CN111652659A - 基于大数据的vr产品评价系统 - Google Patents
基于大数据的vr产品评价系统 Download PDFInfo
- Publication number
- CN111652659A CN111652659A CN202010583214.1A CN202010583214A CN111652659A CN 111652659 A CN111652659 A CN 111652659A CN 202010583214 A CN202010583214 A CN 202010583214A CN 111652659 A CN111652659 A CN 111652659A
- Authority
- CN
- China
- Prior art keywords
- product
- data
- experience model
- experience
- monitoring
- 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 77
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000000605 extraction Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 43
- 238000012417 linear regression Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 16
- 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
- 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
- 238000010586 diagram 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (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产品评价系统，其包括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；监控摄像机获取监控元数据并将其发送至边缘计算设备；边缘计算设备包括特征提取单元和维度分析单元，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；VR产品评价云平台包括建模引擎、分析评价模块和数据库；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；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。
Description
本发明为原申请号为201911011626.1、原申请日为2019年10月23日、原发明名称为一种VR旅游产品评价系统的分案申请。
技术领域
本发明涉及大数据及VR产品分析领域，尤其涉及一种基于大数据的VR产品评价系统。
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VR旅游产品评价系统，其包括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，其中，预约设备分别与VR体验设备、边缘计算设备具有通信连接，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；
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；
监控摄像机获取监控元数据并将其发送至边缘计算设备；
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，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；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；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；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；
VR产品评价云平台包括建模引擎、分析评价模块和数据库，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；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；
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，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，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，δ为残差；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，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。
根据一个优选实施方式，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，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，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。
根据一个优选实施方式，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；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示意性示出了本发明的VR旅游产品评价系统的结构框图。
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。
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；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。
下面进一步说明本发明的工作原理。利用本发明的系统对VR旅游产品进行评价时包括以下步骤：
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。
具体地，分析评价模块包括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。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。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。
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。
可选地，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。
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 (10)
1.一种基于大数据的VR产品评价系统，其特征在于，其包括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，其中，预约设备分别与VR体验设备、边缘计算设备具有通信连接，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；
所述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；
所述监控摄像机用于获取监控元数据并将其发送至边缘计算设备；
所述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，所述边缘计算设备根据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；
VR产品评价云平台包括建模引擎、分析评价模块和数据库，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；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；
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，其中，
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。
2.根据权利要求1所述的系统，其特征在于，所述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。
3.根据权利要求2所述的系统，其特征在于，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；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。
4.根据权利要求3所述的系统，其特征在于，所述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。
5.根据权利要求1至4之一所述的系统，其特征在于，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；
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；
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；
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。
6.根据权利要求1至5之一所述的系统，其特征在于，维度分析单元通过使用随机梯度下降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，δ为残差；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。
7.根据权利要求1至6之一所述的系统，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。
8.根据权利要求7所述的系统，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。
9.根据权利要求8所述的系统，其特征在于，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。
10.根据权利要求9所述的系统，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010583214.1A CN111652659B (zh) | 2019-10-23 | 2019-10-23 | 基于大数据的vr产品评价系统 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010583214.1A CN111652659B (zh) | 2019-10-23 | 2019-10-23 | 基于大数据的vr产品评价系统 |
| CN201911011626.1A CN110728548B (zh) | 2019-10-23 | 2019-10-23 | 一种vr旅游产品评价系统 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911011626.1A Division CN110728548B (zh) | 2019-10-23 | 2019-10-23 | 一种vr旅游产品评价系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111652659A true CN111652659A (zh) | 2020-09-11 |
| CN111652659B CN111652659B (zh) | 2021-05-21 |
Family
ID=69221884
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010615644.7A Withdrawn CN111667322A (zh) | 2019-10-23 | 2019-10-23 | 一种vr产品评价云平台 |
| CN201911011626.1A Active CN110728548B (zh) | 2019-10-23 | 2019-10-23 | 一种vr旅游产品评价系统 |
| CN202010583214.1A Active CN111652659B (zh) | 2019-10-23 | 2019-10-23 | 基于大数据的vr产品评价系统 |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010615644.7A Withdrawn CN111667322A (zh) | 2019-10-23 | 2019-10-23 | 一种vr产品评价云平台 |
| CN201911011626.1A Active CN110728548B (zh) | 2019-10-23 | 2019-10-23 | 一种vr旅游产品评价系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN111667322A (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111967304A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 基于边缘计算的获取物品信息方法、装置和结算台 |
| 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 |
| CN113538036A (zh) * | 2021-06-04 | 2021-10-22 | 深圳市英创艾伦智能科技有限公司 | 5g、ai边缘计算、物联网的数字化管理系统及方法和装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108074167A (zh) * | 2017-11-17 | 2018-05-25 | 浙江数联云集团有限公司 | 一种具有临在感体验的数字场景店铺的实现与方法 |
| WO2018205643A1 (zh) * | 2017-05-08 | 2018-11-15 | 华为技术有限公司 | Vr多媒体的体验质量确定方法及装置 |
| CN109308696A (zh) * | 2018-09-14 | 2019-02-05 | 西安电子科技大学 | 基于层级特征融合网络的无参考图像质量评价方法 |
| CN208654850U (zh) * | 2018-08-02 | 2019-03-26 | 贵州中信宏业科技股份有限公司 | 一种智慧旅游管理系统 |
| US20190180448A1 (en) * | 2017-12-12 | 2019-06-13 | Korea Advanced Institute Of Science And Technology | Vr content sickness evaluating apparatus using deep learning analysis of motion mismatch and method thereof |
| 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 |
| CN110264285A (zh) * | 2019-06-28 | 2019-09-20 | 佛山石湾鹰牌陶瓷有限公司 | 一种瓷砖产品展销终端设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160300392A1 (en) * | 2015-04-10 | 2016-10-13 | VR Global, Inc. | Systems, media, and methods for providing improved virtual reality tours and associated analytics |
| CN105429989A (zh) * | 2015-12-01 | 2016-03-23 | 上海斐讯数据通信技术有限公司 | 虚拟现实设备的模拟旅游方法及系统 |
| CN106779935A (zh) * | 2016-12-07 | 2017-05-31 | 段赟 | 一种利用虚拟现实技术实现网购中了解商品的系统 |
| CN106780185A (zh) * | 2017-01-13 | 2017-05-31 | 厦门轻游信息科技有限公司 | 一种基于vr设备的智慧旅游系统 |
| CN206975711U (zh) * | 2017-06-12 | 2018-02-06 | 任我游（厦门）科技发展有限公司 | 智慧旅游门店体验式交易系统 |
| CN108509843B (zh) * | 2018-02-06 | 2022-01-28 | 重庆邮电大学 | 一种基于加权的Huber约束稀疏编码的人脸识别方法 |
| CN108803868A (zh) * | 2018-04-13 | 2018-11-13 | 北京诺亦腾科技有限公司 | 一种vr场景体验舱数据采集方法及装置 |
| CN109308567A (zh) * | 2018-08-14 | 2019-02-05 | 广州广之旅国际旅行社股份有限公司 | 一种旅游产品全维度服务评价系统与方法 |
| CN109343942B (zh) * | 2018-09-03 | 2020-11-03 | 北京邮电大学 | 基于边缘计算网络的任务调度方法 |
-
2019
- 2019-10-23 CN CN202010615644.7A patent/CN111667322A/zh not_active Withdrawn
- 2019-10-23 CN CN201911011626.1A patent/CN110728548B/zh active Active
- 2019-10-23 CN CN202010583214.1A patent/CN111652659B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018205643A1 (zh) * | 2017-05-08 | 2018-11-15 | 华为技术有限公司 | Vr多媒体的体验质量确定方法及装置 |
| CN108074167A (zh) * | 2017-11-17 | 2018-05-25 | 浙江数联云集团有限公司 | 一种具有临在感体验的数字场景店铺的实现与方法 |
| US20190180448A1 (en) * | 2017-12-12 | 2019-06-13 | Korea Advanced Institute Of Science And Technology | Vr content sickness evaluating apparatus using deep learning analysis of motion mismatch and method thereof |
| CN208654850U (zh) * | 2018-08-02 | 2019-03-26 | 贵州中信宏业科技股份有限公司 | 一种智慧旅游管理系统 |
| CN109308696A (zh) * | 2018-09-14 | 2019-02-05 | 西安电子科技大学 | 基于层级特征融合网络的无参考图像质量评价方法 |
| 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 |
| CN110264285A (zh) * | 2019-06-28 | 2019-09-20 | 佛山石湾鹰牌陶瓷有限公司 | 一种瓷砖产品展销终端设备 |
Non-Patent Citations (2)
| Title |
|---|
| LINGQING ZHU: "Design and Evaluation of the Mental Relaxation VR Scenes Using Forehead EEG Features", 《2019 IEEE MTT-S INTERNATIONAL MICROWAVE BIOMEDICAL CONFERENCE (IMBIOC)》 * |
| 王洪艳: "虚拟显示产品的用户体验评价方法的探讨", 《科技创新导报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110728548B (zh) | 2020-12-01 |
| CN111667322A (zh) | 2020-09-15 |
| CN110728548A (zh) | 2020-01-24 |
| CN111652659B (zh) | 2021-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN110956527A (zh) | 一种智能分析客户装修需求匹配服务商的平台系统 | |
| CN114140999B (zh) | 一种基于物联网通信的工程监理系统 | |
| CN109471981B (zh) | 评论信息排序方法、装置、服务器及存储介质 | |
| CN106548428A (zh) | 一种验房方法、验房师端、用户端和验房系统 | |
| 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 | |
| Qiu et al. | Crowdeval: A cost-efficient strategy to evaluate crowdsourced worker's reliability | |
| CN110334620A (zh) | 教学质量的评估方法、装置、存储介质及电子设备 | |
| CN117649207A (zh) | 一种建筑施工管理系统 | |
| 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 | |
| CN113256392A (zh) | 一种基于ar的瓷砖换块装修展示方法、系统和可读存储介质 | |
| CN112434653A (zh) | 一种遥感图像建筑区检测方法及系统 | |
| CN112884538A (zh) | 物品推荐的方法和装置 | |
| CN109389782A (zh) | 一种基于无人值守商店的销售方法及系统 | |
| CN116630543B (zh) | 基于bs架构的三维实景一站式处理平台 | |
| KR102635926B1 (ko) | 시설물의 균열 계측 시스템 | |
| CN111311357B (zh) | 一种房屋交易信息管理方法及系统 | |
| CN107798124A (zh) | 基于预测建模技术的搜索系统及方法 | |
| CN112990548B (zh) | 位置点确定方法、装置、电子设备和可读存储介质 | |
| US20230027774A1 (en) | Smart real estate evaluation system | |
| CN117993677A (zh) | 测试任务的分配方法及装置 |
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: 20210507 Address after: Room 604-05, 6th floor, 109 Hexing Road, Nangang District, Harbin City, Heilongjiang Province Applicant after: Harbin Guanke Network Technology Co.,Ltd. Address before: No.134, Section 2, Tanghu East Road, Dongsheng Street, Shuangliu District, Chengdu, Sichuan 610000 Applicant before: SICHUAN CHUANGKE ZHIJIA TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: VR product evaluation system based on big data Effective date of registration: 20220110 Granted publication date: 20210521 Pledgee: Harbin Kechuang Financing Guarantee Co.,Ltd. Pledgor: Harbin Guanke Network Technology Co.,Ltd. Registration number: Y2022230000006 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230113 Granted publication date: 20210521 Pledgee: Harbin Kechuang Financing Guarantee Co.,Ltd. Pledgor: Harbin Guanke Network Technology Co.,Ltd. Registration number: Y2022230000006 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: VR product evaluation system based on big data Effective date of registration: 20230117 Granted publication date: 20210521 Pledgee: Harbin Kechuang Financing Guarantee Co.,Ltd. Pledgor: Harbin Guanke Network Technology Co.,Ltd. Registration number: Y2023230000018 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231122 Granted publication date: 20210521 Pledgee: Harbin Kechuang Financing Guarantee Co.,Ltd. Pledgor: Harbin Guanke Network Technology Co.,Ltd. Registration number: Y2023230000018 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A VR Product Evaluation System Based on Big Data Effective date of registration: 20231205 Granted publication date: 20210521 Pledgee: Harbin Kechuang Financing Guarantee Co.,Ltd. Pledgor: Harbin Guanke Network Technology Co.,Ltd. Registration number: Y2023230000099 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |