综述：元宇宙中的个性化：跨沉浸式技术的推荐系统调查

《Expert Systems with Applications》：Personalization in the Metaverse: A Survey on Recommender Systems Across Immersive Technologies

元宇宙中推荐系统的整合研究：分析Decentraland和Upland平台API的实践挑战与未来方向。

　　

阿卜杜勒哈克·布阿亚德（Abdelhak Bouayad）|伊玛内·阿克迪姆（Imane Akdim）|查伊迈·伊利（Chaimae Illi）|法蒂玛·扎赫拉·穆达基尔（Fatima Zahra Moudakir）|卢布娜·梅库阿尔（Loubna Mekouar）|优素福·伊拉克（Youssef Iraqi）

摩洛哥本盖里尔（Ben Guerir）的穆罕默德六世理工学院（University Mohammed VI Polytechnic）

摘要

元宇宙近来受到了广泛关注，尤其是在Facebook更名为“Meta”之后。作为区块链（BC）、增强现实（AR）、虚拟现实（VR）和数字孪生（DT）等多种技术的融合体，元宇宙为个性化用户体验带来了独特的挑战和机遇。虽然推荐系统（RSs）已在多个领域得到广泛应用，但其在元宇宙中的整合仍尚未得到充分探索。现有的推荐系统方法通常是根据个别技术的特点进行开发和评估的。然而，设计一个能够在元宇宙这一异构且沉浸式的环境中有效运行的统一推荐系统仍是一个尚未解决的研究难题。本调查全面回顾了元宇宙生态系统及其组成部分中的推荐系统现状，指出了研究空白并提出了跨组件推荐系统的未来发展方向。

引言

元宇宙这一概念正迅速从科幻概念演变为人们期待中的下一代互联网，它既带来了巨大的机遇（Mancuso, Messeni Petruzzelli, & Panniello, 2023），也带来了显著的导航挑战（Dwivedi et al., 2022）。元宇宙的概念起源于尼尔·斯蒂芬森1992年的小说《雪崩》（Snow Crash），其发展主要在游戏行业得到推动（Mirza-Babaei et al., 2022）。如今，元宇宙被视为一个持续存在的、相互连接的沉浸式虚拟世界网络，在这个世界中，用户通过虚拟形象参与社交、工作、学习、游戏和商业活动，模糊了物理现实与数字现实之间的界限。随着虚拟现实（VR）、增强现实（AR）、人工智能（AI）、区块链（BC）以及高速连接技术的进步（Huynh-The et al., 2023b; Cipresso, Giglioli, Raya, & Riva, 2018; LeCun, Bengio, & Hinton, 2015），元宇宙的重要性日益凸显。它的应用领域不断扩展，包括提供沉浸式学习体验的教育（Lin, Wan, Gan, Chen, & Chao, 2022）、用于城市规划和管理的智能城市（Allam, Sharifi, Bibri, Jones, & Krogstie, 2022）、虚拟购物电子商务（Kim, 2022）、互动娱乐（Chengoden et al., 2023）以及远程医疗咨询和培训（Chengoden et al., 2023）。随着这些数字边界的拓展，用户面临着海量信息、体验和互动可能性的挑战，因此迫切需要有效的引导和个人化服务。

在这种背景下，推荐系统（RSs）成为关键技术（Bobadilla, Ortega, Hernando, & Gutiérrez, 2013）。传统上，推荐系统用于帮助用户在浩如烟海的网络中避免过度选择，这些系统通过个性化策略帮助用户从大量选项中发现相关内容，显著提升了用户体验和决策效率。推荐列表的生成基于用户偏好、物品特征、历史交互数据等情境信息，常用的方法包括协同过滤（CF, Sarwar, Karypis, Konstan, & Riedl, 2001）、基于内容的过滤（CB, Lops, De Gemmis, & Semeraro, 2010）以及混合方法。

鉴于元宇宙庞大且动态的生态系统，推荐系统对于实现个性化至关重要（Chen & Yang, 2022）。由于元宇宙旨在提供丰富、多样且无限制的数字体验，庞大的内容、虚拟商品、社交连接和活动规模可能让用户感到难以应对。推荐系统作为个性化引导工具，帮助用户在这些复杂环境中发现符合兴趣的体验、结识志同道合的人，并找到相关的数字资产或服务。如果没有强大的推荐机制，元宇宙可能会变成一个令人困惑的空间，用户难以找到价值，从而削弱其承诺的沉浸式和吸引人的体验。人工智能（AI）作为元宇宙的核心技术，也推动了用户行为的复杂分析和精准预测（LeCun, Bengio, & Hinton, 2015; Huynh-The et al., 2023）。

尽管推荐系统的相关性显而易见，但关于其在元宇宙平台中应用的研究仍然分散。现有研究主要关注孤立的应用场景（Chen & Yang, 2022; Jia et al., 2024; Wei et al., 2023; Zhou et al., 2024），尚未形成关于元宇宙中推荐系统整合的统一观点。一个常被忽视的实际问题是：如何将推荐系统整合到现有平台中。虽然原生集成是最自然的解决方案，但外部研究人员和开发者往往无法直接实现。实际上，他们只能通过平台的应用程序编程接口（APIs）来使用这些系统。因此，我们还研究了Decentraland¹和Upland²两个平台的API，分析它们的集成能力及其局限性。本调查的目的是汇总现有的相关研究，识别通过API集成这些系统所面临的挑战，以及该领域更广泛的研究方向。

为了实现这些目标，我们采用了系统化的文献收集和分析方法，遵循PRISMA（系统评价和元分析的推荐报告项）指南来筛选相关论文。我们的搜索策略涵盖了IEEE、Elsevier和ACM等知名学术数据库，重点关注高质量出版物（包括Q1及部分Q2期刊的文章）和A级及B级会议论文，确保我们的综述基于严谨且有影响力的研究。使用的关键词和搜索字符串包括：“推荐系统”与“元宇宙”；“个性化推荐”与“XR”；“推荐引擎”与“3D互联网”；“协同过滤”与“元宇宙”；“上下文感知推荐”与“增强现实”；“偏好预测”与“虚拟现实”；“推荐系统”与“沉浸式环境”；“内容推荐”与“Web 3.0”；“推荐系统”与“数字孪生”；“推荐系统”与“去中心化虚拟平台”；以及“推荐引擎”与“基于虚拟形象的环境”。根据PRISMA协议，我们最初检索到120篇论文，其中30篇重复或无关的内容被排除。剩余的90篇论文经过标题和摘要筛选，又有50篇不符合研究范围而被剔除。最终选取了26篇2018年至2025年间发表的论文，这些论文直接探讨了推荐系统在沉浸式技术中的应用。图1展示了我们的研究方法流程。

本调查的贡献有三个方面：

•

我们提供了关于沉浸式技术中推荐系统现有研究的全面系统回顾。

•

我们深入分析了Decentraland和Upland两个元宇宙平台的API，探讨了它们如何支持推荐系统集成及其限制。

•

我们旨在指出研究挑战，并提出未来方向，以指导研究人员和从业者在元宇宙中推进推荐系统的发展。

本文的其余部分结构如下：第2节阐述了本研究的动机；第3节介绍了支撑元宇宙的核心技术组件，并简要概述了传统的推荐系统技术；第4节回顾了沉浸式技术中的推荐系统研究；第5节分析了Decentraland和Upland两个平台的API，探讨了它们如何支持推荐系统集成；第6节总结了当前挑战并指出了未来研究的方向；第7节总结了整个调查。

部分摘录

动机

近期多项技术的融合使得这项研究既及时又必要。2021年，Meta对Facebook进行了品牌重塑，并投入数十亿美元建设元宇宙生态；微软也投资了近700亿美元扩展其虚拟业务³。这一市场潜力的激增凸显了元宇宙在未来十年的经济价值，推动了相关研究的发展。

初步介绍

“元宇宙”一词由两部分组成：“meta”意为“超越”，“verse”意为“宇宙”。它是一个整合各种虚拟环境促进活动的平台，在这个平台上，用户通过虚拟形象与虚拟世界和其他用户互动（Sami et al., 2024）。

从基础设施来看，多种前沿技术支撑着元宇宙的发展，如图3所示。增强现实（XR）处于前沿，提供了实现这些功能的关键工具

沉浸式技术中的推荐系统

本节探讨了推荐系统在元宇宙各组成部分（包括VR、AR、区块链、数字孪生和物联网）中的应用现状。文末的表10总结了沉浸式技术中推荐系统整合的相关研究，包括研究领域、使用的推荐技术、利用的人工智能技术、数据可用性以及每项研究发现的局限性。

通过API评估元宇宙中的推荐系统集成

本节研究了API如何支持Decentraland和Upland两个元宇宙平台中的推荐系统集成。尽管原则上推荐系统是通过平台内部机制实现的，但对于外部研究人员来说，API是唯一的可行途径。API提供了获取用户、物品和交互数据的通道。为了说明选择这两个平台的合理性，表4提供了主要元宇宙平台的对比信息，包括发布日期和开发者信息。

挑战与未来研究方向

元宇宙作为集成虚拟生态系统的快速发展，为个性化用户体验带来了前所未有的机遇。在这一背景下，推荐系统在提升内容相关性、用户参与度和决策支持方面发挥着关键作用。然而，在元宇宙中部署推荐系统带来了超出传统领域的复杂挑战。

结论

本调查全面回顾了元宇宙各组成部分中的推荐系统，并总结了当前在沉浸式环境中实现个性化的方法。除了综合现有研究外，还分析了Decentraland和Upland两个实际元宇宙平台的API，探讨了如何通过外部手段实现推荐系统集成。尽管该领域取得了进展，但研究仍存在一些关键瓶颈，阻碍了推荐系统在元宇宙中的发展。

未引用的参考文献

缺失的参考文献包括表5、表7和表8、表9

利益冲突声明

无。