一种计算机配件存储系统

1.本发明涉及涂料加工技术领域，具体涉及一种计算机配件存储系统。


背景技术：

2.随着信息技术的不断发展，通过有效的管理不但可以提高工作效率，也为工作提供了一个重要途径。一台计算机包括数百个零件，在组装计算机时，数百个零件组成多个配件，然后以配件的形式进行组装。计算机配件存储系统是配件的出入库登记和查询统计的一个管理软件，实现计算机配件的出入库管理、查询等功能。
3.目前对于计算机的组装往往分为自装机和整机，对于用户自己组装计算机的情况，往往无法通过一个系统统一购买获取配件，十分不便，且现有的计算机所使用零配件在进行更换时，由于市场鱼龙混杂，用户也不便于及时了解已购买整机的更换信息，很容易导致零配件更换后使用寿命不长甚至不匹配的问题。
4.因此，如何提供一种便于对计算机配件进行配置的计算机配件存储系统是本领域技术人员亟需解决的问题。


技术实现要素：

5.有鉴于此，本发明提供了一种计算机配件存储系统，用于解决现有技术中存在的问题。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种计算机配件存储系统，包括数据库存储层、数据服务层和图形界面层；其中，
8.所述数据库存储层用于接收与配件相关联的唯一的产品标识符；使用产品标识符确定存储的相应配件的当前库存；接收每个所述产品标识符相关联的若干个关键词标签；
9.图形界面层用于接收用户输入的关键词标签，并显示反馈的出站配置文件；
10.所述数据服务层根据用户输入的关键词标签和当前库存，使用机器学习算法生成出站配置文件。
11.优选的，所述产品标识符设置在所述配件上，通过录入装置识别所述产品标识符并发送至所述数据库存储层。
12.优选的，将关键词标签和出站配置文件分为训练数据集和验证数据集，使用机器学习算法，基于训练数据集生成预测模型；使用验证数据集验证预测模型；
13.所述关键词标签作为输入，所述出站配置文件作为已知的输出构建所述预测模型；
14.通过将训练好的预测模型应用于用户输入的关键词标签，来生成出站配置数据，结合当前库存生成出站配置文件；所述出站配置数据包括预测得到的相应产品标识符。
15.优选的，所述数据服务层还用于使用产品标识符定期收集和存储相应配件的交易日志；所述数据服务层根据关键词标签和当前库存，使用机器学习算法生成出站配置文件。
16.优选的，将关键词标签、交易日志和出站配置文件分为训练数据集和验证数据集，
使用机器学习算法，基于训练数据集生成预测模型；使用验证数据集验证预测模型；
17.所述关键词标签和交易日志作为输入，所述出站配置文件作为已知的输出构建所述预测模型；所述交易日志为指定时间区间内的各个配件交易数量；
18.通过将训练好的预测模型应用于用户输入的关键词标签，调取所述交易日志，来生成出站配置数据，结合当前库存生成出站配置文件；所述出站配置数据包括预测得到的相应产品标识符。
19.优选的，所述交易日志包括：
20.配件的历史订单：在一段时间内订购该配件的次数；
21.配件的预期需求：在配置文件中出现的次数。
22.优选的，所述图形界面层还用于接收搜索请求，显示当前库存配件信息页面并接收请求支付信息。
23.优选的，所述关键词包括供货商、价格、种类或属性参数。
24.经由上述的技术方案可知，与现有技术相比，本发明的有益效果包括：
25.本发明构建了计算机配件的一体化配置存储系统，通过产品标识符为配件构建身份证，做到配件的可追溯性，利用关键词标签建立用户和具体每个配件之间的联系，结合机器学习方法自动解决用户自装机在线一站式配置问题，为用户提供符合其需求的最优配置。
26.本发明还提供了交易日志功能，机器学习方法进一步借助交易日志还能够为企业整机装配的配件选取提供市场数据支撑，增加了整机企业和市场需求之间的粘性。
附图说明
27.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图；
28.图1为本发明实施例提供的计算机配件存储系统的组织框图；
29.图2为本发明实施例提供的数据服务层的学习原理图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。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。
31.如图1所示，为本实施例公开的一种计算机配件存储系统，包括数据库存储层、数据服务层和图形界面层；数据库存储层用于接收与配件相关联的唯一的产品标识符；使用产品标识符确定存储的相应配件的当前库存；接收每个产品标识符相关联的若干个关键词标签；图形界面层用于接收用户输入的关键词标签，并显示反馈的出站配置文件；数据服务层根据用户输入的关键词标签和当前库存，使用机器学习算法生成出站配置文件。
32.本实施例基于产品标识符建立与关键词标签之间的关联，根据预测数据来确定计
算机配件向不同需求的用户进行分配以及自动生成出站配置文件，出站配置文件以产品标识符确定每一个被配置的配件。
33.在具体执行时，用户可以根据该出站配置文件向系统下单，生成并更新存储系统中的交易日志。
34.在生成出站配置文件时，其中某个配件类型可能没有足够的库存，因此机器学习算法根据入库容量或出库容量来满足特定配件的需求，进而自动导出能够满足自由出库的相应出站配置文件，这将大大增加出库效率。
35.在订购商品时，图形界面层加载于外部前端系统，包括web服务器或服务器软件，该web服务器接收搜索请求，基于那些请求从数据库和其他数据存储中获取信息，显示配件页面并请求支付信息，并基于获取的信息对接收到的请求的响应。
36.在一个实施例中，产品标识符设置在配件上，通过录入装置识别产品标识符并发送至数据库存储层。产品标识符不限于条形码或二维码或电子标签。在根据出站配置文件进行出站时，通过扫描产品标识符实现对该配件在存储系统内库存记录的清除或更新。
37.在一个实施例中，如图2所示，将关键词标签和出站配置文件分为训练数据集和验证数据集，使用机器学习算法，基于训练数据集生成预测模型；使用验证数据集验证预测模型；机器学习算法不限于任何一种能够基于先验数据实现预测功能的神经网络算法。
38.关键词标签作为输入，出站配置文件作为已知的输出构建预测模型；
39.通过将训练好的预测模型应用于用户输入的关键词标签，来生成出站配置数据，结合当前库存生成出站配置文件；出站配置数据包括预测得到的相应产品标识符。
40.本实施例中，关键词包括供货商、价格、种类或属性参数，属性参数可以为型号、尺寸等。关键词还可以包括组装机、整机和功能，以确定预测生成的出站配置文件中所包含的配件种类符合用户需求种类。
41.在一个实施例中，数据服务层还用于使用产品标识符定期收集和存储相应配件的交易日志；数据服务层根据关键词标签和当前库存，使用机器学习算法生成出站配置文件。
42.数据服务层实现监视订单状态和交付状态。例如确定订单是否已经超过其约定的交付日期；并且可以采取适当的动作，包括发起新订单，重新运送未交付订单中的物品，取消未交付订单等。
43.数据服务层还可以监视其他数据，包括在特定时间段内运输的包裹数量。
44.在一个实施例中，将关键词标签、交易日志和出站配置文件分为训练数据集和验证数据集，使用机器学习算法，基于训练数据集生成预测模型；使用验证数据集验证预测模型；交易日志包括历史交易数据，记载不同种类配件或不同供应商配件的交易数量。
45.关键词标签和交易日志作为输入，出站配置文件作为已知的输出构建预测模型；交易日志为指定时间区间内的各个配件交易数量；
46.通过将训练好的预测模型应用于用户输入的关键词标签，调取交易日志，来生成出站配置数据，结合当前库存生成出站配置文件；出站配置数据包括预测得到的相应产品标识符。
47.在一个实施例中，交易日志包括：
48.配件的历史订单：在一段时间内订购该配件的次数；此处的配件指同型号的配件。
49.配件的预期需求：在配置文件中出现的次数。
50.通过对交易日志的自适应学习，可以获知在同一关键词标识需求下下单最多的配件型号或配件供应商，或者历史预测学习过程中最符合用户需求的配件型号或配件供应商。
51.以上对本发明所提供的计算机配件存储系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。
52.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。