(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 111582786 A (43)申请公布日 2020.08.25 | ||
(21)申请号 CN202010355811.9
(22)申请日 2020.04.29
(71)申请人 上海中通吉网络技术有限公司
地址 201799 上海市青浦区华志路1685号5幢
(72)发明人 朱晶熙 张关举 林文升 刘翔 顾贺 孙张昊 邱国兴 王海丽 马晓峰
(74)专利代理机构 北京细软智谷知识产权代理有限责任公司
代理人 尚文文
(51)Int.CI
权利要求说明书 说明书 幅图 |
(54)发明名称
基于机器学习的快递单号识别方法、装置和设备 | |
(57)摘要
本申请涉及一种基于机器学习的快递单号识别方法、装置和设备。其中所述方法包括：获取待识别的目标快递单号；将目标快递单号输入至预先训练的快递单号识别模型，得到识别结果；基于识别结果确定所述目标快递单号对应的快递公司。如此设置，无需用户手动编写识别规则而是能够自动生成识别规则，因此效率更高且不易出现疏漏，同时在历史数据足够的情况下也能保证识别的准确率。此外，在快递单号的规则修改或新增快递公司时，机器学习算法能够自动修正识别模型，无需人工干预，因此具有很高的实用性。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
权 利 要 求 说 明 书
1.一种基于机器学习的快递单号识别方法,其特征在于,包括:
获取待识别的目标快递单号;
将所述目标快递单号输入至预先训练的快递单号识别模型,得到识别结果;
基于所述识别结果确定所述目标快递单号对应的快递公司。
2.根据权利要求1所述的方法,其特征在于,所述快递单号识别模型的训练过程,包括:
获取历史快递单号数据和对应的识别标识作为训练样本;
将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型。
3.根据权利要求2所述的方法,其特征在于,所述将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型之前,还包括:
对所述训练样本中历史快递单号数据进行归一化处理,得到归一化样本;
所述将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型,包括:
将所述归一化样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型。
4.根据权利要求2所述的方法,其特征在于,还包括:
将已识别的目标快递单号和对应的识别标识添加至所述训练样本,从而对所述快递单号识别模型进行增量训练。
5.根据权利要求2所述的方法,其特征在于,还包括:
将无法识别的目标快递单号以及对应的识别标识添加至所述训练样本,从而对所述快递单号识别模型进行增量训练。
6.根据权利要求2所述的方法,其特征在于,所述机器学习模型为基于长短期记忆网络算法或K最近邻算法构建的算法模型。
7.根据权利要求1所述的方法,其特征在于,还包括:
将确定的快递公司结果发送至用户终端。
8.一种基于机器学习的快递单号识别装置,其特征在于,包括:
获取模块,用于获取待识别的目标快递单号;
输入模块,用于将所述目标快递单号输入至预先训练的快递单号识别模型,得到识别结果;
识别模块,用于基于所述识别结果确定所述目标快递单号对应的快递公司。
9.根据权利要求8所述的装置,其特征在于,还包括:训练模块;
所述训练模块包括:
获取单元,用于获取历史快递单号数据和对应的识别标识作为训练样本;
训练单元,用于将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型。
10.一种基于机器学习的快递单号识别设备,其特征在于,包括:
存储器和与所述存储器相连接的处理器;
所述存储器,用于存储程序,所述程序至少用于执行如权利要求1-7任一项所述的基于机器学习的快递单号识别方法;
所述处理器,用于调用并执行所述存储器存储的所述程序。
说 明 书
<p>技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于机器学习的快递单号识别方法、装置和设备。
背景技术
随着电子商务交易平台的不断完善,越来越多的人们通过网上购物的形式购买自己所需的商品。网购的商品会通过快递运送到买家手中,该过程中会涉及快递单号识别技术,即通过快递单号来识别其对应的快递公司。
目前,快递单号识别普遍采用的做法是基于正则表达式来实现,然而该方法中需要人工分析快递单号规律从而编写正则表达式进行匹配,因此效率低下,并且如果快递公司对快递单号的规律进行了少量修改,但人工不能及时发现的话,那么很可能会导致识别失败或识别错误。
发明内容
本申请提供一种基于机器学习的快递单号识别方法、装置和设备,以解决现有的快递单号识别技术的效率和识别率低下的问题。
本申请的上述目的是通过以下技术方案实现的:
第一方面,本申请实施例提供一种基于机器学习的快递单号识别方法,所述方法包括:
获取待识别的目标快递单号;
将所述目标快递单号输入至预先训练的快递单号识别模型,得到识别结果;
基于所述识别结果确定所述目标快递单号对应的快递公司。
可选的,所述快递单号识别模型的训练过程,包括:
获取历史快递单号数据和对应的识别标识作为训练样本;
将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型。
可选的,所述将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型之前,所述方法还包括:
对所述训练样本中历史快递单号数据进行归一化处理,得到归一化样本;
所述将所述训练样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型,包括:
将所述归一化样本输入至预先构建的机器学习模型进行训练,得到所述快递单号识别模型。
可选的,所述方法还包括:
将已识别的目标快递单号和对应的识别标识添加至所述训练样本,从而对所述快递单号识别模型进行增量训
练。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论