Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 函数引擎(浙江)安全技术服务有限公司周俊获国家专利权

函数引擎(浙江)安全技术服务有限公司周俊获国家专利权

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!

龙图腾网获悉函数引擎(浙江)安全技术服务有限公司申请的专利一种基于人工智能的风险知识图谱构建和智能预警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:CN121169087B

龙图腾网通过国家知识产权局官网在2026-04-24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:202511276334.6,技术领域涉及:G06Q10/0635;该发明授权一种基于人工智能的风险知识图谱构建和智能预警方法是由周俊设计研发完成,并于2025-09-08向国家知识产权局提交的专利申请。

一种基于人工智能的风险知识图谱构建和智能预警方法在说明书摘要公布了:本发明公开了一种基于人工智能的风险知识图谱构建和智能预警方法,包括如下步骤:采集多源风险相关数据并进行预处理,生成复合输入数据集合;构建增强型TabPFN结构并引入风险逻辑规则约束矩阵,生成风险预测结果集合;将风险预测结果集合映射至知识图谱实体节点与关系集合,生成风险知识图谱结构;在风险知识图谱结构中引入SheafNeuralNetworks,生成一致性参数集合;对知识图谱结构进行更新,生成风险知识图谱增强表示;结合风险预测结果集合与一致性参数集合执行推理,输出智能预警结果集合。本发明融合表格数据建模与图一致性传播,实现风险预测准确性和预警可靠性提升。

本发明授权一种基于人工智能的风险知识图谱构建和智能预警方法在权利要求书中公布了:1.一种基于人工智能的风险知识图谱构建和智能预警方法,其特征在于,包括如下步骤: 采集多源风险相关数据,对数据进行预处理,生成复合输入数据集合; 构建增强型TabPFN结构,增强型TabPFN结构在输入层接收复合输入数据集合,在内部注意力机制中引入风险逻辑规则约束矩阵,生成风险预测结果集合; 将风险预测结果集合映射至知识图谱实体节点与关系集合,生成带有风险属性与置信度约束的风险知识图谱结构; 在风险知识图谱结构中引入SheafNeuralNetworks,并在一致性传播过程中利用风险属性作为输入特征并结合置信度约束进行约束调整,生成一致性参数集合; 基于一致性参数集合对知识图谱结构进行更新,生成局部一致性与全局一致性统一的风险知识图谱增强表示; 基于风险知识图谱增强表示,结合风险预测结果集合与一致性参数集合执行推理,生成智能预警结果集合; 所述增强型TabPFN结构的构建和风险预测结果集合的生成包括: 构建增强型TabPFN结构,在网络输入层接收复合输入数据集合并执行嵌入映射,将复合输入数据集合转换为查询信息、键信息与值信息; 在内部注意力机制中引入风险逻辑规则约束矩阵,对查询信息与键信息之间的匹配关系进行约束调整,使注意力分布符合风险逻辑规则; 基于约束调整后的注意力分布对值信息进行加权运算,并通过前馈网络与归一化层生成隐藏表示; 通过多头输出机制将隐藏表示转换为风险预测结果集合,风险预测结果集合包括风险表征向量集合、风险发生概率集合、风险置信区间与异常概率结果集合; 所述一致性参数集合的生成包括: 在风险知识图谱结构中引入SheafNeuralNetworks,并初始化SheafNeuralNetworks的节点输入与边输入,将风险表征向量集合映射为节点输入特征,将风险发生概率集合映射为边输入特征,并将风险置信区间与异常概率结果集合作为约束信息绑定至相应节点与边; 基于节点输入特征与边输入特征在局部邻域内执行一致性约束传播,通过风险知识图谱结构中相邻节点之间的边,传递风险表征向量集合并进行差异最小化处理; 在全图范围内执行一致性传播迭代,将局部传播结果作为初始值,结合风险置信区间生成的加权一致性约束机制在全局范围内优化风险表征向量集合与风险发生概率集合的分布; 构建带有异常门控权重的传播算子,传播算子的权重由异常概率结果集合计算获得,并在一致性传播过程中对不符合置信度约束的更新路径进行门控; 将传播算子作用于全局一致性传播后的风险知识图谱结构,对节点与边的风险属性进行更新,生成一致性参数集合; 所述在风险知识图谱结构中引入SheafNeuralNetworks包括: SheafNeuralNetworks以图结构为基础,在节点特征向量和边映射矩阵之间建立联系,在每条边上定义线性限制映射,约束相邻节点在传播过程中保持特征一致性,在局部邻域内,模型通过差异最小化计算实现局部一致性传播,在全局范围内,通过迭代优化实现全局一致性传播,同时,SheafNeuralNetworks通过构造拉普拉斯算子对节点特征进行更新。

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函数引擎(浙江)安全技术服务有限公司,其通讯地址为:310000 浙江省杭州市萧山区宁围街道利一路188号天人大厦701室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。