名称识别及关联推荐方法、装置、计算机设备及存储介质与流程

本发明涉及大数据的数据分析技术领域，尤其涉及一种名称识别及关联推荐方法、装置、计算机设备及存储介质。

背景技术：

修理厂在自主选择配件的过程中，对于配件的选择需要逐个选取，在选择事故车辆所需配件的过程中，需要选取多次之后再将所需全部配件发给配件商或者专业配件商城中。

但是，发明人意识到配件商或平台在收到修理厂的配件诉求信息后，由于各地区对配件进行定义的俗名是多种多样的，需要与修理厂反复确认所需配件与对应事故车车型信息，确认完毕后配件商或平台再将所需配件通过物流配送出去，并且修理厂还会对所需配件反复核实，出现与之前购买配件异议情况下会进一步与配件商或平台沟通；因此，当前的车辆配件的交易操作因频繁的与配件商进行沟通，导致交易效率和准确度低下的问题发生。

技术实现要素：

本发明的目的是提供一种名称识别及关联推荐方法、装置、计算机设备及存储介质，用于解决现有技术存在的因频繁的与配件商进行沟通，导致交易效率和准确度低下的问题。

为实现上述目的，本发明提供一种名称识别及关联推荐方法，包括：

获取配件名称；

识别所述配件名称的关联名称，其中，所述关联名称是与所述配件名称之间具有名称关联关系的学名，所述名称关联关系是指学名及其俗名与所述配件名称之间具有一致的字词的情况；

汇总所述关联名称得到关联清单，将所述关联清单发送至所述用户端，接收所述用户端在所述关联清单中选择的关联名称并将其设为目标名称；

根据所述目标名称从交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息；

将所述用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，将所述推荐清单发送至所述用户端，将所述用户端在所述推荐清单中选择的配件信息设为交易信息；

监听到所述用户端发送确认信号时，汇总所述交易信息形成订单信息，将所述订单信息发送至所述交易系统用于配件交易。

上述方案中，在所述获取配件名称之前，所述方法还包括：

构建至少由一个子数据库组成的库集群，在所述子数据库中建立至少由一个标记词汇构成的标记词汇集；其中，所述子数据库中具有记载车辆配件的学名和俗名的文件表，所述标记词汇为所述子数据库中各所述文件表内学名和俗名的关键字，在标记词汇与出现所述标记词汇的所述文件表之间构建库表关联关系。

上述方案中，在所述获取配件名称之前，所述方法还包括：

接收用户端发送的选择请求，根据所述选择请求向用户端发送具有车型选项的选择模块，接收所述用户端操作所述车型选项所生成的车型信息。

上述方案中，在所述获取配件名称之前，所述方法还包括：

接收用户端发送的拍摄请求，根据所述拍摄请求调用所述用户端的拍摄模块，用以对车辆的车架号进行拍摄得到数据图像，调用预置的ocr组件解析所述数据图像中的车架号信息，解析所述车架号信息得到所述车辆的车型信息。

上述方案中，在所述获取配件名称之前，所述方法还包括：

接收用户端发送的车架号信息，解析所述车架号信息得到所述车辆的车型信息。

上述方案中，所述识别所述配件名称的关联名称的步骤，包括：

对所述配件名称进行分词得到至少一个配件词汇；

从所述库集群的子数据库中获取标记词汇集，将所述配件词汇与所述标记词汇集中的标记词汇进行一一比对，并将与配件词汇一致的标记词汇设为目标词汇，将具有所述目标词汇的标记词汇集设为目标词汇集，以及将与所述目标词汇集对应的子数据库设为目标数据库；

识别所述目标数据库中与所述目标词汇之间具有库表关联关系的文件表，提取所述文件表中记载的学名作为所述关联名称，以实现识别与所述配件名称之间具有名称关联关系的学名的技术效果，其中，所述库表关联关系是指标记词汇出现在文件表中记载的学名或俗名中的情形；

所述将所述订单信息发送至所述交易系统用于配件交易之后，所述方法还包括：

将所述订单信息上传至区块链中。

上述方案中，在所述接收所述用户端在所述关联清单中选择的关联名称并将其设为目标名称之后，所述方法还包括：

根据所述目标名称和所述车型信息从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息。

为实现上述目的，本发明还提供一种名称识别及关联推荐装置，与交易系统连接，包括：

名称输入模块，用于获取配件名称；

关联识别模块，用于识别所述配件名称的关联名称，其中，所述关联名称是与所述配件名称之间具有名称关联关系的学名，所述名称关联关系是指学名及其俗名与所述配件名称之间具有一致的字词的情况；

目标选定模块，用于汇总所述关联名称得到关联清单，将所述关联清单发送至所述用户端，接收所述用户端在所述关联清单中选择的关联名称并将其设为目标名称；

交易识别模块，用于根据所述目标名称从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息；

交易推荐模块，用于将所述用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，将所述推荐清单发送至所述用户端，将所述用户端在所述推荐清单中选择的配件信息设为交易信息；

订单管理模块，用于在监听到所述用户端发送确认信号时，汇总所述交易信息形成订单信息，将所述订单信息发送至所述交易系统用于配件交易。

为实现上述目的，本发明还提供一种计算机设备，其包括存储器、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，所述计算机设备的处理器执行所述计算机程序时实现上述名称识别及关联推荐方法的步骤。

为实现上述目的，本发明还提供一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述可读存储介质存储的所述计算机程序被处理器执行时实现上述名称识别及关联推荐方法的步骤。

本发明提供的名称识别及关联推荐方法、装置、计算机设备及存储介质，通过识别所述配件名称的关联名称并汇总得到关联清单，并通过将用户端在关联清单中选择的关联名称并将其设为目标名称的方式，获取配件名称的学名，准确的识别用户端所需的配件；再通过目标名称从所述交易系统中获取配件信息并汇总形成配件清单，及由用户端在配件清单上选择交易信息的方式，避免了当前的车辆配件的交易操作因频繁的与配件商进行沟通，导致交易效率和准确度低下的问题发生；同时，

通过将用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单的方式，向用户端发送用户端可能需要的配件信息，进一步的提高了配件交易的效率。

附图说明

图1为本发明名称识别及关联推荐方法实施例一的流程图；

图2为本发明名称识别及关联推荐方法实施例二中名称识别及关联推荐方法的环境应用示意图；

图3是本发明名称识别及关联推荐方法实施例二中名称识别及关联推荐方法的具体方法流程图；

图4为本发明名称识别及关联推荐装置实施例三的程序模块示意图；

图5为本发明计算机设备实施例四中计算机设备的硬件结构示意图。

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。

本发明提供的名称识别及关联推荐方法、装置、计算机设备及存储介质，适用于大数据的数据分析技术领域，为提供一种基于名称输入模块、关联识别模块、目标选定模块、交易识别模块、交易推荐模块、订单管理模块的名称识别及关联推荐方法。本发明通过获取配件名称并识别配件名称的关联名称，汇总关联名称得到关联清单，获取用户端在关联清单中选择的关联名称并将其设为目标名称；根据目标名称从交易系统中获取至少一个配件信息并汇总形成配件清单，获取用户端在配件清单上选择的配件信息并将其设为交易信息；将用户端选择的配件信息设为目标信息，获取与目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，获取用户端在推荐清单中选择的配件信息设为交易信息；汇总交易信息形成订单信息，将订单信息发送至交易系统用于配件交易。

实施例一：

请参阅图1，本实施例的一种名称识别及关联推荐方法，运行在交易系统中，包括：

s104：获取配件名称。

s105：识别所述配件名称的关联名称，其中，所述关联名称是与所述配件名称之间具有名称关联关系的学名，所述名称关联关系是指学名及其俗名与所述配件名称之间具有一致的字词的情况。

s106：汇总所述关联名称得到关联清单，将所述关联清单发送至所述用户端，接收所述用户端在所述关联清单中选择的关联名称并将其设为目标名称。

s107：根据所述目标名称从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息。

s109：将所述用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，将所述推荐清单发送至所述用户端，将所述用户端在所述推荐清单中选择的配件信息设为交易信息。

s110：监听到所述用户端发送确认信号时，汇总所述交易信息形成订单信息，将所述订单信息发送至所述交易系统用于配件交易。

在示例性的实施例中，根据所述车型信息向用户端发送名称输入框，接收用户端在所述名称输入框中录入的配件名称，其中，所述名称数据框可设置在网络页面中，或设置到弹框中。

通过识别配件名称的关联名称，以得到与所述配件名称之间具有关联关系的学名，因此，通过学名对配件信息进行搜索，能够以最高的准确度搜索到对应卖家的店铺或商品售卖窗口，以确保根据配件名称能够准确的搜索到用户端所需的配件信息(例如：交易系统中配件卖家的“店铺”或“商品售卖窗口”)，避免因用户端与交易系统之间进行频繁沟通，导致配件交易过程繁杂低效的情况发生。

通过向用户端反馈关联清单，并由用户端在所述关联清单中选择目标名称的方法，有力的保证了对配件信息搜索的准确度。以所述目标名称为关键字在所述交易系统中进行搜索，以获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至用户端以供用户进行选择，将用户在配件清单中选择的配件信息作为交易信息并将其载入预置的购物车之中；由于用户可能需要购买多种商品，因此，将用户选择的交易信息存放在购物车中，以便于用户方便快捷的进行多次选定，并在最终一次性结算，提高用户的交易效率。

通过将所述用户端选择的配件信息设为目标信息，调用预置的聚类模型获取与所述目标信息之间具有配件关联关系的配件信息，汇总所述配件信息形成推荐清单，将所述推荐清单发送至用户端，以便于用户端选择所述配件信息并将其设为交易信息，将所述交易信息保存至预置的购物车(即：用于保存所述交易信息的缓存模块)中，其中，所述配件关联关系是与目标信息之间具有重合的配件信息的历史交易信息，以提高用户端获取相关配件信息的便利度，避免用户端因频繁的查询其所需的配件信息导致交易效率低下的问题。

当监听到用户端通过操作“确认”或“结算”按键所生成的确认信号时，提取购物车中的交易信息并汇总形成订单信息，将所述订单信息发送至所述交易系统，以完成配件的交易。

综上，本申请通过获取配件名称的学名，准确的识别用户端所需的配件，避免了当前的车辆配件的交易操作因频繁的与配件商进行沟通，导致交易效率和准确度低下的问题发生；同时，通过向用户端发送其可能需要的配件信息，进一步的提高了配件交易的效率。

实施例二：

本实施例为上述实施例一的一种具体应用场景，通过本实施例，能够更加清楚、具体地阐述本发明所提供的方法。

下面，以在运行有名称识别及关联推荐方法的服务器中，获取配件名称的学名并识别用户端所需的交易信息为例，来对本实施例提供的方法进行具体说明。需要说明的是，本实施例只是示例性的，并不限制本发明实施例所保护的范围。

图2示意性示出了根据本申请实施例二的名称识别及关联推荐方法的环境应用示意图。

在示例性的实施例中，名称识别及关联推荐方法所在的服务器2通过网络连接交易系统3和用户端4；所述服务器2可以通过一个或多个网络提供服务，网络可以包括各种网络设备，例如路由器，交换机，多路复用器，集线器，调制解调器，网桥，中继器，防火墙，代理设备和/或等等。网络可以包括物理链路，例如同轴电缆链路，双绞线电缆链路，光纤链路，它们的组合和/或类似物。网络可以包括无线链路，例如蜂窝链路，卫星链路，wi-fi链路和/或类似物；所述用户端4可为智能手机、平板电脑、笔记本电脑、台式电脑等计算机设备。

图3是本发明一个实施例提供的一种名称识别及关联推荐方法的具体方法流程图，该方法具体包括步骤s200至s210。

s200：构建至少由一个子数据库组成的库集群，在所述子数据库中建立至少由一个标记词汇构成的标记词汇集；其中，所述子数据库中具有记载车辆配件的学名和俗名的文件表，所述标记词汇为所述子数据库中各所述文件表内学名和俗名的关键字，在标记词汇与出现所述标记词汇的所述文件表之间构建库表关联关系。

用户录入的配件名称通常是当地的俗名，而直接使用俗名检索用户所需的配件往往造成匹配不精准，搜索错误结果等问题发生，因此，为能够快速准确的获得各汽车配件的学名，以保证配件搜索的准确度；本步骤通过构建至少由一个子数据库组成的库集群，在所述子数据库中建立至少由一个标记词汇构成的标记词汇集，其中，所述子数据库中具有记载车辆配件的学名和俗名的文件表，所述标记词汇为所述子数据库中各所述文件表内学名和俗名的关键字，在标记词汇与出现所述标记词汇的所述文件表之间构建库表关联关系。将获得的配件名称与标准词汇进行比对，以识别所述配件名称中出现的标准词汇并将所述标准词汇设为目标词汇，识别与所述目标词汇关联的文件表并提取所述文件表的学名，以得到获得的配件名称(通常为俗名)所对应的学名。

在一个优选的实施例中，所述构建至少由一个子数据库组成的库集群，在所述子数据库中建立至少由一个标记词汇构成的标记词汇集的步骤，包括：

s01：构建由至少一个子数据库组成的库集群，并设置所述子数据的类别标记，所述类别标记反映了配件的所属类别。

本步骤中，所述类别是对车辆的组成部分进行的概括性描述，例如：发动机部分、底盘部分、车身部分、电气部分等；设置子数据库的类别标记用于定义所述子数据库保存的学名和俗名的所述类别。

s02：从预置的配件库中获取属于所述类别标记的配件的学名和俗名，将所述学名和所述俗名发送至具有所述类别标记的子数据库中，并在所述子数据库中构建用于保存所述学名和所述俗名的文件表。

本步骤中，从配件库中获取某一类别标记下的任一配件的学名和俗名，在子数据库中构建用于保存所述学名和所述俗名的文件表，并将所述学名和所述俗名保存在所述文件表之中，其中，所述配件库是保存有各车型车辆的配件所对应学名及俗名的数据库，由于配件库可以根据国家标准轻易获得，因此配件库的设置在本申请中不做赘述。

s03：对所述文件表中的学名俗名进行分词并去重得到标记词汇，将所述标记词汇与所述文件表关联。

本步骤中，通过中文分词组件(例如：word分词)对所述学名和所述俗名进行分词，通过key-value方法将所述标记词汇作为主键，将所述文件表作为键值实现将标记词汇和文件表进行关联的效果。

s04：汇总所述子数据库中所有文件表的标记词汇并去重得到标记词汇集，将所述标记词汇集与所述子数据库关联。

本步骤中，通过将所述标记词汇集设置在所述子数据库的配置文件中，以便于调用所述标记词汇集，并实现将标记词汇集与子数据库关联的技术效果。

s201：接收用户端发送的选择请求，根据所述选择请求向用户端发送具有车型选项的选择模块，接收所述用户端操作所述车型选项所生成的车型信息。

为获取用户所需配件对应的车型，以保证后续获取配件信息的准确度，本步骤中根据用户端发送的选择请求向所述用户端发送选择模块，具体地，向用户端发送具有选择按键的首页页面，接收用户端通过点击所述选择按键生成选择请求，根据所述选择请求从预置的模块库中提取选择模块，所述选择模块为具有车型选项的页面或弹框；其中，所述车型选项，包括品牌、年款和销售款式。进一步地，接收用户端操作所述选项模块(即：页面或弹框)上的车型选项，其包括：品牌、年款、销售款式，得到选择信息，如：宝马2019款320im运动套装。

s202：接收用户端发送的拍摄请求，根据所述拍摄请求调用所述用户端的拍摄模块，用以对车辆的车架号进行拍摄得到数据图像，调用预置的ocr组件解析所述数据图像中的车架号信息，解析所述车架号信息得到所述车辆的车型信息。

为获取用户所需配件对应的车型，以保证后续获取配件信息的准确度，本步骤中根据用户端发送的拍摄请求调用所述用户端的拍摄模块，用以对车辆的车架号进行拍摄得到数据图像，具体地，向用户端发送具有拍摄按键的首页页面，接收所述用户端通过点击所述拍摄按键生成的拍摄请求，根据所述拍摄请求调用所述用户端的拍摄页面使所述用户端进入拍摄页面，接收所述用户端通过所述拍摄页面对车辆的车架号进行拍摄生成的数据图像。

进一步地，调用预置的ocr组件识别所述数据图像中的车架号图像，其中，所述车架号图像是以图像形式在所述数据图像中展示车架号的数据信息；

通过所述ocr组件解析所述车架号图像得到车架号信息，其中，所述车架号信息是以可编辑数据形式展示所述车架号的数据信息，使得服务器能够解析运算所述车辆的车架号；

通过预置的车架号解析组件对所述车架号信息进行解析得到车型信息。

于本实施例中，所述ocr组件(opticalcharacterrecognition，光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的计算机组件。

所述车架号又称车辆识别码vin,英文名称叫做vehicleidentificationnumber。是制造厂为了识别而按照预置的车架号规则给辆车指定的一组字码。

所述车架号解析组件是根据车架号规则解析车架号信息，得到车辆的品牌、年款和销售款式的计算机组件。

s203：接收用户端发送的车架号信息，解析所述车架号信息得到所述车辆的车型信息。

为获取用户所需配件对应的车型，以保证后续获取配件信息的准确度，本步骤通过根据接收到的车架号信息从预置的车型库中获取车型信息；具体地，向用户端发送具有车架号输入框的首页页面，接收所述用户端在所述车架号输入框中录入的车架号信息，其中，所述车架号信息是以可编辑数据形式展示所述车架号的数据信息，使得服务器能够解析运算所述车辆的车架号；通过预置的车架号解析组件对所述车架号信息进行解析得到车型信息。

s204：获取配件名称。

具体地，根据所述车型信息向用户端发送名称输入框，接收用户端在所述名称输入框中录入的配件名称，其中，所述名称数据框可设置在网络页面中，或设置到弹框中。

s205：识别所述配件名称的关联名称，其中，所述关联名称是与所述配件名称之间具有名称关联关系的学名，所述名称关联关系是指学名及其俗名与所述配件名称之间具有一致的字词的情况。

为确保根据配件名称能够准确的搜索到用户端所需的配件信息(例如：交易系统中配件卖家的“店铺”或“商品售卖窗口”)，避免因用户端与交易系统之间进行频繁沟通，导致配件交易过程繁杂低效的情况发生，本步骤通过识别配件名称的关联名称，以得到与所述配件名称之间具有关联关系的学名，因此，通过学名对配件信息进行搜索，能够以最高的准确度搜索到对应卖家的店铺或商品售卖窗口。

在一个优选的实施例中，所述识别所述配件名称的关联名称的步骤，包括：

s51：对所述配件名称进行分词得到至少一个配件词汇。

s52：从所述库集群的子数据库中获取标记词汇集，将所述配件词汇与所述标记词汇集中的标记词汇进行一一比对，并将与配件词汇一致的标记词汇设为目标词汇，将具有所述目标词汇的标记词汇集设为目标词汇集，以及将与所述目标词汇集对应的子数据库设为目标数据库。

s53：识别所述目标数据库中与所述目标词汇之间具有库表关联关系的文件表，提取所述文件表中记载的学名作为所述关联名称，以实现识别与所述配件名称之间具有名称关联关系的学名的技术效果，其中，所述库表关联关系是指标记词汇出现在文件表中记载的学名或俗名中的情形。

s206：汇总所述关联名称得到关联清单，将所述关联清单发送至所述用户端，接收所述用户端在所述关联清单中选择的关联名称并将其设为目标名称。

由于与配件名称之间具有名称关联关系的关联名称可能具有多个，因此，通过向用户端反馈关联清单，并由用户端在所述关联清单中选择目标名称的方法，有力的保证了对配件信息搜索的准确度。

在一个优选的实施例中，所述汇总所述关联名称得到关联清单的步骤，包括：

s61：计算所述关联名称及其俗名与所述配件名称之间，具有所述名称关联关系的字词的数量。

s62：根据所述数量对所述关联名称进行降序排列得到关联清单。

为便于用户端能够快速的选择与配件名称关联程度最高的学名，本步骤通过将根据所述关联名称对应目标词汇的数量对所述关联名称进行排序，得到至少具有一个关联名称的关联清单，假设关联名称a及其俗名与所述配件名称之间具有名称关联关系的字词的数量为2，而关联名称b的数量为1，那么在关联清单中，关联名称a排在第一位，关联名称b排在第二位。

s207：根据所述目标名称从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息。

本步骤中，所述目标名称为关键字在所述交易系统中进行搜索，以获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至用户端以供用户进行选择，将用户在配件清单中选择的配件信息作为交易信息并将其载入预置的购物车之中；由于用户可能需要购买多种商品，因此，将用户选择的交易信息存放在购物车中，以便于用户方便快捷的进行多次选定，并在最终一次性结算，提高用户的交易效率。

需要说明的是，所述交易系统是指互联网购物平台(例如：淘宝、京东、拼多多、创配等)，本步骤是以目标名称为搜索关键字在所述交易系统上进行配件信息，如：商家店铺、商品售卖窗口等进行搜索的，因此，对于交易系统的技术原理，在本申请中不做赘述。

s208：根据所述目标名称和所述车型信息从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息。

本步骤中，以所述目标名称和所述车型信息为关键字在所述交易系统中进行搜索，获取至少一个配件信息并汇总形成配件清单，以提高所述配件清单中配件信息的准确度，进一步的精准满足用户的信息查询需求；将所述配件清单发送至用户端以供用户进行选择，将用户在配件清单中选择的配件信息作为交易信息并将其载入预置的购物车(即：用于保存所述交易信息的缓存模块)之中；由于用户可能需要购买多种商品，因此，将用户选择的交易信息存放在购物车中，以便于用户方便快捷的进行多次选定，并在最终一次性结算，提高用户的交易效率。

s209：将所述用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，将所述推荐清单发送至所述用户端，将所述用户端在所述推荐清单中选择的配件信息设为交易信息。

为提高用户端获取相关配件信息的便利度，避免用户端因频繁的查询其所需的配件信息导致交易效率低下的问题，本步骤通过将所述用户端选择的配件信息设为目标信息，调用预置的聚类模型获取与所述目标信息之间具有配件关联关系的配件信息，汇总所述配件信息形成推荐清单，将所述推荐清单发送至用户端，以便于用户端选择所述配件信息并将其设为交易信息，将所述交易信息保存至预置的购物车(即：用于保存所述交易信息的缓存模块)中，其中，所述配件关联关系是与目标信息之间具有重合的配件信息的历史交易信息。

于本实施例中，所述聚类模型通过以下步骤获得，包括：

m1：获取历史交易信息，对所述历史交易信息进行向量化处理得到历史交易数据；其中，所述历史交易信息包括历史上任一用户端与所述交易系统完成交易的至少一个的配件信息。

本步骤中，采用one-hot编码对所述历史交易信息进行向量化处理，其中，所述交易信息对应的配件信息均具有唯一的编码。

示例性地，所述历史交易信息如：

用户端a购买了配件信息a，配件信息b和配件信息c；

用户端b购买了配件信息b和配件信息d；

用户端c购买了配件信息d和配件信息e。

假设配件信息a的编码是(1,0,0,0,0)，配件信息b的编码是(0,1,0,0,0)，配件信息c的编码是(0,0,1,0,0)，配件信息d的编码是(0,0,0,1,0)，配件信息e的编码是(0,0,0,0,1)。

那么，得到的交易数据如下所示：

(1,1,1,0,0)(0,1,0,1,0)(0,0,0,1,1)。

m2：将所述历史交易数据录入预置的散点模型中作为历史散点。

本步骤中，采用matlab构建能够将向量化的数据转为散点的散点模型，由于历史交易信息通常是无序且没有确定目标的，因此，如果采用k-mean聚类算法将历史交易数据进行强行分类得到，具有强关联关系指定的几个簇，很容易导致推荐清单中的配件信息过拟合，即：强行根据历史交易信息向用户端推荐曾经其他用户端生成的交易信息，最终导致推荐清单内容不准。又由于历史交易信息是真实发生的，向用户端推荐历史真实发生的交易数据才能更加贴合现实的向用户端发送推荐清单，因此，通过所述散点模型在后续获得与目标数据对应目标散点关联的历史散点，提高了配件信息推荐的准确度，以及推荐配件信息的运算速率。

在一个优选的实施例中，所述获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单的步骤，包括：

s91：对所述目标信息进行向量化处理得到目标数据。

本步骤中，采用one-hot编码对所述目标信息进行向量化处理，其中，所述目标信息对应的配件信息均具有唯一的编码。

示例性地，所述目标信息如：

用户端d购买了配件信息e。

那么，得到的目标数据如下所示：

(0,0,0,0,1)。

s92：将所述目标数据录入所述散点模型中得到目标散点，调用所述散点模型中预置的距离阈值，以所述目标散点为圆心并以所述距离阈值为半径，在所述散点模型中圈定目标范围。

本步骤中，通过均值漂移聚类算法的距离计算方法(如：计算散点之间欧式距离)以目标散点为圆心并以距离阈值为半径在散点模型中圈定目标范围，即距所述目标散点的欧式距离小于或等于所述距离阈值的范围。

s93：获取所述目标范围中的历史散点，并获取与所述历史散点对应的历史交易信息，其中，所述历史交易信息包括历史上任一用户端与所述交易系统完成交易的配件信息，所述历史散点是历史交易信息在散点模型中的向量化体现。

示例性地，基于上述举例，假设距离阈值是1.6，那么计算目标散点与所述历史散点之间的距离，获得(0,1,0,1,0)(0,0,0,1,1)为属于目标圈定范围的历史散点。

s94：汇总所述历史交易信息并去重得到至少具有一个历史交易信息的待推荐清单，删除所述待推荐清单中的目标信息得到推荐清单。

示例性地，基于上述举例，得到的待推荐清单包括：

配件信息b、配件信息d和配件信息e。

删除待推荐清单中的目标信息得到的推荐清单包括：

配件信息b和配件信息d。

s210：监听到所述用户端发送确认信号时，汇总所述交易信息形成订单信息，将所述订单信息发送至所述交易系统用于配件交易。

本步骤中，当监听到用户端通过操作“确认”或“结算”按键所生成的确认信号时，提取购物车中的交易信息并汇总形成订单信息，将所述订单信息发送至所述交易系统，以完成配件的交易。

所述将所述订单信息发送至所述交易系统用于配件交易之后，所述方法还包括：

将所述订单信息上传至区块链中。

需要说明的是，基于订单信息得到对应的摘要信息，具体来说，摘要信息由订单信息进行散列处理得到，比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息，以便查证订单信息是否被篡改。本示例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。

实施例三：

请参阅图4，本实施例的一种名称识别及关联推荐装置1，包括：

名称输入模块14，用于获取配件名称；

关联识别模块15，用于识别所述配件名称的关联名称，其中，所述关联名称是与所述配件名称之间具有名称关联关系的学名，所述名称关联关系是指学名及其俗名与所述配件名称之间具有一致的字词的情况；

目标选定模块16，用于汇总所述关联名称得到关联清单，将所述关联清单发送至所述用户端，接收所述用户端在所述关联清单中选择的关联名称并将其设为目标名称；

交易识别模块17，用于根据所述目标名称从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息；

交易推荐模块19，用于将所述用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，将所述推荐清单发送至所述用户端，将所述用户端在所述推荐清单中选择的配件信息设为交易信息；

订单管理模块20，用于在监听到所述用户端发送确认信号时，汇总所述交易信息形成订单信息，将所述订单信息发送至所述交易系统用于配件交易。

可选的，所述名称识别及关联推荐装置1还包括：

数据库模块10，用于构建至少由一个子数据库组成的库集群，在所述子数据库中建立至少由一个标记词汇构成的标记词汇集；其中，所述子数据库中具有记载车辆配件的学名和俗名的文件表，所述标记词汇为所述子数据库中各所述文件表内学名和俗名的关键字，在标记词汇与出现所述标记词汇的所述文件表之间构建库表关联关系。

可选的，所述名称识别及关联推荐装置1还包括：

车型选择模块11，用于接收用户端发送的选择请求，根据所述选择请求向用户端发送具有车型选项的选择模块，接收所述用户端操作所述车型选项所生成的车型信息。

可选的，所述名称识别及关联推荐装置1还包括：

车型拍摄模块12，用于接收用户端发送的拍摄请求，根据所述拍摄请求调用所述用户端的拍摄模块，用以对车辆的车架号进行拍摄得到数据图像，调用预置的ocr组件解析所述数据图像中的车架号信息，解析所述车架号信息得到所述车辆的车型信息。

可选的，所述名称识别及关联推荐装置1还包括：

车型输入模块13，用于接收用户端发送的车架号信息，解析所述车架号信息得到所述车辆的车型信息。

可选的，所述名称识别及关联推荐装置1还包括：

精细识别模块18，用于根据所述目标名称和所述车型信息从所述交易系统中获取至少一个配件信息并汇总形成配件清单，将所述配件清单发送至所述用户端，接收所述用户端在所述配件清单上选择的配件信息并将其设为交易信息。

可选的，数据库模块10包括：

集群构建单元101，用于构建由至少一个子数据库组成的库集群，并设置所述子数据的类别标记，所述类别标记反映了配件的所属类别。

名称获取单元102，用于从预置的配件库中获取属于所述类别标记的配件的学名和俗名，将所述学名和所述俗名发送至具有所述类别标记的子数据库中，并在所述子数据库中构建用于保存所述学名和所述俗名的文件表。

分词关联单元103，用于对所述文件表中的学名俗名进行分词并去重得到标记词汇，将所述标记词汇与所述文件表关联。

集合关联单元104，用于汇总所述子数据库中所有文件表的标记词汇并去重得到标记词汇集，将所述标记词汇集与所述子数据库关联。

可选的，关联识别模块15包括：

配件分词单元151，用于对所述配件名称进行分词得到至少一个配件词汇。

目标识别单元152，用于从所述库集群的子数据库中获取标记词汇集，将所述配件词汇与所述标记词汇集中的标记词汇进行一一比对，并将与配件词汇一致的标记词汇设为目标词汇，将具有所述目标词汇的标记词汇集设为目标词汇集，以及将与所述目标词汇集对应的子数据库设为目标数据库。

文件表识别单元153，用于识别所述目标数据库中与所述目标词汇之间具有库表关联关系的文件表，提取所述文件表中记载的学名作为所述关联名称，以实现识别与所述配件名称之间具有名称关联关系的学名的技术效果，其中，所述库表关联关系是指标记词汇出现在文件表中记载的学名或俗名中的情形。

可选的，目标选定模块16包括：

计算单元161，用于计算所述关联名称及其俗名与所述配件名称之间，具有所述名称关联关系的字词的数量。

排列单元162，用于根据所述数量对所述关联名称进行降序排列得到关联清单。

可选的，交易推荐模块19包括：

向量化单元191，用于对所述目标信息进行向量化处理得到目标数据。

目标圈定单元192，用于将所述目标数据录入所述散点模型中得到目标散点，调用所述散点模型中预置的距离阈值，以所述目标散点为圆心并以所述距离阈值为半径，在所述散点模型中圈定目标范围。

关联识别单元193，用于获取所述目标范围中的历史散点，并获取与所述历史散点对应的历史交易信息，其中，所述历史交易信息包括历史上任一用户端与所述交易系统完成交易的配件信息，所述历史散点是历史交易信息在散点模型中的向量化体现。

清单构建单元194，用于汇总所述历史交易信息并去重得到至少具有一个历史交易信息的待推荐清单，删除所述待推荐清单中的目标信息得到推荐清单。

本技术方案应用于大数据的数据分析领域，通过将所述用户端选择的配件信息设为目标信息，获取与所述目标信息之间具有配件关联关系的配件信息并汇总形成推荐清单，以通过对所述目标信息与其他配件信息之间的关系网络分析，实现向用户端进行配件信息的智能推荐的技术效果。

实施例四：

为实现上述目的，本发明还提供一种计算机设备5，实施例三的名称识别及关联推荐装置的组成部分可分散于不同的计算机设备中，计算机设备5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，或者多个应用服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器51、处理器52，如图5所示。需要指出的是，图5仅示出了具有组件-的计算机设备，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51(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51可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器51也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。当然，存储器51还可以既包括计算机设备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51通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例三的名称识别及关联推荐装置的程序代码等。此外，存储器51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52在一些实施例中可以是中央处理器(centralprocessingunit，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52通常用于控制计算机设备的总体操作。本实施例中，处理器52用于运行存储器51中存储的程序代码或者处理数据，例如运行名称识别及关联推荐装置，以实现实施例一和实施例二的名称识别及关联推荐方法。

实施例五：

为实现上述目的，本发明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52执行时实现相应功能。本实施例的计算机可读存储介质用于存储名称识别及关联推荐装置，被处理器52执行时实现实施例一和实施例二的名称识别及关联推荐方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

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。