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！

龙图腾网恭喜中交西北投资发展有限公司申请的专利一种服务咨询平台智慧管理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：CN119396960B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510005705.0，技术领域涉及：G06F16/332；该发明授权一种服务咨询平台智慧管理系统是由王丁;陈雪梅;吴凯;唐雨鑫;王维康;白垚;陈俞林;郑建彬;乔书强设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本一种服务咨询平台智慧管理系统在说明书摘要公布了：本发明公开了一种服务咨询平台智慧管理系统包括，通过数据采集与处理模块，对数据进行处理；利用数据融合单元将清洗后的多源数据构建特征矩阵；基于需求预测模块，生成用户咨询需求的预测结果；通过语义解析与问答模块对用户输入进行识别；将解析后的语义信息传递至知识管理模块，基于语义相似度匹配算法从知识库中检索匹配内容，按优先级排序后生成解答；通过服务质量动态评估模块，采集服务过程中的信息进行评分，通过服务优化策略生成模块制定优化方案，并将优化方案反馈至评估模块实现闭环管理。本发明显著提高了平台的预测能力和服务效率，为用户提供了更高效、更个性化的咨询体验。

本发明授权一种服务咨询平台智慧管理系统在权利要求书中公布了：1.一种服务咨询平台智慧管理系统，其特征在于：包括，通过数据采集与处理模块，采集用户行为数据、历史咨询数据和外部行业趋势数据，并对采集的数据进行清洗和格式化，得到多源数据；利用数据融合单元根据清洗后的多源数据构建特征矩阵，生成用户需求的多维特征向量；基于需求预测模块中的协同过滤算法和聚类分析模型，生成用户咨询需求的预测结果；通过语义解析与问答模块对用户输入的自然语言进行分词、语法分析和意图识别；将解析后的语义信息传递至知识管理模块，基于语义相似度匹配算法从知识库中检索匹配内容，按优先级排序后生成解答；通过服务质量动态评估模块，采集服务过程中的用户反馈数据、专家行为数据和平台运营数据，并进行评分，基于评分结果，通过服务优化策略生成模块制定优化方案，利用资源调度模块调整专家资源配置、优化推荐内容，并将优化方案反馈至评估模块实现闭环管理；所述数据融合单元包括，通过特征嵌入算法将非数值型数据进行数值化处理，并通过构建特征矩阵将用户行为、时间维度和历史记录统一为用户需求的多维特征表示，其中非数值型数据包括关键词、行为标签；所述构建特征矩阵包括，对文本型数据使用上下文感知嵌入模型： 其中:Q＝WQE，K＝WKE，V＝WVE；E∈Rn×d表示输入嵌入矩阵，E为词嵌入矩阵，R为实数集，n为文本长度，d为维度；fbert·表示基于BERT的嵌入函数，用于生成上下文感知的文本嵌入；WQ，WK，WV是BERT模型中查询、键和值的权重矩阵，Q、K、V分别表示查询、键、值矩阵；MultiHead表示多头注意力机制，输出Xtext∈Rn×d；Xtext表示文本嵌入矩阵；对行为标签使用图卷积网络嵌入：其中，表示第l+1层的输入特征矩阵，A∈Rm×m表示标签关联矩阵；m表示标签节点的数量；表示第l层的输入特征矩阵；Wl表示图卷积的权重矩阵；σ表示激活函数，输出为标签嵌入矩阵Xlabel∈Rm×k；k表示标签嵌入空间的维度，为每个标签嵌入的维度数；ht＝σWhht-1+Wxxt+b；其中，ht∈Rh表示时间t时刻的隐藏状态；xt∈Rd表示时间t的输入数据；Wh表示隐藏状态的权重矩阵；Wx表示输入数据的权重矩阵；b表示偏置项；σ表示激活函数，最终输出为时间序列嵌入矩阵Xtime∈Rt×h；h表示时间t时刻的状态向量的维度；t表示时间序列特征维度；扩展时间权重函数wt，f，c，引入多项式拟合进行动态调整: 其中，f表示行为频率，c表示行为类别，αc表示行为类别c的权重系数，e-λt表示时间衰减因子，λ是衰减参数，log1+f表示行为频率的对数化处理，表示时间序列的高阶多项式项，p表示多项式的阶数，βi表示时间多项式项的系数； 其中，表示融合后的特征张量，n1表示数据集中的样本数，wtq，fq，cq表示第q个数据点的加权值，是张量外积操作；所述构建特征矩阵还包括，利用HOSVD提取多模态特征的核心交互关系，将高维张量降维为稠密表示；对进行高阶奇异值分解： 其中，表示分解后的特征张量，维度为n1×dtext×dlabel×dtime，dtext表示文本特征的维度，dlabel表示标签特征的维度，dtime表示时间特征的维度，表示张量分解后的核心张量，U1为文本特征的因子矩阵，表示通过张量分解获得的文本维度上的低维表示，维度为dtext×r1，r1是文本特征的分解秩，U2为标签特征的因子矩阵，表示通过张量分解获得的标签维度上的低维表示，维度为dlabel×r2，r2是标签特征的分解秩，U3为时间特征的因子矩阵，表示通过张量分解获得的时间维度上的低维表示，维度为dtime×r3，r3是时间特征的分解秩，×1，×2，×3为张量的外积操作，表示将核心张量分别与因子矩阵U1，U2，U3进行乘积操作，得到降维后的低维表示；将张量分解后的核心张量与时间序列特征拼接：其中，表示核心张量沿第一个维度展开为矩阵；表示拼接后的特征矩阵，表示用户需求的多维特征；通过对比学习机制优化最终特征表示，损失函数为： 其中，表示对比学习的损失函数，用于最大化正样本对之间的相似性，同时最小化负样本对之间的相似性，zw是第w个样本的嵌入特征向量，zj是与之配对的正样本特征向量，zo是负样本的特征向量，τ为温度参数，expx是指数函数，zw，zj是正样本对的点积，表示对所有负样本的求和操作，N是负样本的总数。

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中交西北投资发展有限公司，其通讯地址为：710000 陕西省西安市高新区锦业路11号绿地中心B座45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”。