一种虚拟商品与快捷服务的智能化管理方法及系统技术方案

本发明专利技术公开了一种虚拟商品与快捷服务的智能化管理方法及系统，包括，获取用户的需求信息，判断需求指令查询对应虚拟商品信息及快捷服务信息，读取对应目标程序与需求指令匹配生成请求信息；根据请求信息进行发货预处理，当符合预设标准时，将发货命令写入消息队列并返回发货接口；校验发货命令的执行情况，根据校验信息结合虚拟商品信息及快捷服务信息获取反馈信息导入推荐模型，生成与需求信息关联性高的虚拟商品或快捷服务进行推送

【技术实现步骤摘要】
一种虚拟商品与快捷服务的智能化管理方法及系统


[0001]本专利技术涉及虚拟商品管理
，更具体的，涉及一种虚拟商品与快捷服务的智能化管理方法及系统
。

技术介绍

[0002]随着生产技术水平的不断提高和用户需求的不断增长，人们生活习惯和消费行为产生了翻天覆地的变化，尤其是虚拟商品消费行业受到了前所未有的推动
。
伴随着互联网经济的快速发展以及当前世界的状况和趋势，虚拟商品消费主义在是一个不可忽视的一个主题
。
现阶段元宇宙更是确定了虚拟商品消费行业在信息时代的地位
。
抓住虚拟商品交易的发展机遇，不断地增强相关企业的核心竞争力，是虚拟商品消费行业在是否能够拉动经济增长的重要基础
。
[0003]许多虚拟商品出现在用户与网络的交互过程中，由于不同平台之间接口不同，发送给用户的虚拟商品或者服务的协议种类繁如果平台不能及时同步虚拟商品的信息，便会影响用户购买体验，在大量交易数据的场景中，虚拟产品多样化，人工手动管理效率很低，时效性差
、
容易出错，导致出现虚拟商品交易过程的故障
。
对于虚拟商品消费行业，抓住虚拟商品消费者的需求能够有效的保证企业产品的有效创新，因此如何避免接口调用混乱提高虚拟商品过程的稳定性以及对用户的需求进行获取
、
划分，根据用户需求进行数据分析，提高用户的使用体验是需要解决的问题
。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种虚拟商品与快捷服务的智能化管理方法及系统
。
[0005]本专利技术第一方面提供了一种虚拟商品与快捷服务的智能化管理方法，包括：获取用户的需求信息，基于所述需求信息判断需求指令，通过需求指令查询对应虚拟商品信息及快捷服务信息，读取所述虚拟商品及快捷服务的目标程序，将所述目标程度与需求指令匹配生成请求信息；根据所述请求信息进行发货预处理，判断请求信息是否符合预设标准，当符合预设标准时，将发货命令写入消息队列并返回发货接口，执行发货命令；获取用户虚拟商品及快捷服务的历史交易信息，根据历史交易信息利用图卷积神经网络挖掘高维特征，引入联邦学习算法在保证用户隐私下进行图卷积神经网络的训练，构建推荐模型；校验所述发货命令的执行情况，根据校验信息结合虚拟商品信息及快捷服务信息获取反馈信息，将所述反馈信息导入所述推荐模型，生成与需求信息关联性高的虚拟商品或快捷服务进行推送
。
[0006]本方案中，获取用户的需求信息，基于所述需求信息判断需求指令，通过需求指令查询对应虚拟商品信息及快捷服务信息，读取所述虚拟商品及快捷服务的目标程序，具体
为：获取用户的查询信息，对所述查询信息进行独热编码获取所述查询信息对应的特征向量，生成用户的需求信息，通过需求信息判断用户查询的虚拟商品及快捷服务的类别信息；根据所述类别信息生成需求指令，提取用户的身份及权限，将所述需求指令与所述身份及权限匹配，利用匹配后的需求指令利用分布式检索查询用户身份及权限对应的虚拟商品信息及快捷服务信息；通过所述虚拟商品信息及快捷服务信息从分布式数据库中获取对应的目标程序，根据所述目标程序的来源设置来源标识，利用标记有来源标识的目标程序结合用户需求指令匹配生成基于用户身份及权限的请求信息
。
[0007]本方案中，根据所述请求信息进行发货预处理，判断请求信息是否符合预设标准，当符合预设标准时，将发货命令写入消息队列并返回发货接口，具体为：获取请求信息进行发货预处理，所述发货预处理包括判断请求信息的合法性，根据虚拟商品信息判断虚拟商品剩余数量是否满足需求数量，根据用户的身份及权限是否满足虚拟商品及快捷服务的单用户限定；根据发货预处理的判断条件作为行向量生成判断矩阵，并判断条件的预设标准生成标准矩阵，通过所述判断矩阵与标准矩阵对比判断请求信息是否符合预设标准；当符合预设标准时，则将发货命令写入消息队列并返回发货接口，通过消息队列的消息内容查询基础资源对应虚拟商品及快捷服务的
ID
信息，基于
RDMA
构建
RPC
调用，执行发货命令
。
[0008]本方案中，获取用户虚拟商品及快捷服务的历史交易信息，根据历史交易信息利用图卷积神经网络挖掘高维特征，具体为：利用数据检索基于用户的身份及权限检索虚拟商品及快捷服务对应的发放信息表，在所述发放信息表筛选用户的历史交易信息，提取历史交易信息中的多模态数据，对所述多模态数据进行数据清洗；将数据清洗后的多模态数据利用特征编码进行特征构建生成特征矩阵，获取用户对应的特征矩阵及虚拟商品与快捷服务对应的特征矩阵，并通过斯皮尔曼相关分析获取特征矩阵的相关性；根据所述相关性及时序关联利用图卷积神经网络将预设时间步长内的特征矩阵集合转换为双向传播的图结构信息；获取图结构信息中的节点特征，利用不同的平台信息将对应的图结构信息及节点特征进行标记，获取用户在不同平台中虚拟商品及快捷服务的历史交易行为对应的高维特征
。
[0009]本方案中，引入联邦学习算法在保证用户隐私下进行图卷积神经网络的训练，构建推荐模型，具体为：利用图卷积神经网络构建推荐模型，提取用户在不同平台对应的图结构信息及对应的高维特征，通过联邦学习算法进行训练，判断不同平台的算力及网络环境，根据所述算力及网络环境判断数据训练同步时间是否满足预设周期；根据满足预设周期的不同平台判断其参与训练的轮次，当不同平台的训练轮次偏
差在预设轮次内，则利用多头注意力机制获取不同平台的注意力权重，设置两层注意力结构，利用注意力权重对高维特征进行串联及平均运算；获取当前预设周期内注意力层的特征输出进行非线性激活，根据不同平台非线性运算后的高维特征分别向对方发送计算梯度所需的同态加密后的参数，计算不同平台的加密梯度，通过所述加密梯度保护用户的隐私信息；将加密后的高维特征利用对应的图结构信息进行聚合，更新图结构信息，利用更新后的图结构继续进行聚合，将聚合后的高维特征上传至预设全局平台，利用加密后的参数及加密梯度进行解码，并发放返回到不同平台；在不同平台中利用更新后用户向量及虚拟商品向量
、
快捷服务向量输出预测结果，进行推荐
。
[0010]本方案中，根据校验信息结合虚拟商品信息及快捷服务信息获取反馈信息，将所述反馈信息导入所述推荐模型，生成与需求信息关联性高的虚拟商品或快捷服务进行推送，具体为：根据查询到的基础资源对应虚拟商品及快捷服务的
ID
信息获取资源方位置，基于资源方位置获取发货命令执行后资源方的回执信息，根据所述回执信息判断是否执行成功，基于判断结果生成校验信息；利用校验信息重新进行发货，当失败次数达到预设阈值时发送预警信息，当成功时，将校验信息与发货对应的虚拟商品信息或快捷服务信息获取反馈信息；将所述反馈信息作为推荐模型的输入，通过推荐模型获取与当前虚拟商品或快捷服务关联度高的其他虚拟商品及快捷服务进行标记挂起；提取用户的长短期兴趣特征，提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种虚拟商品与快捷服务的智能化管理方法，其特征在于，包括以下步骤：获取用户的需求信息，基于所述需求信息判断需求指令，通过需求指令查询对应虚拟商品信息及快捷服务信息，读取所述虚拟商品及快捷服务的目标程序，将所述目标程度与需求指令匹配生成请求信息；根据所述请求信息进行发货预处理，判断请求信息是否符合预设标准，当符合预设标准时，将发货命令写入消息队列并返回发货接口，执行发货命令；获取用户虚拟商品及快捷服务的历史交易信息，根据历史交易信息利用图卷积神经网络挖掘高维特征，引入联邦学习算法在保证用户隐私下进行图卷积神经网络的训练，构建推荐模型；校验所述发货命令的执行情况，根据校验信息结合虚拟商品信息及快捷服务信息获取反馈信息，将所述反馈信息导入所述推荐模型，生成与需求信息关联性高的虚拟商品或快捷服务进行推送
。2.
根据权利要求1所述的一种虚拟商品与快捷服务的智能化管理方法，其特征在于，获取用户的需求信息，基于所述需求信息判断需求指令，通过需求指令查询对应虚拟商品信息及快捷服务信息，读取所述虚拟商品及快捷服务的目标程序，具体为：获取用户的查询信息，对所述查询信息进行独热编码获取所述查询信息对应的特征向量，生成用户的需求信息，通过需求信息判断用户查询的虚拟商品及快捷服务的类别信息；根据所述类别信息生成需求指令，提取用户的身份及权限，将所述需求指令与所述身份及权限匹配，利用匹配后的需求指令利用分布式检索查询用户身份及权限对应的虚拟商品信息及快捷服务信息；通过所述虚拟商品信息及快捷服务信息从分布式数据库中获取对应的目标程序，根据所述目标程序的来源设置来源标识，利用标记有来源标识的目标程序结合用户需求指令匹配生成基于用户身份及权限的请求信息
。3.
根据权利要求1所述的一种虚拟商品与快捷服务的智能化管理方法，其特征在于，根据所述请求信息进行发货预处理，判断请求信息是否符合预设标准，当符合预设标准时，将发货命令写入消息队列并返回发货接口，具体为：获取请求信息进行发货预处理，所述发货预处理包括判断请求信息的合法性，根据虚拟商品信息判断虚拟商品剩余数量是否满足需求数量，根据用户的身份及权限是否满足虚拟商品及快捷服务的单用户限定；根据发货预处理的判断条件作为行向量生成判断矩阵，并判断条件的预设标准生成标准矩阵，通过所述判断矩阵与标准矩阵对比判断请求信息是否符合预设标准；当符合预设标准时，则将发货命令写入消息队列并返回发货接口，通过消息队列的消息内容查询基础资源对应虚拟商品及快捷服务的
ID
信息，基于
RDMA
构建
RPC
调用，执行发货命令
。4.
根据权利要求1所述的一种虚拟商品与快捷服务的智能化管理方法，其特征在于，获取用户虚拟商品及快捷服务的历史交易信息，根据历史交易信息利用图卷积神经网络挖掘高维特征，具体为：利用数据检索基于用户的身份及权限检索虚拟商品及快捷服务对应的发放信息表，在所述发放信息表筛选用户的历史交易信息，提取历史交易信息中的多模态数据，对所述多
模态数据进行数据清洗；将数据清洗后的多模态数据利用特征编码进行特征构建生成特征矩阵，获取用户对应的特征矩阵及虚拟商品与快捷服务对应的特征矩阵，并通过斯皮尔曼相关分析获取特征矩阵的相关性；根据所述相关性及时序关联利用图卷积神经网络将预设时间步长内的特征矩阵集合转换为双向传播的图结构信息；获取图结构信息中的节点特征，利用不同的平台信息将对应的图结构信息及节点特征进行标记，获取用户在不同平台中虚拟商品及快捷服务的历史交易行为对应的高维特征
。5.
根据权利要求1所述的一种虚拟商品与快捷服务的智能化管理方法，其特征在于，引入联邦学习算法在保证用户隐私下进行图卷积神经网络的训练，构建推荐模型，具体为：利用图卷积神经网络构建推荐模型，提取用户在不同平台对应的图结构信息及对应的高维特征，通过联邦学习算法进行训练，判断不同平台的算力及网络环境，根据所述算力及网络环境判断数据训练同步时间是否满足预设周期；根据满足预设周期的不同平台判断其参与训练的轮次，当不同平台的训练轮次偏差在预设轮次内，则利用多头注意力机制获取不同平台的注意力权重，设置两层注意力结构，利用注意力权重对高维特征进行串联及平均运算；获取当前预设周期内注意力层的特征输出进行非线性激活，根据不同平台非线性运算后的高维特征分别向对方发送计算梯度所需的同态加密后的参数，计算不同平台的加密梯度，通过所述加密梯度保护用户的隐私信息；将加密后的高维特征利用对应的图结构信息进行聚合，更新图结构信息，利用更新后的图结构继续进行聚合，将聚合后的高维特征上传至预设全局平台，利用加密后的参数及加密梯度进行解码，并发放返回到不同平台；在不同平台中利用更新后用户向量及虚拟商品向量
、
快捷服务向量输出预测结果，进行推荐
。6.
根据权利要求1所述的一种虚拟商品与快捷服务的智能化管理方法，其特征在于，根据校验信息结合虚拟商品信息及快捷服务信息获取反馈信息，将所述反馈...

【专利技术属性】
技术研发人员：闫琦，潘江，
申请(专利权)人：深圳市金文网络科技有限公司，
类型：发明
国别省市：