CN118096001A - 一种货物仓储数据管理方法 - Google Patents
一种货物仓储数据管理方法 Download PDFInfo
- Publication number
- CN118096001A CN118096001A CN202410508539.1A CN202410508539A CN118096001A CN 118096001 A CN118096001 A CN 118096001A CN 202410508539 A CN202410508539 A CN 202410508539A CN 118096001 A CN118096001 A CN 118096001A
- Authority
- CN
- China
- Prior art keywords
- address
- standard
- shipping address
- field
- complete
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013523 data management Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000012384 transportation and delivery Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种货物仓储数据管理方法,属于数据处理技术领域,包括以下步骤:S1、扫描冷链物流货物的二维码,获取冷链物流货物的签收信息;S2、根据冷链物流货物的签收信息,在仓储清单中确定对应的运输信息;S3、对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储。本发明对冷链物流货物进行入库仓储,保证冷链物流货物进入的仓库准确,避免误拣的情况,提高货物仓储数据管理效率。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种货物仓储数据管理方法。
背景技术
随着电子商务的发展,用户使用网络购买冷链货物的数量日益增多,平台在商品运输方面的压力也随之增加。在商品运输过程中需要将冷链货物运输到冷链仓库中储存,若冷链货物分配到不合适的冷链仓库中,会大幅影响冷链货物的质量,因此对冷链货物的信息核对至关重要。通常,在冷链货物到达时,在分拣货物时需要将分拣的冷链货物与仓储清单进行核对,判断分拣货物是否属于该仓储仓库对应仓储清单,避免误拣等情况。目前,现有仓储分拣核对方式通常由司机进行核对,这种方式依赖于人工检验,效率低且会出现由于人工造成的数据错误,不利于货物仓储数据的管理。
发明内容
本发明为了解决以上问题,提出了一种货物仓储数据管理方法。
本发明的技术方案是:一种货物仓储数据管理方法包括以下步骤:
S1、扫描冷链物流货物的二维码,获取冷链物流货物的签收信息;
S2、根据冷链物流货物的签收信息,在仓储清单中确定对应的运输信息;
S3、对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储;
S3包括以下子步骤:
S31、对签收信息中的实际发货地址和实际收货地址进行补齐,得到完整发货地址和完整收货地址;
S32、提取完整发货地址的局部字段以及完整收货地址的局部字段,提取标准发货地址的局部字段以及标准收货地址的局部字段;
S33、判断完整发货地址的局部字段与标准发货地址的局部字段以及完整收货地址的局部字段与标准收货地址的局部字段是否满足局部匹配模型,若是则进入S34,否则冷链物流货物核对不通过;
S34、提取完整发货地址的剩余字段对应的文本依存矩阵,作为第一矩阵,提取标准发货地址的剩余字段对应的文本依存矩阵,作为第二矩阵,提取完整收货地址的剩余字段对应的文本依存矩阵,作为第三矩阵,提取标准收货地址的剩余字段对应的文本依存矩阵,作为第四矩阵;
S35、根据第一矩阵和第二矩阵,确定完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度;根据第三矩阵和第四矩阵,确定完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度;
S36、根据完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度以及完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储。
在本发明中,在冷链物流货物到达时,可以扫描二维码,获取该冷链物流货物在运输过程中产生的信息,比如实际发货地址和实际收货地址,本发明需要对冷链物流货物的实际发货地址和仓储清单中标准发货地址进行信息核对,还需要对冷链物流货物的实际收货地址与仓储清单中标准收货地址进行信息核对,保证该冷链物流货物运输的收发货地址正确的情况下进行入库仓储。通常,货物的地址需要描述详细的地理位置,比如省市区街道+具体门牌号。因此本发明先对地址中的省市区(即局部字段)进行核对。局部字段因为只包含了省市区的描述,其字段内容简单且有限,所以利用编辑距离函数判断即可,编辑距离函数值越小,则两个地址之间的相似度越高。然后,本发明利用文本依存矩阵对地址中的剩余字段(即街道+具体门牌号)进行进一步精准核对,提高地址核对的准确率。
对地址补齐需要利用地址匹配算法。地址匹配算法是实现地址自动匹配功能的核心部分,它能通过输入的地址信息,从数据库中匹配出正确的地址,常用的地址匹配算法有模糊匹配和最短编辑距离等,也可以使用字符串处理函数和正则表达式来实现地址匹配算法。
进一步地,S1中,冷链物流货物的签收信息包括物流单号、实际发货地址和实际收货地址。
进一步地,S2中,在仓储清单中获取与签收信息的物流单号相同的标准物流单号,并将标准物流单号对应的标准发货地址和标准收货地址作为运输信息。
仓储清单是管理物流业务过程中非常重要的一环,可以记录货物的任何信息。在本发明中,记录了物流的标准单号、标准发货地址和标准收货地址。
进一步地,S33中,局部匹配模型的表达式为:;式中,Sentire表示完整发货地址的局部字段,Snorm表示标准发货地址的局部字段,Rentire表示完整收货地址的局部字段,Rnorm表示标准收货地址的局部字段,J(·)表示编辑距离函数。
编辑距离是一个度量两个字符序列之间差异的字符串度量标准,两个单词之间的编辑距离是将一个单词转换为另一个单词所需的单字符编辑的最小数量。一般来说,编辑距离越小,两个字符串的相似度越大。
进一步地,S35中,完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度的F12计算公式为:;式中,λmax_1表示第一矩阵的最大特征值,λmax_2表示第二矩阵的最大特征值,X1表示第一矩阵,X2表示第二矩阵,||·||2表示矩阵二范数运算;
S35中,完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度的F34计算公式为:;式中,λmax_3表示第三矩阵的最大特征值,λmax_4表示第四矩阵的最大特征值,X3表示第三矩阵,X4表示第四矩阵。
文本依存矩阵是自然语言处理中的重要概念,用于表示文本中词与词之间的依存关系。在自然语言处理领域,文本依存矩阵被广泛应用于句法分析、语义分析和信息抽取等任务中。
进一步地,S36包括以下子步骤:
S361、根据完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度,确定完整发货地址与标准发货地址之间的核对距离;
S362、根据完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,确定完整收货地址与标准收货地址之间的核对距离;
S363、根据完整发货地址与标准发货地址之间的核对距离以及完整收货地址与标准收货地址之间的核对距离,计算核对信息参数;
S364、若核对信息参数大于或等于核对信息阈值,则冷链物流货物核对通过,并将核对通过的冷链物流货物进行入库仓储,否则核对不通过。
核对信息阈值可以人工设置,也可以依靠历史仓储数据生成。
进一步地,S361中,完整发货地址与标准发货地址之间的核对距离D1的计算公式为:;式中,F12表示完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度,Zm表示完整发货地址的剩余字段中第m个单词的词向量,M表示完整发货地址的剩余字段的单词个数,Yn表示标准发货地址的剩余字段中第n个单词的词向量,N表示标准发货地址的剩余字段的单词个数;
S362中,完整收货地址与标准收货地址之间的核对距离D2的计算公式为:;式中,F34表示完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,Zk表示完整收货地址的剩余字段中第k个单词的词向量,K表示完整收货地址的剩余字段的单词个数,Yh表示标准收货地址的剩余字段中第h个单词的词向量,H表示标准收货地址的剩余字段的单词个数。
进一步地,S363中,核对信息参数的计算公式为:;式中,D1表示完整发货地址与标准发货地址之间的核对距离,D2表示完整收货地址与标准收货地址之间的核对距离。
本发明的有益效果是:本发明公开了一种货物仓储数据管理方法,可以对冷链物流货物的签收信息进行补齐,得到冷链物流货物的完整收发货地址,再将冷链物流货物的完整收发货地址与仓储清单中对应的标准收发货地址进行文本核对,在冷链物流货物的完整收发货地址核对通过的情况下,对冷链物流货物进行入库仓储,保证冷链物流货物进入的仓库准确,避免误拣的情况,提高货物仓储数据管理效率。
附图说明
图1为货物仓储数据管理方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种货物仓储数据管理方法,包括以下步骤:
S1、扫描冷链物流货物的二维码,获取冷链物流货物的签收信息;
S2、根据冷链物流货物的签收信息,在仓储清单中确定对应的运输信息;
S3、对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储;
S3包括以下子步骤:
S31、对签收信息中的实际发货地址和实际收货地址进行补齐,得到完整发货地址和完整收货地址;
S32、提取完整发货地址的局部字段以及完整收货地址的局部字段,提取标准发货地址的局部字段以及标准收货地址的局部字段;
S33、判断完整发货地址的局部字段与标准发货地址的局部字段以及完整收货地址的局部字段与标准收货地址的局部字段是否满足局部匹配模型,若是则进入S34,否则冷链物流货物核对不通过;
S34、提取完整发货地址的剩余字段对应的文本依存矩阵,作为第一矩阵,提取标准发货地址的剩余字段对应的文本依存矩阵,作为第二矩阵,提取完整收货地址的剩余字段对应的文本依存矩阵,作为第三矩阵,提取标准收货地址的剩余字段对应的文本依存矩阵,作为第四矩阵;
S35、根据第一矩阵和第二矩阵,确定完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度;根据第三矩阵和第四矩阵,确定完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度;
S36、根据完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度以及完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储。
在本发明中,在冷链物流货物到达时,可以扫描二维码,获取该冷链物流货物在运输过程中产生的信息,比如实际发货地址和实际收货地址,本发明需要对冷链物流货物的实际发货地址和仓储清单中标准发货地址进行信息核对,还需要对冷链物流货物的实际收货地址与仓储清单中标准收货地址进行信息核对,保证该冷链物流货物运输的收发货地址正确的情况下进行入库仓储。通常,货物的地址需要描述详细的地理位置,比如省市区街道+具体门牌号。因此本发明先对地址中的省市区(即局部字段)进行核对。局部字段因为只包含了省市区的描述,其字段内容简单且有限,所以利用编辑距离函数判断即可,编辑距离函数值越小,则两个地址之间的相似度越高。然后,本发明利用文本依存矩阵对地址中的剩余字段(即街道+具体门牌号)进行进一步精准核对,提高地址核对的准确率。
对地址补齐需要利用地址匹配算法。地址匹配算法是实现地址自动匹配功能的核心部分,它能通过输入的地址信息,从数据库中匹配出正确的地址,常用的地址匹配算法有模糊匹配和最短编辑距离等,也可以使用字符串处理函数和正则表达式来实现地址匹配算法。
在本发明实施例中,S1中,冷链物流货物的签收信息包括物流单号、实际发货地址和实际收货地址。
在本发明实施例中,S2中,在仓储清单中获取与签收信息的物流单号相同的标准物流单号,并将标准物流单号对应的标准发货地址和标准收货地址作为运输信息。
仓储清单是管理物流业务过程中非常重要的一环,可以记录货物的任何信息。在本发明中,记录了物流的标准单号、标准发货地址和标准收货地址。
在本发明实施例中,S33中,局部匹配模型的表达式为:;式中,Sentire表示完整发货地址的局部字段,Snorm表示标准发货地址的局部字段,Rentire表示完整收货地址的局部字段,Rnorm表示标准收货地址的局部字段,J(·)表示编辑距离函数。
编辑距离是一个度量两个字符序列之间差异的字符串度量标准,两个单词之间的编辑距离是将一个单词转换为另一个单词所需的单字符编辑的最小数量。一般来说,编辑距离越小,两个字符串的相似度越大。
在本发明实施例中,S35中,完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度的F12计算公式为:;式中,λmax_1表示第一矩阵的最大特征值,λmax_2表示第二矩阵的最大特征值,X1表示第一矩阵,X2表示第二矩阵,||·||2表示矩阵二范数运算;
S35中,完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度的F34计算公式为:;式中,λmax_3表示第三矩阵的最大特征值,λmax_4表示第四矩阵的最大特征值,X3表示第三矩阵,X4表示第四矩阵。
文本依存矩阵是自然语言处理中的重要概念,用于表示文本中词与词之间的依存关系。在自然语言处理领域,文本依存矩阵被广泛应用于句法分析、语义分析和信息抽取等任务中。
在本发明实施例中,S36包括以下子步骤:
S361、根据完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度,确定完整发货地址与标准发货地址之间的核对距离;
S362、根据完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,确定完整收货地址与标准收货地址之间的核对距离;
S363、根据完整发货地址与标准发货地址之间的核对距离以及完整收货地址与标准收货地址之间的核对距离,计算核对信息参数;
S364、若核对信息参数大于或等于核对信息阈值,则冷链物流货物核对通过,并将核对通过的冷链物流货物进行入库仓储,否则核对不通过。
核对信息阈值可以人工设置,也可以依靠历史仓储数据生成。
在本发明实施例中,S361中,完整发货地址与标准发货地址之间的核对距离D1的计算公式为:;式中,F12表示完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度,Zm表示完整发货地址的剩余字段中第m个单词的词向量,M表示完整发货地址的剩余字段的单词个数,Yn表示标准发货地址的剩余字段中第n个单词的词向量,N表示标准发货地址的剩余字段的单词个数;
S362中,完整收货地址与标准收货地址之间的核对距离D2的计算公式为:;式中,F34表示完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,Zk表示完整收货地址的剩余字段中第k个单词的词向量,K表示完整收货地址的剩余字段的单词个数,Yh表示标准收货地址的剩余字段中第h个单词的词向量,H表示标准收货地址的剩余字段的单词个数。
在本发明实施例中,S363中,核对信息参数的计算公式为:;式中,D1表示完整发货地址与标准发货地址之间的核对距离,D2表示完整收货地址与标准收货地址之间的核对距离。
下面结合具体实施例对本发明进行说明。比如通过扫描货物A的二维码,获取其签收信息,发货地址为四川省乐山市中区滨河路x号,收货地址为四川省成都成华X街道Y小区。对签收信息进行补齐后,得到完整发货地址为四川省乐山市市中区滨河路x号,完整收货地址为四川省成都市成华区X街道Y小区。根据货物A的物流编号,得到标准收发货地址。提取完整发货地址的局部字段(四川省乐山市市中区)和完整收获地址的局部字段(四川省成都市成华区)分别于标准收发货地址进行核对,发现核对通过,均为四川省乐山市市中区以及四川省成都市成华区。接着,对提取第一矩阵(即滨河路x号对应的文本依存矩阵)和第三矩阵(即X街道Y小区对应的文本依存矩阵),进行相关复杂度计算,发现核对通过,将货物A进行入库仓储。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种货物仓储数据管理方法,其特征在于,包括以下步骤:
S1、扫描冷链物流货物的二维码,获取冷链物流货物的签收信息;
S2、根据冷链物流货物的签收信息,在仓储清单中确定对应的运输信息;
S3、对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储;
所述S3包括以下子步骤:
S31、对签收信息中的实际发货地址和实际收货地址进行补齐,得到完整发货地址和完整收货地址;
S32、提取完整发货地址的局部字段以及完整收货地址的局部字段,提取标准发货地址的局部字段以及标准收货地址的局部字段;
S33、判断完整发货地址的局部字段与标准发货地址的局部字段以及完整收货地址的局部字段与标准收货地址的局部字段是否满足局部匹配模型,若是则进入S34,否则冷链物流货物核对不通过;
S34、提取完整发货地址的剩余字段对应的文本依存矩阵,作为第一矩阵,提取标准发货地址的剩余字段对应的文本依存矩阵,作为第二矩阵,提取完整收货地址的剩余字段对应的文本依存矩阵,作为第三矩阵,提取标准收货地址的剩余字段对应的文本依存矩阵,作为第四矩阵;
S35、根据第一矩阵和第二矩阵,确定完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度;根据第三矩阵和第四矩阵,确定完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度;
S36、根据完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度以及完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,对冷链物流货物的签收信息以及对应的运输信息进行核对,将核对通过的冷链物流货物进行入库仓储。
2.根据权利要求1所述的货物仓储数据管理方法,其特征在于,所述S1中,冷链物流货物的签收信息包括物流单号、实际发货地址和实际收货地址。
3.根据权利要求1所述的货物仓储数据管理方法,其特征在于,所述S2中,在仓储清单中获取与签收信息的物流单号相同的标准物流单号,并将标准物流单号对应的标准发货地址和标准收货地址作为运输信息。
4.根据权利要求1所述的货物仓储数据管理方法,其特征在于,所述S33中,局部匹配模型的表达式为:;式中,Sentire表示完整发货地址的局部字段,Snorm表示标准发货地址的局部字段,Rentire表示完整收货地址的局部字段,Rnorm表示标准收货地址的局部字段,J(·)表示编辑距离函数。
5.根据权利要求1所述的货物仓储数据管理方法,其特征在于,所述S35中,完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度的F12计算公式为:;式中,λmax_1表示第一矩阵的最大特征值,λmax_2表示第二矩阵的最大特征值,X1表示第一矩阵,X2表示第二矩阵,||·||2表示矩阵二范数运算;
所述S35中,完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度的F34计算公式为:;式中,λmax_3表示第三矩阵的最大特征值,λmax_4表示第四矩阵的最大特征值,X3表示第三矩阵,X4表示第四矩阵。
6.根据权利要求1所述的货物仓储数据管理方法,其特征在于,所述S36包括以下子步骤:
S361、根据完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度,确定完整发货地址与标准发货地址之间的核对距离;
S362、根据完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,确定完整收货地址与标准收货地址之间的核对距离;
S363、根据完整发货地址与标准发货地址之间的核对距离以及完整收货地址与标准收货地址之间的核对距离,计算核对信息参数;
S364、若核对信息参数大于或等于核对信息阈值,则冷链物流货物核对通过,并将核对通过的冷链物流货物进行入库仓储,否则核对不通过。
7.根据权利要求6所述的货物仓储数据管理方法,其特征在于,所述S361中,完整发货地址与标准发货地址之间的核对距离D1的计算公式为:;式中,F12表示完整发货地址的剩余字段与标准发货地址的剩余字段之间的相关复杂度,Zm表示完整发货地址的剩余字段中第m个单词的词向量,M表示完整发货地址的剩余字段的单词个数,Yn表示标准发货地址的剩余字段中第n个单词的词向量,N表示标准发货地址的剩余字段的单词个数;
所述S362中,完整收货地址与标准收货地址之间的核对距离D2的计算公式为:;式中,F34表示完整收货地址的剩余字段与标准收货地址的剩余字段之间的相关复杂度,Zk表示完整收货地址的剩余字段中第k个单词的词向量,K表示完整收货地址的剩余字段的单词个数,Yh表示标准收货地址的剩余字段中第h个单词的词向量,H表示标准收货地址的剩余字段的单词个数。
8.根据权利要求6所述的货物仓储数据管理方法,其特征在于,所述S363中,核对信息参数的计算公式为:;式中,D1表示完整发货地址与标准发货地址之间的核对距离,D2表示完整收货地址与标准收货地址之间的核对距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508539.1A CN118096001B (zh) | 2024-04-26 | 一种货物仓储数据管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508539.1A CN118096001B (zh) | 2024-04-26 | 一种货物仓储数据管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118096001A true CN118096001A (zh) | 2024-05-28 |
CN118096001B CN118096001B (zh) | 2024-07-26 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004185515A (ja) * | 2002-12-05 | 2004-07-02 | Ricoh Co Ltd | テキストデータ評価装置、その方法、そのプログラム、及びその記録媒体 |
US20050137991A1 (en) * | 2003-12-18 | 2005-06-23 | Bruce Ben F. | Method and system for name and address validation and correction |
US20090026117A1 (en) * | 2004-10-01 | 2009-01-29 | Siemens Aktiengesellschaft | Method for sorting addressed mailings according to the destination address |
CN104484790A (zh) * | 2014-12-26 | 2015-04-01 | 清华大学深圳研究生院 | 一种物流业务的地址匹配方法及装置 |
CN111783474A (zh) * | 2020-07-16 | 2020-10-16 | 厦门市美亚柏科信息股份有限公司 | 一种评论文本观点信息处理方法、装置及存储介质 |
US20210065099A1 (en) * | 2019-09-03 | 2021-03-04 | United States Postal Service | Systems and methods for delivering items having encoded delivery points |
CA3170672A1 (en) * | 2021-08-16 | 2023-02-16 | 10353744 Canada Ltd. | Method of comparing hierarchical address text similarities, device and medium |
CN116402040A (zh) * | 2023-04-06 | 2023-07-07 | 广州欢聚时代信息科技有限公司 | 地址匹配方法及其装置、设备、介质 |
CN116431624A (zh) * | 2021-12-29 | 2023-07-14 | 丰图科技(深圳)有限公司 | 业务网点分配方法、装置、设备和存储介质 |
CN116823380A (zh) * | 2023-04-06 | 2023-09-29 | 上海通天晓信息技术有限公司 | 一种电商订单的自动处理方法和装置 |
CN117194614A (zh) * | 2023-11-02 | 2023-12-08 | 北京中电普华信息技术有限公司 | 一种文本差异识别方法、装置和计算机可读介质 |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004185515A (ja) * | 2002-12-05 | 2004-07-02 | Ricoh Co Ltd | テキストデータ評価装置、その方法、そのプログラム、及びその記録媒体 |
US20050137991A1 (en) * | 2003-12-18 | 2005-06-23 | Bruce Ben F. | Method and system for name and address validation and correction |
US20090026117A1 (en) * | 2004-10-01 | 2009-01-29 | Siemens Aktiengesellschaft | Method for sorting addressed mailings according to the destination address |
CN104484790A (zh) * | 2014-12-26 | 2015-04-01 | 清华大学深圳研究生院 | 一种物流业务的地址匹配方法及装置 |
US20210065099A1 (en) * | 2019-09-03 | 2021-03-04 | United States Postal Service | Systems and methods for delivering items having encoded delivery points |
CN111783474A (zh) * | 2020-07-16 | 2020-10-16 | 厦门市美亚柏科信息股份有限公司 | 一种评论文本观点信息处理方法、装置及存储介质 |
CA3170672A1 (en) * | 2021-08-16 | 2023-02-16 | 10353744 Canada Ltd. | Method of comparing hierarchical address text similarities, device and medium |
CN116431624A (zh) * | 2021-12-29 | 2023-07-14 | 丰图科技(深圳)有限公司 | 业务网点分配方法、装置、设备和存储介质 |
CN116402040A (zh) * | 2023-04-06 | 2023-07-07 | 广州欢聚时代信息科技有限公司 | 地址匹配方法及其装置、设备、介质 |
CN116823380A (zh) * | 2023-04-06 | 2023-09-29 | 上海通天晓信息技术有限公司 | 一种电商订单的自动处理方法和装置 |
CN117194614A (zh) * | 2023-11-02 | 2023-12-08 | 北京中电普华信息技术有限公司 | 一种文本差异识别方法、装置和计算机可读介质 |
Non-Patent Citations (1)
Title |
---|
邵妍;刘燕兵;谭建龙;郭莉;: "基于概率统计模型的快递地址自动分类方法", 计算机工程, no. 23, 5 December 2012 (2012-12-05) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887153B (zh) | 一种财税处理方法和处理*** | |
Dong et al. | Tablesense: Spreadsheet table detection with convolutional neural networks | |
CN110704633A (zh) | 命名实体识别方法、装置、计算机设备及存储介质 | |
CN109446885B (zh) | 一种基于文本的元器件识别方法、***、装置和存储介质 | |
CN110110335A (zh) | 一种基于层叠模型的命名实体识别方法 | |
CN110782123B (zh) | 决策方案的匹配方法、装置、计算机设备及存储介质 | |
CN111723575A (zh) | 识别文本的方法、装置、电子设备及介质 | |
CN109508458B (zh) | 法律实体的识别方法及装置 | |
EP2671190B1 (en) | System for data extraction and processing | |
CN114139533B (zh) | 一种面向中文小说领域的文本内容审核方法 | |
CN109740642A (zh) | ***类别识别方法、装置、电子设备及可读存储介质 | |
CN113486178B (zh) | 文本识别模型训练方法、文本识别方法、装置以及介质 | |
CN112581252A (zh) | 融合多维相似度与规则集合的地址模糊匹配方法及*** | |
US20010003817A1 (en) | Knowledge finding method | |
CN118096001B (zh) | 一种货物仓储数据管理方法 | |
CN112668335A (zh) | 一种利用命名实体识别提取营业执照结构化信息的方法 | |
CN118096001A (zh) | 一种货物仓储数据管理方法 | |
CN111967246A (zh) | 一种购物票据识别结果纠错方法 | |
CN116383414A (zh) | 一种基于碳核查知识图谱的智能文件评审***及方法 | |
CN115309995A (zh) | 一种基于需求文本的科技资源推送方法和装置 | |
CN115358229A (zh) | 基于特征相似度与特征值相似度融合的快递地址聚类方法 | |
CN111708862B (zh) | 文本匹配方法、装置及电子设备 | |
US20210073847A1 (en) | Systems and methods for automated processing and analysis of deduction backup data | |
CN113901216A (zh) | 数据标注、表格信息的提取方法、装置及电子设备 | |
CN114049642A (zh) | 一种表格证件影像件的文本识别方法及计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |