CN111563104A - 车辆配件的昵称的识别方法、装置、设备及存储介质 - Google Patents

Abstract

本发明属于人工智能技术领域，提供一种车辆配件的昵称的识别方法、装置、设备及存储介质，通过建立包括车辆配件昵称表和车辆材料昵称表的数据库，车辆配件昵称表采用配件名称的命名规则，车辆材料昵称表采用配件材质形状的命名规则，在车辆配件昵称表和车辆材料昵称表中先后进行查询，返还对应的标准名称，若在车辆材料昵称表中查询不到结果，则将关键字与标准名称进行比较，根据相似度返还查询结果。本发明通过数据库中的车辆配件昵称表和车辆材料昵称表来在不同的命名规则形成相应的数据，先在车辆配件昵称表中查询，再到车辆材料昵称表中进行查询，从而得到更准确的查询结果，将关键字与每个标准名称进行比较，根据相似度返还查询结果。

Description

车辆配件的昵称的识别方法、装置、设备及存储介质

技术领域

本发明涉及人工智能技术领域，由于属于智慧城市中的物联网技术，尤其涉及一种车辆配件的昵称的识别方法、装置、电子设备及存储介质。

背景技术

目前智慧城市的物联网发展迅速，但在车辆配件行业的互联网化水平还有待提高，经常车辆配件中各个零配件在线下销售中存在不同称谓，某些零配件别名和原始名称相关较大，当车辆发生故障需要进行更换或配件进行护理时，修理厂在向配件商购买车辆配件时经常会报出非标准名称(也即昵称)，车辆配件的昵称会与标准名称差异较大，较难准确识别，需要经验丰富的报价员能才准确的识别出车辆配件的昵称对应的特定零件，目前业内在搜索运用中匹配度较低，准确识别较难，不能准确的查询出对应的零配件。因此，如何准确的对车辆配件的昵称进行识别成为技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种车辆配件的昵称的识别方法、装置、电子设备及存储介质，以解决上述现有技术中的问题。

为了实现上述目的，本发明提供一种车辆配件的昵称的识别方法，包括以下步骤：

建立数据库，所述数据库包括车辆配件昵称表和车辆材料昵称表，所述车辆配件昵称表中的车辆配件昵称对应采用配件名称的命名规则生成的昵称，所述车辆材料昵称表中的车辆材料昵称对应采用配件材质形状的命名规则生成的昵称，每个所述昵称均具有对应的标准名称，所述数据库基于区块链搭建；

输入关键字在所述数据库中进行查询，先在所述车辆配件昵称表中进行查询，若查询到结果则返还该结果对应的标准名称，若查询不到结果则在所述车辆材料昵称表中进行查询；

若在所述车辆材料昵称表中查询不到结果，则将关键字与标准名称进行比较并生成相似度结果，根据相似度结果返还查询结果。

进一步的，在输入关键字在所述数据库中进行查询时：创建多线程并结合倒计时器，在每条线程中将输入的关键字在所述数据库中查询。

进一步的，在创建多线程时：根据多线程的线程数量对标准名称进行平均切片，将切片分别传入每个线程中进行查询。

进一步的，所述将关键字与标准名称进行比较并生成相似度结果包括：

在所述数据库中，将关键字对比标准名称中关于材料形状的相似度，取第一查询结果；

将关键字对比标准名称中关于配件名称的相似度，根据相似度从大到小进行排序取二查询结果、第三查询结果和第四查询结果；

将第一查询结果分别与第二查询结果、第三查询结果和第四查询结果取交集，若有交集则返回该交集，若没有交集，则返回第二查询结果、第三查询结果和第四查询结果。

进一步的，所述车辆配件昵称表和车辆材料昵称表中的标准名称与昵称的对应关系包括一对一、一对多和多对一三种类型。

进一步的，当一标准名称对应的多个昵称时，将这些多个昵称采用LinkedList的排序功能并按相似度进行排序生成。

进一步的，所述相似度的计算方式包括欧几里得距离计算方式、曼哈顿距离计算方式、明可夫斯基距离计算方式、余弦相似度计算方式和皮尔森相关系数计算方式。

为了实现上述目的，本发明提供一种车辆配件的昵称的识别装置，包括

数据库建立模块，用于建立包括车辆配件昵称表和车辆材料昵称表的数据库，所述车辆配件昵称表中的车辆配件昵称对应采用配件名称的命名规则生成的昵称，所述车辆材料昵称表中的车辆材料昵称对应采用配件材质形状的命名规则生成的昵称，每个所述昵称均具有对应的标准名称，所述数据库基于区块链搭建；

第一查询模块，用于根据输入的关键字在所述数据库中进行查询，先在所述车辆配件昵称表中进行查询，若查询到结果则返还该结果对应的标准名称，若查询不到结果则在所述车辆材料昵称表中进行查询；

第二查询模块，若所述第一查询模块查询不到结果，所述第二查询模块用于将关键字与标准名称进行比较，根据相似度返还查询结果。

为了实现上述目的，本发明还提供一种电子设备，所述电子设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述方法的步骤。

为了实现上述目的，本发明还提供一种计算机可读存储介质包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序；所述存储介质存储的所述计算机程序被处理器执行时实现前述方法的步骤。

本申请属于人工智能技术领域，尤其属于涉及智慧城市的物联网技术，进一步的，还属于区块链技术领域，通过数据库中的车辆配件昵称表和车辆材料昵称表来在不同的命名规则形成相应的数据，这些数据可存储区块链中，先在车辆配件昵称表中查询，再到车辆材料昵称表中进行查询，从而得到更准确的查询结果，最后才进行相似度查询，将关键字与每个标准名称进行比较并生成相似度结果，根据相似度结果返还查询结果，从而自动、快速得到准确有效的查询结果。

附图说明

图1为本发明车辆配件的昵称的识别方法的一个实施例的流程框图；

图2为本发明相似度查询的一个实施例的流程框图；

图3为本发明中车辆配件的昵称的识别方法在查询过程中的一个实施例的流程框图；

图4为本发明中车辆配件的昵称的识别装置的一个实施例的结构框图；

图5为本发明电子设备的一个实施例的硬件架构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

参阅图1，示出了本发明一种车辆配件的昵称的识别方法，包括以下步骤：

步骤S10，首先建立数据库，数据库中包括车辆配件昵称表和车辆材料昵称表，车辆配件昵称表的车辆配件昵称采用配件名称的命名规则对应采用配件名称的命名规则生成的昵称，也就是依据对命名的名称识别来进行区分，车辆材料昵称表的车辆材料昵称对用采用配件材质形状的命名规则生成的昵称，也就是依据配件的材质及形状的辨识来进行区分，每个所述昵称均具有对应的标准名称，任一标准名称可对应多外昵称并可将这些昵称按相似度进行排序，通过两个不用的数据表，从两个不同的评价方式来建立标准名称的数据库查询规则，将车辆配件的昵称与车辆配件的标准名称进行比较，建立的数据库，车辆配件的昵称可以是车辆配件的别名、非标准名称、化名、俗称以及语化名称等称谓，标准名称可以是配件生产厂商或车辆原厂提供的名称，标准名称通常可指原生产厂商提供的名称或者按汽车行业内的通用名称等被较为广泛接受的名称。

进一步，所述数据库存储在区块链上，本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

在车辆配件昵称表中，如标准名称“动力转向泵”的车辆配件昵称包括“转向助力泵”、“方向机助力泵”、“动力转向油泵”，将其按配件名称的命名规则对应到数据库中，当采用“方向机助力泵”搜索时则识别到标准名称“转向助力泵”，以配件名称的词汇来做出分析判断。在车辆材料昵称表中，如标准名称“头盖隔热垫”的车辆材料昵称包括“机盖隔热棉”，将其按配件材质的命名规则对应到数据库中，当采用“机盖隔热棉”搜索时则识别到标准名称“头盖隔热垫”，以材质描述的词汇来做出分析判断；如标准名称“变速箱”的车辆材料昵称包括“波箱”，将其按配件形状的命名规则对应到数据库中，当采用“波箱”搜索时则识别到标准名称“变速箱”，以形状描述的词汇做出分析判断。

在数据库中的数据可以是通过车辆配件的昵称与标准名称进行对比，对每个标准名称对应的多个昵称可按相似度进行排序，将车辆配件的昵称与标准名称一一进行比对，可根据名称的匹配程度来进行确定相似度，组装好数据进行存入到数据库中，从而可被调用。

数据库通常是按一定结构组织并可以长期存储在计算机系统及其它系统内、在逻辑上保持一致的、可共享的大量相关联数据的集合，在数据库中的数据按一定的数据模型组织、描述和储存，具有较小的冗余度、较高的数据独立性和易扩展性，并可为在一定组织范围内的各种用户所使用，广义数据库包括Oracle、MySQL、PostgreSQL、Redis和Hbase等。

在本实施例中，相似度就是比较两个事物的相似性，可通过计算事物的特征之间的距离，如果距离小，那么相似度大，如果距离大，那么相似度小。相似度的计算方式可采用聚类方法，聚类方法可通过层次聚类或相关性聚类进行分类，在层次聚类中通过计算不同类别数据点之间的相似度对在不同的层次的数据进行划分形成树状的聚类结构，相关性聚类可通过关联性大小得出，可用的计算方式包括欧几里得距离(Eucledian Distance)计算方式、曼哈顿距离(Manhattan Distance)计算方式、明可夫斯基距离(Minkowskidistance)计算方式、余弦相似度(Cosine Similarity)计算方式和皮尔森相关系数(Pearson Correlation Coefficient)计算方式等。

步骤S20，输入关键字在所述数据库中进行查询，关键字是与车辆配件名称有关的字或词汇，输入的关键词通常是用户对所需配件的习惯称谓，其包括采用不同国家在不同语言上的文字，先在所述车辆配件昵称表中进行查询，也就是确定查询的优先级顺序，若查询到结果则返还该结果对应的标准名称，即关键字符合配件名称的命名规则，若查询不到结果则在所述车辆材料昵称表中进行查询，进行进一步的查询。

当用户输入的关键词直接采用配件名称的命名规则，表明用户知道自己想要的配件的大致名称，故可根据其名称信息确定所查询的标准名称对应的产品；当用户输入的关键词为材质或形状的配件名称时，表明用户知道自己想要的配件的信息，故可根据所需配件的带材质或形状的标准名称，确定所查询的标准名称对应的产品。输入的方式可以采用计算机、手机以及平板等输入操作方法，从而用于执行识别车辆配件的昵称的操作。

在本实施例中，数据库中表的标准名称与昵称的对应关系包括一对一、一对多或多对一三种类型，在数据库中以表为组织单位存储数据，在表中有行和列分别对应字段和记录，根据表字段所规定的数据类型，可以向其中填入一条条的数据，如车辆配件的昵称对应的配件信息，在数据库中的表与表之间可以建立表间关系，也就是可以使车辆配件昵称表和车辆材料昵称表中的数据关联起来，数据库中表的关系指表之间的一种链接，可允许用户不仅从当前选定表中访问数据，而且可以访问其它表中的数据，实现一对一、一对多和多对一这三种类型，可采用一对一将标准名称的车辆配件的昵称进行关联，也可以采用一对多或多对一将同一标准名称衍生出的多个车辆配件的昵称关联起来，例如，车辆在前/后、左/右的标准名称是不同的，却具有相同的昵称，同时组合件或关联件也可能具有相同的昵称。

车辆配件包括车辆的零部件和耗材，车辆配件的品种繁多，代用性复杂，使得标准名称的识别体系也非常复杂，容易形成各种车辆配件的昵称，通常会进行不同的分类，按配件名称的命名规则进行相似匹配度能直接识别车辆配件的昵称，配合配件材质形状的命名规则实现对车辆配件的昵称的识别，可根据车辆配件的种类、品牌和型号等来进行命名。由于车辆配件可以分为原厂件、副厂件和自制件，也可以分为新配件和旧配件等，在本实施例中，配件的种类是制造商对同一型号内的，在诸如车身、底盘或驾驶室类型结构上有一定共同点的车辆所给予的命名；品牌是制造厂对一类车辆或发动机所给予的名称；型号是指制造厂对具有同类型、品牌、种类、系列及车身形式的车辆所给予的名称。当然在查询时可以根据配置条件，可同时在车辆配件昵称表和车辆材料昵称表中进行查询，优先返还在车辆配件昵称表中查询到的结果。

在数据库中，车辆配件可具有原厂零件号(Original Equipment ManufacturerNumber)的配件编码，车辆生产厂商或者零配件生产厂商为方便对车辆配件进行管理，都会对每种车型的每个零配件采用不同的编号区别分类，从而可得到对应车辆配件的类型、具体的性能和详细参数，还可以知道其应用的具体汽车品牌、车型系列、出厂年代等，以便用户查询确认，避免选择到错误的车辆配件。

步骤S30，若在所述车辆材料昵称表中查询不到结果，表明没有直接匹配的查询结果，则将关键字与标准名称进行比较并生成相似度结果，根据相似度结果返还查询结果，也就是进入相似度查询，查询结果可以是罗列出在数据库中所匹配查询到的数据，可按相似度大小进行排序组合输出查询结果，也就是当查询内容超出了数据库中车辆配件的昵称的数据，需要通过相似度查询得出结果。

如图2所示，将关键字与标准名称进行比较并生成相似度结果包括如下步骤：

步骤S31，在所述数据库中，将关键字对比标准名称中对于材料的相似度，取第一查询结果，当在查询中输入材料相关词汇，如查询“玻璃”与“泥”，会得出对应标准名称如“前门玻璃泥槽”；

步骤S32，将关键字对比标准名称中对于配件名称的相似度，根据相似度从大到小进行排序取第二查询结果、第三查询结果和第四查询结果，当在查询中输入配件名称相关的词汇，通常会有多个结果，如查询“饰条”，会得出标准名称“车顶上饰条”、“前封挡饰条”、“后风挡饰条”和“前车门饰条”等，取其中三个查询结果；

步骤S33，将第一查询结果分别与第二查询结果、第三查询结果和第四查询结果取交集，如果有交集返回该交集，通过命名与材质形状上的一致性识别出车辆配件的昵称，如果没有交集，返回第二查询结果、第三查询结果和第四查询结果，为用户提供多个选择。

在本实施例中，在输入关键字在数据库中进行查询时：创建多线程并结合倒计时器，在每条线程中将输入的关键字在所述数据库中查询，通过多线程来可提高查询的速度与效率，并结合倒计时器设定查询的时限，防止出现其它查询状况，确保查询的速度与效率。在创建多线程时，根据多线程的线程数量对标准名称进行平均切片，将切片分别传入每个线程中进行查询。

在查询过程中，参考图3所示，可根据服务器内存和CPU的相关情况，由线程池开出多个线程，创建多线程，并结合倒计时器CountDownLatch进行查询，可按如下步骤进行。

首先，在查询1中，取出一部分线程，例如另外1/3的线程a，将标准名称切片，如可将车辆材料昵称表中的标准名称根据线程a的数量进行平均切片，切片后分别传入每个线程中，在线程中可调用AI来比较输入关键字和数据库中的每个标准名称的相似度，将每条线程的比较结果暂存到Map1中，等待所有线程执行结束或由倒计时器结束，对Map1中的数据根据相似度从大到小进行排序，截取第一查询结果c1。

AI是主要用于研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术，AI在计算机科学中以人类智能相似的方式做出反应的智能机器，该领域研究包括机器人、语言识别、图像识别、自然语言处理等，通过调用AI可实现对标准名称的相似度判断。AI在计算机上实现时有两种不同的方式，在工程学方法采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同，另一种是模拟法由要求实现方法也和人类或生物机体所用的方法相同或相类似。

在本实施例中，可采用Runtime.getRuntime().availableProcessors()，在1-4-2机器上，也就是一个CPU插槽，4核，每个核2个超线程，这样的话会返回8，可以使用Runtime.getRuntime().availableProcessors()获取CPU的核心线程数，作为线程的基础运行数量，如果机器内存足够大，最大可开线程数，可适当上调。

例如，当查询右灯或左灯这个名称，数据库中查询不到直接的对应匹配，如数据库中标准名称462条，加入现在可以开到100条线程进行处理，对标准名称进行分片，分成100份，这样每条线程最多处理5条配件标准名称和车辆配件的昵称比较就可以了，将分片数据传入每条线程内，100条线程同时执行会远比1条线程处理这462条数据要快的多，线程内循环标准名称分片数据，逐个与车辆配件的昵称一起交给AI进行处理，AI会给出一个相似度，还定义了全局Map，Map是STL的一个关联容器，提供一对一的数据处理能力，对各线程透明化，各线程将结果暂存入Map，等待后续处理。

在本实施例中，采用LinkedList的排序功能，与任一标准名称对应的多个昵称采用LinkedList的排序功能并按相似度进行排序生成到数据库中，当一个标准名称对应多个昵称时，这些昵称就可采用可LinkedList的排序功能进行排序生成到数据库中，对Map中每个Entry(即key,value组合体)根据相似度值从大到小进行排序，排序之后放回有序Map(即LinkedHashMap)中，取出前3个，出入数据库，可以被当作堆栈、队列或双端队列进行操作，LinkedList可实现List接口进行队列操作，还可以实现Deque接口当作双端队列使用。LinkedList是一个继承于AbstractSequentialList的双向循环链表。它也可以被当作堆栈、队列或双端队列进行操作。

在实际工作中通过主线程开启多线程去并行执行任务，并且主线程需要等待所有子线程执行完毕后再进行汇总的情形，可通过内部提供的一个计数器，在构造闭锁时通过指定计数器的初始值，如提供了一个countDown方法来操作计数器的值，每调用一次countDown方法计数器都会减1，直到计数器的值减为0时就代表条件已成熟，所有因调用await方法而阻塞的线程都会被唤醒，通过CountDownLatch的内部机制，应用到开启多个线程同时执行某个任务的场景中，在计时结束后结束所有任务再统计汇总结果。

在查询2中，对另一部分线程，例如取2/3的线程b，将所有的标准名称根据线程b数量进行平均切片，将切片分别传入到每个线程中，在线程中可调用AI来比较输入的关键字和数据库中每个标准名称的相似度，将每条线程的比较结果暂存到Map2中，等待所有线程执行结束或由倒计时器结束，对Map2中的数据根据相似度从大到小进行排序，截取查询到的前三位结果：第二查询结果c2、第三查询结果c3和第四查询结果c4。

根据第一查询结果c1数据的材料id查询可得到对应的标准名称，将第一查询结果c1分别与第二查询结果c2、第三查询结果c3和第四查询结果c4取交集，如果有交集返回该交集，如果没有交集，返回第二查询结果c2、第三查询结果c3和第三查询结果c4，输出查询结果。

当查询结果被确认后，可将第一查询结果c1的查询记录数据存入车辆材料昵称表中，也可将查询结果c2、c3或c4的查询记录数据存入到车辆配件昵称表，从而可完善数据库。

在数据库中，查询的方式可采用连接查询、子查询和合并查询，连接查询用于对两张或两张以上表的查询，连接查询可以划分为内连接查询、外连接查询和复合条件的连接查询，子查询是将一个查询嵌入到另一个查询中，合并查询会采用union作为关键语句，处理查询记录。

本发明通过车辆配件的昵称与标准名称的相似度建立包含车辆配件昵称表和车辆材料昵称表的数据库，为了得到更精确的查询结果将数据内容进行划分，可采用了多线程并利用倒计时器来提高查询的效率，可利用AI进行智能比较，将对比结果暂存到Map中，根据相似度大小排序，截取相似度高的数据在数据库中进行组装，在输入关键字查询后得出查询结果。

实施例二

参阅图4，示出了本发明一种车辆配件的昵称的识别装置10，包括数据库建立模块11、第一查询模块12和第二查询模块13，所述数据库建立模块11用于建立包括车辆配件昵称表和车辆材料昵称表的数据库，所述数据库基于区块链搭建，所述车辆配件昵称表中的车辆配件昵称对应采用配件名称的命名规则生成的昵称，所述车辆材料昵称表中的车辆材料昵称对应采用配件材质形状的命名规则生成的昵称，每个所述昵称均具有对应的标准名称，所述第一查询模块12用于根据输入的关键字在所述数据库中进地查询，先在所述车辆配件昵称表中进行查询，若查询到结果则返还该结果对应的标准名称，若查询不到结果则在所述车辆材料昵称表中进行查询，若在所述第一查询模块12中查询不到结果，所述第二查询模块13用于将关键字与标准名称进行比较，根据相似度返还查询结果，可实现将车辆配件的昵称与标准名称进行对比并按相似度进行排序。

在本实施例中，将查询的过程通过两个不同的查询模块来分别进行，对已有数据的数据库由第一查询模块12进行查询，并通过第二查询模块13的相似度查询解决第一查询模块12不能查询到的部分。

当需要查询的关键字在数据库中没有直接匹配时，启用第二查询模块13，在进行查询时，将输入的关键字对比标准名称中对于材料的相似度，得到第一查询结果，并且，将输入的关键字对比标准名称对于配件名称的相似度，根据相似度从大到小进行排序取第二查询结果、第三查询结果和第四查询结果，然后将第一查询结果分别与第二查询结果、第三查询结果和第四查询结果取交集，若有交集则返回该交集，若没有交集，则返回第二查询结果、第三查询结果和第四查询结果，通过在材料形状和名称两者上的相似度比较后取交集，能够更精度的得到所需查询结果，在没有交集时则提供配件名称相似的查询结果。

实施例三

本实施例还提供一种电子设备20，实施例二的车辆配件的昵称的识别装置10的组成部分可设置在电子设备20中，电子设备20可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的电子设备20至少包括但不限于：可通过系统总线相互通信连接的存储器21、处理器22以及存储在存储器21上并可在处理器22上运行的计算机程序，如图5所示。需要指出的是，图5仅示出了具有组件21-22的电子设备20，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本实施例中，存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是电子设备20的内部存储单元，例如该电子设备20的硬盘或内存。在另一些实施例中，存储器21也可以是电子设备20的外部存储设备，例如该电子设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括电子设备20的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于电子设备的操作系统和各类应用代码。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制电子设备20的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据。本实施例中电子设备20的处理器22执行计算机程序时实现实施例一的车辆配件的昵称的识别方法。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例计算机可读存储介质存储实施例二的车辆配件的昵称的识别装置10，被处理器执行时实现实施例一的车辆配件的昵称的识别方法。

进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明提供了一种车辆配件的昵称的识别方法、装置、电子设备及存储介质，在车辆配件的昵称的识别方法中通过数据库中的车辆配件昵称表和车辆材料昵称表来在不同的命名规则形成相应的数据，先在车辆配件昵称表中查询，再到车辆材料昵称表中进行查询，从而得到更准确的查询结果，最后才进行相似度查询，将关键字与每个标准名称进行比较，根据相似度返还查询结果，从而快速得到准确有效的查询结果。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆配件的昵称的识别方法，其特征在于，包括以下步骤：

建立数据库，所述数据库包括车辆配件昵称表和车辆材料昵称表，所述车辆配件昵称表中的车辆配件昵称对应采用配件名称的命名规则生成的昵称，所述车辆材料昵称表中的车辆材料昵称对应采用配件材质形状的命名规则生成的昵称，每个所述昵称均具有对应的标准名称，所述数据库基于区块链搭建；

输入关键字在所述数据库中进行查询，先在所述车辆配件昵称表中进行查询，若查询到结果则返还该结果对应的标准名称，若查询不到结果则在所述车辆材料昵称表中进行查询；

若在所述车辆材料昵称表中查询不到结果，则将关键字与标准名称进行比较并生成相似度结果，根据相似度结果返还查询结果。

2.根据权利要求1所述的车辆配件的昵称的识别方法，其特征在于，在输入关键字在所述数据库中进行查询时：创建多线程并结合倒计时器，在每条线程中将输入的关键字在所述数据库中查询。

3.根据权利要求2所述的车辆配件的昵称的识别方法，其特征在于，在创建多线程时：根据多线程的线程数量对标准名称进行平均切片，将切片分别传入每个线程中进行查询。

4.根据权利要求1所述的车辆配件的昵称的识别方法，其特征在于，所述将关键字与标准名称进行比较并生成相似度结果包括：

在所述数据库中，将关键字对比标准名称中关于材料形状的相似度，取第一查询结果；

将关键字对比标准名称中关于配件名称的相似度，根据相似度从大到小进行排序取第二查询结果、第三查询结果和第四查询结果；

将第一查询结果分别与第二查询结果、第三查询结果和第四查询结果取交集，若有交集则返回该交集，若没有交集，则返回第二查询结果、第三查询结果和第四查询结果。

5.根据权利要求1所述的车辆配件的昵称的识别方法，其特征在于，所述车辆配件昵称表和车辆材料昵称表中的标准名称与昵称的对应关系包括一对一、一对多和多对一三种类型。

6.根据权利要求5所述的车辆配件的昵称的识别方法，其特征在于，当一标准名称对应的多个昵称时，将这些多个昵称采用LinkedList的排序功能并按相似度进行排序生成。

7.根据权利要求1所述的车辆配件的昵称的识别方法，其特征在于，所述相似度的计算方式包括：欧几里得距离计算方式、曼哈顿距离计算方式、明可夫斯基距离计算方式、余弦相似度计算方式和皮尔森相关系数计算方式。

8.一种车辆配件的昵称的识别装置，其特征在于，包括：

数据库建立模块，用于建立包括车辆配件昵称表和车辆材料昵称表的数据库，所述车辆配件昵称表中的车辆配件昵称对应采用配件名称的命名规则生成的昵称，所述车辆材料昵称表中的车辆材料昵称对应采用配件材质形状的命名规则生成的昵称，每个所述昵称均具有对应的标准名称，所述数据库基于区块链搭建；

第一查询模块，用于根据输入的关键字在所述数据库中进行查询，先在所述车辆配件昵称表中进行查询，若查询到结果则返还该结果对应的标准名称，若查询不到结果则在所述车辆材料昵称表中进行查询；

第二查询模块，若所述第一查询模块查询不到结果，所述第二查询模块用于将关键字与标准名称进行比较，根据相似度返还查询结果。

9.一种电子设备，所述电子设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序；所述存储介质存储的所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

Images