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！

龙图腾网获悉西藏拉萨啤酒有限公司申请的专利基于数字化平台的市场数据分析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：CN120374171B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202510517068.5，技术领域涉及：G06Q30/0201；该发明授权基于数字化平台的市场数据分析方法及系统是由陈婷婷设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于数字化平台的市场数据分析方法及系统在说明书摘要公布了：本发明公开了基于数字化平台的市场数据分析方法及系统，涉及市场数据数字化分析领域，本发明通过构建以物流数据、销量数据和任务完成度数据为基础的统一行为事件序列，结合扰动因果图、时间超图卷积网络、反距离扩散核函数及Vietoris–RipsComplex拓扑建模等关键技术手段，能够多维度、层次化地挖掘销量风险节点的形成机制。通过图回溯算法实现对销量风险的可解释溯源分析，显著提升了异常识别的准确性和风险响应的前瞻性。

本发明授权基于数字化平台的市场数据分析方法及系统在权利要求书中公布了：1.基于数字化平台的市场数据分析方法，其特征在于，包括以下步骤： S1.通过数字化平台集成提取三类核心数据，包括物流数据、销量数据和任务完成度数据，并基于统一行为建模规则，将三类核心数据抽象转换为可联动的行为事件，形成结构一致的事件序列作为统一分析入口，事件序列中包括物流节点、销量节点和任务完成度节点； S2.基于行为事件之间的共时性、先后依赖关系及异常传播链条，以销量节点为响应目标，将配送延误和或任务未完成作为源头节点，构建扰动因果图，其中，扰动因果图的节点表示扰动行为事件，边表示事件间的潜在因果路径； S3.基于扰动因果图，利用滑动时间窗口机制构建事件超图结构，其中每个超边连接同一时间段内影响同一销量节点的多个扰动行为事件，通过时间超图卷积网络提取扰动行为事件间的高阶结构关系，输出节点对应的扰动响应向量； S4.通过反距离扩散核函数对每个销量节点的邻接扰动行为事件状态向量进行加权聚合，计算销量节点的扰动能量值；定义动态显著性阈值，并根据最新的扰动能量值动态更新阈值，结合时间窗口内的历史扰动能量变化趋势，对更新的阈值进行实时调整；其中，当某个销量节点的扰动能量值超过动态显著性阈值时，表示该节点受到了显著的扰动，存在潜在的风险，将该节点标记为销量风险节点；所述扰动能量值表示销量节点在给定时间窗口内受到的所有扰动行为事件的总影响程度，用于衡量销量节点受到的整体扰动强度；所述反距离扩散核函数基于距离衰减原理，通过扰动影响随着与事件的空间或结构距离增加而减弱的特性，在图结构或空间分布中模拟某一节点对其他节点的影响扩散强度； S5.对销量风险节点构建拓扑结构，并计算拓扑结构中的持久性空洞和高维团块，结合Vietoris–RipsComplex方法，识别异常结构区域； S6.通过图回溯算法，将异常结构区域的销量风险节点与其关联的扰动行为事件节点进行连接分析，识别影响销量节点的关键路径，追溯销量风险节点与其背后的扰动事件节点之间的因果路径，生成可解释的风险溯源图谱，并输出动态预警信号； 所述步骤S3具体包括以下子步骤： S301.将时间序列划分为多个等长时间窗口，窗口长度根据业务需求按天、小时或分钟进行设置；在每个时间窗口中，抽取所有对同一销量节点产生影响的扰动事件，将这些事件视为具有协同干扰特征的集合，构建超边；建立事件超图，其中一个超边可连接多个扰动事件节点，捕捉局部扰动的高阶关系； S302.将事件超图的节点和边作为时间超图卷积网络的输入，通过时间超图卷积网络的图卷积操作提取节点之间的时序关系； S303.通过多层卷积，使每个事件节点的状态向量整合其在整个时间序列上的干扰信息，并将最终状态向量作为扰动响应向量进行输出； 所述步骤S302具体包括以下子步骤： S3021.定义事件超图中，节点与超边的关联关系矩阵；并初始化每个扰动行为事件节点的特征向量，并采用加权平均对每条超边内的节点特征进行聚合，得到超边向量表示； S3022.将超边向量回传给该超边中参与连接的扰动行为事件节点，通过结构卷积操作将邻接超边特征加权聚合，更新节点的状态向量； S3023.通过引入时序门控机制对节点状态向量进行跨时间窗口融合，提取扰动行为事件节点之间的时序关系； 所述步骤S5具体包括以下子步骤： S501.将销售风险节点进行整合，构建销量风险子图，所述销量风险子图的边表示销量风险节点之间的关联关系，销售风险子图中每个销售风险节点代表表一个销量响应异常的节点； S502.通过拓扑数据分析，对销量风险子图中的销量风险节点及其邻域的拓扑特征进行分析； S503.通过对节点之间的连接关系，计算节点和边的持久性，识别出在不同尺度下的空洞； S504.通过Vietoris–RipsComplex方法，将销量风险节点及其周围的邻接节点按距离和关系转化为高维网络结构，识别获得高维团块，所述高维团块表示销量风险事件之间协同作用和潜在风险； S505.对高维团块进行拓扑结构分析，识别获得异常集群结构，所述异常集群结构表示潜在的异常结构区域。

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西藏拉萨啤酒有限公司，其通讯地址为：850000 西藏自治区拉萨市色拉路36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。