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！

龍圖騰網獲悉浪潮云洲工業互聯網有限公司申請的專利一種基于大模型的企業智能診斷方法、系統、設備及介質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：CN120412984B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202510905421.7，技術領域涉及：G16H50/20；該發明授權一種基于大模型的企業智能診斷方法、系統、設備及介質是由徐偉;邱翠玲;齊光鵬;商廣勇;羅濤;李佳設計研發完成，并于2025-07-02向國家知識產權局提交的專利申請。

本一種基于大模型的企業智能診斷方法、系統、設備及介質在說明書摘要公布了：本申請提供一種基于大模型的企業智能診斷方法、系統、設備及介質，屬于企業診斷技術領域，所述方法：通過多源數據接口采集企業異構數據，進行清洗、特征提取及跨模態的對齊融合，得到企業實時數據；再基于企業所屬行業指標，通過圖注意力網絡構建知識圖譜，并定時更新節點間的關聯權重；將企業實時數據輸入預訓練的多模態大模型進行初步分析，輸出風險熱力圖；從風險熱力圖中識別關鍵異常指標，并從知識圖譜中提取出與關鍵異常指標相關的子圖，再將子圖生成結構化的提示詞后與標準化的企業實時數據共同輸入多模態大模型進行聯合推理分析后生成可視化的診斷報告。本發明實現企業風險的準確識別與智能診斷，提升決策效率。

本發明授權一種基于大模型的企業智能診斷方法、系統、設備及介質在權利要求書中公布了：1.一種基于大模型的企業智能診斷方法,其特征在于，包括如下步驟： S1.通過多源數據接口采集企業異構數據，并對采集的企業異構數據進行清洗、特征提取以及跨模態的對齊融合，得到標準化的企業實時數據； S2.基于企業所屬行業指標，結合標準化的企業實時數據，通過圖注意力網絡構建以企業實體、業務指標以及行業標準為節點的知識圖譜，并根據企業實時數據定時更新節點間的關聯權重； S3.將標準化的企業實時數據輸入預訓練的多模態大模型進行初步分析，輸出包含異常指標及異常指標概率的風險熱力圖； 步驟S3具體步驟如下： S31.將標準化的企業實時數據劃分為結構化數據、文本數據以及時序數據； S32.對結構化數據中分類特征通過嵌入算法映射為設定維度的稠密向量，而對結構化數據中數值特征1D卷積神經網絡提取局部模式特征； S33.將文本數據劃分為表格類文本和純文本，對表格類文本LayoutXLM模型處理，得到表格結構和內容語義，而對純文本使用RoBERTa-wwm模型提取文本語義特征，并對中文文本提取標記向量； S34.對時序數據中傳感器時序數據使用Informer模型捕獲長期依賴關系，對時序數據中業務時序數據使用N-HiTS模型分解趨勢項和周期項特征； S35.對結構化數據、文本數據及時序數據提取的特征通過跨模態注意力機制算法計算各模態間的相關性權重： 其中，為模態i的查詢向量，為模態j的鍵向量，為維度縮放因子； S36.使用門控融合算法對結構化數據、文本數據特以及時序數據的特征向量生成聯合特征： 其中，表示門控值，σ（*）是激活函數,是可訓練參數矩陣，是結構化數據特征向量，是文本數據特征向量，時序數據特征向量，是融合后的跨模態特征向量； S37.通過多層感知機模型計算各業務指標的異常概率： 其中，是第i個指標的異常概率，，是多層感知機模型第一層的權重矩陣，是多層感知機模型第二層的權重矩陣，是多層感知機模型第一層的偏置向量，是多層感知機模型第二層的偏置值，d是輸入特征的維度，m是第一層的隱藏單元數，1是輸出的維度； 根據各業務指標的異常概率確定異常業務指標，將異常業務指標與對應異常概率生成異常概率向量； S38.使用反卷積網絡將異常概率向量映射到原始的標準化的企業實時數據的維度，生成像素級的風險熱力圖； S39.將像素級的風險熱力圖進行分層顯示； S4.從風險熱力圖中識別關鍵異常指標，并從知識圖譜中提取出與關鍵異常指標相關的子圖，再將子圖生成結構化的提示詞后與標準化的企業實時數據共同輸入多模態大模型進行聯合推理分析； 步驟S4具體步驟如下： S41.從風險熱力圖中識別關鍵異常指標的具體步驟如下： 預先設置動態概率閾值，對滿足如下條件任一項的業務指標判定為關鍵異常指標： 異常概率超過動態概率閾值的業務指標； 影響N個以上業務部門的業務指標； 連續M個檢測周期異常概率上升幅度超過預設的幅度閾值； S42.從知識圖譜中提取出與關鍵異常指標相關的子圖的具體步驟： 以關鍵異常指標節點為起點，在知識圖譜中執行N層深度的搜索： 其中首層是直接與關鍵異常指標節點相連的節點，后一層與前一層節點相連接的節點； 在每一層中的節點的搜索優先級由邊權重和SHAP值計算： 其中，是節點i與節點j之間的權重，SHAP是特征篩選結果，表示特征對模型輸出的貢獻度，和是可調整的權重系數，用于平衡邊權重和SHAP值的影響； S43.將子圖生成結構化的提示詞的具體步驟如下： 預先構建提示詞模板，將搜索的子圖中相關節點及關系填充到提示詞模板中，從而將子圖轉換為作為自然語言描述的結構化提示詞； S44.將結構化提示詞與標準化的企業實時數據共同輸入多模態大模型進行聯合推理分析的具體步驟如下： 構建分層混合編碼的多模態大模型，包括并列的文本編碼層、表格編碼層、時序編碼層和數據融合層； 將結構化提示詞與標準化的實時數據中結構化數據拼接后輸入多模態大模型的文本編碼層，生成結構化查詢向量； 將結構化提示詞與標準化的實時數據中文本數據拼接后輸入多模態大模型的表格編碼層，生成文本查詢向量； 將時序化提示詞與標準化的實時數據中時序數據輸入多模態大模型的時序編碼層，生成時序化查詢向量； 將結構化查詢向量、文本查詢向量以及時序化查詢向量輸入數據融合層，通過跨模態注意力融合和門控特征融合生成聯合推理分析結果； S5.將聯合推理分析結果轉換為可執行診斷報告，并通過可視化交互界面向企業用戶展示。

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浪潮云洲工業互聯網有限公司，其通訊地址為：250000 山東省濟南市高新區浪潮路1036號浪潮科技園S02號樓19層；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”。