本發(fā)明涉及網絡數據處理
技術領域：
，特別涉及一種派送網點確定方法。本發(fā)明同時還涉及一種派送網點確定設備。
背景技術：
：隨著互聯網的普及，網絡購物的優(yōu)點更加突出，并且正日益成為一種重要的購物形式，越來越多的消費者選擇在各大電商平臺購買自己喜歡的商品，他們通過互聯網在各個電商平臺檢索或是瀏覽商品的相關信息，并通過電子訂單發(fā)出購物請求，在消費者完成了支付或是預付款后，廠商通過快遞公司為消費者送貨上門。對于傳統(tǒng)快遞行業(yè)而言，物流公司對使用物流服務的用戶的包裹，通常采用人工方式進行分單處理(即確定用于派送該包裹的派送網點)。例如，首先，通過人工的方式查看每個包裹對應的派送目的用戶的收貨地址；然后，根據經驗或是預先劃定的派送范圍確定該物流包裹的派件區(qū)域；最后，派送網點再結合其他一些決策信息對包裹進行分單，從而確定派送該包裹的派件網點。隨著網絡交易的不斷發(fā)展，對于物流公司來說，其每日的分單量將會越來越大，目前現有的分單方式使得物流公司分單依賴人力成本過高，隨著工作人員疲憊、離職、情緒化等原因，將會不可避免的發(fā)生分單錯誤，且工作人員需要人為查看每個包裹的地址，效率低下。因此，如何針對派送包裹的目的地址進行預測及分析，自動確定分單結果(用于派送該包裹的派送網點)，從而提高物流公司工作效率，成為本領域技術人員亟待解決的技術問題。技術實現要素：本發(fā)明提供了一種派送網點確定方法，能夠根據用戶物流訂單中的目的地址自動確定用于派送用戶的物流的派送地址，從而提高處理效率，節(jié)省人力資源。該方法應用于服務器，包括以下步驟：服務器接收客戶端發(fā)送的地址處理請求，所述地址處理請求中攜帶與第一用戶的物流訂單對應的目的地址；將所述目的地址拆分為多個目的地址字段，根據離線概率詞數據庫以及所述目的地址字段，確定匹配概率最大的目的派送網點，所述匹配概率為在所述目的地址的條件下派送網點的條件概率，所述離線概率詞數據庫中包含在當前存在的各派送網點的條件下各所述目的地址字段的條件概率；向所述客戶端返回攜帶所述目的派送網點的地址處理響應。相應地，本發(fā)明還提出了一種應用于客戶端的派送網點確定方法，該方法包括以下步驟：向服務器發(fā)送攜帶所述目的地址的地址處理請求，所述目的地址對應于第一用戶的物流訂單；接收所述服務器返回的攜帶目的派送網點的地址處理響應，所述目的派送網點為所述服務器在將所述目的地址拆分為多個目的地址字段后，根據離線概率詞數據庫以及所述目的地址字段所確定的匹配概率最大的派送網點，所述匹配概率為在所述目的地址的條件下派送網點的條件概率，所述離線概率詞數據庫中包含在當前存在的各派送網點的條件下各所述目的地址字段的條件概率；向第二用戶返回攜帶所述目的派送網點的分單處理結果消息，以使所述第二用戶根據所述目的派送網點進行分單處理。由此可見，通過應用本發(fā)明的技術方案，在獲取了待處理訂單中的用戶的收貨地址后，將收貨地址通過分詞處理劃分為多個地址關鍵詞，根據預設的離線概率詞數據庫以及多個地址關鍵詞確定與收貨地址匹配概率最大的派送網點，最后將派送網點作為與收貨地址對應的派送地址。從而能夠實時計算與訂單中用戶的收貨地址匹配度最大的派送網點，節(jié)省了人力資源，提高了處理效率。附圖說明圖1為本申請實施例一提出的一種派送網點確定方法的流程示意圖；圖2為本申請實施例二提出的另一種派送網點確定方法的流程示意圖；圖3為本申請實施例三提出的一種服務器的結構示意圖；圖4為本申請實施例四提出的一種客戶端的結構示意圖。具體實施方式有鑒于
背景技術：
中所提出的技術問題，本發(fā)明提出了一種派送網點確定方法，用以協(xié)助物流公司提高物流包裹的派送地址確定效率。該方法應用于由客戶端以及服務器組成的物流分析系統(tǒng)中，在該物流分析系統(tǒng)中服務器可由物流分析服務的提供商預先架設，也可由物流公司根據自身的情況自行搭建；客戶端則是面向物流公司的各個分單部門，負責對包裹進行分單的物流公司人員通過該客戶端與服務器進行連接，從而針對待分單包裹確定其對應的派送網點。由于本發(fā)明主要是面向物流公司并針對消費者的快件地址進行分單，因此，為了區(qū)分使用用戶以及目標用戶，本發(fā)明將通過物流公司所需要派送的快件的目的用戶作為第一用戶，該類型的用戶可以為通過電商平臺購買商品而待收貨的消費者，也可以為因個人需要所寄送的快件的收件人；相應地，通過本發(fā)明的客戶端針對快件進行分單處理的人員則作為第二用戶，該類型的用戶利用本發(fā)明的客戶端與服務器進行交互，針對待分單的快件進 行分單處理，從而確定與第一用戶的地址對應的派送網點。實施例一該實施例主要實現的是服務器針對物流分單人員通過客戶端輸入的用戶的包裹派送地址進行分析處理，最終通過客戶端向物流分單人員告知該包裹具體應由該物流公司下屬的哪個派送網點進行派送。作為面向物流分單人員的專用設備，客戶端用于獲取與買家用戶的包裹對應的派送地址信息以及服務器返回的內容，并將服務器返回的內容向物流分單人員進行展示。其既可是兼容鍵位輸入以及觸屏輸入的移動設備，也可以是PC設備。如圖1所示，該實施例包括以下步驟：S101，服務器接收客戶端發(fā)送的地址處理請求，所述地址處理請求中攜帶與第一用戶的物流訂單對應的目的地址。當作為物流公司工作人員的第二用戶需要對作為消費者的第一用戶的快件進行分單處理時，第二用戶需要獲取該快件的目的地址，并將該快件的目的地址輸入客戶端，這樣客戶端才能夠將目的地址發(fā)送至服務器確定用于派送該快件的派送網點，并將該派送網點作為目的派送網點告知第二用戶。對于獲取快件目的地址的方式，第二用戶可以通過人工識別快件上所標明的目的地址，并將目的地址通過客戶端的輸入設備輸入至客戶端以生成分單處理請求。由于第一用戶的快件的目的地址與該用戶的物流訂單的目的地址相同，因此，出于效率角度的考慮，第二用戶可以事先通過與物流訂單數據庫對接的接口獲取作為電子數據的第一用戶的物流訂單信息，并直接將物流訂單信息輸入至客戶端以生成分單處理請求，客戶端在接收到該分單處理請求后，即可根據其中攜帶的物流訂單信息提取第一用戶的物流訂單信息中的目的地址，這樣即實現了第一用戶的目的地址的快速導入。在本發(fā)明的具體實施例可用于各類商品平臺和物流平臺。在本實施例中， 以消費者(第一用戶)通過淘寶平臺購買商品為例進行說明，但不構成對本發(fā)明保護范圍的限制。消費者在確認物流訂單時需要填入其需要派送的目的地址(住址或家庭地址)，淘寶平臺對應生成了包含該目的地址的物流訂單。在與該物流訂單對應的快件到達物流公司之后，物流公司的分單員工(第二用戶)通過與淘寶平臺對接的數據接口獲取與該快件對應的物流訂單信息，并將該物流訂單信息輸入至專用于分單處理的客戶端設備，客戶端設備即可對該物流訂單信息進行分析，提取其中消費者的住址或單位地址，并將該地址作為目的地址發(fā)送至服務器。以上通過人工以及數據提取的示例說明了第二用戶如何通過客戶端向服務器發(fā)送攜帶目的地址的地址處理請求，在此基礎上，本領域技術人員可以基于第一用戶在下單后形成的物流訂單信息采取其他同樣能夠高效獲取第一用戶的快件的目的地址的方式，這些均屬于本發(fā)明的保護范圍。本發(fā)明是基于歷史的用戶交易行為對當前的目的地址進行分析以獲取最大可能用于派送快件的派送網點，為了能夠準確的得到與各個不同地址段對應的派送網點的概率數據，本申請設置了離線概率詞數據庫，在該離線概率詞數據庫包含了在當前存在的各派送網點的條件下各所述目的地址字段的條件概率，其具體形式可如下表1所示：地址段/派送網點地址段A地址段B地址段C……派送網點10.240.320.09派送網點20.140.120.14派送網點30.040.080.19……表1在以上表格中，各個地址段為經過拆分之后的目的地址的不同部分，在本申請的優(yōu)選實施例中，目的地址可按照省字段、市字段、鄉(xiāng)鎮(zhèn)字段、區(qū)字段、住宅樓字段、主干道路字段、支線道路字段、工業(yè)區(qū)字段等類型進行拆分，在此基礎上也可以進一步采用其他類型的地址字段。而派送網點即為該物流公司當前所具有的能夠用于派送快件的派送網點。需要說明的是，該表格中的字段和派送網點可以由第二用戶預先手動進行設置。為了提高處理效率，在本申請的優(yōu)選實施例中也提出了離線概率詞數據庫的自動生成方式，服務器首先獲取類型與所述第一用戶相同的其他用戶的交易日志數據，在該交易日志數據包含與各所述其他用戶對應的派送地址以及與各所述已派送地址對應的派送網點。隨后服務器將各所述派送地址拆分為多個地址字段(對地址中所包含的省、市、區(qū)等級別進行區(qū)分的字段)，根據拆分后的地址字段以及所獲取的派送網點對應生成樣本數據集合；最后確定在所述樣本數據集合中各派送網點的條件下各所述地址字段的條件概率，并根據所述條件概率生成所述離線概率詞數據庫。以消費者在淘寶購買商品并派送成功的已完成訂單為例，該具體實施例中使用服務器分布式計算集群分析物流流轉以及交易全量數據且生成樣本數據集合。其中，消費者的目的地址被分詞切成地址詞a向量，并通過物流訂單的標識ID查詢物流流轉詳情，提取物流派送網點名稱信息。假設某個消費者的住址為：“北京市東城區(qū)東直門東方銀座商業(yè)區(qū)6棟6樓605”，對應的派送網點為東四十條分部。本具體實施例將目的地址拆分為“北京市、東城區(qū)、東直門、東方銀座商業(yè)區(qū)”該四個不同類型的地址字段。對應樣本數據集合中的每個樣本是唯一的地址字段向量與網點的對應關系，樣本形式為[北京市、東城區(qū)、東直門、東方銀座商業(yè)區(qū)，東四十條分部]。對于服務器來說，交易日志數據是其所需要獲取的內容的最終形式。為 了使服務器能夠得到交易日志數據，第二用戶可以預先將已派送的各個快件的目的地址與派送的派送網點的對應關系整理并通過客戶端上傳至服務器。在此人工方式的基礎上，本申請優(yōu)選實施例中提出了由服務器自動根據當前已完成的物流訂單信息獲取交易日志數據的方案。通過與電商平臺或是物流公司的數據接口對接，服務器獲取同樣為消費者的其他用戶當前派送狀態(tài)為已完成的物流訂單信息，一方面提取所述物流訂單信息中的目的地址，將所述目的地址作為與所述其他用戶對應的所述派送地址；另一方面，基于物流公司的物流流轉數據與物流訂單之間的關聯，根據所述物流訂單信息中的訂單號獲取與所述訂單號對應的物流流轉數據，并提取所述物流流轉數據中的派送網點，從而實現了派送網點與目的地址之間對應關系的自動獲取。以上文中的具體實施例為例，在服務器所獲取到的已經完成的物流訂單信息中，包含消費者所填寫的送貨地址，該送貨地址即類型與第一用戶相同的其他用戶的派送地址，例如：北京市東城區(qū)東直門東方銀座商業(yè)區(qū)6棟6樓605。同時服務器根據該物流訂單信息中的訂單號獲取相應的物流流轉數據，獲取到該物流訂單對應的快件的最終由物流公司的東四十條派送網點來進行配送，則確定東四十條為派送網點。由于以上實施例將拆分后的地址字段以及所獲取的派送網點囊括于創(chuàng)建的樣本數據集合中，因此，在針對某一個地址字段生成其對應目前各個已知派送網點的條件概率時，可首先確定所述地址字段在所述樣本數據集合中所出現的第一概率、所述派送網點在所述樣本數據集合中所出現的第二概率以及所述地址字段與所述派送網點在所述樣本數據集合中同時對應出現的第三概率，隨后即可根據所述第一概率、所述第二概率以及第三概率確定在所述地址字段的條件下各所述派送網點的條件概率。以在具體實施例中的地理字段為東直門為例，第一概率即“東直門”這 個地址字段在整個樣板數據集合中所出現的概率；相應地，第二概率即“東四十條分部”這個詞語在整個樣板數據集合中出現的概率。然后基于第一概率和第二概率確定在目的地址中出現“東直門”該地址字段的情況下同時出現“東四十條分部”的條件概率。在一種優(yōu)選的實施方式中，技術人員可采用樸素貝葉斯分類方法確定在出現特定地址字段的前提下還出現某個派送網點的概率，從而生成離線概率詞數據庫。假定P(x)為樣本數據集合中“東直門”該地址字段的出現概率，P(yi)為樣本集合中“東四十條分部”該派送網點的出現概率，P(xyi)為“東直門”與“東四十條分部”同時對應出現的概率，那么即可通過P(x|yi)＝P(xyi)/P(yi)確定樣本數據集合中在出現某個派送網點的條件下還出現指定地址字段的條件概率P(x|yi)。S102，將所述目的地址拆分為多個目的地址字段?；赟101中所獲取的目的地址，本步驟將該目的地址拆分為多個目的地址字段。一般來說，一個普通的地址主要由省、市、區(qū)、街道等不同類型的地址段循序漸進組成，而一個物流網點一般都是負責某個區(qū)域的配送，因此，在進行地址字段拆分時，可以根據實際情況設置地址字段的最小范圍。在本申請的優(yōu)選實施例中，技術人員可以根據實際情況從“省字段、市字段、鄉(xiāng)鎮(zhèn)字段、區(qū)字段、住宅樓字段、主干道路字段、支線道路字段、工業(yè)區(qū)字段”等類型中預先進行設置，所選擇的類目越多，那么后續(xù)分析結果的精確度也越高。在對目的地址進行拆分時，考慮到地址類信息的特殊性，可首先根據設置的分詞粒度(即所需要拆分的地址字段的類型)創(chuàng)建基于省、市、區(qū)等針對各個類型的地址字段的特征字符分詞方法元數據庫，隨后在此基礎上將目的地址進行拆分。特征字符是能夠對不同類型的地址字段進行區(qū)分的字符。例如，根據地址信息中是否含有省、市、區(qū)等特征字符可分部將其拆分為省 字段、市字段以及區(qū)字段，通過按特征字符出現的位置進行指定字段的截取(例如：特征字符“省”和“市”之間的字符串就是城市地址字段，從而保證了分詞的準確性。以上地址拆分方案僅為本發(fā)明提出的一種優(yōu)選實施方式，在具體的實施例中，假設目的地址為“浙江省杭州市西湖區(qū)紫荊花路96號”，技術人員可以通過以上方式或是其他分詞方法該地址字段拆分為“浙江省”、“杭州市”、“西湖區(qū)”、“紫荊花路”等四個不同類型的目的地址字段。S103，根據離線概率詞數據庫以及所述目的地址字段，確定匹配概率最大的目的派送網點，所述匹配概率為在所述目的地址的條件下派送網點的條件概率，所述離線概率詞數據庫中包含在當前存在的各派送網點的條件下各所述目的地址字段的條件概率。在針對目的地址完成地址字段的拆分之后，該步驟即可針對每個一個目的地址字段在離線概率詞數據庫查詢每個派送網點與其對應的條件概率，即根據所述離線概率詞數據庫中在當前存在的各派送網點的條件下各所述目的地址字段的條件概率。之后反向確定在各所述目的地址字段的條件下各所述派送網點的子條件概率，由于一個目的地址由多個目的地址字段組成，因此需要根據在各所述目的地址字段的條件下各所述派送網點的子條件概率生成與各所述派送網點對應的匹配概率，最后將與最大匹配概率對應的派送網點作為所述目的派送網點。以S102中具體實施例所拆分的各目的地址字段為例，假設離線概率詞數據庫中分別存在“浙江杭州西湖區(qū)轉塘公司”、“浙江杭州蕭山區(qū)黨灣公司”、“浙江杭州西湖區(qū)雙浦公司”以及“浙江杭州江干區(qū)下沙公司”等四個派送網點，該步驟將依次獲取離線概率詞數據庫中“浙江省”、“杭州市”、“西湖區(qū)”、“紫荊花路”對應該四個派送網點的條件概率。以“西湖區(qū)”為例， 其分別對應“浙江杭州西湖區(qū)轉塘公司”、“浙江杭州蕭山區(qū)黨灣公司”、“浙江杭州西湖區(qū)雙浦公司”以及“浙江杭州江干區(qū)下沙公司”的概率為0.4、0、0.7、0。隨后基于這些條件概率以及一下公式確定在出現了“西湖區(qū)”該指定字段的情況下各個派送網點的條件概率：P(yi|x)=P(x|yi)P(yi)P(x)]]>其中，P(x)為樣本數據集合中目的地址字段(西湖區(qū))出現的概率；P(yi)為樣本數據集合中派送網點(“浙江杭州西湖區(qū)轉塘公司”、“浙江杭州蕭山區(qū)黨灣公司”、“浙江杭州西湖區(qū)雙浦公司”、“浙江杭州江干區(qū)下沙公司”)出現的概率；P(x|yi)為離線概率詞數據庫中目的地址字段(西湖區(qū))對應派送網點(“浙江杭州西湖區(qū)轉塘公司”、“浙江杭州蕭山區(qū)黨灣公司”、“浙江杭州西湖區(qū)雙浦公司”、“浙江杭州江干區(qū)下沙公司”)的條件概率；P(yj|x)即為在目的地址字段(西湖區(qū))的條件下各個派送網點(“浙江杭州西湖區(qū)轉塘公司”、“浙江杭州蕭山區(qū)黨灣公司”、“浙江杭州西湖區(qū)雙浦公司”、“浙江杭州江干區(qū)下沙公司”)的子條件概率。對于某個派送網點(例如浙江杭州西湖區(qū)轉塘公司)，在通過以上方式分別確定對應“浙江省”、“杭州市”、“西湖區(qū)”、“紫荊花路”該四個目的地址字段的子條件概率后，即可根據子條件概率生成與各所述派送網點對應的匹配概率，公式如下：P(x|yi)P(yi)=P(a1|yi)P(a2|yi)...P(am|yi)P(yi)=P(yi)Πj=1mP(aj|yi)]]>在確定各個派送網點的匹配概率后，即可選出匹配概率最大的派送網點作為目的派送網點。S104，向所述客戶端返回攜帶所述目的派送網點的地址處理響應。為了保證離線概率詞數據庫中各個地址字段與派送網點之間的條件概率的新鮮性以及分析的準確性，在本申請的一個優(yōu)選實施例中，設置了針對服務器分析結果的反饋機制，物流公司的第二用戶通過在服務器獲知了派送網點的預測結果后，通過反饋機制進行模型反饋實際派送的異常情況或是正確結果。具體地，第二用戶可將與目的地址對應的實際派送網點上傳至客戶端，隨后客戶端向服務器發(fā)送攜帶與目的地址對應的實際派送網點的處理反饋信息，服務器隨后根據所述實際派送網點以及所述目的派送網點對所述樣本數據集合進行更新。在本申請的一個優(yōu)選實施例中，更新規(guī)則如下：(1)當所述實際派送網點與所述目的派送網點相同時，在所述樣本數據集合中增加所述目的派送網點的各所述目的地址字段與所述目的派送網點的對應關系記錄。(2)當所述實際派送網點與所述目的派送網點不相同，或所述樣本數據集合中不包含所述實際派送網點時，在所述樣本數據集合中增加所述目的派送網點的各所述目的地址字段與所述實際派送網點的對應關系記錄。由此可見，在該實施例中由客戶端與服務器通過交互完成針對目的地址的派送網點確定，其中主要由服務器對目的地址進行分詞處理，隨后根據包含在當前存在的各派送網點的條件下各目的地址字段的條件概率的離線概率詞數據庫，以及目的地址字段確定匹配概率最大的目的派送網點。從而實現了物流訂單的快速處理，極大地提高了分單效率，節(jié)省了人力資源。實施例二在本發(fā)明中，雖然針對目的地址的拆分以及目的派送網點的確定主要由服務器完成，但是作為面向物流公司的第二用戶的客戶端，其在為服務器與第二用戶之間進行的交互操作也是非常重要的，其中包括發(fā)送請求、返回響 應以及反饋結果等功能。該實施例的流程示意圖如圖2所示，包括以下步驟：S201，向服務器發(fā)送攜帶所述目的地址的地址處理請求，所述目的地址對應于第一用戶的物流訂單。由于客戶端是基于物流公司的第二用戶的需求與服務器進行交互，對于第二用戶來說，其將需要分單的快件的目的地址上傳客戶端可以采取很多種方式。如前文所述，第二用戶可手動上傳各個需要處理的目的地址。出于效率以及便捷角度的考慮，第二用戶可以直接將與第一用戶對應的物流訂單信息單獨或是隨著其他同樣需要處理的用戶的物流訂單信息批量上傳至客戶端?？蛻舳嗽诮邮账龅诙脩舻姆謫翁幚碚埱蠛螅纯商崛∷鑫锪饔唵涡畔⒅械乃瞿康牡刂?，并據此向服務器發(fā)送地址處理請求。由于本發(fā)明是根據歷史的用戶交易行為對當前的目的地址進行分析以獲取最大可能用于派送快件的派送網點，為了能夠準確的得到與各個不同地址段對應的派送網點的概率數據，本申請設置了離線概率詞數據庫，該離線概率詞數據庫由所述服務器在獲取類型與所述第一用戶相同的其他用戶的交易日志數據之后，將各所述派送地址拆分為多個地址字段，根據拆分后的地址字段以及所獲取的派送網點對應生成樣本數據集合，確定在所述樣本數據集合中各派送網點的條件下各所述地址字段的條件概率，根據所述條件概率生成，需要說明的是，交易日志數據需要包含與各所述其他用戶對應的派送地址，以及與各所述已派送地址對應的派送網點。在以上離線概率詞數據庫的生成過程中，在所述地址字段的條件下各所述派送網點的條件概率由所述服務器在確定所述地址字段在所述樣本數據集合中所出現的第一概率、所述派送網點在所述樣本數據集合中所出現的第二概率以及所述地址字段與所述派送網點在所述樣本數據集合中同時對應出現的第三概率后，根據所述第一概率、所述第二概率以及所述第三概率生成。進一步地，為了使服務器能夠盡量準確地對現有的目的地址進行分析，第二用戶可實現向服務器提供歷史派送數據，以便于服務器能夠分析學習并生成離線概率詞數據庫。因此在本申請的一個優(yōu)選實施例中，客戶端在接收所述第二用戶輸入的其他用戶當前派送狀態(tài)為已完成的物流訂單信息后，隨即將所述物流訂單信息發(fā)送至所述服務器，以使所述服務器提取所述物流訂單信息中的目的地址，將所述目的地址作為與所述其他用戶對應的所述派送地址，以及根據所述物流訂單信息中的訂單號獲取與所述訂單號對應的物流流轉數據，并提取所述物流流轉數據中的派送網點。S202，接收所述服務器返回的攜帶目的派送網點的地址處理響應，所述目的派送網點為所述服務器在將所述目的地址拆分為多個目的地址字段后，根據離線概率詞數據庫以及所述目的地址字段所確定的匹配概率最大的派送網點，所述匹配概率為在所述目的地址的條件下派送網點的條件概率，所述離線概率詞數據庫中包含在當前存在的各派送網點的條件下各所述目的地址字段的條件概率。在本申請的一個優(yōu)選實施例中，該步驟中各所述派送網點的匹配概率由所述服務器根據所述離線概率詞數據庫中在當前存在的各派送網點的條件下各所述目的地址字段的條件概率確定在各所述目的地址字段的條件下各所述派送網點的子條件概率后，根據在各所述目的地址字段的條件下各所述派送網點的子條件概率生成。S203，向第二用戶返回攜帶所述目的派送網點的分單處理結果消息，以使所述第二用戶根據所述目的派送網點進行分單處理。為了保證離線概率詞數據庫中各個地址字段與派送網點之間的條件概率的新鮮性以及分析的準確性，本申請的優(yōu)選實施例中設置了針對服務器分析結果的反饋機制，作為與第二用戶進行交互的客戶端。在該步驟完成后，可 主動地獲取與所述第一用戶的物流訂單對應的實際派送網點，或是由第二用戶將實際派送網點與物流訂單對應上傳至客戶端，隨后客戶端向所述服務器發(fā)送攜帶所述實際派送網點的地址處理反饋信息，以使所述服務器根據所述實際派送網點以及所述目的派送網點對所述樣本數據集合進行更新。具體的實際派送網點的獲取方式可通過以下兩種方式獲?。?1)根據所述物流訂單信息中的訂單號獲取與所述訂單號對應的物流流轉數據，并提取所述物流流轉數據中的派送網點，將所提取的派送網點作為所述實際派送網點。(2)接收所述第二用戶輸入的與所述物流訂單信息對應的物流流轉數據，并提取所述物流流轉數據中的派送網點，將所提取的派送網點作為所述實際派送網點。需要說明的是，以上實際派送網點的獲取方式僅為本發(fā)明所提出的兩種優(yōu)選方案，在能夠準確地向服務器返回攜帶所述實際派送網點的地址處理反饋信息的基礎上，第二用戶或是客戶端可以采取其他的方式進行反饋，這些都屬于本發(fā)明的保護范圍。在該實施例中，客戶端通過與第二用戶之間的交互，將服務器需要進行派送網點確定所需要的相關信息以及資料整理并發(fā)送至服務器，使得服務器能夠準確的結合自身的離線概率詞數據對第一用戶的目的地址進行分析并確定對應的派送網點，從而實現了物流訂單的快速處理，極大地提高了分單效率，節(jié)省了人力資源。實施例三基于與上述派送網點確定方法實現流程同樣的申請構思，本申請實施例中還提供了一種服務器，如圖3所示，所述服務器包括：第一發(fā)送模塊301，用于接收客戶端發(fā)送的地址處理請求，所述地址處理 請求中攜帶與第一用戶的物流訂單對應的目的地址。第一拆分模塊302，用于將所述目的地址拆分為多個目的地址字段。第一確定模塊303，用于根據離線概率詞數據庫以及所述目的地址字段確定匹配概率最大的目的派送網點，所述匹配概率為在所述目的地址的條件下派送網點的條件概率，所述離線概率詞數據庫中包含在當前存在的各派送網點的條件下各所述目的地址字段的條件概率。在本申請優(yōu)選的實施例中，所述第一確定模塊303根據離線概率詞數據庫以及所述目的地址字段確定匹配概率最大的目的派送網點，具體為：根據所述離線概率詞數據庫中在當前存在的各派送網點的條件下各所述目的地址字段的條件概率，確定在各所述目的地址字段的條件下各所述派送網點的子條件概率；根據在各所述目的地址字段的條件下各所述派送網點的子條件概率生成與各所述派送網點對應的匹配概率；將與最大匹配概率對應的派送網點作為所述目的派送網點。返回模塊304，用于向所述客戶端返回攜帶所述目的派送網點的地址處理響應。在本申請優(yōu)選的實施例中，所述服務器，還包括：獲取模塊，用于在所述服務器接收所述客戶端發(fā)送的地址處理請求之前，獲取類型與所述第一用戶相同的其他用戶的交易日志數據，所述交易日志數據包含與各所述其他用戶對應的派送地址，以及與各所述已派送地址對應的派送網點；在本申請優(yōu)選的實施例中，所述獲取模塊獲取類型與所述第一用戶相同的其他用戶的交易日志數據，具體為：獲取所述其他用戶當前派送狀態(tài)為已完成的物流訂單信息；提取所述物流訂單信息中的目的地址，將所述目的地址作為與所述其他 用戶對應的所述派送地址；根據所述物流訂單信息中的訂單號獲取與所述訂單號對應的物流流轉數據，并提取所述物流流轉數據中的派送網點。第二拆分模塊，用于將各所述派送地址拆分為多個地址字段；第一生成模塊，用于根據拆分后的地址字段以及所獲取的派送網點對應生成樣本數據集合；第二確定模塊，用于確定在所述樣本數據集合中各派送網點的條件下各所述地址字段的條件概率；在本申請優(yōu)選的實施例中，所述第二確定模塊，具體用于：確定所述地址字段在所述樣本數據集合中所出現的第一概率、所述派送網點在所述樣本數據集合中所出現的第二概率以及所述地址字段與所述派送網點在所述樣本數據集合中同時對應出現的第三概率；根據所述第一概率、所述第二概率、以及所述第三概率確定在所述地址字段的條件下各所述派送網點的條件概率。第二生成模塊，用于根據所述條件概率生成所述離線概率詞數據庫。在本申請優(yōu)選的實施例中，所述服務器，還包括：接收模塊，用于在所述返回模塊向所述客戶端返回攜帶所述目的派送網點的地址處理響應之后，接收所述客戶端返回的地址處理反饋信息，所述處理反饋信息攜帶與所述目的地址對應的實際派送網點；更新模塊，用于根據所述實際派送網點以及所述目的派送網點對所述樣本數據集合進行更新。在本申請優(yōu)選的實施例中，所述更新模塊，具體用于：判斷所述實際派送網點與所述目的派送網點是否相同；當所述實際派送網點與所述目的派送網點相同時，在所述樣本數據集合中增加所述目的派送網點的各所述目的地址字段與所述目的派送網點的對應 關系記錄；當所述實際派送網點與所述目的派送網點不相同，或所述樣本數據集合中不包含所述實際派送網點時，在所述樣本數據集合中增加所述目的派送網點的各所述目的地址字段與所述實際派送網點的對應關系記錄。在本申請優(yōu)選的實施例中，所述目的地址字段的類型包括以下一種或多種：省字段、市字段、鄉(xiāng)鎮(zhèn)字段、區(qū)字段、住宅樓字段、主干道路字段、支線道路字段、工業(yè)區(qū)字段。實施例四基于與上述派送網點確定方法實現流程同樣的申請構思，本申請實施例中還提供了一種客戶端，如圖4所示，所述客戶端包括：第一發(fā)送模塊401，用于向服務器發(fā)送攜帶所述目的地址的地址處理請求，所述目的地址對應于第一用戶的物流訂單；第一接收模塊402，用于接收所述服務器返回的攜帶目的派送網點的地址處理響應，所述目的派送網點為所述服務器在將所述目的地址拆分為多個目的地址字段后，根據離線概率詞數據庫以及所述目的地址字段所確定的匹配概率最大的派送網點，所述匹配概率為在所述目的地址的條件下派送網點的條件概率，所述離線概率詞數據庫中包含在當前存在的各派送網點的條件下各所述目的地址字段的條件概率；返回模塊403，用于向第二用戶返回攜帶所述目的派送網點的分單處理結果消息，以使所述第二用戶根據所述目的派送網點進行分單處理。在本申請優(yōu)選的實施例中，所述客戶端，還包括：第二接收模塊，用于在向服務器發(fā)送攜帶所述目的地址的地址處理請求之前，接收所述第二用戶的分單處理請求，所述分單處理請求中攜帶與所述 第一用戶對應的物流訂單信息；提取模塊，用于提取所述物流訂單信息中的所述目的地址。在本申請優(yōu)選的實施例中，所述客戶端，還包括：第一生成模塊，用于在獲取類型與所述第一用戶相同的其他用戶的交易日志數據之后，將各所述派送地址拆分為多個地址字段，根據拆分后的地址字段以及所獲取的派送網點對應生成樣本數據集合，確定在所述樣本數據集合中各派送網點的條件下各所述地址字段的條件概率，根據所述條件概率生成離線概率詞數據庫；其中，所述交易日志數據包含與各所述其他用戶對應的派送地址，以及與各所述已派送地址對應的派送網點。在本申請優(yōu)選的實施例中，所述客戶端，還包括：第三接收模塊，用于在所述第二接收模塊接收所述第二用戶的分單處理請求之前，接收所述第二用戶輸入的其他用戶當前派送狀態(tài)為已完成的物流訂單信息，所述其他用戶的類型與所述第一用戶的類型相同；第二發(fā)送模塊，用于將所述物流訂單信息發(fā)送至所述服務器，以使所述服務器提取所述物流訂單信息中的目的地址，將所述目的地址作為與所述其他用戶對應的所述派送地址，以及根據所述物流訂單信息中的訂單號獲取與所述訂單號對應的物流流轉數據，并提取所述物流流轉數據中的派送網點。在本申請優(yōu)選的實施例中，所述客戶端，還包括：第二生成模塊，用于在確定所述地址字段在所述樣本數據集合中所出現的第一概率、所述派送網點在所述樣本數據集合中所出現的第二概率以及所述地址字段與所述派送網點在所述樣本數據集合中同時對應出現的第三概率后，根據所述第一概率、所述第二概率以及所述第三概率生成在所述地址字段的條件下各所述派送網點的條件概率。在本申請優(yōu)選的實施例中，所述客戶端，還包括：第三生成模塊，用于根據所述離線概率詞數據庫中在當前存在的各派送網點的條件下各所述目的地址字段的條件概率確定在各所述目的地址字段的條件下各所述派送網點的子條件概率后，根據在各所述目的地址字段的條件下各所述派送網點的子條件概率生成各所述派送網點的匹配概率。在本申請優(yōu)選的實施例中，所述客戶端，還包括：獲取模塊，用于在返回模塊向所述第二用戶返回攜帶所述目的派送網點的分單處理結果消息之后，獲取與所述第一用戶的物流訂單對應的實際派送網點；第三發(fā)送模塊，用于向所述服務器發(fā)送攜帶所述實際派送網點的地址處理反饋信息，以使所述服務器根據所述實際派送網點以及所述目的派送網點對所述樣本數據集合進行更新。通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到本發(fā)明可以通過硬件實現，也可以借助軟件加必要的通用硬件平臺的方式來實現?；谶@樣的理解，本發(fā)明的技術方案可以以軟件產品的形式體現出來，該軟件產品可以存儲在一個非易失性存儲介質(可以是CD-ROM，U盤，移動硬盤等)中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執(zhí)行本發(fā)明各個實施場景所述的方法。本領域技術人員可以理解附圖只是一個優(yōu)選實施場景的示意圖，附圖中的模塊或流程并不一定是實施本發(fā)明所必須的。本領域技術人員可以理解實施場景中的裝置中的模塊可以按照實施場景描述進行分布于實施場景的裝置中，也可以進行相應變化位于不同于本實施場景的一個或多個裝置中。上述實施場景的模塊可以合并為一個模塊，也可以進一步拆分成多個子模塊。上述本發(fā)明序號僅僅為了描述，不代表實施場景的優(yōu)劣。以上公開的僅為本發(fā)明的幾個具體實施場景，但是，本發(fā)明并非局限于此，任何本領域的技術人員能思之的變化都應落入本發(fā)明的保護范圍。當前第1頁1 2 3