[发明专利]基于半监督聚类的地址分配方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了基于半监督聚类的地址分配方法、装置、设备及存储介质，用于提高预测聚类点的准确率，从而提高地址分配的准确率。基于半监督聚类的地址分配方法包括：获取待分单地址数据，并对所述待分单地址数据进行向量化处理，生成目标待分单地址向量；获取多个历史地址向量，并基于所述目标待分单地址向量在多个历史地址向量中进行向量提取，得到多个提取后的历史地址向量；根据所述目标待分单地址向量和所述多个提取后的历史地址向量进行半监督聚类和聚类点过滤，得到目标地址聚类点；基于所述目标地址聚类点和预置的分配标准，将所述待分单地址数据分配至对应的目标业务员。

技术领域

本发明涉及机器学习领域，尤其涉及一种基于半监督聚类的地址分配方法、装置、设备及存储介质。

背景技术

物流系统包括很多业务节点，例如揽件扫描、用户地址清洗、货物分配、货物配送等，每个业务节点都伴随一些问题，例如，在一个物流系统中存在大量的用户地址，如何高效的对用户地址进行清洗，已经成为了一大难题，又例如，在货物分配时，如何高效的基于地址进行货物分配，也成为了分配的一大难题。

货物分配主要是基于地址进行分配，可以将货物分配理解为地址分配，在现有技术中，为了高效的进行地址分配，首先将地址归结到某个聚类点上，并且将该聚类点返回给整体分单推荐系统，结合该点上最近揽件的业务员，配合对应情况的推荐算法进行业务员揽件推荐。但是在使用K-MEANS算法对地址向量聚类的过程中，由于在聚类时基于地址向量缺乏业务边界信息的使用，导致预测聚类点精确率较低的问题，从而导致地址分配的准确率也较低。

发明内容

本发明提供了一种基于半监督聚类的地址分配方法、装置、设备及存储介质，用于提高预测聚类点的准确率，从而提高地址分配的准确率。

本发明第一方面提供了一种基于半监督聚类的地址分配方法，包括：获取待分单地址数据，并对所述待分单地址数据进行向量化处理，生成目标待分单地址向量；获取多个历史地址向量，并基于所述目标待分单地址向量在多个历史地址向量中进行向量提取，得到多个提取后的历史地址向量；根据所述目标待分单地址向量和所述多个提取后的历史地址向量进行半监督聚类和聚类点过滤，得到目标地址聚类点；基于所述目标地址聚类点和预置的分配标准，将所述待分单地址数据分配至对应的目标业务员。

可选的，在本发明第一方面的第一种实现方式中，所述获取待分单地址数据，并对所述待分单地址数据进行向量化处理，生成目标待分单地址向量包括：获取待分单地址数据，并将所述待分单地址数据输入预置的向量化模型中，生成初始待分单地址向量；采用预置的主分量分析算法对所述初始待分单地址向量进行降维压缩，生成目标待分单地址向量。

可选的，在本发明第一方面的第二种实现方式中，所述获取多个历史地址向量，并基于所述目标待分单地址向量在多个历史地址向量中进行向量提取，得到多个提取后的历史地址向量包括：获取多个历史地址向量，并分别计算所述多个历史地址向量和所述目标待分单地址向量的距离，生成多个向量距离；将目标向量距离小于或者等于距离阈值的历史地址向量确定为初始历史地址向量，得到多个初始历史地址向量；按照向量数量阈值对所述多个初始历史地址向量进行提取，得到多个提取后的历史地址向量。

可选的，在本发明第一方面的第三种实现方式中，所述根据所述目标待分单地址向量和所述多个提取后的历史地址向量进行半监督聚类和聚类点过滤，得到目标地址聚类点包括：将所述目标待分单地址向量和所述多个提取后的历史地址向量输入提前训练好的半监督聚类模型中进行半监督聚类，生成多个地址聚类点相似度，一个地址聚类点相似度对应一个提取后的历史地址向量；基于所述多个地址聚类点相似度和所述多个提取后的历史地址向量对多个预置的地址聚类点进行聚类点过滤，得到目标地址聚类点。