[发明专利]物料数据长描述对应小类名称分类方法

说明书

本发明公开了一种物料数据长描述对应小类名称分类方法。本发明物料数据的小类类别的分类，首先能准确分析数据中存在的问题，如大小写/全半角、连接符、单位不统一，读音相似问题，进行合理的数据预处理过程，将数据规范化、标准化，然后转化成特征向量的形式，采用logistic回归+L2正则化+L‑BFGS优化的方法对其进行分类，本发明可以实现对物料快速、准确的分类，提高了企业在物料存取的工作效率。

技术领域

本发明涉及物料数据分类技术领域，尤其涉及物料数据长描述对应小类名称分类方法。

背景技术

物料主数据包含了对所有企业所采购、生产和存储在库存中物料的描述。它是企业中有 关物料信息(例如，库存水平)的物料数据代码库。将所有的物料数据集成在单一的物料数据 库中，消除了数据冗余的问题，而且不仅允许采购部门使用这些数据，而且其它应用部门(例 如，库存管理、物料计划及控制、发票校验等)也可以使用这些数据。物料分类是指按照一定 的排列次序和组合方式，对具有相同自然属性的物料进行分类。物料分类过程中应尽量遵循 以自然属性分类的基本准则，现有的物料分类效率低下，而且容易出现分类错误的现象。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目 的在于提出物料数据长描述对应小类名称分类方法，本发明可以实现对物料快速、准确的分 类，提高了企业在物料存取的工作效率。

根据本发明实施例的一种物料数据长描述对应小类名称分类方法，方法步骤如下：

S1：原始物料数据：对原始物料的数据进行读入；

S2：数据预处理：对读入的原始物料数据进行预处理，将数据规范化、标准化；

S3：类别转数字：将原始物料数据类别列编码成数字；

S4：样本集划分：将样本集划分为训练集和测试集；

S5：特征向量化：将物料长描述转换为特征向量形式；

S6：分类：通过学习得到一个目标函数，把每个特征集映射到一个预先定义的类标号；

S7：分类结果评估：通过准确率、召回率和F1值来评估分类结果。

所述S2包括如下步骤：

S21：对原始物料数据单位和连接符统一；

S22：去掉括号和斜杠；

S23：中文分词后进行文字转拼音；

S24：大写转小写和全角转半角。

S3中所述原始物料数据包含物料数据长描述、小类名称。

S4中样本集的划分比例为训练集样本量与测试集样本量比例为7：3。

S5中所述特征向量化方法为tf-idf算法。

S5中所述物料长描述为物料文本数据。

S6中所述分类方法有logistic回归、朴素贝叶斯、决策树、支持向量机、K近邻、随机 森林、GBDT、XGBoost、神经网络等。

S7中评估分类结果的度量有准确率、召回率和F1值。

本发明中的有益效果是：本发明物料数据的小类类别的分类，首先能准确分析数据中存 在的问题，如大小写/全半角、连接符、单位不统一，读音相似问题，进行合理的数据预处理 过程，将数据规范化、标准化，然后转化成特征向量的形式，采用logistic回归+L2正则化 +L-BFGS优化的方法对其进行分类，本发明可以实现对物料快速、准确的分类，提高了企业 在物料存取的工作效率。

附图说明