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！

龙图腾网获悉山东万豪信息科技发展有限公司申请的专利一种基于大数据分析的车辆交易风险智能预警与信用评估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：CN120355501B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510516586.5，技术领域涉及：G06Q40/03；该发明授权一种基于大数据分析的车辆交易风险智能预警与信用评估方法是由王浩丞;王俊玲;王浩宇;赵红旭;赵坤;王菲菲;冯琨淞;刘吉钦;程橙;张凯婷设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于大数据分析的车辆交易风险智能预警与信用评估方法在说明书摘要公布了：本发明公开了一种基于大数据分析的车辆交易风险智能预警与信用评估方法，包括S1、采集原始交易数据集合；S2、基于原始交易数据集合，构建异构图结构；S3、将异构图结构按照固定时间窗口划分为图快照序列，生成具备时间演化特征的时间演化图序列；S4、构建在各时间窗口下用户节点与交易事件节点的低维特征表示；S5、依据车辆交易记录数据的时间先后顺序与行为依赖关系构建因果路径图谱，并从中提取的高频交易因果链；S6、将用户节点与交易事件节点的低维特征表示与高频交易因果链进行联合建模；S7、输出目标交易的风险等级标签与对应用户的信用评分结果。本发明具备结构表达能力强、因果逻辑清晰和风险评估准确性高的优点。

本发明授权一种基于大数据分析的车辆交易风险智能预警与信用评估方法在权利要求书中公布了：1.一种基于大数据分析的车辆交易风险智能预警与信用评估方法，其特征在于，包括如下步骤： S1、采集车辆交易记录数据、用户行为轨迹数据、第三方信用数据与社交交互数据，并进行标识归一化和时序对齐，生成原始交易数据集合； S2、基于原始交易数据集合，构建异构图结构； S3、将异构图结构按照固定时间窗口划分为图快照序列，并对每个图快照序列中的图快照基于节点新增率与边变化率执行结构自适应重构，生成具备时间演化特征的时间演化图序列； 所述S3具体包括： S31、将异构图结构按照固定时间窗口进行时间切分，得到图快照序列其中，Gt表示第t个时间窗口对应的图快照，n表示时间窗口总数； S32、针对每个图快照Gt，计算节点新增率αt和边变化率βt： 其中，Vt和Et分别表示图快照Gt的节点集合与边集合，Vt-1与Et-1分别表示上一时间窗口图快照的节点集合与边集合，符号\表示集合差运算，符号△表示集合的对称差； S33、当满足如下自适应重构条件： αtθv∪βtθe； 则对图快照Gt执行结构更新，更新图快照Gt的邻接矩阵与节点属性表示，其中θv与θe分别为节点新增率阈值与边变化率阈值； S34、将所有经过结构更新的图快照依时间顺序排列，形成时间演化图序列其中，G't表示经结构自适应重构后的图快照，m表示更新后的图快照数量，满足m≤n； S4、对时间演化图序列中的的每一个图快照，采用图神经网络进行节点嵌入计算，生成在各时间窗口下用户节点与交易事件节点的低维特征表示； 所述S4具体包括： S41、对时间演化图序列中的每一个经结构自适应重构后的图快照G′t中的用户节点与交易事件节点分别进行嵌入初始化，根据节点类型设定初始表示向量 S42、在每一传播层l开始前，基于图快照中异构节点类型的分布结构，执行邻居节点的类型约束采样策略，构建传播层中各节点的类型感知邻居集合 S43、对每一节点vi，依据类型感知邻居集构造传播输入，采集邻居节点在前一层中的表示并保留节点类型信息； S44、使用节点类型感知聚合机制对节点表示进行更新： 其中，表示第l层中节点vi的表示向量，表示节点vj在前一传播层l-1中的表示向量，表示节点vi在当前图快照中的邻居节点集合，σ·表示非线性激活函数，MEAN·表示对集合中所有输入向量执行逐元素平均操作的聚合函数，表示针对节点vi所属节点类型φi在第l层对应的可训练权重矩阵，φi为节点类型映射函数； S45、在对图快照G′t执行图神经网络嵌入计算的每一传播层l中，设定该传播层的节点表示维度与激活函数类型，并为不同类型的图节点配置该传播层中对应的类型传播权重矩阵，用于控制各类型图节点在该传播层中的表示更新方式； S46、对所有传播层执行完成后，分别提取用户节点与交易事件节点的最终表示作为用户节点与交易事件节点的低维语义表示； S5、基于原始交易数据集合与时间演化图序列，依据车辆交易记录数据的时间先后顺序与行为依赖关系构建因果路径图谱，并从中提取的高频交易因果链； S6、将用户节点与交易事件节点的低维特征表示与高频交易因果链进行联合建模，生成交易评分图，并定义风险关联度函数用于计算车辆交易风险系数与用户信用评分值； 所述S5具体包括： S51、从时间演化图序列中提取各时间窗口内发生的交易事件节点，结合原始交易数据集合中的时间戳，对所有交易事件按时间顺序构建全局事件序列{e1,e2,…,en}，其中ei表示第i个交易事件节点，n表示事件总数； S52、在每一经结构自适应重构后的图快照G't中，基于图结构中交易事件节点之间的结构连接关系和行为属性依赖，判断全局事件序列中的事件对之间是否满足因果触发条件，若事件ei在时间上先于ej且在G't中存在结构性行为交互，则在因果路径图谱中添加因果边ei→ej； S53、在添加因果边ei→ej的同时，进一步为因果边分配因果强度权重wij，wij∈[0,1]： wij＝α·freqei,ej+β·riskei； 其中，freqei,ej表示事件对ei,ej在时间演化图序列中被识别为因果边的历史共现频率，riskei表示事件ei所对应交易行为的风险值，α与β为权重平衡系数； S54、计因果路径图谱中每条分配因果强度权重的因果边上所有的权重累积值，并设定因果强度阈值，提取权重累积值不低于因果强度阈值的因果边作为高频交易因果链； 所述S6具体包括： S61、将用户节点与交易事件节点的最终嵌入表示与所关联的高频交易因果链中因果边频率与边权重信息构成的统计特征向量ci进行联合建模，生成交易评分图中图节点的联合特征表示zi； S62、基于联合特征表示zi，构建交易评分图，并计算交易评分图中每一条边vi,vj的风险关联得分rij： 其中，rij∈[0,1]表示图节点对之间的风险关联程度，zi与zj分别表示图节点vi与vj的联合特征表示，M为可训练评分权重矩阵，wij为因果路径图谱中节点对之间的因果边权重，λ∈[0,1]为因果权重调节系数，σ·为Sigmoid函数； S63、基于评分图中用户节点与交易事件节点之间的风险关联得分，分别计算车辆交易风险系数与用户信用评分值，并输出各交易行为的风险等级标签与各用户的信用评分结果； S7、基于交易评分图，输出目标交易的风险等级标签与对应用户的信用评分结果。

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山东万豪信息科技发展有限公司，其通讯地址为：273400 山东省临沂市兰山区兰山街道北园路与青杨路交汇南100米路东；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。