[发明专利]基于BOM识别的采购方法、装置、设备及存储介质有效

专利信息
申请号: 202210007440.4 申请日: 2022-01-06
公开(公告)号: CN114022086B 公开(公告)日: 2022-04-22
发明(设计)人: 肖清华;李六七;王安;杜飞;刘武 申请(专利权)人: 深圳前海硬之城信息技术有限公司
主分类号: G06Q10/08 分类号: G06Q10/08;G06F16/35;G06F16/903;G06F40/279;G06N3/04;G06N3/08
代理公司: 深圳市特讯知识产权代理事务所(普通合伙) 44653 代理人: 孟智广
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 bom 识别 采购 方法 装置 设备 存储 介质
【权利要求书】:

1.一种基于BOM识别的采购方法,其特征在于,包括步骤:

获取待采购电子元器件的BOM文件;

根据预置元器类目识别算法,对所述BOM文件进行类目标签设置处理,得到标签BOM文件,所述标签BOM文件的设置标签包括:元器件型号标签、非元器件型号标签;

根据预置规范化算法,对所述标签BOM文件中所述非元器型号标签的数据进行标准规范化处理,得到标签BOM规范文件;

访问预置目标商品数据库,根据预置比对分析算法,将所述标签BOM规范文件与所述目标商品数据库进行关联分析处理,得到关联商品数据;

根据所述目标商品数据库中的商品库存、商品单价、商品交货时长,对所述关联商品数据进行筛选处理,得到所述BOM文件对应的采购商品数据;

其中,所述根据预置元器类目识别算法,对所述BOM文件进行类目标签设置处理,得到标签BOM文件包括:

基于神经网络训练的Fasttext文本分类模型,逐行对所述BOM文件进行识别,得到识别分类结果;

将所述识别分类结果设置为所述BOM文件对应数据格的标签,得到标签BOM文件;

其中,所述基于神经网络训练的Fasttext文本分类模型,逐行对所述BOM文件进行识别,得到识别分类结果包括:

逐行识别判断所述BOM文件的首行字符串是否为元器件型号类型;

若识别不为元器件型号类型,则根据预置jieba函数,对所述首行字符串进行分词处理,得到分词字符串集;

基于神经网络训练的Fasttext文本分类模型,对所述分词字符串集进行识别分层处理,得到层级分类数据,其中,所述层级分类数据包括:元器件型号类型;

若识别为元器件型号类型,则基于预置ES数据库和预置KNN算法,校验所述首行字符串是否为元器件型号类型;

若校验为所述元器件型号类型,则将所述首行字符串确定为元器件型号类型;

若校验不为所述元器件型号类型,则进入识别不为元器件型号类型处理中。

2.根据权利要求1所述的基于BOM识别的采购方法,其特征在于,所述根据预置规范化算法,对所述标签BOM文件中所述非元器型号标签的数据进行标准规范化处理,得到标签BOM规范文件包括:

读取所述非元器型号标签在所述标签BOM文件中的数据字符串;

根据预置等价转换词典和指定字符设置,对所述数据字符串进行等价转换处理,得到指定字符串;

将所述指定字符串替换所述标签BOM文件中的数据字符串,得到标签BOM规范文件。

3.根据权利要求1所述的基于BOM识别的采购方法,其特征在于,所述访问预置目标商品数据库,根据预置比对分析算法,将所述标签BOM规范文件与所述目标商品数据库进行关联分析处理,得到关联商品数据包括:

读取所述标签BOM规范文件中元器件型号标签对应的元器件型号字符串;

判断所述元器件型号字符串在所述目标商品数据库是否存在匹配的商品数据;

若存在匹配的商品数据,则将所述商品数据确定为关联商品数据;

若不存在匹配的商品数据,则读取所述标签BOM规范文件中非元器件型号标签对应的非元器件型号字符串集;

基于所述非元器件型号字符串集,计算所述目标商品数据库中商品数据的字符匹配数,得到每个商品数据对应的字符匹配数;

筛选字符匹配数最大的商品数据为关联商品数据。

4.根据权利要求1所述的基于BOM识别的采购方法,其特征在于,所述根据所述目标商品数据库中的商品库存、商品单价、商品交货时长,对所述关联商品数据进行筛选处理,得到所述BOM文件对应的采购商品数据包括:

判断所述关联商品数据对应所述商品数据库中的商品库存是否大于所述BOM文件对应的采购数量;

若大于所述采购数据,则将所述关联商品数据筛选至预选商品数据集中;

根据所述商品数据库中的商品单价和商品交货时长,筛选出所述预选商品数据集中商品单价最低和商品交货时长最短的商品数据,得到所述BOM文件对应的采购商品数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳前海硬之城信息技术有限公司,未经深圳前海硬之城信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210007440.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top