[发明专利]基于地址的物流分派方法、装置、设备和存储介质

权利要求书

1.一种基于地址的物流分派方法，其特征在于，包括：

创建基于Transform模型的地址向量生成模型，通过三重损失函数以自监督的形式对地址向量生成模型进行训练，并对地址向量生成模型进行梯度下降微调，获得训练好的地址向量生成模型；

获取待揽件或派件的物流地址，采用训练好的地址向量生成模型对物流地址进行处理，生成地址向量；所述物流地址包括不规则地址信息；

根据地址向量，检索物流数据库，得到最相似地址；根据所述最相似地址，生成与所述最相似地址对应的派件人或揽件人。

2.如权利要求1所述的基于地址的物流分派方法，其特征在于，所述通过三重损失函数以自监督的形式对地址向量生成模型进行训练进一步包括：

获取物流数据库中的历史物流地址，根据历史物流地址，制定锚定地址集、正例地址集及负例地址集；

通过三元组算法计算锚定地址与正例地址之间的地址向量的距离，及锚定地址与负例地址之间的地址向量的距离，分别得到第一距离值及第二距离值；

将第一距离值及第二距离值代入三重损失函数计算得到损失值，根据损失值计算梯度值，根据获得的梯度值更新地址向量生成模型。

3.如权利要求1所述的基于地址的物流分派方法，其特征在于，所述对地址向量生成模型进行训练进一步包括：

预先将同一园区或同一社区的地址设置为同属同一POI内的地址；

提取待处理的物流地址中的POI数据，确定与所述POI数据同属同一POI的地址，将该POI地址处理成地址向量。

4.如权利要求3所述的基于地址的物流分派方法，其特征在于，所述确定与所述POI数据同属同一POI的地址进一步包括：

计算所述POI数据与各POI内所有地址的相似度，若得到的相似度大于预设的相似度阈值，则判定该POI数据与该地址同属同一POI。

5.如权利要求4所述的基于地址的物流分派方法，其特征在于，所述计算所述POI数据与各POI内所有地址的相似度进一步包括：

对POI数据及各POI内的地址进行归一化处理，计算该POI数据Y到某一POI下所有地址(X₁,X₂,X₃...X_m)^T的平均余弦距离，计算公式为：

其中，为单位行向量，A_mn＝(X₁,X₂,X₃...X_m)^T，Y_n为包含n个元素的POI数据Y的列向量。

6.如权利要求1所述的基于地址的物流分派方法，其特征在于，所述获得训练好的地址向量生成模型之后还包括：

将训练好的地址向量生成模型作为老师模型，继承老师模型中的一层参数作为Fine-tune，构成学生模型；

使用学生模型直接对老师模型生成的地址向量进行学习，对地址向量生成模型进行知识蒸馏。

7.如权利要求1所述的基于地址的物流分派方法，其特征在于，所述生成地址向量之后还包括：

采样PCA算法对地址向量进行降维，提升地址向量检索的速度。

8.一种基于地址的物流分派装置，其特征在于，包括：

模型创建及训练模块，用于创建基于Transform模型的地址向量生成模型，通过三重损失函数以自监督的形式对地址向量生成模型进行训练，并对地址向量生成模型进行梯度下降微调，获得训练好的地址向量生成模型；

地址向量生成模块，用于获取待揽件或派件的物流地址，采用地址向量生成模型对物流地址进行处理，生成地址向量；所述物流地址包括不规则地址信息；

地址匹配模块，用于根据地址向量，检索物流数据库，得到最相似地址；根据所述最相似地址，生成与所述最相似地址对应的派件人或揽件人。