元宇宙虚拟资源推荐方法及装置与流程

1.本发明涉及大数据处理领域，特别是涉及一种元宇宙虚拟资源推荐方法及装置。


背景技术：

2.元宇宙是一种基于数字经济基础上的数字宇宙，是一种平行世界。在这个平行于现实世界的虚拟世界中，虚拟资源极度丰富。
3.目前，人们可以应用现有的智能推荐方法从元宇宙中获取虚拟资源。现有的智能推荐方法通常包括内容过滤方法和合作过滤方法，内容过滤方法能够根据用户在元宇宙上的浏览行为构建的兴趣模型，为用户推荐相似的虚拟资源，但对同一主题的信息质量的区分能力低，导致推荐精度有限，而合作过滤方法是通过用户对信息的评价构建一个信息矩阵来寻找相似的信息，从而预测用户的喜好得以推荐，但存在难以扩展信息矩阵的问题，存在复杂性。
4.因此，如何便捷地向用户推荐有效的元宇宙虚拟资源是目前亟待解决的问题。


技术实现要素：

5.有鉴于此，本发明提供一种元宇宙虚拟资源推荐方法，通过该方法，以解决难以向用户推荐有效的元宇宙虚拟资源的问题。
6.本发明还提供了一种元宇宙虚拟资源推荐装置，用以保证上述方法在实际中的实现及应用。
7.一种元宇宙虚拟资源推荐方法，包括：
8.响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；
9.根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，所述属性坐标系包含各个所述属性信息对应的目标坐标点，每个所述属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定；
10.依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；
11.通过预设的转化程度函数基于各个所述坐标值和每个所述虚拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；
12.依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；
13.将选取出的所述目标虚拟资源输出给所述用户。
14.上述的方法，可选的，所述确定每个所述属性信息的属性值，包括：
15.对每个所述属性信息进行属性值读取，以确定所述属性信息是否包含属性值；
16.若所述属性信息不包含属性值，则对所述属性信息进行属性赋值，获得所述属性信息的属性值。
17.上述的方法，可选的，所述根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，包括：
18.生成每个所述属性信息对应的维度的属性坐标轴；
19.将每个所述属性信息的属性值输入至所述属性信息对应的维度的属性坐标轴，获得所述属性信息的属性值在该维度的属性坐标轴上的目标坐标点；
20.由各个所述属性坐标轴，以及每个所述属性信息的属性值在该属性信息对应的维度的属性坐标轴上的所述目标坐标点，组成所述用户的属性坐标系。
21.上述的方法，可选的，所述依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，包括：
22.将每个所述坐标值与预设的元宇宙中的每个候选虚拟资源的各个虚拟参数值进行匹配；
23.对于每个所述候选虚拟资源，若所述候选虚拟资源的各个虚拟参数值中存在目标虚拟参数值，则将所述候选虚拟资源作为所述用户对应的虚拟资源，所述目标虚拟参数值为与任意一个所述坐标值匹配成功的虚拟参数值。
24.上述的方法，可选的，所述依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源，包括：
25.按照每个所述虚拟资源对应的相似值由大至小的顺序，在各个所述虚拟资源中选取出预设数量的待推荐的目标虚拟资源。
26.一种元宇宙虚拟资源推荐装置，包括：
27.第一确定单元，用于响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；
28.建立单元，用于根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，所述属性坐标系包含各个所述属性信息对应的目标坐标点，每个所述属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定；
29.第二确定单元，用于依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；
30.计算单元，用于通过预设的转化程度函数基于各个所述坐标值和每个所述虚拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；
31.选取单元，用于依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；
32.输出单元，用于将选取出的所述目标虚拟资源输出给所述用户。
33.上述的装置，可选的，所述第一确定单元，包括：
34.读取子单元，用于对每个所述属性信息进行属性值读取，以确定所述属性信息是否包含属性值；
35.赋值子单元，用于若所述属性信息不包含属性值，则对所述属性信息进行属性赋值，获得所述属性信息的属性值。
36.上述的装置，可选的，所述建立单元，包括：
37.生成子单元，用于生成每个所述属性信息对应的维度的属性坐标轴；
38.输入子单元，用于将每个所述属性信息的属性值输入至所述属性信息对应的维度
的属性坐标轴，获得所述属性信息的属性值在该维度的属性坐标轴上的目标坐标点；
39.组成子单元，用于由各个所述属性坐标轴，以及每个所述属性信息的属性值在该属性信息对应的维度的属性坐标轴上的所述目标坐标点，组成所述用户的属性坐标系。
40.上述的装置，可选的，所述第二确定单元，包括：
41.匹配子单元，用于将每个所述坐标值与预设的元宇宙中的每个候选虚拟资源的各个虚拟参数值进行匹配；
42.处理子单元，用于对于每个所述候选虚拟资源，若所述候选虚拟资源的各个虚拟参数值中存在目标虚拟参数值，则将所述候选虚拟资源作为所述用户对应的虚拟资源，所述目标虚拟参数值为与任意一个所述坐标值匹配成功的虚拟参数值。
43.上述的装置，可选的，所述选取单元，包括：
44.选取子单元，用于按照每个所述虚拟资源对应的相似值由大至小的顺序，在各个所述虚拟资源中选取出预设数量的待推荐的目标虚拟资源。
45.与现有技术相比，本发明包括以下优点：响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，所述属性坐标系包含各个所述属性信息对应的目标坐标点，每个所述属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定；依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；通过预设的转化程度函数基于各个所述坐标值和每个所述虚拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；将选取出的所述目标虚拟资源输出给所述用户。应用本发明的方法，能够便捷地向用户推荐有效的元宇宙虚拟资源。
46.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
47.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，还可以根据提供的附图获得其他的附图。
48.图1为本发明实施例提供的一种元宇宙虚拟资源推荐方法的方法流程图；
49.图2为本发明实施例提供的一种元宇宙虚拟资源推荐方法的尖峰型转化程度函数示意图；
50.图3为本发明实施例提供的一种元宇宙虚拟资源推荐方法的属性坐标系结构示意图；
51.图4为本发明实施例提供的一种元宇宙虚拟资源推荐装置的装置结构图；
52.图5为本发明实施例提供的一种元宇宙虚拟资源推荐装置的又一装置结构图。
具体实施方式
53.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
54.在本技术中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
55.由背景技术可知，在元宇宙中，关于用户喜好的虚拟资源通常是基于用户过往的浏览行为和对用户的浏览信息进行预测，来给用户推荐用户所喜好的虚拟资源。利用现有的智能推荐方法，在给用户推荐虚拟资源的过程中存在对信息质量的区分能力差，或是通过对用户浏览的信息进行评价所构建的信息矩阵才能寻找与用户以往浏览过的相似信息来预测用户所需的虚拟资源，而构建信息矩阵难以扩展，其扩展过程复杂。
56.因此，本发明基于上述智能推荐方法的优缺点，在元宇宙中，利用定性映射预测用户浏览虚拟资源的喜好，再利用转化程度函数来进行相似度的运算和识别，从而给用户推荐用户所喜好的虚拟资源，用户所喜好的虚拟资源即为有效的虚拟资源。
57.本发明可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
58.本发明实施例提供了一种元宇宙虚拟资源推荐方法，该方法可以应用在多种系统平台，其执行主体可以为计算机终端或各种移动设备的处理器，所述方法的方法流程图如图1所示，具体包括：
59.s101：响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；
60.本发明实施例提供的方法中，元宇宙是预先设置的一个平行于现实世界的虚拟世界，现实中人们可以做到的事可以在元宇宙实现，用户在其中都是第一人称视角，每个接入的用户都拥有一个虚拟身份和唯一一个虚拟id。
61.本发明实施例提供的方法中，当用户登录到元宇宙中，此时触发元宇宙虚拟资源的推荐指令，而给用户进行元宇宙虚拟资源的推荐，需要先获取用户的个人属性信息和属性信息的属性值，其中，所获取的用户的各个属性信息是用户以往在元宇宙中所浏览过的各个虚拟资源信息，每个属性信息相当于是各个虚拟资源信息，其中的各个虚拟资源信息可以是用户对虚拟资源的浏览行为信息，该浏览行为比如浏览次数、浏览时长等等。元宇宙的各个虚拟资源可以包括虚拟商城中的某个产品、虚拟空间中的某种服务等等，具体的比如为虚拟空间中的某种服务为虚拟银行中的存款服务、虚拟银行中的提现服务等等。而所获取的用户的各个属性信息的属性值，其属性值通常是根据属性信息所确定，若根据属性
信息无法直接确定，此时需要系统自动根据属性信息为对应的属性值进行赋值，其中，由属性信息直接确定属性值具体比如，当该属性信息为用户在元宇宙中浏览3次的虚拟银行中的存款服务，此时该虚拟银行中的存款服务对应的属性值为3次浏览。
62.本发明实施例提供的方法中，通过获取用户的各个属性信息和属性值，可以预测用户的喜好，根据所预测的用户的喜好给用户有效的推荐元宇宙中的虚拟资源。
63.s102：根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系；
64.本发明实施例提供的方法中，因为各个属性信息的属性值的格式不同，各个属性值之间无法进行运算，因此通过建立一个与用户相应的属性坐标系，便于在元宇宙中确定用户所喜好的虚拟资源。将用户的各个属性信息和各个属性信息的属性值进行打包作为一个个体，对应建立该个体的属性坐标系，其中属性坐标系中的坐标轴根据各个属性信息来决定，该属性坐标系包含各个所述属性信息对应的目标坐标点，每个属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定，即基于每个坐标轴对应的属性信息和属性值，在该坐标轴上确定与属性值对应的坐标点，根据坐标点确定坐标值。例如用户的属性信息的数量为3个时，对应建立的坐标值的数量为3条。
65.s103：依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；
66.本发明实施例提供的方法中，元宇宙中的虚拟资源极度丰富，用户在这些虚拟资源中，获取许多有效实用的信息，对于丰富用户个人在元宇宙的发展和建设元宇宙的经济、文化和规则等十分重要。
67.本发明实施例提供的方法中，一个虚拟资源可以相当于是一个文本集，通过对文本集进行标记、分词、统计等过程生成文本向量，该文本向量包含多个向量，相当于虚拟资源中包含各个虚拟参数值，而一个虚拟资源可以包含一个或多个虚拟参数值，由各个坐标值和各个虚拟参数值进行相似度匹配，以确定出与用户对应的虚拟资源。
68.本发明实施例提供的方法中，依据各个坐标值，从元宇宙中确定与用户对应的各个虚拟资源包括，利用定性映射函数尝试对所有坐标值与每个虚拟资源的各个虚拟参数值进行匹配。令各个坐标值为x(x
1,
x
2,
...,xn)(n＝k)，通过公式(1)定性映射函数，各个坐标值尝试与每个虚拟资源的各个虚拟参数值ξ(ξ
1,
ξ
2,
...,ξn)(n＝k)进行匹配，以确定出与用户对应的各个虚拟资源。
[0069][0070]
公式(1)中，x(x
1,
x
2,
...,xn)(n＝k)中，x表示坐标值集合，x
1,
x
2,
...,xn表示各个坐标值；ξ(ξ
1,
ξ
2,
...,ξn)(n＝k)中，ξ表示虚拟参数值集合，ξ
1,
ξ
2,
...,ξn表示各个虚拟参数值；τ(x，ξ)表示将坐标值集合与某一个虚拟资源进行匹配，可得出相似程度值；τ
pi(u)
(xi)表示每一维向量的定性映射。
[0071]
s104：通过预设的转化程度函数基于各个所述坐标值和每个所述虚拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；
[0072]
本发明实施例提供的方法中，通常情况下，考虑到所有坐标值能够与虚拟资源的虚拟参数值完成全部匹配的概率较低，因此可以利用转化程度函数的相似度函数来进行所
有坐标值与每个虚拟资源的相似度的比较运算和识别，以确定各个坐标值与每个虚拟资源对应的相似值。以任何一个待评价对象(虚拟资源)为例，假设其为x
*
，在此评价的属性坐标系中任一种标准对象的目标类型为xj＝(x
j1
,x
j2
,...,x
jk
)，它与x
*
的距离r(xj,x
*
)将表示为该待评价对象与标准的某类对象之间的差距，具体参考下述公式(2)。
[0073]
进一步的，针对于用户的属性信息，不同种类的属性信息对相似度影响是不同的，此时还可以利用基于一种转化程度函数的相似度函数来提高识别效率，具体参考下述公式(3)。
[0074]
该转化程度函数的相似度函数的通用形式为公式(2)，本发明采用的转化程度函数的相似度函数可为公式(3)：
[0075]
sat(xj,x
*
)＝λ(xj,x
*
)g(r(xj,x
*
))，
ꢀꢀꢀ
(2)
[0076][0077]
在公式(2)中，λ(xj,x
*
)表示一个待定系数，为了便于讨论，可暂时令其为1；g(r(xj,x
*
))表示一个反映xj和x
*
相似度的函数，其中，当满足r(xj,x
*
)＝0时，g(r(xj,x
*
))＝1；而且，当r(xj,x
*
)＝∞时，g(r(xj,x
*
))＝0。其中，当转化程度函数的取值域分别取0和1时，能够表现为值域为[-1，1]定性映射的形式，因此通过定性映射可以求出转化程度函数，而转化程度函数也能通过相反的过程转化成定性映射，即转化程度函数与定性映射直接呈等价的关系。
[0078]
在公式(3)中，wj表示第j个属性的权重；δj是误差半径。
[0079]
需要说明的是，因为转化程度函数是反映量到质转化程度的差异的一种数学模型，所以不同属性量值转化程度差异肯定有所不同，量到质转化的规律是极其多样的，因而转化程度函数会有多种不同类型。本发明选用的转化程度函数可包括尖峰型转化程度函数，如图2所示，令(αi，βi)为定性基准，ξi为中点性质，(0，1)为值域，当定性基准区间内的量值离基准边界αi、βi越接近，性质发生突变的可能性越大，因此当性质位于基准区间内的ξi中点时最稳定，其性质发生突变的可能性最小。通过该尖峰型转化程度函数能够使定性基准的边界产生模糊化，在此基础上，因其属性种类较多，采用了加权的转化程度函数，具体参考下述公式(4)。
[0080][0081]
公式(4)为本质意义下定性的转化程度函数，x表示为坐标值对属性标准值的偏离度；ξi表示为本征性质；δi表示误差半径。
[0082]
在上述实施例提供的方法的基础上，定性映射表示一种定性判断的逻辑关系，仅能够表示基于量质特征的转换，而不会因为量质互变时量取值的差异从而导致的转换程度不同；而转化程度函数会反映在基准区间内量所对应质的特征与本特征点的区别，也就是说能够反映量质转化中程度的不同，不仅仅会判定因为量的差异而导致的转化程度的区别，而且还可以导致定性基准产生模糊化。
[0083]
s105：依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；
[0084]
本发明实施例提供的方法中，当得到各个坐标值与每个虚拟资源对应的相似值
时，可以通过将各个相似值按照大到小的顺序排列，方便从中选取出最大的相似值，此时最大的相似值对应的虚拟资源为目标虚拟资源。
[0085]
s106：将选取出的所述目标虚拟资源输出给所述用户。
[0086]
本发明实施例提供的方法中，最大相似值对应的目标虚拟资源为所预测的用户喜好的虚拟资源，将这个目标虚拟资源通过预设的推荐方式推荐给用户。
[0087]
需要说明的是，随着用户在使用元宇宙的过程中，用户不断对推荐资源进行运用和抛弃，能够逐步提高推荐的精确程度，即随着对资源的运用和抛弃，能够更适应地调节对偏差资源的取舍的偏差半径，并混合内容过滤推荐和用户合作过滤推荐，随着使用量越来越大，用户合作过滤的准确度越来越高，增大用户合作过滤的比例，提高了推荐的精确度，同时，随着用户使用次数的增加，对与用户兴趣偏差较大的资源将不再继续推荐。
[0088]
本发明实施例提供的方法中，响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，所述属性坐标系包含各个所述属性信息对应的目标坐标点，每个所述属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定；依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；通过预设的转化程度函数基于各个所述坐标值和每个所述虚拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；将选取出的所述目标虚拟资源输出给所述用户。应用本发明的方法，能够便捷地向用户推荐有效的元宇宙虚拟资源。
[0089]
基于上述实施例提供的方法，步骤s101中提及了确定每个所述属性信息的属性值，包括：
[0090]
对每个所述属性信息进行属性值读取，以确定所述属性信息是否包含属性值；
[0091]
若所述属性信息不包含属性值，则对所述属性信息进行属性赋值，获得所述属性信息的属性值。
[0092]
本发明实施例提供的方法中，每个属性信息可能对应包含了属性值也可能未包含属性值。在获取到用户的各个属性信息的情况下，通过读取每一个属性信息来确定其中是否包含了对应的属性值，如果属性信息中包含了对应的属性值，则在后续的过程中使用这个属性值；但是由于有些属性信息是抽象化的属性概念，读取是无法获得该属性信息的属性值的，这时需要系统根据属性概念和预先设置好的属性概念标准来对该属性信息进行赋值，赋值得到该属性信息的属性值。
[0093]
基于上述实施例提供的方法，参考图3，示出了本发明实施例提供的一种元宇宙虚拟资源推荐方法的属性坐标系结构示意图，结合步骤s102中提及了根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，包括：
[0094]
生成每个所述属性信息对应的维度的属性坐标轴；
[0095]
将每个所述属性信息的属性值输入至所述属性信息对应的维度的属性坐标轴，获得所述属性信息的属性值在该维度的属性坐标轴上的目标坐标点；
[0096]
由各个所述属性坐标轴，以及每个所述属性信息的属性值在该属性信息对应的维度的属性坐标轴上的所述目标坐标点，组成所述用户的属性坐标系。
[0097]
本发明实施例提供的方法中，根据属性信息建立属性坐标轴，存在多少个属性信息则建立多少条属性坐标轴，多条不同属性坐标轴是对应多个不同维度所建立，每个属性信息的属性值在对应坐标轴上决定坐标点。根据各个属性信息和各个属性值形成用户相应的一个个体，将这个个体放置在属性坐标系中，其中便于后续的判断工作。
[0098]
本发明实施例提供的方法中，在图3中的属性坐标系包含3条属性坐标轴，则这些坐标轴是根据3个不同的属性信息所建立。比如一个立方体，其对应的属性信息分别是长、宽、高，因而根据长、宽、高这3种属性信息建立3条不同维度的坐标轴，并根据长、宽、高对应的属性值在对应的坐标轴上确定坐标点，此时建立的坐标系也为一个三维的坐标系。
[0099]
进一步的，在上述实施例提供的方法的基础上，本发明实施例提供的方法中，步骤s103中提及了所述依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，包括：
[0100]
将每个所述坐标值与预设的元宇宙中的每个候选虚拟资源的各个虚拟参数值进行匹配；
[0101]
对于每个所述候选虚拟资源，若所述候选虚拟资源的各个虚拟参数值中存在目标虚拟参数值，则将所述候选虚拟资源作为所述用户对应的虚拟资源，所述目标虚拟参数值为与任意一个所述坐标值匹配成功的虚拟参数值。
[0102]
本发明实施例提供的方法中，通过将各个坐标值与虚拟资源的各个虚拟参数值进行匹配计算，能够得出各个坐标值和每个虚拟资源的相似程度值。在用户对应的属性信息的属性值数量很多的情况下，其属性值对应的坐标值的数量也很多，同时在元宇宙中与用户对应的虚拟资源也很多。
[0103]
进一步的，在上述实施例提供的方法的基础上，本发明实施例提供的方法中，步骤s105中提及了所述依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源，包括：
[0104]
按照每个所述虚拟资源对应的相似值由大至小的顺序，在各个所述虚拟资源中选取出预设数量的待推荐的目标虚拟资源。
[0105]
本发明实施例提供的方法中，将各个坐标值与每个虚拟资源对应的相似值由大到小的顺序进行排列，方便找到最大的相似值，将这个最大的相似值对应的虚拟资源作为给用户推荐的目标虚拟资源。
[0106]
与图1所示的一种元宇宙虚拟资源推荐方法相对应的，本发明实施例还提供了一种元宇宙虚拟资源推荐装置，用于对图1中所述方法的具体实现，其装置结构图如图4所述，包括：
[0107]
第一确定单元201，用于响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；
[0108]
建立单元202，用于根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，所述属性坐标系包含各个所述属性信息对应的目标坐标点，每个所述属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定；
[0109]
第二确定单元203，用于依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；
[0110]
计算单元204，用于通过预设的转化程度函数基于各个所述坐标值和每个所述虚
拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；
[0111]
选取单元205，用于依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；
[0112]
输出单元206，用于将选取出的所述目标虚拟资源输出给所述用户。
[0113]
基于本发明实施例提供的装置，响应于虚拟资源推荐指令，获取所述虚拟资源推荐指令对应的用户的各个属性信息，并确定每个所述属性信息的属性值；根据各个所述属性信息和各个所述属性信息的属性值，建立与所述用户对应的属性坐标系，所述属性坐标系包含各个所述属性信息对应的目标坐标点，每个所述属性信息对应的目标坐标点的坐标值根据该属性信息的属性值确定；依据各个所述坐标值，从预设的元宇宙中确定与所述用户对应的各个虚拟资源，每个所述虚拟资源包含多个虚拟参数值；通过预设的转化程度函数基于各个所述坐标值和每个所述虚拟资源的各个虚拟参数值，计算得到每个所述虚拟资源对应的相似值；依据每个所述虚拟资源对应的相似值，在各个所述虚拟资源中选取出待推荐的目标虚拟资源；将选取出的所述目标虚拟资源输出给所述用户。应用本发明的装置，能够便捷地向用户推荐有效的元宇宙虚拟资源。
[0114]
在图4的基础上，参考图5示出了一种元宇宙虚拟资源推荐装置的又一装置结构图，具体包括：
[0115]
本发明实施例提供的装置中，所述第一确定单元201，包括：
[0116]
读取子单元207，用于对每个所述属性信息进行属性值读取，以确定所述属性信息是否包含属性值；
[0117]
赋值子单元208，用于若所述属性信息不包含属性值，则对所述属性信息进行属性赋值，获得所述属性信息的属性值。
[0118]
本发明实施例提供的装置中，所述建立单元202，包括：
[0119]
生成子单元209，用于生成每个所述属性信息对应的维度的属性坐标轴；
[0120]
输入子单元210，用于将每个所述属性信息的属性值输入至所述属性信息对应的维度的属性坐标轴，获得所述属性信息的属性值在该维度的属性坐标轴上的目标坐标点；
[0121]
组成子单元211，用于由各个所述属性坐标轴，以及每个所述属性信息的属性值在该属性信息对应的维度的属性坐标轴上的所述目标坐标点，组成所述用户的属性坐标系。
[0122]
本发明实施例提供的装置中，所述第二确定单元203，包括：
[0123]
匹配子单元212，用于将每个所述坐标值与预设的元宇宙中的每个候选虚拟资源的各个虚拟参数值进行匹配；
[0124]
处理子单元213，用于对于每个所述候选虚拟资源，若所述候选虚拟资源的各个虚拟参数值中存在目标虚拟参数值，则将所述候选虚拟资源作为所述用户对应的虚拟资源，所述目标虚拟参数值为与任意一个所述坐标值匹配成功的虚拟参数值。
[0125]
本发明实施例提供的装置中，所述选取单元205，包括：
[0126]
选取子单元214，用于按照每个所述虚拟资源对应的相似值由大至小的顺序，在各个所述虚拟资源中选取出预设数量的待推荐的目标虚拟资源。
[0127]
需要说明的是，本发明提供的一种元宇宙虚拟资源推荐方法及装置可用于大数据领域或金融领域。上述仅为示例，并不对本发明提供的一种元宇宙虚拟资源推荐方法及装置的应用领域进行限定。
[0128]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0129]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现。
[0130]
为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0131]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。