本发明涉及ai，尤其涉及一种基于ai特征的数字场景设计和编译绘制系统。
背景技术：
1、ai技术是指通过计算机系统来模拟、延伸和扩展人类智能的技术，它涉及多个学科领域，如计算机科学、生物学、心理学、语言学、数学和工程学等，其本质是创造一个能够像人一样感知、理解、思考、判断、决策的系统。
2、随着技术的不断进步和应用领域的不断拓展，旅游领域也取得新的进展。然而，虚拟场景管理中，仍存在以下问题：用户数据分析和处理不全面，传统方法在对用户数据进行分析和处理时，未能充分利用多维度用户特征（如实地访问景点频率、点击行为、搜索行为、购买行为以及社交行为等），导致用户画像构建不准确，进而影响场景推荐的精准度；场景推荐算法不够智能，现有的虚拟场景推荐算法可能缺乏智能性和适应性，无法根据用户反馈和满意度分析结果进行动态调整和优化；虚拟场景体验质量参差不齐，在一些虚拟场景应用中，用户可能会遇到景色不够优美、交互不够流畅、文化体验不足或导航不够便捷等问题，无法自动调整推荐策略以适应用户的变化，影响整体用户体验。为此，本发明提出了一种基于ai特征的数字场景设计和编译绘制系统。
技术实现思路
1、本发明的目的是为了解决背景技术中的问题，而提出的一种基于ai特征的数字场景设计和编译绘制系统。
2、为了实现上述目的，本发明采用了如下技术方案：
3、一种基于ai特征的数字场景设计和编译绘制系统，包括：特征提取与用户画像构建模块、旅游场景规划模块、用户体验反馈模块以及智能评估与优化调整模块；
4、特征提取与用户画像构建模块用于收集用户数据，对用户数据进行预处理，将预处理后的数据进行特征提取，并构建用户画像；
5、旅游场景规划模块用于对旅游目的地的基础场景设置特征向量，利用余弦相似度公式计算用户相似度，并根据用户相似度建立相似度矩阵，从而生成场景推荐列表；
6、用户体验反馈模块用于收集用户体验反馈，分析用户对生成的场景推荐列表的满意程度，获取满意程度分析结果；
7、智能评估与优化调整模块用于根据满意程度分析结果，识别场景推荐列表存在的问题和改进点，并构建优化目标函数优化场景推荐列表的参数。
8、需要说明的是，本发明实施例中一种基于ai特征的数字场景设计和编译绘制系统的应用对象可以为旅游领域中的虚拟场景管理，具体的可以为通过人工智能与数据分析技术对用户行为数据进行全面分析和数据处理，以实现对旅游场景推荐列表的精准生成和优化，通过特征提取与用户画像构建、旅游场景规划、用户体验反馈以及智能评估与优化调整等多个环节，能够提高推荐的精准度和用户满意度，满足用户获取推荐信息的需求，并自动调整推荐列表的参数，实现智能化优化，提高推荐系统的性能和用户体验；同时，该系统还促进了旅游业的数字化发展，对于提升旅游服务质量、用户体验以及旅游业的整体竞争力等方面都具有重要意义。
9、进一步的，特征提取与用户画像构建模块收集用户数据，对用户数据进行预处理，将预处理后的数据进行特征提取的过程包括：
10、从多渠道收集用户数据，包括历史旅游记录、在线行为数据；
11、对收集到的用户数据进行预处理，包括缺失值处理、异常值检测以及数据归一化处理；
12、获取预处理后的用户数据集，即历史旅游记录和在线行为数据；其中，预处理后的用户数据集包含了多个用户的多个特征，具体而言，从历史旅游记录提取用户实地访问景点频率特征，从在线行为数据提取点击行为特征（用户点击次数、点击率、点击深度）、搜索行为特征（用户搜索关键词频率、搜索类别偏好）、购买行为特征（用户购买纪念品频率、购买类别分布）以及社交行为特征（用户在社交媒体上分享旅行照片的频率）；
13、令用户数据集中存在个用户，每个用户拥有五个用户特征，即用户实地访问景点频率特征、点击行为特征、搜索行为特征、购买行为特征以及社交行为特征；
14、则有特征矩阵，其中，特征矩阵是一个的矩阵，每一行代表一个用户，每一列代表一个特征；
15、利用公式计算协方差矩阵，其中，公式表达式为：
16、
17、式中，表示特征矩阵的转置；
18、对协方差矩阵进行特征值分解，得到特征值（按降序排列）和对应的特征向量；
19、根据特征值的大小选择前个主成分；其中，选择主成分依据为选择特征值大于预设阈值或根据累积贡献率选择，预设阈值表示主成分解释的方差大于随机噪声，累积贡献率表示前个主成分解释的方差占总方差的比例，且表示主成分索引；
20、选择前个特征向量构成投影矩阵，将特征矩阵投影到主成分上，得到降维后的数据矩阵，即，式中，表示投影矩阵；其中，每一行表示第个用户在个主成分上的得分，即将在特征空间中的第个用户的特征向量投影到由前个主成分定义的子空间后得到的坐标，表示用户在由主成分构成的新坐标系中的位置。
21、进一步的，特征提取与用户画像构建模块构建用户画像的过程包括：
22、使用k-means聚类算法，基于提取的用户特征将用户划分为具有相似特征的不同群体，即不同用户的画像；其中，具体分析公式如下：
23、
24、式中，表示聚类目标，表示聚类划分，表示第个聚类中的样本集合，即所有被分配到第个簇的用户特征向量的集合，表示第个聚类的均值向量，表示用户数据集中的第个用户的特征向量，表示用户的特征向量索引，表示簇或群体数量，表示聚类索引；
25、通过将用户数据划分为个具有相似特征的群体（即进行均值聚类），并计算分析每个群体的特征，从而构建出用户画像。
26、进一步的，旅游场景规划模块对旅游目的地的基础场景设置特征向量，利用余弦相似度公式计算用户相似度的过程包括：
27、基于特征提取与用户画像构建模块构建的用户画像，定义多个旅游目的地的基础场景，并为每个基础场景设置特征向量，每个基础场景表示为一个多维向量，即，式中，表示基础场景在第个特征上的值，表示基础场景特征值索引；
28、可理解的是，基础场景的特征向量包括基础场景的主题、位置、类型、活动内容等多个维度；基础场景包括自然风光游览区、历史文化遗址探索区、休闲娱乐体验区等，每个场景的具体特征，如自然风光游览区可能包含山川湖泊、植被覆盖等自然元素作为基础场景的特征向量的一部分，而历史文化遗址探索区则可能以古建筑、文物遗迹等作为其主要特征向量；
29、任意选择两个用户，并分别标记为用户和用户，通过用户和用户的评分向量的余弦值计算用户相似度：
30、
31、式中，分别表示用户和用户的评分向量；
32、基于用户之间的相似度，建立一个相似度矩阵；其中，该矩阵是一个的矩阵，表示用户数量，相似度矩阵的每一行和每一列都代表一个用户，矩阵中的元素表示用户之间的相似度。
33、进一步的，旅游场景规划模块根据用户相似度建立相似度矩阵，从而生成场景推荐列表的过程包括：
34、对于目标用户，根据相似度矩阵中与其相似度较高的用户（即邻居用户）的基础场景偏好，为目标用户生成场景推荐列表；其中，目标用户表示当前正在被推荐算法处理以生成场景推荐列表的任意用户，可以是用户数据集中的任何用户，包括但不限于用户和用户；
35、使用目标用户的邻居用户的评分加权平均，预测目标用户对基础场景的评分：
36、
37、式中，表示目标用户的邻居集合，表示邻居用户对基础场景的评分；
38、结合预测的目标用户基础场景评分，生成场景推荐列表。
39、进一步的，用户体验反馈模块收集用户体验反馈，分析用户对生成的场景推荐列表的满意程度，获取满意程度分析结果的过程包括：
40、定义用户体验数据集，其中，包含每个用户对场景推荐列表的满意程度评分，且，数值越大表示满意程度越高；
41、统计所有用户的满意程度评分，获取用户满意程度评分的平均值和标准差：
42、，
43、
44、式中，表示用户满意程度评分的平均值，表示用户数量，表示用户索引，表示用户满意程度评分的标准差，用于衡量用户满意程度评分与平均评分的偏离程度，当满意程度评分的标准差越高时，则说明用户满意程度评分与其平均值的偏离程度越大，当满意程度评分的标准差越低时，则说明用户满意程度评分与其平均值的偏离程度越小；
45、结合用户满意程度评分的平均值和标准差，计算分析用户满意程度评分的偏度：
46、
47、式中，表示用户满意程度评分的偏度值；
48、在对用户满意程度评分的偏度进行分析时，若用户满意程度评分的偏度值为正数，则表示用户满意程度评分的数据右偏，即用户满意程度评分的高分值居多，若户满意程度评分的偏度值为负数，则表示用户满意程度评分的数据左偏，即用户满意程度评分的低分值居多；设置偏度限值范围，将用户满意程度评分的偏度值与偏度限值范围进行比对，当用户满意程度评分的偏度值不在偏度限值范围内时，则表示用户满意程度评分不稳定，存在极端偏斜情况，当用户满意程度评分的偏度值在偏度限值范围内时，则表示用户满意程度评分稳定；
49、预设满意程度阈值，用于判断整体满意度是否达标；
50、结合预设满意程度阈值进行用户满意程度分析，从而获取满意程度分析结果；若用户满意程度评分的平均值高于预设的满意程度阈值，同时伴随低标准差，表明满意度分布均匀，普遍为高满意程度，且偏度在偏度限值范围内，则判定整体满意度已达到标准，并生成基础反馈信号；反之，若出现以下任一情况，即可判定整体满意度未能达到既定标准，并生成重要反馈信号：用户满意程度评分的平均值不高于预设的满意程度阈值；或者虽然平均值高于预设的满意程度阈值，但标准差高，显示出较大的满意程度差异；又或者偏度超出正常范围；
51、将包含基础反馈信号和重要反馈信号的满意程度分析结果发送至智能评估与优化调整模块。
52、进一步的，智能评估与优化调整模块根据满意程度分析结果，识别场景推荐列表存在的问题和改进点，并构建优化目标函数优化场景推荐列表的参数的过程包括：
53、根据满意程度分析结果的基础反馈信号，提取该反馈信号的对应的场景推荐列表，从而生成优质推荐模版；
54、针对满意程度分析结果的重要反馈信号，将重要反馈信号对应的满意程度评分和期望满意程度评分进行对比，其中，期望满意程度评分是通过专家打分、行业标准等方式获得的期望值，识别场景推荐列表存在的问题，如场景推荐列表的某个指标满意度普遍较低，用户意见分歧较大等；
55、结合场景推荐列表存在的问题，确定场景推荐列表中需要优化的改进点，包括场景推荐列表的景色优美度、交互流畅度 、文化体验度以及导航便捷度；
56、可理解的是，对于景色优美度，增加虚拟场景中景色的细节和色彩丰富度，对于交互流畅度，优化虚拟场景中的交互逻辑和响应时间，以减少用户间的差异，对于文化体验度，深入挖掘当地的文化特色并将其融入虚拟场景中，对于导航便捷度，优化虚拟场景中的导航界面和路径规划算法；
57、将需要优化的改进点作为场景推荐列表的权重参数，并将场景推荐列表的权重参数标记为，其中，分别对应景色优美度、交互流畅度、文化体验度和导航便捷度的权重值，且权重参数之和为1；
58、构建优化目标函数：
59、
60、式中，表示优化目标函数值，表示第个用户在权重参数下的满意程度预测值，表示第个用户的满意程度评分；
61、使用优化后的权重参数，对场景推荐列表进行调整。
62、与现有的技术相比，本发明提供了一种基于ai特征的数字场景设计和编译绘制系统及方法的优点在于：
63、1、本发明通过收集用户数据，对用户数据进行预处理，将预处理后的数据进行特征提取，并构建用户画像，深入地了解用户需求和偏好，以满足不同用户群体的需求，提升用户体验；
64、2、本发明通过对旅游目的地的基础场景设置特征向量，利用余弦相似度公式计算用户相似度，并根据用户相似度建立相似度矩阵，从而生成场景推荐列表，能够准确匹配用户兴趣与旅游场景，提高推荐的精准度和用户满意度；
65、3、本发明通过收集用户体验反馈，分析用户对生成的场景推荐列表的满意程度，获取满意程度分析结果，有利于后续的优化和调整；通过根据满意程度分析结果，识别场景推荐列表存在的问题和改进点，并构建优化目标函数优化场景推荐列表的参数，提升系统的数字化性能和旅游场景推荐效果。
66、综上所述，本发明通过特征提取与用户画像构建、旅游场景规划、用户体验反馈以及智能评估与优化调整等多个方面的优势，显著提高了个性化旅游场景推荐的效率，确保后续一种基于ai特征的数字场景设计和编译绘制系统的高效稳定运行。
1.一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：包括特征提取与用户画像构建模块、旅游场景规划模块、用户体验反馈模块以及智能评估与优化调整模块；
2.根据权利要求1所述的一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：特征提取与用户画像构建模块收集用户数据，对用户数据进行预处理，将预处理后的数据进行特征提取的过程包括：
3.根据权利要求1所述的一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：特征提取与用户画像构建模块构建用户画像的过程包括：
4.根据权利要求1所述的一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：旅游场景规划模块对旅游目的地的基础场景设置特征向量，利用余弦相似度公式计算用户相似度的过程包括：
5.根据权利要求1所述的一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：旅游场景规划模块根据用户相似度建立相似度矩阵，从而生成场景推荐列表的过程包括：
6.根据权利要求1所述的一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：用户体验反馈模块收集用户体验反馈，分析用户对生成的场景推荐列表的满意程度，获取满意程度分析结果的过程包括：
7.根据权利要求1或6所述的一种基于ai特征的数字场景设计和编译绘制系统，其特征在于：智能评估与优化调整模块根据满意程度分析结果，识别场景推荐列表存在的问题和改进点，并构建优化目标函数优化场景推荐列表的参数的过程包括：
