CN114595310A - 货主标签生成方法、基于货主标签的物流运营方法及系统 - Google Patents
货主标签生成方法、基于货主标签的物流运营方法及系统 Download PDFInfo
- Publication number
- CN114595310A CN114595310A CN202210250045.9A CN202210250045A CN114595310A CN 114595310 A CN114595310 A CN 114595310A CN 202210250045 A CN202210250045 A CN 202210250045A CN 114595310 A CN114595310 A CN 114595310A
- Authority
- CN
- China
- Prior art keywords
- logistics
- goods
- logistics service
- label
- owner
- 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
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种货主标签生成方法、基于货主标签的物流运营方法及系统,涉及物流服务的技术领域,首先划分物流服务的流程阶段,定义不同流程阶段的物流服务标签,利用自然语言处理对历史订单物流数据进行分词操作,解析历史订单的物流需求,基于余弦相似度计算的结果为货主匹配物流服务标签,形成货主基础标签库;基于货主基础标签库,对货主的订单进行物流运营管理,通知对应的物流运营人员,对物流服务过程中数据的挖掘分析,并根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库,规范化了物流服务需求标签化管理方式,实现了货主在不同物流阶段的物流服务需求精细化标签定义和生成,提升了物流服务体验和质量。
Description
技术领域
本发明涉及物流服务的技术领域,更具体地,涉及一种货主标签生成方法、基于货主标签的物流运营方法及系统。
背景技术
当前大票物流服务领域存在大量的中小企业货主,随着货主企业生产经营活动水平的提高,货主对物流企业所提供的服务需求越来越多,这些中小企业货主的物流服务需求分散,不同的企业有不同的物流服务要求,物流服务过程的需求较难管理。
一般货主的物流需求是通过下单时的文本备注进行物流需求说明,物流运营过程中,运营人员通过货主备注的文本信息管理物流过程的需求。如现有技术中公开了一种基于标签的物流服务提供方法及装置,该方法获取目标货主及其货物的阶段,包括揽件阶段或派件阶段,揽件阶段货主有标签备注,通过每个标签了解每个货主的喜好服务,可以有针对性的为货主提供服务,管理货物对应快件的物流过程,但实际上物流过程是一个多阶段的运营过程,包括了提货,干线运输,配送等核心阶段,不同物流阶段的物流需求无法通过简单的标签文本备注进行对应,个性化的文本备注也仅能通过运营人员的个人理解进行解读并在物流过程中执行,并且无法在最终的物流执行过程中进行校验和改进。
综上,在实际多阶段的物流运营过程中,物流运营人员难以管理不同货主物流服务需求,造成中小企业货主每次物流服务体验不一致,无法保障客户的满意度。
发明内容
为解决当前基于货主简单备注文本标签进行物流运营管理的方式无法适应多阶段物流服务需求的问题,本发明提出一种货主标签生成方法、基于货主标签的物流运营方法及系统,规范货主物流服务需求标签化管理方式,以实现不同物流阶段的精细化运营管理,匹配货主的物流服务需求,从而提升物流服务体验和质量。
为了达到上述技术效果,本发明的技术方案如下:
一种货主标签生成方法,包括:
S1.划分物流服务的流程阶段,定义物流服务不同流程阶段的物流服务标签,形成标准物流服务标签库;
S2.以标准物流服务标签库为基础生成物流语料库,与通用语料一起构成文本语料库,获取历史物流订单数据,历史物流订单数据包括货主信息、货主订单备注物流需求文本、物流运营人员备注物流需求文本,对历史订单物流数据进行预处理操作;
S3.对文本语料库、预处理后的历史订单物流数据均进行分词操作,输出分词结果;
S4.将标准物流服务标签库和S3输出的分词结果输入至Word2Vec模型,输出标准物流服务标签库的词向量信息和货主订单备注物流需求文本的词向量信息;
S5.将货主订单备注物流需求文本词向量信息中的词向量矩阵和标准物流服务标签库词向量信息中的词向量矩阵进行余弦相似度进行计算,余弦相似度计算结果记作r,设置相似度自动匹配参数为w1以及设置相似度人工匹配参数为w2,w1>w2;
S6.当r>=w1时,基于标准物流服务标签库的词向量信息,自动为货主匹配物流服务标签,形成货主基础标签库;当w2<=r<w1时,货主订单备注物流需求文本中存在标准物流服务标签库的词向量信息之外的物流需求,则运营人员对货主订单备注物流需求文本进行人工审核,若审核通过,则将物流需求作为新增的物流服务标签加入货主基础标签库。
在本技术方案中,将物流运营过程划分不同的流程阶段,定义物流服务不同流程阶段的物流服务标签,并拆分到不同的物流阶段,利用自然语言处理对历史订单物流数据进行分词操作,解析历史订单的物流需求,基于余弦相似度计算的结果为货主匹配物流服务标签,最终形成货主基础标签库。
优选地,步骤S1所述的物流服务的流程阶段包括:提货阶段、干线运输阶段及送货阶段;其中,提货阶段的核心标签为:尾板车提货、提货前预约、轻拿轻放、请勿倒置,干线运输阶段的核心标签为:勿拆托、轻拿轻放、请勿倒置、勿压;送货阶段的核心标签为:叉车卸货、轻拿轻放、送货前预约、签回单;物流服务的流程阶段间存在先后次序,一个核心标签能对应不同的流程阶段;形成的标准物流服务标签库包括:物流服务标签、物流服务流程阶段、物流服务标签与物流服务流程阶段的对应关系。
优选地,以标准物流服务标签库为基础生成物流语料库时,标注物流服务不同流程阶段的物流服务标签及其对应的流程阶段,所述通用语料基于开源数据生成;对历史订单物流数据进行的预处理操作包括:首先对货主订单备注物流需求文本和物流运营人员备注物流需求文本进行数据清洗,其次对货主订单备注物流需求文本和物流运营人员备注物流需求文本进行正则匹配;
步骤S3所述对文本语料库、预处理后的历史订单物流数据均进行的分词操作包括:通过文本语料库生成DAG有向无环图,结合词频扫描,输出最大概率的物流词汇第一分词结果;将预处理后的历史订单物流数据输入HMM模型,并使用Viterbi算法求解HMM模型,输出第二分词结果;
将第一分词结果与第二分词结果合并,并移除合并后的重复数据及停用词,输出分词结果,包括:货主信息、订单号、货物信息、货物包装信息、收货人及分词结果。
优选地,标准物流服务标签库的词向量信息包括:物流服务的流程阶段、物流服务标签及词向量矩阵;货主订单备注物流需求文本的词向量信息包括:货主信息、订单号、货物信息、货物包装信息、分词结果及词向量矩阵。
优选地,在步骤S6中,为货主匹配物流服务标签时,按照货主、货主所属行业、发货区域、收货人、货品品类、货物包装的维度匹配标准物流服务标签库的词向量信息中的物流服务标签,确定物流服务标签与货主物流服务流程阶段的对应关系,形成货主基础标签库;货主基础标签库包括:货主物流服务标签、货主物流服务流程阶段、货主物流服务标签与货主物流服务流程阶段的对应关系;
在运营人员对货主订单备注物流需求文本进行人工审核时,若货主订单备注物流需求文本中的物流需求符合预设规范性,则审核通过。
本发明还提出一种基于货主标签的物流运营方法,包括:
S101.货主下单,填写订单的基本信息,基于订单的基本信息确定订单的维度;
S102.根据订单的维度从货主基础标签库中为订单匹配货主物流服务标签,货主查看并确认货主物流服务标签,确认提交订单;
S103.根据物流服务中不同的流程阶段,将订单推送到对应流程阶段的运营人员,运营人员查看本流程阶段的货主物流服务标签,进行物流服务运作;
S104.在S103的流程阶段完成后,按流程阶段次序触发订单通知下一流程阶段的运营人员,直至物流服务完成;
S105.物流服务完成后,根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库。
优选地,订单的基本信息包括:方重、数量、收货人,选择货物品类、包装、数量;订单的维度包括:货主、货主所属行业、发货区域、收货人、货物品类及货物包装;
若货主为新货主,在根据订单的维度从货主基础标签库为订单匹配货主物流服务标签时,此时订单的维度包括:货主所属行业,发货区域,货物品类,货物包装,按维度在不同流程阶段取使用频次最频繁的前N个货主物流服务标签,作为为新货主订单匹配的货主物流服务标签;
货主在查看货主物流服务标签时,若存在额外的物流需求,输入物流需求文本备注或从标准物流服务标签库中选择对应的物流服务标签以满足额外的物流需求。
优选地,在物流服务不同的流程阶段,运营人员也能输入物流需求备注文本,运营人员输入的物流需求备注文本自动匹配标准物流服务标签,并作为订单的新增货主物流服务标签;
订单的物流服务运作情况包括物流服务的投诉处理、货主理赔结果,在货主订单的物流服务运作中,若出现投诉处理和/或货主理赔,为订单匹配新增货主物流服务标签;物流服务完成后,利用新增货主物流服务标签更新订单的货主物流服务标签,从而更新货主基础标签库。
优选地,步骤S105之后还包括:
S106.设置获取周期,按获取周期获取物流服务完成后的订单涉及的物流需求备注文本,所述物流需求备注文本包括货主输入的物流需求文本备注及运营人员输入的物流需求文本备注;
S107.将物流需求备注文本进行分词操作,然后输入至Word2Vec模型,输出词矩阵向量;
S108.对词矩阵向量进行余弦相似度计算,设置相似度自动匹配参数为w1以及设置相似度人工匹配参数为w2,w1>w2,当w2<=r<w1时,保留此时的词矩阵向量;
S109.对保留的词矩阵向量进行聚类,获取所有的聚类区域,对聚类区域内的所有词向量进行处理,确定聚类区域内的词向量是否需提交人工审核;
S110.需提交人工审核的聚类区域内的词向量通过人工审核后,词向量对应的物流需求备注文本作为新物流服务标签,加入货主基础标签库,形成新的货主基础标签库;
S111.对新的货主基础标签库进行聚类,生成细化的物流服务的流程阶段;聚类时,按物流服务的流程阶段进行聚类,聚类方法使用Kmeans++算法,设置聚类个数为m,聚类完成后,对每个聚类区域的标签按以下公式进行计算,
其中,j为第j个聚类区域的次序,m为聚类区域的总数,即聚类个数,n为所有聚类区域包含的标签总数,dj表示第j个聚类区域的标签,nj为第j个聚类区域的标签总数,ci为对应第i个标签的使用次数;fi为对应聚类区域的权重占比,流程阶段的生成依据区域的占比进行自动判断,具体按以下公式与系统参数配置进行判断:
若fi>=g,g为判定参数,则提示进行服务阶段拆分,细化服务阶段,当达到判定标准的区域产生时,提交至运营人员人工审核,运营人员根据新区域聚集的物流标签,以及物流服务的变化趋势,判定是否需要细化物流服务的流程阶段;
若运营人员通过人工审核,新建物流服务细分流程阶段,自动绑定对应的标签至新的流程阶段,并根据运营人员绑定的运营岗位序列进行推送。
本发明还提出一种基于货主标签的物流运营系统,所述系统包括:
货主客户端、货主基础标签库模块、运营客户端、更新维护客户端;
所述货主客户端包括:
订单单元,支持货主下单,用于填写订单的基本信息,基于订单的基本信息确定订单的维度;
标签匹配单元,根据订单的维度从货主基础标签库中为订单匹配货主物流服务标签,供货主查看并确认货主物流服务标签,确认提交订单;
货主基础标签库模块,用于生成货主基础标签库;
运营客户端,根据物流服务中不同的流程阶段,将订单推送到对应流程阶段的运营人员,运营人员查看本流程阶段的货主物流服务标签,进行物流服务运作;流程阶段完成后,按流程阶段次序触发订单通知下一流程阶段的运营人员,直至物流服务完成;
更新维护客户端,在物流服务完成后,根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库。
与现有技术相比,本发明技术方案的有益效果是:
本发明提出一种货主标签生成方法、基于货主标签的物流运营方法及系统,首先,首先划分物流服务的流程阶段,定义不同流程阶段的物流服务标签,利用自然语言处理对历史订单物流数据进行分词操作,解析历史订单的物流需求,基于余弦相似度计算的结果为货主匹配物流服务标签,形成货主基础标签库,然后基于货主基础标签库,对货主的订单进行物流运营管理,物流运营过程中通知对应的物流运营人员,对物流服务过程中数据的挖掘分析,并根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库,规范化了物流服务需求标签化管理方式,实现了货主不同物流阶段的个性化物流服务需求精细化标签定义和生成,提升了物流服务体验和质量,并且简化了物流服务运营管理过程,可以提高物流运营效率。
附图说明
图1表示本发明实施例1中提出的货主标签生成方法的流程示意图;
图2表示本发明实施例2中提出的基于货主标签的物流运营方法的流程示意图;
图3表示本发明实施例3中提出的基于货主标签的物流运营系统的结构示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好地说明本实施例,附图某些部位会有省略、放大或缩小,并不代表实际尺寸;
对于本领域技术人员来说,附图中某些公知内容说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
附图中描述位置关系的仅用于示例性说明,不能理解为对本专利的限制;
实施例1
本实施例提出一种货主标签生成方法,所述方法的流程图参见图1,如图1所示,包括:
S1.划分物流服务的流程阶段,定义物流服务不同流程阶段的物流服务标签,形成标准物流服务标签库;
在本实施例中,物流服务的流程阶段包括:提货阶段、干线运输阶段及送货阶段;这些阶段属于物流服务中比较核心的阶段,实际中还可以根据不同的物流细分领域进行不同的流程阶段定义;以本实施例的划分为例,在定义物流服务标签时,提货阶段的核心标签为:尾板车提货、提货前预约、轻拿轻放、请勿倒置,干线运输阶段的核心标签为:勿拆托、轻拿轻放、请勿倒置、勿压;送货阶段的核心标签为:叉车卸货、轻拿轻放、送货前预约、签回单;物流服务的流程阶段间存在先后次序,以保障服务流程正常运转,一个核心标签能对应不同的流程阶段,如,轻拿轻放,可以对应到提货,干线运输,送货等阶段。形成的标准物流服务标签库包括:物流服务标签、物流服务流程阶段、物流服务标签与物流服务流程阶段的对应关系。
S2.以标准物流服务标签库为基础生成物流语料库,与通用语料一起构成文本语料库,获取历史物流订单数据,历史物流订单数据包括货主信息、货主订单备注物流需求文本、物流运营人员备注物流需求文本,对历史订单物流数据进行预处理操作;
在本实施例中,以标准物流服务标签库为基础生成物流语料库时,标注物流服务不同流程阶段的物流服务标签及其对应的流程阶段,所述通用语料基于开源数据生成;对历史订单物流数据进行的预处理操作包括:首先对货主订单备注物流需求文本和物流运营人员备注物流需求文本进行数据清洗,如特殊字符,全角转半角等基本处理。,其次对货主订单备注物流需求文本和物流运营人员备注物流需求文本进行正则匹配,去除重复文本和提取关键字等操作,然后执行步骤S3。
S3.对文本语料库、预处理后的历史订单物流数据均进行分词操作,输出分词结果;
对文本语料库、预处理后的历史订单物流数据均进行的分词操作包括:通过文本语料库生成DAG有向无环图,结合词频扫描,输出最大概率的物流词汇第一分词结果;将预处理后的历史订单物流数据输入HMM模型,并使用Viterbi算法求解HMM模型,输出第二分词结果;
将第一分词结果与第二分词结果合并,并移除合并后的重复数据及停用词,输出分词结果,包括:货主信息、订单号、货物信息、货物包装信息、收货人及分词结果。
在此,隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程,从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析。
Viterbi维特比算法是一种动态规划算法用于寻找最有可能产生观测事件序列的-维特比路径-隐含状态序列,特别是在马尔可夫信息源上下文和隐马尔可夫模型中,在这里应用便于对HMM模型求解。
以上两步分词的结果综合利用了词库的语料和未登录词库的语料的分词能力,将两步的分词结果进行合并,移除重复数据。
此外,将处理完成的数据移除停用词,输出分词的信息并保存到数据库。
S4.将标准物流服务标签库和S3输出的分词结果输入至Word2Vec模型,输出标准物流服务标签库的词向量信息和货主订单备注物流需求文本的词向量信息;
word2vec是用一个一层的神经网络(即CBOW)把one-hot形式的稀疏词向量映射称为一个n维(n一般为几百)的稠密向量的过程,在自然语言处理方面,可用于词嵌入。根据物流行业的实际备注文本较短,一般在15字以内,设置文本大小为15,特征向量维度为250。将标准物流服务标签库和S3输出的分词结果输入至Word2Vec模型,输出词向量矩阵并保存到数据库。标准物流服务标签库的词向量信息包括:物流服务的流程阶段、物流服务标签及词向量矩阵;货主订单备注物流需求文本的词向量信息包括:货主信息、订单号、货物信息、货物包装信息、分词结果及词向量矩阵。
S5.将货主订单备注物流需求文本词向量信息中的词向量矩阵和标准物流服务标签库词向量信息中的词向量矩阵进行余弦相似度进行计算,余弦相似度计算结果记作r,设置相似度自动匹配参数为w1以及设置相似度人工匹配参数为w2,w1>w2;
在余弦相似度计算中,对于两个矩阵的余弦相似度,即:假定a和b是两个n维向量,a是货主订单备注物流需求文本词向量信息中的词向量矩阵,b是标准物流服务标签库词向量信息中的词向量矩阵,则a与b的夹角的余弦等于:
余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,夹角等于0,即两个向量恰好匹配;
S6.当r>=w1时,基于标准物流服务标签库的词向量信息,自动为货主匹配物流服务标签,形成货主基础标签库;当w2<=r<w1时,货主订单备注物流需求文本中存在标准物流服务标签库的词向量信息之外的物流需求,则运营人员对货主订单备注物流需求文本进行人工审核,若审核通过,则将物流需求作为新增的物流服务标签加入货主基础标签库。
为货主匹配物流服务标签时,按照货主、货主所属行业、发货区域、收货人、货品品类、货物包装的维度匹配标准物流服务标签库的词向量信息中的物流服务标签,确定物流服务标签与货主物流服务流程阶段的对应关系,形成货主基础标签库;货主基础标签库包括:货主物流服务标签、货主物流服务流程阶段、货主物流服务标签与货主物流服务流程阶段的对应关系;
在运营人员对货主订单备注物流需求文本进行人工审核时,若货主订单备注物流需求文本中的物流需求符合预设规范性,即合理正当,物流服务能满足,非无理需求,则审核通过,另外,为了合理控制人工审核的成本,人工审核实际按周期进行审核,w1和w2的值需要根据实际运行的情况进行配置。
以上过程整体上将物流运营过程划分不同的流程阶段,定义物流服务不同流程阶段的物流服务标签,并拆分到不同的物流阶段,利用自然语言处理对历史订单物流数据进行分词操作,解析历史订单的物流需求,基于余弦相似度计算的结果为货主匹配物流服务标签,最终形成货主基础标签库。
实施例2
参见图2,基于实施例1的货主基础标签库,本发明还提出一种基于货主标签的物流运营方法,该方法的流程图如图2所示,参见图2,步骤包括:
S101.货主下单,填写订单的基本信息,基于订单的基本信息确定订单的维度;订单的基本信息包括:方重、数量、收货人,选择货物品类、包装、数量;订单的维度包括:货主、货主所属行业、发货区域、收货人、货物品类及货物包装;
若货主为新货主,在根据订单的维度从货主基础标签库为订单匹配货主物流服务标签时,此时订单的维度包括:货主所属行业,发货区域,货物品类,货物包装,按维度在不同流程阶段取使用频次最频繁的前N个货主物流服务标签,作为为新货主订单匹配的货主物流服务标签,在本实施例中设置为3。
S102.根据订单的维度从货主基础标签库中为订单匹配货主物流服务标签,货主查看并确认货主物流服务标签,确认提交订单;
货主在查看货主物流服务标签时,若存在额外的物流需求,输入物流需求文本备注或从标准物流服务标签库中选择对应的物流服务标签以满足额外的物流需求。另外,与普通物流服务一致,仍然保持物流服务标签的操作简洁性,货主客户端不显示不同的服务阶段。
S103.根据物流服务中不同的流程阶段,将订单推送到对应流程阶段的运营人员,运营人员查看本流程阶段的货主物流服务标签,进行物流服务运作;
实际过程中,订单自动审核通过后,根据物流服务定义的流程阶段,自动将订单推送到对应流程阶段的运营人员,运营人员查看此阶段的物流服务阶段物流服务标签,按照物流服务标准和货主要求,进行物流服务运作。
S104.在步骤S103的流程阶段完成后,按流程阶段次序触发订单通知下一流程阶段的运营人员,直至物流服务完成;
在物流服务不同的流程阶段,运营人员也能输入物流需求备注文本,运营人员输入的物流需求备注文本自动匹配标准物流服务标签,并作为订单的新增货主物流服务标签。
S105.物流服务完成后,根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库。
物流服务过程中,会追溯服务过程的结果数据,订单的物流服务运作情况包括物流服务的投诉处理、货主理赔结果,其中,货主理赔结果,根据理赔类型设定规则,不同的理赔类型对应不同的标签,投诉同样依据投诉类型和投诉处理结果类型,进行规则设定,在货主订单的物流服务运作中,若出现投诉处理和/或货主理赔,为订单匹配新增货主物流服务标签;物流服务完成后,利用新增货主物流服务标签更新订单的货主物流服务标签,从而更新货主基础标签库。
在本实施例中,随着物流订单的产生,新的物流服务标签和用户服务要求的不断更新,新的物流服务标签和物流服务流程阶段需要依据业务的具体情况不断更新,因此,步骤S105之后还包括:
S106.设置获取周期,按获取周期获取物流服务完成后的订单涉及的物流需求备注文本,所述物流需求备注文本包括货主输入的物流需求文本备注及运营人员输入的物流需求文本备注;
S107.将物流需求备注文本进行分词操作,然后输入至Word2Vec模型,输出词矩阵向量;
分词操作以及输入至Word2Vec模型,输出词矩阵向量的过程与实施例1中的对应过程相同
S108.对词矩阵向量进行余弦相似度计算,设置相似度自动匹配参数为w1以及设置相似度人工匹配参数为w2,w1>w2,当w2<=r<w1时,保留此时的词矩阵向量;
此处余弦相似度处理的计算过程与实施例1中的相同。
S109.对保留的词矩阵向量进行聚类,获取所有的聚类区域,对聚类区域内的所有词向量进行处理,确定聚类区域内的词向量是否需提交人工审核;
聚类的具体过程为:
1)随机选择1个词矩阵向量,设置为区域中心点,标注对应权重为1,并创建区域p,
2)遍历所有的剩余词矩阵向量,与已有区域的区域中心点进行余弦相似度计算;
3)当相似度>=w1时,将词矩阵向量加入对应区域,标注权重为1;
当w2<=相似度<w1时,将词矩阵向量加入对应区域,标注权重为0.5;
当相似度<w2时,设置词矩阵向量为区域中心点,标注权重为1,并创建区域p+1;
4)重复第2步,直至遍历完所有的词矩阵向量。
获取所有的聚类区域,对区域内的所有词矩阵向量按以下公式进行计算:
当r>w3时,w3的默认值为0.3时,将对应区域的所有向量提交人工审核。审核人员通过管理后台审核对应的信息是否可以加入货主基础标签库。
S110.需提交人工审核的聚类区域内的词向量通过人工审核后,词向量对应的物流需求备注文本作为新物流服务标签,加入货主基础标签库,形成新的货主基础标签库;
S111.对新的货主基础标签库进行聚类,生成细化的物流服务的流程阶段。
具体的:聚类时,按物流服务的流程阶段进行聚类,聚类方法使用Kmeans++算法,设置聚类个数为m,聚类完成后,对每个聚类区域的标签按以下公式进行计算,
其中,j为第j个聚类区域的次序,m为聚类区域的总数,即聚类个数,n为所有聚类区域包含的标签总数,dj表示第j个聚类区域的标签,nj为第j个聚类区域的标签总数,ci为对应第i个标签的使用次数;fi为对应聚类区域的权重占比,流程阶段的生成依据区域的占比进行自动判断,具体按以下公式与系统参数配置进行判断:
若fi>=g,g为判定参数,g的默认值为50%;
则提示进行服务阶段拆分,细化服务阶段,当达到判定标准的区域产生时,提交至运营人员人工审核,运营人员根据新区域聚集的物流标签,以及物流服务的变化趋势,判定是否需要细化物流服务的流程阶段;
若运营人员通过人工审核,新建物流服务细分流程阶段,自动绑定对应的标签至新的流程阶段,并根据运营人员绑定的运营岗位序列进行推送;
额外的,需要保存运营人员的审核记录,审核记录要保存对应区域的相关信息,以备运营人员进行判断,包括:审核日期、区域fi值及对应区域的标签数。
实施例3
参见图3,本发明还提出一种基于货主标签的物流运营系统,所述系统包括:
货主客户端、货主基础标签库模块、运营客户端、更新维护客户端;
所述货主客户端包括:
订单单元,支持货主下单,用于填写订单的基本信息,基于订单的基本信息确定订单的维度;
标签匹配单元,根据订单的维度从货主基础标签库中为订单匹配货主物流服务标签,供货主查看并确认货主物流服务标签,确认提交订单;
货主基础标签库模块,用于生成货主基础标签库;
运营客户端,根据物流服务中不同的流程阶段,将订单推送到对应流程阶段的运营人员,运营人员查看本流程阶段的货主物流服务标签,进行物流服务运作;流程阶段完成后,按流程阶段次序触发订单通知下一流程阶段的运营人员,直至物流服务完成;
更新维护客户端,在物流服务完成后,根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库。
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种货主标签生成方法,其特征在于,包括:
S1.划分物流服务的流程阶段,定义物流服务不同流程阶段的物流服务标签,形成标准物流服务标签库;
S2.以标准物流服务标签库为基础生成物流语料库,与通用语料一起构成文本语料库,获取历史物流订单数据,历史物流订单数据包括货主信息、货主订单备注物流需求文本、物流运营人员备注物流需求文本,对历史订单物流数据进行预处理操作;
S3.对文本语料库、预处理后的历史订单物流数据均进行分词操作,输出分词结果;
S4.将标准物流服务标签库和S3输出的分词结果输入至Word2Vec模型,输出标准物流服务标签库的词向量信息和货主订单备注物流需求文本的词向量信息;
S5.将货主订单备注物流需求文本词向量信息中的词向量矩阵和标准物流服务标签库词向量信息中的词向量矩阵进行余弦相似度进行计算,余弦相似度计算结果记作r,设置相似度自动匹配参数为w1以及设置相似度人工匹配参数为w2,w1>w2;
S6.当r>=w1时,基于标准物流服务标签库的词向量信息,自动为货主匹配物流服务标签,形成货主基础标签库;当w2<=r<w1时,货主订单备注物流需求文本中存在标准物流服务标签库的词向量信息之外的物流需求,则运营人员对货主订单备注物流需求文本进行人工审核,若审核通过,则将物流需求作为新增的物流服务标签加入货主基础标签库。
2.根据权利要求1所述的货主标签生成方法,其特征在于,步骤S1所述的物流服务的流程阶段包括:提货阶段、干线运输阶段及送货阶段;其中,提货阶段的核心标签为:尾板车提货、提货前预约、轻拿轻放、请勿倒置,干线运输阶段的核心标签为:勿拆托、轻拿轻放、请勿倒置、勿压;送货阶段的核心标签为:叉车卸货、轻拿轻放、送货前预约、签回单;物流服务的流程阶段间存在先后次序,一个核心标签能对应不同的流程阶段;形成的标准物流服务标签库包括:物流服务标签、物流服务流程阶段、物流服务标签与物流服务流程阶段的对应关系。
3.根据权利要求2所述的货主标签生成方法,其特征在于,以标准物流服务标签库为基础生成物流语料库时,标注物流服务不同流程阶段的物流服务标签及其对应的流程阶段,所述通用语料基于开源数据生成;对历史订单物流数据进行的预处理操作包括:首先对货主订单备注物流需求文本和物流运营人员备注物流需求文本进行数据清洗,其次对货主订单备注物流需求文本和物流运营人员备注物流需求文本进行正则匹配;
步骤S3所述对文本语料库、预处理后的历史订单物流数据均进行的分词操作包括:通过文本语料库生成DAG有向无环图,结合词频扫描,输出最大概率的物流词汇第一分词结果;将预处理后的历史订单物流数据输入HMM模型,并使用Viterbi算法求解HMM模型,输出第二分词结果;
将第一分词结果与第二分词结果合并,并移除合并后的重复数据及停用词,输出分词结果,包括:货主信息、订单号、货物信息、货物包装信息、收货人及分词结果。
4.根据权利要求3所述的货主标签生成方法,其特征在于,标准物流服务标签库的词向量信息包括:物流服务的流程阶段、物流服务标签及词向量矩阵;货主订单备注物流需求文本的词向量信息包括:货主信息、订单号、货物信息、货物包装信息、分词结果及词向量矩阵。
5.根据权利要求4所述的货主标签生成方法,其特征在于,在步骤S6中,为货主匹配物流服务标签时,按照货主、货主所属行业、发货区域、收货人、货品品类、货物包装的维度匹配标准物流服务标签库的词向量信息中的物流服务标签,确定物流服务标签与货主物流服务流程阶段的对应关系,形成货主基础标签库;货主基础标签库包括:货主物流服务标签、货主物流服务流程阶段、货主物流服务标签与货主物流服务流程阶段的对应关系;
在运营人员对货主订单备注物流需求文本进行人工审核时,若货主订单备注物流需求文本中的物流需求符合预设规范性,则审核通过。
6.一种基于货主标签的物流运营方法,其特征在于,包括:
S101.货主下单,填写订单的基本信息,基于订单的基本信息确定订单的维度;
S102.根据订单的维度从货主基础标签库中为订单匹配货主物流服务标签,货主查看并确认货主物流服务标签,确认提交订单;
S103.根据物流服务中不同的流程阶段,将订单推送到对应流程阶段的运营人员,运营人员查看本流程阶段的货主物流服务标签,进行物流服务运作;
S104.在步骤S103的流程阶段完成后,按流程阶段次序触发订单通知下一流程阶段的运营人员,直至物流服务完成;
S105.物流服务完成后,根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库。
7.根据权利要求6所述的基于货主标签的物流运营方法,其特征在于,订单的基本信息包括:方重、数量、收货人,选择货物品类、包装、数量;订单的维度包括:货主、货主所属行业、发货区域、收货人、货物品类及货物包装;
若货主为新货主,在根据订单的维度从货主基础标签库为订单匹配货主物流服务标签时,此时订单的维度包括:货主所属行业,发货区域,货物品类,货物包装,按维度在不同流程阶段取使用频次最频繁的前N个货主物流服务标签,作为为新货主订单匹配的货主物流服务标签;
货主在查看货主物流服务标签时,若存在额外的物流需求,输入物流需求文本备注或从标准物流服务标签库中选择对应的物流服务标签以满足额外的物流需求。
8.根据权利要求7所述的基于货主标签的物流运营方法,其特征在于,在物流服务不同的流程阶段,运营人员也能输入物流需求备注文本,运营人员输入的物流需求备注文本自动匹配标准物流服务标签,并作为订单的新增货主物流服务标签;
订单的物流服务运作情况包括物流服务的投诉处理、货主理赔结果,在货主订单的物流服务运作中,若出现投诉处理和/或货主理赔,为订单匹配新增货主物流服务标签;物流服务完成后,利用新增货主物流服务标签更新订单的货主物流服务标签,从而更新货主基础标签库。
9.根据权利要求8所述的基于货主标签的物流运营方法,其特征在于,步骤S105之后还包括:
S106.设置获取周期,按获取周期获取物流服务完成后的订单涉及的物流需求备注文本,所述物流需求备注文本包括货主输入的物流需求文本备注及运营人员输入的物流需求文本备注;
S107.将物流需求备注文本进行分词操作,然后输入至Word2Vec模型,输出词矩阵向量;
S108.对词矩阵向量进行余弦相似度计算,设置相似度自动匹配参数为w1以及设置相似度人工匹配参数为w2,w1>w2,当w2<=r<w1时,保留此时的词矩阵向量;
S109.对保留的词矩阵向量进行聚类,获取所有的聚类区域,对聚类区域内的所有词向量进行处理,确定聚类区域内的词向量是否需提交人工审核;
S110.需提交人工审核的聚类区域内的词向量通过人工审核后,词向量对应的物流需求备注文本作为新物流服务标签,加入货主基础标签库,形成新的货主基础标签库;
S111.对新的货主基础标签库进行聚类,生成细化的物流服务的流程阶段;
聚类时,按物流服务的流程阶段进行聚类,聚类方法使用Kmeans++算法,设置聚类个数为m,聚类完成后,对每个聚类区域的标签按以下公式进行计算,
其中,j为第j个聚类区域的次序,m为聚类区域的总数,即聚类个数,n为所有聚类区域包含的标签总数,dj表示第j个聚类区域的标签,nj为第j个聚类区域的标签总数,ci为对应第i个标签的使用次数;fi为对应聚类区域的权重占比,流程阶段的生成依据区域的占比进行自动判断,具体按以下公式与系统参数配置进行判断:
若fi>=g,g为判定参数,则提示进行服务阶段拆分,细化服务阶段,当达到判定标准的区域产生时,提交至运营人员人工审核,运营人员根据新区域聚集的物流标签,以及物流服务的变化趋势,判定是否需要细化物流服务的流程阶段;
若运营人员通过人工审核,新建物流服务细分流程阶段,自动绑定对应的标签至新的流程阶段,并根据运营人员绑定的运营岗位序列进行推送。
10.一种基于货主标签的物流运营系统,其特征在于,所述系统包括:
货主客户端、货主基础标签库模块、运营客户端、更新维护客户端;
所述货主客户端包括:
订单单元,支持货主下单,用于填写订单的基本信息,基于订单的基本信息确定订单的维度;
标签匹配单元,根据订单的维度从货主基础标签库中为订单匹配货主物流服务标签,供货主查看并确认货主物流服务标签,确认提交订单;
货主基础标签库模块,用于生成货主基础标签库;
运营客户端,根据物流服务中不同的流程阶段,将订单推送到对应流程阶段的运营人员,运营人员查看本流程阶段的货主物流服务标签,进行物流服务运作;流程阶段完成后,按流程阶段次序触发订单通知下一流程阶段的运营人员,直至物流服务完成;
更新维护客户端,在物流服务完成后,根据订单的物流服务运作情况,更新订单的货主物流服务标签,从而更新货主基础标签库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250045.9A CN114595310A (zh) | 2022-03-14 | 2022-03-14 | 货主标签生成方法、基于货主标签的物流运营方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250045.9A CN114595310A (zh) | 2022-03-14 | 2022-03-14 | 货主标签生成方法、基于货主标签的物流运营方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114595310A true CN114595310A (zh) | 2022-06-07 |
Family
ID=81809077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210250045.9A Pending CN114595310A (zh) | 2022-03-14 | 2022-03-14 | 货主标签生成方法、基于货主标签的物流运营方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114595310A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522089A (zh) * | 2024-01-05 | 2024-02-06 | 江苏运满满同城信息科技有限公司 | 一种基于货主发货意图的智能匹配调度系统 |
-
2022
- 2022-03-14 CN CN202210250045.9A patent/CN114595310A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522089A (zh) * | 2024-01-05 | 2024-02-06 | 江苏运满满同城信息科技有限公司 | 一种基于货主发货意图的智能匹配调度系统 |
CN117522089B (zh) * | 2024-01-05 | 2024-03-19 | 江苏运满满同城信息科技有限公司 | 一种基于货主发货意图的智能匹配调度系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269504A (zh) | 仓库货物存放方法及计算机设备 | |
García Rodríguez et al. | Public procurement announcements in spain: regulations, data analysis, and award price estimator using machine learning | |
CN112150237B (zh) | 多模型融合的订单逾期预警方法、装置、设备及存储介质 | |
CN112258074A (zh) | 一种基于大数据分析的电商商品仓储物流智能调度方法 | |
CN114187120A (zh) | 一种车险理赔欺诈风险识别方法及装置 | |
CN114595310A (zh) | 货主标签生成方法、基于货主标签的物流运营方法及系统 | |
CN114723543B (zh) | 一种跨境电商的财务档案大数据管理系统及方法 | |
CN114462556A (zh) | 企业关联产业链分类方法、训练方法、装置、设备和介质 | |
CN116409575A (zh) | 一种智能仓储货架进出库管控系统 | |
JP7106738B2 (ja) | 物資履行システム及び方法 | |
CN113841156A (zh) | 基于图像识别的控制方法与装置 | |
US8468067B2 (en) | Remanufactured part core return process and system | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN116775851A (zh) | 一种政策精准推荐方法、系统及介质 | |
CN111275371A (zh) | 数据处理方法、数据处理设备和计算机可读存储介质 | |
CN111680941A (zh) | 保价推荐方法、装置、设备及存储介质 | |
CN114297472A (zh) | 智能行业政策推荐方法、系统、电子设备及介质 | |
CN114881563A (zh) | 一种第三方物流平台的选择方法及设备 | |
CN115203382A (zh) | 业务问题场景识别方法、装置、电子设备及存储介质 | |
CN112380321A (zh) | 基于票据知识图谱的主次数据库分配方法及相关设备 | |
CN112765451A (zh) | 一种基于集成学习算法的客户智能筛选方法和系统 | |
CN113077007A (zh) | 一种电力物资配置需求测算的模型匹配系统 | |
CN110956022A (zh) | 一种单据文档的处理方法及其系统 | |
CN116503887B (zh) | 基于图像识别的货代订单处理方法 | |
CN111368521B (zh) | 用于法律顾问服务的管理方法 |
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 |