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！

龙图腾网获悉山东科技大学申请的专利基于多尺度特征融合与图时序建模的业务流程预测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：CN121258671B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511802430.X，技术领域涉及：G06Q40/03；该发明授权基于多尺度特征融合与图时序建模的业务流程预测方法是由沙静;王忠源;陈丽洁;彭安然设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本基于多尺度特征融合与图时序建模的业务流程预测方法在说明书摘要公布了：本发明属于业务流程预测技术领域，公开了一种基于多尺度特征融合与图时序建模的业务流程预测方法。本发明在原始节点特征基础上引入边特征，针对贷款业务流程中事件间的关联关系，为每一对事件构建专门的边特征向量，使模型能精准刻画流程中的动态结构。本发明构建了基于CRA‑Unet的多尺度特征融合模型，以充分利用事件日志输入中的多维特征信息，CRA以注意力机制为基础，提升了模型的特征融合与表示能力。本发明还设计了基于图同构网络与门控循环单元相结合的融合模型，充分利用图结构信息与时间日志的时序特征，能同时建模事件间的依赖关系与时间演化规律，提升了未来活动的预测准确性与稳定性。

本发明授权基于多尺度特征融合与图时序建模的业务流程预测方法在权利要求书中公布了：1.基于多尺度特征融合与图时序建模的业务流程预测方法，其特征在于，包括如下步骤： 步骤1.从历史贷业务流程中获取以对象为中心的原始事件日志，通过提取流程执行将事件日志转化为流程执行图；流程执行图由节点以及节点之间的边组成；节点的属性信息以及边的属性信息分别对应存储在节点特征矩阵以及边特征矩阵中，且初始为空； 步骤2.分别使用边和节点特征提取函数处理事件日志，并将得到的特征分别进行节点特征和边特征编码，得到节点特征和边特征，然后加入到空的流程执行图中； 分别利用基于CRA-Unet的多尺度特征融合模型和k-means聚类算法对边特征和节点特征进行增强；将包含节点特征和边特征的流程执行图、以及节点特征矩阵作为数据集； 所述CRA-Unet网络包括四个编码器阶段和四个解码器阶段； CRA-Unet网络的初始的输入为前面特征编码得到的流程执行里的边特征图B,C,L，其中B、C、L分别表示每个流程执行特征图的批次大小、通道数、边的数量； 在第一、第二编码器阶段，分别采用通道重构注意力模块CRA并结合一次下采样操作压缩边的长度； 在第三编码器阶段，采用简化线性注意力模块SLA并进行一次下采样操作继续压缩边长； 经第一、第二编码器阶段边的数量变为原来的一半，整体序列特征图结构变为B,C,L4；经后第三、第四编码器阶段边的数量继续减半，整体序列特征图结构变为B,C,L8； 在瓶颈层设置多尺度线性注意力模块MLLA，用于提取更高层次的语义特征； 在第一、第二解码器阶段，分别采用通道重构注意力模块CRA并结合一次线性插值操作LI进行上采样，将边的长度逐步恢复至原始规模； 在第三解码器阶段采用简化线性注意力模块SLA结合一次线性插值操作LI继续进行上采样，逐步恢复特征图的完整结构；第四解码器阶段采用简化线性注意力模块SLA； 在编码器的对应阶段与解码器的对应阶段之间设置跳跃连接； 步骤3.搭建能够同时处理图结构信息和日志时序信息的时间图预测模型GTPM，其输入为流程执行图以及节点特征矩阵即序列特征，模型输出为流程执行中的下一步活动； 基于步骤2得到的数据集对搭建的模型进行训练，并利用训练好的模型进行活动预测。

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科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。