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！

龙图腾网获悉江苏省软件产品检测中心申请的专利一种基于多模态数据融合的客户个性化服务系统及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：CN121092784B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511631772.X，技术领域涉及：G06F16/9535；该发明授权一种基于多模态数据融合的客户个性化服务系统及方法是由罗玉绯;张晖;王磊;韩昊乘设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本一种基于多模态数据融合的客户个性化服务系统及方法在说明书摘要公布了：本发明涉及用户画像领域，具体为一种基于多模态数据融合的客户个性化服务系统及方法，包括：多源数据模块、特征向量模块、节点标签模块、任务聚合模块和服务预测模块，多源数据模块用于构建结构化三元组数据，特征向量模块用于提取用户特征向量，节点标签模块用于捕获同质节点，任务聚合模块用于聚类个性标签向量，服务预测模块用于输出客户执行当前任务的概率值，本发明具有更好的预测效果，可以动态提取情境化特征，确保数据的时效性和完整性，提高用户画像精度和用户画像模型的识别准确性，实现对客户资源的精准分配和个性化预测，提升对客户个性化标签分类的准确性，保证客户个性化推荐算法的精度。

本发明授权一种基于多模态数据融合的客户个性化服务系统及方法在权利要求书中公布了：1.一种基于多模态数据融合的客户个性化服务方法，其特征在于，所述方法包括以下步骤：步骤S1.基于发布订阅获取用户各来源通信日志，清洗后得到多源数据，将多源数据输入重构注意力层的Transformer网络抽取结构化信息，构建结构化三元组数据； 步骤S2.按时间顺序连接指向同一任务目标的三元组，构建有向无环图，将有向无环图的任务实体和关联关系映射到低维向量空间，通过MFEM模型提取与任务目标相关的用户特征得到用户特征向量； 步骤S3.将用户特征向量与任务实体的嵌入向量融合，得到稀疏向量，稀疏向量通过全连接层投影到稠密向量上，得到隐向量，TGCL模型学习隐向量，将隐向量节点按时间顺序连接到图网络节点上，得到时序图； 步骤S4.采用图卷积网络聚合时序图内各跳相邻信息，捕获同质节点，根据同质节点提取与当前任务相关的独立数据，以萤火虫算法确定聚类参数和聚类中心，对独立数据聚类后输出个性化数据； 步骤S5.将个性化数据转为低维表示，得到个性标签向量，通过相似度聚合得到任务向量，将个性标签向量和任务向量串联连接,对串联后的向量进行内积操作，内积结果输入激活函数，输出用户执行任务的概率； 步骤S1包括： 步骤S11.通过轻量级SDK，从业务系统获取JSON格式通信日志，发布到消息队列的预置Topic中，所述通信日志中包含：用户ID、时间戳、任务行为、会话ID和消息内容，订阅Topic获得数据流，预清洗后构建出多源数据库； 步骤S12.将多源日志消息在时间窗口内通过Transformer网络进行关联，从每条数据记录中抽取结构化信息，包括：时间、行为和任务动作，构建包含任务实体、关联关系和用户属性的三元组； 步骤S21.将用户指向同一任务目标的所有三元组数据构建成动态有向无环图，抽取出的任务实体作为图网络的节点，用户属性定义为节点属性，关联关系作为连接节点的有向边，使用有向GNN或时序GNN进行消息传递，通过聚合父任务和子任务信息更新图结构表示； 步骤S22.对所有节点的任务表示进行池化，使用池化层压缩图尺寸，采用MFEM多视角特征提取与融合模型提取任务相关的用户特征，将用户特征输入交叉网络，输出特征向量； 步骤S3包括： 步骤S31.将用户特征向量与有向无环图中任务实体的嵌入向量进行注意力加权融合，生成交叉特征，使用特征哈希将交叉特征融合后的特征向量映射到高维空间，投影到稠密向量上，得到隐向量； 步骤S32.将隐向量序列输入TGCL时序图对比学习模型，通过对比学习和动态图拓扑将隐向量节点按时间顺序连接到图网络节点上，输出时序图； 步骤S4包括： 步骤S41.GCN编码器学习时序图表示，采用图卷积网络聚合各跳相邻信息，捕获同质节点，设置GCN编码器学习时序图，在节点特征更新时加入与任务向量间的相似度约束，聚合同质节点中用户的任务属性、行为频率和身份标签，使用关键词提取或频繁项挖掘算法，筛选任务关联数据； 步骤S42.采用变步长自适应萤火虫算法，将萤火虫的位置编码作为聚类中心，类内距离的倒数作为亮度函数，评估不同K值下的聚类质量，输出最佳K值和聚类中心，按照最佳K值和聚类中心对用户进行K-means聚类，聚类结果作为用户的个性化数据； 步骤S5包括： 步骤S51.聚合个性标签向量，计算当前用户的个性标签向量与设定任务邻域中所有用户个性标签向量间的余弦相似度，按照相似度选取相邻向量，排列后形成矩阵，将矩阵输入一维卷积神经网络进行卷积和池化，输出任务向量； 步骤S52.串联个性标签向量和任务向量，通过全连接层进行非线性变换和维度对齐后进行逐元素内积，内积结果得到交互向量，交互向量输入Sigmoid激活函数，输出用户执行设定任务的概率。

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江苏省软件产品检测中心，其通讯地址为：210012 江苏省南京市雨花台区宁双路19号云密城C栋11楼；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”。

以上内容由龙图腾AI智能生成。