基于AIGC的数字文化产品用户行为分析方法及系统与流程

本申请涉及人工智能，具体而言，涉及一种基于aigc的数字文化产品用户行为分析方法及系统。

背景技术：

1、随着人工智能技术的飞速发展，人工智能生成内容（aigc）在数字文化产品领域中的应用日益广泛。数字文化产品，如网络游戏、在线视频、虚拟现实体验等，已经成为现代娱乐生活的重要组成部分。为了提升这些产品的用户体验和满足用户个性化的需求，对用户行为进行深入分析并据此优化产品变得至关重要。

2、传统的用户行为分析方法往往基于简单的统计数据和用户调查，难以全面、准确地捕捉用户的复杂行为模式和潜在需求。并且，现有的用户行为分析方法通常无法准确预测用户对于特定产品的反应。这些方法往往只关注单一或有限的用户行为特征，并且通常基于静态的规则或模型，缺乏对动态变化的用户行为和反馈的适应性，这就导致了预测结果的不准确，从而影响了产品优化和个性化体验的提供。

3、因此，如何提供一种可以有效利用用户行为特征和反馈数据，实现准确预测，同时具有自动优化能力的用户行为分析方法，成为了当前亟待解决的问题。

技术实现思路

1、为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于aigc的数字文化产品用户行为分析方法及系统。

2、第一方面，本申请提供一种基于aigc的数字文化产品用户行为分析方法，应用于数字文化产品系统，所述方法包括：

3、获取各个目标数字文化产品的神经网络运算指令、参考用户行为特征和第一用户反馈数据，所述参考用户行为特征表征所述神经网络运算指令的用户交互数据的多维度属性特征，所述第一用户反馈数据为所述神经网络运算指令依据所述参考用户行为特征通过目标先验响应知识图谱进行响应预测生成的用户响应结果，所述各个目标数字文化产品为通过人工智能生成内容aigc进行生成的；

4、基于所述神经网络运算指令和所述参考用户行为特征，通过基础产品响应预测网络进行决策，生成第一决策响应结果，所述第一决策响应结果为所述神经网络运算指令依据所述参考用户行为特征基于所述目标先验响应知识图谱进行响应预测生成的参考响应结果；

5、依据收敛目标损失参数的参数学习目标，优化所述基础产品响应预测网络的网络偏置权重信息，生成产品响应预测网络，所述目标损失参数为所述第一决策响应结果和所述第一用户反馈数据之间的损失参数，所述产品响应预测网络用于预测所述神经网络运算指令依据不同用户行为特征基于所述目标先验响应知识图谱进行响应预测生成的参考响应结果。

6、第二方面，本申请实施例还提供一种数字文化产品系统，所述数字文化产品系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序依据该处理器加载并执行以实现以上第一方面的基于aigc的数字文化产品用户行为分析方法。

7、基于以上任意一个方面，本申请的有益效果如下：

8、本申请实施例通过获取各个通过人工智能生成内容的数字文化产品的神经网络运算指令、参考用户行为特征和第一用户反馈数据，而后据此利用基础产品响应预测网络进行决策，生成了高度个性化的第一决策响应结果，进一步地，依据收敛目标损失参数的参数学习目标，对基础产品响应预测网络进行了网络偏置权重信息的优化，从而生成了更为精确的产品响应预测网络，从而能够针对不同的用户行为特征，基于目标先验响应知识图谱，生成更加精准的响应预测结果，进而极大提高了数字文化产品用户行为分析的精确度和适用性，为用户提供了更为出色的个性化体验。

9、也即，本申请通过获取目标数字文化产品的神经网络运算指令、参考用户行为特征和第一用户反馈数据，然后基于这些信息通过基础产品响应预测网络进行决策，生成第一决策响应结果。之后，通过优化损失参数来调整网络偏置权重信息，从而改进产品响应预测网络。由此，通过结合神经网络运算指令和参考用户行为特征，以及优化损失参数，可以更准确地预测用户对于不同数字文化产品的响应结果。通过分析用户行为特征和反馈数据，能够针对每个用户的独特需求和偏好，提供更为个性化的数字文化产品。通过收集和分析用户反馈数据，以及预测网络的调整，可以对产品设计进行持续优化，从而改进用户体验和满意度。

技术特征：

1.一种基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述目标先验响应知识图谱包括第一先验响应知识图谱和第二先验响应知识图谱，所述第一用户反馈数据包括第一用户反馈子数据和第二用户反馈子数据，所述第一用户反馈子数据为所述神经网络运算指令依据所述参考用户行为特征基于所述第一先验响应知识图谱进行响应预测生成的用户响应结果，所述第二用户反馈子数据为所述神经网络运算指令依据所述参考用户行为特征基于所述第二先验响应知识图谱进行响应预测生成的用户响应结果；

7.根据权利要求6所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法还包括：

8.根据权利要求6所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述方法还包括：

9.根据权利要求1所述的基于aigc的数字文化产品用户行为分析方法，其特征在于，所述目标先验响应知识图谱包括第一先验响应知识图谱和第二先验响应知识图谱，所述第一用户反馈数据包括第一用户反馈子数据和第二用户反馈子数据，所述第一用户反馈子数据为所述神经网络运算指令依据所述参考用户行为特征基于所述第一先验响应知识图谱进行响应预测生成的用户响应结果，所述第二用户反馈子数据为所述神经网络运算指令依据所述参考用户行为特征基于所述第二先验响应知识图谱进行响应预测生成的用户响应结果；

10.一种数字文化产品系统，其特征在于，所述数字文化产品系统包括处理器和机器可读存储介质，该机器可读存储介质中存储有机器可执行指令，该机器可执行指令由该处理器加载并执行以实现权利要求1-9中任意一项所述的基于aigc的数字文化产品用户行为分析方法。

技术总结本申请实施例提供一种基于AIGC的数字文化产品用户行为分析方法及系统，本申请实施例通过获取各个通过人工智能生成内容的数字文化产品的神经网络运算指令、参考用户行为特征和第一用户反馈数据，而后据此利用基础产品响应预测网络进行决策，生成了高度个性化的第一决策响应结果，进一步地，依据收敛目标损失参数的参数学习目标，对基础产品响应预测网络进行了网络偏置权重信息的优化，从而生成了更为精确的产品响应预测网络，从而能够针对不同的用户行为特征，基于目标先验响应知识图谱，生成更加精准的响应预测结果，进而极大提高了数字文化产品用户行为分析的精确度和适用性，为用户提供了更为出色的个性化体验。技术研发人员：徐玲,方桂梅,洪楷敏,杨雄玲受保护的技术使用者：广州平云信息科技有限公司技术研发日：技术公布日：2024/7/29