基于元宇宙的用户需求挖掘方法及系统与流程

1.本技术涉及元宇宙技术领域，尤其涉及一种基于元宇宙的用户需求挖掘方法及系统。

背景技术：

2.元宇宙（metaverse），是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。元宇宙的实际落地应用包括但不限于虚拟商城、数字社区等。随着元宇宙的发展，针对元宇宙用户的需求分析至关重要，但是传统技术难以保障需求分析/挖掘的质量。

技术实现要素：

3.本技术的一个目的是提供一种基于元宇宙的用户需求挖掘方法及系统。
4.一种基于元宇宙的用户需求挖掘方法，应用于用户需求挖掘系统，所述方法包括：对元宇宙用户活动大数据进行行为习惯挖掘，获得对应的会话行为习惯向量；所述会话行为习惯向量包含所述元宇宙用户活动大数据中的各活动事件信息的用户偏好项；确定所述元宇宙用户活动大数据中的至少一个用户操作轨迹分别对应的可视化窗口，并利用确定的至少一个可视化窗口，对所述会话行为习惯向量进行拆解，获得所述至少一个可视化窗口分别对应的阶段行为习惯向量；结合所述各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识；结合所述服务需求预测知识和至少一个阶段行为习惯向量，以及所述服务需求预测知识与所述至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量；结合所述目标会话行为习惯向量和所述至少一个目标阶段行为习惯向量，获得所述元宇宙用户活动大数据对应的用户需求主题。
5.在一些可独立的实施例中，所述结合所述各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识，包括：对于所述各活动事件信息，皆实施如下步骤：将一个活动事件信息作为主活动事件信息，所述各活动事件信息中的剩余活动事件信息作为辅活动事件信息；基于设定ai规则，将所述主活动事件信息的用户偏好项，分别与各辅活动事件信息各自的用户偏好项进行相关性评分运算，获得各用户偏好项之间的第一相关性评分；根据各第一相关性评分，对所述各活动事件信息的用户偏好项进行整合，获得对应的服务需求预测知识。
6.在一些可独立的实施例中，结合所述服务需求预测知识和至少一个阶段行为习惯向量，以及所述服务需求预测知识与所述至少一个阶段行为习惯向量之间的第二相关性评
分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量，包括：对于至少一个阶段行为习惯向量，皆实施如下步骤：基于设定ai规则，将一个阶段行为习惯向量中的各活动事件信息的用户偏好项，分别与所述服务需求预测知识中的各活动事件信息的活动需求知识进行相关性评分运算，获得所述一个阶段行为习惯向量与所述服务需求预测知识之间的第二相关性评分；根据各第二相关性评分，对所述服务需求预测知识和所述至少一个阶段行为习惯向量分别进行整合，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量。
7.在一些可独立的实施例中，所述结合所述目标会话行为习惯向量和所述至少一个目标阶段行为习惯向量，获得所述元宇宙用户活动大数据对应的用户需求主题，包括：基于需求主题挖掘网络，分别确定出所述目标会话行为习惯向量对应的场景需求关键词和所述至少一个目标阶段行为习惯向量分别对应的环节需求关键词；依据所述场景需求关键词和各环节需求关键词，获得所述元宇宙用户活动大数据对应的用户需求主题。
8.在一些可独立的实施例中，所述基于需求主题挖掘网络，分别确定出所述目标会话行为习惯向量对应的场景需求关键词和所述至少一个目标阶段行为习惯向量分别对应的环节需求关键词，包括：将所述目标会话行为习惯向量输入需求主题挖掘网络，获得所述目标会话行为习惯向量分别属于各个预设用户需求项的第一命中指数，并将各第一命中指数作为场景需求关键词；将所述至少一个目标阶段行为习惯向量，分别输入所述需求主题挖掘网络，获得所述至少一个目标阶段行为习惯向量分别对应于各预设用户需求项的第二命中指数，并将各第二命中指数作为环节需求关键词。
9.在一些可独立的实施例中，所述依据所述场景需求关键词和各环节需求关键词，获得所述元宇宙用户活动大数据对应的用户需求主题，包括：对于所述各个预设用户需求项，皆实施如下步骤：依据所述至少一个目标阶段行为习惯向量各自属于一个预设用户需求项的第二命中指数，将满足预设判定要求的第二命中指数，与所述一个预设用户需求项对应的第一命中指数进行均值化，确定所述一个预设用户需求项对应的目标命中指数；依据所述各个预设用户需求项分别对应的目标命中指数，将所述目标命中指数大于预设限值的预设用户需求项，作为所述元宇宙用户活动大数据对应的用户需求主题。
10.在一些可独立的实施例中，所述需求主题挖掘网络的调试过程包括：获取调试样例簇；所述调试样例簇中包括多个用户活动大数据示例，所述用户活动大数据示例中携带了先验需求主题；结合所述调试样例簇，对所述需求主题挖掘网络进行循环调试，直至符合预设调试指标为止；其中，一次循环调试过程包括：基于从所述调试样例簇中筛选的用户活动大数据示例，获得所述用户活动大数据示例对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例；
通过所述需求主题挖掘网络，依据所述目标会话行为习惯向量示例和所述至少一个目标阶段行为习惯向量示例，确定所述用户活动大数据示例对应的目标需求主题示例，并结合所述目标需求主题示例与所述先验需求主题确定的网络代价，对所述需求主题挖掘网络进行变量改进。
11.在一些可独立的实施例中，所述获得所述用户活动大数据示例对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例，包括：对所述用户活动大数据示例进行行为习惯挖掘，获得对应的会话行为习惯向量示例，并基于对所述用户活动大数据示例中的至少一个用户操作轨迹示例进行确定获得的至少一个可视化窗口，对所述会话行为习惯向量示例进行拆解，获得所述至少一个可视化窗口示例分别对应的阶段行为习惯向量示例；依据所述会话行为习惯向量示例和至少一个阶段行为习惯向量示例，获得对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例。
12.在一些可独立的实施例中，所述通过所述需求主题挖掘网络，依据所述目标会话行为习惯向量示例和所述至少一个目标阶段行为习惯向量示例，确定所述用户活动大数据示例对应的目标需求主题示例，包括：通过所述需求主题挖掘网络，确定所述目标会话行为习惯向量示例分别属于各个用户需求项示例的第一命中指数示例，以及所述至少一个目标阶段行为习惯向量示例分别对应于各用户需求项示例的第二命中指数示例；依据所述各个用户需求项示例对应的第一命中指数示例和第二命中指数示例，确定所述用户活动大数据示例对应的目标需求主题示例。
13.一种用户需求挖掘系统，包括：用于存储可执行计算机程序的存储器，用于执行所述存储器中存储的可执行计算机程序时实现上述方法的处理器。
14.一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上述方法。
15.本技术实施例提供的基于元宇宙的用户需求挖掘方法及系统，对元宇宙用户活动大数据进行行为习惯挖掘，获得对应的会话行为习惯向量，并基于对元宇宙用户活动大数据中的至少一个用户操作轨迹进行确定获得的至少一个可视化窗口，对会话行为习惯向量进行拆解，获得至少一个可视化窗口分别对应的阶段行为习惯向量，基于各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识，并基于服务需求预测知识和至少一个阶段行为习惯向量，以及服务需求预测知识与至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量，根据目标会话行为习惯向量和至少一个目标阶段行为习惯向量，获得元宇宙用户活动大数据对应的用户需求主题。鉴于在得到元宇宙用户活动大数据的会话行为习惯向量和阶段行为习惯向量后，通过对会话行为习惯向量和阶段行为习惯向量进行需求预测，使得元宇宙用户活动大数据的会话场景和会话环节之间具有联系，从而在基于得到的目标会话行为习惯向量和目标阶段行为习惯向量，对元宇宙用户活动大数据进行需求主题挖掘时，可以得到尽可能精准可信的用户需求主题，提高对元宇宙用户活动大数据进行用户需求挖掘的质量。
附图说明
16.图1是示出可以实现本技术的实施例的用户需求挖掘系统的一种通信配置的示意图。
17.图2是示出可以实现本技术的实施例的基于元宇宙的用户需求挖掘方法的流程示意图。
具体实施方式
18.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。为了使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，所描述的实施例不应视为对本技术的限制，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它实施例，都属于本技术保护的范围。在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
19.图1是示出可以实现本技术的实施例的用户需求挖掘系统100的一种通信配置的框图，用户需求挖掘系统100包括用于存储可执行计算机程序的存储器101，用于执行所述存储器101中存储的可执行计算机程序时实现本技术实施例中基于元宇宙的用户需求挖掘方法的处理器102。
20.图2是示出可以实现本技术的实施例的基于元宇宙的用户需求挖掘方法的流程示意图，基于元宇宙的用户需求挖掘方法可以通过图1所示的用户需求挖掘系统100实现，进一步可以包括以下步骤1-步骤4所描述的技术方案。
21.步骤1、对元宇宙用户活动大数据进行行为习惯挖掘，获得对应的会话行为习惯向量。
22.其中，所述会话行为习惯向量（可以理解为全局场景下的行为习惯特征）包含所述元宇宙用户活动大数据（比如虚拟商城中的用户交互活动记录）中的各活动事件信息（比如用户行为事件）的用户偏好项（可以理解为用户在元宇宙空间交互过程中的行为偏好）。此外，行为习惯挖掘可以理解为特征提取。
23.步骤2、确定所述元宇宙用户活动大数据中的至少一个用户操作轨迹分别对应的可视化窗口，并利用确定的至少一个可视化窗口，对所述会话行为习惯向量进行拆解，获得所述至少一个可视化窗口分别对应的阶段行为习惯向量。
24.例如，用户操作轨迹可以用于记录用户的一些列或者连贯的操作行为数据，相应的可视化窗口能够对用户操作轨迹进行突出显示，基于此，可以实现对会话行为习惯向量拆分处理从而得到局部的阶段行为习惯向量。
25.步骤3、结合所述各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识。
26.例如，相关性评分可以理解为关联度或者相关度，相关性评分可以是皮尔森相关性系数。进一步地，服务需求预测知识能够侧重于行为偏好维度向用户需求维度的过渡和
预测，所得到的服务需求预测知识可以从整体层面反映用户需求这一注意力层面的特征知识（特征向量）。
27.步骤4、结合所述服务需求预测知识和至少一个阶段行为习惯向量，以及所述服务需求预测知识与所述至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量。
28.其中，目标会话行为习惯向量和目标阶段行为习惯向量能够分别从全局层面和局部层面反映隐藏用户需求的行为习惯的特征向量，因而可以作为用户需求主题挖掘的原料。
29.步骤5、结合所述目标会话行为习惯向量和所述至少一个目标阶段行为习惯向量，获得所述元宇宙用户活动大数据对应的用户需求主题。
30.在本发明实施例中，用户需求主题可以是元宇宙用户活动大数据对应的用户需求的类别，比如“身份隐私安全”、“虚拟商品推送”、“场景渲染优化”等。
31.可以理解，应用于步骤1-步骤5，鉴于在得到元宇宙用户活动大数据的会话行为习惯向量和阶段行为习惯向量后，通过对会话行为习惯向量和阶段行为习惯向量进行需求预测，使得元宇宙用户活动大数据的会话场景和会话环节之间具有联系，从而在基于得到的目标会话行为习惯向量和目标阶段行为习惯向量，对元宇宙用户活动大数据进行需求主题挖掘时，可以得到尽可能精准可信的用户需求主题，提高对元宇宙用户活动大数据进行用户需求挖掘的质量。
32.在一些可能的设计思路下，步骤3所描述的结合所述各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识，可以包括如下内容：对于所述各活动事件信息，皆实施如下步骤：将一个活动事件信息作为主活动事件信息（查询事件），所述各活动事件信息中的剩余活动事件信息作为辅活动事件信息（辅助事件）；基于设定ai规则（比如可以是自注意力规则），将所述主活动事件信息的用户偏好项，分别与各辅活动事件信息各自的用户偏好项进行相关性评分运算（比如可以基于皮尔森相关性系数的运算方式进行运算），获得各用户偏好项之间的第一相关性评分（取值范围可以设定在0~1之间）；根据各第一相关性评分，对所述各活动事件信息的用户偏好项进行整合（可以是加权求和），获得对应的服务需求预测知识。如此设计，能够准确、完整地得到对应的服务需求预测知识。
33.在另一些可能的设计思路下，步骤4所描述的结合所述服务需求预测知识和至少一个阶段行为习惯向量，以及所述服务需求预测知识与所述至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量，可以包括如下内容：对于至少一个阶段行为习惯向量，皆实施如下步骤：基于设定ai规则，将一个阶段行为习惯向量中的各活动事件信息的用户偏好项，分别与所述服务需求预测知识中的各活动事件信息的活动需求知识进行相关性评分运算，获得所述一个阶段行为习惯向量与所述服务需求预测知识之间的第二相关性评分；根据各第二相关性评分，对所述服务需求预测知识和所述至少一个阶段行为习惯向量分别进行整合，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量。这样，能够基于注意力规则重点关注携带隐藏的需求细节的目标会话行为习惯向量和目标阶段行为习惯向量，从而为后续的用户需求主题挖掘提供可信依据。
34.在一些可能的实施例中，步骤5所描述的结合所述目标会话行为习惯向量和所述至少一个目标阶段行为习惯向量，获得所述元宇宙用户活动大数据对应的用户需求主题，可以包括步骤51和步骤52所描述的技术方案。
35.步骤51、基于需求主题挖掘网络，分别确定出所述目标会话行为习惯向量对应的场景需求关键词和所述至少一个目标阶段行为习惯向量分别对应的环节需求关键词。
36.其中，需求主题挖掘网络可以是多分类网络，比如多元回归模型，场景需求关键词可以理解为全局需求标签，环节需求关键词可以理解为局部需求标签。
37.步骤52、依据所述场景需求关键词和各环节需求关键词，获得所述元宇宙用户活动大数据对应的用户需求主题。
38.可以理解，应用于步骤51和步骤52，能够考虑不同范围的需求关键词，从而确保得到的用户需求主题的适配性。
39.在一些可能的实施例中，步骤51所描述的基于需求主题挖掘网络，分别确定出所述目标会话行为习惯向量对应的场景需求关键词和所述至少一个目标阶段行为习惯向量分别对应的环节需求关键词，可以包括步骤511和步骤512所描述的技术方案。
40.步骤511、将所述目标会话行为习惯向量输入需求主题挖掘网络，获得所述目标会话行为习惯向量分别属于各个预设用户需求项的第一命中指数，并将各第一命中指数作为场景需求关键词。
41.步骤512、将所述至少一个目标阶段行为习惯向量，分别输入所述需求主题挖掘网络，获得所述至少一个目标阶段行为习惯向量分别对应于各预设用户需求项的第二命中指数，并将各第二命中指数作为环节需求关键词。
42.举例而言，命中指数可以理解为概率值或者可信评分。如此一来，基于步骤511和步骤512，能够基于命中指数确定环节需求关键词，从而提高环节需求关键词确定的精度和效率。
43.在一些示例中，步骤52所描述的依据所述场景需求关键词和各环节需求关键词，获得所述元宇宙用户活动大数据对应的用户需求主题，可以包括如下内容：对于所述各个预设用户需求项，皆实施如下步骤：依据所述至少一个目标阶段行为习惯向量各自属于一个预设用户需求项的第二命中指数，将满足预设判定要求的第二命中指数，与所述一个预设用户需求项对应的第一命中指数进行均值化，确定所述一个预设用户需求项对应的目标命中指数；依据所述各个预设用户需求项分别对应的目标命中指数，将所述目标命中指数大于预设限值的预设用户需求项，作为所述元宇宙用户活动大数据对应的用户需求主题。如此设计，通过基于命中指数进行量化判断，能够保障确定出的用户需求主题的精度，且基于预设用户需求项进行分析，能够保障用户需求主题的场景适配性。
44.在一些可独立的设计思路下，上述的需求主题挖掘网络的调试过程可以包括s100和s200所描述的技术方案。
45.s100、获取调试样例簇。
46.其中，所述调试样例簇（调试样本集）中包括多个用户活动大数据示例（用户活动大数据样例），所述用户活动大数据示例中携带了先验需求主题（需求主题真值）；s200、结合所述调试样例簇，对所述需求主题挖掘网络进行循环调试，直至符合预设调试指标为止。
47.其中，一次循环调试过程包括：基于从所述调试样例簇中筛选的用户活动大数据示例，获得所述用户活动大数据示例对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例；通过所述需求主题挖掘网络，依据所述目标会话行为习惯向量示例和所述至少一个目标阶段行为习惯向量示例，确定所述用户活动大数据示例对应的目标需求主题示例，并结合所述目标需求主题示例与所述先验需求主题确定的网络代价，对所述需求主题挖掘网络进行变量改进。
48.其中，目标会话行为习惯向量示例可以理解为目标会话行为习惯向量样例，目标阶段行为习惯向量示例可以理解为目标阶段行为习惯向量样例。其他的信息示例/数据示例可以作训练样本理解。
49.在另一些可能的实施例中，获得所述用户活动大数据示例对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例，包括：对所述用户活动大数据示例进行行为习惯挖掘，获得对应的会话行为习惯向量示例，并基于对所述用户活动大数据示例中的至少一个用户操作轨迹示例进行确定获得的至少一个可视化窗口，对所述会话行为习惯向量示例进行拆解，获得所述至少一个可视化窗口示例分别对应的阶段行为习惯向量示例；依据所述会话行为习惯向量示例和至少一个阶段行为习惯向量示例，获得对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例。
50.在上述内容的基础上，所述通过所述需求主题挖掘网络，依据所述目标会话行为习惯向量示例和所述至少一个目标阶段行为习惯向量示例，确定所述用户活动大数据示例对应的目标需求主题示例，包括：通过所述需求主题挖掘网络，确定所述目标会话行为习惯向量示例分别属于各个用户需求项示例的第一命中指数示例，以及所述至少一个目标阶段行为习惯向量示例分别对应于各用户需求项示例的第二命中指数示例；依据所述各个用户需求项示例对应的第一命中指数示例和第二命中指数示例，确定所述用户活动大数据示例对应的目标需求主题示例。
51.可以理解，通过上述调试思路，能够基于网络代价进行网络训练，从而保障需求主题挖掘网络在运行过程中的精度。
52.以上已经结合附图描述了本技术的实施例，至少具有如下有益效果：本技术实施例提供的基于元宇宙的用户需求挖掘方法及系统，对元宇宙用户活动大数据进行行为习惯挖掘，获得对应的会话行为习惯向量，并基于对元宇宙用户活动大数据中的至少一个用户操作轨迹进行确定获得的至少一个可视化窗口，对会话行为习惯向量进行拆解，获得至少一个可视化窗口分别对应的阶段行为习惯向量，基于各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识，并基于服务需求预测知识和至少一个阶段行为习惯向量，以及服务需求预测知识与至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量，根据目标会话行为习惯向量和至少一个目标阶段行为习惯向量，获得元宇宙用户活动大数据对应的用户需求主题。鉴于在得到元宇宙用户活动大数据的会话行为习惯向量和阶段行为习惯向量后，通过对会话行为习惯向量和阶段行为习惯向量进行需求预测，使得元宇宙用户活动大数据的会话场景和会话环节之间具有联系，从而在基于得到的目标会话行为习惯向量和目标阶段行为习惯向量，对元宇宙用户活动大数据进行需求主题挖掘时，可以得到尽可能精准可信的用户需求主题，提高对元宇宙用户活动大数据进行用户需
求挖掘的质量。
53.以上所述，仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。

技术特征：

1.一种基于元宇宙的用户需求挖掘方法，其特征在于，应用于用户需求挖掘系统，所述方法包括：对元宇宙用户活动大数据进行行为习惯挖掘，获得对应的会话行为习惯向量；所述会话行为习惯向量包含所述元宇宙用户活动大数据中的各活动事件信息的用户偏好项；确定所述元宇宙用户活动大数据中的至少一个用户操作轨迹分别对应的可视化窗口，并利用确定的至少一个可视化窗口，对所述会话行为习惯向量进行拆解，获得所述至少一个可视化窗口分别对应的阶段行为习惯向量；结合所述各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识；结合所述服务需求预测知识和至少一个阶段行为习惯向量，以及所述服务需求预测知识与所述至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量；结合所述目标会话行为习惯向量和所述至少一个目标阶段行为习惯向量，获得所述元宇宙用户活动大数据对应的用户需求主题。2.根据权利要求1所述的方法，其特征在于，所述结合所述各活动事件信息的用户偏好项，以及各用户偏好项之间的第一相关性评分，获得对应的服务需求预测知识，包括：对于所述各活动事件信息，皆实施如下步骤：将一个活动事件信息作为主活动事件信息，所述各活动事件信息中的剩余活动事件信息作为辅活动事件信息；基于设定ai规则，将所述主活动事件信息的用户偏好项，分别与各辅活动事件信息各自的用户偏好项进行相关性评分运算，获得各用户偏好项之间的第一相关性评分；根据各第一相关性评分，对所述各活动事件信息的用户偏好项进行整合，获得对应的服务需求预测知识。3.根据权利要求1所述的方法，其特征在于，结合所述服务需求预测知识和至少一个阶段行为习惯向量，以及所述服务需求预测知识与所述至少一个阶段行为习惯向量之间的第二相关性评分，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量，包括：对于至少一个阶段行为习惯向量，皆实施如下步骤：基于设定ai规则，将一个阶段行为习惯向量中的各活动事件信息的用户偏好项，分别与所述服务需求预测知识中的各活动事件信息的活动需求知识进行相关性评分运算，获得所述一个阶段行为习惯向量与所述服务需求预测知识之间的第二相关性评分；根据各第二相关性评分，对所述服务需求预测知识和所述至少一个阶段行为习惯向量分别进行整合，获得对应的目标会话行为习惯向量和至少一个目标阶段行为习惯向量。4.根据权利要求1所述的方法，其特征在于，所述结合所述目标会话行为习惯向量和所述至少一个目标阶段行为习惯向量，获得所述元宇宙用户活动大数据对应的用户需求主题，包括：基于需求主题挖掘网络，分别确定出所述目标会话行为习惯向量对应的场景需求关键词和所述至少一个目标阶段行为习惯向量分别对应的环节需求关键词；依据所述场景需求关键词和各环节需求关键词，获得所述元宇宙用户活动大数据对应
的用户需求主题。5.根据权利要求4所述的方法，其特征在于，所述基于需求主题挖掘网络，分别确定出所述目标会话行为习惯向量对应的场景需求关键词和所述至少一个目标阶段行为习惯向量分别对应的环节需求关键词，包括：将所述目标会话行为习惯向量输入需求主题挖掘网络，获得所述目标会话行为习惯向量分别属于各个预设用户需求项的第一命中指数，并将各第一命中指数作为场景需求关键词；将所述至少一个目标阶段行为习惯向量，分别输入所述需求主题挖掘网络，获得所述至少一个目标阶段行为习惯向量分别对应于各预设用户需求项的第二命中指数，并将各第二命中指数作为环节需求关键词。6.根据权利要求5所述的方法，其特征在于，所述依据所述场景需求关键词和各环节需求关键词，获得所述元宇宙用户活动大数据对应的用户需求主题，包括：对于所述各个预设用户需求项，皆实施如下步骤：依据所述至少一个目标阶段行为习惯向量各自属于一个预设用户需求项的第二命中指数，将满足预设判定要求的第二命中指数，与所述一个预设用户需求项对应的第一命中指数进行均值化，确定所述一个预设用户需求项对应的目标命中指数；依据所述各个预设用户需求项分别对应的目标命中指数，将所述目标命中指数大于预设限值的预设用户需求项，作为所述元宇宙用户活动大数据对应的用户需求主题。7.根据权利要求4所述的方法，其特征在于，所述需求主题挖掘网络的调试过程包括：获取调试样例簇；所述调试样例簇中包括多个用户活动大数据示例，所述用户活动大数据示例中携带了先验需求主题；结合所述调试样例簇，对所述需求主题挖掘网络进行循环调试，直至符合预设调试指标为止；其中，一次循环调试过程包括：基于从所述调试样例簇中筛选的用户活动大数据示例，获得所述用户活动大数据示例对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例；通过所述需求主题挖掘网络，依据所述目标会话行为习惯向量示例和所述至少一个目标阶段行为习惯向量示例，确定所述用户活动大数据示例对应的目标需求主题示例，并结合所述目标需求主题示例与所述先验需求主题确定的网络代价，对所述需求主题挖掘网络进行变量改进。8.根据权利要求7所述的方法，其特征在于，所述获得所述用户活动大数据示例对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例，包括：对所述用户活动大数据示例进行行为习惯挖掘，获得对应的会话行为习惯向量示例，并基于对所述用户活动大数据示例中的至少一个用户操作轨迹示例进行确定获得的至少一个可视化窗口，对所述会话行为习惯向量示例进行拆解，获得所述至少一个可视化窗口示例分别对应的阶段行为习惯向量示例；依据所述会话行为习惯向量示例和至少一个阶段行为习惯向量示例，获得对应的目标会话行为习惯向量示例和至少一个目标阶段行为习惯向量示例。9.根据权利要求7所述的方法，其特征在于，所述通过所述需求主题挖掘网络，依据所
述目标会话行为习惯向量示例和所述至少一个目标阶段行为习惯向量示例，确定所述用户活动大数据示例对应的目标需求主题示例，包括：通过所述需求主题挖掘网络，确定所述目标会话行为习惯向量示例分别属于各个用户需求项示例的第一命中指数示例，以及所述至少一个目标阶段行为习惯向量示例分别对应于各用户需求项示例的第二命中指数示例；依据所述各个用户需求项示例对应的第一命中指数示例和第二命中指数示例，确定所述用户活动大数据示例对应的目标需求主题示例。10.一种用户需求挖掘系统，其特征在于，包括：用于存储可执行计算机程序的存储器，用于执行所述存储器中存储的可执行计算机程序时实现权利要求1-9任一项所述方法的处理器。

技术总结

本申请实施例公开的基于元宇宙的用户需求挖掘方法及系统，鉴于在得到元宇宙用户活动大数据的会话行为习惯向量和阶段行为习惯向量后，通过对会话行为习惯向量和阶段行为习惯向量进行需求预测，使得元宇宙用户活动大数据的会话场景和会话环节之间具有联系，从而在基于得到的目标会话行为习惯向量和目标阶段行为习惯向量，对元宇宙用户活动大数据进行需求主题挖掘时，可以得到尽可能精准可信的用户需求主题，提高对元宇宙用户活动大数据进行用户需求挖掘的质量。需求挖掘的质量。需求挖掘的质量。