【技术实现步骤摘要】
虚拟资源处理方法、装置、设备、计算机程序及存储介质
[0001]本申请涉及人工智能领域，尤其涉及一种虚拟资源处理方法、装置、设备、计算机程序及存储介质。
技术介绍
[0002]目前，相关技术通常是基于经验规则，来预测用户在虚拟场景中的虚拟资源需求，如根据玩家在游戏中一定时间内的历史消费行为，预测玩家的游戏需求。或者，是基于常规的机器学习回归算法，利用回归算法学习玩家在游戏内的消费习惯，进而对玩家的消费行为进行预测。可以看出，基于经验规则的预测方法容易受到主观经验的影响较大，准确性较低，而基于常规机器学习理论的预测方法容易受到随机因素干扰影响，误差较大，同样降低了虚拟资源需求预测的准确性。
技术实现思路
[0003]本申请实施例提供一种虚拟资源处理方法、装置、设备、计算机程序及存储介质，能够提高虚拟资源需求预测的准确性。
[0004]本申请实施例的技术方案是这样实现的：
[0005]本申请实施例提供一种虚拟资源处理方法，包括：
[0006]基于虚拟场景中的至少一类社交关系数据构建关系图网...
【技术保护点】
【技术特征摘要】
1.一种虚拟资源处理方法，其特征在于，包括：基于虚拟场景中的至少一类社交关系数据构建关系图网络，得到至少一个社交图网络；对所述至少一个社交图网络进行向量化处理，得到所述至少一个向量化结果；对于所述至少一个社交图网络中包含的每个账户，提取所述每个账户对应的虚拟资源操作数据，并基于所述虚拟资源操作数据生成所述每个账户对应的资源操作特征；基于所述资源操作特征与所述至少一个向量化结果进行虚拟资源需求的预测，得到所述每个账户的虚拟资源需求数量。2.根据权利要求1所述的方法，其特征在于，所述基于虚拟场景中的至少一类社交关系数据构建关系图网络，得到至少一个社交图网络，包括：针对所述至少一类社交关系数据中的每类社交关系数据，以所述每类社交关系数据中的账户为节点，通过连接存在该类社交关系的节点，得到所述每类社交关系数据对应的社交图网络，得到所述至少一个社交图网络。3.根据权利要求2所述的方法，其特征在于，所述对所述至少一个社交图网络进行向量化处理，得到所述至少一个向量化结果，包括：针对所述至少一个社交图网络中的每个社交图网络，获取所述每个社交图网络中每个连接关系的初始权重；所述初始权重表征所述每个连接关系对应的账户之间的互动程度；根据所述每个连接关系的初始权重，计算所述每个连接关系对应的初始权重分布；对所述每个社交图网络中的每个节点进行向量初始化，得到所述每个节点的初始向量化表示；基于所述每个节点的初始向量化表示进行权重分布预测，得到所述每个连接关系对应的预测权重分布；通过拟合所述初始权重分布与所述预测权重分布，对所述初始向量化表示进行迭代更新，直至满足预设拟合条件的情况下，得到所述每个节点的向量化表示，作为所述每个社交图网络的向量化结果，从而得到所述至少一个向量化结果。4.根据权利要求3所述的方法，其特征在于，所述至少一类社交关系数据包括以下至少一种：交友关系数据、活动关系数据、组织关系数据以及亲密关系数据；所述获取所述每个社交图网络中每个连接关系的初始权重，包括：在所述每个社交图网络基于所述交友关系数据构建得到的情况下，获取所述每个连接关系对应的账户之间的交友经验值，作为所述初始权重；在所述每个社交图网络基于所述活动关系数据构建得到的情况下，获取所述每个连接关系对应的账户共同参加虚拟场景活动的次数，作为所述初始权重；在所述每个社交图网络基于所述组织关系数据构建得到的情况下，根据所述每个连接关系对应的账户参与的组织信息，得到所述初始权重；在所述每个社交图网络基于所述亲密度关系数据构建得到的情况下，获取所述每个连接关系对应的账户之间的亲密度数值，作为所述初始权重。5.根据权利要求3所述的方法，其特征在于，所述根据所述每个连接关系的初始权重，计算所述每个连接关系对应的初始权重分布，包括：根据所述每个连接关系的初始权重，计算所述每个社交图网络的权重总和；
计算所述每个连接关系的初始权重与所述权重总和的比值，作为所述每个连接关系对应的初始权重分布。6.根据权利要求3所述的方法，其特征在于，所述通过拟合所述初始权重分布与所述预测权重分布，对所述初始向量化表示进行迭代更新，直至满足预设拟合条件的情况下，得到所述每个节点的向量化表示，包括：利用预设目标优化函数，计算所述初始权重分布与所述预测权重分布之间的差异度；在所述差异度不满足所述预设拟...
【专利技术属性】
技术研发人员：毕超波，黄嘉成，
申请(专利权)人：腾讯科技深圳有限公司，
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。