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！

龙图腾网获悉甘肃省产权交易所集团股份有限公司申请的专利一种基于人工智能的互联网产权交易风险评估与决策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：CN120996583B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511240341.0，技术领域涉及：G06Q10/0635；该发明授权一种基于人工智能的互联网产权交易风险评估与决策系统是由赵永涛;喻泽文;李根;舒朝东;孔健设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本一种基于人工智能的互联网产权交易风险评估与决策系统在说明书摘要公布了：本发明提供一种基于人工智能的互联网产权交易风险评估与决策系统，涉及数据处理技术领域，所述系统包括：数据采集与预处理模块，用于实时采集原始交易数据，并进行清洗与标准化处理；多维特征构建模块，用于按时间窗口建模并构建多级交互关系图谱，得到时间序列特征数据与图谱关联特征数据；并对特征进行归一化加权拼接；风险识别模块，用于提取可疑转让行为链并进行利益流向溯源，执行复合风险判别；智能决策模块，用于进行分层自适应判别与案例迁移比对，汇总生成风险评估结果并推送预警；并接收管理终端处置反馈，反向用于优化识别与决策参数；本发明提高了产权交易风险评估与决策的自主性和准确性。

本发明授权一种基于人工智能的互联网产权交易风险评估与决策系统在权利要求书中公布了：1.一种基于人工智能的互联网产权交易风险评估与决策系统，其特征在于，所述系统包括： 数据采集与预处理模块，用于从互联网产权交易平台实时采集原始交易数据，并对原始交易数据进行清洗与标准化处理，得到标准化交易数据，所述原始交易数据包括产权标的信息、交易双方历史记录及关联方资料； 多维特征构建模块，用于根据标准化交易数据，按时间窗口建模并构建多级交互关系图谱，得到时间序列特征数据与图谱关联特征数据；并对特征进行归一化加权拼接，形成融合特征数据； 风险识别模块，用于根据融合特征数据和多级交互关系图谱，提取可疑转让行为链并进行利益流向溯源，执行复合风险判别，生成初步风险数据； 智能决策模块，用于根据初步风险数据，进行分层自适应判别与案例迁移比对，汇总生成风险评估结果并推送预警；并接收管理终端处置反馈，反向用于优化识别与决策参数； 所述多维特征构建模块包括： 时间窗口建模单元，用于根据标准化交易数据，按设定时间窗口对交易序列进行分组，并进行滑动统计与变化趋势分析，得到时间序列特征数据； 关系图谱生成单元，用于根据标准化交易数据，构建以产权标的为核心的多级交互关系图谱，所述图谱的节点表示不同参与方，边表示转让类型及时间标签，并计算节点之间的关联度，生成图谱关联特征数据； 特征融合加权单元，用于将时间序列特征数据与图谱关联特征数据进行拼接，并结合历史案例库中异常案例的特征重要性权重进行加权，得到融合特征数据； 所述风险识别模块包括： 可疑行为链提取单元，用于根据融合特征数据，采用递归遍历与序列编码方式，提取连续发生的可疑转让行为链，生成行为链特征数据； 利益流向溯源单元，用于根据行为链特征数据，结合多级交互关系图谱，对关键节点进行逐级回溯，标记疑似利益流向，并在跨域或跨平台转让时生成异常标识，得到溯源风险数据； 复合风险判别单元，用于将行为链特征数据与溯源风险数据进行逻辑组合判别，当同时满足多个高风险因子时，执行风险叠加分级机制，生成初步风险数据； 所述智能决策模块包括： 分层自适应判别单元，用于根据初步风险数据计算风险分值，采用分层阈值体系自动匹配处理策略，并在检测到新的异常模式时，自适应更新阈值参数，生成分层风险结果； 案例迁移学习单元，用于将分层风险结果与历史案例库逐一比对，若存在高置信度相似案例，则直接输出对应处置结果；若未匹配到，则将当前风险特征存入案例库，并为案例库生成待标注条目，当接收到外部输入的标注数据时，自动更新案例库以保持准确性，生成案例比对结果； 评估汇总与输出单元，用于将分层风险结果与案例比对结果进行汇总评估，生成风险评估结果并向管理终端推送相应预警信息； 反馈闭环单元，用于接收管理终端的处置反馈，并将处置反馈分别反向输入至风险识别模块与智能决策模块，以持续优化识别与决策参数，形成闭环自学习机制； 所述关系图谱生成单元包括： 实体标准化处理子单元，用于根据标准化交易数据对参与方进行跨平台实体识别与去重，生成统一的节点集合； 时序与域标注子单元，用于根据统一的节点集合及交易记录，在边上写入时间戳与区域或平台来源标识，并在节点中写入角色类型与风险先验标签，形成带有时序与域属性的初始关系图谱； 关联度计算子单元，用于根据初始关系图谱，在预设跳数上限内统计节点之间的交互特征，计算交互次数、新鲜度、角色相似性与路径可信度，并据此生成节点对的关联度评分，形成加权关系图谱； 图谱增量更新子单元，用于根据新到达的交易数据，对加权关系图谱进行增量更新，生成符合滑动时间窗口的有效图谱快照，并使超过窗口期限的边按规则失效，以保证图谱的实时性与有效性； 所述特征融合加权单元包括： 特征权重分配子单元，用于基于交易类型、交易金额、数据完整度与近端时间特征，对时间序列特征数据与图谱关联特征数据分配可学习权重，并生成加权特征向量； 案例先验引导子单元，用于根据加权特征向量，与历史案例库中的异常案例特征簇进行相似度比对，当相似度高于阈值时，对权重分配结果进行偏置调整，生成经先验引导的特征向量； 鲁棒归一化处理子单元，用于根据经先验引导的特征向量，对其中的异常值进行中位数缩放与极值截断，得到归一化后的稳健特征数据； 融合校准子单元，用于根据归一化后的稳健特征数据，将时间序列特征与图谱关联特征进行拼接，得到融合特征数据； 所述分层自适应判别单元包括： 风险分值生成子单元，用于根据初步风险数据，基于交易金额异常度、参与方历史风险标签及时间跨度因素，计算并输出风险分值序列； 分层阈值比对子单元，用于根据风险分值序列，按照至少三级风险等级设定阈值区间，对风险分值进行逐层比对，生成分层判别结果； 阈值自适应调整子单元，用于根据分层判别结果，当检测到风险分值持续偏离预设阈值区间时，调整阈值上下限，并将更新后的阈值参数写入决策参数库，生成自适应更新的分层风险结果； 所述案例迁移学习单元包括： 特征相似度比对子单元，用于根据分层风险结果，提取关键特征向量，并与历史案例库中的特征集合逐一比对，形成候选相似案例集； 置信度综合判定子单元，用于根据候选相似案例集，结合相似度分值与案例处置准确率计算综合评分，当综合评分超过预设阈值时，输出对应处置结果，并形成案例判定结果； 案例库扩展更新子单元，用于根据案例判定结果，在未匹配到高置信度案例时，将当前风险特征数据写入案例库，生成待标注条目，当接收到外部输入的标注数据时，对案例库进行扩展与修正，生成案例比对结果。

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甘肃省产权交易所集团股份有限公司，其通讯地址为：730087 甘肃省兰州市兰州新区兴隆山路南段2925号公航旅大厦3层302-1室；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。