[發明專利]基于BOM識別的采購方法、裝置、設備及存儲介質

有效

• 申請號: 202210007440.4
• 申請日: 2022-01-06
• 公開（公告）號: CN114022086B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 肖清華;李六七;王安;杜飛;劉武
• 申請（專利權）人: 深圳前海硬之城信息技術有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06F16/35;G06F16/903;G06F40/279;G06N3/04;G06N3/08
• 代理公司: 深圳市特訊知識產權代理事務所(普通合伙) 44653
• 代理人: 孟智廣

1.一種基于BOM識別的采購方法，其特征在于，包括步驟：

獲取待采購電子元器件的BOM文件；

根據預置元器類目識別算法，對所述BOM文件進行類目標簽設置處理，得到標簽BOM文件，所述標簽BOM文件的設置標簽包括：元器件型號標簽、非元器件型號標簽；

根據預置規范化算法，對所述標簽BOM文件中所述非元器型號標簽的數據進行標準規范化處理，得到標簽BOM規范文件；

訪問預置目標商品數據庫，根據預置比對分析算法，將所述標簽BOM規范文件與所述目標商品數據庫進行關聯分析處理，得到關聯商品數據；

根據所述目標商品數據庫中的商品庫存、商品單價、商品交貨時長，對所述關聯商品數據進行篩選處理，得到所述BOM文件對應的采購商品數據；

其中，所述根據預置元器類目識別算法，對所述BOM文件進行類目標簽設置處理，得到標簽BOM文件包括：

基于神經網絡訓練的Fasttext文本分類模型,逐行對所述BOM文件進行識別，得到識別分類結果；

將所述識別分類結果設置為所述BOM文件對應數據格的標簽，得到標簽BOM文件；

其中，所述基于神經網絡訓練的Fasttext文本分類模型,逐行對所述BOM文件進行識別，得到識別分類結果包括：

逐行識別判斷所述BOM文件的首行字符串是否為元器件型號類型；

若識別不為元器件型號類型，則根據預置jieba函數，對所述首行字符串進行分詞處理，得到分詞字符串集；

基于神經網絡訓練的Fasttext文本分類模型，對所述分詞字符串集進行識別分層處理，得到層級分類數據，其中，所述層級分類數據包括：元器件型號類型；

若識別為元器件型號類型，則基于預置ES數據庫和預置KNN算法，校驗所述首行字符串是否為元器件型號類型；

若校驗為所述元器件型號類型，則將所述首行字符串確定為元器件型號類型；

若校驗不為所述元器件型號類型，則進入識別不為元器件型號類型處理中。

2.根據權利要求1所述的基于BOM識別的采購方法，其特征在于，所述根據預置規范化算法，對所述標簽BOM文件中所述非元器型號標簽的數據進行標準規范化處理，得到標簽BOM規范文件包括：

讀取所述非元器型號標簽在所述標簽BOM文件中的數據字符串；

根據預置等價轉換詞典和指定字符設置，對所述數據字符串進行等價轉換處理，得到指定字符串；

將所述指定字符串替換所述標簽BOM文件中的數據字符串，得到標簽BOM規范文件。

3.根據權利要求1所述的基于BOM識別的采購方法，其特征在于，所述訪問預置目標商品數據庫，根據預置比對分析算法，將所述標簽BOM規范文件與所述目標商品數據庫進行關聯分析處理，得到關聯商品數據包括：

讀取所述標簽BOM規范文件中元器件型號標簽對應的元器件型號字符串；

判斷所述元器件型號字符串在所述目標商品數據庫是否存在匹配的商品數據；

若存在匹配的商品數據，則將所述商品數據確定為關聯商品數據；

若不存在匹配的商品數據，則讀取所述標簽BOM規范文件中非元器件型號標簽對應的非元器件型號字符串集；

基于所述非元器件型號字符串集，計算所述目標商品數據庫中商品數據的字符匹配數，得到每個商品數據對應的字符匹配數；

篩選字符匹配數最大的商品數據為關聯商品數據。

4.根據權利要求1所述的基于BOM識別的采購方法，其特征在于，所述根據所述目標商品數據庫中的商品庫存、商品單價、商品交貨時長，對所述關聯商品數據進行篩選處理，得到所述BOM文件對應的采購商品數據包括：

判斷所述關聯商品數據對應所述商品數據庫中的商品庫存是否大于所述BOM文件對應的采購數量；

若大于所述采購數據，則將所述關聯商品數據篩選至預選商品數據集中；

根據所述商品數據庫中的商品單價和商品交貨時長，篩選出所述預選商品數據集中商品單價最低和商品交貨時長最短的商品數據，得到所述BOM文件對應的采購商品數據。