一种基于人工智能的物流识别分配机器人及其控制方法与流程

本发明属于电子商务和人工智能技术交叉领域，尤其是关于使用人工智能模型进行物流分配和地址生成。具体而言，本发明涉及一种基于人工智能的物流识别分配机器人及其控制方法。

背景技术：

1、在当前的电商平台，用户在购买商品时往往需要手动填写或选择已经存储在电商平台中的配送地址，这一过程存在几个主要问题。首先，手动输入地址不仅耗时，还可能导致因为错误填写而引发的配送问题。其次，对于多个商品可能需要不同配送地址的场景，用户需要重复进行地址选择的操作，这极大地降低了购物体验。例如用户可能希望将办公用品配送到公司地址，将日杂用品配送到住宅地址。同时，对于电商平台的新用户，由于该平台并未存储其可能的配送地址，新用户不得不在购买商品后手动填写配送地址。

2、随着人工智能技术的迅猛发展，尤其是深度学习和自然语言处理领域的突破，人工智能已经在多个行业中取得了显著的应用成果。特别是在电商和物流行业，人工智能技术不仅能优化商品推荐，还能提高仓库管理和物流配送的效率。算法能够处理大量复杂数据，自动化地解决诸如库存管理、需求预测、最优路径规划等问题，从而大大提高了整体运营效率和用户体验。

3、bert是一种先进的自然语言处理模型，它通过双向transformer编码器来理解数据，从而获取数据蕴含的深层次信息，在本技术中其被用作用来捕捉收集到的数据的深层次信息。

4、gpt则是一个以生成文本为主要功能的模型。与bert不同，gpt使用单向transformer作为其编码器，并专注于从给定的上下文中生成接下来的文本。gpt模型具有强大的自然语言生成能力，包括但不限于文本摘要、机器翻译、以及自然语言对话等应用场景。其高度灵活和生成能力使得gpt模型在处理多样和复杂的文本生成任务时表现出色，在本技术中其被用作生成地址的模型；

5、鉴于bert的深层表达能力和gpt的文本生成能力，本技术旨在联合bert和gpt来自动为用户生成配送地址，通过bert将商品本身的信息和关联用户的信息结合起来以解决或部分解决用户在电商平台购物的时候需要手动输入或者选择配送地址的问题。

技术实现思路

1、本发明提出了一种基于人工智能的物流识别分配机器人及其控制方法，以解决背景技术部分提出的现有技术中的问题。

2、为了实现上述目的，本发明提出了一种基于人工智能的物流识别分配机器人，其特征在于，所述机器人包括如下模块：

3、数据收集模块，用以收集用户所购商品信息以及关联用户信息；

4、所述商品信息包括商品名称、商品描述、商品价格、商品评论、商品评分，商品类别，商品折扣信息；

5、所述关联用户信息包括关联用户的用户名，配送地址，配送电话号码，配送商品信息，所述配送商品信息包括配送商品的商品名称、商品描述、商品价格、商品评论、商品评分，商品类别，商品折扣信息；

6、其通过如下步骤完成数据收集：

7、步骤1： 商品信息收集：所述商品信息收集包括从数据库或其他数据源抓取用户所购商品的名称、描述、价格、评论、评分、类别和折扣信息；

8、步骤2：关联用户识别：所述关联用户识别包括运行特定方法来找出与当前用户有关联的其他用户，这些关联通常是基于共同购买的商品或交叉参考的联系信息；

9、步骤3： 关联用户信息收集：所述关联用户信息收集包括从数据库或其他数据源获取与当前用户有关联的其他用户的用户名、配送地址、配送电话号码；

10、步骤4： 关联用户商品信息收集：所述关联用户商品信息收集包括获取关联用户购买的商品的名称、描述、价格、评论、评分、类别和折扣信息；

11、步骤5： 数据整合：所述数据整合包括将所有收集到的商品信息和关联用户信息整合到一个统一的数据结构中，以便进行后续处理和分析。

12、数据处理模块，用以处理数据收集模块整合的数据；

13、其处理过程包括如下步骤：

14、步骤1： 数据清洗：所述数据清洗包括去除或修正数据集中的不一致性、缺失值或明显的错误数据；

15、步骤2： 文本预处理：所述文本预处理包括对商品描述、评论和其他文本字段进行去除停用词和分词；

16、步骤3： 数据特征工程：使用word2vec生成上述分词的词嵌入。

17、数据融合模块：用以将商品信息和关联用户信息通过bert融合在一起得到深层次信息；

18、其融合步骤如下：

19、步骤1： bert模型配置和初始化：所述bert模型配置和初始化包括选择预训练的bert模型，配置模型参数如层数、隐藏单元数量和头数，然后进行模型的初始化;

20、其具体包括：

21、步骤1.1：加载预训练的bert模型：获取存储有预训练权重的bert模型；

22、步骤1.2： 参数配置：设置bert模型的配置参数，包括学习率、批大小和优化器类型；

23、步骤1.3：初始化模型：在配置完所有必要参数后，进行bert模型的初始化；

24、步骤2：将数据处理模块得到的词嵌入输入所述bert模型中，得到融合了商品信息和关联用户信息的融合嵌入；

25、具体包括：

26、步骤2.1： 将商品信息和关联用户信息的词嵌入平行输入到bert模型;

27、步骤2.2： 进行前向传播计算，通过bert模型的多层transformer网络结构；

28、步骤2.3：从bert模型的输出层获取融合后的融合嵌入。

29、地址生成模块，用以将数据融合模块输出的融合向量输入训练好的gpt模型，为用户购买的不同商品生成不同的地址；

30、其地址生成过程包括如下步骤：

31、步骤1： gpt模型准备和配置：所述gpt模型准备和配置包括选择预训练的gpt模型，并配置该模型的参数，包括层数、隐藏单元数量和头数；

32、步骤2：地址生成策略配置：所述地址生成策略配置包括设置生成地址的约束条件，如最大生成长度、生成温度（控制生成文本的多样性）和其他必要的生成策略 ；

33、步骤3： 地址生成执行：所述地址生成执行包括将所述融合向量和生成策略输入到gpt模型，生成最终的配送地址。

34、本发明还提供了一种基于人工智能的物流识别分配机器人的控制方法，其特征在于，所述控制方法包括如下步骤：

35、步骤1：商品数据及关联用户数据收集；

36、具体包括：

37、步骤1.1：商品信息收集，从数据库或其他数据源抓取用户所购商品的名称、描述、价格、评论、评分、类别和折扣信息。

38、步骤1.2：关联用户识别，运行特定方法来找出与当前用户有关联的其他用户，这些关联通常是基于共同购买的商品或交叉参考的联系信息。

39、步骤1.3：关联用户信息收集，从数据库或其他数据源获取与当前用户有关联的其他用户的用户名、配送地址、配送电话号码。

40、步骤1.4：关联用户商品信息收集，获取关联用户购买的商品的名称、描述、价格、评论、评分、类别和折扣信息。

41、步骤1.5：数据整合，将所有收集到的商品信息和关联用户信息整合到一个统一的数据结构中，以便进行后续处理和分析。

42、步骤2：处理根据步骤1收集得到的商品数据和关联用户数据；

43、具体包括：

44、步骤2.1：数据清洗，去除或修正数据集中的不一致性、缺失值或明显的错误数据。

45、步骤2.2：文本预处理，对商品描述、评论和其他文本字段进行去除停用词和分词。

46、步骤2.3：数据特征工程，使用word2vec生成上述分词的词嵌入。

47、步骤3：融合步骤2中处理完毕的商品数据和关联用户数数据；

48、具体包括：

49、步骤3.1：bert模型配置和初始化，选择预训练的bert模型，配置模型参数如层数、隐藏单元数量和头数，然后进行模型的初始化。

50、步骤3.2：数据输入，将数据处理模块得到的词嵌入输入所述bert模型中，得到融合了商品信息和关联用户信息的融合嵌入。

51、步骤4：根据步骤3的结果，为每种商品生成配送地址；

52、具体包括：

53、步骤4.1：gpt模型准备和配置，选择预训练的gpt模型，并配置该模型的参数，包括层数、隐藏单元数量和头数。

54、步骤4.2：地址生成策略配置，设置生成地址的约束条件，如最大生成长度、生成温度（控制生成文本的多样性）和其他必要的生成策略。

55、步骤4.3：地址生成执行，将所述融合向量和生成策略输入到gpt模型，生成最终的配送地址。