物流配送任务分配方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种物流配送任务分配方法、系统、设备及存储介质，该方法包括：采集历史收件记录，包括历史地址特征和历史任务分配对象，基于历史任务分配对象添加目标向量标签；基于历史收件记录构建各个配送组织所对应的掩码；将历史地址特征输入任务分配模型，将模型的输出向量与所对应的配送组织的掩码组合后与目标向量标签构建损失函数，训练任务分配模型；获取待分配的地址特征，输入任务分配模型，根据模型的预测结果确定任务分配对象。本发明专利技术通过在模型训练时损失函数构建过程中增加对应于各个配送组织的掩码，可以计算各个配送组织之内的分类损失，可以联合多个配送组织的物流数据来训练任务分配模型，提高任务分配模型的泛化能力。模型的泛化能力。模型的泛化能力。

【技术实现步骤摘要】
物流配送任务分配方法、系统、设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种物流配送任务分配方法、系统、设备及存储介质。

技术介绍

[0002]在物流业务场景中，地址的使用无处不在，包括地址转经纬度、智能分单、代收点推荐等。大部分关于地址的业务算法场景都是按照物流公司分块训练的，虽然地址是类似的，但是由于模型训练的局限性，无法联合多家物流公司数据共同训练。而单一区域内的模型也无法利用其它区域的信息，会影响模型泛化能力。

技术实现思路

[0003]针对现有技术中的问题，本专利技术的目的在于提供一种物流配送任务分配方法、系统、设备及存储介质，通过在模型训练时损失函数构建过程中增加掩码，可以联合多个配送组织的物流数据来训练任务分配模型，提高任务分配模型的泛化能力。
[0004]本专利技术实施例提供一种物流配送任务分配方法，包括如下步骤：
[0005]采集历史收件记录，所述历史收件记录包括历史地址特征和历史任务分配对象，基于所述历史任务分配对象添加目标向量标签；
[0006]基于所述历史收件记录构建各个配送组织所对应的掩码；
[0007]将所述历史地址特征输入任务分配模型，将模型的输出向量与所对应的配送组织的掩码组合后与所述目标向量标签构建损失函数，训练所述任务分配模型；
[0008]获取待分配的地址特征，输入所述任务分配模型，根据模型的预测结果确定任务分配对象。
[0009]在一些实施例中，所述配送组织包括物流公司和/或物流网点。/>[0010]在一些实施例中，基于所述历史收件记录构建各个配送组织所对应的掩码，包括如下步骤：
[0011]基于所有备选配送组织所包括的任务分配对象生成一个配送向量，所述配送向量中每一个位置分别对应于一个任务分配对象；
[0012]对于每个所述配送组织，将所述配送向量中对应于其所包括的任务分配对象的位置设为预设标识值，得到所对应的掩码。
[0013]在一些实施例中，所述基于所有备选配送组织所包括的任务分配对象生成一个配送向量，包括如下步骤：
[0014]从多条历史收件记录中提取各个任务分配对象以及所对应的配送组织；
[0015]将所述任务分配对象按照配送组织进行聚合，得到各个所述配送组织所包括的任务分配对象；
[0016]基于所有备选配送组织所包括的任务分配对象构建一个配送向量，将所述配送向量中所有值设为同一初始值，所述配送向量中每个值对应于一个配送组织的一个任务分配
对象，所述初始值小于所述预设标识值。
[0017]在一些实施例中，所述将模型的输出向量与所对应的配送组织的掩码组合包括如下步骤：
[0018]确定此处预测的输入数据所对应的配送组织，获取该配送组织的掩码；
[0019]将模型的输出向量与该配送组织的掩码相乘。
[0020]在一些实施例中，所述配送组织包括物流公司和物流网点，所述基于各个备选配送组织所包括的任务分配对象生成一个配送向量，包括如下步骤：
[0021]基于所有物流公司所包括的物流网点生成第一配送向量，所述第一配送向量中各个位置的值对应各个物流网点；
[0022]基于每个物流公司所有物流网点所包括的配送员生成第二配送向量，所述第二配送向量中各个位置的值对应各个配送员；
[0023]将所述第一配送向量和所述第二配送向量相乘，得到一配送向量。
[0024]在一些实施例中，所述根据模型的预测结果确定任务分配对象，包括获取所述任务分配模型输出的分类结果向量，并选择所述分类结果向量中概率值最大的位置所对应的任务分配对象，所述分类结果向量中每个位置对应于一个配送组织的一个任务分配对象。
[0025]在一些实施例中，根据模型的预测结果确定任务分配对象，包括如下步骤：
[0026]获取所述模型输出的分类结果向量；
[0027]获取一固定配送组织的所有任务分配对象所对应的向量，将各个所述任务分配对象的向量与所述分类结果向量计算余弦相似度后归一化为概率值；
[0028]选择最大的概率值所对应的任务分配对象。
[0029]在一些实施例中，所述采集历史收件记录之后，还包括如下步骤：
[0030]将所述历史收件记录按照所对应的配送组织进行分类，得到各个配送组织所对应的历史收件记录。
[0031]在一些实施例中，所述采集历史收件记录，包括如下步骤：
[0032]采集历史收件记录，将所述历史收件记录中历史地址对应于各个属性的信息串联得到文本字符串；
[0033]将所述文本字符串基于预处理字典映射为ID序列，所述预处理字典包括预设的各个属性的各种属性值与ID的映射关系；
[0034]将所述ID序列采用嵌入层映射为向量序列；
[0035]将所述向量序列输入交互特征提取模型，从所述交互特征提取模型的输出数据中提取历史地址特征。
[0036]在一些实施例中，将所述历史收件记录中历史地址对应于各个属性的信息串联得到文本字符串，包括：将物流地址对应于各个属性的信息串联，每两个属性的信息之间添加第一标识字符，得到文本字符串，在所述文本字符串中添加第二标识字符；
[0037]所述交互特征提取模型包括transformer模型；
[0038]从所述交互特征提取模型的输出数据中提取地址特征，包括：获取所述transformer模型输出的交互特征，从所述交互特征中提取所述第二标识字符所对应的特征向量作为提取的地址特征。
[0039]本专利技术实施例还提供一种物流配送任务分配系统，应用于所述的物流配送任务分
配方法，所述系统包括：
[0040]数据采集模块，用于采集历史收件记录，所述历史收件记录包括历史地址特征和历史任务分配对象；
[0041]掩码构建模块，用于基于所述历史收件记录构建各个配送组织所对应的掩码；
[0042]模型训练模块，用于将所述历史地址特征输入任务分配模型，将模型的输出向量与所对应的配送组织的掩码组合后与所述目标向量标签构建损失函数，训练所述任务分配模型；
[0043]任务分配模块，用于获取待分配的地址特征，输入所述任务分配模型，根据模型的预测结果确定任务分配对象。
[0044]在一些实施例中，所述掩码构建模块基于所述历史收件记录构建各个配送组织所对应的掩码，包括：基于所有备选配送组织所包括的任务分配对象生成一个配送向量；对于每个所述配送组织，将所述配送向量中对应于其所包括的任务分配对象的位置设为预设标识值，得到所对应的掩码。
[0045]在一些实施例中，所述任务分配模块根据模型的预测结果确定任务分配对象，包括：获取所述任务分配模型输出的分类结果向量，并选择所述分类结果向量中概率值最大的位置所对应的任务分配对象，所述分类结果向量中每个位置对应于一个配送组织的一个任务分配对象。
[0046]本专利技术实施例还提供一种物流配送任务分配设备，包括：
[0047]处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流配送任务分配方法，其特征在于，所述方法包括：采集历史收件记录，所述历史收件记录包括历史地址特征和历史任务分配对象，基于所述历史任务分配对象添加目标向量标签；基于所述历史收件记录构建各个配送组织所对应的掩码；将所述历史地址特征输入任务分配模型，将模型的输出向量与所对应的配送组织的掩码组合后与所述目标向量标签构建损失函数，训练所述任务分配模型；获取待分配的地址特征，输入所述任务分配模型，根据模型的预测结果确定任务分配对象。2.根据权利要求1所述的物流配送任务分配方法，其特征在于，所述配送组织包括物流公司和/或物流网点。3.根据权利要求1所述的物流配送任务分配方法，其特征在于，基于所述历史收件记录构建各个配送组织所对应的掩码，包括如下步骤：基于所有备选配送组织所包括的任务分配对象生成一个配送向量，所述配送向量中每一个位置分别对应于一个任务分配对象；对于每个所述配送组织，将所述配送向量中对应于其所包括的任务分配对象的位置设为预设标识值，得到所对应的掩码。4.根据权利要求3所述的物流配送任务分配方法，其特征在于，所述基于所有备选配送组织所包括的任务分配对象生成一个配送向量，包括如下步骤：从多条历史收件记录中提取各个任务分配对象以及所对应的配送组织；将所述任务分配对象按照配送组织进行聚合，得到各个所述配送组织所包括的任务分配对象；基于所有备选配送组织所包括的任务分配对象构建一个配送向量，将所述配送向量中所有值设为同一初始值，所述配送向量中每个值对应于一个配送组织的一个任务分配对象，所述初始值小于所述预设标识值。5.根据权利要求3所述的物流配送任务分配方法，其特征在于，所述将模型的输出向量与所对应的配送组织的掩码组合包括如下步骤：确定此处预测的输入数据所对应的配送组织，获取该配送组织的掩码；将模型的输出向量与该配送组织的掩码相乘。6.根据权利要求4所述的物流配送任务分配方法，其特征在于，所述配送组织包括物流公司和物流网点，所述基于各个备选配送组织所包括的任务分配对象生成一个配送向量，包括如下步骤：基于所有物流公司所包括的物流网点生成第一配送向量，所述第一配送向量中各个位置的值对应各个物流网点；基于每个物流公司所有物流网点所包括的配送员生成第二配送向量，所述第二配送向量中各个位置的值对应各个配送员；将所述第一配送向量和所述第二配送向量相乘，得到一配送向量。7.根据权利要求1所述的物流配送任务分配方法，其特征在于，所述根据模型的预测结果确定任务分配对象，包括获取所述任务分配模型输出的分类结果向量，并选择所述分类结果向量中概率值最大的位置所对应的任务分配对象，所述分类结果向量中每个位置对应
于一个配送组织的一个任务分配对象。8.根据权利要求1所述的物流配送任务分配方法，其特征在于，根据模型的预测结果确定任务分配对象，包括如下步骤：获取所述模型输出的分类结果向量；获取一固定配送组织的所有任务分配对象所对应的向量，将各个所述任务分配对象的向量与所述分类结果向量计算余弦相似度后归一化为概率值；选择最大的概率值所对应的任...

【专利技术属性】
技术研发人员：余超，
申请(专利权)人：上海寻梦信息技术有限公司，
类型：发明
国别省市：