申请/专利权人：中国地质大学(武汉)

申请日：2020-06-24

公开（公告）日：2020-10-13

公开（公告）号：CN111768274A

主分类号：G06Q30/06(20120101)

分类号：G06Q30/06(20120101);G06F16/28(20190101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2021.12.24#发明专利申请公布后的驳回;2020.10.30#实质审查的生效;2020.10.13#公开

摘要：本发明提供了一种基于人工智能数据分类存储系统，应用于家具类商品信息的分类存储，包括服务端以及与所述服务端连接的多个客户端；所述服务端包括信息采集模块、数据库、分类模块、发布模块、访问统计模块以及推送模块；所述信息采集模块用于采集第三方购物平台上的家具类商品信息并将采集的家具类商品信息传输到数据库。本发明通过建立样品特征数据库，并对特征数据库的特征按基本特征和特殊特征进行有效地区分，通过将待分类商品的基本特征和特殊特征与特征数据库中的基本特征和特殊特征进行逐一对比筛选，有效地区分商品的特征，提高了商品分类的准确性，适用于大规模的分类，大大缩短人工分类的时间，降低分类的失误率。

主权项：1.一种基于人工智能数据分类存储系统，应用于家具类商品信息的分类存储其特征在于，包括服务端，以及与所述信息搜索服务端连接的多个客户端；所述服务端包括信息采集模块、数据库、分类模块、发布模块、访问统计模块以及推送模块；所述信息采集模块用于采集第三方购物平台上的家具类商品信息并将采集的家具类商品信息传输到数据库；所述数据库用于存储信息采集模块传输的家具类商品信息并将家具类商品信息传输到分类模块；所述分类模块根据预设的分类规则将家具类商品信息进行分类保存，具体步骤如下：S1：选取每个不同家具种类至少一件样品，对样品的特征进行提取，并将提取的特征构建特征数据库，不同家具种类按照预定的家具种类序号进行排序，将特征数据库内样品的特征向量集合Fi＝{fi1，fi2，……，fin}，其中，Fi表示为第i类家具样品对应的特征向量集合；S2：对特征数据库内样品的特征集合Fi按照基本特征和特殊特征进行分类，分别构成基本特征向量集合Ei＝{ei1，ei2，……，eik}，特殊特征向量集合Gi＝{gi1，gi2，……，giy}，其中，eik表示为第i类家具样品的第k个基本特征向量，giy表示为第i类家具样品的第y个特殊特征向量，且n＝k+y；S3：对需分类的商品提取若干特征向量，对提取的特征向量进行分组，将基本特征向量集合标记为C＝{c1，c2，……，cx}；将特殊特征向量集合标记为D＝{d1，d2，……，dv}；其中k与x一一对应，y与v一一对应；S4：将待分类商品的基本特征向量集合中的第一基本特征向量c1与特征数据库中存储的基本特征向量集合的第一基本特征向量ei1进行一一对比，从特征数据库中提取与待分类商品的第一基本特征向量相同的样品的基本特征向量集合和特殊特征向量集合；S5：将待分类商品中的其余基本特征向量与提取的基本特征向量集合中的其余基本特征向量进行逐一比对，比对结果一致，则取对比值gaj＝1，否则，gaj＝0；得到基本特征向量对比值集合Ga＝{ga1，ga2，……，gaj}，Ga表示待分类商品与第a类家具样品基本特征向量的对比值集合；其中，j与k一一对应；其中，基本特征向量具有不同的权重，分别为H1，H2，……，Hj，H1＞H2＞……＞Hj，且H1+H2+……+Hj＝1；S6：将待分类的商品与提取的基本特征向量集合对应的家具样品种类进行相似度系数计算，利用公式Qa表示待分类商品与第a类家具样品对应的基本特征向量的相似度系数；S7：当Qa大于预设值时，提取第a类家具样品对应的特殊特征向量集合，并按照Qa从高到低的顺序依次输出该相似度系数对应的特殊特征向量集合，将待分类商品中的特殊特征向量与该相似度系数对应的特殊特征向量进行逐一比对，比对结果一致，则取对比值pau＝1，否则，pau＝0；得到特殊特征向量对比值集合Pa＝{pa1，pa2，……，pau}，Pa表示待分类商品与第a类家具样品特殊特征向量的对比值集合；所述基本特征向量与特殊特征向量集合所占的权重为A1和A2，且A1+A2＝1；S8：利用公式计算得出待分类商品的特征向量与对应家具种类样品特征向量的同类系数Ma；提取Ma数值最高对应的家具种类，并将该待分类商品归属于该家具种类。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 一种基于人工智能数据分类存储系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD