[发明专利]一种基于人工智能的营销稽查分析的系统和方法

权利要求书

1.一种基于人工智能的营销稽查分析系统的分析方法，其特征在于，所述方法的实现基于人工智能的营销稽查分析系统，包括大数据平台、AI模型和基于人工智能的客户量费业务风险分析系统；

所述的AI模型包括数据预处理模块、输入图处理模块和图卷积网络；

数据预处理模块用CA知识图谱构建邻接矩阵构造，输入图模块对图中确定点打标签；

图卷积网络包括SVM/SOFTMAX分类器、自研发图卷积层、优化模块；

所述的基于人工智能的客户量费业务风险分析系统包括预处理层、神经网络层和视图层；

预处理层的功能包括知识图谱构建和生成输入图；

神经网络层的功能包括输入图处理、图卷积操作、网络训练优化和输出候选异常用户列表；

视图层用于把候选异常用户列表显示出来；

所述方法包括以下步骤：

S1：对原始量费进行预处理；

S2：根据S1预处理过的原始量费，通过建立多层级结构的图模型，考虑主次级别的基础上建立不同对象之间的关系；

S3：根据不同对象之间的关系构建混合模型；

S4：对S3所建的混合模型，对输入图的部分用户进行语义标注，在神经网络层研发图卷积网络的隐藏层；

S5：针对网络进行训练优化；

S6：对S5优化后输出的结果进行最终分类并打上对应标签；

S7：选择分类算法；

S8：在选定一组基于全局准确率的最佳方法后，设计一个集成深度学习模型进行多分类器融合学习；

S9：针对模型中特征重要性测量问题，对重要特性赋值；

S10：结合重要指标的权重计算，完成集成学习模块的构建。

2.根据权利要求1所述的基于人工智能的营销稽查分析方法，其特征在于，所述的步骤S1包括以下步骤：

S1.1：梳理原始“量费”业务稽查相关数据；

S1.2：根据梳理后的“量费”业务稽查相关数据，建立完整“量费”稽查业务语义体系；

S1.3：利用S1.2所述语义体系构建基于CA模型的知识图谱，设定需求自适应规则和参数对用户点相连方式；

S1.4：生成邻接矩阵输入图。

3.根据权利要求2所述的基于人工智能的营销稽查分析方法，其特征在于，所述的步骤S3混合模型的构建方法为：采用基于卷积神经网络的表示学习算法，实现针对知识图谱的卷积神经网络编码器，结合循环神经网络，建立一个混合模型。

4.根据权利要求3所述的基于人工智能的营销稽查分析方法，其特征在于，所述的步骤S4对输入图的部分用户进行语义标注的方法为半监督学习算法。

5.根据权利要求4所述的基于人工智能的营销稽查分析方法，其特征在于，所述步骤S5的训练优化为使用整流线性单位作为激活函数以及图拉普拉斯正则化作为损失函数对网络进行训练优化。

6.根据权利要求1所述的基于人工智能的营销稽查分析方法，其特征在于，所述步骤S6的具体过程为：根据实际问题是二类还是多类，采用决策向量机或者SOFTMAX函数对输出结果进行最终分类并打上对应标签。

7.根据权利要求1所述的基于人工智能的营销稽查分析方法，其特征在于，所述步骤S7的合适算法的选择方法为：用单一的算法对电力数据进行处理，选择获得最佳结果的前N个算法。

8.根据权利要求1所述的基于人工智能的营销稽查分析方法，其特征在于，所述步骤S9的赋值方法为：针对模型中特征重要性测量问题，采取传统集成学习算法与循环神经网络特征学习信息结合的方式进行特征重要性赋值。