物流信息识别方法、装置、设备及介质制造方法及图纸

本公开提供了一种物流信息识别方法、装置、设备及介质，可以应用于人工智能技术领域和智慧物流领域。该物流信息识别方法包括：将物流信息进行降维处理，得到降维后的物流特征信息；将物流特征信息输入至物流属性识别模型，得到物流属性识别模型中用于表征矩阵乘法运算的多个计算任务；从线程池中调用目标线程并行处理多个计算任务，得到物流属性识别模型输出的物流属性识别结果，其中，物流属性识别结果用于表征物流信息中目标产品的物流属性类型。类型。类型。

【技术实现步骤摘要】
物流信息识别方法、装置、设备及介质


[0001]本公开涉及人工智能
和智慧物流领域，更具体地，涉及一种物流信息识别方法、装置、设备、介质及程序产品。

技术介绍

[0002]物流信息可以是用于表征货物的货物属性信息，例如货物的名称、体积、重量等属性信息，物流信息还可以用于表征货物在仓储、运输等物流过程中产生的物流属性信息，物流属性信息例如可以包括货物的运输方式、仓储方式等。物流信息可以通过运单标志位信息的方式存储与物流管理系统中，可以通过识别记载在物流管理系统中的运单标志位信息来实现识别物流信息所表征的物流属性信息、货物属性信息。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题：由于物流信息通常基于不同的规则形式记载，针对物流信息的识别的准确率较低，且得到识别结果的计算时长较长，难以满足实际需求。

技术实现思路

[0004]有鉴于此，本公开提供了一种物流信息识别方法、装置、设备、介质及程序产品。
[0005]本公开的一个方面提供了一种物流信息识别方法，包括：
[0006]将物流信息进行降维处理，得到降维后的物流特征信息；
[0007]将上述物流特征信息输入至物流属性识别模型，得到上述物流属性识别模型中用于表征矩阵乘法运算的多个计算任务；
[0008]从线程池中调用目标线程并行处理多个上述计算任务，得到上述物流属性识别模型输出的物流属性识别结果，其中，上述物流属性识别结果用于表征上述物流信息中目标产品的物流属性类型。
[0009]根据本公开的实施例，将物流信息进行降维处理，得到降维后的物流特征信息包括：
[0010]基于预设降维算法对上述物流信息进行降维处理，得到上述物流特征信息；
[0011]其中，上述预设降维算法包括以下至少一项：主成分分析算法、线性判别分析算法、因子分析算法。
[0012]根据本公开的实施例，将物流信息进行降维处理，得到降维后的物流特征信息包括：
[0013]对上述物流信息进行编码处理，得到物流编码信息；
[0014]根据上述物流编码信息的编码均值信息和编码方差信息，确定与上述物流编码信息关联的标准物流编码信息；
[0015]利用协方差矩阵处理上述标准物流编码信息，得到编码特征值与编码特征向量；
[0016]根据上述编码特征值与上述编码特征向量，确定上述物流特征信息。
[0017]根据本公开的实施例，上述计算任务包括N个；
[0018]从线程池中调用目标线程并行处理多个上述计算任务，得到上述物流属性识别模型输出的物流属性识别结果包括：
[0019]从上述线程池中调用M个目标线程处理计算任务队列中的M个目标计算任务，得到上述目标计算任务各自的计算任务结果，其中，上述计算任务队列根据多个上述计算任务构成，上述目标线程为上述线程池中处于空闲状态的线程，N＞M≥1；
[0020]在上述目标计算任务得到计算任务结果后，处理上述目标计算任务的目标线程返回线程池中，以便重复处理上述计算任务队列中新的目标计算任务，直至N个上述计算任务中的每个计算任务均得到各自的计算任务结果；以及
[0021]根据N个上述计算任务各自的计算任务结果，确定上述物流属性识别结果。
[0022]根据本公开的实施例，在将物流信息进行降维处理之前，上述物流信息识别方法还包括：
[0023]根据预设规则对上述物流信息进行补全，得到具有预设字符长度的物流信息。
[0024]根据本公开的实施例，上述物流信息包括运单标志位信息；以及上述物流属性识别结果包括产品条线识别结果。
[0025]根据本公开的实施例，上述物流属性识别模型包括以下至少一项：
[0026]径向基函数神经网络模型、多层感知器神经网络模型。
[0027]本公开的另一个方面提供了一种物流信息识别装置，包括：
[0028]降维处理模块，用于将物流信息进行降维处理，得到降维后的物流特征信息；
[0029]计算任务确定模块，用于将上述物流特征信息输入至物流属性识别模型，得到上述物流属性识别模型中用于表征矩阵乘法运算的多个计算任务；
[0030]识别模块，用于从线程池中调用目标线程并行处理多个上述计算任务，得到上述物流属性识别模型输出的物流属性识别结果，其中，上述物流属性识别结果用于表征上述物流信息中目标产品的物流属性类型。
[0031]本公开的另一个方面提供了一种电子设备，包括：
[0032]一个或多个处理器；
[0033]存储器，用于存储一个或多个程序，
[0034]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
[0035]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0036]本公开的另一方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0037]根据本公开的实施例，因为采用了对物流信息进行降维处理的技术手段，得到降维后的物流特征信息可以至少部分减少物流信息的数据量，为后续物流属性识别模型处理节省计算开销。将物流特征信息输入至物流属性识别模型，得到物流属性识别模型中用于表征矩阵乘法运算的多个计算任务，并利用线程池中的目标线程并行处理多个计算任务，可以至少部分避免线程创建造成的计算资源消耗，同时并行处理多个计算任务相较于创建单线程完成物流属性识别模型的多个计算任务，可以提升物流属性识别模型的计算速率，同时根据物流属性识别模型充分学习了物流信息的特征信息的情况下，可以提升针对物流
信息中对于目标产品的物流属性类型的识别准确率，进而实现减少目标产品物流周转时长，提升物流效率的技术效果。
附图说明
[0038]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0039]图1示意性示出了可以应用本公开的物流信息识别方法和装置的示例性系统架构；
[0040]图2示意性示出了根据本公开实施例的物流信息识别方法的流程图；
[0041]图3示意性示出了根据本公开实施例的将物流信息进行降维处理，得到降维后的物流特征信息的流程图；
[0042]图4示意性示出了根据本公开实施例的从线程池中调用目标线程并行处理多个计算任务，得到物流属性识别模型输出的物流属性识别结果的流程图；
[0043]图5示意性示出了根据本公开实施例的物流信息识别方法的应用场景图；
[0044]图6示意性示出了根据本公开实施例的物流信息识别装置的框图；以及
[0045]图7示意性示出了根据本公开实施例的适于实现物流信息识别方法的电子设备的框图。
具体实施方式
[0046]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流信息识别方法，包括：将物流信息进行降维处理，得到降维后的物流特征信息；将所述物流特征信息输入至物流属性识别模型，得到所述物流属性识别模型中用于表征矩阵乘法运算的多个计算任务；从线程池中调用目标线程并行处理多个所述计算任务，得到所述物流属性识别模型输出的物流属性识别结果，其中，所述物流属性识别结果用于表征所述物流信息中目标产品的物流属性类型。2.根据权利要求1所述的方法，其中，将物流信息进行降维处理，得到降维后的物流特征信息包括：基于预设降维算法对所述物流信息进行降维处理，得到所述物流特征信息；其中，所述预设降维算法包括以下至少一项：主成分分析算法、线性判别分析算法、因子分析算法。3.根据权利要求1或2所述的方法，其中，将物流信息进行降维处理，得到降维后的物流特征信息包括：对所述物流信息进行编码处理，得到物流编码信息；根据所述物流编码信息的编码均值信息和编码方差信息，确定与所述物流编码信息关联的标准物流编码信息；利用协方差矩阵处理所述标准物流编码信息，得到编码特征值与编码特征向量；根据所述编码特征值与所述编码特征向量，确定所述物流特征信息。4.根据权利要求1所述的方法，其中，所述计算任务包括N个；从线程池中调用目标线程并行处理多个所述计算任务，得到所述物流属性识别模型输出的物流属性识别结果包括：从所述线程池中调用M个目标线程处理计算任务队列中的M个目标计算任务，得到所述目标计算任务各自的计算任务结果，其中，所述计算任务队列根据多个所述计算任务构成，所述目标线程为所述线程池中处于空闲状态的线程，N＞M≥1；在所述目标计算任务得到计算任务结果后，处理所述目标计算任务的目标线程返回线程池中，以便重复处...

【专利技术属性】
技术研发人员：任致远，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：