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！

龙图腾网获悉联通在线信息科技有限公司申请的专利中间号商户信用评分方法、装置、电子设备及存储介质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：CN120563213B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511062783.0，技术领域涉及：G06Q30/0601；该发明授权中间号商户信用评分方法、装置、电子设备及存储介质是由马新宇;刘艳伟;李宏强;张愿;齐博宇;刘溢设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本中间号商户信用评分方法、装置、电子设备及存储介质在说明书摘要公布了：本发明涉及中间号商户信用评分方法、装置、电子设备及存储介质，该方法包括：获取多模态数据，对多模态数据进行预处理。从预处理后的多模态数据中提取通信行为特征和交易行为特征，通过递归特征消除和主成分分析去除冗余特征。基于联邦学习架构对多模态特征进行整合，对多模态特征融合神经网络进行训练，得到信用评分模型。计算通信号码的历史行为数据对应的风险熵，调用时间衰减机制基于风险熵对通信号码的风险值进行动态调整。采用KL散度统计度量量化当前数据与历史数据之间的差异度，在差异度超过设定阈值时触发概念漂移警报，以调整信用评分模型的学习率，调用信用评分模型基于通信号码的风险值预测商户信用评分，提高了信用评分的准确性。

本发明授权中间号商户信用评分方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种中间号商户信用评分方法，其特征在于，所述方法包括： 从运营商和平台数据源中获取多模态数据，并对所述多模态数据进行预处理，所述预处理包括数据清洗、数据归一化以及数据编码； 从预处理后的所述多模态数据中提取通信行为特征和交易行为特征，并通过递归特征消除和主成分分析去除冗余特征，得到多模态特征； 基于联邦学习架构对所述多模态特征进行整合，并通过整合后的多模态特征对多模态特征融合神经网络进行训练，得到信用评分模型； 计算通信号码的历史行为数据对应的风险熵，并调用时间衰减机制基于所述风险熵对所述通信号码的风险值进行动态调整； 采用KL散度统计度量量化当前多模态数据与历史多模态数据之间的差异度，并在所述差异度超过设定阈值时触发概念漂移警报，以调整信用评分模型的学习率； 将通信号码的当前多模态数据输入至所述信用评分模型，以调用所述信用评分模型基于通信号码的风险值预测商户信用评分； 其中，所述多模态数据为运营商接入的通信行为数据以及平台数据源的交易行为数据； 所述基于联邦学习架构对所述多模态特征进行整合，并通过整合后的多模态特征对多模态特征融合神经网络进行训练，得到信用评分模型，包括： 基于公钥密码学算法生成盲签名密钥对，所述盲签名密钥对分为私钥和公钥，并使用所述私钥对通信号码进行盲签名，以生成相应的匿名ID； 对所述通信行为特征和交易行为特征进行格式统一，并将格式统一且加密后的多模态特征结合本地训练的子模型参数上传至中央服务器，以调用聚合算法对所述多模态特征和子模型参数进行聚合，得到全局模型参数； 所述多模态特征融合神经网络由输入层、隐藏层以及输出层构成； 所述输入层采用Z‑score对所述多模态特征中的数值特征进行标准化，并采用词嵌入Word2Vec将文本特征转换为稠密向量，以及通过滑动窗口和傅里叶变换提取时间序列特征，同时调用图神经网络从图结构特征中提取节点嵌入表示； 所述隐藏层通过多层神经元从所述多模态特征中提取高维特征间的非线性关系，并通过加权求和以及非线性激活函数进行线性变换，以及对低层特征进行组合； 所述输出层基于隐藏层输出结合权重系数和偏置项输出商户信用评分； 所述基于联邦学习架构对所述多模态特征进行整合，并通过整合后的多模态特征对多模态特征融合神经网络进行训练，得到信用评分模型，还包括： 获取所述联邦学习架构基于所述多模态特征的训练参数，并根据所述训练参数对所述信用评分模型进行优化训练； 采用均方误差损失函数和随机梯度下降优化算法对所述信用评分模型的模型参数进行调整，以对所述信用评分模型进行微调。

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联通在线信息科技有限公司，其通讯地址为：100032 北京市大兴区经济技术开发区中和街1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。