具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
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。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。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的物流内容文本核对方法的一些实施例的流程图。示出了根据本公开的物流内容文本核对方法的一些实施例的流程100。该物流内容文本核对方法,包括以下步骤:
步骤101,响应于接收到用户上传的第一待校验物流内容文本与第二待校验物流内容文本,将上述第一待校验物流内容文本包括的各个第一物流内容文本段落与上述第二待校验物流内容文本包括的各个第二物流内容文本段落进行合并,得到物流内容文本段落集。
在一些实施例中,物流内容文本核对方法的执行主体(例如,计算设备)可以响应于接收到用户上传的第一待校验物流内容文本与第二待校验物流内容文本,将上述第一待校验物流内容文本包括的各个第一物流内容文本段落与上述第二待校验物流内容文本包括的各个第二物流内容文本段落进行合并,得到物流内容文本段落集。这里,第一待校验物流内容文本可以表示待校验的物流内容文本。例如,第一待校验物流内容文本可以是物流招标文本(物流运输的金额招标文本)或物流合同文本(物流运输的合同文本,例如,包括约定的运输时间)。第二待校验物流内容文本可以是指第一待校验物流内容文本的备份/原始物流内容文本。
步骤102,根据物流内容文本段落对应的段落编号,对上述物流内容文本段落集包括的各个物流内容文本段落进行聚类处理,以生成物流内容文本段落组集。
在一些实施例中,上述执行主体可以根据物流内容文本段落对应的段落编号,对上述物流内容文本段落集包括的各个物流内容文本段落进行聚类处理,以生成物流内容文本段落组集。其中,上述物流内容文本段落组集中的物流内容文本段落组包括第一物流内容文本段落与第二物流内容文本段落。这里,段落编号可以表征物流内容文本段落在物流内容文本中的位置编号。例如,段落编号可以是1,即,表示第一段。
实践中,上述执行主体可以将上述物流内容文本段落集包括的各个物流内容文本段落中、对应的段落编号相同的物流内容文本段落聚为一类,以生成物流内容文本段落组,得到物流内容文本段落组集。即,将段落编号相同的第一物流内容文本段落与第二物流内容文本段落聚为一类。
步骤103,对于上述物流内容文本段落组集中的每个物流内容文本段落组,执行如下校验步骤:
步骤1031,将上述物流内容文本段落组包括的第一物流内容文本段落与第二物流内容文本段落输入至预先训练的物流内容文本核对模型中,得到物流内容文本核对结果。
在一些实施例中,上述执行主体可以将上述物流内容文本段落组包括的第一物流内容文本段落与第二物流内容文本段落输入至预先训练的物流内容文本核对模型中,得到物流内容文本核对结果。这里,预先训练的物流内容文本核对模型可以是以两个物流内容文本段落为输入,以两个物流内容文本段落的核对结果(物流内容文本内容差异信息)为输出的神经网络模型。例如,预先训练的物流内容文本核对模型可以是ESIM模型(EnhancedSequential Inference Model)。物流内容文本核对结果可以表示第一物流内容文本段落与第二物流内容文本段落之间的差异内容。例如,当第一物流内容文本段落与第二物流内容文本段落相同时,物流内容文本核对结果表示第一物流内容文本段落与第二物流内容文本段落无差异。
可选地,上述物流内容文本核对模型是通过以下步骤训练得到的:
第一步,获取物流内容文本样本集。其中,上述物流内容文本样本集中的物流内容文本样本包括:样本物流内容文本段落和对应上述样本物流内容文本段落的样本标签,上述样本物流内容文本段落包括:第一样本物流内容文本段落和第二样本物流内容文本段落。这里,样本标签可以表示第一样本物流内容文本段落和第二样本物流内容文本段落之间的差异内容。
第二步,对于上述物流内容文本样本集中的每个物流内容文本样本,对上述物流内容文本样本包括的第一样本物流内容文本段落和第二样本物流内容文本段落进行分词处理,以生成分词后的物流内容文本样本作为备选物流内容文本样本。这里,分词处理可以是结巴分词处理或中文分词处理。
第三步,基于所生成的各个备选物流内容文本样本,对初始物流内容文本核对模型进行训练,得到训练后的初始物流内容文本核对模型作为物流内容文本核对模型。
实践中,上述第三步可以包括以下子步骤:
第一子步骤,从上述各个备选物流内容文本样本中选择备选物流内容文本样本作为目标备选物流内容文本样本。
第二子步骤,对上述目标备选物流内容文本样本包括的分词第一样本物流内容文本段落和分词第二样本物流内容文本段落进行向量化处理,以生成第一样本物流内容文本段落向量与第二样本物流内容文本段落向量。这里,可以通过BERT编码网络对上述目标备选物流内容文本样本包括的分词第一样本物流内容文本段落和分词第二样本物流内容文本段落进行向量化处理,以生成第一样本物流内容文本段落向量与第二样本物流内容文本段落向量。
第三子步骤,将上述第一样本物流内容文本段落向量与上述第二样本物流内容文本段落向量输入至上述初始物流内容文本核对模型中,得到样本物流内容文本段落比对结果。这里,初始物流内容文本核对模型可以是未经过训练的神经网络模型。例如,初始物流内容文本核对模型可以是未训练的ESIM模型。样本物流内容文本段落比对结果
第四子步骤,确定上述样本物流内容文本段落比对结果与上述目标备选物流内容文本样本包括的样本标签之间的损失值。实践中,可以通过预设的损失函数确定上述样本物流内容文本段落比对结果与上述目标备选物流内容文本样本包括的样本标签之间的损失值。例如,损失函数可以包括但不限于:均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)等等。
第五子步骤,响应于确定上述损失值大于等于预设损失值,调整上述初始物流内容文本核对模型的网络参数。例如,可以对损失值和预设损失值求差值,得到损失差值。在此基础上,利用反向传播、随机梯度下降等方法将损失差值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。
可选地,响应于确定上述损失值小于上述预设损失值,将训练后的初始物流内容文本核对模型确定为物流内容文本核对模型。
步骤1032,响应于确定上述物流内容文本核对结果为表征物流内容文本相异的物流内容文本核对结果,将上述物流内容文本核对结果添加至异常物流内容文本核对结果组中。
在一些实施例中,上述执行主体可以响应于确定上述物流内容文本核对结果为表征物流内容文本相异的物流内容文本核对结果,将上述物流内容文本核对结果添加至异常物流内容文本核对结果组中。其中,上述异常物流内容文本核对结果组初始为空。
可选地,响应于确定添加后的异常物流内容文本核对结果组包括的异常物流内容文本核对结果的数量大于等于1,将上述添加后的异常物流内容文本核对结果组发送至上述用户的用户端。
在一些实施例中,上述执行主体可以响应于确定添加后的异常物流内容文本核对结果组包括的异常物流内容文本核对结果的数量大于等于1,将上述添加后的异常物流内容文本核对结果组发送至上述用户的用户端。
可选地,响应于确定添加后的异常物流内容文本核对结果组为空,将上述第一待校验物流内容文本确定为候选物流内容文本。
在一些实施例中,上述执行主体可以响应于确定添加后的异常物流内容文本核对结果组为空,将上述第一待校验物流内容文本确定为候选物流内容文本。
可选地,对接收到的每个候选物流内容文本进行主成分分析处理,以生成主成分分析备选物流内容文本,得到主成分分析候选物流内容文本组。
在一些实施例中,上述执行主体可以对接收到的每个候选物流内容文本进行主成分分析处理,以生成主成分分析备选物流内容文本,得到主成分分析候选物流内容文本组。其中,上述候选物流内容文本表征投标物流内容文本。这里,候选物流内容文本可以包括物流内容文本指标组。物流内容文本指标组可以包括但不限于:年价值属性值(年销售额)、员工数量、生成设备数量、生产占地面积、年利润率等。这里,主成分分析处理可以是对候选物流内容文本包括的物流内容文本指标组进行主成分分析处理PCA(Principal ComponentsAnalysis)分析。主成分分析备选物流内容文本可以包括第一主成分物流内容文本变量和第二主成分物流内容文本变量。第一主成分物流内容文本变量和第二主成分物流内容文本变量可以是通过PCA从候选物流内容文本包括的物流内容文本指标组(年价值属性值、员工数量、生成设备数量、生产占地面积、年利润率等)分析得出的变量。
可选地,对上述主成分分析候选物流内容文本组进行离群聚类处理,以生成离群主成分分析候选物流内容文本组与聚类主成分分析候选物流内容文本组。
在一些实施例中,上述执行主体可以对上述主成分分析候选物流内容文本组进行离群聚类处理,以生成离群主成分分析候选物流内容文本组与聚类主成分分析候选物流内容文本组。实践中,首先,上述执行主体可以通过DBSCAN(Density-Based SpatialClustering of Applications with Noise)聚类算法对上述主成分分析候选物流内容文本组进行离群聚类处理,以生成主成分分析候选物流内容文本组集。这里,主成分分析候选物流内容文本组集中的主成分分析候选物流内容文本包括聚类标签。聚类标签可以表示离群或集群。然后,可以将主成分分析候选物流内容文本组集中包括的聚类标签表示离群的各个主成分分析候选物流内容文本确定为离群主成分分析候选物流内容文本组。最后,可以将主成分分析候选物流内容文本组集中包括的聚类标签表示集群的各个主成分分析候选物流内容文本确定为聚类主成分分析候选物流内容文本组。表示集群的聚类标签可以表征主成分分析候选物流内容文本在第一主成分物流内容文本变量上集群,还是在第二主成分物流内容文本变量上集群。
可选地,基于上述聚类主成分分析候选物流内容文本组,确定目标物流内容文本组,以及将上述目标物流内容文本组存储至目标数据库中。
在一些实施例中,上述执行主体可以基于上述聚类主成分分析候选物流内容文本组,确定目标物流内容文本组,以及将上述目标物流内容文本组存储至目标数据库中。其中,上述聚类主成分分析候选物流内容文本组中的聚类主成分分析候选物流内容文本包括:物流内容文本指标组、候选物流内容文本指标特征值组和候选物流内容文本评分值,上述物流内容文本指标组中的物流内容文本指标对应上述候选物流内容文本指标特征值组中的候选物流内容文本指标特征值。这里,候选物流内容文本评分值可以表示主成分分析候选物流内容文本在离群聚类过程中,被聚类为集群的概率。候选物流内容文本评分值越大,表示候选物流内容文本越正常。候选物流内容文本指标特征值可以表示一物流内容文本指标的权重值。这里,目标数据库可以是指用于存储供业务人员选择候选物流内容文本的数据库。
实践中,基于上述聚类主成分分析候选物流内容文本组,上述执行主体可以通过以下步骤确定目标物流内容文本组:
第一步,对于上述聚类主成分分析候选物流内容文本组中的每个聚类主成分分析候选物流内容文本,执行如下处理步骤:
第一子步骤,将上述聚类主成分分析候选物流内容文本包括的候选物流内容文本指标特征值组中的各个候选物流内容文本指标特征值进行降序排序,得到候选物流内容文本指标特征值序列。
第二子步骤,从上述候选物流内容文本指标特征值序列中选择预设数量个候选物流内容文本指标特征值作为目标物流内容文本指标特征值序列。这里,对于预设数量的设定,不作限定。实践中,可以依次从上述候选物流内容文本指标特征值序列中选择预设数量个候选物流内容文本指标特征值作为目标物流内容文本指标特征值序列。
第三子步骤,将上述目标物流内容文本指标特征值序列中每个目标物流内容文本指标特征值对应的物流内容文本指标确定为候选物流内容文本指标,得到候选物流内容文本指标序列。
第四子步骤,将上述聚类主成分分析候选物流内容文本包括的物流内容文本评分值与上述候选物流内容文本指标序列组合为候选物流内容文本指标信息。这里,组合可以是指拼接。
第二步,根据各个候选物流内容文本指标信息和历史候选物流内容文本组集,确定目标物流内容文本组。其中,上述各个候选物流内容文本指标信息中的候选物流内容文本指标信息对应上述历史候选物流内容文本组集中的历史候选物流内容文本组。
实践中,上述第二步可以包括以下子步骤:
第一子步骤,将上述历史候选物流内容文本组集输入至预先训练的物流内容文本指标评分预测模型中,得到物流内容文本指标评分预测信息集。其中,上述物流内容文本指标评分预测信息集中的物流内容文本指标评分预测信息包括:物流内容文本预测评分值和物流内容文本预测指标组,上述物流内容文本指标评分预测信息集中的物流内容文本指标评分预测信息对应上述历史候选物流内容文本组集中的历史候选物流内容文本组。这里,预先训练的物流内容文本指标评分预测模型可以是指以历史候选物流内容文本组为输入,以物流内容文本指标评分预测信息为输出的神经网络模型。物流内容文本预测值可以表示对历史候选物流内容文本组的评分。物流内容文本预测指标组可以表示根据历史候选物流内容文本组,选择出的各个物流内容文本指标。例如,预先训练的物流内容文本指标评分预测模型可以是卷积神经网络模型。物流内容文本预测评分值越大,表示目标历史备选物流内容文本组越正常。实践中,可以将上述历史候选物流内容文本组集中的每个历史候选物流内容文本组集输入至预先训练的物流内容文本指标评分预测模型中,以生成物流内容文本指标评分预测信息,得到物流内容文本指标评分预测信息集。
第二子步骤,对于上述各个候选物流内容文本指标信息中的每个候选物流内容文本指标信息,执行如下处理步骤:
1、将上述物流内容文本指标评分预测信息集中对应上述候选物流内容文本指标信息的物流内容文本指标评分预测信息确定为候选物流内容文本指标评分预测信息。
2、根据上述候选物流内容文本指标信息和上述候选物流内容文本指标评分预测信息,生成候选物流内容文本评分值。实践中,可以将上述候选物流内容文本指标信息包括的物流内容文本评分值与上述候选物流内容文本指标评分预测信息包括的物流内容文本预测评分值的总和确定为候选物流内容文本评分值。
第三子步骤,根据所生成的各个候选物流内容文本评分值,确定目标物流内容文本组。实践中,首先,可以对上述各个候选物流内容文本评分值进行降序排序,以生成候选物流内容文本评分值序列。然后,依次从上述候选物流内容文本评分值序列中选择目标数目个候选物流内容文本评分值作为目标物流内容文本评分值序列。这里,对于目标数目的设定,不作限制。最后,将上述目标物流内容文本评分值序列中每个目标物流内容文本评分值对应的候选物流内容文本确定为目标物流内容文本,得到目标物流内容文本组。
上述可选地中的相关内容作为本公开的一个发明点,由此解决了背景技术提及的技术问题二“当投标物流内容文本较多时,需要耗费较长的时间选择投标物流内容文本。”。需要耗费较长的时间选择投标物流内容文本的因素往往如下:当投标物流内容文本较多时,需要耗费较长的时间选择投标物流内容文本。如果解决了上述因素,就能达到减少选择投标物流内容文本的时间的效果。为了达到这一效果,首先,对接收到的每个候选物流内容文本进行主成分分析处理,以生成主成分分析备选物流内容文本,得到主成分分析候选物流内容文本组。由此,便于筛选出符合需求的投标物流内容文本。减少后续可供选择的投标物流内容文本的数量。然后,对上述主成分分析候选物流内容文本组进行离群聚类处理,以生成离群主成分分析候选物流内容文本组与聚类主成分分析候选物流内容文本组。由此,可以检测出集群的候选物流内容文本,便于从集群的候选物流内容文本,选择出较为符合需求的候选物流内容文本。最后,基于上述聚类主成分分析候选物流内容文本组,确定目标物流内容文本组。由此,可以选择出满足需求的物流内容文本,减少了投标物流内容文本的数量。从而,减少了后续筛选投标物流内容文本的时间。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的物流内容文本核对方法,减少了核对时间,降低了出错率。具体来说,核对时间较长,出错率较高的原因在于:由于人工核对存在一定的主观性,且核对时间较长,出错率较高。基于此,本公开的一些实施例的物流内容文本核对方法,首先,响应于接收到用户上传的第一待校验物流内容文本与第二待校验物流内容文本,将上述第一待校验物流内容文本包括的各个第一物流内容文本段落与上述第二待校验物流内容文本包括的各个第二物流内容文本段落进行合并,得到物流内容文本段落集。接着,根据物流内容文本段落对应的段落编号,对上述物流内容文本段落集包括的各个物流内容文本段落进行聚类处理,以生成物流内容文本段落组集。其中,上述物流内容文本段落组集中的物流内容文本段落组包括第一物流内容文本段落与第二物流内容文本段落。由此,便于对两个物流内容文本的物流内容文本段落逐一进行比对。然后,对于上述物流内容文本段落组集中的每个物流内容文本段落组,执行如下校验步骤:首先,将上述物流内容文本段落组包括的第一物流内容文本段落与第二物流内容文本段落输入至预先训练的物流内容文本核对模型中,得到物流内容文本核对结果。由此,可以对段落号相同的物流内容文本段落进行比对,以确定物流内容文本段落中的内容是否被篡改。然后,响应于确定上述物流内容文本核对结果为表征物流内容文本相异的物流内容文本核对结果,将上述物流内容文本核对结果添加至异常物流内容文本核对结果组中。由此,可以记录被篡改的物流内容文本段落,以便于后续用户对被篡改的物流内容文本段落进行修改。也因为利用了物流内容文本核对模型进行核对。从而,减少了核对时间,降低了出错率。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种物流内容文本核对装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的物流内容文本核对装置200包括:合并单元201、聚类单元202和校验单元203。其中,合并单元201,被配置成响应于接收到用户上传的第一待校验物流内容文本与第二待校验物流内容文本,将上述第一待校验物流内容文本包括的各个第一物流内容文本段落与上述第二待校验物流内容文本包括的各个第二物流内容文本段落进行合并,得到物流内容文本段落集;聚类单元202,被配置成根据物流内容文本段落对应的段落编号,对上述物流内容文本段落集包括的各个物流内容文本段落进行聚类处理,以生成物流内容文本段落组集,其中,上述物流内容文本段落组集中的物流内容文本段落组包括第一物流内容文本段落与第二物流内容文本段落;校验单元203,被配置成对于上述物流内容文本段落组集中的每个物流内容文本段落组,执行如下校验步骤:将上述物流内容文本段落组包括的第一物流内容文本段落与第二物流内容文本段落输入至预先训练的物流内容文本核对模型中,得到物流内容文本核对结果;响应于确定上述物流内容文本核对结果为表征物流内容文本相异的物流内容文本核对结果,将上述物流内容文本核对结果添加至异常物流内容文本核对结果组中,其中,上述异常物流内容文本核对结果组初始为空。
可以理解的是,该装置200中记载的诸单元与参考图1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、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300(例如,计算设备)的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,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3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305: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306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,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3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,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载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。在本公开的一些实施例中,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。而在本公开的一些实施例中,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。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超物流内容文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
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:响应于接收到用户上传的第一待校验物流内容文本与第二待校验物流内容文本,将上述第一待校验物流内容文本包括的各个第一物流内容文本段落与上述第二待校验物流内容文本包括的各个第二物流内容文本段落进行合并,得到物流内容文本段落集;根据物流内容文本段落对应的段落编号,对上述物流内容文本段落集包括的各个物流内容文本段落进行聚类处理,以生成物流内容文本段落组集,其中,上述物流内容文本段落组集中的物流内容文本段落组包括第一物流内容文本段落与第二物流内容文本段落;对于上述物流内容文本段落组集中的每个物流内容文本段落组,执行如下校验步骤:将上述物流内容文本段落组包括的第一物流内容文本段落与第二物流内容文本段落输入至预先训练的物流内容文本核对模型中,得到物流内容文本核对结果;响应于确定上述物流内容文本核对结果为表征物流内容文本相异的物流内容文本核对结果,将上述物流内容文本核对结果添加至异常物流内容文本核对结果组中,其中,上述异常物流内容文本核对结果组初始为空。
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一些实施例的操作的计算机程序代码,上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 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。
描述于本公开的一些实施例中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:一种处理器包括合并单元、聚类单元和校验单元。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,合并单元还可以被描述为“响应于接收到用户上传的第一待校验物流内容文本与第二待校验物流内容文本,将上述第一待校验物流内容文本包括的各个第一物流内容文本段落与上述第二待校验物流内容文本包括的各个第二物流内容文本段落进行合并,得到物流内容文本段落集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
本公开的一些实施例还提供一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述的任一种物流内容文本核对方法。
以上描述仅为本公开的一些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。