基于沉浸式元宇宙服务的用户兴趣分析方法及系统技术方案

本申请实施例公开了基于沉浸式元宇宙服务的用户兴趣分析方法及系统，针对各数字虚拟空间交互数据集中的每组数字虚拟空间交互数据进行多数据规模的拆解，能提升用户兴趣项目识别中数据规模的抗干扰性。进一步地，本申请实施例利用各数字虚拟空间交互数据集的沉浸式用户活动信息簇，确定数字虚拟空间交互数据集之间的关联化行为偏好短语，使得元宇宙用户服务系统能在多维数据规模的基础上结合数字虚拟空间交互数据集之间的影响联系，提高用户兴趣项目的识别准确性和可靠性。兴趣项目的识别准确性和可靠性。兴趣项目的识别准确性和可靠性。

【技术实现步骤摘要】
基于沉浸式元宇宙服务的用户兴趣分析方法及系统


[0001]本申请涉及元宇宙
，尤其涉及一种基于沉浸式元宇宙服务的用户兴趣分析方法及系统。

技术介绍

[0002]互联网时代的发展，云会议、云办公、云购物、线上展览和线上展销等元宇宙服务不断兴起，作为互联网时代的产物，元宇宙服务能够实现虚拟世界和现实世界的交互，提供更加智能、惊艳的沉浸式交互服务，以促进数字化经济的发展。随着元宇宙服务的发展，针对元宇宙服务的用户兴趣分析和挖掘需求越来月多，但是如何提高用户兴趣的识别精度和可信度，是当前技术攻关的难点。

技术实现思路

[0003]本申请的一个目的是提供一种基于沉浸式元宇宙服务的用户兴趣分析方法及系统。
[0004]本申请的技术方案是通过如下至少部分实施例实现的。
[0005]一种基于沉浸式元宇宙服务的用户兴趣分析方法，应用于元宇宙用户服务系统，所述方法包括：基于接收到的兴趣分析请求，获取不少于两个数字虚拟空间交互数据集；其中，各所述数字虚拟空间交互数据集中包括不少于一组数字虚拟空间交互数据；对各所述数字虚拟空间交互数据集进行两种或多于两种数据规模的拆解，获得相同数据规模下全部数字虚拟空间交互数据中相同分布区域的沉浸式用户活动信息形成的沉浸式用户活动信息簇；利用各所述数字虚拟空间交互数据集的沉浸式用户活动信息簇，确定各所述数字虚拟空间交互数据集之间的关联化行为偏好短语；结合各所述数字虚拟空间交互数据集之间的关联化行为偏好短语，在所述不少于两个数字虚拟空间交互数据集中确定出携带用户兴趣项目的目标数字虚拟空间交互数据集。
[0006]在一些可独立的设计思路下，所述利用各所述数字虚拟空间交互数据集的沉浸式用户活动信息簇，确定各所述数字虚拟空间交互数据集之间的关联化行为偏好短语，包括：针对各所述数字虚拟空间交互数据集，基于相同数据规模下的各沉浸式用户活动信息簇，获得数据规模对应的第一用户行为倾向知识；其中，所述第一用户行为倾向知识中包括相同数据规模的各沉浸式用户活动信息簇之间的交互关联特征；将相同所述数字虚拟空间交互数据集中各数据规模对应的所述第一用户行为倾向知识进行整理，获得各所述数字虚拟空间交互数据集的第二用户行为倾向知识；利用各所述数字虚拟空间交互数据集的所述第二用户行为倾向知识，确定各所述
数字虚拟空间交互数据集之间的所述关联化行为偏好短语。
[0007]在一些可独立的设计思路下，所述基于相同数据规模下的各沉浸式用户活动信息簇，获得数据规模对应的第一用户行为倾向知识，包括：对相同数据规模下的各所述沉浸式用户活动信息簇执行行为倾向知识挖掘处理，获得所述沉浸式用户活动信息簇对应的用户行为倾向知识；将相同数据规模的所述沉浸式用户活动信息簇的用户行为倾向知识进行组合，获得数据规模对应的第一联动用户行为倾向知识；依据所述数据规模对应的第一联动用户行为倾向知识，利用主动型聚焦策略和窗口化滤波操作生成所述第一联动用户行为倾向知识所反映的相同数据规模的沉浸式用户活动信息簇之间的活动联系描述，获得所述数据规模对应的第一用户行为倾向知识。
[0008]在一些可独立的设计思路下，所述依据所述数据规模对应的第一联动用户行为倾向知识，利用主动型聚焦策略和窗口化滤波操作生成所述第一联动用户行为倾向知识所反映的相同数据规模的沉浸式用户活动信息簇之间的活动联系描述，获得所述数据规模对应的第一用户行为倾向知识，包括：依据所述主动型聚焦策略以及所述第一联动用户行为倾向知识，确定偏置指数关系网；其中，所述偏置指数关系网中包括：反映相同数据规模的各所述沉浸式用户活动信息簇具有兴趣特征的可能性的量化评分；依据所述偏置指数关系网以及所述第一联动用户行为倾向知识，获得完成调整的用户行为倾向知识；对所述第一联动用户行为倾向知识进行窗口化滤波操作，获得完成窗口化滤波操作的用户行为倾向知识；依据所述完成调整的用户行为倾向知识、完成窗口化滤波操作的用户行为倾向知识以及所述第一联动用户行为倾向知识，获得所述第一用户行为倾向知识。
[0009]在一些可独立的设计思路下，所述依据所述主动型聚焦策略以及所述第一联动用户行为倾向知识，确定偏置指数关系网，包括：对所述第一联动用户行为倾向知识进行知识抽样操作，获得完成知识抽样的第一联动用户行为倾向知识；针对所述完成知识抽样的第一联动用户行为倾向知识，通过设定动态节点单元Convolution unit1进行滑动平均处理，获得第一滑动平均处理知识；针对所述完成知识抽样的第一联动用户行为倾向知识，通过设定动态节点单元Convolution unit2进行滑动平均处理，获得第二滑动平均处理知识；确定所述第一滑动平均处理知识和所述第二滑动平均处理知识的数组运算结果，并结合所述主动型聚焦策略，确定所述偏置指数关系网。
[0010]在一些可独立的设计思路下，所述依据所述偏置指数关系网以及所述第一联动用户行为倾向知识，获得完成调整的用户行为倾向知识，包括：利用设定动态节点单元Convolution unit3对所述完成知识抽样的第一联动用户行为倾向知识进行滑动平均处理，获得第三滑动平均处理知识；将所述偏置指数关系网和所述第三滑动平均处理知识进行设定运算，获得目标关系网；
将所述目标关系网和设定动态节点单元Convolution unit4进行完成窗口化滤波操作的结果，与所述完成知识抽样的第一联动用户行为倾向知识的全局整合结果，确定为所述完成调整的用户行为倾向知识。
[0011]在一些可独立的设计思路下，所述对所述第一联动用户行为倾向知识进行滑动平均处理，获得完成窗口化滤波操作的用户行为倾向知识，包括：利用不少于两个膨胀型动态节点单元分别对所述第一联动用户行为倾向知识进行滑动平均处理，获得各所述膨胀型动态节点单元对应的滑动平均处理知识；其中，不少于两个所述膨胀型动态节点单元的膨胀系数存在差异；将各所述膨胀型动态节点单元对应的滑动平均处理知识进行组合，获得所述完成窗口化滤波操作的用户行为倾向知识。
[0012]在一些可独立的设计思路下，所述依据所述完成调整的用户行为倾向知识、完成窗口化滤波操作的用户行为倾向知识以及所述第一联动用户行为倾向知识，获得所述第一用户行为倾向知识，包括：将所述完成调整的用户行为倾向知识与所述完成窗口化滤波操作的用户行为倾向知识组合后，与所述第一联动用户行为倾向知识进行整合，获得所述第一用户行为倾向知识。
[0013]在一些可独立的设计思路下，所述对相同数据规模下的各所述沉浸式用户活动信息簇执行行为倾向知识挖掘处理，获得所述沉浸式用户活动信息簇对应的用户行为倾向知识，包括：对相同数据规模下的各所述沉浸式用户活动信息簇执行行为倾向知识挖掘处理，获得所述沉浸式用户活动信息簇对应的包括所述沉浸式用户活动信息簇中各沉浸式用户活动信息之间的先后关系描述的用户行为倾向知识。
[0014]在一些可独立的设计思路下，所述将相同所述数字虚拟空间交互数据集中各数据规模对应的所述第一用户行为倾向知识进行整理，获得各所述数字虚拟空间交互数据集的第二用户行为倾向知识，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于沉浸式元宇宙服务的用户兴趣分析方法，其特征在于，应用于元宇宙用户服务系统，所述方法包括：基于接收到的兴趣分析请求，获取不少于两个数字虚拟空间交互数据集；其中，各所述数字虚拟空间交互数据集中包括不少于一组数字虚拟空间交互数据；对各所述数字虚拟空间交互数据集进行两种或多于两种数据规模的拆解，获得相同数据规模下全部数字虚拟空间交互数据中相同分布区域的沉浸式用户活动信息形成的沉浸式用户活动信息簇；利用各所述数字虚拟空间交互数据集的沉浸式用户活动信息簇，确定各所述数字虚拟空间交互数据集之间的关联化行为偏好短语；结合各所述数字虚拟空间交互数据集之间的关联化行为偏好短语，在所述不少于两个数字虚拟空间交互数据集中确定出携带用户兴趣项目的目标数字虚拟空间交互数据集。2.根据权利要求1所述的方法，其特征在于，所述利用各所述数字虚拟空间交互数据集的沉浸式用户活动信息簇，确定各所述数字虚拟空间交互数据集之间的关联化行为偏好短语，包括：针对各所述数字虚拟空间交互数据集，基于相同数据规模下的各沉浸式用户活动信息簇，获得数据规模对应的第一用户行为倾向知识；其中，所述第一用户行为倾向知识中包括相同数据规模的各沉浸式用户活动信息簇之间的交互关联特征；将相同所述数字虚拟空间交互数据集中各数据规模对应的所述第一用户行为倾向知识进行整理，获得各所述数字虚拟空间交互数据集的第二用户行为倾向知识；利用各所述数字虚拟空间交互数据集的所述第二用户行为倾向知识，确定各所述数字虚拟空间交互数据集之间的所述关联化行为偏好短语。3.根据权利要求2所述的方法，其特征在于，所述基于相同数据规模下的各沉浸式用户活动信息簇，获得数据规模对应的第一用户行为倾向知识，包括：对相同数据规模下的各所述沉浸式用户活动信息簇执行行为倾向知识挖掘处理，获得所述沉浸式用户活动信息簇对应的用户行为倾向知识；将相同数据规模的所述沉浸式用户活动信息簇的用户行为倾向知识进行组合，获得数据规模对应的第一联动用户行为倾向知识；依据所述数据规模对应的第一联动用户行为倾向知识，利用主动型聚焦策略和窗口化滤波操作生成所述第一联动用户行为倾向知识所反映的相同数据规模的沉浸式用户活动信息簇之间的活动联系描述，获得所述数据规模对应的第一用户行为倾向知识。4.根据权利要求3所述的方法，其特征在于，所述依据所述数据规模对应的第一联动用户行为倾向知识，利用主动型聚焦策略和窗口化滤波操作生成所述第一联动用户行为倾向知识所反映的相同数据规模的沉浸式用户活动信息簇之间的活动联系描述，获得所述数据规模对应的第一用户行为倾向知识，包括：依据所述主动型聚焦策略以及所述第一联动用户行为倾向知识，确定偏置指数关系网；其中，所述偏置指数关系网中包括：反映相同数据规模的各所述沉浸式用户活动信息簇具有兴趣特征的可能性的量化评分；依据所述偏置指数关系网以及所述第一联动用户行为倾向知识，获得完成调整的用户行为倾向知识；对所述第一联动用户行为倾向知识进行窗口化滤波操作，获得完成窗口化滤波操作的用户行为
倾向知识；依据所述完成调整的用户行为倾向知识、完成窗口化滤波操作的用户行为倾向知识以及所述第一联动用户行为倾向知识，获得所述第一用户行为倾向知识；其中，所述依据所述主动型聚焦策略以及所述第一联动用户行为倾向知识，确定偏置指数关系网，包括：对所述第一联动用户行为倾向知识进行知识抽样操作，获得完成知识抽样的第一联动用户行为倾向知识；针对所述完成知识抽样的第一联动用户行为倾向知识，通过设定动态节点单元Convolution unit1进行滑动平均处理，获得第一滑动平均处理知识；针对所述完成知识抽样的第一联动用户行为倾向知识，通过设定动态节点单元Convolution unit2进行滑动平均处理，获得第二滑动平均处理知识；确定所述第一滑动平均处理知识和所述第二滑动平均处理知识的数组运算结果，并结合所述主动型聚焦策略，确定所述偏置指数关系网；其中，所述依据所述偏置指数关系网以及所述第一联动用户行为倾向知识，获得完成调整的用户行为倾向知识，包括：利用设定动态节点单元Convolution unit3对所述完成知识抽样的第一联动用户行为倾向知识进行滑动平均处理，获得第三滑动平均处理知识；将所述偏置指数关系网和所述第三滑动平均处理知识进行设定运算，获得目标关系网；将所述目标关系网和设定动态节点单元Convolution unit4进行完成窗口化滤波操作的结果，与所述完成知识抽样的第一联动用户行为倾向知识的全局整合结果，确定为所述完成调整的用户行为倾向知识。5.根据权利要...

【专利技术属性】
技术研发人员：丁娟，
申请(专利权)人：丁娟，
类型：发明
国别省市：