[发明专利]货运取消单的处理方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202210698850.8 申请日: 2022-06-20
公开(公告)号: CN114997961A 公开(公告)日: 2022-09-02
发明(设计)人: 于首杰 申请(专利权)人: 深圳依时货拉拉科技有限公司
主分类号: G06Q30/06 分类号: G06Q30/06;G06Q10/08;G06Q50/30;G06N3/04;G06N3/08;G10L15/26
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林街*** 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: 货运 取消 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种货运取消单的处理方法,其特征在于,所述方法包括:

响应于针对货运订单的取消请求,确定所述货运订单为待处理的目标货运取消单;

查询所述目标货运取消单关联的订单数据,所述订单数据包括用户与司机的通话音频、订单备注信息和订单结构化信息;

对所述通话音频、订单备注信息和订单结构化信息分别进行特征提取处理,得到第一事件特征、第二事件特征和第三事件特征;

根据所述第一事件特征、第二事件特征和第三事件特征进行判责,得到所述目标货运取消单的判责结果。

2.如权利要求1所述的方法,其特征在于,对所述通话音频进行特征提取处理,包括:

对所述通话音频进行文本转换处理,得到通话文本;

将所述通话文本输入训练好的通话内容深度学习模型,获取所述通话内容深度学习模型输出的取消原因预测结果作为第一事件特征。

3.如权利要求1所述的方法,其特征在于,对所述订单备注信息和订单结构化信息进行特征提取处理,包括:

使用文本特征提取器从所述订单备注信息中提取文本备注特征作为所述第二事件特征;

从所述订单结构化信息中提取订单结构化特征作为所述第三事件信息;

其中,所述订单结构化特征包括人员信息、货物信息、车辆信息和服务信息;其中,所述人员信息包括下单人信息、供货人信息、收货人信息、随行乘客信息、司机信息和搬运工信息中的一项或多项;所述货物信息包括货物类型、货物尺寸、货物重量、易碎标识信息和违禁品标识信息中的一项或多项;所述车辆信息包括车辆长宽信息、客运版标识信息、尾板标识信息、开顶标识信息、防雨标识信息、冷鲜车标识信息和新能源标识信息中的一项或多项;所述服务信息包括跟车标识信息、搬运标识信息和回单信息中的一项或多项。

4.如权利要求1所述的方法,其特征在于,所述根据所述第一事件特征、第二事件特征和第三事件特征进行判责,得到所述目标货运取消单的判责结果,包括:

根据所述第一事件特征、第二事件特征和第三事件特征确定所述目标货运取消单的取消事件类型;

当所述取消事件类型为第一类型时,使用预设规则判责器处理所述第一事件特征、第二事件特征和第三事件特征,得到所述目标货运取消单的判责结果;

当所述取消事件类型为第二类型时,使用训练好的神经网络判责器处理所述第一事件特征、第二事件特征和第三事件特征,得到所述目标货运取消单的判责结果。

5.如权利要求4所述的方法,其特征在于,所述使用训练好的神经网络判责器处理所述第一事件特征、第二事件特征和第三事件特征,得到所述目标货运取消单的判责结果,包括:

将所述第一事件特征、第二事件特征和第三事件特征输入训练好的神经网络判责器;

获取所述神经网络判责器输出的取消原因标签和责任方标识作为判责结果。

6.如权利要求2所述的方法,其特征在于,所述通话内容深度学习模型的训练过程,包括:

获取多个历史取消单对应的历史通话音频;

根据所述多个历史取消单对应的历史通话音频生成训练样本集;

使用所述训练样本集训练通话内容深度学习模型。

7.如权利要求6所述的方法,其特征在于,所述根据所述多个历史取消单对应的历史通话音频生成训练样本集,包括:

对每个历史取消单对应的历史通话音频进行文本转换处理,得到每个历史取消单对应的历史通话文本;

为每个历史取消单对应的历史通话文本标注话题标签;

将每个历史取消单对应的历史通话文本及其被标注的话题标签作为一条训练样本,得到训练样本集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/202210698850.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top