一种基于实景元宇宙的信息资源推送方法、装置及系统

1.本发明涉及深度学习技术领域，尤其涉及一种基于实景元宇宙的信息资源推送方法、装置及系统。


背景技术：

2.元宇宙(metaverse)是人类运用数字技术构建的，由现实世界映射或超越现实世界的虚拟世界，具备新型社会体系的数字生活空间。
3.在众多现行的元宇宙中，实景元宇宙通过无人机倾斜摄影测量、贴近摄影测量等方式，经过对现实场景的扫描，构建出一个对现实世界真实、立体反映和表达的实景三维数字空间，通过元宇宙的交互属性和时空映射实现了虚实结合。然而，在实景元宇宙世界中，用户虽然可以像游览现实场景一样在元宇宙世界中自由探索，但缺少与现实世界体验相近的信息推送系统，使人们能在虚拟世界中满足个性化浏览的需求。
4.因此，如何将现实世界的信息推送系统与实景元宇宙融合，解决数字访客对信息获取的个性化需求，是目前亟待解决的问题。


技术实现要素：

5.本发明提供一种基于实景元宇宙的信息资源推送方法、装置及系统，用以解决现有技术中缺少将元宇宙与现实世界体验相结合的信息资源推送共享技术的缺陷。
6.第一方面，本发明提供一种基于实景元宇宙的信息资源推送方法，包括：
7.采集真实世界中的用户真实行为数据集合；
8.基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；
9.采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。
10.根据本发明提供的一种基于实景元宇宙的信息资源推送方法，所述采集真实世界中的用户真实行为数据集合，包括：
11.采用线下数据收集和网络数据收集获取所述用户真实行为数据集合。
12.根据本发明提供的一种基于实景元宇宙的信息资源推送方法，所述基于用户行为数据集合得到训练数据集，包括：
13.确定以所述用户行为数据集合的个人信息和行动信息作为数据集特征，以所述用户行为数据集合的偏好信息作为数据集标签；
14.基于所述数据集特征和所述数据集标签，构建所述训练数据集。
15.根据本发明提供的一种基于实景元宇宙的信息资源推送方法，所述利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型，包括：
16.构建初始神经网络结构模型，采用基于深度学习的序列推荐算法提取所述训练数据集中的用户历史序列数据；
17.利用所述用户历史序列数据训练所述初始神经网络结构模型，获得所述信息资源推送模型。
18.根据本发明提供的一种基于实景元宇宙的信息资源推送方法，所述采集实景元宇宙中的用户虚拟行为数据集合，包括：
19.采集元宇宙用户登陆注册信息，由所述元宇宙用户登录注册信息确定元宇宙用户身份信息；
20.获取元宇宙用户界面设置信息，由所述元宇宙用户界面设置信息确定元宇宙用户偏好信息；
21.采集元宇宙用户多个运动位置节点，基于所述元宇宙用户多个运动位置节点生成元宇宙用户行为轨迹。
22.根据本发明提供的一种基于实景元宇宙的信息资源推送方法，所述将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息，包括：
23.以所述元宇宙用户偏好信息作为元宇宙用户标签，以所述元宇宙用户身份信息和所述元宇宙用户行为轨迹作为元宇宙用户特征；
24.将所述元宇宙用户标签和所述元宇宙用户特征输入至所述信息资源推送模型，得到元宇宙用户偏好程度信息；
25.根据所述元宇宙用户偏好程度信息确定所述元宇宙信息资源推送信息。
26.第二方面，本发明还提供一种基于实景元宇宙的信息资源推送装置，包括：
27.部署在客户端的登陆注册模块、用户交互模块、信息资源获取模块和信息可视化模块，部署在服务器的模型计算模块，其中：
28.登陆注册模块，获取元宇宙用户的账户注册信息或账户登陆信息；
29.用户交互模块，实现元宇宙用户与元宇宙系统之间的交互；
30.信息资源获取模块，根据元宇宙用户位置更新信息对用户输入信息进行整合；
31.模型计算模块，基于所述用户输入信息进行网络模型计算，得到元宇宙用户偏好程度信息；
32.信息可视化模块，对元宇宙进行可视化渲染，并实现用户界面可视化。
33.第三方面，本发明还提供一种基于实景元宇宙的信息资源推送系统，包括：
34.采集模块，用于采集真实世界中的用户真实行为数据集合；
35.训练模块，用于基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；
36.处理模块，用于采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。
37.第四方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于实景元宇宙的信息资源推送方法。
38.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于实景元宇宙的信息资源推送方法。
39.本发明提供的基于实景元宇宙的信息资源推送方法、装置及系统，通过从真实世界获取用户行为数据训练得到信息资源推送模型，再使用从元宇宙中收集的用户标签等数
据，利用真实世界训练得到的信息资源推送模型，确定符合元宇宙用户偏好的信息推荐结果，实现元宇宙中信息资源的个性化服务，并有效利用了已有的数据作为训练集，降低了数据收集的成本，在实景元宇宙平台的建设中具有较强的实用价值。
附图说明
40.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1是本发明提供的基于实景元宇宙的信息资源推送方法的流程示意图之一；
42.图2是本发明提供的基于实景元宇宙的信息资源推送方法的流程示意图之二；
43.图3是本发明提供的基于实景元宇宙的信息资源推送装置的结构示意图；
44.图4是本发明提供的基于实景元宇宙的信息资源推送系统的结构示意图；
45.图5是本发明提供的电子设备的结构示意图。
具体实施方式
46.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
47.本发明实施例针对如何将现实世界的信息推送方式与实景元宇宙融合，给予元宇宙游览者个性化的信息获取体验，提出一种基于实景元宇宙的信息资源推送方法。
48.图1是本发明实施例提供的基于实景元宇宙的信息资源推送方法的流程示意图之一，如图1所示，包括：
49.步骤100：采集真实世界中的用户真实行为数据集合；
50.步骤200：基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；
51.步骤300：采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。
52.具体地，本发明实施例以分析游客游览行为作为示例进行说明，在真实世界中，收集游客对相关真实建筑区域的游览轨迹、偏好信息、游客的性别年龄等信息，将上述信息整合，制作出基于真实世界数据的训练数据集和验证数据集，使用上述数据集训练基于深度学习的序列推荐算法神经网络，得到训练验证完毕的网络模型，即信息资源推送模型，然后在实景元宇宙当中获取元宇宙用户的性别年龄、偏好、行动轨迹等信息，最后将上述元宇宙当中收集的信息输入之前训练好的神经网络，通过模型计算得到用户的个性化推送资源，进行个性化推送。
53.又如图2所示，本发明实施例从两个维度入手，一方面是现实世界，采集现实世界用户数据，包括用户的性别、年龄、偏好和轨迹等，根据采集的现实世界用户数据制作训练集，再采用训练集训练基于深度学习的序列推荐算法的神经网络，得到训练好的网络模型，
即信息资源推送模型；另一方面是实景元宇宙，分别通过用户注册获得包括性别、年龄和偏好的用户信息，以及通过用户自由移动获得包括轨迹记录的用户信息，然后放入信息资源推送模型中进行模型计算，输出个性化推送资源。
54.本发明通过从真实世界获取用户行为数据训练得到信息资源推送模型，再使用从元宇宙中收集的用户标签等数据，利用真实世界训练得到的信息资源推送模型，确定符合元宇宙用户偏好的信息推荐结果，实现元宇宙中信息资源的个性化服务，并有效利用了已有的数据作为训练集，降低了数据收集的成本，在实景元宇宙平台的建设中具有较强的实用价值。
55.基于上述实施例，步骤100包括：
56.采用线下数据收集和网络数据收集获取所述用户真实行为数据集合。
57.需要说明的是，在现实世界中采集用户真实行为数据集合，可采用线下收集和网络收集两种主要的收集方式。
58.以旅游信息收集为例，使用问卷调查、景区实名登记和景区门票信息查询等线下收集手段，可获得大量的游客行为信息；此外，由于线上预定和在线订购等模式的兴起，通过网络数据收集也可方便快捷地获取游客的相关个人信息。
59.基于上述实施例，步骤200中的所述基于用户行为数据集合得到训练数据集，包括：
60.确定以所述用户行为数据集合的个人信息和行动信息作为数据集特征，以所述用户行为数据集合的偏好信息作为数据集标签；
61.基于所述数据集特征和所述数据集标签，构建所述训练数据集。
62.具体地，本发明实施例在收集用户真实行为数据集合的基础上，将游客的性别、年龄、轨迹信息等作为数据集的特征features，将游客的偏好信息作为数据集的标签labels，构建得到训练数据集。
63.基于上述实施例，步骤200中的所述利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型，包括：
64.构建初始神经网络结构模型，采用基于深度学习的序列推荐算法提取所述训练数据集中的用户历史序列数据；
65.利用所述用户历史序列数据训练所述初始神经网络结构模型，获得所述信息资源推送模型。
66.具体地，本发明实施例采用的基于深度学习的序列推荐算法，是一种通过利用深度神经网络对用户的历史序列数据进行分析，生成个性化的物品推荐的算法。它们通过学习用户行为序列来预测用户未来可能喜欢的物品，并生成推荐列表。这种算法通常使用递归神经网络(recurrent neural network，rnn)、长短时记忆网络(long short-term memory，lstm)或注意力机制(attention mechanism)等主流技术来进行用户个性化信息的预测。
67.基于上述实施例，步骤300中的所述采集实景元宇宙中的用户虚拟行为数据集合，包括：
68.采集元宇宙用户登陆注册信息，由所述元宇宙用户登录注册信息确定元宇宙用户身份信息；
69.获取元宇宙用户界面设置信息，由所述元宇宙用户界面设置信息确定元宇宙用户偏好信息；
70.采集元宇宙用户多个运动位置节点，基于所述元宇宙用户多个运动位置节点生成元宇宙用户行为轨迹。
71.具体地，本发明实施例在元宇宙中分别通过用户登录注册时的基本信息获取用户的年龄性别，通过用户在个人信息设置界面设置的偏好获取用户的偏好信息，以及通过用户后台不断记录的用户经过的位置节点，生成用户的行为轨迹。
72.基于上述实施例，步骤300中的所述将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息，包括：
73.以所述元宇宙用户偏好信息作为元宇宙用户标签，以所述元宇宙用户身份信息和所述元宇宙用户行为轨迹作为元宇宙用户特征；
74.将所述元宇宙用户标签和所述元宇宙用户特征输入至所述信息资源推送模型，得到元宇宙用户偏好程度信息；
75.根据所述元宇宙用户偏好程度信息确定所述元宇宙信息资源推送信息。
76.具体地，将上述元宇宙中用户偏好作为标签，其他信息作为特征，输入到之前在现实世界中训练好的神经网络模型中，计算出该用户的各类信息偏好程度，在信息推送界面对该用户推送偏好程度较大的信息资源，实现个性化推送。
77.图3是本发明实施例提供的基于实景元宇宙的信息资源推送装置的结构示意图，如图3所示，包括：
78.部署在客户端的登陆注册模块、用户交互模块、信息资源获取模块和信息可视化模块，部署在服务器的模型计算模块，其中：
79.登陆注册模块，获取元宇宙用户的账户注册信息或账户登陆信息；
80.用户交互模块，实现元宇宙用户与元宇宙系统之间的交互；
81.信息资源获取模块，根据元宇宙用户位置更新信息对用户输入信息进行整合；
82.模型计算模块，基于所述用户输入信息进行网络模型计算，得到元宇宙用户偏好程度信息；
83.信息可视化模块，对元宇宙进行可视化渲染，并实现用户界面可视化。
84.具体地，本发明实施例提出的基于实景元宇宙的信息资源推送装置包括客户端与服务器，客户端模块包括以下部分：用户注册登录模块、用户交互模块、信息资源获取模块与信息可视化模块，信息资源获取模块将用户输入信息经参数化处理后传输给服务器，服务器端使用实景元宇宙所映射的真实世界中收集的训练集，利用基于深度学习的序列推荐算法神经网络进行预训练，再使用元宇宙中收集的用户标签(行动轨迹、偏好信息、性别年龄等)确定符合用户偏好的信息推荐结果，将处理后的信息资源以数据包的形式回传到客户端，实现元宇宙中信息资源的个性化服务。
85.登录注册模块：用户第一次使用该系统需要注册一个账号，注册时需要填写包括性别、年龄在内的个人基本信息。注册之后，以后使用本系统使用对应的账号和密码登录即可。
86.用户交互模块：本模块主要作用为实现用户与系统间的交互，例如角色控制、信息输入、信息输出等。通过提供基于输入设备(键盘、鼠标、vr手柄等)的交互功能，通过用户输
入控制元宇宙虚拟角色进行移动与交互。通过该模块，用户可以在元宇宙世界中自由移动，浏览信息，也可以在系统的个性化信息设置中设置或修改自己的基本信息、偏好信息和交互方式。
87.信息资源获取模块：本模块主要功能为获取用户输入的信息进行整合。值得注意的是，本模块中的用户位置跟踪会不断获取用户的位置坐标(每隔0.01s获取一次)，从而生成该用户的轨迹信息。
88.模型计算模块：本模块主要是利用信息资源模块获取的信息进行网络模型的计算，计算出该用户的各类信息的偏好度，从而选择偏好度较大的内容信息推送。
89.信息可视化模块：本模块主要是对元宇宙进行可视化渲染，同时对各种界面进行可视化，其中根据偏好度，会在信息推送界面为用户推送其较为喜欢的信息资源。
90.下面对本发明提供的基于实景元宇宙的信息资源推送系统进行描述，下文描述的基于实景元宇宙的信息资源推送系统与上文描述的基于实景元宇宙的信息资源推送方法可相互对应参照。
91.图4是本发明提供的基于实景元宇宙的信息资源推送系统的结构示意图，如图4所示，包括：采集模块41、训练模块42和处理模块43，其中：
92.采集模块41用于采集真实世界中的用户真实行为数据集合；训练模块42用于基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；处理模块43用于采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。
93.图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器830通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行基于实景元宇宙的信息资源推送方法，该方法包括：采集真实世界中的用户真实行为数据集合；基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。
94.此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
95.另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于实景元宇宙的信息资源推送方法，该方法包括：采集真实世界中的用户真实行为数据集合；基于用户行为数据集
合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。
96.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
97.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
98.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种基于实景元宇宙的信息资源推送方法，其特征在于，包括：采集真实世界中的用户真实行为数据集合；基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。2.根据权利要求1所述的基于实景元宇宙的信息资源推送方法，其特征在于，所述采集真实世界中的用户真实行为数据集合，包括：采用线下数据收集和网络数据收集获取所述用户真实行为数据集合。3.根据权利要求1所述的基于实景元宇宙的信息资源推送方法，其特征在于，所述基于用户行为数据集合得到训练数据集，包括：确定以所述用户行为数据集合的个人信息和行动信息作为数据集特征，以所述用户行为数据集合的偏好信息作为数据集标签；基于所述数据集特征和所述数据集标签，构建所述训练数据集。4.根据权利要求1所述的基于实景元宇宙的信息资源推送方法，其特征在于，所述利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型，包括：构建初始神经网络结构模型，采用基于深度学习的序列推荐算法提取所述训练数据集中的用户历史序列数据；利用所述用户历史序列数据训练所述初始神经网络结构模型，获得所述信息资源推送模型。5.根据权利要求1所述的基于实景元宇宙的信息资源推送方法，其特征在于，所述采集实景元宇宙中的用户虚拟行为数据集合，包括：采集元宇宙用户登陆注册信息，由所述元宇宙用户登录注册信息确定元宇宙用户身份信息；获取元宇宙用户界面设置信息，由所述元宇宙用户界面设置信息确定元宇宙用户偏好信息；采集元宇宙用户多个运动位置节点，基于所述元宇宙用户多个运动位置节点生成元宇宙用户行为轨迹。6.根据权利要求5所述的基于实景元宇宙的信息资源推送方法，其特征在于，所述将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息，包括：以所述元宇宙用户偏好信息作为元宇宙用户标签，以所述元宇宙用户身份信息和所述元宇宙用户行为轨迹作为元宇宙用户特征；将所述元宇宙用户标签和所述元宇宙用户特征输入至所述信息资源推送模型，得到元宇宙用户偏好程度信息；根据所述元宇宙用户偏好程度信息确定所述元宇宙信息资源推送信息。7.一种基于实景元宇宙的信息资源推送装置，用于执行权利要求1至6中任一所述基于实景元宇宙的信息资源推送方法，其特征在于，包括：部署在客户端的登陆注册模块、用户交互模块、信息资源获取模块和信息可视化模块，部署在服务器的模型计算模块，其中：
登陆注册模块，获取元宇宙用户的账户注册信息或账户登陆信息；用户交互模块，实现元宇宙用户与元宇宙系统之间的交互；信息资源获取模块，根据元宇宙用户位置更新信息对用户输入信息进行整合；模型计算模块，基于所述用户输入信息进行网络模型计算，得到元宇宙用户偏好程度信息；信息可视化模块，对元宇宙进行可视化渲染，并实现用户界面可视化。8.一种基于实景元宇宙的信息资源推送系统，其特征在于，包括：采集模块，用于采集真实世界中的用户真实行为数据集合；训练模块，用于基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；处理模块，用于采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于实景元宇宙的信息资源推送方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于实景元宇宙的信息资源推送方法。

技术总结
本发明提供一种基于实景元宇宙的信息资源推送方法、装置及系统，属于深度学习技术领域，包括：采集真实世界中的用户真实行为数据集合；基于用户行为数据集合得到训练数据集，利用所述训练数据集训练基于深度学习的神经网络，得到信息资源推送模型；采集实景元宇宙中的用户虚拟行为数据集合，将所述用户虚拟行为数据集合输入至所述信息资源推送模型，输出元宇宙信息资源推送信息。本发明通过从真实世界获取用户行为数据训练得到信息资源推送模型，再使用从元宇宙中收集的用户标签等数据，利用真实世界训练得到的信息资源推送模型，确定符合元宇宙用户偏好的信息推荐结果，实现元宇宙中信息资源的个性化服务。宇宙中信息资源的个性化服务。宇宙中信息资源的个性化服务。


技术研发人员：彭昱宁 季铮 马文卓 张卓 朱禹涵 陈昊天 孟小亮
受保护的技术使用者：武汉大学
技术研发日：2023.03.27
技术公布日：2023/7/7