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！

龙图腾网获悉合肥工业大学申请的专利一种用于专家画像刻画的动态更新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：CN120106198B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510246968.0，技术领域涉及：G06N5/022；该发明授权一种用于专家画像刻画的动态更新方法是由丁三;姜元春设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种用于专家画像刻画的动态更新方法在说明书摘要公布了：本发明公开了一种用于专家画像刻画的动态更新方法，包括S1、构建多源异构数据采集模块，通过分布式采集节点实时获取专家的数据；S2、将采集的异构数据进行嵌入式表示，结合上下文感知模型实现动态语义特征提取；S3、依据实时动态特性分配权重参数，精准优化画像的特征分布；S4、通过增量训练算法迭代优化模型参数，并实时校正专家画像的特征变化；S5、结合历史特征变化率和当前数据，生成专家画像的未来趋势模型；S6、通过分布式存储架构实现画像数据的实时存储与高效访问；S7、根据动态更新后的画像，生成针对性推荐方案并实时反馈至用户决策系统。本发明具备时效性强、精准度高以及系统适应性强的优点。

本发明授权一种用于专家画像刻画的动态更新方法在权利要求书中公布了：1.一种用于专家画像刻画的动态更新方法，其特征在于，包括如下步骤： S1、构建多源异构数据采集模块，通过分布式采集节点实时获取专家的动态行为数据、知识图谱关联数据以及交互反馈数据； S2、通过多层数据融合策略，将采集的异构数据进行嵌入式表示，结合上下文感知模型实现动态语义特征提取； S2具体包括： 采用自适应特征选择算法，依据实时动态特性分配权重参数，精准优化画像的特征分布； 对融合后的特征数据集进行多维度分析，采用实时动态特性提取模型构建特征评价指标集合； 设计动态权重分配函数，通过多目标优化方法计算特征权重因子； 基于权重因子选取重要性排名前的特征，生成初步优化特征集合，依据特征分布特性实时更新； 应用多维特征交互模型，计算初步优化特征集合中的特征互信息值，构建特征间交互矩阵，通过最大化互信息增益的特征组合优化策略生成精简特征集合； 采用基于强化学习的动态优化算法，迭代更新特征权重因子； 生成最终优化特征集合，将其输入至专家画像动态更新模型，完成精准优化的特征分布和实时更新； S3、采用自适应特征选择算法，依据实时动态特性分配权重参数，精准优化画像的特征分布； S4、构建基于在线学习的动态更新模型，通过增量训练算法迭代优化模型参数，并实时校正专家画像的特征变化； S5、应用预测推演机制，结合历史特征变化率和当前数据，生成专家画像的未来趋势模型； S5具体包括： 通过时序递归网络结合专家画像动态变化特征，预测未来时间； 针对预测趋势数据，采用多变量优化算法校正预测误差； S6、通过分布式存储架构实现画像数据的实时存储与高效访问，动态并发更新及检索功能； S6具体包括： 构建分布式存储架构，包括一致性哈希算法将画像数据按数据特征分布至最优节点； 采用基于元数据索引的实时存储机制，将专家画像数据按时间戳及数据类别标签生成动态多维索引，存储于分布式节点集合中； 使用分布式多版本控制机制，记录各节点的画像数据更新历史，通过时间戳链实现数据版本管理与回滚； S7、集成智能推荐引擎，根据动态更新后的画像，生成针对性推荐方案并实时反馈至用户决策系统； S7具体包括： 在推荐策略优化模块中，采用基于多目标优化的推荐策略生成方法，构建推荐函数，通过动态调整函数实时优化权重矩阵； 在推荐策略优化过程中，结合反馈数据和动态画像特征，使用深度强化学习模型优化推荐权重。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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。