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！

龙图腾网获悉广州舜飞信息科技有限公司申请的专利基于AI的客户智能标签提取方法及系统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：CN120354225B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510840593.0，技术领域涉及：G06F18/2413；该发明授权基于AI的客户智能标签提取方法及系统是由张君晖;梁丽丽设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于AI的客户智能标签提取方法及系统在说明书摘要公布了：本申请涉及计算机科学与人工智能领域，具体是一种基于AI的客户智能标签提取方法及系统，包括步骤：收集客户数据并进行预处理，所述客户数据包括行为日志、交易记录、文本评论；从预处理后的客户数据里提取特征，输出特征集，并构建行为模式特征；基于预设机器学习模型对行为模式特征进行学习，预测客户标签；基于客户个性化权重、预设排序算法，对预测出的客户标签进行排序并存储。本申请具有准确提取客户标签的效果。

本发明授权基于AI的客户智能标签提取方法及系统在权利要求书中公布了：1.一种基于AI的客户智能标签提取方法，其特征在于，包括步骤： 收集客户数据并进行预处理； 从预处理后的客户数据里提取特征，输出特征集，并构建行为模式特征； 对预处理后的客户数据进行特征选择； 基于预设多级特征筛选规则，从预设特征库里匹配与客户行为相关的数据字段； 基于预设统计方法，分析各数据字段与客户行为的相关性； 当相关性波动系数超过预设安全阈值时，触发人工复核机制； 选择通过复核且相关性高于预设阈值的特征作为输入特征； 基于特征选择结果，对所选特征进行特征工程； SA1:判断输入特征的类型，所述类型包括数值型特征、类别型特征、文本型特征； SA2:当是数值型特征时，计算输入特征的滑动窗口内统计量，所述统计量包括均值、方差、偏度，输出时序衍生特征； SA3:当是类别型特征时，判断类别型特征类别，所述类别型特征类别包括连续特征、非连续特征； SA4:当是非连续特征时，对输入特征进行哈希编码，转换为数值型特征，返回进行SA1； SA5:当是连续特征时，基于信息增益最大化准则，对输入特征进行动态分箱，当分箱数≤预设分箱阈值时，转换为非连续特征，返回进行SA4； SA6:当是文本型特征时，执行以下处理：基于预训练的词向量模型，进行语义向量化，输出语义向量； SA7:基于SnowNLP情感分析算法，提取文本情感极性得分； SA8:基于预设业务关键词库，计算关键词TF-IDF权重； SA9:基于SA1-SA8，输出特征集，所述特征集包括时序衍生特征、语义向量、文本情感极性得分及关键词TF-IDF权重； 基于特征工程处理后的特征集，构建行为模式特征； 基于客户ID、预设时间衰减聚合规则，将所述特征集聚合，生成客户-特征矩阵，其中，矩阵元素值是标准化后的特征向量； 基于所述客户-特征矩阵，构建客户行为图网络； 所述客户行为图网络包括节点、边权重，所述节点是客户ID，所述边权重是基于预设改进余弦相似度算法计算的所述特征向量的相似度； 基于预设NetworkX图计算库，计算节点介数中心性，当节点介数中心性超过预设行业基准值时，将所述节点识别为关键节点； 基于所述客户-特征矩阵，匹配提取所述关键节点的特征向量； 基于预设多头注意力机制、所述客户-特征矩阵，将所述关键节点的特征向量与当前客户的特征向量进行融合，输出注意力增强特征； 输出行为模式特征集，所述行为模式特征集包括客户-特征矩阵、图网络结构特征、注意力增强特征节点，所述图网络结构特征包括节点、边权重、节点介数中心性； 基于预设机器学习模型对行为模式特征进行学习，输出标签预测结果； 将所述行为模式特征集输入预设机器学习模型，基于以下多模态处理流程提取客户行为模式表示： 基于图神经网络、客户-特征矩阵、图网络结构特征，生成拓扑关联特征； 基于全连接网络、注意力增强特征，生成语义特征； 将拓扑关联特征与语义特征进行向量拼接，生成融合特征向量； 将融合特征向量映射至标签类别空间，输出客户标签类别； 基于温度缩放Softmax函数，对客户标签类别进行校准，生成标准化概率分布，并比较概率值； 当概率值最大时，输出标签预测结果，所述标签预测结果包括客户ID、客户标签类别； 基于客户个性化权重、预设排序算法，对所述标签预测结果进行排序并存储。

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广州舜飞信息科技有限公司，其通讯地址为：510000 广东省广州市天河区棠东东路3号401室；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”。