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！

龙图腾网获悉中国传媒大学申请的专利一种多源图书数据的智能分析方法、系统、终端及存储介质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：CN120471357B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510553168.3，技术领域涉及：G06Q10/0631；该发明授权一种多源图书数据的智能分析方法、系统、终端及存储介质是由王日花;屈海涛设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种多源图书数据的智能分析方法、系统、终端及存储介质在说明书摘要公布了：本发明公开了一种多源图书数据的智能分析方法、系统、终端及存储介质，所述方法包括：获取多源图书数据，并对多源图书数据进行预处理，得到目标多源图书数据；对目标多源图书数据进行数据关系整合处理，得到目标知识图谱；根据目标知识图谱进行用户画像生成处理以及图书借阅趋势预测处理，得到用户画像结果以及图书借阅趋势结果；将所述目标知识图谱、所述用户画像结果以及所述图书借阅趋势结果进行可视化展示。本发明通过对多源图书数据进行预处理和数据关系整合处理，得到目标知识图谱，并通过目标知识图谱来进行用户画像生成处理以及图书借阅趋势预测处理，能够实现对用户行为以及图书借阅趋势的精确分析，进而实现对图书资源的优化调配。

本发明授权一种多源图书数据的智能分析方法、系统、终端及存储介质在权利要求书中公布了：1.一种多源图书数据的智能分析方法，其特征在于，所述多源图书数据的智能分析方法包括： 获取多源图书数据，并对所述多源图书数据进行预处理，得到目标多源图书数据； 对所述目标多源图书数据进行数据关系整合处理，得到目标知识图谱； 所述对所述目标多源图书数据进行数据关系整合处理，得到目标知识图谱，具体包括： 构建中心化数据模型，并通过所述中心化数据模型对所述目标多源图书数据进行实体关系结构化处理，得到结构化多源图书数据； 确定所述结构化多源图书数据中的核心实体，并对所述核心实体进行标识符分配处理以及模糊匹配处理，得到关联多源图书数据； 其中，所述中心化数据模型包括星型模型和图模型； 对所述核心实体分配唯一ID，实现跨数据源的实体匹配； 所述模糊匹配处理为使用字符串相似度算法或机器学习模型关联相似但非完全一致的记录； 通过自然语言处理法和语义技术法对所述关联多源图书数据进行实体关系抽取，得到实体关系抽取结果，并根据所述实体关系抽取结果构建目标知识图谱； 采用流处理框架实时捕获借阅和归还事件，动态更新实体关系； 根据所述目标知识图谱进行用户画像生成处理以及图书借阅趋势预测处理，得到用户画像结果以及图书借阅趋势结果； 所述根据所述目标知识图谱进行用户画像生成处理以及图书借阅趋势预测处理，得到用户画像结果以及图书借阅趋势结果，具体包括： 对所述目标知识图谱进行特征提取处理以及聚类分析处理，得到特征提取结果和用户行为模式，并根据所述特征提取结果和所述用户行为模式进行用户画像生成处理，得到用户画像结果； 获取所述目标知识图谱中的时间序列数据，并对所述时间序列数据进行聚合处理，得到聚合时间序列数据； 确定预设深度学习模型，并将所述聚合时间序列数据输入至所述预设深度学习模型，输出图书借阅趋势结果； 所述对所述目标知识图谱进行特征提取处理以及聚类分析处理，得到特征提取结果和用户行为模式，并根据所述特征提取结果和所述用户行为模式进行用户画像生成处理，得到用户画像结果，具体包括： 对所述目标知识图谱进行特征提取处理，得到特征提取结果，其中，所述特征提取结果包括基础特征、行为特征以及语义特征； 所述基础特征包括静态信息和统计特征； 所述行为特征包括短期兴趣特征和用户长期兴趣特征； 利用LSTM网络对用户近期的图书借阅记录进行建模，提取用户短期兴趣特征； 利用多头注意力机制对用户长期的图书借阅记录进行分析，构建用户长期兴趣特征； 使用NLP技术分析读者评论和检索词，提取主题分布和情感倾向，得到语义特征； 采用聚类分析算法对所述特征提取结果进行聚类分析处理，得到用户行为模式； 确定预训练模型，并根据所述目标知识图谱和所述用户行为模式对所述预训练模型进行模型训练和模型微调，得到端到端画像模型； 获取目标用户对应的用户阅读数据，并将所述用户阅读数据输入至所述端到端画像模型，输出用户画像结果； 采用多头注意力机制和长短时记忆网络构建深度学习架构，并根据深度学习架构分析预测用户的图书借阅行为； 所述采用多头注意力机制和长短时记忆网络构建深度学习架构，并根据深度学习架构分析预测用户的图书借阅行为，具体包括： 将每个用户的预设时间内的n次图书借阅记录作为短期借阅距离，使用词嵌入方法将每本书的名称建模为一个图书特征向量； 使用多层长短时记忆网络将图书特征向量建模成一个用户短期借阅兴趣特征向量； 将每个用户的剩余的图书借阅记录作为用户长期借阅记录，使用词嵌入方法将每本书的名称建模为一个特征序列； 使用多层多头注意力机制网络将特征序列建模为一个用户长期借阅兴趣特征向量，将用户短期借阅兴趣特征向量和用户长期借阅兴趣特征向量进行拼接，并使用一个全连接层网络压缩特征，将压缩后的特征扩展并与每本书的特征向量结合，得到深度学习架构； 通过所述深度学习架构预测用户借阅书籍的概率，得到用户的图书借阅行为的预测结果； 将所述目标知识图谱、所述用户画像结果以及所述图书借阅趋势结果进行可视化展示。

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中国传媒大学，其通讯地址为：100024 北京市朝阳区定福庄东街1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”。

以上内容由龙图腾AI智能生成。