[发明专利]一种基于人工智能的企业物资分类目录构建方法

说明书

本发明提供一种基于人工智能的企业物资分类目录构建方法，本发明运用人工智能技术对企业所需进行分类的企业物资和相关的外部信息进行影像特征抽取或文本信息抽取，获得图像识别模型或文本分类模型，完整地掌握内部设备物资的构造、工作原理和所属类别等信息，通过聚类并对聚类所得标签进行建模，将企业现有的设备物资分类关联并建立目录，能快速、准确且全面地与外部相关信息联系，自动进行去重和规范化，最终通过人工审核环节确认，形成企业设备物资完整目录，避免在目录的整理过程中出现重复。

技术领域

本发明属于企业物资分类技术领域，具体涉及一种基于人工智能的企业物资分类目录构建方法。

背景技术

目前企业在用设备和物资管理系统大多为传统的MIS，处于实现业务流程电子化，取代传统纸质单据的阶段，虽然与传统的纸质单据的管理方式相比，MIS 更便于对录入目录所在位置的查找与传输，但仍缺乏智能化，管理人员的技术水平和对业务的了解程度有限，会容易因不清楚各个企业内部设备物资的构造、工作原理和所属类别等信息，不能快速、准确且全面地与外部相关信息联系，导致在目录的整理过程中，工作效率较低且容易出现错漏和重复。

发明内容

因此，为克服上述技术问题，本发明提供一种基于人工智能的企业物资分类目录构建方法，其特征在于，包括：

S1：采集企业内部设备物资信息，并将所采集的企业内部设备物资信息储存为计算机文档，合法合规地采集与企业内部设备物资信息相关的外部信息并建立数据库对所采集的外部信息进行储存；

S2：运用人工智能技术对步骤S1中的计算机文档及数据库进行影像特征抽取或文本信息抽取，并分别获得图像识别模型或文本分类模型并存档；

S3：对计算机文档及数据库中的图像识别模型或文本分类模型进行聚类，得到聚类标签并存档；

S4：根据聚类标签进行建模，将企业现有的设备物资分类关联并建立目录；

S5：自动进行去重，最终通过人工审核环节确认，形成企业设备物资完整目录。

进一步地，步骤S2中的影像特征抽取的步骤依次包括：步骤(1)：读取设备物资影像文件；步骤(2)：图像预处理；步骤(3)：调用人工智能图像识别算法对步骤(2)所得的图像预处理结果进行训练，抽取特征。

进一步地，所述人工智能图像识别算法为ResNet或InceptionNet。

进一步地，步骤S2中的文本信息抽取的步骤依次包括：步骤(1)：读取设备物资文本文件；步骤(2)：文本预处理，如分词、词性标注、指代消歧、去停用词、关键词抽取、命名实体识别、语义角色标注、词向量与词嵌入；步骤(3)：调用人工智能文本分类算法对步骤(2)所得的文本预处理结果进行训练。

进一步地，所述人工智能文本分类算法为LSTM、RCNN或BERT。

进一步地，步骤S3中的对图像识别模型进行聚类的步骤包括：步骤(1)：读取图像识别模型文档；步骤(2)：图像预处理；步骤(3)：调用聚类算法，聚类算法是K-Means，对步骤(2)所得的图像预处理结果进行聚类；步骤(4)：人工审核聚类结果，建立聚类标签和说明并关联到设备物资名称后存档；

步骤S3中的对文本分类模型进行聚类的步骤包括：步骤(1)：读取文本分类模型；步骤(2)：文本预处理；步骤(3)：调用聚类算法，聚类算法是K-Means 或DBSCAN，对步骤(2)所得的文本预处理结果进行聚类；步骤(4)：人工审核聚类结果，建立聚类标签和说明并关联到设备物资名称，并存档。