湖北经济学院;武汉炎黄创新科技服务股份有限公司靳延安获国家专利权
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!
龙图腾网获悉湖北经济学院;武汉炎黄创新科技服务股份有限公司申请的专利一种基于多维度数据融合的养老服务质量智能评价方法及系统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:CN120163500B 。
龙图腾网通过国家知识产权局官网在2025-11-21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:202510309054.4,技术领域涉及:G06Q10/0639;该发明授权一种基于多维度数据融合的养老服务质量智能评价方法及系统是由靳延安;刘文平;徐鹏;饶攀峰;鲁剑锋设计研发完成,并于2025-03-17向国家知识产权局提交的专利申请。
本一种基于多维度数据融合的养老服务质量智能评价方法及系统在说明书摘要公布了:本发明提供了一种基于多维度数据融合的养老服务质量智能评价方法及系统,涉及养老服务数据分析技术领域。方法,包括:采集多个老年人的历史养老服务记录数据,生成每个老年人的全局服务偏好矩阵和局部服务波动矩阵;构建每个老年人的服务关联图谱,计算任意两项养老服务之间的交互影响参数并生成历史交互影响矩阵;对历史养老服务记录数据进行服务轨迹编码,构建每个老年人的微服务模式集合;根据微服务模式集合计算得到每个老年人的多个个体行为联动权值,计算老年人关于每项养老服务的全局偏好参数并进行养老服务质量评价,生成每个老年人的养老服务质量评价结果。本发明实现了基于个体需求特征的精准养老服务质量评估。
本发明授权一种基于多维度数据融合的养老服务质量智能评价方法及系统在权利要求书中公布了:1.一种基于多维度数据融合的养老服务质量智能评价方法,其特征在于,包括: 采集多个老年人的历史养老服务记录数据,构建每个老年人关于每项养老服务的使用特征序列并进行窗口分解,生成每个老年人的全局服务偏好矩阵和局部服务波动矩阵; 根据多个使用特征序列对多项养老服务进行交互影响分析,构建每个老年人的服务关联图谱,根据多个服务关联图谱计算任意两项养老服务之间的交互影响参数,生成关于多项养老服务的历史交互影响矩阵; 对历史养老服务记录数据进行服务轨迹编码,构建每个老年人的养老服务链路,对每个养老服务链路进行服务链分割生成多个候选服务链,生成每个老年人的包含多个目标服务链的微服务模式集合,包括确定历史养老服务记录数据中老年人的多个服务行为,根据服务行为的时间戳和对应的服务项目,基于时间顺序构建老年人的关于多项养老服务的养老服务链路; 基于预设序列长度对养老服务链路进行服务链分割生成多个候选服务链,统计养老服务链路下每个候选服务链的分布频次,并根据候选服务链的多个时间戳构建每个候选服务链的模式分布序列,根据模式分布序列对每个候选服务链进行行为规律性分析,计算得到每个候选服务链的行为规律指数,根据行为规律指数确定从多个候选服务链中确定多个目标服务链,构建得到每个老年人的微服务模式集合; 通过历史交互影响矩阵分别对每个老年人的微服务模式集合进行交互处理,计算得到每个老年人的多个目标服务链分别对应的个体行为联动权值,包括根据目标服务链的起点和终点确定每个目标服务链对应的养老服务组合,根据养老服务组合从历史交互影响矩阵提取出每个目标服务链的交互影响参数,基于目标服务链的分布频次和交互影响参数计算得到目标服务链的个体行为联动权值; 根据个体行为联动权值、全局服务偏好矩阵和局部服务波动矩阵,生成老年人关于每项养老服务的全局偏好参数,包括根据多个目标服务链的个体行为联动权值对历史交互影响矩阵进行修正,生成历史交互影响矩阵的动态交互影响矩阵,根据动态交互影响矩阵对每个老年人的微服务模式集合进行交互处理,计算得到每个老年人的多个目标服务链分别对应的目标行为联动权值; 确定老年人关于每项养老服务所关联的多个目标服务链,根据目标服务链的目标行为联动权值生成老年人关于每项养老服务的链式倾向因子,根据全局服务偏好矩阵和局部服务波动矩阵计算得到老年人每项养老服务的长短期偏好倾向因子,根据链式倾向因子和长短期偏好倾向因子生成老年人关于每项养老服务的全局偏好参数,根据全局偏好参数进行养老服务质量评价,生成每个老年人的养老服务质量评价结果。
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湖北经济学院;武汉炎黄创新科技服务股份有限公司,其通讯地址为:430000 湖北省武汉市江夏区藏龙岛开发区杨桥湖大道8号(江夏区藏龙岛办事处梁山头村);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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励