CN107833110B - 家电推荐方法、***、服务器及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种家电推荐方法、***、服务器及计算机可读存储介质，所述方法包括：通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。本发明推荐家电时，结合家电所处空间位置的房间类型进行推荐，以便根据家庭的具体情况得到推荐信息，提高了家电推荐的准确性。

Description

家电推荐方法、***、服务器及计算机可读存储介质

技术领域

本发明涉及互联网技术领域，尤其涉及一种家电推荐方法、***、服务器及计算机可读存储介质。

背景技术

随着互联网技术的发展，家电推荐已经被广泛应用于电商行业，例如，以各类购物APP应用为例，通常会根据用户的相关搜索、访问记录，以及各类用户对各种商品的购买、评论大数据向用户推荐相应的家电。然而，现有的家电推荐方式，仅仅是推荐家电的类型，例如推荐具体牌子的空调、洗衣机等等，用户只能在确定需要该家电时，通过查看该家电的评论数据决定是否购买，但是用户的家里具体需要哪些家电，并没有推荐。显然，现有的家电推荐方式，局限性较大，推荐方式也较为单一。

发明内容

本发明的主要目的在于提出一种家电推荐方法、***、服务器及计算机可读存储介质，旨在解决现有技术中的家电推荐方式，较为局限和单一的技术问题。

为实现上述目的，本发明提供一种家电推荐方法，所述家电推荐方法包括以下步骤：

通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；

对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；

基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；

在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。

优选地，所述基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤包括：

按照家庭所在的套房类型对家电的数据记录添加标签，其中，不同的套房类型添加不同的标签；或者

按照家庭所在的楼层对家电的数据记录添加标签，其中，不同的楼层添加不同的标签；

将相同标签的数据记录分为一类，对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合。

优选地，所述对每类数据组成的家庭数据集合，求取家庭中家电在空间分布上的规则集合的步骤之前，所述方法还包括：

确定各种房间类型组成的集合和各种家电标识组成的集合；

对两种集合进行笛卡尔乘积处理，以得到特定房间类型中拥有特定家电的标识集合；。

在标识集合中增加家庭ID、楼层标识、套房类型标识；

根据家庭ID、楼层标识、套房类型标识映射出标识集合对应的数据集合。

优选地，所述对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合的步骤包括：

按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合。

优选地，所述按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合的步骤之后，所述方法还包括：

采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合。

优选地，所述采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤包括：

计算各个规则集合的支持度、置信度和提升度；

将各个规则集合的支持度、置信度与预设的支持度阈值、置信度阈值进行比较；

若有规则集合的支持度、置信度达到支持度阈值、置信度阈值，则计算所述规则集合的提升度；

若所述规则集合的提升度大于预设提升度，则将所述规则集合作为满足持度阈值、置信度阈值和提升度的规则结合，并保留所述规则集合。

优选地，所述采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤之后，所述方法还包括：

根据规则集合中家电所处的房屋位置，对规则集合进行分类，以得到屋内规则和屋间规则的集合。

优选地，所述在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中的步骤包括：

在接收到终端通过网关发送的家电推荐请求时，根据所述家电推荐请求的规则要求在存储的各个规则集合中提取出目标规则集合；

根据规则要求的类型，在总数据集合中获取出符合所述规则要求的目标数据集合；

采用目标规则集合中的规则在目标数据集合进行扫描，以求取符合推荐条件的家电类型；

根据提取的家电类型生成推荐列表。

优选地，所述根据提取的家电类型生成推荐列表的步骤之后，所述方法还包括：

记录每个被推荐家电对应的关联规则的支持度、置信度和提升度；

根据每个关联规则对应的支持度、置信度和提升度计算推荐分值；

按照推荐分值的顺序在推荐列表中对各个被推荐家电进行排序。

优选地，所述基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤之前，所述方法还包括：

对家电的数据记录进行数据清洗和数据语义验证，以去除噪音数据；

在数据记录中将数据描述与预存规则库中相同类型的数据描述进行比较，在数据记录中检测到有数据描述与预存规则库中相同类型的数据描述不匹配时，删除所述数据描述对应的数据，或者按照所述预存规则库中的数据描述更新所述数据记录中的数据描述。

此外，为实现上述目的，本发明还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的家电推荐程序，所述家电推荐程序被所述处理器执行时实现如上文所述的家电推荐方法的步骤。

此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有家电推荐程序，所述家电推荐程序被处理器执行时实现如上文所述的家电推荐方法的步骤。

此外，为实现上述目的，本发明还提出一种家电推荐***，所述家电推荐***包括终端、网关和服务器，所述服务器如上文所述的服务器。

本发明提出的家电推荐方法，服务器先通过网关接收终端上报的家电相关数据，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型，然后服务器对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录，接着基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合，最终在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送终端中，实现了推荐家电时，结合家电所处空间位置的房间类型进行推荐，以便根据家庭的具体情况得到推荐信息，提高了家电推荐的准确性。

附图说明

图1为本发明实施例方案涉及的服务器的硬件运行环境的结构示意图；

图2为本发明家电推荐***的结构示意图；

图3为本发明家电推荐方法第一实施例的流程示意图；

图4为图3中步骤S30的细化流程示意图；

图5为本发明家电推荐方法第六实施例的流程示意图；

图6为本发明家电推荐方法第七实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的解决方案主要是：服务器先通过网关接收终端上报的家电相关数据，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型，然后服务器对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录，接着基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合，最终在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送终端中，以解决传统的家电推荐方式较为局限和单一的问题。

参照图1，图1为本发明实施例方案涉及的服务器的硬件运行环境的结构示意图。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

本发明实施例的服务器可以是云服务器。

如图1所示，该服务器可以包括：处理器1001，例如CPU，通信总线1002、网络接口1003，存储器1004。其中，通信总线1002用于实现这些组件之间的连接通信。网络接口1003可选的可以包括标准的有线接口(用于连接有线网络)、无线接口(如WI-FI接口、蓝牙接口、红外线接口等，用于连接无线网络)。存储器1004可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1004中可以包括操作***、网络通信模块以及家电推荐程序。

本发明所述服务器通过处理器1001调用存储器1004中存储的家电推荐程序，并执行以下操作：

通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；

对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；

基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；

在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。

进一步地，所述处理器1001可以调用存储器1004中存储的家电推荐程序，以执行基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤：

按照家庭所在的套房类型对家电的数据记录添加标签，其中，不同的套房类型添加不同的标签；或者

按照家庭所在的楼层对家电的数据记录添加标签，其中，不同的楼层添加不同的标签；

将相同标签的数据记录分为一类，对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合。

进一步地，所述对每类数据组成的家庭数据集合，求取家庭中家电在空间分布上的规则集合的步骤之前，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行以下步骤：

确定各种房间类型组成的集合和各种家电标识组成的集合；

对两种集合进行笛卡尔乘积处理，以得到特定房间类型中拥有特定家电的标识集合；。

在标识集合中增加家庭ID、楼层标识、套房类型标识；

根据家庭ID、楼层标识、套房类型标识映射出标识集合对应的数据集合。

进一步地，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合的步骤：

按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合。

进一步地，所述按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合的步骤之后，所述处理器1001可以调用存储器1004中存储的家电推荐程序，以执行以下步骤：

采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合。

进一步地，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤：

计算各个规则集合的支持度、置信度和提升度；

将各个规则集合的支持度、置信度与预设的支持度阈值、置信度阈值进行比较；

若有规则集合的支持度、置信度达到支持度阈值、置信度阈值，则计算所述规则集合的提升度；

若所述规则集合的提升度大于预设提升度，则将所述规则集合作为满足持度阈值、置信度阈值和提升度的规则结合，并保留所述规则集合。

进一步地，所述采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤之后，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行以下步骤：

根据规则集合中家电所处的房屋位置，对规则集合进行分类，以得到屋内规则和屋间规则的集合。

进一步地，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中的步骤：

在接收到终端通过网关发送的家电推荐请求时，根据所述家电推荐请求的规则要求在存储的各个规则集合中提取出目标规则集合；

根据规则要求的类型，在总数据集合中获取出符合所述规则要求的目标数据集合；

采用目标规则集合中的规则在目标数据集合进行扫描，以求取符合推荐条件的家电类型；

根据提取的家电类型生成推荐列表。

进一步地，所述根据提取的家电类型生成推荐列表的步骤之后，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行以下步骤：

记录每个被推荐家电对应的关联规则的支持度、置信度和提升度；

根据每个关联规则对应的支持度、置信度和提升度计算推荐分值；

按照推荐分值的顺序在推荐列表中对各个被推荐家电进行排序。

进一步地，所述基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤之前，所述处理器1001还可以调用存储器1004中存储的家电推荐程序，以执行以下步骤：

对家电的数据记录进行数据清洗和数据语义验证，以去除噪音数据；

在数据记录中将数据描述与预存规则库中相同类型的数据描述进行比较，在数据记录中检测到有数据描述与预存规则库中相同类型的数据描述不匹配时，删除所述数据描述对应的数据，或者按照所述预存规则库中的数据描述更新所述数据记录中的数据描述。

本发明进一步提出一种家电推荐***。

如图2所示，所述家电推荐***包括终端、网关和服务器。

在本实施例中，所述服务器如图1所述的服务器，所述服务器通过网关与终端进行通信，所述终端采集家电相关数据。其中，服务器可选为云服务器，终端可选为智能手机、PAD或智能手表等移动终端，所述家电包括但不限于空调、冰箱、洗衣机、微波炉、加湿器等家用电器。本实施例中，一个家庭的终端关联一个网关，服务器与多个网关进行通信，以接收多个家庭的终端上报的家电相关数据。

用户通过终端为家电选择放置的房间，赋予家电特定的空间信息；网关接收来自终端的信息，并且负责管理家庭中所有家电，此外，网关还将来自服务器的推荐信息推送给终端；服务器接收来自网关的信息，形成家电空间信息数据库，并基于此数据库进行家电布置知识的发现，进而生成家电布置知识库，基于此知识库生成新的推荐方案和推荐结果，并将推荐结果推送到用户所在家庭的网关，由网关推送给终端，以便用户在终端中查看。

基于上述硬件结构，提出本发明家电推荐方法的各个实施例。

参照图3，图3为本发明家电推荐方法第一实施例的流程示意图。

在第一实施例中，所述家电推荐方法应用于服务器中，所述家电推荐方法包括以下步骤：

步骤S10，通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；

步骤S20，对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；

步骤S30，基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；

步骤S40，在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。

在本实施例中，所述家电推荐方法应用于服务器中，所述服务器可选为图1所述的服务器。

在本实施例中，所述步骤S10之前，所述方法包括：

步骤A，终端与家电进行配网；

步骤B，在终端与家电配网成功后，终端显示预设的***管理界面，以接收用户在***管理界面设置的房间类型，并将配网成功的家电添加设置的房间中；

步骤C，终端建立家电标识以及所处空间位置对应的房间类型的关联关系，并获取用户ID和家庭ID，将用户ID、家庭ID、家电标识和房间类型作为家电相关数据传输至网关，以供网关将数据上传至服务器中。

需要说明的是，在终端所设置的家电和房间的关系与物理空间中家电和房间的关系一致。当关联关系生成后，终端将家电相关数据传递给家庭网关，家庭网关再将数据上传到云服务器中的数据库，上传的数据包含如下多元数组：

(用户ID,家庭ID，{(家电，房间类型)_i|i＝1,2,3,…,N}),

或者(userId,familyId,{(applianceId,roomId)_i|i＝1,2,3,…,N})；

其中，上述的多元数组描述了如下事实：每个用户有一个用户ID，并对应了一个家庭ID，在一个家庭中有N个家电(可以相同)，其中，第i个家电的家电类型是家电^(j)，放在房间类型为“房间类型^(k)”的房间中，房间类型包括卧室、客厅、厨房和阳台等等。

以下详细介绍本实施例中逐步实现家电推荐的各个步骤：

步骤S10，通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；

服务器通过网关接收终端上报的家电相关数据，从该家电相关数据中提取出家电标识以及家电所处空间位置的房间类型。

步骤S20，对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；

具体地：所述步骤S20包括：

步骤a、对家电标识以及家电所处空间位置对应的房间类型进行编码；

在从家电相关数据中提取出家电标识以及家电所处空间位置对应的房间类型之后，对家电标识和房间类型进行编码，其中，对房间类型进行编码可参照表1：

表1套房中房间类型编码表

以上编码对应了集合RoomType⁽ⁱ⁾＝{rType_(j)|j＝1,2,3,…,N^R}＝{DRM-i,DRS-i,EHM-i,EHS-i,KI-i,MB-i,SLL-i,ST-i,CR-i,GR-i,BR-i,BA-i,CL-i,SLS-i,……}，如果有房屋类型的扩展，可以依次附在集合后面即可。其中，N^R是房屋类型数目。

如果不考虑房屋所在层次，则，RoomType＝{rType_(j)|j＝1,2,3,…,N^R}＝{DRM,DRS,EHM,EHS,KI,MB,SLL,ST,CR,GR,BR,BA,CL,SLS,……}，N^R是房屋类型数目。

对家电标识进行编码可参照表2：

空调	001	冰箱	006	滚筒洗衣机	011	取暖器	016
								波轮洗衣机	002	电热水器	007	净水机	012	燃热水器	017
抽油烟机	003	风扇	008	电饭煲	013	微波炉	018
								大烤箱	004	干衣机	009	空调扇	014	吸尘器	019
洗碗机	005	小烤箱	010	压力锅	015	蒸汽炉	020
								地热(电)	021	制冷风扇	022	加湿器	023	空气净化器	024
去湿器	025	智能马桶	026	智能魔镜	027	智能浴缸	028

表2家电编码表

以上编码对应了集合ApplianceType＝{aType_(k)|k＝1,2,3,…,N^A}＝{001,002,003,004,005,……}，其中，N^A是家电类型数目，如果有家电类型的扩展，可以依次附在集合后面即可。

步骤b、生成家电数据项，其中，家电数据项是指某类房屋中放置特定的家电；

在本实施例中，可将表1和表2结合起来，生成家电数据项。

假设，“p-i”中的p代表表1中的任意一个符号串，q代表表2中的任意一个符号串，“pq”表示2个符号串连接，则“pq-i”就是“位于第i层的p类型房屋中q类型家电”对应的符号编码。例如，在第i层的客厅中的空调，对应了编码“DRM001-i”；在第j层的主卧中的空调，对应了编码“MR001-j”。

显然，以上编码除了包含了家电信息外，还包含了空间信息(即，房间类型)，该包含有家电信息和空间信息的编码即为家电数据项。

步骤c、生成数据记录，其中，将每个家庭的电器列表看成一个记录，每个电器看成记录中一个数据项或者家电数据项。

例如，某个家庭的家电记录如下：

{DRM001-i，DRM008-i，DRM012-i，MB001-i，MB024-i，SLL014-i，SLL025-i，BR026-i，BR027-i，BA011-i，KI006-i，KI018-i，KI013-i}；

这个集合表示一个住在i层楼的家庭中家电集合，在客厅里有“空调、电风扇、净水机”等，在主卧中有“空调、空气净化器”等，在次卧中有“空调扇、去湿器”等，在浴室中有“智能马桶、智能魔镜”等，在阳台有“滚筒洗衣机”等，在厨房有“冰箱、微波炉、电饭煲”等。

为了记录方便，家庭中的家电数据集合形式化描述如下：

ApplianceSet⁽ⁱ⁾＝{appliance_(j) ⁽ⁱ⁾|j＝1,2,3,……}；

其中，appliance_(j) ⁽ⁱ⁾表示在楼层i的某家庭中某类房屋中的某种家电。

在本实施例中，通过对获得的家电标识进行编码，融入空间信息的房间类型，为后续的数据挖掘做准备。基于获得的由数组“(userId,familyId,{(applianceId,roomId)i|i＝1,2,3,…,N})”组成的数据集合，对每个家庭中的家电进行编码，生成家庭的数据记录。

步骤S30，基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；

在得到家电的数据记录之后，基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合，具体地：所述步骤S30的实施方式包括：

1)方式一、将所有的数据记录作为一个数据集合，根据数据集合求取家庭中家电在空间分布上的规则集合。

在本实施方式中，相当于是将所有数据放在一起进行数据挖掘，不考虑套房类型，将数据集合记作ApData，后续根据数据集合求取家庭中家电在空间分布上的规则集合。

2)方式二、参照图4，所述步骤S30包括：

步骤S31，按照家庭所在的套房类型对家电的数据记录添加标签，其中，不同的套房类型添加不同的标签；

步骤S32，将相同标签的数据记录分为一类，对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合。

在本实施方式中，按照家庭所在的套房类型对家电的数据记录添加标签，可参照下表3：

套房类型	标签(tag)	套房类型	标签(tag)
				单间房	1	1室1厅	2
2室1厅	3	3室1厅	4
				4室2厅	5	……	6

表3套房类型编码表

其中，套房类型可以根据需求进行扩展，这样，任何家庭中的家电数据记录可以表达为：(ApplianceSet⁽ⁱ⁾，tag)

通过标签的数值，将相同标签的数据记录归为一类，使得tag＝1的数据记录归为一个数据集合，tag＝2的数据记录归为一个数据集合，数据集合可记作ApData(tag)。

在本实施方式中，根据套房类型对家电的数据记录添加标签，以便根据标签对数据记录进行分类，从而得到不同类别的数据集合，使得后续进行家电推荐时，可以根据套房类型推荐相应的家电，提高了家电推荐的准确性。

3)方式三、确定家电所处空间位置的楼层，按照家庭所在的楼层对家电的数据记录添加标签，其中，不同的楼层添加不同的标签；将相同标签的数据记录分为一类，对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合。

在本实施方式中，相当于是根据楼层i来进行数据的划分，相同层次的数据为同一个数据集合，数据集合记作ApData⁽ⁱ⁾，后续根据该数据集合求取家庭中家电在空间分布上的规则集合。

4)方式四、将相同标签且相同楼层的家电数据记录分为一类，以得到不同类别的数据集合，再对每类数据组成的数据集合，以求取家庭中家电在空间分布上的规则集合。

在本实施方式中，具有相同套房类型tag和相同楼层i的数据组成的数据集合，数据集合记作ApData⁽ⁱ⁾(tag)，后续根据该数据集合求取家庭中家电在空间分布上的规则集合。

通过上述几种方法得到数据集合之后，根据得到数据集合求取家庭中家电在空间分布上的规则集合。

步骤S40，在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。

当服务器通过网关接收到终端发送的家电推荐请求时，服务器根据规则集合生成家电推荐列表，并通过网关将生成的推荐列表发送至终端中。

本实施例提出的家电推荐方法，服务器先通过网关接收终端上报的家电相关数据，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型，然后服务器对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录，接着基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合，最终在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送终端中，实现了推荐家电时，结合家电所处空间位置的房间类型进行推荐，以便根据家庭的具体情况得到推荐信息，提高了家电推荐的准确性。

进一步地，为了提高家电推荐的准确性，基于第一实施例提出本发明家电推荐方法的第二实施例。

在本实施例中，所述“对每类数据组成的家庭数据集合，求取家庭中家电在空间分布上的规则集合”的步骤之前，所述方法还包括：

步骤D，确定各种房间类型组成的集合和各种家电标识组成的集合；

步骤E，对两种集合进行笛卡尔乘积处理，以得到特定房间类型中拥有特定家电的标识集合；

步骤F，在标识集合中增加家庭ID、楼层标识、套房类型标识；

步骤G，根据家庭ID、楼层标识、套房类型标识映射出标识集合对应的数据集合。

在本实施例中，在对数据集合求取规则集合之前，先详述数据集合是如何生成的，具体地：先确定各种房间类型组成的集合和各种家电标识组成的集合，然后对各种房间类型组成的集合和各种家电标识组成的集合进行笛卡尔乘积处理，以得到特定房间类型中拥有特定家电的标识集合。

第一实施例中已经提到房间类型用RoomType表示，家电标识用ApplianceType表示，因此，笛卡尔乘积处理的计算公式为：

ApItem＝RoomType×ApplianceType，其中，“×”表示笛卡尔乘积，表示了所有可能房间类型和所有可能家电类型的组合；

例如，RoomType＝{rType_(i)|i＝1,2,3,…,N^R}＝{DRM,DRS,EHM,EHS,KI,MB,SLL,ST,CR,GR,BR,BA,CL,SLS,……}，则rType₍₁₎＝DRM,rType₍₂₎＝DRS,rType₍₃₎＝EHM,rType₍₄₎＝EHS,…；

ApplianceType＝{aType_(j)|j＝1,2,3,…,N^A}＝{001,002,003,004,005,……}，则aType₍₁₎＝001，aType₍₂₎＝002，aType₍₃₎＝003，…，

因此，ApItem＝RoomType×ApplianceType

＝{rType_(i)|i＝1,2,3,…，N_R}×{aType_(j)|j＝1,2,3,…，N^A}

＝{(DRM,001),(DRM,002),…,(DRM,N^A)

(DRS,001),(DRS,002),…,(SLS,N^A)

……

(SLS,001),(SLS,002),…,(SLS,N^A)

……}

令，k＝(i-1)*N^A+j；则，可以将上述集合一一对应到集合ApItem中。因此，数据库中的不同房屋类型中的家电数据项可以由如下集合来界定：

ApItem＝{ApI_(k)|k＝1,2,3,…,M}，M＝N^R*N^A

其中，ApI_(k)表示第k数据项，“∪”为集合并集操作，n₀为初始楼层，N为最高楼层；tag为套房类型项。

反之，如果已知k＝k₀，按照如下公式确定表示哪个类型房屋和哪种家电：

i＝[k₀/N^A]+1；通过i值可以在RoomType集合中检索到对应的房间类型；

j＝k₀-(i-1)*N^A；通过j值可以在ApplianceType集合中检索到对应的家电类型。

通过上述处理，得到特定房间类型中拥有特定家电的标识集合，接着，在标识集合中增加家庭ID、楼层标识、套房类型标识，并根据家庭ID、楼层标识、套房类型标识映射出标识集合对应的数据集合。本实施例中，若数据库中FID表示家庭ID，每个记录对应一个FID，记录中包含了某个家庭中所有家电，在数据库中对应的项如果取“1”，表示有对应的家电，如果取“0”表示没有对应的家电，数据项“i”对应了房屋的楼层标识，“tag”对应了套房类型标识，家庭中家电数据库可参照下表：

FID	ApI<sub>(1)</sub>	ApI<sub>(2)</sub>	ApI<sub>(3)</sub>	ApI<sub>(4)</sub>	……	ApI<sub>(M)</sub>	i	tag
									1	1	0	0	0	0	0	3	1
2	0	1	0	1	0	0	14	2
									3	1	0	0	0	1	0	2	5
4	0	0	0	0	1	1	1	3
									5	1	0	1	1	0	0	9	2
……	……	……	……	……	……	……	……	……

表4家庭家电数据库示例

其中，第一行表示FID为1的家庭楼层位于3楼层，该家庭是单间房，家庭里面的主客厅有空调。

在本实施例中，根据标识集合中每种标识的含义，数据化任意一个具体家庭信息，每个家庭对应了具体的家庭ID、具体楼层、具体套房类型、以及家庭中每个具体房屋中所放置的家电，通过上述处理过程，将所有家庭信息转换为家庭的数据集合。

进一步地，为了提高家电推荐的准确性，基于第二实施例提出本发明家电推荐方法的第三实施例。

在本实施例中，所述“对每类数据组成的家庭数据集合，求取家庭中家电在空间分布上的规则集合”的步骤包括：

按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合。

在本实施例中，可以通过Apriori算法或者FP-tree算法对以上数据集合进行关联规则的挖掘，以获得家庭中家电在空间分布上的规则集合，具体地，包括如下几种规则集合：

<一>通用规则集合Rule：选择用来进行数据挖掘的是数据全集，即，遍历tag和楼层i的所有取值。

<二>面向套房类型的规则集Rule(tag)：选择进行数据挖掘的是多个数据子集ApData(tag)，其中，tag＝1,2,3,…；基于ApData(tag)挖掘得到的规则集合记作Rule(tag),tag＝1,2,3,…。

<三>面向固定楼层的规则集Rule⁽ⁱ⁾：选择进行数据挖掘的是楼层i对应的数据子集ApData⁽ⁱ⁾，i＝1,2,3,…,M；基于ApData⁽ⁱ⁾挖掘得到的规则集合记作Rule⁽ⁱ⁾,i＝1,2,3,…,M。

<四>面向固定套房类型和楼层的规则集Rule⁽ⁱ⁾(tag)：选择进行数据挖掘的是具有相同套房类型tag和相同楼层i的数据组成的训练集合ApData⁽ⁱ⁾(tag)，基于此集合挖掘获得的规则集合记作Rule⁽ⁱ⁾(tag)，i＝1,2,3,…,M，tag＝1,2,3,…,N。

在本实施例中，通过任一种关联算法对规则集合进行计算，以得到家庭中家电在空间分布上的规则集合，使得家电在空间分布上更加全面和丰富，使得后续进行家电推荐的规则集合也更加丰富，提高了后续家电推荐的全面性。

进一步地，为了提高家电推荐的准确性，基于第三实施例提出本发明家电推荐方法的第四实施例。

在本实施例中，所述“按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合”的步骤之后，所述方法还包括：

步骤H，采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合。

具体地，所述步骤H包括：

步骤H1，计算各个规则集合的支持度、置信度和提升度；

步骤H2，将各个规则集合的支持度、置信度与预设的支持度阈值、置信度阈值进行比较；

步骤H3，若有规则集合的支持度、置信度达到支持度阈值、置信度阈值，则计算所述规则集合的提升度；

步骤H4，若所述规则集合的提升度大于预设提升度，则将所述规则集合作为满足持度阈值、置信度阈值和提升度的规则结合，并保留所述规则集合。

在本实施例中，先计算各个规则集合的支持度、置信度和提升度，首先，先讲解下关联规则，关联规则是这样定义的：给定一个交易数据库D，数据项集合为I＝{I1,I2,I3,…,Tn}，数据库中每个记录记录了一个事务，记作唯一的标识符TID；每个事务t是I的非空子集；X、Y是I中任意2个项。关联规则的支持度support定义为D中事务同时包含X、Y的概率，记作support(XàY)；关联规则的置信度confidence是D中事务中X存在的前提下，Y存在的概率，记作Confidence(XàY)＝P(Y|X)。对于大于最小支持度阈值和置信度阈值的规则，可以认为是有意义的关联规则，并以“XàY”表示此规则。此外，为了防止规则后件Y的支持度引起置信度的偏差，引入了“提升度”，lift(X,Y)＝P(Y|X)/P(Y)。

因此，本实施例中，先计算出各个规则集合的支持度、置信度和提升度，然后将各个规则集合的支持度、置信度与预设的支持度阈值以及置信度阈值进行比较，若检测到有规则集合的支持度、置信度达到所述支持度阈值以及置信度阈值，则计算所述规则集合的提升度，并在所述规则集合的提升度大于预设提升度，则将所述规则集合作为满足持度阈值、置信度阈值和提升度的规则结合，并保留所述规则集合，其中，所述支持度阈值、置信度阈值和预设提升度的具体数值根据实际情况设置，此处不做限定。可以理解，在有规则集合的支持度、置信度和提升度任一个不符合要求，都可以将规则集合删除。

由于第三实施例中提及规则集合包括四种类型的规则集合：Rule、Rule(tag)、Rule⁽ⁱ⁾和Rule⁽ⁱ⁾(tag)，因此采用支持度阈值、置信度阈值和提升度对这四种类型的规则集合进行过滤的过程包括：

对于Rule，支持度阈值为U，置信度阈值为V，保留大于阈值的规则，然后，考察规则的提升度，如果大于1，保留；

对于Rule(tag)，支持度阈值为U(tag)，置信度阈值为V(tag)，保留大于阈值的规则，然后，考察规则的提升度，如果大于1，保留；

对于Rule⁽ⁱ⁾，支持度阈值为U⁽ⁱ⁾，置信度阈值为V⁽ⁱ⁾，保留大于阈值的规则，然后，考察规则的提升度，如果大于1，保留；

对于Rule⁽ⁱ⁾(tag)，支持度阈值为U⁽ⁱ⁾(tag)，置信度阈值为V⁽ⁱ⁾(tag)，保留大于阈值的规则，然后，考察规则的提升度，如果大于1，保留；

经过规则过滤后的规则集合依旧保留在规则知识集合{Rule，Rule(tag)，Rule⁽ⁱ⁾，Rule⁽ⁱ⁾(tag)}中。

在本实施例中，通过支持度、置信度和提升度对规则集合进行过滤筛选，以保留符合要求的规则集合，提高规则集合的准确性，从而提高后续家电推荐的准确性。

进一步地，为了提高家电推荐的准确性，基于第三实施例提出本发明家电推荐方法的第五实施例。

在本实施例中，所述步骤H之后，所述方法还包括：

步骤I，根据规则集合中家电所处的房屋位置，对规则集合进行分类，以得到屋内规则和屋间规则的集合。

在本实施例中，根据屋内规则对屋间规则对规则集合划分成两类：

屋内规则：主要是指组成规则XàY的前件和后件在相同类型的房间；如，规则1：“客厅中有空调à客厅中有空气净化器”；

规则2：“卧室中中空气净化器à卧室中加湿器”。

屋间规则：主要是指组成规则XàY的前件和后件在不同类型的房间；如，规则3：“浴室有智能魔镜à厨房有洗碗机”；从这个规则可以推测出用户是一个追求时尚设备的人；

规则4：“厨房有电饭煲且厨房有微波炉à客厅有电冰箱|厨房有电冰箱”；这个与常识是相符合的，有做饭的设备必然有存储食物的设备；

考虑到每个家电的编码中包含了空间信息，经过这种分类后，可以看出家电在空间组合方面的规律，这些推理体现了用户的偏好。

进一步地，为了提高家电推荐的准确性，基于第五实施例提出本发明家电推荐方法的第六实施例。

在本实施例中，参照图5，所述步骤S40包括：

步骤S41，在接收到终端通过网关发送的家电推荐请求时，根据所述家电推荐请求的规则要求在存储的各个规则集合中提取出目标规则集合；

步骤S42，根据规则要求的类型，在总数据集合中获取出符合所述规则要求的目标数据集合；

步骤S43，采用目标规则集合中的规则在目标数据集合进行扫描，以求取符合推荐条件的家电类型；

步骤S44，根据提取的家电类型生成推荐列表。

在本实施例中，在接收到终端通过网关发送的家电推荐请求时，可根据该家电推荐请求在存储的各个规则集合中提取出目标规则集合，其中，所述家电推荐请求中包含有规则要求rule，如果rule非空，根据家电推荐请求中的规则要求rule依次从集合Rule、Rule(tag₀)、Rule⁽ⁱ⁾、Rule⁽ⁱ⁾(tag₀)获取目标规则集合。在提取出目标规则集合之后，根据规则要求的类型，在总数据集合中获取出符合所述规则要求的目标数据集合，具体地：

如果rule来自Rule集合，则DataSet取数据库D中所有记录；

如果rule来自Rule(tag0)集合，则DataSet取数据库D中tag≧tag0的记录集合；

如果rule来自Rule(i)集合，则DataSet取数据库D中(i±α)层对应的所有记录集合，对于(i-α)≤0的情况，取第1层楼的数据；对(i+α)≧最高楼层Lmax的情况，取第Lmax层对应的数据集合；

如果rule来自Rule(i0)(tag0)集合，则DataSet取数据库D中“I＝i0”且“tag≧tag0”对应的记录集合。

通过上述处理方式，可在总数据集合中获取出符合所述规则要求的目标数据集合，在获取到目标规则集合之后，采用目标规则集合中的规则在目标数据集合进行扫描，以求取符合推荐条件的家电类型，最终根据提取的家电类型生成推荐列表。

进一步地，所述步骤S44之后，所述步骤S40还包括：

步骤1，记录每个被推荐家电对应的关联规则的支持度、置信度和提升度；

步骤2，根据每个关联规则对应的支持度、置信度和提升度计算推荐分值；

步骤3，按照推荐分值的顺序在推荐列表中对各个被推荐家电进行排序。

即，使用rule的前件X和后件Y在DateSet中扫描，获取满足如下条件的记录data：

在数据项中包含X，但是不包含Y；

获取对应数据项的FID，形成多元组(FID,Y)，存入FID对应的推荐列表{(Y(i),score(i))|i＝1,2,3,…}；其中，score(i)是家电Y(i)的得分，用来进行排序，分值越高，推荐排位越靠前；

如果FID对应了多个推荐家电或者设备，根据所使用的规则对应的支持度、置信度、提升度的值进行综合排序，被推荐家电Y(i)的分值score(i)定义为：score(i)＝score(XàY)＝support(XàY)*confidence(XàY)*lift(XàY)。

对FID对应的{(Y(i),score(i))|i＝1,2,3,…}进行重新排序，使得序号i＝1,2,3,…依次递增，对应的score(1)、score(2)、score(3)、……依次递减。

也就是说，记录每个被推荐家电对应的关联规则的的支持度、置信度和提升度，然后根据各个关联规则的支持度、置信度和提升度，计算推荐分值，所述推荐分值的计算方式为：支持度*置信度*提升度，通过该计算方式得到各个关联规则的推荐分值，最终按照推荐分值的顺序在推荐列表中对各个被推荐家电进行排序。

后续，将所获得的推荐列表中的被推荐家电或者设备分发推荐给相关用户的客户端。例如，将FID对应的推荐家电和设备列表{(Y_(i),score_(i))|i＝1,2,3,…}推荐到FID的户主UserID对应的终端。

此外，在使用过程中，由于部分用户会不断更新家电的放置位置、或者增加和减少家电，数据库会同步进行更新，因此，响应的家电关联规则库也会更新，家电推荐列表也会更新，这些会在***后台完成，新的推荐家电会延后一段时间推荐给用户。

进一步地，基于第一至第六实施例提出本发明家电推荐方法的第七实施例。

在本实施例中，如图6所示，所述步骤S30之前，所述家电推荐方法还包括：

步骤S50，对家电的数据记录进行数据清洗和数据语义验证，以去除噪音数据；

步骤S60，在数据记录中将数据描述与预存规则库中相同类型的数据描述进行比较，在数据记录中检测到有数据描述与预存规则库中相同类型的数据描述不匹配时，删除所述数据描述对应的数据，或者按照所述预存规则库中的数据描述更新所述数据记录中的数据描述。

在本实施例中，为了提升数据的质量，对数据要做如下处理：首先对家电的数据记录进行数据清理，将一些在各个环节中不符合定义的数据描述规范的数据过滤掉，以去除掉噪音数据的干扰。

然后，对数据记录进行合法性检查，识别并过滤掉不一致的数据或者对不一致的数据进行修改，具体地，在***中查找预存规则库，并将预存规则库中的数据描述与数据记录中的数据描述进行比较，若在数据记录中检测到有数据描述与预存规则库中相同类型的数据描述不匹配时，如预存规则库是“阳台中的洗衣机”、“厨房中的电冰箱”等等，若此时数据记录为“卧室中的洗衣机”，“厨房中的浴缸”等等，这类数据可能是误操作生成的，本发明中可采用删除或者是修正的方法进行调整，若采用修正的算法，为这些家电找一个通用的放置地点，例如，“卧室中的洗衣机”修正为“阳台上的洗衣机”或者“洗手间的洗衣机”，“厨房中的浴缸”修正为“浴室中的浴缸”等。

通过上述处理方式，使得数据记录得以删除或修正，提高了数据处理的准确性，也提高了后续家电推荐的准确性。

数据库中家电和所处的房屋的关联的准确性直接影响了推荐的效果。这里采用的是目前智能家电或者设备已经实现的关联方式：

综上所述，本发明的技术方案，在智能家电或者设备安装和配网的时候通过终端确定所处房屋及其类型，充分利用智能家电的空间信息，发现用户潜在的偏好，以此为基础进行家电或者设备的推荐，补足了部分用户在组合使用家电方面的经验短板，方便了用户，提升了用户居家生活体验，增加智慧家居***实际存在的价值；解释获取用户放置家电的空间维度上的偏好，据此优化家电推荐效果，此外通过家电空间信息的挖掘，还可以发现家电不良组合，并向用户推送警告，提升用户居家安全。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有家电推荐程序，所述家电推荐程序被处理器执行时实现如下操作：

通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；

对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；

基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；

在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。

进一步地，所述家电推荐程序被处理器执行时，还实现基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤：

按照家庭所在的套房类型对家电的数据记录添加标签，其中，不同的套房类型添加不同的标签；或者

按照家庭所在的楼层对家电的数据记录添加标签，其中，不同的楼层添加不同的标签；

将相同标签的数据记录分为一类，对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合。

进一步地，所述对每类数据组成的家庭数据集合，求取家庭中家电在空间分布上的规则集合的步骤之前，所述家电推荐程序被处理器执行时，还实现以下步骤：

确定各种房间类型组成的集合和各种家电标识组成的集合；

对两种集合进行笛卡尔乘积处理，以得到特定房间类型中拥有特定家电的标识集合；。

在标识集合中增加家庭ID、楼层标识、套房类型标识；

根据家庭ID、楼层标识、套房类型标识映射出标识集合对应的数据集合。

进一步地，所述家电推荐程序被处理器执行时，还实现对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合的步骤：

按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合。

进一步地，所述按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合的步骤之后，所述家电推荐程序被处理器执行时，还实现以下步骤：

采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合。

进一步地，所述家电推荐程序被处理器执行时，还实现采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤：

计算各个规则集合的支持度、置信度和提升度；

将各个规则集合的支持度、置信度与预设的支持度阈值、置信度阈值进行比较；

若有规则集合的支持度、置信度达到支持度阈值、置信度阈值，则计算所述规则集合的提升度；

若所述规则集合的提升度大于预设提升度，则将所述规则集合作为满足持度阈值、置信度阈值和提升度的规则结合，并保留所述规则集合。

进一步地，所述采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤之后，所述家电推荐程序被处理器执行时，还实现以下步骤：

根据规则集合中家电所处的房屋位置，对规则集合进行分类，以得到屋内规则和屋间规则的集合。

进一步地，所述家电推荐程序被处理器执行时，还实现在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中的步骤：

在接收到终端通过网关发送的家电推荐请求时，根据所述家电推荐请求的规则要求在存储的各个规则集合中提取出目标规则集合；

根据规则要求的类型，在总数据集合中获取出符合所述规则要求的目标数据集合；

采用目标规则集合中的规则在目标数据集合进行扫描，以求取符合推荐条件的家电类型；

根据提取的家电类型生成推荐列表。

进一步地，所述根据提取的家电类型生成推荐列表的步骤之后，所述家电推荐程序被处理器执行时，还实现以下步骤：

记录每个被推荐家电对应的关联规则的支持度、置信度和提升度；

根据每个关联规则对应的支持度、置信度和提升度计算推荐分值；

按照推荐分值的顺序在推荐列表中对各个被推荐家电进行排序。

进一步地，所述基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤之前，所述家电推荐程序被处理器执行时，还实现以下步骤：

对家电的数据记录进行数据清洗和数据语义验证，以去除噪音数据；

在数据记录中将数据描述与预存规则库中相同类型的数据描述进行比较，在数据记录中检测到有数据描述与预存规则库中相同类型的数据描述不匹配时，删除所述数据描述对应的数据，或者按照所述预存规则库中的数据描述更新所述数据记录中的数据描述。

需要说明的是，在本文中，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***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***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，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (13)

1.一种家电推荐方法，其特征在于，应用于服务器中，所述家电推荐方法包括以下步骤：

通过网关接收终端上报的家电相关数据，其中，所述家电相关数据包括家电标识以及家电所处空间位置对应的房间类型；

对家电相关数据中的家电标识和家电所处空间位置对应的房间类型进行编码，以得到家电的数据记录；

基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合；

在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中。

2.如权利要求1所述的家电推荐方法，其特征在于，所述基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤包括：

按照家庭所在的套房类型对家电的数据记录添加标签，其中，不同的套房类型添加不同的标签；或者

按照家庭所在的楼层对家电的数据记录添加标签，其中，不同的楼层添加不同的标签；

将相同标签的数据记录分为一类，对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合。

3.如权利要求2所述的家电推荐方法，其特征在于，所述对每类数据组成的家庭数据集合，求取家庭中家电在空间分布上的规则集合的步骤之前，所述方法还包括：

确定各种房间类型组成的集合和各种家电标识组成的集合；

对两种集合进行笛卡尔乘积处理，以得到特定房间类型中拥有特定家电的标识集合；

在标识集合中增加家庭ID、楼层标识、套房类型标识；

根据家庭ID、楼层标识、套房类型标识映射出标识集合对应的数据集合。

4.如权利要求2所述的家电推荐方法，其特征在于，所述对每类数据组成的数据集合，求取家庭中家电在空间分布上的规则集合的步骤包括：

按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合。

5.如权利要求4所述的家电推荐方法，其特征在于，所述按照关联规则算法对数据集合进行关联规则的挖掘，得到家庭中家电在空间分布上的规则集合的步骤之后，所述方法还包括：

采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合。

6.如权利要求5所述的家电推荐方法，其特征在于，所述采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤包括：

计算各个规则集合的支持度、置信度和提升度；

将各个规则集合的支持度、置信度与预设的支持度阈值、置信度阈值进行比较；

若有规则集合的支持度、置信度达到支持度阈值、置信度阈值，则计算所述规则集合的提升度；

若所述规则集合的提升度大于预设提升度，则将所述规则集合作为满足持度阈值、置信度阈值和提升度的规则结合，并保留所述规则集合。

7.如权利要求5所述的家电推荐方法，其特征在于，所述采用支持度阈值、置信度阈值和提升度对各个规则集合进行过滤，以过滤出满足支持度阈值、置信度阈值和提升度的规则集合的步骤之后，所述方法还包括：

根据规则集合中家电所处的房屋位置，对规则集合进行分类，以得到屋内规则和屋间规则的集合。

8.如权利要求1所述的家电推荐方法，其特征在于，所述在接收到终端通过网关发送的家电推荐请求时，根据规则集合生成推荐列表，并通过网关将所述推荐列表发送至终端中的步骤包括：

在接收到终端通过网关发送的家电推荐请求时，根据所述家电推荐请求的规则要求在存储的各个规则集合中提取出目标规则集合；

根据规则要求的类型，在总数据集合中获取出符合所述规则要求的目标数据集合；

采用目标规则集合中的规则在目标数据集合进行扫描，以求取符合推荐条件的家电类型；

根据提取的家电类型生成推荐列表。

9.如权利要求8所述的家电推荐方法，其特征在于，所述根据提取的家电类型生成推荐列表的步骤之后，所述方法还包括：

记录每个被推荐家电对应的关联规则的支持度、置信度和提升度；

根据每个关联规则对应的支持度、置信度和提升度计算推荐分值；

按照推荐分值的顺序在推荐列表中对各个被推荐家电进行排序。

10.如权利要求1-9任一项所述的家电推荐方法，其特征在于，所述基于家电的数据记录组成数据集合，并求取家庭中家电在空间分布上的规则集合的步骤之前，所述方法还包括：

对家电的数据记录进行数据清洗和数据语义验证，以去除噪音数据；

在数据记录中将数据描述与预存规则库中相同类型的数据描述进行比较，在数据记录中检测到有数据描述与预存规则库中相同类型的数据描述不匹配时，删除所述数据描述对应的数据，或者按照所述预存规则库中的数据描述更新所述数据记录中的数据描述。

11.一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的家电推荐程序，所述家电推荐程序被所述处理器执行时实现如权利要求1-10中任一项所述的家电推荐方法的步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有家电推荐程序，所述家电推荐程序被处理器执行时实现如权利要求1-10中任一项所述的家电推荐方法的步骤。

13.一种家电推荐***，其特征在于，所述家电推荐***包括终端、网关和服务器，所述服务器如权利要求11所述的服务器。

Images