基于智能数字孪生的元宇宙空间活动数据分析方法及系统与流程

本发明涉及数字孪生、元宇宙和人工智能，特别涉及一种基于智能数字孪生的元宇宙空间活动数据分析方法及系统。

背景技术：

1、数字孪生（digital twin），也被称为数字映射/数字镜像，是一种在信息化平台上进行虚拟动态仿真创建的技术。数字孪生最为熟知的应用领域是元宇宙（运用数字技术构建的，由现实世界映射或超越现实世界，可与现实世界交互的虚拟世界，具备新型社会体系的数字生活空间）。随着人工智能的不断发展，元宇宙服务的智能化程度越来越高，为了进一步优化元宇宙服务，针对元宇宙空间中的用户活动数据进行挖掘分析非常关键。

技术实现思路

1、本发明至少提供一种基于智能数字孪生的元宇宙空间活动数据分析方法及系统。

2、本发明的技术方案是通过如下至少部分实施例实现的。

3、一种基于智能数字孪生的元宇宙空间活动数据分析方法，应用于数字孪生大数据分析系统，所述方法包括：

4、获取拟分析的目标元宇宙空间活动描述文本；结合调校得到的目标用户活动大数据分析算法对所述目标元宇宙空间活动描述文本进行处理，得到所述目标元宇宙空间活动描述文本的目标活动偏好关键词解析结果和与所述目标活动偏好关键词解析结果对应的目标判别摇摆系数，所述目标判别摇摆系数用于反映所述目标活动偏好关键词解析结果的解析置信因子。

5、在一些可能的实施例中，所述目标用户活动大数据分析算法的调校步骤包括：

6、获取元宇宙空间活动描述文本示例和基础用户活动大数据分析算法，所述元宇宙空间活动描述文本示例具有第一先验注释，所述基础用户活动大数据分析算法包括第一大数据分析算法和第二大数据分析算法；

7、结合所述第一大数据分析算法，挖掘所述元宇宙空间活动描述文本示例的活动描述文本语义变量；

8、通过所述第二大数据分析算法对所述活动描述文本语义变量进行解析处理，得到所述元宇宙空间活动描述文本示例的活动偏好关键词解析结果和与所述活动偏好关键词解析结果对应的判别摇摆系数，所述判别摇摆系数用于反映所述活动偏好关键词解析结果的解析置信因子；其中，所述第二大数据分析算法包括第一ai算法组件，所述第一ai算法组件至少包括三个特征处理单元；

9、结合所述活动偏好关键词解析结果、所述判别摇摆系数和所述第一先验注释，获取第一算法调校代价指标；

10、依据所述第一算法调校代价指标调校所述第一大数据分析算法和所述第二大数据分析算法，得到目标用户活动大数据分析算法。

11、在一些可能的实施例中，所述第一ai算法组件包括第一特征处理单元、第二特征处理单元和第三特征处理单元，所述活动偏好关键词解析结果包括多元标签决策结果；所述通过所述第二大数据分析算法对所述活动描述文本语义变量进行解析处理，得到所述元宇宙空间活动描述文本示例的活动偏好关键词解析结果和与所述活动偏好关键词解析结果对应的判别摇摆系数，包括：

12、将所述活动描述文本语义变量加载到所述第一特征处理单元，得到所述第一特征处理单元生成的文本语义联动变量；

13、将所述文本语义联动变量加载到所述第二特征处理单元，得到所述第二特征处理单元生成的所述元宇宙空间活动描述文本示例的多元标签决策结果；

14、将所述文本语义联动变量加载到所述第三特征处理单元，得到所述第三特征处理单元生成的与所述多元标签决策结果对应的多元标签判别摇摆系数。

15、在一些可能的实施例中，所述活动偏好关键词解析结果包括多元标签决策结果，所述判别摇摆系数包括多元标签判别摇摆系数，所述第一先验注释包括多元标签先验注释，所述结合所述活动偏好关键词解析结果、所述判别摇摆系数和所述第一先验注释，获取第一算法调校代价指标，包括：

16、结合所述多元标签决策结果、所述多元标签判别摇摆系数和所述多元标签先验注释，分别获取第一局部算法调校代价指标和第二局部算法调校代价指标；

17、为所述第一局部算法调校代价指标和所述第二局部算法调校代价指标分别配置第一强化值和第二强化值；

18、将第一运算结果和第二运算结果的和作为所述第一算法调校代价指标，所述第一运算结果为所述第一局部算法调校代价指标和所述第一强化值的加权数据，所述第二运算结果为所述第二局部算法调校代价指标和所述第二强化值的加权数据。

19、在一些可能的实施例中，所述第二大数据分析算法包括第二ai算法组件，所述第二ai算法组件包括多个非平衡决策子网，所述活动偏好关键词解析结果包括文本块拆解结果；

20、所述通过所述第二大数据分析算法对所述活动描述文本语义变量进行解析处理，得到所述元宇宙空间活动描述文本示例的活动偏好关键词解析结果和与所述活动偏好关键词解析结果对应的判别摇摆系数，包括：

21、将所述活动描述文本语义变量加载到所述多个非平衡决策子网，得到所述多个非平衡决策子网生成的多个推演结果；

22、结合所述多个推演结果，确定所述元宇宙空间活动描述文本示例的文本块拆解结果和与所述文本块拆解结果对应的拆解判别摇摆系数。

23、在一些可能的实施例中，所述第二大数据分析算法包括第一ai算法组件和第二ai算法组件，所述活动偏好关键词解析结果包括多元标签决策结果和文本块拆解结果；所述通过所述第二大数据分析算法对所述活动描述文本语义变量进行解析处理，得到所述元宇宙空间活动描述文本示例的活动偏好关键词解析结果和与所述活动偏好关键词解析结果对应的判别摇摆系数，包括：

24、通过所述第一ai算法组件对所述活动描述文本语义变量进行多元标签识别操作，得到所述元宇宙空间活动描述文本示例的多元标签决策结果和与所述多元标签决策结果对应的多元标签判别摇摆系数；

25、通过所述第二ai算法组件对所述活动描述文本语义变量进行文本块拆解操作，得到所述元宇宙空间活动描述文本示例的文本块拆解结果和与所述文本块拆解结果对应的拆解判别摇摆系数。

26、在一些可能的实施例中，所述第一先验注释包括多元标签先验注释和文本块拆解先验注释，所述第一算法调校代价指标包括第二算法调校代价指标和第三算法调校代价指标；所述结合所述活动偏好关键词解析结果、所述判别摇摆系数和所述第一先验注释，获取第一算法调校代价指标，包括：

27、结合所述多元标签决策结果、所述多元标签判别摇摆系数和所述多元标签先验注释，获取所述第二算法调校代价指标；

28、结合所述文本块拆解结果、所述拆解判别摇摆系数和所述文本块拆解先验注释，获取所述第三算法调校代价指标。

29、在一些可能的实施例中，所述基础用户活动大数据分析算法还包括第三大数据分析算法，所述依据所述第一算法调校代价指标调校所述第一大数据分析算法和所述第二大数据分析算法，得到目标用户活动大数据分析算法，包括：

30、将所述活动描述文本语义变量和所述文本块拆解结果进行聚合处理，得到聚合特征；

31、利用所述第三大数据分析算法对所述聚合特征和所述多元标签决策结果进行协同处理，得到目标量化评价；

32、结合所述目标量化评价和所述多元标签先验注释，获取与所述目标量化评价对应的第四算法调校代价指标；

33、依据第二算法调校代价指标、第三算法调校代价指标和所述第四算法调校代价指标，调校所述第一大数据分析算法、所述第一ai算法组件、所述第二ai算法组件和所述第三大数据分析算法，得到目标用户活动大数据分析算法。

34、在一些可能的实施例中，所述依据第二算法调校代价指标、第三算法调校代价指标和所述第四算法调校代价指标，调校所述第一大数据分析算法、所述第一ai算法组件、所述第二ai算法组件和所述第三大数据分析算法，包括：

35、依据所述第二算法调校代价指标、所述第三算法调校代价指标和所述第四算法调校代价指标，优化所述第一大数据分析算法的量化评价；

36、依据所述第二算法调校代价指标和所述第四算法调校代价指标，优化所述第一ai算法组件的量化评价；

37、依据所述第三算法调校代价指标和所述第四算法调校代价指标，优化所述第二ai算法组件的量化评价；

38、依据所述第四算法调校代价指标，优化所述第三大数据分析算法的量化评价。

39、在一些可能的实施例中，所述第三大数据分析算法包括第三ai算法组件和第四ai算法组件，所述利用所述第三大数据分析算法对所述聚合特征和所述多元标签决策结果进行协同处理，得到目标量化评价，包括：

40、将所述聚合特征加载到所述第三ai算法组件，得到所述第三ai算法组件生成的第一局部量化评价；

41、从所述多元标签决策结果中获取第二局部量化评价；

42、将所述第一局部量化评价和所述第二局部量化评价加载到所述第四ai算法组件，得到所述第四ai算法组件生成的目标量化评价。

43、在一些可能的实施例中，所述得到目标用户活动大数据分析算法之后，所述方法还包括：

44、利用所述目标用户活动大数据分析算法对元宇宙空间活动描述评估文本进行ai文本处理，得到所述元宇宙空间活动描述评估文本的ai文本输出信息；

45、依据所述元宇宙空间活动描述评估文本的ai文本输出信息，获取所述目标用户活动大数据分析算法的第一质量表征信息和第二质量表征信息，所述第一质量表征信息用于反映所述目标用户活动大数据分析算法的ai文本处理精度，所述第二质量表征信息用于反映所述目标用户活动大数据分析算法的ai文本处理效率。

46、一种数字孪生大数据分析系统，包括：处理器、存储器以及网络接口；所述处理器与所述存储器、所述网络接口相连；所述网络接口用于提供数据通信功能，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行上述方法。

47、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时执行基于智能数字孪生的元宇宙空间活动数据分析方法。

48、一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时，实现基于智能数字孪生的元宇宙空间活动数据分析方法。

49、根据本发明的一个实施例，在算法调校过程中，依据元宇宙空间活动描述文本示例的活动偏好关键词解析结果、与活动偏好关键词解析结果对应的判别摇摆系数和元宇宙空间活动描述文本示例的先验注释获取算法调校代价指标，换言之，算法调校代价指标除引入活动偏好关键词解析结果和先验注释外，还引入活动偏好关键词解析结果的解析置信因子。基于这种思路确定出的算法调校代价指标调校用户活动大数据分析算法，可以改善用户活动大数据分析算法的运行质量。在通过调校得到的用户活动大数据分析算法对目标元宇宙空间活动描述文本进行ai文本处理时，不仅可以获得目标元宇宙空间活动描述文本的活动偏好关键词解析结果，还可以获得用于反映目标活动偏好关键词解析结果的解析置信因子的判别摇摆系数，确保了对元宇宙空间活动描述文本进行活动偏好挖掘的准确性和可靠性。

50、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本发明的技术方案。