包裹运输风险预测方法、装置、设备和计算机存储介质与流程

技术特征：
1.一种包裹运输风险预测方法，其特征在于，所述包裹运输风险预测方法包括：获取待预测的包裹的运单信息；通过预设的运输风险预测模型中的特征分析网络对所述运单信息进行特征提取，得到所述运单信息对应的特征信息，所述运单信息包括：邮寄客户信息、邮寄地址信息、邮寄人员信息、运输时间信息和邮件包裹信息中的至少一个；所述特征信息包括原始特征、衍生特征、地址特征、目标编码特征和时间序列特征中的至少一个；通过所述运输风险预测模型对所述特征信息对应的向量进行加权处理，得到所述包裹的运输风险预测结果。2.如权利要求1所述的包裹运输风险预测方法，其特征在于，所述通过预设的运输风险预测模型中的特征分析网络对所述运单信息进行特征提取，得到所述运单信息对应的特征信息之前，所述方法包括：获取海量的运单信息和破损理赔信息，根据所述破损理赔信息标记所述运单信息，并将标记的运单信息作为训练样本；通过初始预测模型中的特征提取神经网络对各所述训练样本进行特征提取，得到各所述训练样本对应的特征信息；针对每个所述训练样本，分别融合所述训练样本对应的所述特征信息，通过融合后的特征信息对所述初始预测模型进行迭代训练，得到运输风险预测模型。3.如权利要求2所述的包裹运输风险预测方法，其特征在于，所述初始预测模型中包括特征提取神经网络；所述通过初始预测模型中的特征提取神经网络对各所述训练样本进行特征提取，得到各所述训练样本对应的特征信息，包括：通过所述特征提取神经网络对各所述训练样本中的数值类型字段进行处理，得到原始特征；通过所述特征提取神经网络对各所述训练样本中的基本信息字段进行处理，得到衍生特征；通过所述特征提取神经网络对各所述训练样本中的文本类型字段进行处理，得到地址特征；通过所述特征提取神经网络对各所述训练样本中的寄件人信息、收件人信息和邮递员信息进行处理，得到目标编码特征；通过所述特征提取神经网络对各所述训练样本中的破损信息进行处理，得到时间序列特征；将所述原始特征、所述衍生特征、所述地址特征、所述目标编码特征和所述时间序列特征至少一项汇总，得到特征信息。4.如权利要求3所述的包裹运输风险预测方法，其特征在于，所述通过所述特征提取神经网络对各所述训练样本中的文本类型字段进行处理，得到地址特征之前，所述方法包括：将各所述邮寄地址信息进行分解，得到最小的字段单元；将各所述字段单元中相邻的字段单元进行组合，得到词组组合，并统计各所述词组组合的频率；获取频率最大的目标词组组合，按照所述目标词组组合对各所述邮寄地址信息进行分
解重组，得到新的目标词组组合，按照所述新的目标词组组合进行迭代分解重组；统计迭代得到的各目标词组组合，生成的地址字典。5.如权利要求4所述的包裹运输风险预测方法，其特征在于，所述通过所述特征提取神经网络对各所述训练样本中的文本类型字段进行处理，得到地址特征，包括：通过所述特征提取神经网络按照所述地址字典对各所述训练样本中的文本类型字段进行处理，得到地址特征。6.如权利要求3所述的包裹运输风险预测方法，其特征在于，所述通过所述特征提取神经网络对各所述训练样本中的寄件人信息、收件人信息和邮递员信息进行处理，得到目标编码特征，包括：将各所述训练样本随机划分形成训练样本子集，通过预设数量的所述训练样本子集对所述特征提取神经网络进行训练；通过训练后的特征提取神经网络对目标训练样本子集中的寄件人信息、收件人信息和邮递员信息进行处理，得到训练编码特征；通过预设数量的新的训练样本子集对所述特征提取神经网络进行迭代，得到新的训练编码特征；将各所述训练编码特征加权处理，得到目标编码特征。7.如权利要求2所述的包裹运输风险预测方法，其特征在于，所述针对每个所述训练样本，分别融合所述训练样本对应的所述特征信息，通过融合后的特征信息对所述初始预测模型进行迭代训练，得到运输风险预测模型，包括：针对每个所述训练样本，分别将所述训练样本对应的所述特征信息进行拼接；通过各拼接后的特征信息对所述初始预测模型进行迭代训练，得到训练预测模型；若所述训练预测模型的预测准确率高于预设准确率阈值，则将所述训练预测模型作为预设的运输风险预测模型输出。8.如权利要求1-7任意一项所述的包裹运输风险预测方法，其特征在于，所述获取待预测的包裹的运单信息，包括：接收包裹运输风险预测指令，获取待预测的包裹的图像信息；对所述图像信息进行光学字符识别，得到所述包裹的邮寄基础信息；提取所述邮寄基础信息中运单标识，获取预设数据库中所述运单标识对应的邮寄关联信息，将所述邮寄基础信息和邮寄关联信息作为运单信息。9.如权利要求1-7任意一项所述的包裹运输风险预测方法，其特征在于，所述通过所述运输风险预测模型对所述特征信息对应的向量进行加权处理，得到所述包裹的运输风险预测结果之后，所述方法包括：若所述运输风险预测结果为破损概率值高于预设概率阈值，则对所述包裹的内外包装进行拍照检测；若所述拍照检测的检测结果为包裹破损，则将所述包裹添加高风险标记，并输出提示信息。10.一种包裹运输风险预测装置，其特征在于，所述包裹运输风险预测装置包括：获取模块，用于获取待预测的包裹的运单信息；提取模块，用于通过预设的运输风险预测模型中的特征分析网络对所述运单信息进行
特征提取，得到所述运单信息对应的特征信息，所述运单信息包括邮寄客户信息、邮寄地址信息、邮寄人员信息、运输时间信息和邮件包裹信息中的至少一个；所述特征信息包括原始特征、衍生特征、地址特征、目标编码特征和时间序列特征中的至少一个；预测模块，用于通过所述运输风险预测模型对所述特征信息对应的向量进行加权处理，得到所述包裹的运输风险预测结果。11.一种包裹运输风险预测设备，其特征在于，所述包裹运输风险预测设备包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至8中任一项所述的包裹运输风险预测方法中的步骤。12.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至8任一项所述的包裹运输风险预测方法中的步骤。

技术总结
本申请提供一种包裹运输风险预测方法、装置、设备和计算机存储介质；本申请中包裹运输风险预测方法包括：获取待预测的包裹的运单信息；通过预设的运输风险预测模型中的特征分析网络对所述运单信息进行特征提取，得到所述运单信息对应的特征信息，所述特征信息包括原始特征、衍生特征、地址特征、目标编码特征和时间序列特征中的至少一个；通过所述运输风险预测模型对所述特征信息对应的向量进行加权处理，得到所述包裹的运输风险预测结果；本申请实施例中预设破损模型根据运单信息进行特征提取，进行全面的包裹运输风险评估，实现了包裹运输风险的准确预测。风险的准确预测。风险的准确预测。


技术研发人员：郭嘉伟 罗嘉濠 宋晨川 黄则鸣 崔子玲
受保护的技术使用者：顺丰科技有限公司
技术研发日：2021.08.04
技术公布日：2023/2/17