图4示意性地示出了用于保持或者携带实现根据本发明的方法的程序代码的存储单元。
图5是本申请实施例的自提柜推荐装置的方框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
本申请的核心思想之一在于,提出一种自提柜推荐方法和装置,区别于传统的根据自提柜的经纬度和使用者的经纬度的距离进行定位的方法,本发明通过目标地址文本与预置的自提柜信息中的地址文本进行匹配,获得附近的自提柜地址,作为推荐的结果返回给使用者。利用文本匹配可以更加精确地推荐附近的自提柜,提升自提柜推荐的准确率。
第一实施例
本发明第一实施例提出一种自提柜推荐方法。图1所示为本发明第一实施例的自提柜推荐方法的步骤流程图。如图1所示,本发明实施例的自提柜推荐方法包括如下步骤:
S101,提供自提柜信息,所述自提柜信息包括地址文本特征信息;
在这一步骤中,执行主体,例如终端、服务器或者其他具有运算功能的电子装置,可以提供有自提柜信息,该自提柜信息中例如可以包括自提柜的地址文本特征信息。这些信息例如预置在存储装置中,供后续调用。
S102,获取目标地址文本;
在这一步骤中,执行主体,例如终端、服务器或者其他具有运算功能的电子装置,可以获取用户的地址文本。该地址文本可以是快递人员待派送的收件地址,也可以是寄件人当前或者过去手动输入的寄件地址,或者是根据GPS定位获得的定位地址。
S103,将所述目标地址文本按照结构化语义进行分词;
在这一步骤中,可以采用分词技术和语义标注技术,将地址文本进行分词。例如,步骤S101中获取的地址文本为“浙江省杭州市余杭区五常街道文一西路969号阿里巴巴西溪园区”,在步骤S102中个,经过分词的结果为“浙江省/杭州市/余杭区/五常街道/文一西路/969号/阿里巴巴西溪园区”。
可选地,在对目标地址文本进行分词后,可以标注结构化语义标注,例如通过地址行政区划标签,给分词后的目标地址文本赋予结构化语义标签信息。例如对上述分词后的目标地址文本进行语义标注,获得的结果为“prov=浙江省city=杭州市district=余杭区town=五常街道road=文一西路roadNo=969号poi(point of interest)=阿里巴巴西溪园区poiLabel=INDUSTRIAL_PARK”,经过标注后的文本,可以识别出省、市、区、街道等行政区划标签。
S104,根据分词后的目标地址文本,获取多个目标文本特征;
在这一步骤中,每一个文本特征可以对应一个行政区划级别。例如“省”、“市”、“区”、“路”等。可以利用行政区划标签模板对该目标地址文本的文本特征进行提取。例如,行政区划标签模板为“district town roadNo poi”。则通过该模板可以获取到“余杭区五常街道文一西路969号”的文本特征。在这一步骤中,利用行政区划标签模板提取后的文本特征可以包括或不包括原始地址文本中的所有信息,例如上一步骤中划分的“prov=浙江省city=杭州市”这两个信息可以不包括在其中。在其他实施例中,也可以包括地址文本中的所有信息。在此不再赘述。
S105,根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
在这一步骤中,可以将获得的上述文本特征输入文本匹配模型,进行匹配预测。
文本匹配模型中可以预先存储有多个自提柜的自提柜信息。在这一步骤之前,可以通过大量的文本特征对文本匹配模型进行训练。文本匹配模型中的每一个自提柜信息均关联有自提柜对应的预置文本特征、该自提柜的id、自提柜的地址等。其中该自提柜的预置文本特征可以是在训练机器模型时根据该自提柜的地址文本进行如步骤S103中的分词和可选的语义标注,并进行提取获得的文本特征。自提柜的id用于唯一确定自提柜。当新的文本特征输入到文本匹配模型后,将这些文本特征与预置的文本特征进行匹配,可以获得匹配成功的自提柜对应的自提柜id、自提柜地址等。
在这一步骤中,可以设置文本特征的匹配率,当高于这一匹配率时,则认为匹配成功,否则认为匹配不成功。
当获得与输入的文本特征匹配的预置的文本特征时,可以将该预置的文本特征对应的自提柜信息作为匹配结果返回。
在这一步骤中,可以返回自提柜信息的全部信息,例如上述的预置文本特征、该自提柜的id、自提柜的地址等,也可以仅返回部分的信息,例如自提柜的地址。通过返回的信息,可以指引使用者选择最近的自提柜。
由上述可知,本发明第一实施例提出的自提柜推荐方法至少具有如下技术效果:
本发明实施例提出的自提柜推荐方法,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征,利用文本匹配模型获得与该文本特征相匹配的自提柜,确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
第二实施例
本发明第二实施例提出一种自提柜推荐方法。图2所示为本发明第二实施例的自提柜推荐方法的步骤流程图。如图2所示,本发明实施例的自提柜推荐方法如下步骤:
S201,提供自提柜信息,所述自提柜信息包括地址文本特征信息;
S202,获取目标地址文本;
S203,将所述目标地址文本按照结构化语义进行分词;
S204,根据分词后的目标地址文本,获取多个目标文本特征;
S205,根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
上述步骤S201至步骤S205与上一实施例的步骤S101至步骤S105相同或相似,在此不再赘述。本实施例重点说明与上一实施例的不同之处。
在这一实施例中,所述步骤S205,即根据所述文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的步骤可以包括:
S2051,将所述目标地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜。
在这一步骤中,文本匹配模型的数据库中预置有自提柜信息的地址文本特征信息,在步骤S205的匹配过程中,可以将从目标地址文本中获得的文本特征输入该文本匹配模型,以与文本匹配模型的数据库中预置的地址文本特征信息进行匹配,确定能够匹配成功的目标自提柜。
在这一实施例中,在步骤S203,即将目标地址文本按照结构化语义进行分词之后,所述方法还可以包括:
S203a,将分词之后的目标地址文本标注结构化语义标签;
所述步骤S204,即根据分词后的目标地址文本,获取多个目标文本特征的步骤可以包括:
S204a,利用所述结构化语义标签组成的模板,获取所述目标地址文本的多个目标文本特征。
在上述步骤S203中,除了按照结构化语义进行分词之外,还可以将分词后的目标地址文本标注结构化语义标签,并在步骤S204a中利用结构化语义标签组成的模板获取目标文本特征。每一个结构化语义标签例如为地址文本的行政区划标签。
在这一实施例中,所述步骤S2051,即将目标地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜的步骤之后,所述方法还包括:
S2052,当所述目标地址文本的文本特征无法与任何预置的地址文本特征信息匹配时,将所述目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配确定所匹配的目标自提柜。
在上述步骤中,当文本匹配模型无法根据地址文本的文本特征返回信息时,可以进一步根据经纬度模型进行匹配。
在步骤S2052中,可以将步骤S202中获得的目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜地址的经纬度进行匹配。当匹配成功时,获得与该文本特征的经纬度匹配的自提柜,并将自提柜信息返回。
经纬度模型中预置了大量的自提柜地址和对应的经纬度。这些经纬度为根据自提柜地址经过特定的算法计算出的经纬度。将这些自提柜地址与对应的经纬度、自提柜id进行关联,或将自提柜地址、经纬度、自提柜id整合为自提柜信息。因此,在步骤S2052中,返回的自提柜信息可以是某个自提柜对应的自提柜信息的集合,也可以是单独的某一项,例如自提柜地址,方便使用者查找附近的自提柜。
在上述步骤中,鉴于自提柜的安置粒度一般是以楼栋为级别的,因此在上述的文本特征提取时,可以提取到楼栋级别的特征。例如:“prov=浙江省city=杭州市district=余杭区road=文一西路roadNo=696号poi=同城印象poiLabel=GARDEN houseNo=2cellNo=1roomNo=1301”,提取特征为“浙江省杭州市余杭区文一西路696号同城印象houseNo=2”。在其他实施例中,可以随着自提柜的安置粒度改变文本特征的提取级别,或者直接在提取文本特征时提取到最低行政区划级别,以获得最为具体的文本特征。
在这一实施例中,所述自提柜信息包括利用经纬度信息生成的geohash值,步骤S2051,即将目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配的步骤包括如下子步骤:
S2051a,利用geohash算法,将所述目标地址文本的文本特征对应的经纬度作为参数生成geohash值;
S2051b,将生成的所述目标地址文本的文本特征的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配。
在上述子步骤中,可以采用geohash的算法,将所述文本特征对应的经纬度作为参数进行编码生成文本特征的geohash值。在此之前,即在训练经纬度模型的阶段,可以获取到自提柜地址,将其对应的经纬度作为参数采用geohash的算法进行编码,获得自提柜地址的geohash值。因此经纬度模型中将存在有多个自提柜地址的经纬度对应的geohash值。将获取到的本文特征对应的geohash值和自提柜地址的geohash值进行匹配,当匹配成功时返回匹配结果。
在这一实施例中,子步骤S2051b,即在将生成的所述文本特征的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配的步骤之后,步骤S2051还可以包括如下子步骤:
S2051c,根据所述自提柜信息的geohash值和所述文本特征的geohash值,将匹配获得的多个自提柜地址按照与所述文本特征的距离进行排序;
S2051d,输出距离最近的自提柜地址对应的自提柜id,作为匹配结果。
在上述子步骤中,一个本文特征的geohash值可能与多个自提柜地址的geohash值匹配,即针对一个本文特征,在特定的匹配程度下可能会获取到多个自提柜地址。在这种情况下,将本文特征和自提柜地址的距离作为排序值进行排序,选取距离满足一定阈值的自提柜地址作为经纬度模型的输出结果进行返回。
在上述步骤中,通过在步骤S2051b中利用geohash值进行匹配,基于geohash值的匹配特性,首先可以划定一定地理范围内的候选自提柜地址,再在步骤S2051c中将划定范围内的候选自提柜地址进行距离的排序,可以快速获取距离最近的自提柜,避免了传统排序中将大量的自提柜进行整体排序带来的计算量。
所述文本特征中例如可以包括所述地址文本的最低行政区划级别的文本特征。在上述步骤中可以将从地址文本提取出的本文特征进行md5加密。md5加密后的本文特征作为查询参数,查询经纬度模型中的数据。如果匹配成功,则返回结果。如果没有匹配成功,则整体返回无结果。此外,上述的md5加密算法仅是举例之用,实际使用中也可以采用RSA,DES算法作为替代,在此不再赘述。
其中经纬度模型的预测公式可以采用sigmoid函数进行归一化。由于sigmoid函数本身的函数性质,将输出的结果整合为[0,1]的区间,可以排除负向结果。因此,在sigmoid函数的基础上会排除0.5以下的结果,保留[0.5-1]的结果。同时,采取排序的方式,取出最优的若干个结果作为最终的文本预测模型返回结果。
在这一实施例中,步骤S2052,即将所述文本特征对应的经纬度与经纬度模型中预置的自提柜信息中的经纬度进行匹配的步骤之后,所述方法还包括:
S2053,当匹配不成功时,返回无结果的信息。
在匹配的过程中,可以设置匹配程度阈值。例如将匹配程度95%作为合格标准,在可以在所有样本中匹配程度低于95%的样本认为是不合格的,因此可以返回无结果的信息。
另外,可选地,所述自提柜信息包括自提柜对应的预置文本特征、该自提柜的id及该自提柜的地址。
在这一实施例中,所述自提柜信息还包括每一个文本特征对应的权重,所述步骤S205,即根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的步骤包括:
S2054,将所述多个目标文本特征分别与预置的多个自提柜信息中的文本特征进行匹配,获得至少一个候选自提柜;
S2055,将每一个候选自提柜的多个预置文本特征与对应的权重进行加权处理,获取该候选自提柜的匹配度评分;
S2056,获取匹配度评分最高的自提柜信息。
在上述子步骤中,可以引入权重的概念,将每个文本特征对应到一个权重。这样通过权重的线性累加,可以避免同一个城市包括多个重名的地址的情况。以下举例进行说明。
输入的地址文本为:浙江省杭州余杭区阿里巴巴西溪园区699号。在文本匹配模型中对应存在两个候选自提柜地址,分别为:候选1,浙江省杭州余杭区文一西路969号阿里巴巴集团企业园区;候选2,浙江杭州滨江区网商路699阿里巴巴集团。在进行匹配的过程中,例如可以设置“省”的权重为0.2,“市”的权重为0.2,“区”的权重为0.3,“道路号”的权重为0.1,poi的权重为0.3。因此,在上述两个候选地址中,“省”、“市”、“poi”均可以与目标的地址文本相匹配,而候选地址1中“道路号”与目标地址文本不匹配;候选地址2中“区”与目标地址文本不匹配。如果不通过权重进行区分,则无法从两个候选地址中选择更好的给用户推荐。但是鉴于“区”的权重高于“道路号”的权重,因此可以计算出候选地址1的匹配度评分高于候选地址2的匹配度评分,可以将候选地址1作为结果输出。
综上所述,通过设置权重进行区分,可能更精确地为使用者推荐地址,避免了因为地点重名而推荐错误的情况的发生。
在这一实施例中,在步骤S202,即获取目标地址文本的步骤之前,所述方法还包括:
S200,从数据库中获取历史行为数据,对文本匹配模型进行训练。
在这一步骤中,例如可以从服务端或者数据库中获取大量的历史行为数据,利用历史行为数据对文本匹配模型进行训练。随着样本数量的增加,文本匹配模型能够输出越来越准确的输出结果。
在这一实施例中,所述文本匹配模型为分布式文本匹配模型,所述步骤S200,即从数据库中获取历史行为数据,对文本匹配模型进行训练的步骤可以包括如下子步骤:
S200a,从数据库中获取历史行为数据,并对所述历史行为数据进行数据分区;
S200b,利用数据分区获得的多个区域数据,对多个分布式文本匹配模型进行训练。
在上述子步骤中,文本模型的训练采用了分布式liblinear算法,训练多个分布式文本匹配模型。采用该算法的原因主要在于:在地址集合中一般会出现,相同名字的地点在不同的城市。例如,杭州和天津两个城市,都有“淘宝城”。在训练模型时,由于两个“淘宝城”所挂载的自提柜是不同的,因此,在训练模型时极易造成混淆。另外,采用分布式liblinear算法,可以降低训练的时间成本,由于多个子模型是各自并行训练,因此降低了训练的时间开销。
由于采用了分布式模型,分类器的构造公式,也进行了改造,改造前的分类器模型,如公式(1)所示:
其中||w||为系数的范数。改造后的分类器构造公式,如公式(2)所示:
其中λ代表分布式的分区权重矩阵,在算法实践中,采用的分区以行政区划的街道级别,例如:“浙江省杭州市余杭区五常街道文一西路969号阿里巴巴西溪园区”,采用的粒度是“浙江省杭州市余杭区五常街道”,这样做的好处,在于在一个街道下,一般不会出现重名的POI,因此,可以避免对模型训练的干扰。上述以“街道”作为分区的粒度为例进行说明,然而在实际使用中,可以根据其他的行政区划单位或者其他的方式对数据进行分区,在此不再赘述。
在这一实施例中,在步骤S205,即确定目标自提柜之后,所述方法还包括:
S206,输出所述目标自提柜的自提柜信息。
当步骤S205中已确定了目标自提柜,在这一步骤中可以输出目标自提柜,例如将自提柜的位置等信息显示给使用者。
综上所述,本实施例提出的自提柜推荐方法至少具有如下优点:
本发明实施例提出的自提柜推荐方法,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征,利用文本匹配模型获得与该文本特征相匹配的自提柜,确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
除此之外,本实施例提出的自提柜推荐方法至少还包括如下优点:
本实施例提出的自提柜推荐方法和装置,在文本特征无法返回结果时,可以进一步根据经纬度模型进行匹配。克服了文本匹配模型召回率较低的缺点,提高了返回的成功率。在利用经纬度进行匹配时,可以选择利用geohash算法进行编码,利用文本地址作为参数生成文本地址的geohash值,再与自提柜地址的geohash值进行匹配,能够快速地获取附近的自提柜。基于geohash算法匹配的特性,可以首先划定一定地理范围内的候选自提柜地址,再将划定范围内的地址和自提柜地址的距离作为排序值进行排序,选取距离满足一定阈值的自提柜地址作为经纬度模型的输出结果进行返回。可以快速获取距离最近的自提柜,避免了传统排序中将大量的自提柜进行整体排序带来的计算量。此外,在文本匹配过程中引入了权重,通过权重的线性累加,可以避免同一个城市包括多个重名的地址导致匹配错误的情况。再者,采用分布式算法训练多个文本匹配子模型,可以降低训练的时间成本,避免同一名称的不同地点对训练造成的混淆,提高了训练的成功率,降低了训练的时间开销。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的服务器中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
例如,图3示出了可以实现根据本发明的语音处理方法的服务器,例如应用服务器。该服务器传统上包括处理器310和以存储器320形式的计算机程序产品或者计算机可读介质。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有用于执行上述方法中的任何方法步骤的程序代码331的存储空间330。例如,用于程序代码的存储空间330可以包括分别用于实现上面的方法中的各种步骤的各个程序代码331。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图4所述的便携式或者固定存储单元。该存储单元可以具有与图3的服务器中的存储器320类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常,存储单元包括计算机可读代码331’,即可以由例如诸如310之类的处理器读取的代码,这些代码当由服务器运行时,导致该服务器执行上面所描述的方法中的各个步骤。
因此,本发明第三实施例提出一种电子装置,该电子装置包括:
存储器,用于存储计算机可读程序;
处理器,当所述处理器读取所述存储器中的计算机可读程序时,所述电子装置执行如下操作:
提供自提柜信息,所述自提柜信息包括地址文本特征信息;
获取目标地址文本;
将所述目标地址文本按照结构化语义进行分词;
根据分词后的目标地址文本,获取多个目标文本特征;
根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
综上所述,本实施例提出的电子装置至少具有如下优点:
本发明实施例提出的自提柜推荐方法,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征,利用文本匹配模型获得与该文本特征相匹配的自提柜,确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
进一步地,本发明第四实施例提出一种电子装置,该电子装置包括:
存储器,用于存储计算机可读程序;
处理器,当所述处理器读取所述存储器中的计算机可读程序时,所述电子装置执行如下操作:
提供自提柜信息,所述自提柜信息包括地址文本特征信息;
获取目标地址文本;
将所述目标地址文本按照结构化语义进行分词;
根据分词后的目标地址文本,获取多个目标文本特征;
根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
在本发明电子装置的一实施例中,所述根据所述文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的操作包括:
将所述地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜。
在本发明电子装置的一实施例中,所述将所述地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜的操作之后,所述方法还包括:
当所述地址文本的文本特征无法与任何预置的地址文本特征信息匹配时,将所述地址文本的文本特征的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配确定所匹配的目标自提柜。
在本发明电子装置的一实施例中,所述自提柜信息包括利用经纬度信息生成的geohash值,将所述地址文本的文本特征的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配的操作包括:
利用geohash算法,将所述文本特征的经纬度作为参数生成geohash值;
将生成的所述文本特征的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配。
在本发明电子装置的一实施例中,在将生成的所述文本特征的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配的操作之后,还包括:
根据所述自提柜信息的geohash值和所述文本特征的geohash值,将匹配获得的多个自提柜地址按照与所述文本特征的距离进行排序;
输出距离最近的自提柜地址对应的自提柜id,作为匹配结果。
在本发明电子装置的一实施例中,所述结构化语义标签包括地址文本的行政区划标签。
在本发明电子装置的一实施例中,将所述文本特征的经纬度与经纬度模型中预置的自提柜信息中的经纬度进行匹配的操作之后,所述方法还包括:
当匹配不成功时,返回无结果的信息。
在本发明电子装置的一实施例中,所述自提柜信息还包括该自提柜的id及该自提柜的地址。
在本发明电子装置的一实施例中,所述自提柜信息还包括每一个文本特征对应的权重,所述根据所述文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的操作包括:
将所述多个文本特征分别与预置的多个自提柜信息中的文本特征进行匹配,获得至少一个候选自提柜;
将每一个候选自提柜的多个预置文本特征与对应的权重进行加权处理,获取该候选自提柜的匹配度评分;
获取匹配度评分最高的自提柜信息。
在本发明电子装置的一实施例中,所述利用所述结构化语义标签组成的模板,获取所述地址文本的多个文本特征的操作中,每一个文本特征对应一个行政区划级别。
在本发明电子装置的一实施例中,在获取地址文本的操作之前,所述方法还包括:
从数据库中获取历史行为数据,对文本匹配模型进行训练;
在本发明电子装置的一实施例中,所述文本匹配模型为分布式文本匹配模型,所述从数据库中获取历史行为数据,对文本匹配模型进行训练的操作包括:
从数据库中获取历史行为数据,并对所述历史行为数据进行数据分区;
利用数据分区获得的多个区域数据,对多个分布式文本匹配模型进行训练。
在本发明电子装置的一实施例中,在确定目标自提柜之后,所述方法还包括:
输出所述目标自提柜的自提柜信息。
在本发明电子装置的一实施例中,所述将目标地址文本按照结构化语义进行分词之后,所述方法还包括:
将分词之后的目标地址文本标注结构化语义标签;
所述根据分词后的目标地址文本,获取多个目标文本特征的操作包括:
利用所述结构化语义标签组成的模板,获取所述目标地址文本的多个目标文本特征。
在本发明电子装置的一实施例中,所述自提柜信息预置在文本匹配模型的数据库中。
综上所述,本实施例提出的电子装置至少具有如下优点:
本发明实施例提出的自提柜推荐方法,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征,利用文本匹配模型获得与该文本特征相匹配的自提柜,确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
除此之外,本实施例提出的电子装置至少还包括如下优点:
本实施例提出的自提柜推荐方法和装置,在文本特征无法返回结果时,可以进一步根据经纬度模型进行匹配。克服了文本匹配模型召回率较低的缺点,提高了返回的成功率。在利用经纬度进行匹配时,可以选择利用geohash算法进行编码,利用文本地址作为参数生成文本地址的geohash值,再与自提柜地址的geohash值进行匹配,能够快速地获取附近的自提柜。基于geohash算法匹配的特性,可以首先划定一定地理范围内的候选自提柜地址,再将划定范围内的地址和自提柜地址的距离作为排序值进行排序,选取距离满足一定阈值的自提柜地址作为经纬度模型的输出结果进行返回。可以快速获取距离最近的自提柜,避免了传统排序中将大量的自提柜进行整体排序带来的计算量。此外,在文本匹配过程中引入了权重,通过权重的线性累加,可以避免同一个城市包括多个重名的地址导致匹配错误的情况。再者,采用分布式算法训练多个文本匹配子模型,可以降低训练的时间成本,避免同一名称的不同地点对训练造成的混淆,提高了训练的成功率,降低了训练的时间开销。
本申请实施例还提出一种自提柜推荐装置,如图5所示,该自提柜推荐装置包括:
自提柜信息提供模块501,用于提供自提柜信息,所述自提柜信息包括地址文本特征信息;
目标地址文本获取模块502,用于获取目标地址文本;
分词模块503,用于将所述目标地址文本按照结构化语义进行分词;
文本特征获取模块504,用于根据分词后的目标地址文本,获取多个目标文本特征;
自提柜确定模块505,用于根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
综上所述,本实施例提出的自提柜推荐装置至少具有如下优点:
本发明实施例提出的自提柜推荐方法,利用文本特征作为匹配特征,将目标地址文本进行分词,再从分词后的目标地址文本中提取别对应的文本特征,利用文本匹配模型获得与该文本特征相匹配的自提柜,确定出目标自提柜。相比于现有的利用经纬度进行推荐的方法,利用地址文本进行匹配可以大大提升推荐自提柜的准确率。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种自提柜推荐方法、自提柜推荐装置和电子装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (27)
1.一种自提柜推荐方法,其特征在于,包括:
提供自提柜信息,所述自提柜信息包括地址文本特征信息;
获取目标地址文本;
将所述目标地址文本按照结构化语义进行分词;
根据分词后的目标地址文本,获取多个目标文本特征;
根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
2.如权利要求1所述的方法,其特征在于,所述根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的步骤包括:
将所述目标地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜。
3.如权利要求2所述的方法,其特征在于,所述将目标地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜的步骤之后,所述方法还包括:
当所述目标地址文本的文本特征无法与任何预置的地址文本特征信息匹配时,将所述目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配确定所匹配的目标自提柜。
4.如权利要求3所述的方法,其特征在于,所述自提柜信息包括利用经纬度信息生成的geohash值,所述将目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配的步骤包括:
利用geohash算法,将所述目标地址文本的文本特征对应的经纬度作为参数生成geohash值;
将生成的所述文本特征对应的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配。
5.如权利要求4所述的方法,其特征在于,在将生成的所述文本特征对应的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配的步骤之后,还包括:
根据所述自提柜信息的geohash值和所述文本特征的geohash值,将匹配获得的多个自提柜地址按照与所述文本特征的距离进行排序;
输出距离最近的自提柜地址对应的自提柜id,作为匹配结果。
6.如权利要求3所述的方法,其特征在于,将所述文本特征对应的经纬度与经纬度模型中预置的自提柜信息中的经纬度进行匹配的步骤之后,所述方法还包括:
当匹配不成功时,返回无结果的信息。
7.如权利要求1所述的方法,其特征在于,所述自提柜信息还包括该自提柜的id及该自提柜的地址。
8.如权利要求7所述的方法,其特征在于,所述自提柜信息还包括每一个文本特征对应的权重,所述根据目标地址文本的文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的步骤包括:
将所述多个目标地址文本的文本特征分别与预置的多个自提柜信息中的文本特征进行匹配,获得至少一个候选自提柜;
将每一个候选自提柜的多个预置文本特征与对应的权重进行加权处理,获取该候选自提柜的匹配度评分;
获取匹配度评分最高的自提柜信息。
9.如权利要求1所述的方法,其特征在于,在获取目标地址文本的步骤之前,所述方法还包括:
从数据库中获取历史行为数据,对文本匹配模型进行训练。
10.如权利要求9所述的方法,其特征在于,所述文本匹配模型为分布式文本匹配模型,所述从数据库中获取历史行为数据,对文本匹配模型进行训练的步骤包括:
从数据库中获取历史行为数据,并对所述历史行为数据进行数据分区;
利用数据分区获得的多个区域数据,对多个分布式文本匹配模型进行训练。
11.如权利要求1所述的方法,其特征在于,在确定目标自提柜之后,所述方法还包括:
输出所述目标自提柜的自提柜信息。
12.如权利要求1所述的方法,其特征在于,所述将目标地址文本按照结构化语义进行分词之后,所述方法还包括:
将分词之后的目标地址文本标注结构化语义标签;
所述根据分词后的目标地址文本,获取多个目标文本特征的步骤包括:
利用所述结构化语义标签组成的模板,获取所述目标地址文本的多个目标文本特征。
13.如权利要求12所述的方法,其特征在于,所述结构化语义标签包括地址文本的行政区划标签。
14.如权利要求1所述的方法,其特征在于,所述自提柜信息预置在文本匹配模型的数据库中。
15.一种电子装置,其特征在于,所述电子装置包括:
处理器;
存储器,其中存储有计算机可读代码,当所述计算机可读代码在所述电子装置上执行时,所述处理器执行如下操作:
提供自提柜信息,所述自提柜信息包括地址文本特征信息;
获取目标地址文本;
将所述目标地址文本按照结构化语义进行分词;
根据分词后的目标地址文本,获取多个目标文本特征;
根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
16.如权利要求15所述的电子装置,其特征在于,所述根据所述文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的操作包括:
将所述目标地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜。
17.如权利要求16所述的电子装置,其特征在于,所述将目标地址文本的文本特征输入文本匹配模型,与文本匹配模型的数据库中预置的地址文本特征信息匹配,确定所匹配的目标自提柜的操作之后,所述方法还包括:
当所述目标地址文本的文本特征无法与任何预置的地址文本特征信息匹配时,将所述目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配确定所匹配的目标自提柜。
18.如权利要求17所述的电子装置,其特征在于,所述自提柜信息包括利用经纬度信息生成的geohash值,所述将目标地址文本的文本特征对应的经纬度与经纬度模型中预置的自提柜信息的经纬度信息进行匹配的操作包括:
利用geohash算法,将所述目标地址文本的文本特征对应的经纬度作为参数生成geohash值;
将生成的所述文本特征对应的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配。
19.如权利要求18所述的电子装置,其特征在于,在将生成的所述文本特征对应的geohash值与所述经纬度模型中预置的自提柜信息的geohash值进行匹配的操作之后,还包括:
根据所述自提柜信息的geohash值和所述文本特征的geohash值,将匹配获得的多个自提柜地址按照与所述文本特征的距离进行排序;
输出距离最近的自提柜地址对应的自提柜id,作为匹配结果。
20.如权利要求15所述的电子装置,其特征在于,所述自提柜信息还包括该自提柜的id及该自提柜的地址。
21.如权利要求20所述的电子装置,其特征在于,所述自提柜信息还包括每一个文本特征对应的权重,所述根据目标地址文本的文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜的操作包括:
将目标地址文本的多个文本特征分别与预置的多个自提柜信息中的文本特征进行匹配,获得至少一个候选自提柜;
将每一个候选自提柜的多个预置文本特征与对应的权重进行加权处理,获取该候选自提柜的匹配度评分;
获取匹配度评分最高的自提柜信息。
22.如权利要求15所述的电子装置,其特征在于,在获取目标地址文本的操作之前,所述方法还包括:
从数据库中获取历史行为数据,对文本匹配模型进行训练。
23.如权利要求22所述的电子装置,其特征在于,所述文本匹配模型为分布式文本匹配模型,所述从数据库中获取历史行为数据,对文本匹配模型进行训练的操作包括:
从数据库中获取历史行为数据,并对所述历史行为数据进行数据分区;
利用数据分区获得的多个区域数据,对多个分布式文本匹配模型进行训练。
24.如权利要求15所述的电子装置,其特征在于,在确定目标自提柜之后,所述方法还包括:
输出所述目标自提柜的自提柜信息。
25.如权利要求15所述的电子装置,其特征在于,所述将目标地址文本按照结构化语义进行分词之后,所述方法还包括:
将分词之后的目标地址文本标注结构化语义标签;
所述根据分词后的目标地址文本,获取多个目标文本特征的操作包括:
利用所述结构化语义标签组成的模板,获取所述目标地址文本的多个目标文本特征。
26.如权利要求25所述的电子装置,其特征在于,所述结构化语义标签包括地址文本的行政区划标签。
27.一种自提柜推荐装置,其特征在于,包括:
自提柜信息提供模块,用于提供自提柜信息,所述自提柜信息包括地址文本特征信息;
目标地址文本获取模块,用于获取目标地址文本;
分词模块,用于将所述目标地址文本按照结构化语义进行分词;
文本特征获取模块,用于根据分词后的目标地址文本,获取多个目标文本特征;
自提柜确定模块,用于根据所述目标文本特征与所述自提柜信息的地址文本特征信息的对应关系,确定目标自提柜。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597296.3A CN109284498A (zh) | 2017-07-20 | 2017-07-20 | 自提柜推荐方法、自提柜推荐装置和电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597296.3A CN109284498A (zh) | 2017-07-20 | 2017-07-20 | 自提柜推荐方法、自提柜推荐装置和电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109284498A true CN109284498A (zh) | 2019-01-29 |
Family
ID=65184900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710597296.3A Pending CN109284498A (zh) | 2017-07-20 | 2017-07-20 | 自提柜推荐方法、自提柜推荐装置和电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109284498A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059260A (zh) * | 2019-04-29 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 一种推荐方法、装置、设备和介质 |
CN110674423A (zh) * | 2019-09-23 | 2020-01-10 | 拉扎斯网络科技(上海)有限公司 | 一种地址定位的方法、装置、可读存储介质和电子设备 |
CN112461244A (zh) * | 2020-11-23 | 2021-03-09 | 江苏云柜网络技术有限公司 | 一种基于经纬度的快递柜定位方法、装置及电子设备 |
CN113360788A (zh) * | 2021-05-07 | 2021-09-07 | 深圳依时货拉拉科技有限公司 | 一种地址推荐方法、装置、设备及存储介质 |
CN113515687A (zh) * | 2020-04-09 | 2021-10-19 | 北京京东振世信息技术有限公司 | 物流信息的获取方法和装置 |
CN113568951A (zh) * | 2021-07-30 | 2021-10-29 | 拉扎斯网络科技(上海)有限公司 | 一种数据挖掘、处理方法和装置,存储介质和电子设备 |
CN113627184A (zh) * | 2020-05-08 | 2021-11-09 | 北京京东振世信息技术有限公司 | 数据处理方法和装置 |
CN114979067A (zh) * | 2022-05-11 | 2022-08-30 | 北京圣博润高新技术股份有限公司 | 一种单位管辖机关的确定方法、装置、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041647A (ja) * | 2005-07-29 | 2007-02-15 | Nec Fielding Ltd | オンラインロッカーシステム |
CN102968834A (zh) * | 2012-11-15 | 2013-03-13 | 中国工商银行股份有限公司 | 一种物流装置及系统 |
CN103997505A (zh) * | 2013-02-18 | 2014-08-20 | 阿里巴巴集团控股有限公司 | 一种业务对象的自提点的信息推荐方法以及装置 |
US20150193731A1 (en) * | 2014-01-06 | 2015-07-09 | International Business Machines Corporation | Providing optimized delivery locations for an order |
CN105354690A (zh) * | 2014-08-21 | 2016-02-24 | 苏宁云商集团股份有限公司 | 自提业务分配方法及系统 |
CN106407221A (zh) * | 2015-07-31 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 地址数据检索方法及装置 |
-
2017
- 2017-07-20 CN CN201710597296.3A patent/CN109284498A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041647A (ja) * | 2005-07-29 | 2007-02-15 | Nec Fielding Ltd | オンラインロッカーシステム |
CN102968834A (zh) * | 2012-11-15 | 2013-03-13 | 中国工商银行股份有限公司 | 一种物流装置及系统 |
CN103997505A (zh) * | 2013-02-18 | 2014-08-20 | 阿里巴巴集团控股有限公司 | 一种业务对象的自提点的信息推荐方法以及装置 |
US20150193731A1 (en) * | 2014-01-06 | 2015-07-09 | International Business Machines Corporation | Providing optimized delivery locations for an order |
CN105354690A (zh) * | 2014-08-21 | 2016-02-24 | 苏宁云商集团股份有限公司 | 自提业务分配方法及系统 |
CN106407221A (zh) * | 2015-07-31 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 地址数据检索方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059260A (zh) * | 2019-04-29 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 一种推荐方法、装置、设备和介质 |
CN110059260B (zh) * | 2019-04-29 | 2020-07-31 | 北京字节跳动网络技术有限公司 | 一种推荐方法、装置、设备和介质 |
CN110674423A (zh) * | 2019-09-23 | 2020-01-10 | 拉扎斯网络科技(上海)有限公司 | 一种地址定位的方法、装置、可读存储介质和电子设备 |
CN113515687A (zh) * | 2020-04-09 | 2021-10-19 | 北京京东振世信息技术有限公司 | 物流信息的获取方法和装置 |
CN113515687B (zh) * | 2020-04-09 | 2023-09-26 | 北京京东振世信息技术有限公司 | 物流信息的获取方法和装置 |
CN113627184A (zh) * | 2020-05-08 | 2021-11-09 | 北京京东振世信息技术有限公司 | 数据处理方法和装置 |
CN113627184B (zh) * | 2020-05-08 | 2023-09-26 | 北京京东振世信息技术有限公司 | 数据处理方法和装置 |
CN112461244A (zh) * | 2020-11-23 | 2021-03-09 | 江苏云柜网络技术有限公司 | 一种基于经纬度的快递柜定位方法、装置及电子设备 |
CN113360788A (zh) * | 2021-05-07 | 2021-09-07 | 深圳依时货拉拉科技有限公司 | 一种地址推荐方法、装置、设备及存储介质 |
CN113568951A (zh) * | 2021-07-30 | 2021-10-29 | 拉扎斯网络科技(上海)有限公司 | 一种数据挖掘、处理方法和装置,存储介质和电子设备 |
CN114979067A (zh) * | 2022-05-11 | 2022-08-30 | 北京圣博润高新技术股份有限公司 | 一种单位管辖机关的确定方法、装置、设备和介质 |
CN114979067B (zh) * | 2022-05-11 | 2024-03-05 | 北京圣博润高新技术股份有限公司 | 一种单位管辖机关的确定方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284498A (zh) | 自提柜推荐方法、自提柜推荐装置和电子装置 | |
CN109145219B (zh) | 基于互联网文本挖掘的兴趣点有效性判断方法和装置 | |
CN108920457B (zh) | 地址识别方法和装置及存储介质 | |
CN103853722B (zh) | 一种基于检索串的关键词扩展方法、装置和系统 | |
CN109255564B (zh) | 一种取件点地址推荐方法及装置 | |
CN107704503A (zh) | 用户关键词提取装置、方法及计算机可读存储介质 | |
CN108304423A (zh) | 一种信息识别方法及装置 | |
CN107273517A (zh) | 基于图嵌入学习的图文跨模态检索方法 | |
CN103886048B (zh) | 一种基于聚类的增量数字图书推荐方法 | |
CN103995889A (zh) | 图片分类方法及装置 | |
US11216499B2 (en) | Information retrieval apparatus, information retrieval system, and information retrieval method | |
CN107657048A (zh) | 用户识别方法及装置 | |
CN104077290B (zh) | 一种生成推广账户的方法和装置 | |
CN108062366B (zh) | 公共文化信息推荐系统 | |
CN110674423A (zh) | 一种地址定位的方法、装置、可读存储介质和电子设备 | |
CN106919575A (zh) | 应用程序搜索方法及装置 | |
CN102034116B (zh) | 基于互补特征和类描述的商品图像分类方法 | |
CN106980667B (zh) | 一种给文章标注标签的方法和装置 | |
CN104077707B (zh) | 一种推广呈现方式的优化方法和装置 | |
CN108038506A (zh) | 一种图书自动分类方法 | |
CN111522901A (zh) | 文本中地址信息的处理方法及装置 | |
CN106919588A (zh) | 一种应用程序搜索系统及方法 | |
CN109213831A (zh) | 事件检测方法和装置、计算设备及存储介质 | |
CN104077288B (zh) | 网页内容推荐方法和网页内容推荐设备 | |
CN114090880A (zh) | 用于商品推荐的方法及装置、电子设备、存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190129 |