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！

龙图腾网获悉贵州财经大学申请的专利基于多维数据分析的异常行为识别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：CN120012004B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510489869.5，技术领域涉及：G06F18/2433；该发明授权基于多维数据分析的异常行为识别方法及系统是由蒋合领;丁红发;刘文江;李怀永;张菀辰;周妍君;王文林;郝洁;罗静;柯曼琪设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本基于多维数据分析的异常行为识别方法及系统在说明书摘要公布了：本申请提供一种基于多维数据分析的异常行为识别方法及系统，包括对结构化数据和非结构化数据进行清洗和标准化处理，得到统一格式数据集，采用自然语言处理技术，处理其中的文书类文本，提取实体、关系和行为信息，生成结构化特征向量；利用该特征向量和结构化数据构建行为统计、时序和关联特征，采用采样算法选择特征组合，根据构造的多维特征集中的关联数据建立实体关系图，计算实体间的关联强度，据此优化实体关系图以建立网络结构模型；依据该模型和多维特征集设定特征权重体系，利用修剪张量结构测量方法计算出多维异常分数，采用低秩张量恢复技术综合计算出异常评分，输出预警清单，能提升识别准确性和效率。

本发明授权基于多维数据分析的异常行为识别方法及系统在权利要求书中公布了：1.一种基于多维数据分析的异常行为识别方法，其特征在于，包括： 通过业务系统接口获取结构化数据和非结构化数据，对所述结构化数据和所述非结构化数据进行数据清洗和标准化处理，得到统一格式的数据集； 接收所述统一格式的数据集中的文书类文本，采用自然语言处理技术对所述文书类文本进行处理，提取实体信息、关系信息和行为信息，生成结构化特征向量； 利用所述统一格式的数据集中的结构化数据和所述结构化特征向量，构建行为统计特征、时序特征和关联特征，采用基于广义Golub-Kahan方法的采样算法选择特征组合，构造多维特征集； 根据所述多维特征集中的关联数据，建立实体关系图，通过低秩张量和p-AAA算法计算实体间的关联强度，并基于所述关联强度对所述实体关系图进行优化，建立网络结构模型，其中，通过低秩张量和p-AAA算法计算实体间的关联强度，包括： 运用所述多维特征集中的关联数据，构建多维关联张量，使用Tucker分解降低张量维度，得到主要特征信息，其中，所述Tucker分解用于将原始张量分解为一个核心张量和多个因子矩阵的乘积； 根据所述主要特征信息，通过p-AAA算法构建有理函数逼近，迭代优化逼近精度，获得实体间的关联强度，包括： 基于Tucker分解得到的低维特征，构造有理函数来逼近实体间的关联关系； 使用p-AAA算法构建实体间关联强度的表示，包括： 自适应选择插值点；构建Loewner矩阵，计算所述Loewner矩阵的SVD分解；求解线性方程组，更新有理函数系数；计算逼近误差，判断是否满足收敛条件；当发现数值不稳定时，自动调整正则化参数或重新选择插值点，最终得到每对实体之间的关联强度估计； 其中，所述基于所述关联强度对所述实体关系图进行优化，包括： 依据所述关联强度，设定关联强度阈值，删除低于所述关联强度阈值的边，构造优化后的实体关系图；利用所述优化后的实体关系图，识别相似度超过预设阈值的节点并进行节点合并，更新关联关系，形成网络结构模型； 依据所述网络结构模型和所述多维特征集，设定特征权重体系，利用修剪张量结构测量方法计算得到多维异常分数，采用低秩张量恢复技术对所述多维异常分数进行综合计算，获得异常评分，并根据所述异常评分输出预警清单； 其中，利用所述统一格式的数据集中的结构化数据和所述结构化特征向量构建关联特征的方式，包括： 基于所述统一格式的数据集中的结构化数据和所述结构化特征向量，统计实体间直接交互的频次和强度，计算加权关联系数，得到直接关联度； 基于所述直接关联度，构建多跳关系路径，计算路径重要性权重，形成关联特征。

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贵州财经大学，其通讯地址为：550000 贵州省贵阳市花溪大学城；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。