一种航空货代多模态询价理解与航线推荐方法及系统与流程

本发明涉及智能信息处理、自然语言处理、多模态信息识别、知识抽取、物流信息处理及航空货运辅助决策，具体涉及一种航空货代多模态询价理解与航线推荐方法及系统。

背景技术：

1、航空货代业务中的询价处理通常是报价、配载、订舱及航线选择的前置环节。航空货代企业需要根据用户提供的起运地、目的地、货物名称、件数、重量、体积、尺寸、货物属性、时效要求及价格偏好等信息，结合航线、价格、舱位以及航司和供应商的收货规则，确定能够实际执行的航空运输方案。

2、在实际业务中，用户提交的询价信息来源复杂。询价信息既可能以自然语言文本形式提交，也可能以语音消息、货物清单图片、聊天截图、邮件截屏、表格文件或者多种形式组合提交。不同用户的表达方式不统一，询价内容经常存在口语化表达、行业简称较多、字段不完整、单位不一致、运输条件隐含以及不同来源信息相互矛盾等问题。

3、例如，用户可能仅表述“上海到德国，三件货，大概一百八十公斤，电子配件，明天能飞最好”。在该询价内容中，“德国”尚未明确对应的目的城市或者目的机场，“电子配件”是否带电并不明确，货物尺寸和体积也未提供，而上述信息可能直接影响航司收货规则、供应商接货规则以及航线可执行性的判断。

4、现有航空货代询价处理主要依赖人工报价人员对用户信息进行阅读、摘录、核对、询问、数据库查询和航线推荐。该方式对人员经验依赖较强，处理效率较低，不同人员之间的判断标准难以统一，在询价信息复杂或者字段存在冲突时，容易遗漏关键约束条件。

5、现有表单式查询系统通常要求用户按照预设格式填写结构化字段。由于用户实际提交的信息大多属于非结构化或者半结构化内容，因此用户仍需要人工整理并重复填写信息，无法直接将语音、图片、截图或者自然语言询价转换为可执行的查询参数。

6、通用自然语言处理模型或者通用大模型虽然能够识别部分实体信息，但由于缺乏航空货代行业语料、行业术语、收货规则和业务约束的专门适配，难以稳定识别重量、体积、尺寸、件数、货物类型、带电属性、危险品属性、舱位要求、时效要求和价格偏好等关键字段。当字段缺失、异常或者冲突时，通用模型也难以确定哪些字段会影响后续航线查询，以及应当优先向用户追问哪些信息。

7、此外，现有系统通常只是将语音转写、ocr识别、字段抽取、数据库查询及排序推荐等技术进行简单串接，缺少针对同一字段的多模态候选融合机制。当文本、语音或者图片中识别出的同一字段值不一致时，系统无法综合判断应当采用哪一字段值，也无法保留字段取值对应的原始来源和判断依据。

8、现有技术还缺少字段证据链、字段冲突标记、追问优先级和不可用原因编码机制，导致系统难以解释字段值来源，无法判断多个来源之间的冲突程度，难以针对影响航线查询的关键字段生成有效追问，也难以向用户说明候选航线未被推荐的具体原因。

9、同时，现有航线推荐系统通常只根据起运地、目的地、价格或者时效执行查询，未能联动航司收货规则、供应商接货规则、舱位规则、中转规则及货物属性约束，容易推荐出无法实际承运带电货、危险品或者超尺寸货物的航线。

10、因此，有必要提供一种能够对多模态航空货代询价进行统一理解、字段候选融合、字段冲突识别、字段证据追溯、结构化处理、业务规则校验、交互补全、数据库联动查询以及航线推荐排序的技术方案，以提高航空货代询价处理的自动化程度、字段识别准确性、航线匹配准确性及推荐结果的可解释性。

技术实现思路

1、本发明的目的是克服现有技术的不足，提供一种航空货代多模态询价理解与航线推荐方法及系统，以解决多模态询价难以统一理解、非结构化信息难以转化为查询参数、多个模态来源字段冲突难以处理、字段缺失或异常导致无效查询、候选航线筛选准确性不足以及推荐结果缺乏解释的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：本发明提供一种航空货代多模态询价理解与航线推荐方法，包括以下步骤：

3、s1：接收用户输入的航空货代询价信息，所述询价信息包括文本、语音、图片、截图、表格中的至少一种；

4、s2：根据所述询价信息的输入模态对所述询价信息进行预处理，生成带有模态来源、来源位置和会话上下文标识的候选文本片段序列；

5、s3：将所述候选文本片段序列输入经航空货代行业语料微调的大模型，识别询价意图并生成字段候选集合；

6、s4：当同一字段对应多个候选值或多个模态来源时，基于字段置信度、模态来源可靠度、来源优先级、上下文一致性和业务规则适配度对候选值进行多源融合，确定目标字段值，并生成字段冲突标记和字段证据链；

7、s5：将经多源融合后的字段信息转换为统一结构化字段对象，并对所述统一结构化字段对象进行地点编码、货物类型、重量单位、体积单位、尺寸单位和偏好标签标准化；

8、s6：对标准化后的字段执行完整性校验、数值异常校验、一致性冲突校验和业务规则校验，生成字段校验结果；

9、s7：当字段缺失、异常或冲突影响航线查询时，根据字段重要度、字段置信度、冲突系数和规则影响度计算追问优先级，并按照所述追问优先级生成补充问题以进行多轮交互补全；当字段满足查询条件时，生成标准化查询参数；

10、s8：根据所述标准化查询参数查询航线数据库、价格数据库、舱位数据库、航司收货规则库和供应商规则库，获得候选航线集合；

11、s9：根据航线基础条件、货物属性约束、航司收货规则、供应商接货规则、舱位规则和中转规则对候选航线进行过滤，并为被过滤的候选航线生成不可用原因编码；

12、s10：对过滤后的候选航线进行评分排序，根据用户价格优先或时效优先偏好动态调整评分权重，并输出推荐航线方案、备选方案、推荐理由和不可用原因。

13、进一步地，所述步骤s2包括：

14、当输入为文本时，对文本执行分句、去噪、纠错、术语切分和上下文拼接；

15、当输入为语音时，对语音执行语音转写，并结合航空货代行业词典对同音词和行业缩写进行修正；

16、当输入为图片或截图时，对图片或截图执行文字识别、版面分析、表格区域识别、字段邻接关系识别和关键字段区域提取；

17、当输入为表格时，对表格执行列名识别、单元格解析和字段映射。

18、进一步地，所述步骤s3中，经航空货代行业语料微调的大模型的训练语料至少包括航空货代询价样本、标准字段标注样本、规则文本样本和反馈样本；

19、其中，所述规则文本样本包括航司收货规则文本或供应商规则文本，所述反馈样本包括历史追问样本或人工修正样本；

20、所述大模型的训练目标至少包括字段抽取目标、候选值排序目标和置信度校准目标，并进一步包括询价意图识别目标、缺失字段识别目标或冲突字段识别目标中的一项或多项。

21、进一步地，所述步骤s3生成的字段候选集合中的字段至少包括起运地、目的地、货物名称、货物类型、件数、重量、体积、尺寸、收货类型、带电属性、危险品属性、超尺寸属性、时效要求、舱位要求和价格偏好中的至少部分字段。

22、进一步地，所述步骤s4包括：

23、对同一字段生成多个候选值及其候选来源标识；

24、按照字段置信度、模态来源可靠度、来源优先级、上下文一致性和业务规则适配度计算各候选值的综合得分；

25、选择综合得分最高的候选值作为目标字段值；

26、根据未被采纳候选值与目标字段值之间的差异生成字段冲突标记；

27、并为目标字段值生成字段证据链。

28、进一步地，所述模态来源可靠度根据来源类型、识别方式、历史准确率和人工确认状态中的一项或多项确定；

29、所述业务规则适配度根据候选字段值是否满足航司收货规则、供应商接货规则、带电限制、危险品限制、超尺寸限制或特殊收货类型限制中的一项或多项确定。

30、进一步地，所述字段证据链至少包括原始输入片段、模态来源、来源位置和字段置信度，并进一步包括候选解释、被采纳候选值和未采纳候选值中的一项或多项。

31、进一步地，所述步骤s5包括：

32、将城市名、机场名或简称映射为机场三字码、城市代码或预设节点编码；

33、将自然语言货物描述映射为普货、带电货、危险品、鲜活货、大件货或预设货类编码；

34、将重量统一为千克，将体积统一为立方米，将尺寸统一为厘米或毫米；

35、将时效描述映射为时效等级，将价格描述映射为价格优先级；

36、根据重量、体积、件数和尺寸计算体积重量、最大单件尺寸或超尺寸风险标签。

37、进一步地，所述步骤s6包括：

38、对起运地、目的地和基础货物属性执行完整性校验；

39、对重量、体积、件数和尺寸执行数值合理性校验和一致性校验；

40、对货物类型、带电属性、危险品属性和收货类型执行业务风险判断；

41、对来自不同模态的同一字段值执行冲突识别。

42、进一步地，所述步骤s7中，所述规则影响度根据字段缺失、异常或冲突对航线数据库查询、航司收货规则匹配、供应商接货规则匹配、带电限制判断、危险品限制判断或超尺寸限制判断的影响程度确定。

43、进一步地，所述步骤s7中，所述字段满足查询条件包括：

44、标准化后的字段对象至少包含起运地编码、目的地编码和重量字段；

45、当货物名称、货物类型或风险标签表明货物可能涉及带电、危险品、超尺寸或特殊收货类型时，所述标准化后的字段对象进一步包含尺寸字段、货物类型编码、带电标识或危险品标识中的一项或多项。

46、进一步地，所述步骤s8中，基于所述标准化查询参数对航线、价格、舱位及规则数据进行参数化检索与匹配，而不是直接基于原始自然语言进行检索。

47、进一步地，所述步骤s9包括：

48、根据起运地、目的地、班期和时效要求过滤候选航线；

49、根据重量限制、体积限制、尺寸限制、带电限制、危险品限制和收货类型限制过滤候选航线；

50、根据航司收货规则、供应商接货规则、舱位规则和中转规则过滤候选航线。

51、进一步地，所述不可用原因编码至少包括不接带电货、危险品限制、单件超长、当前无舱位、时效不满足、重量限制、体积限制或供应商不接货中的一种。

52、进一步地，所述步骤s10包括：

53、根据时效匹配度、价格竞争力、舱位可得性、货物属性适配度、规则满足度、稳定性和用户偏好满足度中的两项或多项计算候选航线综合评分；

54、根据用户偏好字段、舱位可得性、规则满足度和不可用原因编码分布中的两项或多项动态确定评分权重；

55、当用户偏好为价格优先时，提高价格竞争力对应权重；

56、当用户偏好为时效优先时，提高时效匹配度对应权重。

57、进一步地，当不可用原因编码分布显示预设比例以上的候选航线因带电限制、危险品限制或超尺寸限制被剔除时，提高货物属性适配度或规则满足度对应权重。

58、本发明还提供一种航空货代多模态询价理解与航线推荐系统，包括：

59、多模态输入接收模块，用于接收用户输入的航空货代询价信息，所述询价信息包括文本、语音、图片、截图、表格中的至少一种；

60、预处理模块，用于根据所述询价信息的输入模态对所述询价信息进行预处理，生成带有模态来源、来源位置和会话上下文标识的候选文本片段序列；

61、行业微调大模型理解模块，用于将所述候选文本片段序列输入经航空货代行业语料微调的大模型，识别询价意图并生成字段候选集合；

62、多源字段融合模块，用于当同一字段对应多个候选值或多个模态来源时，基于字段置信度、模态来源可靠度、来源优先级、上下文一致性和业务规则适配度对候选值进行多源融合，确定目标字段值；

63、字段冲突识别模块，用于根据未被采纳候选值与目标字段值之间的差异生成字段冲突标记；

64、字段证据链生成模块，用于生成包含原始输入片段、模态来源、来源位置和字段置信度的字段证据链；

65、结构化字段对象生成模块，用于将经多源融合后的字段信息转换为统一结构化字段对象；

66、字段标准化模块，用于对所述统一结构化字段对象进行地点编码、货物类型、重量单位、体积单位、尺寸单位和偏好标签标准化；

67、字段校验模块，用于对标准化后的字段执行完整性校验、数值异常校验、一致性冲突校验和业务规则校验；

68、追问优先级计算模块，用于当字段缺失、异常或冲突影响航线查询时，根据字段重要度、字段置信度、冲突系数和规则影响度计算追问优先级；

69、多轮交互补全模块，用于按照所述追问优先级生成补充问题并接收用户补充信息；

70、查询参数生成模块，用于当字段满足查询条件时生成标准化查询参数；

71、航线数据库查询模块，用于根据所述标准化查询参数查询航线数据库、价格数据库、舱位数据库、航司收货规则库和供应商规则库，获得候选航线集合；

72、候选航线过滤模块，用于根据航线基础条件、货物属性约束、航司收货规则、供应商接货规则、舱位规则和中转规则对候选航线进行过滤；

73、不可用原因编码模块，用于为被过滤的候选航线生成不可用原因编码；

74、推荐排序模块，用于对过滤后的候选航线进行评分排序，并根据用户价格优先或时效优先偏好动态调整评分权重；

75、推荐理由生成模块，用于输出推荐航线方案、备选方案、推荐理由和不可用原因。

76、进一步地，所述预处理模块包括文本处理单元、语音转写单元、ocr识别单元、表格解析单元和多源信息对齐单元；

77、所述文本处理单元用于对文本执行分句、去噪、纠错、术语切分和上下文拼接；

78、所述语音转写单元用于对语音执行语音转写，并结合航空货代行业词典对同音词和行业缩写进行修正；

79、所述ocr识别单元用于对图片或截图执行文字识别、版面分析、表格区域识别、字段邻接关系识别和关键字段区域提取；

80、所述表格解析单元用于对表格执行列名识别、单元格解析和字段映射；

81、所述多源信息对齐单元用于将不同模态对应的字段候选值按照字段名称、来源位置和会话上下文进行对齐。

82、进一步地，所述字段标准化模块包括地点编码标准化单元、货物类型编码标准化单元、单位换算单元、尺寸结构化单元和偏好标签归一单元；

83、所述地点编码标准化单元用于将城市名、机场名或简称映射为机场三字码、城市代码或预设节点编码；

84、所述货物类型编码标准化单元用于将自然语言货物描述映射为货类编码及风险标签；

85、所述单位换算单元用于将重量、体积和尺寸转换为预设统一单位；

86、所述尺寸结构化单元用于根据件数和单件尺寸计算总体积、体积重量、计费重量或超尺寸风险标签；

87、所述偏好标签归一单元用于将时效描述或价格描述映射为时效等级或价格优先级。

88、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述航空货代多模态询价理解与航线推荐方法。

89、本发明还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上述航空货代多模态询价理解与航线推荐方法。

90、与现有技术相比，本发明至少具有以下有益效果。

91、1、本发明通过将文本、语音、图片、截图和表格等多模态询价信息转换为带有模态来源、来源位置和会话上下文标识的候选文本片段序列，提高了不同输入方式下询价信息处理的一致性和可追溯性。

92、2、本发明通过使用经航空货代行业语料微调的大模型识别询价意图和业务字段，提高了航空货代行业简称、口语化表达和隐含运输条件的识别准确性；通过多源字段融合、字段冲突识别和字段证据链生成，在同一字段存在多个来源或者多个候选值时，能够综合确定目标字段值并保留其原始来源和判断依据。

93、3、本发明通过地点编码、货物类型编码、重量单位、体积单位、尺寸单位和偏好标签标准化，将非结构化询价信息转换为可供数据库查询和规则匹配的标准化参数；通过完整性校验、数值异常校验、一致性冲突校验和业务规则校验，减少了因字段缺失、数值错误、字段冲突或者业务属性不明确导致的无效查询。

94、4、本发明根据字段重要度、字段置信度、冲突系数和规则影响度计算追问优先级，能够优先针对影响航线查询和规则匹配的关键字段生成补充问题，减少无效追问和重复追问。

95、5、本发明联动航线数据库、价格数据库、舱位数据库、航司收货规则库和供应商规则库，对候选航线进行参数化查询和规则过滤，提高了复杂货物条件下航线推荐的可执行性。

96、6、本发明为被过滤的候选航线生成不可用原因编码，并根据评分项生成推荐理由，提高了推荐结果的可解释性；能够根据不可用原因编码分布识别候选结果为空或者候选航线大量被过滤的主要原因，并据此进行反向追问，提高后续查询的命中率；根据用户价格优先或者时效优先偏好动态调整评分权重，使推荐结果能够更加准确地匹配用户需求。