买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京高科数聚技术有限公司申请的专利一种多模态线索驱动的实时特征精准推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120198203B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510667717.X，技术领域涉及：G06Q30/0601；该发明授权一种多模态线索驱动的实时特征精准推荐方法是由程杰设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本一种多模态线索驱动的实时特征精准推荐方法在说明书摘要公布了：本发明公开了一种多模态线索驱动的实时特征精准推荐方法，属于汽车销售市场预测技术领域，包括获取用户录入的请求样本，构建线索数据库，构建动态偏移特征，计算意图得分并排序，实现汽车销售场景的实时精准推荐，解决了通过对用户动态行为偏移进行建模，联合多模态数据融合，提高推荐精准度的技术问题，本发明实现了多模态线索的深度融合，增强推荐因果性，在低延迟约束下实现精准推荐，适配销售现场实时决策需求，针对汽车销售场景设计字段标准化处理，提升了业务匹配度。

本发明授权一种多模态线索驱动的实时特征精准推荐方法在权利要求书中公布了：1.一种多模态线索驱动的实时特征精准推荐方法，其特征在于：包括如下步骤： 步骤1：请求解析模块获取销售前端采集的请求样本，对请求样本进行结构化存储处理； 请求样本的字段包括城市、预算、购车时间、首付比例、浏览车型序列、咨询频次和试驾预约； 步骤2：用户特征提取模块调取请求样本，对请求样本中的字段进行编码或数值标准化处理，得到静态的特征向量zuser； 步骤3：建立线索数据库，录入多条销售线索数据作为历史数据； 所述销售线索数据的字段包括车型、客户画像、是否成交、成交周期、跟进次数、销售人员标识和时间戳； 线索构建模块根据浏览车型序列，调取线索数据库中同款车型的销售线索数据，对调取的销售线索数据进行标准化结构向量处理，得到每条销售线索数据的特征向量构建候选池； 步骤4：中间特征生成模块对特征向量zuser和特征向量进行组合，生成历史偏移类特征，根据历史偏移类特征，利用Sigmoid函数计算用户的购买意图升级的得分sintent； 将特征向量zuser、特征向量和购买意图升级的得分sintent进行拼接，生成每条销售线索数据对应的中间融合特征向量 在执行步骤4时，具体包括如下步骤： 步骤4-1：中间特征生成模块对特征向量和特征向量zuser进行组合拼接； 步骤4-2：获取步骤4-1的拼接结果，提取历史偏移类特征，具体包括： 步骤4-2-1：设定时间窗口T，在时间窗口T中查找具有成交记录的销售线索数据； 步骤4-2-2：计算偏移纬度，即历史偏移类特征具体包括： 根据用户预算和平均成交预算差值，计算预算偏移Δ1； 根据当前购车意愿天数和平均成交周期，计算购车时间偏移Δ2； 根据当前咨询频次和平均跟进次数，计算频次偏移Δ3； 步骤4-3：利用Sigmoid函数计算用户的购买意图升级的得分sintent： sintent＝σw1×Δ1+w2×Δ2+w3×Δ3+b； 其中，σ·为Sigmoid函数，w1，w2，w3均为权重，b为偏置； 步骤4-4：对购买意图升级的得分sintent、特征向量zuser和特征向量进行拼接，得到中间融合特征向量 步骤5：推荐得分计算模块对中间融合特征向量进行评分计算，采用Sigmoid函数计算每条销售线索数据与当前客户之间的匹配置信度得分； 在执行步骤5时，具体包括如下步骤： 步骤5-1：获取中间融合特征向量 步骤5-2：利用Sigmoid函数计算候选池中每一条销售线索数据的匹配得分si： 其中，W为权重，T表示转置操作； 步骤6：推荐排序与分发模块根据步骤5得到的匹配置信度得分，对候选池中的销售线索数据进行排序，选取前K名销售线索数据作为推荐结果，构成推荐结果集，并将所述推荐结果集推送至销售前端系统。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京高科数聚技术有限公司，其通讯地址为：100000 北京市海淀区上地九街9号9号1层119、120号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。