CN113515687A - 物流信息的获取方法和装置 - Google Patents

物流信息的获取方法和装置 Download PDF

Info

Publication number
CN113515687A
CN113515687A CN202010274707.7A CN202010274707A CN113515687A CN 113515687 A CN113515687 A CN 113515687A CN 202010274707 A CN202010274707 A CN 202010274707A CN 113515687 A CN113515687 A CN 113515687A
Authority
CN
China
Prior art keywords
address
logistics
search
logistics information
target
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.)
Granted
Application number
CN202010274707.7A
Other languages
English (en)
Other versions
CN113515687B (zh
Inventor
李司钤
王梓晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202311075665.4A priority Critical patent/CN117171433A/zh
Priority to CN202010274707.7A priority patent/CN113515687B/zh
Publication of CN113515687A publication Critical patent/CN113515687A/zh
Application granted granted Critical
Publication of CN113515687B publication Critical patent/CN113515687B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开的实施例公开了物流信息的获取方法和装置。该方法的一具体实施方式包括：响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，其中，搜索关键词包括对应不同地域级别的多个子地址；从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，其中，倒排表包括地址关键词和与地址关键词对应的物流信息点，物流信息点为基于历史物流地址和历史物流地址的物流属性信息生成的信息点；基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息。该实施方式使得用户通过物流搜索引擎针对性地获取搜索地址的物流网点信息等物流信息，提高了获取物流信息的准确性。

Description

物流信息的获取方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及物流信息的获取方法和装置。
背景技术
随着经济的发展，不仅电商平台物流需求逐渐变大，个人对物流的需求量也迅速增长。物流在人们的日常生活中已经起着不可或缺的作用。
在物流领域，货物发货后往往需要经过物流网点才能送达指定地点。相关技术中，主要依赖第三方地图(例如，高德地图等)来确定物流网点。但是，第三方地图提供的信息和物流场景并不能完全适应，因此，在物流网点经常变化的场景、物流地址不规范等情况下，通过第三方地图往往无法准确定地确定物流网点。
发明内容
本公开的实施例提出了物流信息的获取方法和装置。
第一方面，本公开的实施例提供了一种物流信息的获取方法，该方法包括：响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，其中，搜索关键词包括对应不同地域级别的多个子地址；从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，其中，倒排表包括地址关键词和与地址关键词对应的物流信息点，物流信息点为基于历史物流地址和历史物流地址的物流属性信息生成的信息点；基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息，其中，目标物流信息包括物流网点信息。
在一些实施例中，物流搜索引擎通过如下步骤构建得到：获取历史物流地址和历史物流地址的物流属性信息，生成基础语料库；针对基础语料库中的基础语料，将该基础语料中的历史物流地址输入预先训练的地址实体词识别模型，得到所输入的历史物流地址的地址实体词，其中，地址实体词识别模型用于对输入的地址进行分词得到地址实体词；将所得到的地址实体词输入预先训练的地址语言模型，得到各地址实体词的物流类型，其中，地址语言模型用于对所输入的地址实体词进行物流类型识别；基于该基础语料中的物流属性信息和所得到的地址实体词的物流类型，生成该基础语料的物流信息点；基于该基础语料的地址实体词，确定该基础语料的地址关键词，在预设的倒排表中将所得到的物流信息点与所确定的地址关键词对应设置；基于倒排表建立倒排索引，以构建物流搜索引擎。
在一些实施例中，倒排表中包括按照目标地域级别划分的多个分片，同一分片中的地址关键词和物流信息点属于相同的目标地域级别的地域；利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，包括：利用预先构建的物流搜索引擎，从搜索地址中识别与各子地址对应的地址实体词，将所识别的地址实体词确定为搜索关键词；从所识别的地址实体词中获取与目标地域级别对应的地址实体词，以在倒排表中确定与搜索地址对应的目标分片。
在一些实施例中，从搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，包括：从所识别的地址实体词中确定与搜索地址中的地址主干对应的地址实体词，其中，地址主干为地域级别小于目标地域级别的子地址；在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在一些实施例中，在目标分片中对各地址实体词的分词进行布尔搜索之前，方法还包括：在目标分片中对所确定的各地址实体词进行全词搜索，以在目标分片中检索与所确定的地址实体词的全词匹配的地址关键词。
在一些实施例中，方法还包括：响应于确定出目标分片中不存在与所确定的地址实体词的全词匹配的地址关键词，在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在一些实施例中，基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息，包括：获取与各地址实体词的分词匹配的地址关键词对应的物流信息点；针对任一地址实体词的分词，利用TF-IDF确定与该地址实体词的分词匹配的地址关键词对应的物流信息点在倒排表的权重值；基于所确定的权重值，为所检索到的物流信息点进行排序，按照物流信息点的排序结果选取预设数目的物流信息点；从所选取的物流信息点中确定目标物流信息点，按照预设条件从目标物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息。
在一些实施例中，从所选取的物流信息点中确定目标物流信息点，包括：针对所选取的预设数目的物流信息点中的物流信息点，从该物流信息点中确定历史物流地址，计算所确定的历史物流地址与搜索地址的文本相似度；确定该物流信息点中的目标物流信息在预设数目的物流信息点中出现的次数与预设数目的比值；确定该物流信息点的历史物流地址与搜索地址的文本相关性；基于所确定的文本相似度、比值和文本相关性，确定该物流信息点的置信度；将所选取的各物流信息点中置信度最大的物流信息点确定为目标物流信息点。
在一些实施例中，从所选取的物流信息点中确定目标物流信息点，包括：针对所选取的预设数目的物流信息点中的物流信息点，从该物流信息点中确定历史物流地址，计算所确定的历史物流地址与搜索地址的文本相似度；确定该物流信息点中的目标物流信息在预设数目的物流信息点中出现的次数与预设数目的比值；确定该物流信息点的历史物流地址与搜索地址的文本相关性；基于所确定的文本相似度、比值和文本相关性，确定该物流信息点的置信度；将所选取的各物流信息点中置信度最大的物流信息点确定为目标物流信息点。
在一些实施例中，地址实体词识别模型通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本包括历史地址和已划分出地址实体词的历史地址；基于双向长短期记忆网络和条件随机场模型，建立地址实体词识别模型的初始识别模型；针对第一训练样本集合中的第一训练样本，将该第一训练样本中的历史地址作为输入，将该第一训练样本中已划分出地址实体词的历史地址作为输出，训练初始识别模型，以得到地址实体词识别模型。
在一些实施例中，地址语言模型通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本包括历史地址的地址实体词和已对应标注物流类型的历史地址的地址实体词；基于隐马尔可夫模型，建立地址语言模型的初始语言模型；针对第二训练样本集合中的第二训练样本，将该第二训练样本中的历史地址的地址实体词作为输入，将该第二训练样本中已对应标注物流类型的历史地址的地址实体词作为输出，训练初始语言模型，以得到地址语言模型。
第二方面，本公开的实施例提供了一种物流信息的获取装置，装置包括：获取单元，被配置成响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，其中，搜索关键词包括对应不同地域级别的多个子地址；确定单元，被配置成从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，其中，倒排表包括地址关键词和与地址关键词对应的物流信息点，物流信息点为基于历史物流地址和历史物流地址的物流属性信息生成的信息点；选取单元，被配置成基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息，其中，目标物流信息包括物流网点信息。
在一些实施例中，物流搜索引擎通过如下步骤构建得到：获取历史物流地址和历史物流地址的物流属性信息，生成基础语料库；针对基础语料库中的基础语料，将该基础语料中的历史物流地址输入预先训练的地址实体词识别模型，得到所输入的历史物流地址的地址实体词，其中，地址实体词识别模型用于对输入的地址进行分词得到地址实体词；将所得到的地址实体词输入预先训练的地址语言模型，得到各地址实体词的物流类型，其中，地址语言模型用于对所输入的地址实体词进行物流类型识别；基于该基础语料中的物流属性信息和所得到的地址实体词的物流类型，生成该基础语料的物流信息点；基于该基础语料的地址实体词，确定该基础语料的地址关键词，在预设的倒排表中将所得到的物流信息点与所确定的地址关键词对应设置；基于倒排表建立倒排索引，以构建物流搜索引擎。
在一些实施例中，倒排表中包括按照目标地域级别划分的多个分片，同一分片中的地址关键词和物流信息点属于相同的目标地域级别的地域；获取单元进一步被配置成，包括：利用预先构建的物流搜索引擎，从搜索地址中识别与各子地址对应的地址实体词，将所识别的地址实体词确定为搜索关键词；从所识别的地址实体词中获取与目标地域级别对应的地址实体词，以在倒排表中确定与搜索地址对应的目标分片。
在一些实施例中，确定单元包括：确定模块，被配置成从所识别的地址实体词中确定与搜索地址中的地址主干对应的地址实体词，其中，地址主干为地域级别小于目标地域级别的子地址；第一布尔搜索模块，被配置成在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在一些实施例中，确定单元还包括：全词搜索模块，被配置成在目标分片中对所确定的各地址实体词进行全词搜索，以在目标分片中检索与所确定的地址实体词的全词匹配的地址关键词。
在一些实施例中，确定单元还包括：第二布尔搜索模块，被配置成响应于确定出目标分片中不存在与所确定的地址实体词的全词匹配的地址关键词，在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在一些实施例中，选取单元进一步被配置成：获取与各地址实体词的分词匹配的地址关键词对应的物流信息点；针对任一地址实体词的分词，利用TF-IDF确定与该地址实体词的分词匹配的地址关键词对应的物流信息点在倒排表的权重值；基于所确定的权重值，为所检索到的物流信息点进行排序，按照物流信息点的排序结果选取预设数目的物流信息点；从所选取的物流信息点中确定目标物流信息点，按照预设条件从目标物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息。
在一些实施例中，选取单元进一步还被配置成：针对所选取的预设数目的物流信息点中的物流信息点，从该物流信息点中确定历史物流地址，计算所确定的历史物流地址与搜索地址的文本相似度；确定该物流信息点中的目标物流信息在预设数目的物流信息点中出现的次数与预设数目的比值；确定该物流信息点的历史物流地址与搜索地址的文本相关性；基于所确定的文本相似度、比值和文本相关性，确定该物流信息点的置信度；将所选取的各物流信息点中置信度最大的物流信息点确定为目标物流信息点。
在一些实施例中，确定模块进一步被配置成：将搜索地址输入预先训练的地址实体词识别模型，得到搜索地址的地址实体词，其中，地址实体词识别模型用于对输入的地址进行分词得到地址实体词；将所得到的地址实体词输入预先训练的地址语言模型，得到各地址实体词的物流类型，其中，地址语言模型用于对所输入的地址实体词进行物流类型识别；基于搜索地址的实体词的物流类型，得到搜索地址的地址主干对应的地址实体词。
在一些实施例中，地址实体词识别模型通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本包括历史地址和已划分出地址实体词的历史地址；基于双向长短期记忆网络和条件随机场模型，建立地址实体词识别模型的初始识别模型；针对第一训练样本集合中的第一训练样本，将该第一训练样本中的历史地址作为输入，将该第一训练样本中已划分出地址实体词的历史地址作为输出，训练初始识别模型，以得到地址实体词识别模型。
在一些实施例中，地址语言模型通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本包括历史地址的地址实体词和已对应标注物流类型的历史地址的地址实体词；基于隐马尔可夫模型，建立地址语言模型的初始语言模型；针对第二训练样本集合中的第二训练样本，将该第二训练样本中的历史地址的地址实体词作为输入，将该第二训练样本中已对应标注物流类型的历史地址的地址实体词作为输出，训练初始语言模型，以得到地址语言模型。
本公开的实施例提供的物流信息的获取方法和装置，在接收到用户输入的搜索地址时，可以利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，而后从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，最后基于匹配结果，可以按照预设条件从物流信息点中选取例如物流网点信息等目标物流信息，并向用户返回所选取的目标物流信息，从而使得用户通过物流搜索引擎针对性地获取搜索地址的物流网点信息等物流信息，提高了获取到的物流信息准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一些实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的物流信息的获取方法的一个实施例的流程图；
图3是根据本公开的实施例的物流信息的获取方法的一个应用场景的示意图；
图4是根据本公开的物流信息的获取方法的又一个实施例的流程图；
图5是根据本公开的物流信息的获取装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的物流信息的获取方法或物流信息的获取装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如物流搜索引擎、购物类应用、网页浏览器应用、即时通信工具、物流客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持用户输入搜索地址的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对用户在终端设备101、102、103上输入的搜索地址和返回的目标物流信息提供支持的后台服务器。后台服务器可以利用预先构建的物流搜索引擎对用户输入的搜索地址等数据进行分析等处理，并将处理结果(例如物流网点信息等目标物流信息)反馈给终端设备。
需要说明的是，本公开的实施例所提供的物流信息的获取方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，物流信息的获取装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。在此不做具体限定。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
继续参考图2，示出了根据本公开的物流信息的获取方法的一个实施例的流程200。该物流信息的获取方法，包括以下步骤：
步骤201，响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词。
在本实施例中，物流信息的获取方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从终端接收用户输入的搜索地址。其中，搜索地址可以为用于搜索例如物流网点等物流信息的物流地址，该搜索地址可以为文本。上述执行主体在获取搜索地址后，可以利用预先构建的物流搜索引擎从搜索地址中获取用于搜索的搜索关键词。上述物流搜索引擎可以为针对性地应用于物流领域的搜索引擎，主要用于搜索与搜索地址相关的物流信息。上述搜索关键词可以包括对应不同地域级别的多个子地址。
作为示例，上述搜索地址可以为“北京市亦庄经济技术开发区科创十一街18号院XX大厦C座”，该搜索地址的搜索关键词可以包括北京市、亦庄经济技术开发区、科创十一街、18号院、XX大厦、C座等子地址中的一个或多个，这里可以根据实际的需求从不同地域级别的子地址中获取搜索关键词。例如，上述执行主体可以从搜索地址中获取与二级行政区划和三级行政区划的地域级别对应的子地址作为搜索关键词。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
通常，物流订单在进入物流网点之前，需要确定与物流订单的物流地址对应的物流网点。物流订单的包裹在进入对应的物流网点之后，可以从物流网点发到物流地址所指示的地点。在本实施例中，物流订单在进入物流网点之前，用户可以将该物流地址作为搜索地址输入上述物流搜索引擎进行搜索，从而可以返回该物流地址的物流网点等物流信息。
步骤202，从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词。
在本实施例中，基于步骤201获取的搜索关键词，上述执行主体(例如图1所示的服务器)可以在物流搜索引擎的倒排表中检索所获取的搜索关键词。这里，物流搜索引擎的倒排表中可以包括多条记录，每条记录可以包括地址关键词和与该地址关键词对应的物流信息点。因此，上述执行主体可以在倒排表中确定出与搜索关键词匹配的地址关键词，并进一步地获取与地址关键词对应的物流信息点。这里，搜索关键词和地址关键词匹配可以理解为搜索关键词和地址关键词完全相同或部分相同，这里可以根据实际的需求来确定匹配的具体含义。上述物流信息点可以为基于历史物流地址和历史物流地址的属性信息生成的信息点，该信息点可以包括多种物流信息。可以理解的是，物流信息点的具体格式和内容可以根据实际的需求自行设置。
作为示例，上述历史物流地址可以为“北京市亦庄经济技术开发区科创十一街18号院XX大厦C座”，该历史物流地址的物流属性信息可以包括该物流地址所属的物流网点、该物流地址所指示的建筑属性、位置坐标等，因此，基于上述历史物流地址和相应的物流属性信息得到的物流信息点可以为“行政区划：北京市亦庄经济开发区；POI：科创十一街18号院XX大厦；建筑类型：办公楼；坐标：116.562866，39.786636”。
在本实施例的一些可选的实现方式中，可以采用如下方式构建上述物流搜索引擎：
第一，可以获取历史物流地址和历史物流地址的物流属性信息，从而生成基础语料库。物流属性信息可以包括行政区划、物流网点信息、建筑属性信息、位置坐标信息等。各历史物流地址在执行过一遍完整的物流配送行为之后，即可以确定该物流地址的物流属性信息。因此，我们将历史物流地址与对应的物流属性信息结合起来，即可以得到用于提取物流信息点的基础语料。对大量的历史物流地址执行上述操作即可以得到基础语料库。
第二，针对基础语料库中的基础语料，将该基础语料中的历史物流地址输入预先训练的地址实体词识别模型，可以得到所输入的历史物流地址的地址实体词。其中，地址实体词识别模型可以用于对输入的地址进行分词得到地址实体词。作为示例，将历史物流地址“北京亦庄经济技术开发区科创十一街18号院XX大厦C座”输入上述地址实体词识别模型可以得到“北京市/city亦庄经济技术开发区/town科创十一街/road18号院/number XX大厦/poi C座/number”。
第三，将所得到的地址实体词输入预先训练的地址语言模型，可以得到各地址实体词的物流类型。其中，地址语言模型可以用于对所输入的地址实体词进行物流类型识别。作为示例，将所得到的地址实体词“北京市/city亦庄经济技术开发区/town科创十一街/road18号院/numberXX大厦/poiC座/number”输入地址语言模型可以识别出地址实体词“亦庄经济技术开发区”的物流类型为“开发区”，“科创十一街”的物流类型为“道路”，“18号院”的物流类型为“路号”，“C座”的物流类型为“poi号”等。
第四，基于该基础语料中的物流属性信息和所得到的地址实体词的物流类型，可以生成该基础语料的物流信息点。将所获取的地址实体词的物流类型和上述基础语料的物流属性信息进行数据处理，从而可以得到该基础语料的物流信息点。如此，可以得到基础语料库中各基础语料的物流信息点。
第五，基于该基础语料的地址实体词，可以确定该基础语料的地址关键词，在预设倒排表出中，可以将所得到的物流信息点与所确定的地址关键词对应设置。可以理解的是，对于同一基础预料的地址实体词，可以将从中选取地址实体词作为地址关键词。具体地址，可以将从中选取的地址实体词的全词作为地址关键词，或者，还可以将从中选取的地址实体词的分词作为地址关键词。例如，对于选取的地址实体词“科创十一街”作为地址关键词，还可以将分词处理后的“科创”和“十一街”作为地址关键词。
第六，基于倒排表建立倒排索引，以构建物流搜索引擎。这里，可以将所得到的物流信息点储存在elasticsearch全文搜索引擎中。具体地，可以在elasticsearch中建立倒排表索引来存储物流信息点。因此，搜索关键词可以通过在倒排索引表中匹配地址关键词来获取对应的物流信息点。
上述物流搜索引擎还可以通过其他的方式来构建，这里没有唯一的限定。例如，可以直接对历史物流地址和物流属性信息进行分词和标识来得到物流信息点，在得到物流信息点后可以在Solr搜索引擎中建立物流信息点的倒排表索引，从而得到物流搜索引擎。
步骤203，基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息。
在本实施例中，基于步骤202确定的与搜索关键词匹配的地址关键词，上述执行主体可以确定与所确定的地址关键词对应的物流信息点。而后，可以按照预设条件从所确定的物流信息点中选取目标物流信息。其中，目标物流信息可以包括物流网点信息。可以理解的是，上述执行主体可以按照需求设置选取目标物流信息的预设条件。作为示例，上述预设条件还可以用于从物流信息点中选取建筑属性信息，该建筑属性信息可以用于判断周末是否进行物流配送，对于建筑属性信息为办公楼的搜索地址周末通常不进行物流配送。最后，上述执行主体可以向用户返回所选取的目标物流信息。
继续参见图3，图3是根据本实施例的物流信息的获取方法的应用场景的一个示意图。在图3的应用场景中，用户首先在预先构建的物流搜索引擎的输入框301中输入搜索地址“北京亦庄经济技术开发区科创十一街18号院XX大厦C座”，并点击“搜索”按键，如图3所示；之后，后台服务器在接收到用户输入的搜索地址后可以物流搜索引擎从搜索地址中获取搜索关键词；而后，后台服务器可以从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词；最后，后台服务器可以基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息“XX大厦营业部”的物流网点信息，如图3所示。
本公开的上述实施例提供的方法，在接收到用户输入的搜索地址时，可以利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，而后从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，最后基于匹配结果，可以按照预设条件从物流信息点中选取例如物流网点信息等目标物流信息，并向用户返回所选取的目标物流信息，从而使得用户通过物流搜索引擎针对性地获取搜索地址的物流网点信息等物流信息，提高了获取到的物流信息准确性。
进一步参考图4，其示出了物流信息的获取方法的又一个实施例的流程400。该物流信息的获取方法的流程400，包括以下步骤：
步骤401，响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎，从搜索地址中识别与各子地址对应的地址实体词，将所识别的地址实体词确定为搜索关键词。
在本实施例中，物流信息的获取方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从终端接收用户输入的搜索地址。其中，搜索地址可以为用于搜索例如物流网点等物流信息的物流地址，该搜索地址可以为文本。上述执行主体在获取搜索地址后，可以利用预先构建的物流搜索引擎从搜索地址中识别出与不同地域级别的子地址对应的地址实体词。因此，上述执行主体可以获取搜索地址的地址实体词。例如，上述搜索地址为“北京市亦庄经济技术开发区科创十一街18号院”，该搜索地址的地址实体词可以包括以下至少一项：北京市、亦庄经济技术开发区、科创十一街、18号院。
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下步骤得到搜索地址的地址主干对应的地址实体词：将搜索地址输入预先训练的地址实体词识别模型，得到搜索地址的地址实体词，其中，地址实体词识别模型用于对输入的地址进行分词得到地址实体词；将所得到的地址实体词输入预先训练的地址语言模型，得到各地址实体词的物流类型，其中，地址语言模型用于对所输入的地址实体词进行物流类型识别；基于搜索地址的实体词的物流类型，得到搜索地址的地址主干对应的地址实体词。在本实现方式中，上述实体词识别模型和地址语言模型可以与构建物流搜索引擎中的实体词识别模型和地址语言模型相同，如此上述执行主体可以快速地识别出搜索地址的地址实体词，并得到地址实体词的物流类型，提高了物流搜索引擎返回物流信息的效率。
在本实施例的一些可选的实现方式中，上述地址实体词识别模型通过如下步骤训练得到：
第一，获取第一训练样本集合，其中，第一训练样本包括历史地址和已划分为地址实体词的历史地址。通常，在获取第一训练样本集合后，针对第一训练样本集合中的地址，可以采用bert模型得到地址中每个字的向量，从而将历史地址从文字转换成向量便于后续计算。其中，bert的全称是Bidirectional Encoder Representation from Transformers，该模型为双向Transformer的编码模型。
第二，基于双向长短期记忆网络和条件随机场模型，可以建立地址实体词识别模型的初始识别模型。利用双向长短期记忆网络可以训练得到每个词被预测为对应的地域级别的概率，随后接一层条件随机场模型CRF来评估预测序列的地域级别之间的关系，从而可以建立地址实体词识别模型的初始识别模型。
第三，针对第一训练样本集合中的第一训练样本，将该第一训练样本中的历史地址作为输入，将该第一训练样本中已划分为地址实体词的历史地址作为输出，训练初始识别模型，可以得到地址实体词识别模型。将第一训练样本集合中的第一训练样本的历史地址作为输入，已划分为地址实体词的历史地址作为输出可以训练上述初始识别模型中的参数，从而可以得到地址实体词识别模型。
在本实施例的一些可选的实现方式中，上述地址语言模型通过如下步骤训练得到：
第一，获取第二训练样本集合，其中，第二训练样本包括历史地址的地址实体词和已对应标注物流类型的历史地址的地址实体词。这里，第二训练样本集合可以根据上述第一训练样本集合得到。具体地，可以将第一训练样本中的已划分为地址实体词的历史地址进行物流类型标注，从而可以得到第二训练样本。
第二，基于隐马尔可夫模型建立地址语言模型的初始语言模型。这里，采用隐马尔可夫模型HMM的思想，当前状态只与上一时刻的状态相关，可以构建初始语言模型。
第三，针对第二训练样本集合中的第二训练样本，将该第二训练样本中的历史地址的地址实体词作为输入，将该第二训练样本中已对应标注物流类型的历史地址的地址实体词作为输出，训练初始语言模型，可以得到地址语言模型。将第二训练样本集合中的第二训练样本的历史地址的地址实体词作为输入，已对应标注物流类型的历史地址的地址实体词作为输出可以训练上述初始语言模型中的参数，从而可以得到地址语言模型。
可以理解的是，上述地址实体词识别模型和地址语言模型还可以采用其他的方式进行训练得到，这里没有的唯一的限定。
步骤402，从所识别的地址实体词中获取与目标地域级别对应的地址实体词，以在倒排表中确定与搜索地址对应的目标分片。
在本实施例中，上述物流搜索引擎中的倒排表可以包括按照目标地域级别划分的多个分片，因此，对于同于分片中的地址关键词和物流信息点可以属于相同的目标地域级别的地域。作为示例，上述目标地域级别可以为市，因此，倒排表中的分片可以为按照市划分的分片，对于不同市的地址关键词和物流信息点可以设置在不用的分片中。可选的，在使用倒排表时还可以以市邮编作为路由，来确定分片。
在本实施例中，基于步骤401识别出的地址实体词，上述执行主体(例如图1所示的服务器)可以从所识别的地址实体词中获取与目标地域级别对应的地址实体词，由此，上述执行主体可以在倒排表中确定出与搜索地址对应的目标分片。作为示例，上述执行主体可以从地址实体词中获取与目标地域级别对应的地址实体词“北京市”，则其可以在倒排表中确定“北京市”的分片。
步骤403，从所识别的地址实体词中确定与搜索地址中的地址主干对应的地址实体词。
在本实施例中，上述执行主体可以在所识别的地址实体词中确定出与搜索地址的地址主干对应的实体词。其中，地址主干可以为地域级别小于上述目标地域级别的子地址。可选地，上述地址主干还可以为地域级别小于行政区划的子地址，这里可以根据实际的需求划分地址主干。作为示例，上述目标地域级别为市，搜索地址为“北京市大兴区XX集团总部”，则上述地址主干可以为“XX集团总部”。
步骤404，在目标分片中对所确定的各地址实体词进行全词搜索，以在目标分片中检索与所确定的地址实体词的全词匹配的地址关键词。
在本实施例中，基于步骤402确定的搜索地址的目标分片和步骤403确定的地址主干的地址实体词，上述执行主体可以在该目标分片中对所确定的地址实体词进行全词搜索，从而可以在目标分片中检索与所确定的地址实体词的全词匹配的地址关键词。例如，所确定的地址实体词为“XX集团总部”，上述执行主体可以在目标分片中搜索“XX集团总部”，从而获取与“XX集团总部”匹配的地址关键词。
可以理解的是，物流信息点往往是由历史物流地址生成，该搜索地址在历史中很可能已经出现。因此，物流搜索引擎在对搜索地址进行搜索时，对完整的地址主干进行全词搜索，该搜索地址可以为在历史中出现过的地址，那么上述物流搜索引擎仅需要对地址主干的地址实体词进行全词搜索，无需计算，即可以返回目标物流信息，搜索速度快。
步骤405，响应于确定出目标分片中不存在与所确定的地址实体词的全词匹配的地址关键词，在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在本实施例中，在确定出目标分片中不存在与所确定的地址实体词的全词匹配的地址关键词的情况下，上述执行主体可以在目标分片中对地址主干的各地址实体词的分词进行布尔搜索。可以理解的是，上述执行主体在获取地址主干的各地址实体词后，可以对地址实体词进行分词，而后基于所得到的分词进行布尔搜索。因此，上述执行主体可以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
作为示例，针对地址实体词“XX集团总部”，如果目标分片中不存在与其匹配的关键词，上述执行主体可以将“XX集团总部”进行分词得到“XX”、“集团”和“总部”，并在目标分片中对地址主干的各地址实体词的分词“XX”、“集团”和“总部”进行布尔搜索。
在本实施例的一些可选的实现方式中，上述执行主体还可以不进行全词搜索，而直接在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
步骤406，基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息。
在本实施例中，基于步骤404得到的与所确定的地址实体词的全词匹配的地址关键词，上述执行主体可以直接按照预设条件从与该地址关键词对应的物流信息点中选取目标物流信息。或者，基于步骤405得到的与所确定的地址实体词的分词匹配的地址关键词，上述执行主体可以获取与所得到的各地址关键词对应的物流信息点，而后采用各种方式处理所获取的各物流信息点，并从各物流信息点确定待选取目标物流信息的物流信息点，最后按照预设条件从该物流信息点中选取目标物流信息。上述执行主体在选取目标物流信息后可以向用户返回所选取的目标物流信息。这里，目标物流信息可以包括物流网点信息。
在本实施例的一些可选的实现方式中，基于步骤405得到的与所确定的地址实体词的分词匹配的地址关键词，上述执行主体可以获取与地址主干的各地址实体词的分词匹配的地址关键词对应的物流信息点。针对任一地址实体词的分词，上述执行主体可以利用TF-IDF确定与该地址实体词的分词匹配的地址关键词对应的物流信息点在上述倒排表的权重值。可以理解的是，针对地址主干的地址实体词的分词均可以计算得到相应的权重值。基于所确定各分词的权重值，可以计算所获取的各物流信息点的得分，从而按照分数的大小对各物流信息点进行排序。上述执行主体可以按照物流信息点的排序结果从中选取预设数目的物流信息点，例如，可以从排序中选取top-N的结果。最后，上述执行主体可以采用各种方式从所选取的物流信息点中确定目标物流信息点，例如可以选取分数值最大的物流信息点作为目标物流信息点。上述执行主体可以按照预设条件从目标物流信息点中选取目标物流信息，并向用户返回所选取的目标物流信息。该实现方式采用TF-IDF对各分词的检索结果排序的方式确定目标物流信息点，从而可以进一步提高返回的目标物流信息的准确性。
在本实施例的一些可选的实现方式中，针对所选取的预设数据的物流信息点，上述执行主体可以计算各物流信息点的置信度，并从中选取置信度最大的物流信息点作为目标物流信息点。具体地，针对所选取的预设数目的物流信息点中的任一物流信息点，上述执行主体可以从该物流信息点中确定历史物流地址，而后可以采用例如TF-IDF来计算所确定的历史物流地址与搜索地址的文本相似度，以得到文本相似度得分。其次，上述执行主体可以确定该物流信息点中的目标物流信息在预设数目的物流信息点中出现的次数与预设数目的比值。最后，上述执行主体可以确定该物流信息点的历史物流地址与搜索地址文本相关性。这里，可以采用jaccard系数确定文本相似性。需要说明的是，上述执行主体基于所确定的文本相似度、比值和文本相关性，可以确定该物流信息点的置信度。这里，上述执行主体可以采用如下公式计算置信度：
hθ(x)＝θ0+θ1×x-score+θ2×x-siteoccupation+θ3×x-jaccard
其中，x-score用于表征物流信息点中的历史物流地址与搜索地址的文本相似度的得分，x-siteoccupation用于表征物流信息点中的目标物流信息在预设数目的物流信息点中出现的次数与预设数目的比值，x-jaccard用于表征物流信息点的历史物流地址与搜索地址文本相关性，θ0为参数，θ1、θ2和θ3分别为上述文本相似度得分x-score、比值x-siteoccupation和文本相关性x-jaccard的权重值。该实现方式可以准确地计算出预设数目的物流信息点的置信度，将置信度最大的物流信息点确定为目标物流信息点返回满足预设条件的目标物流信息，可以进一步提高返回物流信息的准确性。
从图4中可以看出，与图2对应的实施例相比，本实施例中的物流信息的获取方法的流程400在搜索地址中识别地址实体词，并获取与目标地域级别对应的地址实体词，从而可以在倒排表中确定搜索地址对应的目标分片，并在目标分片中进行地址关键词匹配。由此，本实施例描述的方案可以将地址关键词匹配的范围缩小到对应的目标分片，无需在整个倒排表中匹配，提高了返回物流信息的效率。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种物流信息的获取装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的物流信息的获取装置500包括：获取单元501、确定单元502、选取单元503。其中，获取单元501被配置成响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，其中，搜索关键词包括对应不同地域级别的多个子地址；确定单元502被配置成从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，其中，倒排表包括地址关键词和与地址关键词对应的物流信息点，物流信息点为基于历史物流地址和历史物流地址的物流属性信息生成的信息点；选取单元503被配置成基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息，其中，目标物流信息包括物流网点信息。
在本实施例的一些可选的实现方式中，物流搜索引擎通过如下步骤构建得到：获取历史物流地址和历史物流地址的物流属性信息，生成基础语料库；针对基础语料库中的基础语料，将该基础语料中的历史物流地址输入预先训练的地址实体词识别模型，得到所输入的历史物流地址的地址实体词，其中，地址实体词识别模型用于对输入的地址进行分词得到地址实体词；将所得到的地址实体词输入预先训练的地址语言模型，得到各地址实体词的物流类型，其中，地址语言模型用于对所输入的地址实体词进行物流类型识别；基于该基础语料中的物流属性信息和所得到的地址实体词的物流类型，生成该基础语料的物流信息点；基于该基础语料的地址实体词，确定该基础语料的地址关键词，在预设的倒排表中将所得到的物流信息点与所确定的地址关键词对应设置；基于倒排表建立倒排索引，以构建物流搜索引擎。
在本实施例的一些可选的实现方式中，倒排表中包括按照目标地域级别划分的多个分片，同一分片中的地址关键词和物流信息点属于相同的目标地域级别的地域；获取单元501进一步被配置成，包括：利用预先构建的物流搜索引擎，从搜索地址中识别与各子地址对应的地址实体词，将所识别的地址实体词确定为搜索关键词；从所识别的地址实体词中获取与目标地域级别对应的地址实体词，以在倒排表中确定与搜索地址对应的目标分片。
在本实施例的一些可选的实现方式中，确定单元502包括：确定模块，被配置成从所识别的地址实体词中确定与搜索地址中的地址主干对应的地址实体词，其中，地址主干为地域级别小于目标地域级别的子地址；第一布尔搜索模块，被配置成在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在本实施例的一些可选的实现方式中，确定单元502还包括：全词搜索模块，被配置成在目标分片中对所确定的各地址实体词进行全词搜索，以在目标分片中检索与所确定的地址实体词的全词匹配的地址关键词。
在本实施例的一些可选的实现方式中，确定单元503还包括：第二布尔搜索模块，被配置成响应于确定出目标分片中不存在与所确定的地址实体词的全词匹配的地址关键词，在目标分片中对各地址实体词的分词进行布尔搜索，以在目标分片中检索与各地址实体词的分词匹配的地址关键词。
在本实施例的一些可选的实现方式中，选取单元503进一步被配置成：获取与各地址实体词的分词匹配的地址关键词对应的物流信息点；针对任一地址实体词的分词，利用TF-IDF确定与该地址实体词的分词匹配的地址关键词对应的物流信息点在倒排表的权重值；基于所确定的权重值，为所检索到的物流信息点进行排序，按照物流信息点的排序结果选取预设数目的物流信息点；从所选取的物流信息点中确定目标物流信息点，按照预设条件从目标物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息。
在本实施例的一些可选的实现方式中，选取单元503进一步还被配置成：针对所选取的预设数目的物流信息点中的物流信息点，从该物流信息点中确定历史物流地址，计算所确定的历史物流地址与搜索地址的文本相似度；确定该物流信息点中的目标物流信息在预设数目的物流信息点中出现的次数与预设数目的比值；确定该物流信息点的历史物流地址与搜索地址的文本相关性；基于所确定的文本相似度、比值和文本相关性，确定该物流信息点的置信度；将所选取的各物流信息点中置信度最大的物流信息点确定为目标物流信息点。
在本实施例的一些可选的实现方式中，确定模块进一步被配置成：将搜索地址输入预先训练的地址实体词识别模型，得到搜索地址的地址实体词，其中，地址实体词识别模型用于对输入的地址进行分词得到地址实体词；将所得到的地址实体词输入预先训练的地址语言模型，得到各地址实体词的物流类型，其中，地址语言模型用于对所输入的地址实体词进行物流类型识别；基于搜索地址的实体词的物流类型，得到搜索地址的地址主干对应的地址实体词。
在本实施例的一些可选的实现方式中，地址实体词识别模型通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本包括历史地址和已划分出地址实体词的历史地址；基于双向长短期记忆网络和条件随机场模型，建立地址实体词识别模型的初始识别模型；针对第一训练样本集合中的第一训练样本，将该第一训练样本中的历史地址作为输入，将该第一训练样本中已划分出地址实体词的历史地址作为输出，训练初始识别模型，以得到地址实体词识别模型。
在本实施例的一些可选的实现方式中，地址语言模型通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本包括历史地址的地址实体词和已对应标注物流类型的历史地址的地址实体词；基于隐马尔可夫模型，建立地址语言模型的初始语言模型；针对第二训练样本集合中的第二训练样本，将该第二训练样本中的历史地址的地址实体词作为输入，将该第二训练样本中已对应标注物流类型的历史地址的地址实体词作为输出，训练初始语言模型，以得到地址语言模型。
装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词，其中，搜索关键词包括对应不同地域级别的多个子地址；从物流搜索引擎的倒排表中确定与搜索关键词匹配的地址关键词，其中，倒排表包括地址关键词和与地址关键词对应的物流信息点，物流信息点为基于历史物流地址和历史物流地址的物流属性信息生成的信息点；基于匹配结果，按照预设条件从物流信息点中选取目标物流信息，向用户返回所选取的目标物流信息，其中，目标物流信息包括物流网点信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、选取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从搜索地址中获取搜索关键词的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种物流信息的获取方法，包括：
响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从所述搜索地址中获取搜索关键词，其中，所述搜索关键词包括对应不同地域级别的多个子地址；
从所述物流搜索引擎的倒排表中确定与所述搜索关键词匹配的地址关键词，其中，所述倒排表包括地址关键词和与所述地址关键词对应的物流信息点，所述物流信息点为基于历史物流地址和所述历史物流地址的物流属性信息生成的信息点；
基于匹配结果，按照预设条件从所述物流信息点中选取目标物流信息，向所述用户返回所选取的目标物流信息，其中，所述目标物流信息包括物流网点信息。
2.根据权利要求1所述的方法，其中，所述物流搜索引擎通过如下步骤构建得到：
获取历史物流地址和所述历史物流地址的物流属性信息，生成基础语料库；
针对所述基础语料库中的基础语料，将该基础语料中的历史物流地址输入预先训练的地址实体词识别模型，得到所输入的历史物流地址的地址实体词，其中，所述地址实体词识别模型用于对输入的地址进行分词得到地址实体词；
将所得到的地址实体词输入预先训练的地址语言模型，得到各所述地址实体词的物流类型，其中，所述地址语言模型用于对所输入的地址实体词进行物流类型识别；
基于该基础语料中的物流属性信息和所得到的地址实体词的物流类型，生成该基础语料的物流信息点；
基于该基础语料的地址实体词，确定该基础语料的地址关键词，在预设的倒排表中将所得到的物流信息点与所确定的地址关键词对应设置；
基于所述倒排表建立倒排索引，以构建所述物流搜索引擎。
3.根据权利要求1所述的方法，其中，所述倒排表中包括按照目标地域级别划分的多个分片，同一所述分片中的地址关键词和物流信息点属于相同的目标地域级别的地域；
所述利用预先构建的物流搜索引擎从所述搜索地址中获取搜索关键词，包括：
利用预先构建的物流搜索引擎，从所述搜索地址中识别与各所述子地址对应的地址实体词，将所识别的地址实体词确定为所述搜索关键词；
从所识别的地址实体词中获取与所述目标地域级别对应的地址实体词，以在所述倒排表中确定与所述搜索地址对应的目标分片。
4.根据权利要求3所述的方法，其中，所述从所述搜索引擎的倒排表中确定与所述搜索关键词匹配的地址关键词，包括：
从所识别的地址实体词中确定与所述搜索地址中的地址主干对应的地址实体词，其中，所述地址主干为地域级别小于所述目标地域级别的子地址；
在所述目标分片中对各所述地址实体词的分词进行布尔搜索，以在所述目标分片中检索与各所述地址实体词的分词匹配的地址关键词。
5.根据权利要求3所述的方法，其中，在所述目标分片中对各所述地址实体词的分词进行布尔搜索之前，所述方法还包括：
在所述目标分片中对所确定的各所述地址实体词进行全词搜索，以在所述目标分片中检索与所确定的地址实体词的全词匹配的地址关键词。
6.根据权利要求5所述的方法，其中，所述方法还包括：
响应于确定出所述目标分片中不存在与所确定的地址实体词的全词匹配的地址关键词，在所述目标分片中对各所述地址实体词的分词进行布尔搜索，以在所述目标分片中检索与各所述地址实体词的分词匹配的地址关键词。
7.根据权利要求4或6所述的方法，其中，所述基于匹配结果，按照预设条件从所述物流信息点中选取目标物流信息，向所述用户返回所选取的目标物流信息，包括：
获取与各所述地址实体词的分词匹配的地址关键词对应的物流信息点；
针对任一所述地址实体词的分词，利用TF-IDF确定与该地址实体词的分词匹配的地址关键词对应的物流信息点在所述倒排表的权重值；
基于所确定的权重值，为所检索到的物流信息点进行排序，按照所述物流信息点的排序结果选取预设数目的物流信息点；
从所选取的物流信息点中确定目标物流信息点，按照预设条件从所述目标物流信息点中选取目标物流信息，向所述用户返回所选取的目标物流信息。
8.根据权利要求7所述的方法，其中，所述从所选取的物流信息点中确定目标物流信息点，包括：
针对所选取的预设数目的物流信息点中的物流信息点，从该物流信息点中确定历史物流地址，计算所确定的历史物流地址与所述搜索地址的文本相似度；
确定该物流信息点中的目标物流信息在所述预设数目的物流信息点中出现的次数与所述预设数目的比值；
确定该物流信息点的历史物流地址与所述搜索地址的文本相关性；
基于所确定的文本相似度、比值和文本相关性，确定该物流信息点的置信度；
将所选取的各物流信息点中置信度最大的物流信息点确定为所述目标物流信息点。
9.根据权利要求4所述的方法，其中，所述从所识别的地址实体词中确定与所述搜索地址中的地址主干对应的地址实体词，包括：
将所述搜索地址输入预先训练的地址实体词识别模型，得到所述搜索地址的地址实体词，其中，所述地址实体词识别模型用于对输入的地址进行分词得到地址实体词；
将所得到的地址实体词输入预先训练的地址语言模型，得到各所述地址实体词的物流类型，其中，所述地址语言模型用于对所输入的地址实体词进行物流类型识别；
基于所述搜索地址的实体词的物流类型，得到所述搜索地址的地址主干对应的地址实体词。
10.根据权利要求2或9所述的方法，其中，所述地址实体词识别模型通过如下步骤训练得到：
获取第一训练样本集合，其中，第一训练样本包括历史地址和已划分出地址实体词的所述历史地址；
基于双向长短期记忆网络和条件随机场模型，建立所述地址实体词识别模型的初始识别模型；
针对所述第一训练样本集合中的第一训练样本，将该第一训练样本中的历史地址作为输入，将该第一训练样本中已划分出地址实体词的所述历史地址作为输出，训练所述初始识别模型，以得到所述地址实体词识别模型。
11.根据权利要求2或9所述的方法，其中，所述地址语言模型通过如下步骤训练得到：
获取第二训练样本集合，其中，第二训练样本包括历史地址的地址实体词和已对应标注物流类型的历史地址的地址实体词；
基于隐马尔可夫模型，建立所述地址语言模型的初始语言模型；
针对所述第二训练样本集合中的第二训练样本，将该第二训练样本中的历史地址的地址实体词作为输入，将该第二训练样本中已对应标注物流类型的历史地址的地址实体词作为输出，训练所述初始语言模型，以得到所述地址语言模型。
12.一种物流信息的获取装置，包括：
获取单元，被配置成响应于接收到用户输入的搜索地址，利用预先构建的物流搜索引擎从所述搜索地址中获取搜索关键词，其中，所述搜索关键词包括对应不同地域级别的多个子地址；
确定单元，被配置成从所述物流搜索引擎的倒排表中确定与所述搜索关键词匹配的地址关键词，其中，所述倒排表包括地址关键词和与所述地址关键词对应的物流信息点，所述物流信息点为基于历史物流地址和所述历史物流地址的物流属性信息生成的信息点；
选取单元，被配置成基于匹配结果，按照预设条件从所述物流信息点中选取目标物流信息，向所述用户返回所选取的目标物流信息，其中，所述目标物流信息包括物流网点信息。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。
CN202010274707.7A 2020-04-09 2020-04-09 物流信息的获取方法和装置 Active CN113515687B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202311075665.4A CN117171433A (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置
CN202010274707.7A CN113515687B (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010274707.7A CN113515687B (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202311075665.4A Division CN117171433A (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置

Publications (2)

Publication Number Publication Date
CN113515687A true CN113515687A (zh) 2021-10-19
CN113515687B CN113515687B (zh) 2023-09-26

Family

ID=78060980

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010274707.7A Active CN113515687B (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置
CN202311075665.4A Pending CN117171433A (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202311075665.4A Pending CN117171433A (zh) 2020-04-09 2020-04-09 物流信息的获取方法和装置

Country Status (1)

Country Link
CN (2) CN113515687B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114003812A (zh) * 2021-10-29 2022-02-01 深圳壹账通智能科技有限公司 地址匹配方法、系统、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120233096A1 (en) * 2011-03-07 2012-09-13 Microsoft Corporation Optimizing an index of web documents
CN109284498A (zh) * 2017-07-20 2019-01-29 菜鸟智能物流控股有限公司 自提柜推荐方法、自提柜推荐装置和电子装置
US20190057159A1 (en) * 2017-08-15 2019-02-21 Beijing Baidu Netcom Science And Technology Co., Ltd. Method, apparatus, server, and storage medium for recalling for search
CN109684624A (zh) * 2017-10-18 2019-04-26 北京京东尚科信息技术有限公司 一种自动识别订单地址路区的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120233096A1 (en) * 2011-03-07 2012-09-13 Microsoft Corporation Optimizing an index of web documents
CN109284498A (zh) * 2017-07-20 2019-01-29 菜鸟智能物流控股有限公司 自提柜推荐方法、自提柜推荐装置和电子装置
US20190057159A1 (en) * 2017-08-15 2019-02-21 Beijing Baidu Netcom Science And Technology Co., Ltd. Method, apparatus, server, and storage medium for recalling for search
CN109684624A (zh) * 2017-10-18 2019-04-26 北京京东尚科信息技术有限公司 一种自动识别订单地址路区的方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TAO LI; BAIK HOJONG: "Inferring complete demand and actual capacity information from the airline origin and destination survey", IEEE *
柴洁;: "基于IKAnalyzer和Lucene的地理编码中文搜索引擎的研究与实现", 城市勘测, no. 06 *
肖珍;张凌浩;冯韵;: "基于服务质量维度的移动快递应用设计研究", 包装工程, no. 24 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114003812A (zh) * 2021-10-29 2022-02-01 深圳壹账通智能科技有限公司 地址匹配方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN113515687B (zh) 2023-09-26
CN117171433A (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
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
CN109947919B (zh) 用于生成文本匹配模型的方法和装置
CN107679039B (zh) 用于确定语句意图的方法和装置
CN107832414B (zh) 用于推送信息的方法和装置
CN109145104B (zh) 用于对话交互的方法和装置
CN110096655B (zh) 搜索结果的排序方法、装置、设备及存储介质
TWI703862B (zh) 內容推薦方法及裝置
JP4950508B2 (ja) 施設情報管理システム、施設情報管理装置、施設情報管理方法および施設情報管理プログラム
CN114840671A (zh) 对话生成方法、模型的训练方法、装置、设备及介质
CN116127020A (zh) 生成式大语言模型训练方法以及基于模型的搜索方法
CN115455161A (zh) 对话处理方法、装置、电子设备及存储介质
CN113806588A (zh) 搜索视频的方法和装置
CN114036322A (zh) 用于搜索系统的训练方法、电子设备和存储介质
CN110059172B (zh) 基于自然语言理解的推荐答案的方法和装置
CN116128055A (zh) 图谱构建方法、装置、电子设备和计算机可读介质
CN110674208B (zh) 用于确定用户的职住地信息的方法和装置
CN110895587B (zh) 用于确定目标用户的方法和装置
CN110737820B (zh) 用于生成事件信息的方法和装置
CN111078849A (zh) 用于输出信息的方法和装置
CN112446214A (zh) 广告关键词的生成方法、装置、设备及存储介质
CN113515687B (zh) 物流信息的获取方法和装置
US11314793B2 (en) Query processing
US20220327147A1 (en) Method for updating information of point of interest, electronic device and storage medium
CN112000495B (zh) 用于兴趣点信息管理的方法、电子设备和存储介质
CN114925680A (zh) 物流兴趣点信息生成方法、装置、设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant