一种基于人工智能的机场行李异常理赔流程监测方法

本发明公开了一种基于人工智能的机场行李异常理赔流程监测方法。该方法首先构建并动态维护多维度行李运输时空知识图谱STKG‑Bag；其次，利用一个多模态注意力融合深度网络M2ARD‑Net对行李异常事件的责任链进行智能剖析与断点定位；再次，当行李轨迹模糊时，通过基于深度强化学习的动态轨迹重构与多方责任量化流程DRL‑CRQ，智能重构行李路径并利用图神经网络GNN‑Pay自适应优化多方赔付比例；最后，通过交互式可视化界面支持决策，并实现闭环反馈持续优化各AI模型和知识图谱。本发明融合动态知识图谱、多模态深度学习和强化学习技术，实现行李异常理赔的自动化、精准化、高效化与公平化，显著提升处理效率和旅客体验。