汽车维修关联配件的数据处理方法和装置制造方法及图纸

本申请公开了一种汽车维修关联配件的数据处理方法和装置。该方法包括：通过采集汽车维修数据，所述汽车维修数据至少包括：待识别汽车维修数据和训练维修数据；基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型；以及基于所述标准配件关联模型对所述待识别汽车维修数据进行处理，获得关联配件数据。通过上述方法，解决了现有技术汽车维修配件查找效率较低的技术问题，达到了提高提高配件查找采购效率，减少人力资源消耗的技术效果。

【技术实现步骤摘要】
汽车维修关联配件的数据处理方法和装置
本申请涉及汽车服务行业
，具体而言，涉及一种汽车维修关联配件的数据处理方法和装置。
技术介绍
由于汽车配件种类较多，且同一配件在不同地方存在不同别名，在进行汽车配件采购的过程中，人工查找所需配件，耗时、费力且易出错。现有技术中，在汽车配件的采购过程中，主要采用依据历史经验的推荐规则对汽车配件进行查找和推荐，由于配件种类较多，不同地区的配件别名可能存在不同，因此在汽车配件的查找过程中，现有技术存在效率较低的技术问题。申请内容本申请的主要目的在于提供一种汽车维修关联配件的数据处理方法，通过配件关联模型对待识别的汽车维修数据进行处理，输出与所述待识别的汽车维修数据的关联配件数据，达到了提高配件查找采购效率的技术效果。为了实现上述目的，本申请提出了一种汽车维修关联配件的数据处理方法。本专利技术的第二方面，还提出了一种汽车维修关联配件的数据处理装置。本专利技术的第三方面，还提出了一种计算机可读存储介质。有鉴于此，根据本专利技术的第一方面，提出了一种汽车维修关联配件的数据处理方法，包括：采集汽车维修数据，所述汽车维修数据至少包括：待识别汽车维修数据和训练维修数据；基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型；以及基于所述标准配件关联模型对所述待识别汽车维修数据进行处理，获得关联配件数据。进一步地，基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型，包括：基于所述训练维修数据对预先建立的配件关联模型进行训练，包括：识别所述训练维修数据中的配件需求数据，基于所述配件需求数据构建训练数据集；基于所述训练数据集，对所述预先建立的配件关联模型进行训练；基于预设条件对配件关联模型进行校验，获得标准配件关联模型。进一步地，识别所述训练维修数据中的配件特征数据，基于所述配件特征数据构建训练数据集，包括：识别所述训练维修数据中的配件需求数据，所述配件需求数据包括：事故案件数据、车辆结构数据和配件基本数据；识别所述配件需求数据中的配件特征数据，所述配件特征数据包括：车辆类型、品牌、车系和车辆型号；将所述配件需求数据基于所述配件需求数据与所述配件特征数据进行分类处理，构建训练数据集。进一步地，基于所述训练数据集，对所述预先建立的配件推荐模型进行训练，包括：对所述训练数据集中的训练样本数据进行识别，识别所述训练样本数据中的配件特征数据；基于所述训练样本数据中的配件特征数据，对所述预先建立的配件关联模型进行训练；基于所述配件关联模型对所述训练样本数据进行处理，输出训练关联配件数据。进一步地，基于预设条件对配件关联模型进行校验，获得标准配件关联模型，包括：识别所述训练维修数据中与所述配件需求数据对应的配件订单数据，将所述配件订单数据与所述训练配件关联数据进行对比；若所述对比结果满足预设条件，获得关联配件推荐模型；若所述对比结果不满足预设条件，对所述配件关联模型继续校验，直至满足预设条件，获得标准配件关联模型。进一步地，在基于所述标准配件关联模型对所述待识别汽车维修数据进行处理，获得关联配件数据之后，还包括：基于所述关联配件数据，匹配与所述关联配件数据对应的配件采集端口。本专利技术的第二方面，提出了一种汽车维修关联配件的数据处理装置，包括：数据采集模块，用于采集汽车维修数据，所述汽车维修数据至少包括：待识别汽车维修数据和训练维修数据；配件关联模块，包括：训练模型模块，基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型；以及数据处理模块，基于所述标准配件关联模型对所述待识别汽车维修数据进行处理，获得关联配件数据。结果输出模块，用于输出所述关联配件数据。进一步地，所述配件关联模块，包括：训练模型模块，基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型，包括：样本构建模块，识别所述训练维修数据中的配件需求数据，基于所述配件需求数据构建训练数据集；模型训练模块，基于所述训练数据集，对所述预先建立的配件关联模型进行训练；模型校验模块，基于预设条件对配件关联模型进行校验，获得标准配件关联模型。进一步地，所述样本构建模块，包括：识别所述训练维修数据中的配件需求数据，所述配件需求数据包括：事故案件数据、车辆结构数据和配件基本数据；识别所述配件需求数据中的配件特征数据，所述配件特征数据包括：车辆类型、品牌、车系和车辆型号；将所述配件需求数据基于所述配件需求数据与所述配件特征数据进行分类处理，构建训练数据集。本专利技术的第三方面，提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如上述的关联配件的数据处理方法的步骤。本申请的实施例提供的技术方案可以包括以下有益效果：在本申请中，在汽车配件的采集过程中，通过获取训练维修数据，建立配件关联模型，并对所述配件关联模型进行训练，对所述配件关联模型进行校验，获得标准配件关联模型，通过所述标准配件关联模型对多户待识别维修数据进行处理，获得与所述待识别维修数据对应的关联配件数据，达到了提高配件查找和采购的效率，减少人力资源消耗的技术效果。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请提供的一种汽车维修关联配件的数据处理方法的流程示意图；图2为本申请提供的一种汽车维修关联配件的数据处理方法的流程示意图；图3为本申请提供的一种汽车维修关联配件的数据处理方法的流程示意图；图4为本申请提供的一种汽车维修关联配件的数据处理装置的结构示意图；图5为本申请提供的另一种汽车维修关联配件的数据处理装置的结构示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指本文档来自技高网...

【技术保护点】
1.一种汽车维修关联配件的数据处理方法，其特征在于，包括：/n采集汽车维修数据，所述汽车维修数据至少包括：待识别汽车维修数据和训练维修数据；/n基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型；以及/n基于所述标准配件关联模型对所述待识别汽车维修数据进行处理，获得关联配件数据。/n

【技术特征摘要】
1.一种汽车维修关联配件的数据处理方法，其特征在于，包括：
采集汽车维修数据，所述汽车维修数据至少包括：待识别汽车维修数据和训练维修数据；
基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型；以及
基于所述标准配件关联模型对所述待识别汽车维修数据进行处理，获得关联配件数据。


2.根据权利要求1所述的关联配件的数据处理方法，其特征在于，基于所述训练维修数据对预先建立的配件关联模型进行训练，获得标准配件关联模型，包括：
基于所述训练维修数据对预先建立的配件关联模型进行训练，包括：
识别所述训练维修数据中的配件需求数据，基于所述配件需求数据构建训练数据集；
基于所述训练数据集，对所述预先建立的配件关联模型进行训练；
基于预设条件对配件关联模型进行校验，获得标准配件关联模型。


3.根据权利要求2所述的关联配件的数据处理方法，其特征在于，识别所述训练维修数据中的配件特征数据，基于所述配件特征数据构建训练数据集，包括：
识别所述训练维修数据中的配件需求数据，所述配件需求数据包括：事故案件数据、车辆结构数据和配件基本数据；
识别所述配件需求数据中的配件特征数据，所述配件特征数据包括：车辆类型、品牌、车系和车辆型号；
将所述配件需求数据基于所述配件需求数据与所述配件特征数据进行分类处理，构建训练数据集。


4.根据权利要求2所述的关联配件的数据处理方法，其特征在于，基于所述训练数据集，对所述预先建立的配件推荐模型进行训练，包括：
对所述训练数据集中的训练样本数据进行识别，识别所述训练样本数据中的配件特征数据；
基于所述训练样本数据中的配件特征数据，对所述预先建立的配件关联模型进行训练；
基于所述配件关联模型对所述训练样本数据进行处理，输出训练关联配件数据。


5.根据权利要求2或4任一项权利要求所述的关联配件的数据处理方法，其特征在于，基于预设条件对配件关联模型进行校验，获得标准配件关联模型，包括：
识别所述训练维修数据中与所述配件需求数据对应的配件订单数据，将所述配件订单数据与所述训练配件关联数据进行对比；

【专利技术属性】
技术研发人员：张启龙，郑谦，马富天，
申请(专利权)人：邦邦汽车销售服务北京有限公司，
类型：发明
国别省市：北京;11