【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种面向元宇宙的用户偏好产品推荐方法及系统。
技术介绍
1、元宇宙(metaverse)是人类利用科技手段进行链接与创造的，由现实世界映射或超越现实世界的虚拟世界，具备新型社会体系的数字生活空间。
2、推荐系统是一种应用程序，它可以通过不同的方式利用用户体验和社交社区内的交互来推荐感兴趣的多媒体对象，从而获得最直接和最明显的优势。从这个角度来看，我们能够通过在基于社交关系的元宇宙中引入推荐系统来支持这些数据集合的浏览，帮助用户在这个信息海洋中找到“他们真正需要的东西”。推荐算法的推荐原理主要有两种机制：协同过滤和基于内容的过滤。协同过滤使用的是具有相似偏好的用户的意见，根据用户兴趣的相似性获得推荐；而基于内容的过滤基于比较已消费项目的内容和可能推荐给用户的新项目。元宇宙所创造的环境相对于其他环境具有明显的社交群体性。在此背景下，相较于其他推荐技术，协同过滤更适合作为面向元宇宙的推荐方法，更加适用于具有社交群体关系的推荐。协同过滤是一种经典的推荐技术，其优点是可以在根据各个用户的历史信息推荐项目...
【技术保护点】
1.一种面向元宇宙的用户偏好产品推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：得到相似社交用户群的具体步骤如下：
3.根据权利要求2所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：步骤S21中，得到n个相关社交用户群的方法为：
4.根据权利要求3所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：利用密度敏感距离优化K-means聚类算法的初始聚类中心的具体步骤为：
5.根据权利要求2所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：步骤S22中，得到所...
【技术特征摘要】
1.一种面向元宇宙的用户偏好产品推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：得到相似社交用户群的具体步骤如下：
3.根据权利要求2所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：步骤s21中，得到n个相关社交用户群的方法为：
4.根据权利要求3所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：利用密度敏感距离优化k-means聚类算法的初始聚类中心的具体步骤为：
5.根据权利要求2所述的面向元宇宙的用户偏好产品推荐方法，其特征在于：步骤s22中，得到所述用户与n个相关社交用户群的相似度的计算方法为：
6.根据权利要求1所述的面向元宇宙的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。