CN113255052A - 一种基于虚拟现实的家装方案推荐方法、系统及存储介质 - Google Patents
一种基于虚拟现实的家装方案推荐方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113255052A CN113255052A CN202110777519.0A CN202110777519A CN113255052A CN 113255052 A CN113255052 A CN 113255052A CN 202110777519 A CN202110777519 A CN 202110777519A CN 113255052 A CN113255052 A CN 113255052A
- Authority
- CN
- China
- Prior art keywords
- user
- home decoration
- information
- data
- scheme
- 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
- 238000005034 decoration Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005065 mining Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 230000006399 behavior Effects 0.000 claims description 54
- 230000002452 interceptive effect Effects 0.000 claims description 40
- 230000003993 interaction Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 13
- 230000004069 differentiation Effects 0.000 abstract description 3
- 230000008447 perception Effects 0.000 description 10
- 230000035807 sensation Effects 0.000 description 8
- 235000019615 sensations Nutrition 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000019613 sensory perceptions of taste Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000035923 taste sensation Effects 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Architecture (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开的一种基于虚拟现实的家装方案推荐方法、系统及存储介质,涉及家装方案推荐领域,其中家装方案推荐方法包括:获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;收集目标用户在家装网站中相关的用户行为信息,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;根据所述用户偏好模型为目标用户提供个性化家装方案推荐;同时将所述家装方案通过所述三维模型进行显示与模拟。在模拟过程中,本发明根据偏好信息为目标用户提供个性化推荐,根据目标用户的建议对家装方案进行调整修改,满足了用户在进行家装方案选择时候的差异化需求。
Description
技术领域
本发明涉及一种家装方案推荐方法,更具体的,涉及一种基于虚拟现实的家装方案推荐方法、系统及存储介质。
背景技术
随着计算机技术、人工智能的发展,颠覆了人们对传统生活的认知,也使得他们对生活便利性的需求逐步增加,随着虚拟现实技术的飞速发展,人们对于便利生活的需求是越来越迫切。同时,随着人们对家装系统的需求日益增多,而传统的家装效果展示工具多为软件系统,在使用过程中有繁琐的安装激活步骤,并且界面分辨率低,展示效果不直观,加上传统家装系统并不能根据用户的偏好进行家装方案的推荐。所以,越来越多的传统家装行业开始往信息化、智能化方面转型。
为了实现家装方案的精准推荐及方案的实景展示,需要开发一款系统进行匹配,该系统获取目标房屋的户型及面积信息,通过三维重建生成目标房屋三维模型;收集目标用户在家装网站中相关的用户行为信息,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;根据所述用户偏好模型为目标用户提供个性化家装方案推荐;同时将所述家装方案通过所述三维模型进行显示与模拟。在系统实现过程中如何建立用户偏好模型实现个性化推荐以及如何通过虚拟现实技术实现家装方案的模拟都是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种基于虚拟现实的家装方案推荐方法、系统及可读存储介质。
本发明第一方面提供了一种基于虚拟现实的家装方案推荐方法,包括:
获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;
获取目标用户在家装网站上与项目的交互信息,将所述交互信息进行聚类,生成交互信息集合;
提取所述交互信息集合的特征,预设属性取值范围,根据所述特征及属性取值范围限定交互信息集合的属性集合;
将不同属性集合的交互信息集合的语义联系表示为映射关系,并将所述映射关系进行存储,生成用户行为信息序列;
在所述用户行为信息序列中结合时间变化因素生成用户行为信息时序序列;
对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;
根据所述用户偏好模型为目标用户提供个性化家装方案推荐;
同时将所述家装方案通过所述三维模型进行显示与模拟。
本方案中,所述的将所得信息进行预处理,通过三维重建生成目标房屋三维模型,其中运用体素建模生成目标房屋三维模型,具体为:
测量目标房屋的面积信息,通过绘图软件获得目标房屋的二维户型图;
将所述二维户型图进行图像滤波及图像分割,通过视觉转换实现坐标系的转换;
计算体素的不透明度及色彩度,按照图像空间完成累加,生成目标房屋的三维模型。
本方案中,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,具体为:
根据不同时间区间提取所述用户行为信息时序序列中目标用户的交互信息,基于异构数据的映射规则构建每个时间区间的交互数据网络;
通过所述交互数据网络建立用户偏好模型;
初始化所述用户偏好模型,根据所述交互数据网络及目标用户个人数据建立用户-方案数据网络序列;
获取第n个时间区间及第n+1个时间区间的用户-方案数据网络,感知得到所述用户-方案数据网络的数据变化;
采用集合相似度的方法计算得到相似度最高的数据变化模式;
将所述相似度最高的数据变化模式对应的家装方案作为推荐结果。
本方案中,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,其中用户偏好程度通过不同时间区间的数据相似度进行表示,所述相似度的计算公式具体为:
本方案中,还包括:
根据目标用户的需求生成需求标签,通过所述需求标签捕捉用户-方案数据网络中的需求数据集合;
通过所述需求数据集合生成偏好特征,根据所述偏好特征确定相似度阈值区间;
通过用户-方案数据网络中数据集合的数据变化得到相似度,将落在所述相似度阈值区间中的数据集合作为需求数据集合;
获取目标房屋结构信息,根据所述结构信息得到承重墙位置信息;
根据所述需求数据集合及所述承重墙位置信息确定房屋布局,同时根据所述需求数据集合生成需求家装方案。
本方案中,将所述家装方案通过所述三维模型进行显示与模拟,还包括:
通过用户偏好模型生成目标用户的个性化推荐家装方案;
根据目标用户的反馈信息计算目标用户对所述家装方案的满意度,并预设满意度阈值;
当所述满意度小于所述满意度阈值,根据所述用户偏好模型重新推荐家装方案;
当所述满意度大于所述满意度阈值,通过目标用户的反馈信息生成家装方案更新信息,同时根据所述家装方案更新信息生成修正信息;
将所述修正信息反馈到虚拟现实场景,同时按照方案更新信息进行模拟空间内的反向修正,模拟更新后的家装方案。
本发明第二方面还提供了一种基于虚拟现实的家装方案推荐系统,该系统包括:存储器、处理器,所述存储器中包括一种基于虚拟现实的家装方案推荐方法程序,所述一种基于虚拟现实的家装方案推荐方法程序被所述处理器执行时实现如下步骤:
获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;
获取目标用户在家装网站上与项目的交互信息,将所述交互信息进行聚类,生成交互信息集合;
提取所述交互信息集合的特征,预设属性取值范围,根据所述特征及属性取值范围限定交互信息集合的属性集合;
将不同属性集合的交互信息集合的语义联系表示为映射关系,并将所述映射关系进行存储,生成用户行为信息序列;
在所述用户行为信息序列中结合时间变化因素生成用户行为信息时序序列;
对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;
根据所述用户偏好模型为目标用户提供个性化家装方案推荐;
同时将所述家装方案通过所述三维模型进行显示与模拟。
本方案中,所述的将所得信息进行预处理,通过三维重建生成目标房屋三维模型,其中运用体素建模生成目标房屋三维模型,具体为:
测量目标房屋的面积信息,通过绘图软件获得目标房屋的二维户型图;
将所述二维户型图进行图像滤波及图像分割,通过视觉转换实现坐标系的转换;
计算体素的不透明度及色彩度,按照图像空间完成累加,生成目标房屋的三维模型。
本方案中,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,具体为:
根据不同时间区间提取所述用户行为信息时序序列中目标用户的交互信息,基于异构数据的映射规则构建每个时间区间的交互数据网络;
通过所述交互数据网络建立用户偏好模型;
初始化所述用户偏好模型,根据所述交互数据网络及目标用户个人数据建立用户-方案数据网络序列;
获取第n个时间区间及第n+1个时间区间的用户-方案数据网络,感知得到所述用户-方案数据网络的数据变化;
采用集合相似度的方法计算得到相似度最高的数据变化模式;
将所述相似度最高的数据变化模式对应的家装方案作为推荐结果。
本方案中,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,其中用户偏好程度通过不同时间区间的数据相似度进行表示,所述相似度的计算公式具体为:
本方案中,还包括:
根据目标用户的需求生成需求标签,通过所述需求标签捕捉用户-方案数据网络中的需求数据集合;
通过所述需求数据集合生成偏好特征,根据所述偏好特征确定相似度阈值区间;
通过用户-方案数据网络中数据集合的数据变化得到相似度,将落在所述相似度阈值区间中的数据集合作为需求数据集合;
获取目标房屋结构信息,根据所述结构信息得到承重墙位置信息;
根据所述需求数据集合及所述承重墙位置信息确定房屋布局,同时根据所述需求数据集合生成需求家装方案。
本方案中,将所述家装方案通过所述三维模型进行显示与模拟,还包括:
通过用户偏好模型生成目标用户的个性化推荐家装方案;
根据目标用户的反馈信息计算目标用户对所述家装方案的满意度,并预设满意度阈值;
当所述满意度小于所述满意度阈值,根据所述用户偏好模型重新推荐家装方案;
当所述满意度大于所述满意度阈值,通过目标用户的反馈信息生成家装方案更新信息,同时根据所述家装方案更新信息生成修正信息;
将所述修正信息反馈到虚拟现实场景,同时按照方案更新信息进行模拟空间内的反向修正,模拟更新后的家装方案。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括一种基于虚拟现实的家装方案推荐方法程序,所述一种基于虚拟现实的家装方案推荐方法程序被处理器执行时,实现如上述任一项所述的一种基于虚拟现实的家装方案推荐方法的步骤。
本发明公开的一种基于虚拟现实的家装方案推荐方法、系统及存储介质,包括:获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;收集目标用户在家装网站中相关的用户行为信息,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;根据所述用户偏好模型为目标用户提供个性化家装方案推荐;同时将所述家装方案通过所述三维模型进行显示与模拟;并在模拟过程中,本发明还可以根据目标用户的建议对家装方案进行调整修改。本发明在实现过程中利用目标用户的个人数据及在家装网站的交互信息追溯目标用户的偏好信息,根据偏好信息为目标用户提供个性化推荐,同时满足了用户在进行家装方案选择时候的差异化需求,同时通过对推荐家装方案的修正提高了推荐任务的准确性,改善了目标用户的体验。
附图说明
图1示出了本发明一种基于虚拟现实的家装方案推荐方法的流程图;
图2示出了本发明收集目标用户在家装网站中相关的用户行为信息的方法流程图;
图3示出了本发明通过修正信息对虚拟现实场景进行反向修正的方法流程图;
图4示出了本发明一种基于虚拟现实的家装方案推荐系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于虚拟现实的家装方案推荐方法的流程图。
如图1所示,本发明第一方面提供了一种基于虚拟现实的家装方案推荐方法,包括:
S102,获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;
S104,获取目标用户在家装网站上与项目的交互信息,将所述交互信息进行聚类,生成交互信息集合;
S106,提取所述交互信息集合的特征,预设属性取值范围,根据所述特征及属性取值范围限定交互信息集合的属性集合;
S108,将不同属性集合的交互信息集合的语义联系表示为映射关系,并将所述映射关系进行存储,生成用户行为信息序列;
S110,在所述用户行为信息序列中结合时间变化因素生成用户行为信息时序序列;
S112,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;
S114,根据所述用户偏好模型为目标用户提供个性化家装方案推荐;
S116,同时将所述家装方案通过所述三维模型进行显示与模拟。
需要说明的是,虚拟现实技术主要包括模拟环境、感知、自然技能和传感设备等方面。模拟环境是由计算机生成的、实时动态的三维立体逼真图像。感知是指理想的VR应该具有一切人所具有的感知。除计算机图形技术所生成的视觉感知外,还有听觉、触觉、力觉、运动等感知,甚至还包括嗅觉和味觉等,也称为多感知;在目标房屋的虚拟设计中包括户型的虚拟设计、户型的虚拟装修、户型的软装修;户型的虚拟设计通过绘制墙体,连接不同的墙体,并通过寻找闭合的多边形来形成房间,户型的虚拟装修主要是通过纹理映射等方案对墙体、地板等部分实现装修,户型的软装修包括家具的风格挑选、添加及位置摆放;使用虚拟现实设备来进行人机交互,让用户沉浸在场景中进行漫游,将用户、环境有机的结合成一个整体;模拟空间能够是根据虚拟现实场景选择对应的平台,根据平台的大小对目标房屋进行等比例缩小或放大。
需要说明的是,所述的将所得信息进行预处理,通过三维重建生成目标房屋三维模型,其中运用体素建模生成目标房屋三维模型,具体为:
测量目标房屋的面积信息,通过绘图软件获得目标房屋的二维户型图;
将所述二维户型图进行图像滤波及图像分割,通过视觉转换实现坐标系的转换;
计算体素的不透明度及色彩度,按照图像空间完成累加,生成目标房屋的三维模型。
需要说明的是,通过所述用户行为信息时序序列将目标用户行为与家装网站数据的关系进行抽象化表示过程中,需要通过目标用户交互信息的保护措施,避免所述交互信息的滥用。避免交互信息的滥用需要制定隐私策略,当系统请求访问目标用户的个人数据时,会向目标用户发送是否开放全部或部分个人数据供系统访问,等待目标用户同意授权后,系统即可访问目标用户个人数据;同时,在准许系统访问目标用户个人数据后,应将目标用户个人数据中的个人身份信息抹除;在数据开放的过程中,还可对个人数据使用权限的规则进行设置,包括限定数据开放的时间,是否可以编辑目标用户个人数据等。
图2示出了本发明对用户行为信息进行挖掘分析并建立用户偏好模型的方法流程图。
根据本发明实施例,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,具体为:
S202,根据不同时间区间提取所述用户行为信息时序序列中目标用户的交互信息,基于异构数据的映射规则构建每个时间区间的交互数据网络;
S204,通过所述交互数据网络建立用户偏好模型;
S206,初始化所述用户偏好模型,根据所述交互数据网络及目标用户个人数据建立用户-方案数据网络序列;
S208,获取第n个时间区间及第n+1个时间区间的用户-方案数据网络,感知得到所述用户-方案数据网络的数据变化;
S210,采用集合相似度的方法计算得到相似度最高的数据变化模式;
S212,将所述相似度最高的数据变化模式对应的家装方案作为推荐结果。
需要说明的是,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,其中用户偏好程度通过不同时间区间的数据相似度进行表示,所述相似度的计算公式具体为:
需要说明的是,本发明还包括根据目标用户的需求进行推荐任务,具体为:
根据目标用户的需求生成需求标签,通过所述需求标签捕捉用户-方案数据网络中的需求数据集合;
通过所述需求数据集合生成偏好特征,根据所述偏好特征确定相似度阈值区间;
通过用户-方案数据网络中数据集合的数据变化得到相似度,将落在所述相似度阈值区间中的数据集合作为需求数据集合;
获取目标房屋结构信息,根据所述结构信息得到承重墙位置信息;
根据所述需求数据集合及所述承重墙位置信息确定房屋布局,同时根据所述需求数据集合生成需求家装方案。
图3示出了本发明通过修正信息对虚拟现实场景进行反向修正的方法流程图。
根据本发明实施例,将所述家装方案通过所述三维模型进行显示与模拟,还包括通过修正信息对虚拟现实场景进行反向修正,具体为:
S302,通过用户偏好模型生成目标用户的个性化推荐家装方案;
S304,根据目标用户的反馈信息计算目标用户对所述家装方案的满意度,并预设满意度阈值;
S306,当所述满意度小于所述满意度阈值,根据所述用户偏好模型重新推荐家装方案;
S308,当所述满意度大于所述满意度阈值,通过目标用户的反馈信息生成家装方案更新信息,同时根据所述家装方案更新信息生成修正信息;
S310,将所述修正信息反馈到虚拟现实场景,同时按照方案更新信息进行模拟空间内的反向修正,模拟更新后的家装方案。
根据本发明实施例,还包括,在对目标用户进行推荐家装方案的过程中,系统会对家装方案进行排序,将得分高的方案作为优选方案,并将其他方案作为备选,具体为:
通过用户偏好模型获取用户-方案数据网络中的数据特征;
计算所述数据特征的权重,量化不同数据特征对推荐方案的影响程度;
预设权重阈值,判断所述权重是否小于权重阈值;
若小于,则将该数据特征从用户偏好模型中移除;
通过对比用户-方案数据网络中的数据变化的得到数据特征的相似度;
根据所述权重计算数据特征对推荐方案的贡献度,通过所述相似度及所述贡献度计算家装方案的综合得分;
根据所述综合得分对家装方案进行排序,将得分高的方案作为优选方案,并将其他方案作为备选;
同时,目标用户可对优选方案和备选方案中的任意模块进行任意组合,生成最终个性化方案。
需要说明的是,数据特征的权重计算公式,具体为:
图4示出了本发明一种基于虚拟现实的家装方案推荐系统的框图。
本发明第二方面还提供了一种基于虚拟现实的家装方案推荐系统4,该系统包括:存储器41、处理器42,所述存储器中包括一种基于虚拟现实的家装方案推荐方法程序,所述一种基于虚拟现实的家装方案推荐方法程序被所述处理器执行时实现如下步骤:
获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;
获取目标用户在家装网站上与项目的交互信息,将所述交互信息进行聚类,生成交互信息集合;
提取所述交互信息集合的特征,预设属性取值范围,根据所述特征及属性取值范围限定交互信息集合的属性集合;
将不同属性集合的交互信息集合的语义联系表示为映射关系,并将所述映射关系进行存储,生成用户行为信息序列;
在所述用户行为信息序列中结合时间变化因素生成用户行为信息时序序列;
对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;
根据所述用户偏好模型为目标用户提供个性化家装方案推荐;
同时将所述家装方案通过所述三维模型进行显示与模拟。
需要说明的是,虚拟现实技术主要包括模拟环境、感知、自然技能和传感设备等方面。模拟环境是由计算机生成的、实时动态的三维立体逼真图像。感知是指理想的VR应该具有一切人所具有的感知。除计算机图形技术所生成的视觉感知外,还有听觉、触觉、力觉、运动等感知,甚至还包括嗅觉和味觉等,也称为多感知;在目标房屋的虚拟设计中包括户型的虚拟设计、户型的虚拟装修、户型的软装修;户型的虚拟设计通过绘制墙体,连接不同的墙体,并通过寻找闭合的多边形来形成房间,户型的虚拟装修主要是通过纹理映射等方案对墙体、地板等部分实现装修,户型的软装修包括家具的风格挑选、添加及位置摆放;使用虚拟现实设备来进行人机交互,让用户沉浸在场景中进行漫游,将用户、环境有机的结合成一个整体;模拟空间能够是根据虚拟现实场景选择对应的平台,根据平台的大小对目标房屋进行等比例缩小或放大。
需要说明的是,所述的将所得信息进行预处理,通过三维重建生成目标房屋三维模型,其中运用体素建模生成目标房屋三维模型,具体为:
测量目标房屋的面积信息,通过绘图软件获得目标房屋的二维户型图;
将所述二维户型图进行图像滤波及图像分割,通过视觉转换实现坐标系的转换;
计算体素的不透明度及色彩度,按照图像空间完成累加,生成目标房屋的三维模型。
需要说明的是,通过所述用户行为信息时序序列将目标用户行为与家装网站数据的关系进行抽象化表示过程中,需要通过目标用户交互信息的保护措施,避免所述交互信息的滥用。避免交互信息的滥用需要制定隐私策略,当系统请求访问目标用户的个人数据时,会向目标用户发送是否开放全部或部分个人数据供系统访问,等待目标用户同意授权后,系统即可访问目标用户个人数据;同时,在准许系统访问目标用户个人数据后,应将目标用户个人数据中的个人身份信息抹除;在数据开放的过程中,还可对个人数据使用权限的规则进行设置,包括限定数据开放的时间,是否可以编辑目标用户个人数据等。
根据本发明实施例,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,具体为:
根据不同时间区间提取所述用户行为信息时序序列中目标用户的交互信息,基于异构数据的映射规则构建每个时间区间的交互数据网络;
通过所述交互数据网络建立用户偏好模型;
初始化所述用户偏好模型,根据所述交互数据网络及目标用户个人数据建立用户-方案数据网络序列;
获取第n个时间区间及第n+1个时间区间的用户-方案数据网络,感知得到所述用户-方案数据网络的数据变化;
采用集合相似度的方法计算得到相似度最高的数据变化模式;
将所述相似度最高的数据变化模式对应的家装方案作为推荐结果。
需要说明的是,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,其中用户偏好程度通过不同时间区间的数据相似度进行表示,所述相似度的计算公式具体为:
需要说明的是,本发明还包括根据目标用户的需求进行推荐任务,具体为:
根据目标用户的需求生成需求标签,通过所述需求标签捕捉用户-方案数据网络中的需求数据集合;
通过所述需求数据集合生成偏好特征,根据所述偏好特征确定相似度阈值区间;
通过用户-方案数据网络中数据集合的数据变化得到相似度,将落在所述相似度阈值区间中的数据集合作为需求数据集合;
获取目标房屋结构信息,根据所述结构信息得到承重墙位置信息;
根据所述需求数据集合及所述承重墙位置信息确定房屋布局,同时根据所述需求数据集合生成需求家装方案。
根据本发明实施例,将所述家装方案通过所述三维模型进行显示与模拟,还包括通过修正信息对虚拟现实场景进行反向修正,具体为:
通过用户偏好模型生成目标用户的个性化推荐家装方案;
根据目标用户的反馈信息计算目标用户对所述家装方案的满意度,并预设满意度阈值;
当所述满意度小于所述满意度阈值,根据所述用户偏好模型重新推荐家装方案;
当所述满意度大于所述满意度阈值,通过目标用户的反馈信息生成家装方案更新信息,同时根据所述家装方案更新信息生成修正信息;
将所述修正信息反馈到虚拟现实场景,同时按照方案更新信息进行模拟空间内的反向修正,模拟更新后的家装方案。
根据本发明实施例,还包括,在对目标用户进行推荐家装方案的过程中,系统会对家装方案进行排序,将得分高的方案作为优选方案,并将其他方案作为备选,具体为:
通过用户偏好模型获取用户-方案数据网络中的数据特征;
计算所述数据特征的权重,量化不同数据特征对推荐方案的影响程度;
预设权重阈值,判断所述权重是否小于权重阈值;
若小于,则将该数据特征从用户偏好模型中移除;
通过对比用户-方案数据网络中的数据变化的得到数据特征的相似度;
根据所述权重计算数据特征对推荐方案的贡献度,通过所述相似度及所述贡献度计算家装方案的综合得分;
根据所述综合得分对家装方案进行排序,将得分高的方案作为优选方案,并将其他方案作为备选;
同时,目标用户可对优选方案和备选方案中的任意模块进行任意组合,生成最终个性化方案。
需要说明的是,数据特征的权重计算公式,具体为:
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括一种基于虚拟现实的家装方案推荐方法程序,所述一种基于虚拟现实的家装方案推荐方法程序被处理器执行时,实现如上述任一项所述的一种基于虚拟现实的家装方案推荐方法的步骤。
本发明公开的一种基于虚拟现实的家装方案推荐方法、系统及存储介质,包括:获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;收集目标用户在家装网站中相关的用户行为信息,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;根据所述用户偏好模型为目标用户提供个性化家装方案推荐;同时将所述家装方案通过所述三维模型进行显示与模拟;并在模拟过程中,本发明还可以根据目标用户的建议对家装方案进行调整修改。本发明在实现过程中利用目标用户的个人数据及在家装网站的交互信息追溯目标用户的偏好信息,根据偏好信息为目标用户提供个性化推荐,同时满足了用户在进行家装方案选择时候的差异化需求,同时通过对推荐家装方案的修正提高了推荐任务的准确性,改善了目标用户的体验。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的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。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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所述权利要求的保护范围为准。
Claims (10)
1.一种基于虚拟现实的家装方案推荐方法,其特征在于,包括:
获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;
获取目标用户在家装网站上与项目的交互信息,将所述交互信息进行聚类,生成交互信息集合;
提取所述交互信息集合的特征,预设属性取值范围,根据所述特征及属性取值范围限定交互信息集合的属性集合;
将不同属性集合的交互信息集合的语义联系表示为映射关系,并将所述映射关系进行存储,生成用户行为信息序列;
在所述用户行为信息序列中结合时间变化因素生成用户行为信息时序序列;
对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;
根据所述用户偏好模型为目标用户提供个性化家装方案推荐;
同时将所述家装方案通过所述三维模型进行显示与模拟。
2.根据权利要求1所述的一种基于虚拟现实的家装方案推荐方法,其特征在于,所述的将所得信息进行预处理,通过三维重建生成目标房屋三维模型,其中运用体素建模生成目标房屋三维模型,具体为:
测量目标房屋的面积信息,通过绘图软件获得目标房屋的二维户型图;
将所述二维户型图进行图像滤波及图像分割,通过视觉转换实现坐标系的转换;
计算体素的不透明度及色彩度,按照图像空间完成累加,生成目标房屋的三维模型。
3.根据权利要求1所述的一种基于虚拟现实的家装方案推荐方法,其特征在于,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,具体为:
根据不同时间区间提取所述用户行为信息时序序列中目标用户的交互信息,基于异构数据的映射规则构建每个时间区间的交互数据网络;
通过所述交互数据网络建立用户偏好模型;
初始化所述用户偏好模型,根据所述交互数据网络及目标用户个人数据建立用户-方案数据网络序列;
获取第n个时间区间及第n+1个时间区间的用户-方案数据网络,感知得到所述用户-方案数据网络的数据变化;
采用集合相似度的方法计算得到相似度最高的数据变化模式;
将所述相似度最高的数据变化模式对应的家装方案作为推荐结果。
5.根据权利要求3所述的一种基于虚拟现实的家装方案推荐方法,其特征在于,还包括:
根据目标用户的需求生成需求标签,通过所述需求标签捕捉用户-方案数据网络中的需求数据集合;
通过所述需求数据集合生成偏好特征,根据所述偏好特征确定相似度阈值区间;
通过用户-方案数据网络中数据集合的数据变化得到相似度,将落在所述相似度阈值区间中的数据集合作为需求数据集合;
获取目标房屋结构信息,根据所述结构信息得到承重墙位置信息;
根据所述需求数据集合及所述承重墙位置信息确定房屋布局,同时根据所述需求数据集合生成需求家装方案。
6.根据权利要求1所述的一种基于虚拟现实的家装方案推荐方法,其特征在于,将所述家装方案通过所述三维模型进行显示与模拟,还包括:
通过用户偏好模型生成目标用户的个性化推荐家装方案;
根据目标用户的反馈信息计算目标用户对所述家装方案的满意度,并预设满意度阈值;
当所述满意度小于所述满意度阈值,根据所述用户偏好模型重新推荐家装方案;
当所述满意度大于所述满意度阈值,通过目标用户的反馈信息生成家装方案更新信息,同时根据所述家装方案更新信息生成修正信息;
将所述修正信息反馈到虚拟现实场景,同时按照方案更新信息进行模拟空间内的反向修正,模拟更新后的家装方案。
7.一种基于虚拟现实的家装方案推荐系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种基于虚拟现实的家装方案推荐方法程序,所述一种基于虚拟现实的家装方案推荐方法程序被所述处理器执行时实现如下步骤:
获取目标房屋的户型及面积信息,将所得信息进行预处理,通过三维重建生成目标房屋三维模型;
获取目标用户在家装网站上与项目的交互信息,将所述交互信息进行聚类,生成交互信息集合;
提取所述交互信息集合的特征,预设属性取值范围,根据所述特征及属性取值范围限定交互信息集合的属性集合;
将不同属性集合的交互信息集合的语义联系表示为映射关系,并将所述映射关系进行存储,生成用户行为信息序列;
在所述用户行为信息序列中结合时间变化因素生成用户行为信息时序序列;
对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型;
根据所述用户偏好模型为目标用户提供个性化家装方案推荐;
同时将所述家装方案通过所述三维模型进行显示与模拟。
8.根据权利要求7所述的一种基于虚拟现实的家装方案推荐系统,其特征在于,对所述的用户行为信息时序序列进行挖掘分析并建立用户偏好模型,具体为:
根据不同时间区间提取所述用户行为信息时序序列中目标用户的交互信息,基于异构数据的映射规则构建每个时间区间的交互数据网络;
通过所述交互数据网络建立用户偏好模型;
初始化所述用户偏好模型,根据所述交互数据网络及目标用户个人数据建立用户-方案数据网络序列;
获取第n个时间区间及第n+1个时间区间的用户-方案数据网络,感知得到所述用户-方案数据网络的数据变化;
采用集合相似度的方法计算得到相似度最高的数据变化模式;
将所述相似度最高的数据变化模式对应的家装方案作为推荐结果。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中包括一种基于虚拟现实的家装方案推荐方法程序,所述一种基于虚拟现实的家装方案推荐方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种基于虚拟现实的家装方案推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777519.0A CN113255052B (zh) | 2021-07-09 | 2021-07-09 | 一种基于虚拟现实的家装方案推荐方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777519.0A CN113255052B (zh) | 2021-07-09 | 2021-07-09 | 一种基于虚拟现实的家装方案推荐方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255052A true CN113255052A (zh) | 2021-08-13 |
CN113255052B CN113255052B (zh) | 2021-09-24 |
Family
ID=77191008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110777519.0A Active CN113255052B (zh) | 2021-07-09 | 2021-07-09 | 一种基于虚拟现实的家装方案推荐方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255052B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704857A (zh) * | 2021-09-02 | 2021-11-26 | 华中科技大学 | 一种适老型住宅空间布局自动生成方法及系统 |
CN113806484A (zh) * | 2021-09-18 | 2021-12-17 | 北京橙色云科技有限公司 | 关于用户需求信息的交互方法、装置以及存储介质 |
CN113987261A (zh) * | 2021-11-08 | 2022-01-28 | 烟台大学 | 一种基于动态信任感知的视频推荐方法及系统 |
CN115063124A (zh) * | 2022-08-18 | 2022-09-16 | 江苏艾佳家居用品有限公司 | 关注长期居住需求的数字化智能家装设计方法及系统 |
CN116071134A (zh) * | 2023-03-07 | 2023-05-05 | 网思科技股份有限公司 | 一种智能用户体验显示方法、系统和存储介质 |
CN116091708A (zh) * | 2023-04-11 | 2023-05-09 | 深圳朗生整装科技有限公司 | 一种基于大数据的装修建模方法及系统 |
CN117112915A (zh) * | 2023-10-24 | 2023-11-24 | 广州美术学院 | 基于用户特征及大数据训练的智能设计方法和系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105393272A (zh) * | 2013-07-09 | 2016-03-09 | 高通股份有限公司 | 基于用户物联网环境的实时上下文知悉式推荐引擎 |
CN106202352A (zh) * | 2016-07-05 | 2016-12-07 | 华南理工大学 | 基于贝叶斯网络的室内家居风格与颜色搭配设计的方法 |
US9542703B2 (en) * | 2013-11-27 | 2017-01-10 | Larson-Juhl Inc. | Virtual custom framing expert system |
CN107452069A (zh) * | 2017-08-02 | 2017-12-08 | 苏州超盛智能科技有限公司 | 一种基于移动互联网和云平台的虚拟家装系统 |
CN108256975A (zh) * | 2018-01-23 | 2018-07-06 | 喻强 | 基于人工智能为虚拟试衣者提供三维效果的穿搭系统及方法 |
CN109522474A (zh) * | 2018-10-19 | 2019-03-26 | 上海交通大学 | 基于交互序列数据挖掘深度用户相似性的推荐方法 |
CN111079001A (zh) * | 2019-11-26 | 2020-04-28 | 贝壳技术有限公司 | 装修推荐信息生成方法、装置、存储介质及电子设备 |
CN111080387A (zh) * | 2018-10-22 | 2020-04-28 | 快创科技(大连)有限公司 | 一种家居装修搭配体验分析系统 |
CN111260451A (zh) * | 2020-03-06 | 2020-06-09 | 上海久实信息科技有限公司 | 一种基于服装电子商务平台的尺码推荐系统 |
CN111752982A (zh) * | 2019-03-27 | 2020-10-09 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置 |
CN112256962A (zh) * | 2020-10-21 | 2021-01-22 | 网娱互动科技(北京)股份有限公司 | 一种智能推荐房屋装修装饰方案的方法 |
CN112348625A (zh) * | 2020-09-25 | 2021-02-09 | 重庆锐云科技有限公司 | 基于全息投影的房屋推荐系统、方法及其装修模拟方法 |
CN112395668A (zh) * | 2020-11-15 | 2021-02-23 | 深圳千里马装饰集团有限公司 | 在线建模的家装方案生成方法及系统、以及存储介质 |
CN112435611A (zh) * | 2020-11-11 | 2021-03-02 | 安徽山水空间装饰有限责任公司 | 一种基于bim的全息成像全装修模拟展示方法及其装置 |
-
2021
- 2021-07-09 CN CN202110777519.0A patent/CN113255052B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105393272A (zh) * | 2013-07-09 | 2016-03-09 | 高通股份有限公司 | 基于用户物联网环境的实时上下文知悉式推荐引擎 |
US9542703B2 (en) * | 2013-11-27 | 2017-01-10 | Larson-Juhl Inc. | Virtual custom framing expert system |
CN106202352A (zh) * | 2016-07-05 | 2016-12-07 | 华南理工大学 | 基于贝叶斯网络的室内家居风格与颜色搭配设计的方法 |
CN107452069A (zh) * | 2017-08-02 | 2017-12-08 | 苏州超盛智能科技有限公司 | 一种基于移动互联网和云平台的虚拟家装系统 |
CN108256975A (zh) * | 2018-01-23 | 2018-07-06 | 喻强 | 基于人工智能为虚拟试衣者提供三维效果的穿搭系统及方法 |
CN109522474A (zh) * | 2018-10-19 | 2019-03-26 | 上海交通大学 | 基于交互序列数据挖掘深度用户相似性的推荐方法 |
CN111080387A (zh) * | 2018-10-22 | 2020-04-28 | 快创科技(大连)有限公司 | 一种家居装修搭配体验分析系统 |
CN111752982A (zh) * | 2019-03-27 | 2020-10-09 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置 |
CN111079001A (zh) * | 2019-11-26 | 2020-04-28 | 贝壳技术有限公司 | 装修推荐信息生成方法、装置、存储介质及电子设备 |
CN111260451A (zh) * | 2020-03-06 | 2020-06-09 | 上海久实信息科技有限公司 | 一种基于服装电子商务平台的尺码推荐系统 |
CN112348625A (zh) * | 2020-09-25 | 2021-02-09 | 重庆锐云科技有限公司 | 基于全息投影的房屋推荐系统、方法及其装修模拟方法 |
CN112256962A (zh) * | 2020-10-21 | 2021-01-22 | 网娱互动科技(北京)股份有限公司 | 一种智能推荐房屋装修装饰方案的方法 |
CN112435611A (zh) * | 2020-11-11 | 2021-03-02 | 安徽山水空间装饰有限责任公司 | 一种基于bim的全息成像全装修模拟展示方法及其装置 |
CN112395668A (zh) * | 2020-11-15 | 2021-02-23 | 深圳千里马装饰集团有限公司 | 在线建模的家装方案生成方法及系统、以及存储介质 |
Non-Patent Citations (1)
Title |
---|
侯鹏程: "定制家装的交互设计模式研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704857A (zh) * | 2021-09-02 | 2021-11-26 | 华中科技大学 | 一种适老型住宅空间布局自动生成方法及系统 |
CN113704857B (zh) * | 2021-09-02 | 2024-04-16 | 华中科技大学 | 一种适老型住宅空间布局自动生成方法及系统 |
CN113806484A (zh) * | 2021-09-18 | 2021-12-17 | 北京橙色云科技有限公司 | 关于用户需求信息的交互方法、装置以及存储介质 |
CN113806484B (zh) * | 2021-09-18 | 2022-08-05 | 橙色云互联网设计有限公司 | 关于用户需求信息的交互方法、装置以及存储介质 |
CN113987261A (zh) * | 2021-11-08 | 2022-01-28 | 烟台大学 | 一种基于动态信任感知的视频推荐方法及系统 |
CN115063124A (zh) * | 2022-08-18 | 2022-09-16 | 江苏艾佳家居用品有限公司 | 关注长期居住需求的数字化智能家装设计方法及系统 |
CN115063124B (zh) * | 2022-08-18 | 2023-04-07 | 江苏艾佳家居用品有限公司 | 关注长期居住需求的数字化智能家装设计方法及系统 |
CN116071134A (zh) * | 2023-03-07 | 2023-05-05 | 网思科技股份有限公司 | 一种智能用户体验显示方法、系统和存储介质 |
CN116071134B (zh) * | 2023-03-07 | 2023-10-13 | 网思科技股份有限公司 | 一种智能用户体验显示方法、系统和存储介质 |
CN116091708A (zh) * | 2023-04-11 | 2023-05-09 | 深圳朗生整装科技有限公司 | 一种基于大数据的装修建模方法及系统 |
CN117112915A (zh) * | 2023-10-24 | 2023-11-24 | 广州美术学院 | 基于用户特征及大数据训练的智能设计方法和系统 |
CN117112915B (zh) * | 2023-10-24 | 2024-02-20 | 广州美术学院 | 基于用户特征及大数据训练的智能设计方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113255052B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255052B (zh) | 一种基于虚拟现实的家装方案推荐方法、系统及存储介质 | |
Pietsch | Computer visualisation in the design control of urban environments: a literature review | |
Solli et al. | Color emotions for multi‐colored images | |
CN110599393B (zh) | 图片风格转换方法、装置、设备及计算机可读存储介质 | |
US8458225B2 (en) | Spatially referenced multi-sensory data digitally encoded in a voxel database | |
US20110202326A1 (en) | Modeling social and cultural conditions in a voxel database | |
Fang et al. | Reputation mechanism for e-commerce in virtual reality environments | |
KR101445923B1 (ko) | 대화형 전시 서비스 제공 방법 | |
Johnson et al. | Understanding aesthetics and fitness measures in evolutionary art systems | |
KR102510023B1 (ko) | 사용자의 행동 데이터 또는 입력 데이터를 이용하여 사용자의 심리 상태를 판별하는 방법 및 컴퓨터 프로그램 | |
CN107638690A (zh) | 增强现实的实现方法、装置、服务器及介质 | |
CN115857704A (zh) | 一种基于元宇宙的展览系统、交互方法以及电子设备 | |
US11817129B2 (en) | 3D media elements in 2D video | |
Arbeláez et al. | Crowdsourcing Augmented Reality Environment (CARE) for aesthetic evaluation of products in conceptual stage | |
Strousopoulos et al. | SculptMate: Personalizing cultural heritage experience using fuzzy weights | |
CN113632147A (zh) | 使用机器学习的产品设计、配置和决策系统 | |
Stamps III | Simulating designed environments | |
CN114881741A (zh) | 一种基于虚拟现实直播场景的商品推荐系统 | |
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 | |
Hodza | Evaluating user experience of experiential GIS | |
JP6320844B2 (ja) | パーツの影響度に基づいて感情を推定する装置、プログラム及び方法 | |
KR20200070531A (ko) | 직업체험을 위한 가상현실 생성 및 제공 시스템 | |
Fuentes-Hurtado et al. | Evolutionary computation for modelling social traits in realistic looking synthetic faces | |
Sousa et al. | Influencing wine tourists' decision-making with VR: The impact of immersive experiences on their behavioural intentions | |
Yang et al. | Framework of personalized layout for a museum exhibition hall |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230404 Address after: 3rd Floor, Jinlu Navigation Center, 149 Nanzhuang Avenue East, Nanzhuang Town, Chancheng District, Foshan City, Guangdong Province, 528200 (Residence Declaration) Patentee after: Foshan Xingxing Easy Installation Network Technology Co.,Ltd. Address before: 528000 1801, Huahui building, No. 46, zumiao Road, Chancheng District, Foshan City, Guangdong Province Patentee before: Foshan Taofeng Internet Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |