CN111291088A - 一种基于从属关系的零件号智能搜索方法 - Google Patents
一种基于从属关系的零件号智能搜索方法 Download PDFInfo
- Publication number
- CN111291088A CN111291088A CN202010052940.0A CN202010052940A CN111291088A CN 111291088 A CN111291088 A CN 111291088A CN 202010052940 A CN202010052940 A CN 202010052940A CN 111291088 A CN111291088 A CN 111291088A
- Authority
- CN
- China
- Prior art keywords
- database
- user
- search
- part number
- name
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于从属关系的零件号智能搜索方法,构建能反映零部件从属与层级关系的数据库,将品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号按层级收录,并根据零部件的适配、互换、替换的关系特征,以及用户的语言表述习惯,通过搜索算法,构成在互联网上供用户使用的搜索引擎。本发明方法中用户只需掌握基本的机械常识,不必经过专业训练,就可以判断和识别,完成零件号的检索。
Description
技术领域
本发明涉及零件的检索技术领域,尤其涉及一种基于从属关系的零件号智能搜索方法。
背景技术
生产厂家为了方便零件的识别和管理,一般会为每个零件、部件或总成,编制独立且唯一的编号,这个编号就是零件号。零件号一般由数字和字母组成,并且每个数字和字母都隐藏着该零件的特性以便识别和管理。
零件号检索,是维修工程师必须掌握的一项基本技能。传统的零件号检索方法,需要专业的维修工程师根据零部件的形状、功能、尺寸、装配部位等因素,判定零部件的名称,并依据产品的品牌、型号和出厂日期(或出厂编号),通过主机厂提供的对应《零件手册》(或《零件目录》),逐级检索才能找到所需的零件号。
发明内容
本发明目的就是为了弥补已有技术的缺陷,提供一种基于从属关系的零件号智能搜索方法。
本发明是通过以下技术方案实现的:
一种基于从属关系的零件号智能搜索方法,构建能反映零部件从属与层级关系的数据库,将品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号按层级收录,并根据零部件的适配、互换、替换的关系特征,以及用户的语言表述习惯,通过搜索算法,构成在互联网上供用户使用的搜索引擎。
所述的数据库包括有包含零件与系统之间从属关系的零件目录数据库、包括用户可能录入的同音字、词,笔误、俗称、别称以及错别字的关联纠错数据库以及通过用户搜索商品时录入的信息、对输出商品结果的选择来完善的行为特征数据库,搜索引擎可调用所述数据库并基于搜索算法进行搜索。
当用户有搜索零件号的需求时,向搜索引擎以自己习惯的语言或文字表述方式,录入能反映需求特征的语音或文字,搜索引擎首先将用户的搜索行为记录于所述行为特征数据库中,并对录入的语音和文字进行处理得到搜索关键词,再以所述关联纠错数据库为依据作辅助判断,确定用户真实的搜索目标,同时通过搜索算法从所述零件目录数据库进行搜索,得到精准或相关的零件名称与零件号信息列表,用户对零件名称和零件号信息的选择行为,将储存于所述行为特征数据库中,作为判断该用户个性需求的特征和提高搜索精准度的依据。在此方法中,用户只需掌握基本的机械常识,不必经过专业训练,就可以判断和识别,完成零件号的检索。
所述的搜索算法是对搜索关键词进行分析,确定内容中的句法结构或者句子中词汇之间的依存关系,结合关联纠错数据库将搜索关键词拆分、替换、补充,分别确定品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号,用确定的参数匹配零件目录数据库,获取匹配度最高的搜索结果。
所述的零件目录数据库的基础数据来源于厂家向社会公开提供的零件手册,经过收集和数据整理,客观反映零件与部件、总成、系统、型号及品牌之间的从属关系,同时通过关联纠错数据库的进行补充,形成有别于原始零件手册的新型数据库。
关联纠错数据库包括用户可能录入的同音字、词,笔误、俗称、别称以及错别字等,作为对零件目录数据库的补充,通过对错误录入的收集分析,保证即使在用户录入信息错误的情况下,也可以得出准确的输出结果。
行为特征数据库主要包括用户在使用搜索引擎时的录入信息以及对搜索结果的选择,此数据库也作为补充数据对关联纠错数据库进行补充,通过记录用户录入信息及检索输出结果的选择,收集并分析用户需求的个性特征和选择判断标准,从而完成对个性化需求的数据标定,帮助引擎更智能地分析用户的检索需求,从而在录入信息相似的情况下,得到准确的检索结果。
本发明的优点是:1、数据可靠:零件数据资料来自于厂家向社会公开提供的零件手册,数据真实可靠;
2、支持语音:支持手机端语音输入,可随时随地搜索查询,不受办公环境限制;
3、降低门槛:搜索关键词根据用户的日常语言表达习惯提取,大幅度降低了使用门槛,使用者不再需要经过专门的训练,降低了专业门槛;
4、输出精准:搜索结果的输出以“精准性”为目标,可节约使用者的查阅时间,大幅度降低使用者判断的难度;
5、智能纠错:根据手写输入法和拼音输入法可能出现的错误识别,建立了关联纠错数据库,可在输入错误的情况下,判断用户的真实需求并输出正确结果;
6、自我学习:系统具有自我学习功能,可根据用户的输入、输出和选择结果,补充和修正数据库,提高搜索的准确性。
附图说明
图1为本发明方法流程图。
具体实施方式
如图1所示,一种基于从属关系的零件号智能搜索方法,构建能反映零部件从属与层级关系的数据库,将品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号按层级收录,并根据零部件的适配、互换、替换的关系特征,以及用户的语言表述习惯,通过搜索算法,构成在互联网上供用户使用的搜索引擎。
其中,数据库包括有:包含零件与系统之间从属关系的零件目录数据库,包括用户可能录入的同音字、词,笔误、俗称、别称以及错别字的关联纠错数据库,以及通过用户搜索商品时录入的信息、对输出商品结果的选择来完善的行为特征数据库,搜索引擎可调用上述数据库并基于搜索算法进行搜索。
当用户有检索零件号的需求时,可向搜索引擎以自己习惯的语言或文字表述方式,录入能反映需求特征的语音或文字,如“品牌+型号+零件名称”,搜索引擎首先将用户的搜索行为记录于行为特征数据库中,并对录入的语音和文字进行处理得到“搜索关键词”,再以关联纠错数据库为依据作辅助判断,确定用户真实的检索目标,同时通过搜索算法从零件目录数据库进行搜索,得到精准或相关的零件名称与零件号信息列表,用户对零件名称和零件号信息的选择行为,将储存于行为特征数据库中,作为判断该用户个性需求的特征,和提高搜索精准度的依据。在此方法中,用户只需掌握基本的机械常识,不必经过专业训练,就可以判断和识别,完成零件号的检索。
搜索算法
搜索算法,是对搜索关键词进行分析,确定内容中的句法结构或者句子中词汇之间的依存关系。结合关联纠错数据库将搜索关键词拆分、替换、补充,分别确定品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号,用确定的参数匹配零件目录数据库,获取匹配度最高的检索结果。
零件目录数据库
数据库特点:零件目录数据库的基础数据来源于厂家向社会公开提供的零件手册,经过收集和数据整理,客观反映零件与部件、总成、系统、型号及品牌之间的从属关系,同时通过关联纠错数据库的进行补充,形成有别于原始数据手册的新型数据库。
关联纠错数据库
数据库特点:关联纠错数据库包括用户可能录入的同音字、词,笔误、俗称、别称以及错别字等,作为对零件目录数据库的补充,通过对错误录入的收集分析,保证即使在用户录入信息错误的情况下,也可以得出准确的输出结果。
行为特征数据库
数据库特点:行为特征数据库主要包括用户在使用搜索引擎时的录入信息以及对搜索结果的选择,此数据库也作为补充数据对关联纠错数据库进行补充,通过记录用户录入信息及检索输出结果的选择,收集并分析用户需求的个性特征和选择判断标准,从而完成对个性化需求的数据标定,帮助引擎更智能地分析用户的检索需求,从而在录入信息相似的情况下,得到准确的检索结果。
Claims (5)
1.一种基于从属关系的零件号智能搜索方法,其特征在于:构建能反映零部件从属与层级关系的数据库,将品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号按层级收录,并根据零部件的适配、互换、替换的关系特征,以及用户的语言表述习惯,通过搜索算法,构成在互联网上供用户使用的搜索引擎。
2.根据权利要求1所述的一种基于从属关系的零件号智能搜索方法,其特征在于:所述的数据库包括有包含零件与系统之间从属关系的零件目录数据库、包括用户可能录入的同音字、词、笔误、俗称、别称以及错别字的关联纠错数据库以及通过用户搜索商品时录入的信息、对输出商品结果的选择来完善的行为特征数据库,搜索引擎可调用所述数据库并基于搜索算法进行搜索。
3.根据权利要求2所述的一种基于从属关系的零件号智能搜索方法,其特征在于:当用户有搜索零件号的需求时,向搜索引擎以自己习惯的语言或文字表述方式,录入能反映需求特征的语音或文字,搜索引擎首先将用户的搜索行为记录于所述行为特征数据库中,并对录入的语音和文字进行处理得到搜索关键词,再以所述关联纠错数据库为依据作辅助判断,确定用户真实的搜索目标,同时通过搜索算法从所述零件目录数据库进行搜索,得到精准或相关的零件名称与零件号信息列表,用户对零件名称和零件号信息的选择行为,将储存于所述行为特征数据库中,作为判断该用户个性需求的特征和提高搜索精准度的依据。
4.根据权利要求2所述的一种基于从属关系的零件号智能搜索方法,其特征在于:所述的搜索算法是对搜索关键词进行分析,确定内容中的句法结构或者句子中词汇之间的依存关系,结合关联纠错数据库将搜索关键词拆分、替换、补充,分别确定品牌、型号、系统名称、总成名称、部件名称、零件名称和零件号,用确定的参数匹配零件目录数据库,获取匹配度最高的搜索结果。
5.根据权利要求4所述的一种基于从属关系的零件号智能搜索方法,其特征在于:所述的零件目录数据库的基础数据来源于生产厂家向社会公开的零件手册,经过收集和数据整理,客观反映零件与部件、总成、系统、型号及品牌之间的从属关系,同时通过关联纠错数据库的进行补充,形成有别于原始零件手册的新型数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052940.0A CN111291088A (zh) | 2020-01-17 | 2020-01-17 | 一种基于从属关系的零件号智能搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052940.0A CN111291088A (zh) | 2020-01-17 | 2020-01-17 | 一种基于从属关系的零件号智能搜索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111291088A true CN111291088A (zh) | 2020-06-16 |
Family
ID=71030819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010052940.0A Pending CN111291088A (zh) | 2020-01-17 | 2020-01-17 | 一种基于从属关系的零件号智能搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111291088A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021534A (zh) * | 2016-05-25 | 2016-10-12 | 郑良平 | 汽车车型及配件的智能搜索方法及装置 |
CN107341251A (zh) * | 2017-07-10 | 2017-11-10 | 江西博瑞彤芸科技有限公司 | 一种医药偏方与关键字的提取和处理方法 |
CN108831482A (zh) * | 2018-08-24 | 2018-11-16 | 深圳市云采网络科技有限公司 | 一种基于语音识别搜索电子元器件的方法 |
CN110516044A (zh) * | 2019-08-30 | 2019-11-29 | 北京地厚云图科技有限公司 | 自然语言智能搜索在建筑工程管理任务的应用方法 |
-
2020
- 2020-01-17 CN CN202010052940.0A patent/CN111291088A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021534A (zh) * | 2016-05-25 | 2016-10-12 | 郑良平 | 汽车车型及配件的智能搜索方法及装置 |
CN107341251A (zh) * | 2017-07-10 | 2017-11-10 | 江西博瑞彤芸科技有限公司 | 一种医药偏方与关键字的提取和处理方法 |
CN108831482A (zh) * | 2018-08-24 | 2018-11-16 | 深圳市云采网络科技有限公司 | 一种基于语音识别搜索电子元器件的方法 |
CN110516044A (zh) * | 2019-08-30 | 2019-11-29 | 北京地厚云图科技有限公司 | 自然语言智能搜索在建筑工程管理任务的应用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304372B (zh) | 实体提取方法和装置、计算机设备和存储介质 | |
CN106815192B (zh) | 模型训练方法及装置和语句情感识别方法及装置 | |
JP5274259B2 (ja) | 表意文字内容を有するデータを探索およびマッチングするためのシステムおよび方法 | |
US9037613B2 (en) | Self-learning data lenses for conversion of information from a source form to a target form | |
US20100070263A1 (en) | Speech data retrieving web site system | |
CN1308748A (zh) | 机器辅助翻译工具 | |
CN101082936A (zh) | 数据查询系统及方法 | |
CN112651378B (zh) | 紧固件二维图纸的标注信息识别方法、设备及介质 | |
US20100100383A1 (en) | System and method for searching webpage with voice control | |
US20090164428A1 (en) | Self-learning data lenses | |
CN112445894A (zh) | 基于人工智能的商务智能系统及其分析方法 | |
CN111597219B (zh) | 一种基于关系属性的搜索方法及系统 | |
CN103177039A (zh) | 一种数据处理方法及装置 | |
CN116244410B (zh) | 一种基于知识图谱和自然语言的指标数据分析方法及系统 | |
CN110888946A (zh) | 一种基于知识驱动的查询的实体链接方法 | |
CN112447172B (zh) | 一种语音识别文本的质量提升方法和装置 | |
CN117708157A (zh) | 一种sql语句生成方法和装置 | |
CN114492396A (zh) | 用于汽车专有名词的文本错误纠正方法及可读存储介质 | |
CN110674276A (zh) | 机器人自学习方法、机器人终端、装置及可读存储介质 | |
CN117194647B (zh) | 一种用于离线环境的智能问答系统、方法及装置 | |
CN105324768B (zh) | 使用准确度简档的动态查询解析 | |
CN113377844A (zh) | 面向大型关系型数据库的对话式数据模糊检索方法及装置 | |
CN115577694B (zh) | 标准编写的智能推荐方法 | |
CN111291088A (zh) | 一种基于从属关系的零件号智能搜索方法 | |
CN111639160A (zh) | 领域识别的方法、交互的方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200616 |
|
RJ01 | Rejection of invention patent application after publication |