買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣州舜飛信息科技有限公司申請的專利基于AI的客戶智能標簽提取方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120354225B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510840593.0，技術領域涉及：G06F18/2413；該發明授權基于AI的客戶智能標簽提取方法及系統是由張君暉;梁麗麗設計研發完成，并于2025-06-23向國家知識產權局提交的專利申請。

本基于AI的客戶智能標簽提取方法及系統在說明書摘要公布了：本申請涉及計算機科學與人工智能領域，具體是一種基于AI的客戶智能標簽提取方法及系統，包括步驟：收集客戶數據并進行預處理，所述客戶數據包括行為日志、交易記錄、文本評論；從預處理后的客戶數據里提取特征，輸出特征集，并構建行為模式特征；基于預設機器學習模型對行為模式特征進行學習，預測客戶標簽；基于客戶個性化權重、預設排序算法，對預測出的客戶標簽進行排序并存儲。本申請具有準確提取客戶標簽的效果。

本發明授權基于AI的客戶智能標簽提取方法及系統在權利要求書中公布了：1.一種基于AI的客戶智能標簽提取方法，其特征在于，包括步驟： 收集客戶數據并進行預處理； 從預處理后的客戶數據里提取特征，輸出特征集，并構建行為模式特征； 對預處理后的客戶數據進行特征選擇； 基于預設多級特征篩選規則，從預設特征庫里匹配與客戶行為相關的數據字段； 基于預設統計方法，分析各數據字段與客戶行為的相關性； 當相關性波動系數超過預設安全閾值時，觸發人工復核機制； 選擇通過復核且相關性高于預設閾值的特征作為輸入特征； 基于特征選擇結果，對所選特征進行特征工程； SA1:判斷輸入特征的類型，所述類型包括數值型特征、類別型特征、文本型特征； SA2:當是數值型特征時，計算輸入特征的滑動窗口內統計量，所述統計量包括均值、方差、偏度，輸出時序衍生特征； SA3:當是類別型特征時，判斷類別型特征類別，所述類別型特征類別包括連續特征、非連續特征； SA4:當是非連續特征時，對輸入特征進行哈希編碼，轉換為數值型特征，返回進行SA1； SA5:當是連續特征時，基于信息增益最大化準則，對輸入特征進行動態分箱，當分箱數≤預設分箱閾值時，轉換為非連續特征，返回進行SA4； SA6:當是文本型特征時，執行以下處理：基于預訓練的詞向量模型，進行語義向量化，輸出語義向量； SA7:基于SnowNLP情感分析算法，提取文本情感極性得分； SA8:基于預設業務關鍵詞庫，計算關鍵詞TF-IDF權重； SA9:基于SA1-SA8，輸出特征集，所述特征集包括時序衍生特征、語義向量、文本情感極性得分及關鍵詞TF-IDF權重； 基于特征工程處理后的特征集，構建行為模式特征； 基于客戶ID、預設時間衰減聚合規則，將所述特征集聚合，生成客戶-特征矩陣，其中，矩陣元素值是標準化后的特征向量； 基于所述客戶-特征矩陣，構建客戶行為圖網絡； 所述客戶行為圖網絡包括節點、邊權重，所述節點是客戶ID，所述邊權重是基于預設改進余弦相似度算法計算的所述特征向量的相似度； 基于預設NetworkX圖計算庫，計算節點介數中心性，當節點介數中心性超過預設行業基準值時，將所述節點識別為關鍵節點； 基于所述客戶-特征矩陣，匹配提取所述關鍵節點的特征向量； 基于預設多頭注意力機制、所述客戶-特征矩陣，將所述關鍵節點的特征向量與當前客戶的特征向量進行融合，輸出注意力增強特征； 輸出行為模式特征集，所述行為模式特征集包括客戶-特征矩陣、圖網絡結構特征、注意力增強特征節點，所述圖網絡結構特征包括節點、邊權重、節點介數中心性； 基于預設機器學習模型對行為模式特征進行學習，輸出標簽預測結果； 將所述行為模式特征集輸入預設機器學習模型，基于以下多模態處理流程提取客戶行為模式表示： 基于圖神經網絡、客戶-特征矩陣、圖網絡結構特征，生成拓撲關聯特征； 基于全連接網絡、注意力增強特征，生成語義特征； 將拓撲關聯特征與語義特征進行向量拼接，生成融合特征向量； 將融合特征向量映射至標簽類別空間，輸出客戶標簽類別； 基于溫度縮放Softmax函數，對客戶標簽類別進行校準，生成標準化概率分布，并比較概率值； 當概率值最大時，輸出標簽預測結果，所述標簽預測結果包括客戶ID、客戶標簽類別； 基于客戶個性化權重、預設排序算法，對所述標簽預測結果進行排序并存儲。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣州舜飛信息科技有限公司，其通訊地址為：510000 廣東省廣州市天河區棠東東路3號401室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。