CN114817417A - 基于元宇宙的智能交互方法及系统 - Google Patents

Abstract

本申请提供的基于元宇宙的智能交互方法及系统，对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，这样一来，通过逐步对各个交互属性标签中的每个特征提取结果进行解析来确定交互偏好数据中的显著性批注绑定的显著性批注数据，有利于提高智能交互的可靠性，从而确保显著性批注数据的可信度和精度。

Description

基于元宇宙的智能交互方法及系统

技术领域

本申请涉及智能交互技术领域，具体而言，涉及基于元宇宙的智能交互方法及系统。

背景技术

元宇宙允许即时和真实的信息传递到极限。然后元宇宙更进一步，旨在解开现实世界的内在结构特征。每个人都同时面对同一个世界，世界也同时面对每个人。

随着元宇宙技术越来越成熟，针对于元宇宙的特征提取过程中，存在多种交互种类，这样一来，可能导致特征准确的提取难度加大，从而难以保障显著性批注数据的可信度和精度。

发明内容

为改善相关技术中存在的技术问题，本申请提供了基于元宇宙的智能交互方法及系统。

第一方面，提供一种基于元宇宙的智能交互方法，所述方法至少包括：对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据。

在一种独立实施的实施例中，所述结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，包括：对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析，得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况；结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析。

在一种独立实施的实施例中，所述第一交互属性标签的特征提取结果包括所述第一交互属性标签中不少于一种关键词集的特征提取结果；所述对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析，得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，包括：得到所述不少于一种关键词集中第一关键词集的特征提取结果中涵盖第一显著性批注，所述不少于一种显著性批注包括所述第一显著性批注；确定在所述不少于一种关键词集中与所述第一关键词集相似的不少于一种第二关键词集的特征提取结果中是否涵盖所述第一显著性批注的显著性批注数据；在所述不少于一种第二关键词集的特征提取结果中不存在所述第一显著性批注的显著性批注数据的基础上，在不少于一种第三关键词集的特征提取结果中识别所述第一显著性批注的显著性批注数据，其中，所述第三关键词集为所述不少于一种关键词集中过滤所述第一关键词集和所述不少于一种第二关键词集之外的备用关键描述集。

在一种独立实施的实施例中，所述结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析，包括：如果所述第一交互属性标签的特征提取结果中不存在第一显著性批注绑定的显著性批注数据，在所述后一交互属性标签的特征提取结果中识别所述第一显著性批注绑定的显著性批注数据；和/或如果所述第一交互属性标签的特征提取结果中不存在第一显著性批注数据绑定的显著性批注，在所述后一交互属性标签的特征提取结果中识别所述第一显著性批注数据绑定的显著性批注。

在一种独立实施的实施例中，所述结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析，还包括：结合所述识别的结果，对所述后一交互属性标签的特征提取结果进行解析，以得到所述后一交互属性标签涵盖的显著性批注与显著性批注数据之间的关联情况。

在一种独立实施的实施例中，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据之后，还包括：结合所述交互偏好数据的若干个显著性批注之间的映射关系，对所述若干个显著性批注绑定的显著性批注数据进行校验。

在一种独立实施的实施例中，对所述若干个显著性批注绑定的显著性批注数据进行校验，包括：在所述若干个显著性批注包括属于相同交互属性标签的第一显著性批注、第二显著性批注和第三显著性批注的基础上，校验属于相同交互属性标签中的第一显著性批注绑定的第一数据与第二显著性批注绑定的第二数据进行加权处理，是否满足第三显著性批注绑定的重要数据；和/或在所述若干个显著性批注包括属于相同矩阵不少于一种重要显著性批注和全局显著性批注的基础上，校验属于相同矩阵所有重要显著性批注绑定的重要数据的融合结果是否满足全局显著性批注绑定的全局量化结果。

在一种独立实施的实施例中，所述对所述若干个显著性批注绑定的显著性批注数据进行校验之后，还包括：在所述校验的结果表示所述映射关系达不到预设要求的基础上，修正所述若干个显著性批注绑定的显著性批注数据，直到修正结果使得所述映射关系能够实现。

在一种独立实施的实施例中，对交互偏好数据进行特征提取处理之前，所述方法还包括：确定所述交互偏好数据是否满足标准偏好指令；在确定出所述交互偏好数据不满足所述标准偏好指令的基础上，对所述交互偏好数据进行优化处理，得到优化处理后的交互偏好数据；所述对交互偏好数据进行特征提取处理，包括：对所述优化处理后的交互偏好数据进行特征提取处理。

第二方面，提供一种基于元宇宙的智能交互系统，括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

本申请实施例所提供的基于元宇宙的智能交互方法及系统，对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，这样一来，通过逐步对各个交互属性标签中的每个特征提取结果进行解析来确定交互偏好数据中的显著性批注绑定的显著性批注数据，有利于提高智能交互的可靠性，从而确保显著性批注数据的可信度和精度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种基于元宇宙的智能交互方法的流程图。

图2为本申请实施例所提供的一种基于元宇宙的智能交互装置的框图。

图3为本申请实施例所提供的一种基于元宇宙的智能交互系统的架构图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

请参阅图1，示出了一种基于元宇宙的智能交互方法，该方法可以包括以下步骤100和步骤200所描述的技术方案。

步骤100，对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签。

步骤200，结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据。

可以理解的是，在执行上述步骤100和步骤200所描述的内容时，对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，这样一来，通过逐步对各个交互属性标签中的每个特征提取结果进行解析来确定交互偏好数据中的显著性批注绑定的显著性批注数据，有利于提高智能交互的可靠性，从而确保显著性批注数据的可信度和精度。

在一种可能的实施例中，发明人经过长期的研究发现，结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果时，可能存在特征提取异常的问题，从而难以准确地得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，为了改善上述技术问题，步骤200所描述的结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据的步骤，具体可以包括以下步骤210和步骤220所描述的内容。

步骤210，对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析，得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况。

步骤220，结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析。

可以理解，在执行上述步骤210和步骤220所描述的内容时，结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果时，改善存在特征提取异常的问题，从而能够准确地得到所述交互偏好数据中的显著性批注绑定的显著性批注数据。

在一种可能的实施例中，发明人经过长期的研究发现，所述第一交互属性标签的特征提取结果包括所述第一交互属性标签中不少于一种关键词集的特征提取结果；所述对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析时，可能存在解析不准确的问题，从而难以准确地得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，为了改善上述技术问题，步骤210所描述的对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析，得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况的步骤，具体可以包括以下步骤211-步骤213所描述的内容。

步骤211，得到所述不少于一种关键词集中第一关键词集的特征提取结果中涵盖第一显著性批注，所述不少于一种显著性批注包括所述第一显著性批注。

步骤212，确定在所述不少于一种关键词集中与所述第一关键词集相似的不少于一种第二关键词集的特征提取结果中是否涵盖所述第一显著性批注的显著性批注数据。

步骤213，在所述不少于一种第二关键词集的特征提取结果中不存在所述第一显著性批注的显著性批注数据的基础上，在不少于一种第三关键词集的特征提取结果中识别所述第一显著性批注的显著性批注数据，其中，所述第三关键词集为所述不少于一种关键词集中过滤所述第一关键词集和所述不少于一种第二关键词集之外的备用关键描述集。

可以理解，在执行上述步骤211-步骤213所描述的内容时，对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析时，改善存在解析不准确的问题，从而能够准确地得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况。

在一种可能的实施例中，发明人经过长期的研究发现，所述结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析时，可能存在解析不精确的问题，为了改善上述技术问题，步骤220所描述的结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析的步骤，具体可以包括以下步骤221和步骤222所描述的内容。

步骤221，如果所述第一交互属性标签的特征提取结果中不存在第一显著性批注绑定的显著性批注数据，在所述后一交互属性标签的特征提取结果中识别所述第一显著性批注绑定的显著性批注数据。

步骤222，和/或如果所述第一交互属性标签的特征提取结果中不存在第一显著性批注数据绑定的显著性批注，在所述后一交互属性标签的特征提取结果中识别所述第一显著性批注数据绑定的显著性批注。

可以理解，在执行上述步骤221和步骤222所描述的内容时，结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析时，改善存在解析不精确的问题，从而能够确保解析的精度。

基于上述基础，所述结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析，还可以包括以下内容：结合所述识别的结果，对所述后一交互属性标签的特征提取结果进行解析，以得到所述后一交互属性标签涵盖的显著性批注与显著性批注数据之间的关联情况。

可以理解，通过上述具体实施步骤，能够有效的提高解析的精确性。

基于上述基础，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据之后，还可以包括以下内容：结合所述交互偏好数据的若干个显著性批注之间的映射关系，对所述若干个显著性批注绑定的显著性批注数据进行校验。

可以理解，通过上述具体实施步骤，能够有效地提高显著性批注数据进行校验的准确性。

在一种可能的实施例中，发明人经过长期的研究发现，对所述若干个显著性批注绑定的显著性批注数据进行校验时，可能存在校验不准确的问题，从而导致不能准确的获得全局量化结果，为了改善上述技术问题，对所述若干个显著性批注绑定的显著性批注数据进行校验的步骤，具体可以包括以下步骤a1和步骤a2所描述的内容。

步骤a1，在所述若干个显著性批注包括属于相同交互属性标签的第一显著性批注、第二显著性批注和第三显著性批注的基础上，校验属于相同交互属性标签中的第一显著性批注绑定的第一数据与第二显著性批注绑定的第二数据进行加权处理，是否满足第三显著性批注绑定的重要数据。

步骤a2，和/或在所述若干个显著性批注包括属于相同矩阵不少于一种重要显著性批注和全局显著性批注的基础上，校验属于相同矩阵所有重要显著性批注绑定的重要数据的融合结果是否满足全局显著性批注绑定的全局量化结果。

可以理解，在执行上述步骤a1和步骤a2所描述的内容时，对所述若干个显著性批注绑定的显著性批注数据进行校验时，改善存在校验不准确的问题，从而能够准确的获得全局量化结果。

基于上述基础，所述对所述若干个显著性批注绑定的显著性批注数据进行校验之后，还可以包括以下内容：在所述校验的结果表示所述映射关系达不到预设要求的基础上，修正所述若干个显著性批注绑定的显著性批注数据，直到修正结果使得所述映射关系能够实现。

可以理解，通过修正若干个显著性批注绑定的显著性批注数据，从而能够有效的提高修正结果能够准确的映射关系能够实现。

基于上述基础，对交互偏好数据进行特征提取处理之前，还可以包括以下内容：确定所述交互偏好数据是否满足标准偏好指令；在确定出所述交互偏好数据不满足所述标准偏好指令的基础上，对所述交互偏好数据进行优化处理，得到优化处理后的交互偏好数据。

可以理解，通过对交互偏好数据进行连续优化，从而能够准确的获得交互偏好数据。

在一种可能的实施例中，发明人经过长期的研究发现，所述对交互偏好数据进行特征提取处理时，可能存在特征提取不准确的问题，因此需要进一步的进行处理，为了改善上述技术问题，进一步的实施方式如以下内容，对所述优化处理后的交互偏好数据进行特征提取处理。

在上述基础上，请结合参阅图2，提供了一种基于元宇宙的智能交互装置200，应用于基于元宇宙的智能交互系统，所述装置包括：

特征提取模块210，用于对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；

数据批注模块220，用于结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据。

在上述基础上，请结合参阅图3，示出了一种基于元宇宙的智能交互系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。

在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。

综上，基于上述方案，对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，这样一来，通过逐步对各个交互属性标签中的每个特征提取结果进行解析来确定交互偏好数据中的显著性批注绑定的显著性批注数据，有利于提高智能交互的可靠性，从而确保显著性批注数据的可信度和精度。

应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于元宇宙的智能交互方法，其特征在于，所述方法至少包括：

对交互偏好数据进行特征提取处理，获得所述交互偏好数据的特征提取结果；对所述交互偏好数据的特征提取结果进行聚类，得到不少于一种交互属性标签；

结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据。

2.根据权利要求1所述的方法，其特征在于，所述结合所述不少于一种交互属性标签中每一个涵盖的特征提取结果，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据，包括：

对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析，得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况；

结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析。

3.根据权利要求2所述的方法，其特征在于，所述第一交互属性标签的特征提取结果包括所述第一交互属性标签中不少于一种关键词集的特征提取结果；所述对所述不少于一种交互属性标签中第一交互属性标签涵盖的特征提取结果进行解析，得到所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，包括：

得到所述不少于一种关键词集中第一关键词集的特征提取结果中涵盖第一显著性批注，所述不少于一种显著性批注包括所述第一显著性批注；

确定在所述不少于一种关键词集中与所述第一关键词集相似的不少于一种第二关键词集的特征提取结果中是否涵盖所述第一显著性批注的显著性批注数据；

在所述不少于一种第二关键词集的特征提取结果中不存在所述第一显著性批注的显著性批注数据的基础上，在不少于一种第三关键词集的特征提取结果中识别所述第一显著性批注的显著性批注数据，其中，所述第三关键词集为所述不少于一种关键词集中过滤所述第一关键词集和所述不少于一种第二关键词集之外的备用关键描述集。

4.根据权利要求2所述的方法，其特征在于，所述结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析，包括：

如果所述第一交互属性标签的特征提取结果中不存在第一显著性批注绑定的显著性批注数据，在所述后一交互属性标签的特征提取结果中识别所述第一显著性批注绑定的显著性批注数据；

和/或如果所述第一交互属性标签的特征提取结果中不存在第一显著性批注数据绑定的显著性批注，在所述后一交互属性标签的特征提取结果中识别所述第一显著性批注数据绑定的显著性批注。

5.根据权利要求4所述的方法，其特征在于，所述结合所述第一交互属性标签涵盖的不少于一种显著性批注和不少于一种显著性批注数据之间的关联情况，对所述第一交互属性标签的后一交互属性标签涵盖的特征提取结果进行解析，还包括：结合所述识别的结果，对所述后一交互属性标签的特征提取结果进行解析，以得到所述后一交互属性标签涵盖的显著性批注与显著性批注数据之间的关联情况。

6.根据权利要求5所述的方法，其特征在于，得到所述交互偏好数据中的显著性批注绑定的显著性批注数据之后，还包括：结合所述交互偏好数据的若干个显著性批注之间的映射关系，对所述若干个显著性批注绑定的显著性批注数据进行校验。

7.根据权利要求6所述的方法，其特征在于，对所述若干个显著性批注绑定的显著性批注数据进行校验，包括：

在所述若干个显著性批注包括属于相同交互属性标签的第一显著性批注、第二显著性批注和第三显著性批注的基础上，校验属于相同交互属性标签中的第一显著性批注绑定的第一数据与第二显著性批注绑定的第二数据进行加权处理，是否满足第三显著性批注绑定的重要数据；

和/或在所述若干个显著性批注包括属于相同矩阵不少于一种重要显著性批注和全局显著性批注的基础上，校验属于相同矩阵所有重要显著性批注绑定的重要数据的融合结果是否满足全局显著性批注绑定的全局量化结果。

8.根据权利要求6所述的方法，其特征在于，所述对所述若干个显著性批注绑定的显著性批注数据进行校验之后，还包括：在所述校验的结果表示所述映射关系达不到预设要求的基础上，修正所述若干个显著性批注绑定的显著性批注数据，直到修正结果使得所述映射关系能够实现。

9.根据权利要求5所述的方法，其特征在于，对交互偏好数据进行特征提取处理之前，所述方法还包括：确定所述交互偏好数据是否满足标准偏好指令；在确定出所述交互偏好数据不满足所述标准偏好指令的基础上，对所述交互偏好数据进行优化处理，得到优化处理后的交互偏好数据；所述对交互偏好数据进行特征提取处理，包括：对所述优化处理后的交互偏好数据进行特征提取处理。

10.一种基于元宇宙的智能交互系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。

Images