利用孪生Transformer网络改进地址匹配
机器学习
2023-07-06 v1 信息检索
摘要
地址匹配是参与包裹处理与投递的公司和邮政部门的一项关键任务。将包裹错投给错误收件人的影响众多，从损害公司声誉到经济与环境成本不一而足。本研究引入一种基于深度学习的模型，旨在提升葡萄牙语地址的匹配效率。该模型包含两部分：（i）一个双编码器，经微调以生成有意义的葡萄牙语邮政地址嵌入，用于从规范化数据库中检索未规范化目标地址的前10个可能匹配项；（ii）一个交叉编码器，经微调以准确重排双编码器所得的10个地址。该模型已在葡萄牙语地址的真实场景中进行测试，表现出较高准确度，在门牌级别超过95%。当使用GPU计算时，推理速度约为BM25等其他传统方法的4.5倍。在真实场景中部署该系统将大幅提升分发流程的效率。此类部署目前正在研究中。
引用
@article{arxiv.2307.02300,
title = {Improving Address Matching using Siamese Transformer Networks},
author = {André V. Duarte and Arlindo L. Oliveira},
journal= {arXiv preprint arXiv:2307.02300},
year = {2023}
}
备注
To be published in the 22nd EPIA Conference on Artificial Intelligence, EPIA 2023, Faial Island - Azores, Portugal, 5-8 September 2023, Proceedings