CN110766322A - 一种基于大数据的vr旅游产品评价方法 - Google Patents
一种基于大数据的vr旅游产品评价方法 Download PDFInfo
- Publication number
- CN110766322A CN110766322A CN201911011627.6A CN201911011627A CN110766322A CN 110766322 A CN110766322 A CN 110766322A CN 201911011627 A CN201911011627 A CN 201911011627A CN 110766322 A CN110766322 A CN 110766322A
- Authority
- CN
- China
- Prior art keywords
- product
- data
- travel
- monitoring
- experience
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 41
- 238000000605 extraction Methods 0.000 claims description 33
- 238000012417 linear regression Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 19
- 238000012512 characterization method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的VR旅游产品评价方法,其包括:S1)通过预约设备获取体验用户的VR旅游产品选择数据、用户人脸数据和用户身份信息数据;S2)通过监控摄像机获取监控元数据并将其发送至边缘计算设备;S3)边缘计算设备根据VR旅游产品选择数据和监控元数据处理生成混合维度表征数据;S4)VR产品评价云平台中的建模引擎根据接收到的混合维度表征数据生成产品体验模型,产品体验模型用于确定用户在完成VR旅游产品体验后体验了多长时间的VR旅游产品;S5)分析评价模块根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数。本发明能够根据产品体验模型和混合维度表征数据生成VR旅游产品的分数。
Description
技术领域
本发明涉及大数据及VR旅游领域,尤其涉及一种基于大数据的VR旅游产品评价方法。
背景技术
VR(虚拟现实)技术被认为是下一代的互联网和计算平台,VR技术和旅游业的结合,不仅可以创造全新的旅游体验模式,还会颠覆人们对旅游的认知,将成为未来旅行、观光、文化导览的一种重要发展方向。
旅游产业作为VR技术最重要的应用场景之一,VR技术能够直观地给游客带来沉浸式的预先体验,更有利于旅游资源的全方位展示。相比于简单的图片和文字介绍,VR技术能够更加直观地给游客带来沉浸式的预先体验,提升旅游决策的转化率,推动“VR+旅游”新生态的形成。
由于VR设备普及率低、分辨率较差、视频内容参差不齐,绝大多数旅游企业并没有深入开拓这一领域。此外,VR内容制作需要投入的成本高,制作周期偏长。因此,从VR内容制作方和投资方的角度,对VR旅游产品进行初期评价,以决定后续制作、投资和推广运营力度,是非常关键的。
然而目前对VR旅游产品进行评价的方法主要为:通过公司内部的员工评价以及通过展览邀请用户进行体验评价。在通过邀请用户进行评价时,由于不同用户的主观评价标准不同,因此最终得出的对不同VR旅游产品的评价结论可参考性有限。此外,该评价方法需要较多的工作人员进行引导、对用户反馈进行收集,因此需要的人力多,流程长,影响了用户的接待量。
发明内容
针对现有技术之不足,本发明提供了一种基于大数据的VR旅游产品评价方法,其包括以下步骤:
S1)通过预约设备获取体验用户的VR旅游产品选择数据、用户人脸数据和用户身份信息数据,然后将其发送至边缘计算设备。
S2)在用户开始体验后,通过监控摄像机获取监控元数据并将其发送至边缘计算设备;
S3)边缘计算设备根据VR旅游产品选择数据和监控元数据处理生成混合维度表征数据,该步骤包括:
S3.1)边缘计算设备的特征提取单元对监控元数据进行特征提取以生成监控特征数据,监控特征数据包括监控特征向量;
S3.2)边缘计算设备的特征提取单元对VR旅游产品选择数据进行特征提取以生成产品特征数据,产品特征数据包括产品特征向量;
S3.3)根据监控特征数据和产品特征数据生成混合维度表征数据;
S4)VR产品评价云平台中的建模引擎根据接收到的混合维度表征数据生成产品体验模型,产品体验模型用于确定用户在完成VR旅游产品体验后体验了多长时间的VR旅游产品;
S5)VR产品评价云平台中的分析评价模块根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数。
根据一个优选实施方式,在步骤S3.3中,根据监控特征向量和产品特征向量生成胡贝尔损失函数:
其中,Pm是监控元数据的投影,M是监控特征向量,Pc是VR旅游产品选择数据的投影,C是产品特征向量;胡贝尔损失函数用于测量嵌入空间中的监控特征数据和VR旅游选择数据之间的关系。
根据一个优选实施方式,所述产品体验模型包括初始体验模型、完整体验模型和实际体验模型,其中,初始体验模型是指未看VR旅游产品的模型,完整体验模型是指完整看完VR旅游产品的模型,实际体验模型是指实际观看VR旅游产品的模型。
根据一个优选实施方式,所述预约设备为具有通信功能和摄像头的智能设备,其包括平板电脑、笔记本电脑和预约取号机。
根据一个优选实施方式,在步骤S3.1中,特征提取单元通过3D神经网络对监控元数据进行特征提取以生成监控特征向量。
根据一个优选实施方式,在步骤S3.2中,特征提取单元通过递归神经网络对VR旅游产品选择数据进行特征提取以生成产品特征向量。
根据一个优选实施方式,所述VR产品评价云平台包括建模引擎、分析评价模块和数据库,其中,建模引擎和分析评价模块分别连接至数据库,并且建模引擎还与分析评价模块具有通信连接。
根据一个优选实施方式,分析评价模块包括相互连接的分析单元和评价单元,分析单元根据距离函数分别计算实际体验模型与初始体验模型的距离和实际体验模型与完整体验模型的距离;评价单元将距离归一化为实际分数值,从而生成VR旅游产品的分数。
在计算实际体验模型与初始体验模型的距离时,Y表示初始体验模型的矢量;在计算实际体验模型与完整体验模型的距离时,Y表示完整体验模型的矢量。
本发明具有以下有益效果:
本发明能够快速有效的对VR旅游产品的评价标准进行统一,从而提升评价结论的参考性。在评价过程中获取的数据方便保存,可以基于前述数据生成各种可视化结果。此外,简化了用户反馈流程,能够自动生成多种评价结论,有效提高了单位时间的效率,避免了通过人工收集用户反馈等方式造成的人力、物力的浪费。
与依赖于体验用户反馈的现有评价系统不同,本发明能够将VR产品自动评价过程中的多个维度的数据进行有效处理分析,根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数,评价结果具有更好的参考性。
采用了边缘计算技术,在线下体验场所的网络边缘处设置有边缘计算设备,用于对VR旅游产品选择数据和监控元数据进行预处理,从而避免了将所有数据都集中地上传至VR产品评价云平台所造成的带宽资源浪费。此外,也缩短了数据分析的时间,从而提高了VR旅游产品评价的效率。
附图说明
图1示出了本发明一个实施方式的方法流程图;
图2示出了用于执行本发明方法的VR旅游产品评价系统的框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。本发明中的“用户”是指对VR旅游产品在线下通过VR设备进行体验的人员。
如图1所示,本发明的基于大数据的VR旅游产品评价方法包括以下步骤:
S1)通过预约设备获取体验用户的VR旅游产品选择数据、用户人脸数据和用户身份信息数据,然后将其发送至边缘计算设备;
具体地,预约设备为具有通信功能和摄像头的智能设备,其包括平板电脑、笔记本电脑和预约取号机。预约设备验证用户人脸数据和用户身份信息是否一致,并将用户人脸数据和用户身份信息和VR旅游产品选择数据相关联。VR旅游产品选择数据为用户当前选择的VR旅游产品的信息,其包括VR旅游产品的名称、编号、类别、时长以及历史评分等。
S2)在用户开始体验后,通过监控摄像机获取监控元数据并将其发送至边缘计算设备;
S3)边缘计算设备根据VR旅游产品选择数据和监控元数据处理生成混合维度表征数据,该步骤包括:
S3.1)边缘计算设备的特征提取单元对监控元数据进行特征提取以生成监控特征数据,监控特征数据包括监控特征向量;
优选地,特征提取单元通过3D神经网络对监控元数据进行特征提取以生成监控特征向量。
S3.2)边缘计算设备的特征提取单元对VR旅游产品选择数据进行特征提取以生成产品特征数据,产品特征数据包括产品特征向量;
优选地,特征提取单元通过递归神经网络对VR旅游产品选择数据进行特征提取以生成产品特征向量。
S3.3)边缘计算设备的维度分析单元根据监控特征数据和产品特征数据生成混合维度表征数据。
具体地,维度分析单元通过使用随机梯度下降算法生成监控元数据的投影Pm和VR旅游产品选择数据的投影Pc,然后根据监控特征向量和产品特征向量生成胡贝尔损失函数:
其中,Pm是监控元数据的投影,M是监控特征向量,Pc是VR旅游产品选择数据的投影,C是产品特征向量;胡贝尔损失函数用于测量嵌入空间中的监控特征数据和VR旅游选择数据之间的关系。
S4)VR产品评价云平台中的建模引擎根据接收到的混合维度表征数据进行线性回归以生成产品体验模型。产品体验模型用于确定用户在完成VR旅游产品体验后体验了多长时间的VR旅游产品。
产品体验模型包括初始体验模型、完整体验模型和实际体验模型。其中,初始体验模型是指未看VR旅游产品的模型,完整体验模型是指完整看完VR旅游产品的模型,实际体验模型是指实际观看VR旅游产品的模型。
具体地,建模引擎对接收到的混合维度表征数据进行回归处理,从而生成产品体验模型。建模引擎基于一个或多个线性回归输出一个或多个产品体验模型。优选地,建模引擎进行第一线性回归以生成完整体验模型;建模引擎进行第二线性回归以生成初始体验模型;此外,建模引擎进行第三线性回归以生成实际体验模型。
S5)VR产品评价云平台中的分析评价模块根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数。
优选地,分析评价模块包括分析单元和评价单元。分析单元基于初始体验模型、完整体验模型以及实际体验模型生成距离函数。距离函数为其中,X表示实际体验模型的矢量。在计算实际体验模型与初始体验模型的距离时,Y表示初始体验模型的矢量。此外,在计算实际体验模型与完整体验模型的距离时,Y表示完整体验模型的矢量。
分析单元根据距离函数分别计算实际体验模型与初始体验模型的距离和实际体验模型与完整体验模型的距离。评价单元将距离归一化为实际值分数,从而生成VR旅游产品的分数。因此,如果实际体验模型与初始体验模型之间的距离较短,则该VR旅游产品的得分相对较低;如果实际体验模型与完整体验模型之间的距离较短,则该VR旅游产品的得分相对较高。
本发明能够快速有效的对VR旅游产品的评价标准进行统一,从而提升评价结论的参考性。与依赖于体验用户反馈的现有评价系统不同,本发明能够将VR产品自动评价过程中的多个维度的数据进行有效处理分析,根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数,评价结果具有更好的参考性。本发明简化了用户反馈流程,能够自动生成多种评价结论,有效提高了单位时间的效率,避免了通过人工收集用户反馈等方式造成的人力、物力的浪费。
此外,在线下体验场所的网络边缘处设置有边缘计算设备,用于对VR旅游产品选择数据和监控元数据进行预处理,从而避免了将所有数据都集中地上传至VR产品评价云平台所造成的带宽资源浪费。此外,也缩短了数据分析的时间,从而提高了VR旅游产品评价的效率。
在另一个实施例中,分析单元将实际体验模型与初始体验模型和完整体验模型中的每一个进行比较,以确定用户体验了多长时间。评价单元基于前述比较信息生成VR旅游产品的分数,这种情况下,分数值为0到1之间的分数。
评价单元在获得多个VR旅游产品的分数之后,根据分数来生成一个VR旅游产品的排名。可选地,评价单元基于VR旅游产品分数生成有关该VR旅游产品的评价数据。评价数据可以根据客户的年龄而变化。例如,可以生成包括针对青年年龄组的最流行旅游产品列表,也可以生成针对中年年龄组的旅游产品偏好列表。此外,评价数据可以基于VR旅游产品的分数。例如,可以根据VR旅游产品的分数来进行排名,生成最受欢迎旅游产品列表。
如图2所示,用于执行本发明方法的VR旅游产品评价系统包括VR体验设备、预约设备、监控摄像机、边缘计算设备和VR产品评价云平台。预约设备与每个VR体验设备均具有通信连接,并且预约设备还与边缘计算设备具有通信连接。边缘计算设备设置在线下体验场所的网络边缘处,线下体验场所包括预约设备、监控摄像机、VR体验设备和边缘计算设备。边缘计算设备还分别与监控摄像机和VR产品评价云平台具有通信连接。
VR产品评价云平台包括相互间具有通信连接的建模引擎、分析评价模块和数据库。边缘计算设备包括相互连接的特征提取单元和维度分析单元。VR体验设备用于播放VR旅游产品。
预约设备用于获取体验用户的VR旅游产品选择数据、用户人脸数据和用户身份信息数据,然后将其发送至边缘计算设备;预约设备还用于验证用户人脸数据和用户身份信息是否一致,并将用户人脸数据和用户身份信息和VR旅游产品选择数据相关联。预约设备包括平板电脑、笔记本电脑和预约取号机等具有通信功能和摄像头的智能设备。
边缘计算设备用于根据VR旅游产品选择数据和监控元数据处理生成混合维度表征数据,并将其发送至VR产品评价云平台。此外,边缘计算设备还能够接收VR产品评价云平台发送的评价数据。或者,边缘计算设备能够发送查询请求至VR产品评价云平台,从而查询VR旅游产品的历史评价数据。
特征提取单元用于在接收到VR旅游产品选择数据后对VR旅游产品选择数据进行特征提取以生成产品特征数据,产品特征数据包括产品特征向量。优选地,特征提取单元通过递归神经网络对VR旅游产品选择数据进行特征提取以生成产品特征向量。
特征提取单元还用于在接收到监控元数据后对监控元数据进行特征提取以生成监控特征数据,监控特征数据包括监控特征向量。优选地,特征提取单元通过3D神经网络对监控元数据进行特征提取并生成监控特征向量。
维度分析单元用于根据监控特征数据和产品特征数据生成混合维度表征数据。具体地,维度分析单元通过使用随机梯度下降算法生成监控元数据的投影Pm和VR旅游产品选择数据的投影Pc,然后根据监控特征向量和产品特征向量生成胡贝尔损失函数:
其中,Pm是监控元数据的投影,M是监控特征向量,Pc是VR旅游产品选择数据的投影,C是产品特征向量;胡贝尔损失函数用于测量嵌入空间中的监控特征数据和VR旅游选择数据之间的关系。
对于胡贝尔损失来说,δ的选择十分重要,它决定了模型处理局外点的行为。当残差大于δ时使用L1损失,残差δ很小时则使用更为合适的L2损失来进行优化。现有技术中通常仅采用均方误差损失进行处理。
胡贝尔损失函数克服了均方误差损失和平均绝对误差损失的缺点,不仅可以保持损失函数具有连续的导数,同时可以利用均方误差梯度随误差减小的特性来得到更精确的最小值,也对局外点具有更好的鲁棒性。在经过多次迭代训练后,在本发明的该实施方式中,当δ取1.5时效果最佳。
VR产品评价云平台中的建模引擎根据接收到的混合维度表征数据进行线性回归以生成产品体验模型。产品体验模型用于确定用户在完成VR旅游产品体验后体验了多长时间的VR旅游产品。
产品体验模型包括初始体验模型、完整体验模型和实际体验模型。其中,初始体验模型是指未看VR旅游产品的模型,完整体验模型是指完整看完VR旅游产品的模型,实际体验模型是指实际观看VR旅游产品的模型。
具体地,建模引擎对接收到的混合维度表征数据进行回归处理,从而生成产品体验模型。建模引擎基于一个或多个线性回归输出一个或多个产品体验模型。优选地,建模引擎进行第一线性回归以生成完整体验模型;建模引擎进行第二线性回归以生成初始体验模型;此外,建模引擎进行第三线性回归以生成实际体验模型。
分析评价模块根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数。具体地,分析评价模块包括:分析单元和评价单元。分析单元基于初始体验模型、完整体验模型以及实际体验模型生成距离函数。距离函数为其中,X表示实际体验模型的矢量。在计算实际体验模型与初始体验模型的距离时,Y表示初始体验模型的矢量。此外,在计算实际体验模型与完整体验模型的距离时,Y表示完整体验模型的矢量。
分析单元根据距离函数分别计算实际体验模型与初始体验模型的距离和实际体验模型与完整体验模型的距离。评价单元将距离归一化为实际值分数,从而生成VR旅游产品的分数。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于大数据的VR旅游产品评价方法,其特征在于,包括以下步骤:
S1)通过预约设备获取体验用户的VR旅游产品选择数据、用户人脸数据和用户身份信息数据,然后将其发送至边缘计算设备;
S2)在用户开始体验后,通过监控摄像机获取监控元数据并将其发送至边缘计算设备;
S3)边缘计算设备根据VR旅游产品选择数据和监控元数据处理生成混合维度表征数据,该步骤包括:
S3.1)边缘计算设备的特征提取单元对监控元数据进行特征提取以生成监控特征数据,监控特征数据包括监控特征向量;
S3.2)边缘计算设备的特征提取单元对VR旅游产品选择数据进行特征提取以生成产品特征数据,产品特征数据包括产品特征向量;
S3.3)根据监控特征数据和产品特征数据生成混合维度表征数据;
S4)VR产品评价云平台中的建模引擎根据接收到的混合维度表征数据生成产品体验模型,产品体验模型用于确定用户在完成VR旅游产品体验后体验了多长时间的VR旅游产品;
S5)VR产品评价云平台中的分析评价模块根据产品体验模型和混合维度表征数据生成各类VR旅游产品的分数。
3.根据权利要求2所述的方法,其特征在于,所述产品体验模型包括初始体验模型、完整体验模型和实际体验模型,其中,初始体验模型是指未看VR旅游产品的模型,完整体验模型是指完整看完VR旅游产品的模型,实际体验模型是指实际观看VR旅游产品的模型。
4.根据权利要求3所述的方法,其特征在于,建模引擎对接收到的混合维度表征数据进行回归处理,建模引擎进行第一线性回归以生成完整体验模型;建模引擎进行第二线性回归以生成初始体验模型;建模引擎进行第三线性回归以生成实际体验模型。
5.根据权利要求1至4之一所述的方法,其特征在于,所述预约设备为具有通信功能和摄像头的智能设备,其包括平板电脑、笔记本电脑和预约取号机。
6.根据权利要求1至5之一所述的方法,其特征在于,在步骤S3.1中,特征提取单元通过3D神经网络对监控元数据进行特征提取以生成监控特征向量。
7.根据权利要求1至5之一所述的方法,其特征在于,在步骤S3.2中,特征提取单元通过递归神经网络对VR旅游产品选择数据进行特征提取以生成产品特征向量。
8.根据权利要求1至7之一所述的方法,其特征在于,所述VR产品评价云平台包括建模引擎、分析评价模块和数据库,其中,建模引擎和分析评价模块分别连接至数据库,并且建模引擎还与分析评价模块具有通信连接。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911011627.6A CN110766322B (zh) | 2019-10-23 | 2019-10-23 | 一种基于大数据的vr旅游产品评价方法 |
CN202010581883.5A CN111652526A (zh) | 2019-10-23 | 2019-10-23 | 一种vr产品分析评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911011627.6A CN110766322B (zh) | 2019-10-23 | 2019-10-23 | 一种基于大数据的vr旅游产品评价方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581883.5A Division CN111652526A (zh) | 2019-10-23 | 2019-10-23 | 一种vr产品分析评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766322A true CN110766322A (zh) | 2020-02-07 |
CN110766322B CN110766322B (zh) | 2020-12-04 |
Family
ID=69333081
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911011627.6A Active CN110766322B (zh) | 2019-10-23 | 2019-10-23 | 一种基于大数据的vr旅游产品评价方法 |
CN202010581883.5A Withdrawn CN111652526A (zh) | 2019-10-23 | 2019-10-23 | 一种vr产品分析评价方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581883.5A Withdrawn CN111652526A (zh) | 2019-10-23 | 2019-10-23 | 一种vr产品分析评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110766322B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581321A (zh) * | 2020-12-23 | 2021-03-30 | 嘉兴学院 | 一种吴越文化旅游产品用户体验测试系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578199A (zh) * | 2016-02-22 | 2016-05-11 | 北京佰才邦技术有限公司 | 虚拟现实全景多媒体处理系统、方法及客户端设备 |
CN108338799A (zh) * | 2018-01-30 | 2018-07-31 | 重庆云日创心教育科技有限公司 | 基于vr沙盘的心理评估系统及评估方法 |
CN109067822A (zh) * | 2018-06-08 | 2018-12-21 | 珠海欧麦斯通信科技有限公司 | 线上线下融合的实时混合现实城市服务实现方法及系统 |
CN109711693A (zh) * | 2018-12-18 | 2019-05-03 | 北京牡丹电子集团有限责任公司数字电视技术中心 | 一种基于虚拟现实人机交互系统的评价方法 |
CN109976521A (zh) * | 2019-03-15 | 2019-07-05 | 东风汽车集团有限公司 | 基于vr体验与大数据技术的汽车造型市调系统及方法 |
CN110069139A (zh) * | 2019-05-08 | 2019-07-30 | 上海优谦智能科技有限公司 | Vr技术实现旅游教学实践的体验系统 |
CN110266585A (zh) * | 2019-06-14 | 2019-09-20 | 长飞光纤光缆股份有限公司 | 一种基于边缘计算的全光智能工业网关 |
-
2019
- 2019-10-23 CN CN201911011627.6A patent/CN110766322B/zh active Active
- 2019-10-23 CN CN202010581883.5A patent/CN111652526A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578199A (zh) * | 2016-02-22 | 2016-05-11 | 北京佰才邦技术有限公司 | 虚拟现实全景多媒体处理系统、方法及客户端设备 |
CN108338799A (zh) * | 2018-01-30 | 2018-07-31 | 重庆云日创心教育科技有限公司 | 基于vr沙盘的心理评估系统及评估方法 |
CN109067822A (zh) * | 2018-06-08 | 2018-12-21 | 珠海欧麦斯通信科技有限公司 | 线上线下融合的实时混合现实城市服务实现方法及系统 |
CN109711693A (zh) * | 2018-12-18 | 2019-05-03 | 北京牡丹电子集团有限责任公司数字电视技术中心 | 一种基于虚拟现实人机交互系统的评价方法 |
CN109976521A (zh) * | 2019-03-15 | 2019-07-05 | 东风汽车集团有限公司 | 基于vr体验与大数据技术的汽车造型市调系统及方法 |
CN110069139A (zh) * | 2019-05-08 | 2019-07-30 | 上海优谦智能科技有限公司 | Vr技术实现旅游教学实践的体验系统 |
CN110266585A (zh) * | 2019-06-14 | 2019-09-20 | 长飞光纤光缆股份有限公司 | 一种基于边缘计算的全光智能工业网关 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581321A (zh) * | 2020-12-23 | 2021-03-30 | 嘉兴学院 | 一种吴越文化旅游产品用户体验测试系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111652526A (zh) | 2020-09-11 |
CN110766322B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11659050B2 (en) | Discovering signature of electronic social networks | |
CN111652659B (zh) | 基于大数据的vr产品评价系统 | |
CN109710691B (zh) | 一种基于深度学习的混合区块链模型构建方法 | |
CN109670546B (zh) | 一种基于预设模板的商品匹配及数量回归识别算法 | |
CN104573706A (zh) | 一种物体图像识别方法及其系统 | |
CN110956527A (zh) | 一种智能分析客户装修需求匹配服务商的平台系统 | |
CN109471981B (zh) | 评论信息排序方法、装置、服务器及存储介质 | |
CN114140999B (zh) | 一种基于物联网通信的工程监理系统 | |
CN116168490B (zh) | 基于物联网的自动洗车远程交互系统及其控制方法 | |
CN110766322B (zh) | 一种基于大数据的vr旅游产品评价方法 | |
CN110334620A (zh) | 教学质量的评估方法、装置、存储介质及电子设备 | |
CN111597361B (zh) | 多媒体数据处理方法、装置、存储介质及设备 | |
CN112215509A (zh) | 资源参数的确定方法、装置及设备 | |
CN115472053A (zh) | 电力安全工器具实物虚拟化方法及装置 | |
CN113705763B (zh) | 一种基于神经计算棒的配网变压器实时检测方法及系统 | |
CN112884538A (zh) | 物品推荐的方法和装置 | |
CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其系统 | |
CN116630543B (zh) | 基于bs架构的三维实景一站式处理平台 | |
KR102674433B1 (ko) | 라이브커머스 방송 관리방법 및 시스템 | |
CN112990548B (zh) | 位置点确定方法、装置、电子设备和可读存储介质 | |
CN107798124A (zh) | 基于预测建模技术的搜索系统及方法 | |
CN117993677A (zh) | 测试任务的分配方法及装置 | |
CN117726396A (zh) | 空调的购买推荐方法、装置、存储介质及服务器 | |
CN114827153A (zh) | 边缘计算协同系统中边缘服务器的选择方法、装置和系统 | |
CN116126567A (zh) | 设备检测方法以及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201109 Address after: 404600 2nd floor, No. 64, Xianzheng Road, Yong'an street, Fengjie County, Chongqing Applicant after: Chongqing Chijia Tourism Culture Creative Development Group Co., Ltd Address before: 610000 No. 134, No. 2 Tanghu East Road, Dongsheng Street, Shuangliu District, Chengdu City, Sichuan Province Applicant before: SICHUAN CHUANGKE ZHIJIA TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |