CN120086266B 基于行业大模型的智能数据分析方法及系统 （国投智能(南京)信息科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120086266B(45)授权公告日2025.07.11

(21)申请号202510581675.8

(22)申请日2025.05.07

(65)同一申请的已公布的文献号申请公布号CN120086266A

(43)申请公布日2025.06.03

(73)专利权人国投智能(南京)信息科技有限公

司

地址210012江苏省南京市雨花台区软件

大道11号花神大厦207、208、209室

(72)发明人武春庆

(74)专利代理机构南京佰腾智信知识产权代理事务所(普通合伙)32509

专利代理师金俊锋

(51)Int.CI.

GO6F16/2458(2019.01)

GO6F16/248(2019.01)

GO6N5/045(2023.01)

GO6F18/2433(2023.01)

GO6F18/22(2023.01)

GO6F18/25(2023.01)

GO6N3/045(2023.01)

GO6N3/0464(2023.01)

GO6N3/042(2023.01)

GO6N5/025(2023.01)

(56)对比文件

CN119989283A,2025.05.13审查员吴志鹏

权利要求书3页说明书11页附图2页

(54)发明名称

基于行业大模型的智能数据分析方法及系

统

(57)摘要

CN120086266B本发明公开了基于行业大模型的智能数据分析方法及系统，涉及数据分析技术领域，包括，采集业务事件数据，根据数据类型进行特征向量提取，并采用自注意力机制计算缩放点积注意力得分矩阵，进行加权输出多模态融合向量，构建行业知识数据库确定嵌入向量；计算相关度值筛选多模态融合向量与知识片段的组合，组成门控输入向量进行融合向量计算。本发明所述方法通过多模态特征融合与知识片段检索方案，可以实现结构化数据、文本信息与图像等异质信息的统一表达和相关性挖掘，通过自注意力机制，模型能够根据业务场景自适应调整各模态特征的关

CN120086266B

采集业务事件数据，根据数据类型进行特征向量提取，并采用自注意力

机制计算缩放点积注意力得分矩阵，进行加权输出多模态融合向量，构

建行业知识数据库确定嵌入向量

计算相关度值筛选多模态融合向量与知识片段的组合，组成门控输入向量进行融合向量计算，并计算知识片段与融合向量的关系强度值，获得

完整业务流程的增强融合向量序列

确定业务事件所属的类别标签生成事件有向图，提取类别异常状态特征

集合，整理模板路径和实际业务的归因路径，使用LCS算法确定路径重

合长度，并筛选高度相似对齐的归因路径

根据异常状态特征生成归因路径与模板的直接索引表，统计周期未能对齐的归因路径计算对齐偏差率，生成异常归因路径列表

S1

S3

CN120086266B权利要求书1/3页

2

1.基于行业大模型的智能数据分析方法，其特征在于，包括：

采集业务事件数据包括结构化数据、文本数据以及图形数据，根据数据类型进行特征向量提取，并采用自注意力机制计算缩放点积注意力得分矩阵，进行加权输出多模态融合向量，构建行业知识数据库确定嵌入向量；

计算相关度值筛选多模态融合向量与知识片段的组合，组成门控输入向量进行融合向量计算，并计算知识片段与融合向量的关系强度值，获得完整业务流程的增强融合向量序列；

确定业务事件所属的类别标签生成事件有向图，提取类别异常状态特征集合，整理模板路径和实际业务的归因路径，使用LCS算法确定路径重合长度，并筛选高度相似对齐的归因路径；

根据异常状态特征生成归因路径与模板的直接索引表，统计周期未能对齐的归因路径计算对齐偏差率，生成异常归因路径列表。

2.如权利要求1所述的基于行业大模型的智能数据分析方法，其特征在于：所述根据数据类型进行特征向量提取，构建行业知识数据库确定嵌入向量，包括，

采集业务事件数据包括结构化数据、文本数据以及图形数据，对采集数据进行预处理，对处理后的结构化数据、文本数据以及图形数据分别进行数据降维；

其中对结构化数据采用多层感知器MLP,通过ReLU非线性激活函数进行特征向量提取，对文本数据使用预训练的BERT模型进行编码，并选取输出文本特征向量，对图形数据利用预训练ResNet50模型提取特征，取其全局平均池化层的输出得到图像特征向量；

对三个采集数据的特征向量采用线