CN119739929B 基于人工智能挖掘的远程数字化服务资源推荐方法及系统 （创域智能(常熟)网联科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119739929B(45)授权公告日2025.07.04

(21)申请号202510252304.5

(22)申请日2025.03.05

(65)同一申请的已公布的文献号申请公布号CN119739929A

(43)申请公布日2025.04.01

(56)对比文件

CN119128177A,2024.12.13CN119337002A,2025.01.21审查员赵婷婷

(73)专利权人创域智能(常熟)网联科技有限公

司

地址215500江苏省苏州市常熟市东南街

道云深路2号

(72)发明人高春亚杨建国

(74)专利代理机构苏州瞪羚知识产权代理事务所(普通合伙)32438

专利代理师张宇

(51)Int.CI.

GO6F16/9535(2019.01)权利要求书4页说明书21页附图2页

(54)发明名称

基于人工智能挖掘的远程数字化服务资源推荐方法及系统

(57)摘要

CN119739929B本申请提供一种基于人工智能挖掘的远程数字化服务资源推荐方法及系统，首先获取目标用户在多个远程服务场景下的历史交互数据，涵盖交互记录、服务资源属性信息及用户行为序列，据此生成表征用户偏好分布与服务需求演化路径的动态特征向量。将其输入融合时序行为分析与跨场景语义关联模型的多模态推荐模型，挖掘潜在匹配模式，输出当前场景候选服务资源预测集合。依据实时场景适配度生成分层推荐列表，按适配度阈值划分服务资源优先级簇。最后，基于用户实时反馈数据动态调整模型参数权重，更新动态特征向量生成逻辑，形成闭环优化链

CN119739929B

S110-

S110-

获取目标用户的历史交互数据

S120-

基于所述历史交互数据生成所述目标用户的动态特征向量

将所述动态特征向量输入预训练的多模态推荐模型，输出所述目标用户在当前服务场景下的候选服务资源预测集合

根据所述候选服务资源预测集合中每个服务资源的实时场景适配度，生成分层推荐列表

基于所述目标用户对所述分层推荐列表的实时反馈数据，

动态调整所述多模态推荐模型的参数权重，并更新所述动

态特征向量的生成逻辑，形成闭环优化链路

S130-

S150-

S140

CN119739929B权利要求书1/4页

2

1.一种基于人工智能挖掘的远程数字化服务资源推荐方法，其特征在于，所述方法包

括：

获取目标用户的历史交互数据，所述历史交互数据包括所述目标用户在多个远程服务场景下与服务资源的交互记录、服务资源属性信息以及用户行为序列；

基于所述历史交互数据生成所述目标用户的动态特征向量，所述动态特征向量用于表征所述目标用户在不同服务场景下的偏好分布及服务需求演化路径；

将所述动态特征向量输入预训练的多模态推荐模型，输出所述目标用户在当前服务场景下的候选服务资源预测集合，所述多模态推荐模型通过融合时序行为分析模型和跨场景语义关联模型，挖掘用户行为与服务资源之间的潜在匹配模式；

根据所述候选服务资源预测集合中每个服务资源的实时场景适配度，生成分层推荐列表，所述实时场景适配度通过分析服务资源属性与当前服务场景的上下文特征之间的动态关联强度确定，所述分层推荐列表按照适配度阈值将服务资源划分为多个优先级簇；

基于所述目标用户对所述分层推荐列表的实时反馈数据，动态调整所述多模态推荐模型的参数权重，并更新所述动态特征向量的生成逻辑，形成闭环优化链路；

所述基于所述历史交互数据生成所述目标用户的动态特征向量，包括：

提取所述历史交互数据中的用户行为时序片段，所述用户行为时序片段包括连续服务请求间隔、服务类型切换频率及服务资源使用深度；

通过预训练的时空注意力网络对所述用户行为时序片段进行多粒度特征提取，生成初始行为特征矩阵，所述时空注意力网络通过捕捉用户行为在时间和空间维度上的依赖关系，识别关键服务交互节点；

融合所述服务资源属性信息和所述初始行为特征矩阵，生成跨模态融合特征，所述跨模态融合特征通过跨模态对齐算法将服务资源属性嵌入到用户行为特征空间中；

根据所述目标用户在多个服务场景下的场景切换标记，对所述跨模态融合特征进行场景感知加权，生成场景化特征向量；

基于门控循环单元对所述场景化特征向量