CN117473138B - 一种基于虚拟现实的产品展示方法及系统 - Google Patents

Abstract

本发明提供一种基于虚拟现实的产品展示方法及系统。一种基于虚拟现实的产品展示方法，包括：获取用户手动输入的基础身份信息和风格标签信息，将基础身份信息和风格标签信息输入到身份分析模型中，确定用户的操作预测结果；获取用户选择的目标产品的基础信息，根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略；接收用户的交互操作信息，确定与用户的交互操作信息相匹配的替换交互操作，根据交互操作调整策略确定目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示。本发明可用于降低用户的交互操作难度，提升用户的交互体验，增强各种展示产品的展示效果。

Description

一种基于虚拟现实的产品展示方法及系统

技术领域

本发明涉及虚拟现实技术领域，特别地涉及一种基于虚拟现实的产品展示方法及系统。

背景技术

在信息技术的迅速发展下，人们获取信息的方式越多样化。虚拟现实（VR）技术是可视化技术的产物之一，在产品展示方面，各大厂商为了提升营销效果，将虚拟现实与产品展示结合，通过VR设备沉浸式看房、车、商场商品等，为用户带来了更好的产品浏览体验，对厂商而言，产品展示形式的创新也实现了营销决策的优化。

沉浸感与交互感可以极大地提升用户浏览各种产品的体验，为了满足用户的需求，产品展示方在提高虚拟环境的质量的同时，也在为各种产品设置更多的交互操作，以便让用户对所展示的产品有更深入的了解。对于相同的展示产品，不同用户了解产品的方式可能并不相同，所选择的交互操作也不一样。样式繁多的交互操作需要用户做出各样的交互动作，对于不同的展示产品，用户可能需要通过多种交互动作才能了解到自己感兴趣的信息，导致用户的操作难度较大，产品的展示效果有待提升。

发明内容

本发明实施例提供了一种基于虚拟现实的产品展示方法及系统，旨在解决上述背景技术中存在的至少一个技术问题。

作为本发明实施例的一个方面，提供了一种基于虚拟现实的产品展示方法，包括：

获取用户手动输入的基础身份信息和风格标签信息，将基础身份信息和风格标签信息输入到身份分析模型中，确定用户的操作预测结果，操作预测结果包括多种展示产品中用户对每种展示产品的喜好交互操作，以及与每个喜好交互操作对应的置信值，其中，用户对每种展示产品的喜好交互操作至少包括一种；

获取用户选择的目标产品的基础信息，根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，交互操作调整策略包括目标产品的多种预设交互操作以及与每种预设交互操作对应的替换交互操作；

接收用户的交互操作信息，从交互操作调整策略中的多个替换交互操作中确定与用户的交互操作信息相匹配的替换交互操作，根据交互操作调整策略确定匹配到的替换交互操作对应的预设交互操作，记为目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示。

更进一步地，对身份分析模型的训练包括：

获取训练数据集，训练数据集包括多个用户的历史交互数据，每组历史交互数据包括单个用户的基础身份信息和风格标签信息，以及单个用户浏览任一展示产品的交互操作信息；

根据展示产品的类型对训练数据集进行分组，得到多组子数据集，每组子数据集对应一种展示产品，每组子数据集包括多个用户对同种展示产品的历史交互数据；

身份分析模型包括多个子神经单元，将多组子数据集分别输入到其中一个子神经单元中，在训练身份分析模型的过程中，每次迭代之前，用最接近预设收敛条件的子神经单元的模型参数替换其余子神经单元的模型参数，在每个子神经单元均达到预设收敛条件后，完成对身份分析模型的训练。

更进一步地，对于训练数据集，还包括：

从大量历史样本数据中提取得到训练数据集，训练数据集的提取包括：

按照展示产品的类型对历史样本数据进行数据划分，分别以每个类型为核心构建得到多个样本数据集合，组成样本数据库Ds，Ds=D1，D2，…，Dn，其中，n为样本数据集合的总数，获取每个类型的展示产品的交互操作关联关系；

对于任一样本数据集合Di，根据样本数据集合Di所属展示产品的类型确定样本数据集合Di对应的交互操作关联关系，对于样本数据集合Di记载的多个用户的样本数据，根据交互操作关联关系对每个用户的样本数据进行数据裁剪和数据整合，得到每个用户的多个第一交互操作以及每个第一交互操作的参考时长，基于参考时长对每个用户的多个第一交互操作进行排序，基于预设数量对每个用户的多个第一交互操作进行筛选，得到每个用户的预设数量的第二交互操作，为每个第二交互操作添加参考时长标签；

遍历样本数据库Ds，确定样本数据库中每个样本数据集合所包括的用户的多个第二交互操作，以及每个第二交互操作对应的参考时长标签，将样本数据库Ds作为训练数据集。

更进一步地，根据交互操作关联关系对每个用户的样本数据进行数据裁剪和数据整合，包括：

交互操作关联关系包括其中一种展示产品的多个交互操作中，任一交互操作的前置操作；

对于任一用户的任意一组时间连续的样本数据，记为目标样本数据，按照时间顺序对目标样本数据中的多个交互操作进行排序，得到操作排序列表Op，Op=Op1，Op2，…，Opm，其中，m为目标样本数据中交互操作的总数；

采用如下步骤对目标样本数据进行数据裁剪和数据整合：

S01、对于操作排序列表Op中的第j个交互操作，令j=1，k=0；

S02、令j=j+1；

S03、根据交互操作关联关系判断第j-1个交互操作是否为第j个交互操作的前置操作，若是，转到步骤S04，否则，令k=k+1，将交互操作排序列表Op中的第j-1个交互操作从交互操作排序列表Op中剪切到交互操作调整列表中，作为交互操作调整列表的第k个交互操作，确定交互操作排序列表Op中第j-1个交互操作和第j个交互操作的持续时长，将所确定的持续时长作为交互操作调整列表中第k个交互操作的参考时长，转到步骤S02；

S04、判断条件“j＜m”是否成立，若成立则转到步骤S02，否则转到步骤S05；

S05、输出交互操作调整列表；

交互操作调整列表中的每个交互操作和对应的参考时长分别为用户的其中一个第一交互操作以及与第一交互操作对应的参考时长。

更进一步地，根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，包括：

根据目标产品的类型从操作预测结果中提取出用户对目标产品的预设数量的喜好交互操作，以及与每个喜好交互操作的置信值，每个喜好交互操作均属于目标产品的多种预设交互操作中的一种，基于置信值从大到小的顺序对预设数量的喜好交互操作进行排序；

从交互操作排序列表中选取出使用次数最大的预设数量的交互操作作为替换交互操作，根据使用次数从大到小的顺序对预设数量的替换交互操作进行排序；

将处于相同排序位置的替换交互操作与喜好交互操作相匹配，生成目标产品的交互操作调整策略。

更进一步地，对于交互操作排序列表，通过如下方式生成交互操作排序列表：

从大量历史样本数据中提取出多个交互操作，统计每个交互操作的使用次数，根据提取出的多个交互操作和每个交互操作的使用次数生成交互操作排序列表。

作为本发明实施例的另一个方面，提供了一种基于虚拟现实的产品展示系统，包括：

信息采集模块，用于获取用户手动输入的基础身份信息和风格标签信息，以及用户选择的目标产品的基础信息；

操作预测模块，用于通过身份分析模型分析用户的基础身份信息和风格标签信息，生成操作预测结果；

策略生成模块，用于根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略；

产品展示模块，用于接收用户的交互操作信息，确定与用户的交互操作信息相匹配的替换交互操作，根据交互操作调整策略确定匹配到的替换交互操作对应的预设交互操作，记为目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示；

模型训练模块，用于通过训练数据集训练对身份分析模型进行训练；

对身份分析模型的训练包括：

获取训练数据集，训练数据集包括多个用户的历史交互数据，每组历史交互数据包括单个用户的基础身份信息和风格标签信息，以及单个用户浏览任一展示产品的交互操作信息；

根据展示产品的类型对训练数据集进行分组，得到多组子数据集，每组子数据集对应一种展示产品，每组子数据集包括多个用户对同种展示产品的历史交互数据；

身份分析模型包括多个子神经单元，将多组子数据集分别输入到其中一个子神经单元中，在训练身份分析模型的过程中，每次迭代之前，用最接近预设收敛条件的子神经单元的模型参数替换其余子神经单元的模型参数，在每个子神经单元均达到预设收敛条件后，完成对身份分析模型的训练。

进一步地，还包括：

数据处理模块，用于对大量历史样本数据进行分析处理，从大量历史样本数据中提取得到训练数据集。

相较于现有技术，本发明的有益效果在于：

本发明实施例提供的一种基于虚拟现实的产品展示方法及系统，通过采集并分析基础身份信息和风格标签信息，确定用户的操作预测结果，生成交互操作调整策略，用户在浏览目标产品的过程中，仅需进行简单的交互操作即可便捷的了解目标产品的展示信息，降低了用户的交互操作难度，提升了用户的交互体验，增强了各种展示产品的展示效果。

附图说明

为了更清楚地说明本发明实施例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，下面描述中的附图仅仅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示出的结构获得其他的附图。

图1为本发明实施例中提供的一种基于虚拟现实的产品展示方法的流程示意图。

图2为本发明实施例中提供的一种基于虚拟现实的产品展示系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明部分实施例进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。然而，本领域的普通技术人员可以理解，在本发明的各实施例中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本发明所要求保护的技术方案。

请参阅图1，为本发明实施例中提供的一种基于虚拟现实的产品展示方法的流程示意图，作为本发明实施例的一个方面，提供的一种基于虚拟现实的产品展示方法，包括：

S100、获取用户手动输入的基础身份信息和风格标签信息，将基础身份信息和风格标签信息输入到身份分析模型中，确定用户的操作预测结果；

示例性的，基础身份信息可以是用户的年龄范围、性别、职业、兴趣爱好等基本信息，风格标签信息可以是总结各种展示产品的特征信息后得到的，例如表示展示产品类型的标签，家具、电器、玩具、服装等，以及更细节的标签，例如服装的具体类型、玩具的适用年龄等；在用户浏览展示产品之前，用户为了提升体验，可以根据自己的意向选择输入自己的基础身份信息，以及在厂商总结的多个用于表示产品信息的标签中选择用于表示自己喜好的多个风格标签信息，产品展示系统在收集到用户手动输入的基础身份信息和风格标签信息后，通过身份分析模型对这些信息进行分析，生成与该用户对应的操作预测结果，身份分析模型为预先训练得到的神经网络模型，基于大量的包括多个用户的基础身份信息和风格标签信息以及对应的交互操作信息的训练样本训练得到，其作用在于通过分析用户的基础身份信息和风格标签信息，预测用户在浏览各种展示产品的过程中可能会选择的互动操作，生成的操作预测结果包括多种展示产品中用户对每种展示产品的多个喜好交互操作，以及与每个喜好交互操作对应的置信值。

具体的，以某个家具产品为例，用户在浏览该家具产品时，可以选择的交互操作可以是基础的旋转、拉进/拉远视角等操作，进一步的翻转、打开/关闭等操作，或者更复杂的展示功能、使用演示操作等。增强用户的沉浸感与交互感是提升用户体验的有效手段之一，设计多种多样的交互操作可以很好地提升用户的体验，但是多样的交互操作在一定程度上也会增加用户的交互操作难度，并且不同的人想要体验的交互操作也存在差异，以某个适用于孩童的衣柜产品为例，成人用户可能更倾向于拉进/拉远视角、旋转等操作观察衣柜的结构信息，以及打开衣柜观察其内部结构，或者观察衣柜的与其它家具之间的摆放搭配信息，而孩童可能想看的是衣柜上设置的各种充满趣味的图案信息，观看衣柜摆满各种好看的童装的场景等，因此对于多样的交互操作，若用户在自主体验的过程中，选择了不适合自己的交互操作，在等待的过程中可能会带给自己不好的体验，通过训练好的身份分析模型可以预测不同的用户浏览某个展示产品的过程中更倾向的交互操作。

S200、获取用户选择的目标产品的基础信息，根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略；

示例性的，目标产品具体为用户在浏览各种产品的过程中所选择的产品，基础信息具体可以是产品的名称、类型等信息，通过目标产品的基础信息可以从操作预测结果确定与目标产品对应的通过身份分析模型预测得到的该用户对该款展示产品的多个喜好交互操作，根据多个喜好交互操作确定目标产品的交互操作调整策略，交互操作调整策略具体为对预测的多个喜好交互操作的优化调整策略，具体的，用户在与展示产品交互的过程中，要了解产品的不同信息，可能需要多种交互操作组合进行，例如，若用户想要观察某个产品的内部信息，可能需要通过拉进视角、旋转产品等，确定产品的启动交互区域，然后再通过开启操作启动产品或者打开产品，用户为了达到观察产品内部结构的目的，可能需要经过产品旋转、拉进视角等多个操作才能实现，这些都属于前置动作，最终实现让产品的内部结构呈现在用户视角中的动作才是主要动作，一个或多个前置动作容易增加用户的操作难度，交互操作调整策略的作用在于调整目标产品的交互方式，让预测的某个需要进行不同前置操作的喜好交互操作变得简化，最终用户只需要通过调整后的某个或更少数量的操作即可达到自己的目的。

交互操作调整策略包括目标产品的多种预设交互操作以及与每种预设交互操作对应的替换交互操作，预测的多个喜好交互操作即为目标产品的多种预设交互操作中的部分内容，替换交互操作用于替换其中一种喜好交互操作。

S300、接收用户的交互操作信息，确定与用户的交互操作信息相匹配的替换交互操作，确定与匹配到的替换交互操作对应的预设交互操作，记为目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示。

示例性的，在确定交互操作调整策略后，可直接向用户提供相关的交互操作调整信息，以某冰箱为例，若预测的其中一个喜好交互操作为观察冰箱的放置功能，则可以直接向用户展示使用该功能时的交互操作，具体可以是一个点击操作、滑动操作等，相较于未调整之前的交互操作，若用户想要观察冰箱的放置功能，可能需要先拉进视角，转动冰箱使得冰箱的开启面朝向自己，然后打开冰箱，再进行最终的启动冰箱的放置功能的操作，拉进视角、转动等前置操作增加了用户的操作难度，简化后的交互操作，用户仅需进行某个简单的动作例如滑动、点击，即可达成自己的目的。

因此，想用户展示了预测的多个喜好交互操作所对应的替换交互操作后，用户可能会根据自己的喜好执行某个操作，对于接收到的用户的交互操作信息，从交互操作调整策略中的多个替换交互操作中确定与用户的交互操作信息相匹配的替换交互操作，例如若用户交互操作信息包括的是一个点击动作，根据该点击动作所点击的位置等信息可以确定该点击动作属于哪个替换交互操作，然后根据交互操作调整策略查找与该替换交互操作对应的预设交互操作，即该点击操作替换的是哪个操作，例如替换的是观察冰箱的放置功能的操作，因此将观察冰箱的放置功能的操作记为目标交互操作，即用户的交互操作信息表达的是用户想要观察冰箱的放置功能，产品展示系统则控制目标产品基于目标交互操作向用户进行交互展示，即向用户展示冰箱的放置功能。

在一种示例性的实施过程中，对于步骤S100中的身份分析模型，具体包括如下训练过程：

获取训练数据集，训练数据集包括多个用户的历史交互数据，每组历史交互数据包括单个用户的基础身份信息和风格标签信息，以及单个用户浏览任一展示产品的交互操作信息；

示例性地，一种历史交互数据具体代表了任一用户在浏览任一展示产品过程中的交互操作信息，以及该用户的基础身份信息和风格标签信息，训练数据集中包括了多组历史交互数据，每组历史交互数据可能对应同一个用户也可能不是同一个用户，可能对应同一个展示产品也可能不是同一个展示产品。

根据展示产品的类型对训练数据集进行分组，得到多组子数据集，每组子数据集对应一种展示产品，每组子数据集包括多个用户对同种展示产品的历史交互数据；

示例性的，对训练数据集进行分组的意义在于确定集中每种产品的信息，身份分析模型的训练目的在于得到一个可以根据用户的一些基础信息预测用户在面对不同展示产品时可能会选择的交互操作，因此按照展示产品的类型进行分组。

将多组子数据集分别输入到其中一个子神经单元中，身份分析模型包括多个子神经单元，在每个子神经单元均达到预设收敛条件后，完成对身份分析模型的训练。

示例性的，对于身份分析模型的训练过程，训练的终止条件为每个子神经单元均达到预设收敛条件，为了提升训练速度，在每次迭代之前，对于多个子神经单元，选择出最接近预设收敛条件的子神经单元，调整其余子神经单元的模型参数，用该子神经单元的模型参数替换其余子神经单元的模型参数，以便更快地得到可以让子神经单元达到预设收敛条件的模型参数，提升模型训练速度。

在一种示例性的实施过程中，训练身份分析模型所用到的训练数据集，具体为从大量历史样本数据中提取得到的，具体的，训练数据集的提取包括：

按照展示产品的类型对历史样本数据进行数据划分，分别以每个类型为核心构建得到多个样本数据集合，组成样本数据库Ds，Ds=D1，D2，…，Dn，其中，n为样本数据集合的总数，获取每个类型的展示产品的交互操作关联关系；

示例性的，交互操作关联关系包括其中一种展示产品的多个交互操作中，任一交互操作的前置操作，例如，对于某个开启操作，视角变换操作、旋转操作可能为该开启操作的前置操作，可以想到的是，任一交互操作的前置操作的数量可能为零个、一个或者多个。

对于任一样本数据集合Di，根据样本数据集合Di所属展示产品的类型确定样本数据集合Di对应的交互操作关联关系，对于样本数据集合Di记载的多个用户的样本数据，根据交互操作关联关系对每个用户的样本数据进行数据裁剪和数据整合；

示例性的，对于样本数据集合Di记载的多个用户的样本数据，所收集到的任意样本数据包括得到是用户在某次展会上浏览各种产品的交互操作数据，提取训练数据集的目的在于确定每个用户所喜好的交互操作，而样本数据中包括有大量的交互操作信息，在其中，一些交互操作可能是某些交互操作的前置操作，因此存在着大量的噪声干扰数据，数据裁剪和数据整合的目的在于尽可能地除去样本数据中的噪声干扰数据。

示例性的，在本实施例中，对任一样本数据的数据裁剪和数据整合，具体包括：

对于任一用户的任意一组时间连续的样本数据，即所采集到的数据为连续性的数据，更为具体的可以理解为在一段连续时间内某个用户对一个展示产品的交互操作数据，将其记为目标样本数据，按照时间顺序对目标样本数据中的多个交互操作进行排序，得到操作排序列表Op，Op=Op1，Op2，…，Opm，其中，m为目标样本数据中交互操作的总数；

采用如下步骤对目标样本数据进行数据裁剪和数据整合：

S01、对于操作排序列表Op中的第j个交互操作，令j=1，k=0；

S02、令j=j+1；

S03、根据交互操作关联关系判断第j-1个交互操作是否为第j个交互操作的前置操作，若是，转到步骤S04，否则，令k=k+1，将交互操作排序列表Op中的第j-1个交互操作从交互操作排序列表Op中剪切到交互操作调整列表中，作为交互操作调整列表的第k个交互操作，确定交互操作排序列表Op中第j-1个交互操作和第j个交互操作的持续时长，将所确定的持续时长作为交互操作调整列表中第k个交互操作的参考时长，转到步骤S02；

S04、判断条件“j＜m”是否成立，若成立则转到步骤S02，否则转到步骤S05；

S05、输出交互操作调整列表；

值得说明的是，在数据裁剪和数据整合的过程中，对于时间连续的多个交互操作，连续的多个交互操作可能为一个完整的交互操作，通过上述步骤将属于一个完整的交互操作中所包括的多个交互操作视为一个整体，并且记录每个裁剪得到的作为一个整体的交互操作对应的持续时长，交互操作调整列表中的每个交互操作和对应的参考时长分别为用户的其中一个第一交互操作以及与第一交互操作对应的参考时长，参考时长的意义在于，在一定程度上表征用户对该交互操作的喜好程度，参考时长越长代表用户在该交互操作上停留的时间越长，将其理解对用户对该交互操作的喜好程度越高。

在确定每个用户的多个第一交互操作以及每个第一交互操作的参考时长后，基于参考时长对每个用户的多个第一交互操作进行排序，基于预设数量对每个用户的多个第一交互操作进行筛选，得到每个用户的预设数量的第二交互操作，为每个第二交互操作添加参考时长标签；

示例性的，对每个用户的多个第一交互操作进行排序可以是按照参考时长由大到小的顺序排序，然后筛选出参考时长最长的预设数量个第一交互操作，预设数量的意义在于，简化交互操作最终是为了用户有更好的体验，让用户可以在更短时间内浏览到自己想要了解东西，任一展示产品的交互操作的数量可能很多，对有限数量的交互操作进行简化可以给用户提供便利，实际的过程中，若用户不需要简化的交互操作，也可自己选择进入纯自主操作的模式中，根据自己的意愿了解各个产品。

遍历样本数据库Ds，采用上述方式确定样本数据库中每个样本数据集合所包括的用户的多个第二交互操作，以及每个第二交互操作对应的参考时长标签，将样本数据库Ds作为训练数据集。

在一种示例性的实施过程中，对于步骤S200，根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，具体包括：

根据目标产品的类型从操作预测结果中提取出用户对目标产品的预设数量的喜好交互操作，以及与每个喜好交互操作的置信值；

值得说明的是，操作预测结果中用户对每种展示产品的喜好交互操作的数量可以根据实际情况合理的设定，在本实施例中设置身份分析模型输出的操作预测结果中，用户对每种展示产品的喜好交互操作的数量为预设数量，在训练身份分析模型的过程中，每个第二交互操作均对应一个参考时长标签，以参考时长标签作为用户对第二交互操作的喜好程度，训练数据集中的多个参考时长标签最终影响的是输出的每个喜好交互操作的置信值，具体的，置信值为取值范围为0至1的百分数，置信值越大，表示用户的喜好程度越高。

基于置信值从大到小的顺序对预设数量的喜好交互操作进行排序，每个喜好交互操作均属于目标产品的多种预设交互操作中的一种；

从交互操作排序列表中选取出使用次数最大的预设数量的交互操作作为替换交互操作，根据使用次数从大到小的顺序对预设数量的替换交互操作进行排序；

其中，交互操作排序列表记载有每个交互操作的使用次数，具体的，可从大量历史样本数据中提取出多个交互操作，统计每个交互操作的使用次数，根据提取出的多个交互操作和每个交互操作的使用次数生成交互操作排序列表，交互操作排序列表中的多个交互操作按照使用次数从大到小的顺序排列。

将处于相同排序位置的替换交互操作与喜好交互操作相匹配，生成目标产品的交互操作调整策略。

示例性的，排序第一的替换交互操作与排序第一的喜好交互操作相匹配，依次类推，排序最后的替换交互操作与排序最后的喜好交互操作相匹配，值得补充的是，从交互操作排序列表中选取出预设数量的交互操作作为替换交互操作的意义在于，交互操作排序列表记载的信息表示了用户对各个交互操作的使用频率，可以想到的是，使用次数越高，表示大部分用户对相对应的交互操作越熟悉，因此作为替换交互操作后，可以进一步的降低用户的操作难度，提升用户的体验。

请参阅图2，为本发明实施例中提供的一种基于虚拟现实的产品展示系统的结构示意图，作为本发明实施例的一个方面，提供的一种基于虚拟现实的产品展示系统，包括：

信息采集模块，用于获取用户手动输入的基础身份信息和风格标签信息，以及用户选择的目标产品的基础信息；

操作预测模块，用于通过身份分析模型分析用户的基础身份信息和风格标签信息，生成操作预测结果，操作预测结果包括多种展示产品中用户对每种展示产品的喜好交互操作，以及与每个喜好交互操作对应的置信值，其中，用户对每种展示产品的喜好交互操作至少包括一种；

策略生成模块，用于根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，交互操作调整策略包括目标产品的多种预设交互操作以及与每种预设交互操作对应的替换交互操作；

产品展示模块，用于接收用户的交互操作信息，确定与用户的交互操作信息相匹配的替换交互操作，根据交互操作调整策略确定匹配到的替换交互操作对应的预设交互操作，记为目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示；

数据处理模块，用于对大量历史样本数据进行分析处理，从大量历史样本数据中提取得到训练数据集；

模型训练模块，用于通过训练数据集训练对身份分析模型进行训练。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (4)

1.一种基于虚拟现实的产品展示方法，其特征在于，包括：

获取用户手动输入的基础身份信息和风格标签信息，将基础身份信息和风格标签信息输入到身份分析模型中，确定用户的操作预测结果，操作预测结果包括多种展示产品中用户对每种展示产品的喜好交互操作，以及与每个喜好交互操作对应的置信值，其中，用户对每种展示产品的喜好交互操作至少包括一种；

获取用户选择的目标产品的基础信息，根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，交互操作调整策略包括目标产品的多种预设交互操作以及与每种预设交互操作对应的替换交互操作，交互操作调整策略的作用在于调整目标产品的交互方式，让预测的某个需要进行不同前置操作的喜好交互操作变得简化，最终用户只需要通过调整后的某个或更少数量的操作即可达到自己的目的；

接收用户的交互操作信息，从交互操作调整策略中的多个替换交互操作中确定与用户的交互操作信息相匹配的替换交互操作，根据交互操作调整策略确定匹配到的替换交互操作对应的预设交互操作，记为目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示；

对身份分析模型的训练包括：

获取训练数据集，训练数据集包括多个用户的历史交互数据，每组历史交互数据包括单个用户的基础身份信息和风格标签信息，以及单个用户浏览任一展示产品的交互操作信息；

根据展示产品的类型对训练数据集进行分组，得到多组子数据集，每组子数据集对应一种展示产品，每组子数据集包括多个用户对同种展示产品的历史交互数据；

身份分析模型包括多个子神经单元，将多组子数据集分别输入到其中一个子神经单元中，在训练身份分析模型的过程中，每次迭代之前，用最接近预设收敛条件的子神经单元的模型参数替换其余子神经单元的模型参数，在每个子神经单元均达到预设收敛条件后，完成对身份分析模型的训练；

对于训练数据集，还包括：

从大量历史样本数据中提取得到训练数据集，训练数据集的提取包括：

按照展示产品的类型对历史样本数据进行数据划分，分别以每个类型为核心构建得到多个样本数据集合，组成样本数据库Ds，Ds=D1，D2，…，Dn，其中，n为样本数据集合的总数，获取每个类型的展示产品的交互操作关联关系；

对于任一样本数据集合Di，根据样本数据集合Di所属展示产品的类型确定样本数据集合Di对应的交互操作关联关系，对于样本数据集合Di记载的多个用户的样本数据，根据交互操作关联关系对每个用户的样本数据进行数据裁剪和数据整合，得到每个用户的多个第一交互操作以及每个第一交互操作的参考时长，基于参考时长对每个用户的多个第一交互操作进行排序，基于预设数量对每个用户的多个第一交互操作进行筛选，得到每个用户的预设数量的第二交互操作，为每个第二交互操作添加参考时长标签；

遍历样本数据库Ds，确定样本数据库中每个样本数据集合所包括的用户的多个第二交互操作，以及每个第二交互操作对应的参考时长标签，将样本数据库Ds作为训练数据集；

根据交互操作关联关系对每个用户的样本数据进行数据裁剪和数据整合，包括：

交互操作关联关系包括其中一种展示产品的多个交互操作中，任一交互操作的前置操作；

对于任一用户的任意一组时间连续的样本数据，记为目标样本数据，按照时间顺序对目标样本数据中的多个交互操作进行排序，得到操作排序列表Op，Op=Op1，Op2，…，Opm，其中，m为目标样本数据中交互操作的总数；

采用如下步骤对目标样本数据进行数据裁剪和数据整合：

S01、对于操作排序列表Op中的第j个交互操作，令j=1，k=0；

S02、令j=j+1；

S03、根据交互操作关联关系判断第j-1个交互操作是否为第j个交互操作的前置操作，若是，转到步骤S04，否则，令k=k+1，将交互操作排序列表Op中的第j-1个交互操作从交互操作排序列表Op中剪切到交互操作调整列表中，作为交互操作调整列表的第k个交互操作，确定交互操作排序列表Op中第j-1个交互操作和第j个交互操作的持续时长，将所确定的持续时长作为交互操作调整列表中第k个交互操作的参考时长，转到步骤S02；

S04、判断条件“j＜m”是否成立，若成立则转到步骤S02，否则转到步骤S05；

S05、输出交互操作调整列表；

交互操作调整列表中的每个交互操作和对应的参考时长分别为用户的其中一个第一交互操作以及与第一交互操作对应的参考时长；

根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，包括：

根据目标产品的类型从操作预测结果中提取出用户对目标产品的预设数量的喜好交互操作，以及与每个喜好交互操作的置信值，每个喜好交互操作均属于目标产品的多种预设交互操作中的一种，基于置信值从大到小的顺序对预设数量的喜好交互操作进行排序；

从交互操作排序列表中选取出使用次数最大的预设数量的交互操作作为替换交互操作，根据使用次数从大到小的顺序对预设数量的替换交互操作进行排序；

将处于相同排序位置的替换交互操作与喜好交互操作相匹配，生成目标产品的交互操作调整策略。

2.如权利要求1所述的方法，其特征在于，对于交互操作排序列表，通过如下方式生成交互操作排序列表：

从大量历史样本数据中提取出多个交互操作，统计每个交互操作的使用次数，根据提取出的多个交互操作和每个交互操作的使用次数生成交互操作排序列表。

3.一种基于虚拟现实的产品展示系统，其特征在于，所述系统用于实现上述权利要求1-2任一项所述的一种基于虚拟现实的产品展示方法，包括：

信息采集模块，用于获取用户手动输入的基础身份信息和风格标签信息，以及用户选择的目标产品的基础信息；

操作预测模块，用于将基础身份信息和风格标签信息输入到身份分析模型中，确定用户的操作预测结果，操作预测结果包括多种展示产品中用户对每种展示产品的喜好交互操作，以及与每个喜好交互操作对应的置信值；

策略生成模块，用于根据目标产品的基础信息和操作预测结果确定目标产品的交互操作调整策略，交互操作调整策略包括目标产品的多种预设交互操作以及与每种预设交互操作对应的替换交互操作；

产品展示模块，用于接收用户的交互操作信息，确定与用户的交互操作信息相匹配的替换交互操作，根据交互操作调整策略确定匹配到的替换交互操作对应的预设交互操作，记为目标交互操作，控制目标产品基于目标交互操作向用户进行交互展示；

模型训练模块，用于通过训练数据集训练对身份分析模型进行训练；

对身份分析模型的训练包括：

获取训练数据集，训练数据集包括多个用户的历史交互数据，每组历史交互数据包括单个用户的基础身份信息和风格标签信息，以及单个用户浏览任一展示产品的交互操作信息；

根据展示产品的类型对训练数据集进行分组，得到多组子数据集，每组子数据集对应一种展示产品，每组子数据集包括多个用户对同种展示产品的历史交互数据；

身份分析模型包括多个子神经单元，将多组子数据集分别输入到其中一个子神经单元中，在训练身份分析模型的过程中，每次迭代之前，用最接近预设收敛条件的子神经单元的模型参数替换其余子神经单元的模型参数，在每个子神经单元均达到预设收敛条件后，完成对身份分析模型的训练。

4.如权利要求3所述的系统，其特征在于，还包括：

数据处理模块，用于对大量历史样本数据进行分析处理，从大量历史样本数据中提取得到训练数据集。