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！

龙图腾网获悉北京银行股份有限公司申请的专利基于机器学习技术的客户服务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：CN119624466B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510160089.6，技术领域涉及：G06Q30/01；该发明授权基于机器学习技术的客户服务方法及系统是由丁志勇;庞博;闫珍;高丽珺;秦自龙;万长松;张志朋;卢苇;贝东昇;杨滔设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本基于机器学习技术的客户服务方法及系统在说明书摘要公布了：本申请公开了一种基于机器学习技术的客户服务方法及系统。其中，该方法包括：构建目标对象的客群画像；将客群画像和与客群画像对应的已购买金融产品分别作为基于深度学习的神经协同过滤模型的输入，已购买金融产品的标签作为基于深度学习的神经协同过滤模型的输出，对基于深度学习的神经协同过滤模型进行训练；获取用于描述目标对象的目标数据，利用目标模型确定目标数据对应的目标金融产品；利用深度学习模型确定目标金融产品对应的风险等级，并将目标金融产品以及风险等级发送至目标对象。本申请解决了由于乡镇银行无法基于人工智能技术针对其服务的不同群体推荐对应的金融产品，造成的经营效率低下的技术问题。

本发明授权基于机器学习技术的客户服务方法及系统在权利要求书中公布了：1.一种基于机器学习技术的客户服务方法，其特征在于，包括： 构建目标对象的客群画像，其中，所述目标对象包括：第一对象、第二对象，所述第一对象包括：小微企业，所述第二对象包括：三农群体； 将所述客群画像和与所述客群画像对应的已购买金融产品分别作为基于深度学习的神经协同过滤模型的输入，所述已购买金融产品的标签作为基于深度学习的神经协同过滤模型的输出，对基于深度学习的神经协同过滤模型进行训练，并在模型训练过程中，使用优化器对模型参数进行更新，通过反向传播算法计算损失函数，在损失函数满足预设收敛条件的情况下，得到完成训练的目标模型； 获取用于描述所述目标对象的目标数据，利用所述目标模型确定所述目标数据对应的目标金融产品； 利用深度学习模型确定所述目标金融产品对应的风险等级，并将所述目标金融产品以及所述风险等级发送至所述目标对象； 构建目标对象的客群画像，包括：步骤S21，从金融机构内部数据库获取与所述第一对象相关的第一信息，其中，所述第一信息包括：账户信息、交易流水数据、信贷记录信息；步骤S22，从小微企业注册登记部门获取所述第一对象的企业基础信息；从第三方信用评级机构获取所述第一对象的信用评级数据；从电商平台获取有线上业务的第一对象的店铺运营数据；步骤S23，对所述第一信息、所述企业基础信息、所述信用评级数据、所述店铺运营数据进行特征提取，得到所述第一对象对应的多个第一特征；步骤S24，遍历多个所述第一特征中的每个第一特征，计算以第一目标特征为中心，以第一邻域半径为半径的邻域内的数据点数量；如果该邻域内的数据点数量大于或等于第一最小点数，则将第一目标特征标记为核心点；步骤S25，创建第一空聚类集合，其中，所述第一空聚类集合中的所有数据点标记为未访问；遍历所述第一空聚类集合中的数据点，将第一数据点添加到第一聚类集合中，并将其标记为已访问，其中，所述第一数据点为核心点；对于所述第一数据点的邻域内的所有未访问的第一目标数据点，如果所述第一目标数据点是核心点，将其加入第一聚类集合中，并标记为已访问，如果第一目标数据点是边界点，将其加入第一聚类集合，并标记为已访问，如果所述第一目标数据点是噪声点，对其进行标记；步骤S26，重复执行步骤S25，直到所述第一数据点的邻域内的所有数据点均已访问；步骤S27，重复执行步骤S24至步骤S26，直至多个所述第一特征中的所有核心点都已加入聚类集合或标记为噪声点，得到多个第一目标聚类集合，将多个所述第一目标聚类集合确定为多个第一画像； 遍历多个所述第一特征中的每个第一特征之前，所述方法还包括：根据财务指标、经营指标、资金需求指标，确定所述第一邻域半径；根据信用指标，确定所述第一最小点数。

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银行股份有限公司，其通讯地址为：100033 北京市西城区金融大街丙17号北京银行大厦；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”。