本申请涉及订单智能管理，且更为具体地，涉及一种基于大数据的积分商城订单管理方法及系统。
背景技术：
1、市民卡是一种多功能的卡片，它集成了多种服务功能，如公共交通支付、小额支付、图书馆借阅、公共设施使用等。随着技术的发展和城市智慧化水平的提高，越来越多的城市开始在市民卡中集成积分商城功能，允许持卡人通过各种方式（如乘坐公共交通、日常消费和参与活动等）积累积分，并可以在特定的积分商城中兑换商品或服务。
2、然而，传统的积分商城通常基于固定商品进行推荐，也就是说，向所有用户提供相同或类似的商品推荐，而没有考虑用户的真实需求和个人偏好，缺乏灵活性和个性化。这样的积分商城推荐方式可能会导致推荐的商品与用户的实际需求和偏好不符，使得用户体验不佳，从而影响积分的使用率和消费频率。此外，传统的积分商城订单管理和商品推荐的自动化程度较低，很多流程仍然需要人工干预，这不仅增加了人力成本，还可能导致处理延迟和错误。例如，在订单管理和积分商城商品推荐过程中，如果依赖人工审核和处理，可能会延长处理时间，影响用户体验。
3、因此，需要一种优化的积分商城订单管理方案来解决上述技术问题。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于大数据的积分商城订单管理方法及系统，其通过采集用户行为时序数据，并获取商品文本描述，然后在后端引入基于大数据技术和人工智能技术的数据处理和语义理解算法来对于该用户行为时序数据和商品文本描述进行语义分析，以此来捕获到用户行为的时序特征和商品的语义信息，并基于这两者之间的语义主成分匹配信息来自动进行积分商城的商品个性化推荐。本申请能够基于用户的偏好和需求与商品信息之间的语义匹配表征来为用户提供量身定制的积分商城商品推荐，从而有助于提高商品推荐的准确性和相关性，提升用户的体验感和满意度，实现了更为智能化地积分商城订单管理。
2、根据本申请的一个方面，提供了一种基于大数据的积分商城订单管理方法，其包括：
3、获取用户行为数据的时间队列；
4、对所述用户行为数据的时间队列中的各个用户行为数据进行语义编码以得到用户行为语义编码特征向量的时间队列；
5、将所述用户行为语义编码特征向量的时间队列输入基于节点特征显著性衰减引导的特征聚合网络以得到用户行为时序聚合语义表示向量；
6、获取待推荐商品的文本描述；
7、对所述待推荐商品的文本描述进行语义编码以得到待推荐商品语义特征向量；
8、将所述用户行为时序聚合语义表示向量和所述待推荐商品语义特征向量输入基于特征主成分查询匹配的显著融合网络以得到用户行为-待推荐商品语义主成分匹配表示向量；
9、将所述用户行为-待推荐商品语义主成分匹配表示向量输入基于分类器的积分商城智能管理模块以得到智能管理结果，所述智能管理结果用于表示是否向用户推荐所述待推荐商品。
10、根据本申请的另一个方面，提供了一种基于大数据的积分商城订单管理系统，其包括：
11、用户行为数据获取模块，用于获取用户行为数据的时间队列；
12、用户行为语义编码模块，用于对所述用户行为数据的时间队列中的各个用户行为数据进行语义编码以得到用户行为语义编码特征向量的时间队列；
13、用户行为语义特征聚合模块，用于将所述用户行为语义编码特征向量的时间队列输入基于节点特征显著性衰减引导的特征聚合网络以得到用户行为时序聚合语义表示向量；
14、文本描述获取模块，用于获取待推荐商品的文本描述；
15、待推荐商品语义编码模块，用于对所述待推荐商品的文本描述进行语义编码以得到待推荐商品语义特征向量；
16、显著融合模块，用于将所述用户行为时序聚合语义表示向量和所述待推荐商品语义特征向量输入基于特征主成分查询匹配的显著融合网络以得到用户行为-待推荐商品语义主成分匹配表示向量；
17、智能管理模块，用于将所述用户行为-待推荐商品语义主成分匹配表示向量输入基于分类器的积分商城智能管理模块以得到智能管理结果，所述智能管理结果用于表示是否向用户推荐所述待推荐商品。
18、本申请至少具有如下技术效果：与现有技术相比，本申请提供的一种基于大数据的积分商城订单管理方法及系统，其通过采集用户行为时序数据，并获取商品文本描述，然后在后端引入基于大数据技术和人工智能技术的数据处理和语义理解算法来对于该用户行为时序数据和商品文本描述进行语义分析，以此来捕获到用户行为的时序特征和商品的语义信息，并基于这两者之间的语义主成分匹配信息来自动进行积分商城的商品个性化推荐。本申请能够基于用户的偏好和需求与商品信息之间的语义匹配表征来为用户提供量身定制的积分商城商品推荐，从而有助于提高商品推荐的准确性和相关性，提升用户的体验感和满意度，实现了更为智能化地积分商城订单管理。
1.基于大数据的积分商城订单管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的积分商城订单管理方法，其特征在于，将所述用户行为语义编码特征向量的时间队列输入基于节点特征显著性衰减引导的特征聚合网络以得到用户行为时序聚合语义表示向量，包括：
3.根据权利要求2所述的基于大数据的积分商城订单管理方法，其特征在于，计算所述用户行为语义编码特征向量的时间队列中的各个用户行为语义编码特征向量的特征显著性描述因子，其中，所述特征显著性描述因子与所述各个用户行为语义编码特征向量的均值和方差有关，包括：
4.根据权利要求3所述的基于大数据的积分商城订单管理方法，其特征在于，基于所述用户行为语义编码特征向量的时间队列中的各个用户行为语义编码特征向量与当前的用户行为语义编码特征向量之间的距离跨度，构造所述各个用户行为语义编码特征向量的特征显著性衰减因子，包括：
5.根据权利要求4所述的基于大数据的积分商城订单管理方法，其特征在于，将所述特征显著性衰减描述因子的序列输入门控掩码模块以得到掩码特征显著性衰减权重因子的序列，包括：
6.根据权利要求5所述的基于大数据的积分商城订单管理方法，其特征在于，将所述用户行为时序聚合语义表示向量和所述待推荐商品语义特征向量输入基于特征主成分查询匹配的显著融合网络以得到用户行为-待推荐商品语义主成分匹配表示向量，包括：
7.根据权利要求6所述的基于大数据的积分商城订单管理方法，其特征在于，对所述用户行为时序聚合语义表示向量和所述待推荐商品语义特征向量进行标准化处理以得到标准化用户行为时序聚合语义表示向量和标准化待推荐商品语义特征向量，包括：
8.根据权利要求7所述的基于大数据的积分商城订单管理方法，其特征在于，将所述用户行为时序聚合语义主成分特征向量的集合和所述待推荐商品语义主成分特征向量的集合输入最大近似查询匹配网络以得到用户行为时序聚合语义主成分特征向量和待推荐商品语义主成分特征向量的最佳匹配对的集合，包括：
9.根据权利要求8所述的基于大数据的积分商城订单管理方法，其特征在于，将所述用户行为时序聚合语义主成分特征向量和待推荐商品语义主成分特征向量的最佳匹配对的集合中的各个用户行为时序聚合语义主成分特征向量和待推荐商品语义主成分特征向量的最佳匹配对输入语义细粒度门控联合模块以得到用户行为-待推荐商品语义主成分融合特征向量的集合，包括：
10.基于大数据的积分商城订单管理系统，其特征在于，包括：
