[发明专利]一种面单文本判别方法和装置

权利要求书

1.一种面单文本判别方法，其特征在于，包括：

根据历史运单信息，计算所述历史运单的物流距离、面单文本的违规词相似度、相对于用户注册时间的运单创建时间；

根据当前运单和所述历史运单的物流距离、面单文本的违规词相似度、相对于用户注册时间的运单创建时间，计算所述当前运单的面单文本中含有违规信息的概率；

根据所述当前运单的面单文本中含有违规信息的概率，确定所述当前运单的面单文本的判别结果。

2.根据权利要求1所述的方法，其特征在于，根据历史运单信息，计算所述历史运单的物流距离、面单文本的违规词相似度、相对于用户注册时间的运单创建时间，包括：

获取用户信息和所述用户的历史运单信息；其中，所述用户信息包括用户标识和用户注册时间，所述历史运单信息包括面单文本和相对于所述用户注册时间的运单创建时间，所述面单文本包括寄件人地址、寄件人姓名、收件人姓名、收件人地址、物品清单、备注信息；

分别计算每个面单文本的违规词相似度；

根据所述寄件人地址和所述收件人地址计算物流距离；

存储所述用户标识、所述用户注册时间、相对于所述用户注册时间的运单创建时间、所述物流距离和每个面单文本的违规词相似度。

3.根据权利要求2所述的方法，其特征在于，对于每个面单文本，采用如下方法计算所述面单文本的违规词相似度：

将所述面单文本拆分为单字符，得到面单文本单字符集合；

从语料库中筛选出包含有任意一个所述面单文本单字符的违规词；

对于每个所述违规词，将所述违规词拆分为单字符，得到所述违规词单字符集合，将所述面单文本单字符集合和所述违规词单字符集合的重复字符的交集除以所述面单文本单字符集合和所述违规词单字符集合的不重复字符的并集，得到集合相似度；

筛选出最大的集合相似度作为所述面单文本的违规词相似度。

4.根据权利要求3所述的方法，其特征在于，筛选出最大的集合相似度作为所述面单文本的违规词相似度，包括：

对于每个所述违规词，以所述集合相似度为键，以所述违规词为值，存储到第一多重映照容器中；

按照所述键的升序进行排序，将所述第一多重映照容器中最后一个键作为所述面单文本的违规词相似度。

5.根据权利要求2所述的方法，其特征在于，存储所述用户标识、所述用户注册时间、相对于所述用户注册时间的运单创建时间、所述物流距离和每个面单文本的违规词相似度，包括：

以所述物流距离为第一节点，以每个面单文本的违规词相似度为第二节点，存储到对组容器中；

以相对于所述用户注册时间的运单创建时间为键，以所述对组容器为值，存储到第二多重映照容器中；

以所述用户注册时间为键，以所述第二多重映照容器为值，存储到第一映射容器中；

以所述用户标识为键，以所述第一映射容器为值，存储到第二映射容器中。

6.根据权利要求1所述的方法，其特征在于，根据当前运单和所述历史运单的物流距离、面单文本的违规词相似度、相对于用户注册时间的运单创建时间，计算所述当前运单的面单文本中含有违规信息的概率，包括：

根据所述历史运单的物流距离、相对于用户注册时间的运单创建时间，计算所述历史运单的累计权重，根据所述历史运单的累计权重和当前运单的物流距离、相对于用户注册时间的运单创建时间，计算所述当前运单的累计权重；

根据所述当前运单的面单文本和所述历史运单的面单文本的违规词相似度，计算所述当前运单的面单文本中含有违规信息的累计运单权重；

将所述含有违规信息的累计运单权重除以所述当前运单的累计权重，得到所述当前运单的面单文本中含有违规信息的概率。