【技术实现步骤摘要】
本专利技术属于人工智能，特别是一种基于图神经网络的客户影响力传播预测方法及系统。
技术介绍
1、在客户关系管理和社交网络分析领域，准确预测客户影响力的传播路径对精准营销和舆情监控至关重要。传统方法主要基于静态网络拓扑或单一时间点的交互数据，采用pagerank、社区检测等算法建模影响力传播，但难以捕捉客户动态交互的时序特征和多维社会属性的异构性。现有技术中，基于时间序列的传播模型往往忽略网络结构的演化规律，而图神经网络方法虽能融合拓扑信息，却未有效解耦节点结构特征与语义特征，导致对潜在高影响力枢纽节点的识别精度不足。
技术实现思路
1、本专利技术的目的是提供一种基于图神经网络的客户影响力传播预测方法及系统，以解决现有技术中的不足，能够提高客户影响力传播的预测精准性。
2、本申请的一个实施例提供了一种基于图神经网络的客户影响力传播预测方法，所述方法包括：
3、接收客户历史交互数据和社会属性数据，构建动态异构客户图，其中，所述动态异构客户图通过融合时间序列和多源属性特征...
【技术保护点】
1.一种基于图神经网络的客户影响力传播预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述接收客户历史交互数据和社会属性数据，构建动态异构客户图，其中，所述动态异构客户图通过融合时间序列和多源属性特征，将客户表示为节点、交互关系表示为带权边，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述动态异构客户图进行多尺度时空图卷积处理，通过采用门控机制融合不同时间窗和拓扑邻域的特征，并显式分离输出节点的结构嵌入向量和语义嵌入向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用所述结构嵌...
【技术特征摘要】
1.一种基于图神经网络的客户影响力传播预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述接收客户历史交互数据和社会属性数据，构建动态异构客户图，其中，所述动态异构客户图通过融合时间序列和多源属性特征，将客户表示为节点、交互关系表示为带权边，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述动态异构客户图进行多尺度时空图卷积处理，通过采用门控机制融合不同时间窗和拓扑邻域的特征，并显式分离输出节点的结构嵌入向量和语义嵌入向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用所述结构嵌入向量和语义嵌入向量，识别所述动态异构客户图中的影响力跃迁点，作为图中潜在的高影响力传播枢纽节点，包括：
5.根据权利要求4所述的方法，其特征在于，所述以所述影响力跃迁点作为关键锚点，执行双向概率化传播路径预测，生成附带激活概率的候选影响力传播路径集合，其...
【专利技术属性】
技术研发人员：陆桂鑫，杨鹏，庄湃，陈欧，
申请(专利权)人：极也深圳控股有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。