[发明专利]零件匹配方法、系统及终端

说明书

本发明提供了一种零件匹配方法、系统及终端，涉及零件匹配技术领域，该方法包括：获取第一零件数据；其中，所述第一零件数据为零件生产厂商的零件数据；获取第二零件数据；其中，所述第二零件数据为原汽车厂商的零件数据；采用机器学习的方式对所述第一零件数据和所述第二零件数据进行匹配，以生成第一零件数据与第二零件数据的对应关系。本发明可以有效提升零件匹配效率和可靠性。

技术领域

本发明涉及零件匹配技术领域，尤其是涉及一种零件匹配方法、系统及终端。

背景技术

汽车市场的零配件信息体系庞杂，汽车生产厂商、零件生产企业各自应用自己的体系与标准，汽车生产的前市场与汽车销售后的服务后市场之间没有有效的信息衔接。数以万计的配件生产企业都维护着自己的配件信息体系，导致等质零件在汽车原厂、各配件生产企业的描述可能存在差异，各配件生产企业的信息体系很难与汽车原厂的配件信息体系匹配。

当因零件老化、事故维修等各种原因需要更换汽车的零配件时，大多用户希望找到可替换原厂配件的零配件，现有的零件匹配需要完全依赖熟悉配件信息的人工进行操作，然而，这种方式费时费力，零件匹配效率低下，且人工匹配的差错率较高，可靠性较差。

发明内容

有鉴于此，本发明的目的在于提供一种零件匹配方法、系统及终端，能够改善现有技术中存在的人工匹配零件的方式效率低下，可靠性较差的技术问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种零件匹配方法，包括：获取第一零件数据；其中，第一零件数据为零件生产厂商的零件数据；获取第二零件数据；其中，第二零件数据为原汽车厂商的零件数据；采用机器学习的方式对第一零件数据和第二零件数据进行匹配，以生成第一零件数据与第二零件数据的对应关系。

进一步，上述获取第一零件数据的步骤，包括：通过爬虫方式在网络上爬取第一零件数据；和/或，从零件生产厂商直接获取第一零件数据。

进一步，上述获取第二零件数据的步骤，包括：通过预先建立的零件数据库获取第二零件数据；其中，零件基础数据库中存储有原汽车厂商的零件信息；且获取的第二零件数据为符合预设格式的数据。

进一步，上述通过预先建立的零件数据库获取第二零件数据的步骤，包括：从预先建立的零件数据库中提取各零件的基础数据；从零件数据库中查找与各零件有关的关联零件数据；根据各零件对应的关联零件数据确定各零件的特征数据；将各零件的基础数据和特征数据进行关联适配，形成符合预设格式的第二零件数据。

进一步，上述采用机器学习的方式对第一零件数据和第二零件数据进行匹配，以生成第一零件数据与第二零件数据的对应关系的步骤，包括：采用深度学习的方式将第一零件数据转换为符合预设格式的第一标准零件数据；采用机器学习的方式对第一标准零件数据和第二零件数据进行匹配，以生成第一零件数据与第二零件数据的对应关系。

进一步，上述采用深度学习的方式将第一零件数据转换为符合预设格式的第一标准零件数据的步骤，包括：基于CRF算法和/或BI-LSTM算法将第一零件数据转换为符合预设格式的第一标准零件数据。

进一步，上述采用机器学习的方式对第一标准零件数据和第二零件数据进行匹配，以生成第一零件数据与第二零件数据的对应关系的步骤，包括：基于SVM算法对第一标准零件数据和第二零件数据进行模糊匹配，以生成第一零件数据与第二零件数据的对应关系。

进一步，上述第一零件数据与上述第二零件数据均以包括有多种零件数据的表格形式呈现。

第二方面，本发明实施例还提供一种零件匹配系统，包括：第一获取模块，用于获取第一零件数据；其中，第一零件数据为零件生产厂商的零件数据；第二获取模块，用于获取第二零件数据；其中，第二零件数据为原汽车厂商的零件数据；匹配模块，用于采用机器学习的方式对第一零件数据和第二零件数据进行匹配，以生成第一零件数据与第二零件数据的对应关系。