1.一种基于多模态的冷链配载用户画像标签抽取方法，其特征在于，包括如下步骤：步骤1：输入原始的冷链配载数据集D1，对数据集进行去重、去空，清洗后得到样本集D2；

步骤2：使用K‑means对样本集D2进行聚类，得到N个聚类点簇，进而将聚类后的样本集D2打上标签；

步骤3：将带标签的文本样本集作为BERT模型的输入，得到特征向量T1，将得到的特征向量T1传入长短期记忆网络进一步提取特征，得到文本特征向量T2；

步骤4：获取双模态交互注意力矩阵Bim，具体步骤如下：步骤4.1：将步骤2中经过预处理后的图片数据作为YOLO模型的输入；

步骤4.2：得到提取后的图片数据的特征R1；

步骤4.3：将得到的特征R1映射到其语义空间中，得到图片特征向量R2＝tanh(WtR1+bR1)，其中，Wt为激活函数tanh的权重，bR1为激活函数tanh的偏置；

步骤4.4：将文本特征向量T2和图片特征向量R2交互，使用激活函数tanh进行转换表示补充；

步骤4.5：T2经R2补充过后得到T3，计算公式为T3＝tanh(UT2T2+WrtUT2T2)，UT2为隐藏文本对应的转换矩阵，Wrt为相应两模态的映射的权重矩阵；

步骤4.6：R2经T2补充过后得到R3，计算公式为R3＝tanh(UR2R2+WrtUR2R2)，UR2为隐藏关系对应的转换矩阵；

步骤4.7：将文本特征向量T3和图片特征向量R3进行拼接，并通过一个全连接层捕捉模态间交互特征F1，即F1＝ReLU(W1(T3⊕R3)+b1)，W1为激活函数ReLU的权重，b1为激活函数ReLU的偏置；

步骤4.8：将交互特征F1在激活函数Sigmoid的作用下生成条件向量S，计算公式为S＝Sigmoid(F1)；

步骤4.9：将条件向量S与交互后的T3结合得到文本条件向量N1，计算公式为N1＝T3⊙S；

步骤4.10：将条件向量S与交互后的R3结合得到图片条件向量N2，计算公式为N2＝R3⊙S；

步骤4.11：将两种模态的条件向量N1和N2进行矩阵乘法计算，得到跨模态联合矩阵O，计算公式为O＝N1·N2；

步骤4.12：如果循环变量k≤单模态特征维度u，跳转到下一步，否则跳转到步骤4.15；

步骤4.13：使用Softmax函数计算出跨模态联合矩阵的概率a，计算公式为步骤4.14：k＝k+1，跳转到步骤4.12；

步骤4.15：将双模态交互特征F1乘概率a，得到双模态交互注意力矩阵Bim，计算公式为Bim＝a·F1；

步骤5：将双模态交互注意力矩阵Bim与被补充过的双模态特征向量拼接，将其作为全连接层的输入得到双模态特征表示，最后输入至Softmax进行分类，最终获得模型的标签抽取。

2.根据权利要求1所述的基于多模态的冷链配载用户画像标签抽取方法，其特征在于，所述步骤3具体方法为：步骤3.1：通过处理步骤2中打上标签的样本集D4，将待处理文本内容dc固定为统一长度Lmax；

步骤3.2：定义循环变量i，且i赋初值为1；

步骤3.3：如果i≤len(T)则跳转到步骤3.4，否则跳转到步骤3.7；

步骤3.4：定义len(Ti)为文本中第i个文本信息的长度，如果len(Ti)+2≤Lmax则补0后跳转下一步，否则截取文本前Lmax个单位，跳转下一步；

步骤3.5：建立预训练模型BERT，将样本集传入BERT模型中，获取文本的特征向量T1；

步骤3.6：i＝i+1，跳转到步骤3.3；

步骤3.7：结束循环，输出全部特征向量序列T1＝{T1,T2,...,Td,…,Tlen(T)}；

步骤3.8：构建长短期记忆网络，传入特征向量序列T1；

步骤3.9：定义循环变量j和最大时刻M，且j赋初值为1；

步骤3.10：如果j≤M则跳转到步骤3.11，否则跳转到步骤3.13；

步骤3.11：使用长短期记忆网络计算当前时刻的输出结果为ht；

步骤3.12：j＝j+1，跳转到步骤3.10；

步骤3.13：结束循环，得到全部时刻的输出向量T2＝{h1,h2,...，ht,...,hM}。

3.根据权利要求1所述的基于多模态的冷链配载用户画像标签抽取方法，其特征在于，所述步骤5具体方法为：步骤5.1：将得到的双模态交互注意力矩阵Bim与被补充过的文本特征T3和被补充过的图片特征R3拼接，即C1＝Bim⊕T3⊕R3；

步骤5.2：使用全连接层整合得到的双模态融合特征C1，计算公式为F2＝ReLU(WRC1+u×dbR)，其中，F2∈R ，F2为双模态特征表示，WR为激活函数ReLU的权重，bR为激活函数ReLU的偏置；

步骤5.3：将双模态特征表示F2输入至Softmax进行分类，得到最终分类结果C2；

步骤5.4：将分类结果C2作为最终标签抽取的结果，完成冷链配载用户画像的标签抽取。

4.一种基于多模态的冷链配载用户画像标签抽取装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1‑3任一项所述的基于多模态的冷链配载用户画像标签抽取方法。