一种基于大模型的多模态数据知识抽取方法

本发明涉及人工智能交叉技术领域，具体公开一种基于大模型的多模态数据知识抽取方法，通过分布式接口实时获取用户的多维度交互数据；其中多维度交互数据分为结构化数据以及时序特征数据；将用户的多维度交互数据输入多模态嵌入层进行联合表征学习；计算用户的账户实时风险概率，基于账户实时风险概率进行预警操作。实时风险概率的计算结合了动态因果强度、时间相关性评分和地理位置偏移量等多维度特征，能够精准量化用户行为的异常程度，实现从低风险监控到高风险拦截的精细化风控策略，显著提升了风险检测的准确率与响应速度，还通过模块化设计与分布式架构增强了系统的可维护性与扩展性，为金融反欺诈提供了高效、可靠的技术支撑。