基于大数据的VR产品评价系统

摘要

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。

权利要求

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；

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；

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4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。

7.根据权利要求6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。

8.根据权利要求7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。

9.根据权利要求8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。

说明书

基于大数据的VR产品评价系统

[0001] 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

[0002] 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

[0003] 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。

[0004] 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。

[0005] 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。

[0006] 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

[0007] 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；

[0008] 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；

[0009] 监控摄像机获取监控元数据并将其发送至边缘计算设备；

[0010] 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；

[0011] 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；

[0012] 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。

[0013] 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。

[0014] 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：

[0015]

[0016] 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。

[0017] 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。

[0018] 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。

[0019] 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。

[0020] 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。

[0021] 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。

[0022] 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；

[0023] 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。

[0024] 本发明具有以下有益效果：

[0025] 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。

[0026] 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。

[0027] 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

[0028] 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

[0029] 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。

[0030] 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。

[0031] 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。

[0032] 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。

[0033] 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。

[0034] 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。

[0035] 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。

[0036] 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：

[0037]

[0038] 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。

[0039] 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。

[0040] 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。

[0041] 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。

[0042] 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。

[0043] 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。

[0044] 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。

[0045] 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。

[0046] 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。

[0047] 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。

[0048] 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。

[0049] 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：

[0050] 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；

[0051] 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。

[0052] 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；

[0053] 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：

[0054] 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；

[0055] 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。

[0056] 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；

[0057] 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。

[0058] 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。

[0059] 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：

[0060]

[0061] 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。

[0062] 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。

[0063] 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。

[0064] 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。

[0065] 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。

[0066] 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。

[0067] 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。

[0068] 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。

[0069] 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。

[0070] 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。