[发明专利]订单备注标签确定方法、装置、存储介质和计算机设备在审
| 申请号: | 202111334283.X | 申请日: | 2021-11-11 |
| 公开(公告)号: | CN113987189A | 公开(公告)日: | 2022-01-28 |
| 发明(设计)人: | 周航;路子巍;杨嘉敏 | 申请(专利权)人: | 深圳依时货拉拉科技有限公司 |
| 主分类号: | G06F16/35 | 分类号: | G06F16/35;G06F40/216;G06F40/289;G06N20/00;G06Q30/06;G06Q50/30 |
| 代理公司: | 深圳瑞天谨诚知识产权代理有限公司 44340 | 代理人: | 温青玲 |
| 地址: | 518000 广东省深圳市福田区梅*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 订单 备注 标签 确定 方法 装置 存储 介质 计算机 设备 | ||
1.一种订单备注标签确定方法,其特征在于,包括如下步骤:
获取用车订单的备注信息;
将所述备注信息输入预先训练的多标签分类模型,得到所述备注信息的标签分类结果;
判断所述标签分类结果是否包括数值型标签;
若是,基于正则表达式解析所述备注信息中的数值;根据所述标签分类结果和所述数值,确定所述备注信息的标签。
2.根据权利要求1所述的订单备注标签确定方法,其特征在于,所述多标签分类模型为FastText模型。
3.根据权利要求1或2所述的订单备注标签确定方法,其特征在于,所述多标签分类模型通过以下步骤预先训练得到:
获取历史用车订单的备注信息;
基于NLP分词模型统计所述历史用车订单的备注信息的高频词,根据所述高频词确定用车需求对应的关键词;
随机抽样所述历史用车订单,得到抽样订单;
获取由人工根据所述关键词对应所述抽样订单确定的人工标签;
根据所述抽样订单的备注信息和所述人工标签训练初始机器学习模型,得到所述多标签分类模型。
4.根据权利要求3所述的订单备注标签确定方法,其特征在于,所述得到所述多标签分类模型之后,还包括:
获取更新用车订单的备注信息;
根据由人工根据所述关键词对应所述更新用车订单确定的人工标签;
根据所述更新用车订单的备注信息、人工标签迭代更新所述多标签分类模型。
5.根据权利要求3所述的订单备注标签确定方法,其特征在于,所述正则表达式根据所述关键词设定,并经由所述抽样订单的备注信息和所述人工标签验证确定。
6.根据权利要求1所述的订单备注标签确定方法,其特征在于,所述判断所述标签分类结果是否包括数值型标签之后,还包括:
若所述标签分类结果不包括数值型标签,根据所述标签分类结果确定所述备注信息的标签。
7.根据权利要求1或6所述的订单备注标签确定方法,其特征在于,所述标签用于表征所述用车订单的用车需求;
所述确定所述备注信息的标签之后,还包括:根据所述标签确定与所述用车订单匹配的车辆和/或司机。
8.一种订单备注标签确定装置,其特征在于,包括:
备注获取模块,用于获取用车订单的备注信息;
标签分类模块,用于将所述备注信息输入预先训练的多标签分类模型,得到所述备注信息的标签分类结果;
判断模块,用于判断所述标签分类结果是否包括数值型标签;
正则解析模块,用于在所述标签分类结果包括数值型标签时,基于正则表达式解析所述备注信息中的数值;根据所述标签分类结果和所述数值,确定所述备注信息的标签。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的订单备注标签确定方法。
10.一种计算机设备,其特征在于,其包括:
一个或多个处理器;
存储器;
一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个计算机程序配置用于:执行根据权利要求1至7任一项所述的订单备注标签确定方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳依时货拉拉科技有限公司,未经深圳依时货拉拉科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111334283.X/1.html,转载请声明来源钻瓜专利网。





