基于京东快递文本识别的自然语言优化之路

1、技术创新，变革未来基于京东快递文本识别的自然语言优化之路三河的故事地址有规范吗？四级地址是什么？北太平庄桥属于海淀还是朝 阳？收件姓名是来这个星球 吗？业务意义根据订单收货地址、商品属性、卖家类型 等计算末端配送站信 息从ofc获得订单信 息， 下传订单信息 到运单系统， 控制 下传速度为仓库、分拣提供打 印时的包裹标签信 息：站点，路区，京 鲜达等信息作为订单流程的部分， 下传订单信息到运单系统实现分拣中快速作业指导站点提前安排配送资源让KA商家提前知道包裹配送的路由信息分单的意义目标：结构化朝阳亚奥北8号北A座到了橘1381输-解构：本实体查询北京海淀北京政详细地址附姓名电话输出：召回怎么

2、做分词？样本库北京兴亦庄朝林场A座熊 练语料库 地址库到货请联系我前电话 先电话联系送前电话联系以便留签收电话联系分词模型label名称词语城市北京区县兴poi朝林厦名张三电到了电话名姓 吴 *汪*库1392300*1527015*电 话 库地址库地址分词词典神经络本解析络结构+词库 遗留问题？语义相似度Word2Vec+TextCnn构建地址模型“政区划”北京兴区荣华中路 19号 朝林场A座500dim Embedding(Word2Vec)Classification(TextCNN)Address 27990.0028190.00510

3、80.9851510.00convolutionpoolingdensesoftmax0.070.50.220.200.180.150.310.010.330.06-0.1-0.20.590.130.34-0.2-0.10.410.050.10.340.01-0.20.14-0.40.780.090.10.45-0.30.040.450.01-0.50.020.87-0.80.020.230.17-0.60.080.19-0.20.120.070.10.37-0.10.02-0.3-0.60.370.220.450.340.010.250.63-0.30.150.140.29-0.10.560

4、.030.24-0.50.310.410.020.18concatenate结构化基础数据建设架构地址库标注 与检查词性分析=+同X词词性分析地址结构化地名消歧动补全语义相似未登录词监督监督?其他?地址挖掘序列语料语料库未登录词-编辑距离北京市朝阳区中关村街道中关村南条7号政区划 北京市 朝阳区中关村街道 中关村地址树路径北京市：0,0朝阳区: 0,0,2,5,12中关村街道: 0,0,3,10中关村: 0,0,3,10对候选地址进惩罚值 计算若词语不落在候选路径 上，对路径累加惩罚 值，惩罚值设为该词不 为政区划词的概率的 对数值。惩罚值最的路径0,0,3,10政区划北京 北京市 海淀区中关

5、村街道反馈提供概率值政区划别名库亦庄镇亦庄: 723586, 亦庄镇: 29369双流区双流区: 1189560, 双流县: 成都成都市: 10792101, 成都: 523446输出除噪结果别名北京市：北京中关村街道：中关村街道 中关村：中关村街道输出别名库中国北京北京东城城朝阳海淀上海存储地址树相似度匹配相似度匹配预处理围栏清洗BiLSTM+CRF分词模型训练词向量TextCNN模型后处理置信度归化相似度匹配-打分(,) = (,)NiW 每个词在全档的权重值(,) 每个查询词在当前档中的得分jaccard index(AB/AB)线性回归并以及 sigmoid 归化来构建评估搜索返回结果置信度