CN110457569B - 用于多个物联网设备的认知引擎 - Google Patents

Abstract

提供了一种基于认知学习来管理和优化多个IoT设备的连接性的方法、计算机***和计算机程序产品。本发明可以包括识别用户，其中多个用户上下文数据存储在用户简档中。本发明然后可以包括检测与识别的用户相关联的至少一个当前用户上下文中的改变。本发明还可以包括对至少一个当前用户上下文中检测到的改变执行连接性和管理分析。本发明然后可以包括基于所执行的连接性和管理分析，为与识别的用户相关联的多个IoT设备生成至少一个最优计划。本发明可以进一步包括基于生成的至少一个最优计划执行至少一个动作。

Description

用于多个物联网设备的认知引擎

技术领域

本发明总体上涉及计算领域，并且更具体地，涉及认知计算。

背景技术

单个人拥有和利用的物联网(Internet of Things，IoT)设备数量正在快速增长。每个IoT设备都是根据特定的上下文来利用的。例如，一个人每天午饭后可能会使用一个小的桌面扬声器，持续两个小时，但同一个人可能会在每个星期天早上使用立体声***，直到中午。另一人在电视上启动特定应用时，他可能会激活媒体室中的声音栏并禁用耳机。手动跟踪和正确操作这些IoT设备可能效率低下。

发明内容

本发明的实施例公开了一种基于认知学习来管理和优化多个IoT设备的连接性的方法、计算机***和计算机程序产品。本发明可以包括识别用户，其中多个用户上下文数据被存储在用户简档中，其中认知引擎被用于基于存储的多个用户上下文数据来学习与识别的用户相关联的多个交互以及与用户相关联的至少一个偏好的IoT设备。本发明然后可以包括检测与识别的用户相关联的至少一个当前用户上下文中的改变。本发明还可以包括对在至少一个当前用户上下文中检测到的改变执行连接性和管理分析。本发明然后可以包括基于所执行的连接性和管理分析，为与识别的用户相关联的多个IoT设备生成至少一个最优计划，其中认知引擎向所生成的与识别的用户相关联的最优计划提供至少一个推荐、至少一个调整或至少一个动作。本发明可以进一步包括基于生成的至少一个最优计划执行至少一个动作。

附图说明

本发明的这些和其他目的、特征和优点将从下面结合附图阅读的对其说明性实施例的详细描述中变得显而易见。附图的各种特征不是按比例绘制的，因为图示是为了清楚地便于本领域技术人员结合详细描述理解本发明。在附图中：

图1示出了根据至少一个实施例的网络化计算机环境；

图2示出了根据至少一个实施例的用户简档连接环境；

图3是示出根据至少一个实施例的用于管理和优化多个IoT设备的过程的操作流程图；

图4是根据至少一个实施例的图1中描绘的计算机和服务器的内部和外部组件的框图；

图5是根据本公开实施例的包括图1中描绘的计算机***的说明性云计算环境的框图；和

图6是根据本公开实施例的图5的说明性云计算环境的功能层的框图。

具体实现方式

本文公开了要求保护的结构和方法的详细实施例；然而，可以理解，所公开的实施例仅仅是可以以各种形式实施的要求保护的结构和方法的说明。然而，本发明可以以许多不同的形式实施，并且不应该被解释为限于本文阐述的示例性实施例。相反，提供这些示例性实施例是为了使本公开彻底和完整，并将本发明的范围完全传达给本领域技术人员。在描述中，可以省略公知特征和技术的细节，以避免不必要地模糊所呈现的实施例。

本发明可以是处于任何可能的集成技术细节级别的***、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，用于使处理器执行本发明的各方面。

计算机可读存储介质可以是有形设备，其可以保留和存储指令以供指令执行设备使用。计算机可读存储介质可以是，例如，但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或上述设备的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能磁盘(DVD)、记忆棒、软盘、机械编码设备(诸如穿孔卡或其上记录有指令的凹槽中的凸起结构)、以及上述的任何适当组合。本文使用的计算机可读存储介质不应被解释为暂时信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光缆电缆穿过的光脉冲)、或通过电线传输的电信号。

本文描述的计算机可读程序指令可以经由网络(例如互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应计算/处理设备，或者下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明操作的计算机可读程序指令可以是汇编指令、指令集体系结构(instruction-set-architecture，ISA)指令、机器指令、机器相关指令、微码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言，诸如Smalltalk、C++等，以及过程编程语言，诸如“C”编程语言、Python编程语言或类似编程语言。计算机可读程序指令可以完全在用户计算机上执行，部分在用户计算机上执行，作为独立软件包，部分在用户计算机上执行并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(local areanetwork，LAN)或广域网(wide area network，WAN)，或者可以连接到外部计算机(例如，通过使用互联网服务提供者的互联网)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(field-programmable gate array，FPGA)或可编程逻辑阵列(programmablelogic array，PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来个性化电子电路来执行计算机可读程序指令，以便执行本发明的各方面。

本文参考根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图来描述本发明的各方面。应当理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。

这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的方法。这些计算机可读程序指令也可以存储在计算机可读存储介质中，该计算机可读程序指令可以指导计算机、可编程数据处理装置和/或其他设备以特定方式运行，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。

计算机可读程序指令也可以加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，从而产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

图中的流程图和框图说明了根据本发明各种实施例的***、方法和计算机程序产品的可能实现的体系结构、功能和操作。在这点上，流程图或框图中的每个框可以表示模块、指令段或指令部分，该指令部分包括用于实现(多个)指定逻辑功能的一个或多个可执行指令。在一些替代实现方式中，框中标注的功能可以不按图中标注的顺序发生。例如，根据所涉及的功能，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。还将注意到，框图和/或流程图中的每个块，以及框图和/或流程图中的块的组合，可以由执行特定功能或动作或者执行专用硬件和计算机指令的组合的基于专用硬件的***来实现。

以下描述的示例性实施例提供了用于基于认知学习来管理和优化多个IoT设备连接性的***、方法和程序产品。这样，本实施例具有通过从基于用户上下文与偏好的IoT设备的用户交互中基于认知学习来推荐、调整或执行动作来改进认知计算技术领域的能力。更具体地，认知IoT设备管理程序可以从认知学习数据库访问用户简档和与用户相关联的数据，并且认知IoT设备管理程序可以开始连接性和管理分析，其中可以分析用户上下文，可以识别偏好的IoT设备，并且识别识别的IoT设备的连接性和特征。认知IoT设备管理程序然后可以为多个IoT设备生成最优计划，以满足用户的期望并优化IoT设备管理。认知IoT设备管理程序然后可以在IoT设备上执行动作，包括推荐和调整。然后，认知IoT设备管理程序可以监控用户对执行的推荐、调整和动作的反应，并将用户的反应存储在认知IoT设备管理程序的认知学习数据库中，以继续学习用户的偏好。

如前所述，单个人拥有和使用的物联网(IoT)设备数量正在快速增长。每个IoT设备都是根据特定的上下文来使用的。手动跟踪和正确操作这些IoT设备可能效率低下。

因此，除其他之外，跟踪单个人拥有的IoT设备，并学习这个人何时以及如何使用每个IoT设备可能是有利的。认知IoT设备管理程序可以执行关于每个IoT设备的动作，并在执行后接收来自这个人(即用户)的反馈。通过推荐、调整和执行动作来优化IoT设备连接性，以及执行动作以优化IoT设备管理(例如打开/关闭设备以避免电池的浪费)，该反馈可被人用来在下一周期利用该知识(即使用)。

根据至少一个实施例，认知IoT设备管理程序可以学习用户和多个IoT设备之间的交互(例如，用户的情绪、公司信息)，以相应地执行动作，并且还可以接收和分析代表用户群组的信息，以调整多个IoT设备上的动作。

根据至少一个实施例，认知IoT设备管理程序可以学习用户如何与多个IoT设备交互，并且基于该学习，认知IoT设备管理程序可以推荐、调整和执行动作以优化IoT设备连接性。基于学习的认知IoT设备管理程序可以执行动作以优化IoT设备管理，从而避免电池浪费和人为干预。例如，一个人每天午饭后可能会使用一个小的桌面扬声器，持续两个小时，但同一个人可能会在每个星期天早上使用立体声***，直到中午。另一人在电视上启动特定应用时，他可能会激活媒体室中的声音栏并关闭所有耳机。对于先前的示例，认知IoT设备管理程序可以在午餐后自动打开扬声器，并在两小时后关闭扬声器。类似的，认知IoT设备管理程序可以在每个星期天早上自动打开立体声***，并在中午关闭立体声***。认知IoT设备管理程序也可以在用户启动特定应用时打开声音栏，并自动关闭耳机，而无需人为干预。除了简化用户与电子设备的交互之外，认知IoT设备管理程序还可以例如通过停用原本不必要地被激活的设备来降低电力使用和成本。

根据至少一个实施例，认知IoT设备管理程序可以学习哪些IoT设备可以与某些应用程序接口(application program interfaces，API)一起使用。例如，用户A使用认知IoT设备管理程序来使用家庭影院观看电影。这样，当用户A登录到流行的API来访问电影时，认知IoT设备管理程序可以关闭此时不必要的某些IoT设备(例如扬声器、耳机)。

根据至少一个实施例，认知IoT设备管理程序可以学习IoT设备经常在哪个位置被使用。例如，如果用户A在办公室，即使用户A打开扬声器，认知IoT设备管理程序也会将耳机用作第一选项，因为用户A通常不在办公室使用扬声器。

根据至少一个实施例，认知IoT设备管理程序可以学习用户偏好在哪个上下文和时间中使用每个IoT设备。例如，用户A每天早上在执行家务杂事时使用扬声器。

根据至少一个实施例，认知IoT设备管理程序可以与其他设备(例如，相机)连接，用于接收与用户的公司、情绪、位置和情感状态相关的输入。在另一实施例中，认知IoT设备管理程序可以基于用户的特征来识别可以使用哪个IoT设备。

本实施例可以包括与用户简档(例如，年龄、国籍、性别)和用户上下文(例如，活动、公司、一天中的时间)相关联的输入。用户简档还可以包括与历史上下文和用户特征相关联的用户数据。此外，用户上下文可以包括用户对其做出反应或使用IoT设备(诸如应用)的一组特征和/或场景。

根据至少一个实施例，认知IoT设备管理程序可以包括连接性和管理评估，其中认知IoT设备管理程序分析用户上下文并识别用户偏好使用哪些IoT设备。认知IoT设备管理程序可以验证IoT设备的连接性和特征(例如，电池使用、可用性)。

根据至少一个实施例，认知IoT设备管理程序可以包括用于多个IoT设备的最优计划。认知IoT设备管理程序可以运行最优计划，用于基于上下文满足用户的期望，并用于优化IoT设备管理(例如，节省电池)。本实施例可以包括生成和执行推荐、调整和动作，并且可以基于用户如何对这些推荐、调整和动作做出反应来继续学习。

根据至少一个实施例，认知IoT设备管理程序可以学习到，在特定用户上下文期间，用户偏好最小(如果有的话)通知(例如，取消针对特定应用或消息服务建立的音调)。例如，如果用户A正在使用扬声器听音乐，则认知IoT设备管理程序可以取消该特定应用或消息服务的声音。另一方面，如果用户B偏好被通知，即使音乐流被中断，则认知IoT设备管理程序将相应地继续通知用户B。

根据至少一个实施例，认知IoT设备管理程序可以分析附近的人正在使用的IoT设备，并且如果那个IoT设备在当前时间或位置可能在社会上不可接受或不合适，则推荐用户不要使用用户已经选择的特定设备。例如，如果用户C是在一个每个人都停用或关闭手机的区域，但用户C选择增加用户C的手机的音量，则认知IoT设备管理程序将推荐不要增加用户C的手机的音量。

根据至少一个实施例，认知IoT设备管理程序可以基于以下来确定使用哪个IoT设备(当多于一个IoT设备可用时)来播放，以及与播放期间使用的IoT设备相关联的设置和控制：(1)多媒体内容的目的(例如，对于多个听众、聚会设置、隐私设置，以创建特定情绪)；(2)多媒体内容的频率特征(例如，歌曲中不同频率的振幅分布)；(3)艺术家的规格(例如，基于音乐家、组或制作人，如果在特定IoT设备上或在特定设备设置下播放，估计内容听起来如何)，其中认知IoT设备管理程序可以将艺术家规格作为元数据连同歌曲一起发送；以及(4)用户的当前情绪(例如，由用户生物测定、一天中的时间确定)。在本实施例中，设备设置/控制可以包括频率均衡、延迟、混响、节奏改变、相对扬声器音量、低音引导、低通和高通滤波器、陷波滤波器、凸缘和合唱效果以及参数均衡效果。

根据至少一个实施例，认知IoT设备管理程序可以通过利用来自与用户相关联的电子日历(即，用户日历)的至少一个条目(或与确定、分类或组织日历条目相关联的API)，来确定与多媒体内容(例如，聚会设置和隐私设置)和用户上下文相关联的信息。认知IoT设备管理程序可以从用户获得访问与用户电子日历相关联的一种或多种形式的数据的许可。例如，模块访问条目的日历注释，该条目指示用户将在当天下班后晚些时候参加聚会。日历条目将用于在聚会前为用户创建情绪，包括在聚会开始前一小时播放流行的舞曲。

参考图1，描绘了根据一个实施例的示例性网络化计算机环境100。网络化计算机环境100可以包括具有处理器104和数据存储设备106的计算机102，计算机102能够运行软件程序108和认知IoT设备管理程序110a。网络化计算机环境100还可以包括服务器112，服务器112能够运行可以与数据库114和通信网络116交互的认知IoT设备管理程序110b。网络化计算机环境100可以包括多个计算机102和服务器112，仅示出了其中之一。通信网络116可以包括各种类型的通信网络，诸如广域网(WAN)、局域网(LAN)、电信网络、无线网络、公共交换网络和/或卫星网络。应当理解，图1仅提供了一个实现的图示，并不意味着对可以实现不同实施例的环境的任何限制。基于设计和实现要求，可以对所描绘的环境进行许多修改。

客户机计算机102可以经由通信网络116与服务器计算机112通信。通信网络116可以包括连接，诸如有线、无线通信链路或光纤电缆。如将参考图4讨论的，服务器计算机112可以分别包括内部组件902a和外部组件904a，并且客户机计算机102可以分别包括内部组件902b和外部组件904b。服务器计算机112也可以运行在云计算服务模型中，诸如软件即服务(Software as a Service，SaaS)、分析即服务(Analytics as a Service，AaaS)、平台即服务(Platform as a Service，PaaS)或基础架构即服务(Infrastructure as a Service，IaaS)。服务器112也可以位于云计算部署模型中，诸如私有云、社区云、公共云或混合云中。客户机计算机102可以是例如移动设备、电话、个人数字助理、上网本、膝上型计算机、平板电脑、台式计算机或能够运行程序、访问网络和访问数据库114的任何类型的计算设备。根据本实施例的各种实现，认知IoT设备管理程序110a、110b可以与数据库114交互，数据库114可以嵌入在各种存储设备中，诸如但不限于计算机/移动设备102、网络化服务器112或云存储服务中。

根据本实施例，使用客户机计算机102或服务器计算机112的用户可以使用认知IoT设备管理程序110a、110b(分别地)基于认知学习来管理和优化多个IoT设备连接性。认知IoT设备管理方法将在下面参考图2和图3进行更详细的解释。

现在参考图2，描绘了根据一个实施例的示例性用户简档连接环境200。如图所示，认知IoT设备管理程序110a、110b的每个用户由用户简档202识别。用户简档202可以与至少一个应用程序接口(API)204相关联，应用程序接口204可以与至少一个物联网(IoT)设备206相关联(即，经由嵌入在日常对象中的计算设备的互联网的互连，使它们能够发送和接收数据)。

当设置用户简档202时，用户可以包括API 204和相应的IoT设备206。认知IoT设备管理程序110a、110b可以利用计算机显示监视器来显示认知IoT设备管理程序110a、110b的主屏幕。在主屏幕上，屏幕右下角可能有一个“标准”按钮。一旦用户点击“标准”按钮，可以提示用户(例如，经由对话框)确认用户的身份。如果没有创建与认知IoT设备管理程序110a、110b相关联的用户名，则可以自动提示用户(例如，经由另一对话框)登录或设置用户简档202。用户可以通过在对话框中输入与用户相关联的用户名来登录，例如，在标记为“用户名”的空白注释框中，并选择对话框底部的“提交”按钮。

然而，如果已经创建了与认知IoT设备管理程序110a、110b相关联的用户名，则最后使用的用户名可以呈现在对话框的顶部，下面有“是”或“否”按钮。如果用户的用户名与对话框中呈现的名称匹配，则用户选择“是”按钮，并且认知IoT设备管理程序110a、110b检索用户简档202。或者，如果用户名不匹配，则用户可以点击“否”按钮，并且可以出现供用户输入用户名的另一对话框，用于认知IoT设备管理程序110a、110b来检索用户简档202。如果用户是第一次用户，则根据至少一个实现，例如，用户可以点击位于第二对话框中“提交”按钮左侧的“第一次用户”按钮。

然后可以提示用户(例如，经由另一对话框)创建具有用户特征的用户简档202。该对话框可以包括例如与用户简档202相关联的选项列表，该列表可以包括“IoT设备设置”。用户可以选择位于“IoT设备设置”左侧的按钮，并且对话框可以扩展到包括两个文本框，其中在对话框底部具有“提交”按钮和“附加IoT设备”按钮。第一个文本框的顶部可以是文本“IoT设备”，其中“浏览”按钮位于框的右侧。这样，用户可以手动将IoT设备206的名称输入到顶部框，或者点击“浏览”按钮，该按钮可以提示用户(例如，经由另一对话框)搜索IoT设备206。IoT设备206可以经由通信网络116定位。一旦IoT设备206被定位，则第二个框可以包括与上面选择的IoT设备206相关联的API 204的列表。用户可以点击与IoT设备206相关联的至少一个API 204。一旦用户使用完该IoT设备206，用户可以点击“提交”按钮或“附加IoT设备”按钮。如果用户点击“提交”按钮，则所选择的IoT设备206和相应的API 204可以被保存到用户简档202，并且对话框可以消失。然而，如果用户点击“附加IoT设备”按钮，则可以提示用户(例如，经由另一对话框)添加附加IoT设备206和相应的API 204。

在另一实施例中，用户可以在主屏幕上选择“标准”按钮之后选择“显示”按钮。一旦用户选择了“显示”按钮，可以向用户呈现IoT设备206和连接到用户简档202的相应API204的列表。此外，用户可以通过点击例如在对话框中列出的特定IoT设备206来查看与每个IoT设备206相关联的连接性和特征(例如，可用性、电池)。如果所选择的IoT设备206没有正常运行，则认知IoT设备管理程序110a、110b可以指示IoT设备206有故障，并且可以提供故障原因(包括与相应的API 204相关联的原因)。

除了IoT设备206，用户可以通过点击与用户简档202相关联的其他选项(例如，“IoT设备设置”)一起列出的“个人信息”按钮，将个人特征(例如，姓名、昵称、照片或图标、年龄、国籍、性别、兴趣)包括到用户简档202中。可以出现用户简档202的模板，并且用户可以点击适当的部分来添加、修改、上传或创建与用户简档202的该部分相关的信息(或用于照片或图标的数字图像)。

现在参考图3，描绘了示出根据至少一个实施例的由认知IoT设备管理程序110a、110b使用的示例性多个IoT设备管理和优化过程300的操作流程图。

在302，基于用户简档202识别用户。当用户登录到用户简档202(例如，用于保存与用户相关联的数据的数据库114或文件，该数据诸如用于基于认知学习优化和管理与用户相关联的多个物联网(IoT)设备206的历史上下文和用户特征)时，用户可以由认知IoT设备管理程序110a、110b识别。认知IoT设备管理程序110a、110b可以通过提示用户(例如，经由对话框)提供与用户相关联的用户名来识别用户。例如，对话框可以包含注释“用户名”，右侧有空白注释框。一旦用户输入了与用户相关联的用户名，用户可以选择位于下方的“提交”按钮。

然而，如果用户是第一次用户，则根据至少一个实现，例如，用户可以点击位于对话框中“提交”按钮左侧的“第一次用户”按钮。然后可以提示用户(例如，经由对话框)创建具有用户特征(例如，姓名、年龄、性别、国籍、兴趣和具有相应的API 204的IoT设备206)的用户简档202。一旦用户完成了用户简档202的设置，则用户可以点击位于对话框底部的“完成”按钮。然后，所创建的用户简档202可以存储在与认知IoT设备管理程序110a、110b相关联的独立数据库114中。每当用户使用用户的用户名登录认知IoT设备管理程序110a、110b时，生成的用户数据(例如，用户特征)可以保存在与认知IoT设备管理程序110a、110b相关联的独立数据库114中。另外，用户简档202可以由用户或服务提供者创建、修改或更新。

用户简档202可以与用于多个IoT设备304(例如，数据库114)的认知引擎相关联，该认知引擎可以基于用户上下文(即，用户反应或利用物联网(IoT)设备206(例如，应用、IoT设备可用性、一天中的时间、公司、位置、用户的情感状态)的一组特征和/或场景)来学习用户模式(即，与用户和与用户相关联的IoT设备的交互)。基于用户上下文(即，用户上下文或用户上下文数据)，认知IoT设备管理程序110a、110b可以利用用于多个IoT设备304的认知引擎(即，认知引擎304)来推荐、调整或执行IoT设备206上的动作。

此外，用于多个IoT设备304和用户简档202的认知引擎可以重拾(recollect)与用户相关联的数据和与用户相关联的上下文，以继续学习与用户相关联的反应和偏好，这些反应和偏好可以随着时间而改变。

例如，用户是返回用户。因此，用户输入用户名“RUGBYGENE519”并点击“提交”按钮。

在另一实施例中，可以在改变认知IoT设备管理程序110a、110b中的任何标准或设置之前识别用户。在认知IoT设备管理程序110a、110b的主屏幕上，可以存在位于屏幕右下角的“标准”按钮。一旦用户点击“标准”按钮，可以提示用户(例如，经由对话框)确认用户的身份。用户名呈现在对话框顶部，下面有“是”或“否”按钮。如果用户的用户名与对话框中呈现的名称匹配，则用户选择“是”按钮，并且认知IoT设备管理程序110a、110b检索用户简档202。然而，如果用户名不匹配，则用户可以点击“否”按钮，并且可以出现另一对话框，供用户包括认知IoT设备管理程序110a、110b的用户名以检索用户简档202。

然后，在306，检测用户上下文中的改变。使用用户设备(例如，用户的计算机102)上的软件程序108，可以经由通信网络116将用户上下文作为输入从生物测定检测设备(例如，手表、眼镜、与便携式用户设备相关联的应用)接收到认知IoT设备管理程序110a、110b。认知IoT设备管理程序110a、110b可以利用生物测定检测(即，物理设备、车辆、家用电器和其他嵌有电子设备、软件、传感器、致动器的的其它项目的网络以及使得这些对象能够连接和交换与用户相关的数据的网络连接性)来检测和监控用户上下文，并接收与用户上下文相关联的输入，诸如与公司、情绪、情感状态和位置(即，当前用户上下文)相关联的输入。对于用户的位置，认知IoT设备管理程序110a、110b可以利用与生理识别(例如，脸、手、虹膜和指纹)和行为识别(例如，语音、心跳速率、呼吸速率)相关联的可佩戴生物测定传感器。对于用户的情绪和情感状态，认知IoT设备管理程序110a、110b可以利用与识别手势和手写相关联的可佩戴生物测定传感器，以及利用与用户相关联的最近社交媒体帖子或由用户上传的社交媒体帖子。对于用户的当前位置、一天中的当前时间、天气(即天气数据)和日期(或一周中的某一天)，认知IoT设备管理程序110a、110b可以利用可佩戴加速度计和陀螺仪传感器以及应用程序接口(API)、全球定位服务(global positioning service，GPS)、与用户相关联的最近社交媒体帖子或由用户上传的社交媒体帖子、以及便携式用户设备上的天气数据跟踪服务。使用生物测定检测，认知IoT设备管理程序110a、110b可以检测用户上下文中的改变。

继续先前的示例，用户“RUGBYGENE519”佩戴带有生物测定传感器的手表。周六早上8：30左右，用户醒来并吃早餐。然后，在上午9点，与手表相关联的生物测定传感器确定与用户相关联的心率升高，并且位于整个房子中的摄像机确定用户比平常更早地开始了用户的家务杂事。过去，用户在周六早上10点开始做家务杂事。

在本实施例中，如果认知IoT设备管理程序110a、110b不能检测并继续监控用户上下文，则认知IoT设备管理程序110a、110b可以呈现错误消息，引导用户激活(即，打开)特定的API、GPS或数据跟踪服务，或者向用户呈现识别的故障(例如，检测失败的原因)。认知IoT设备管理程序110a、110b然后可以继续尝试检测和监控用户上下文，直到认知IoT设备管理程序110a、110b接收到关于用户上下文的足够数据。

然后，在308，执行连接性和管理分析。认知IoT设备管理程序110a、110b可以利用对检测到的用户上下文(即，当前用户上下文)中的改变的连接性和管理分析来确定各种IoT设备的连接性，并基于分析的用户上下文中的改变来识别用户的偏好(即，偏好的IoT设备)。认知IoT设备管理程序110a、110b可以执行连接性评估，其中认知IoT设备管理程序110a、110b可以基于可用性(例如，以工作顺序，以及IoT设备是被激活还是被关闭)、电池寿命和多个IoT设备的位置(例如，扬声器的位置是否离用户太远，从而使得扬声器的使用对用户来说最少或者没有用处)来验证多个IoT设备被连接并且能够正常运行。认知IoT设备管理程序110a、110b可以同时执行IoT设备管理评估，其中分析用户上下文并识别用户偏好的IoT设备。

继续先前的示例，认知IoT设备管理程序110a、110b执行IoT设备管理评估，以分析检测到的用户心率和用户活动的改变。基于来自用户简档202的历史用户上下文，用户利用位于起居室、餐厅、厨房和卧室之一中的扬声器来收听各种新闻站，同时用户正在执行家务杂事。用户还打开清洁用品所在的供应室附近大厅的灯，以便在执行家务杂事时进行聚光灯照明。认知IoT设备管理程序110a、110b然后执行连接性评估，以确定起居室、餐厅、厨房和卧室中的扬声器的电池寿命为75％到100％，并且正常运行。

在另一实施例中，认知IoT设备管理程序110a、110b可以连续执行连接性评估和IoT设备管理评估。例如，认知IoT设备管理程序110a、110b可以在认知IoT设备管理程序110a、110b可以执行IoT设备管理评估之前执行连接性评估，或者认知IoT设备管理程序110a、110b可以在认知IoT设备管理程序110a、110b可以执行连接性评估之前执行IoT设备管理评估。

然后，在310，生成用于多个IoT设备的最优计划。基于从连接性和管理分析生成的数据以及检测到的对用户上下文的改变，认知IoT设备管理程序110a、110b可以运行用于满足用户期望的最优计划。用户的期望可以基于由用于多个IoT设备304的认知引擎生成的用户简档202中与历史上下文和用户特征相关联的数据。认知IoT设备管理程序110a、110b可以进一步利用最优计划来优化IoT设备管理。最优计划可以包括对IoT设备执行的当前动作的推荐和调整(例如，对多个IoT设备的改变，诸如打开/关闭、节省电池、调高或调低音量以及其他IoT设备动作)，以基于检测到的用户上下文中的改变来满足用户的期望。

继续先前的示例，认知IoT设备管理程序110a、110b生成最优计划，以打开位于起居室、餐厅、厨房和主卧室中的扬声器到国家新闻站。除了聚光灯，认知IoT设备管理程序110a、110b还在供应室附近的大厅中调节线路灯和打开的背光灯，因为天气阴沉沉，没有阳光，并且一天中的时间早于用户通常执行家务杂事的时间。

然后，在312，执行与IoT设备相关联的至少一个动作。认知IoT设备管理程序110a、110b可以执行包括在生成的最优计划中的动作。认知IoT设备管理程序110a、110b也可以监控用户对执行的动作的反应。被监控用户的反应可以用作对认知IoT设备管理程序110a、110b的自动用户反馈。使用用户设备(例如，用户的计算机102)上的软件程序108，可以经由通信网络116将用户的反应作为输入从生物测定检测设备(例如，手表、眼镜、与便携式用户设备相关联的应用)接收到与认知IoT设备管理程序110a、110b相关联的用户简档202。用于多个IoT设备304的认知引擎然后可以从自动用户反馈(即，用户反应数据)中学习所执行的动作是否满足用户的期望。

继续先前的示例，认知IoT设备管理程序110a、110b执行包括在最优计划中的动作。位于起居室、餐厅、厨房和主卧室的扬声器被打开以广播国家新闻站，认知IoT设备管理程序110a、110b打开供应室附近大厅中的聚光灯、线路灯和背光灯。

在本实施例中，如果用于多个IoT设备304的认知引擎确定在312执行的动作未能满足用户的期望，则认知IoT设备管理程序110a、110b可以返回到由认知IoT设备管理程序110a、110b执行的先前动作。例如，如果与用户相关联的生物测定设备确定当认知IoT设备管理程序110a、110b将正在收听的音乐改变为另类摇滚歌曲时用户开始哭泣，则用于多个IoT设备304的认知引擎可以确定用户对将音乐改变为另类摇滚歌曲的执行动作表现出负面反应，并返回播放先前播放的音乐。

在另一实施例中，认知IoT设备管理程序110a、110b可以将学习到的用户反应存储在数据库(例如，数据库114)中。

在另一实施例中，用户可以通过改变执行的动作向认知IoT设备管理程序110a、110b提供手动用户反馈。例如，当认知IoT设备管理程序110a、110b将正在收听的音乐改变为另类摇滚歌曲时，如果用户关闭音乐流设备，则用于多个IoT设备304的认知引擎可以确定用户对将音乐改变为另类摇滚歌曲的执行动作表现出负面反应。用于多个IoT设备304的认知引擎可以从该用户反应中学习，并基于用户上下文修改用户与特定IoT设备交互的用户模式。

在另一实施例中，用于多个IoT设备304的认知引擎可以基于用户群组(例如，具有特定偏好或特征的用户类别)来学习。这样，基于用户是否可能属于用户简档202中指示的特定类别或组，或者具有某些特征(例如，用户打开IoT设备的特定时间、IoT设备用于什么、在一天中的给定时间期间使用哪个IoT设备，以及与至少一个IoT设备相关联的其他用户习惯和使用模式)，用于多个IoT设备304的认知引擎可以学习用户与IoT设备的交互模式。认知IoT设备管理程序110a、110b可以学习具有相似简档的人如何与IoT设备交互，例如，青少年可能基于他们的上下文在短时间内使用几个IoT设备感觉更舒适。另一方面，老年人可能偏好只使用一种或两种设备。此外，认知IoT设备管理程序110a、110b可以学习到，青少年偏好特定上下文中具有X特征的设备，而老年人偏好具有Y特征的设备。

在另一实施例中，可以在用于多个IoT设备304的认知引擎中添加或考虑新的IoT设备，用于调整关于多个IoT设备的动作。这样，认知IoT设备管理程序110a、110b可以向用户简档202提供包括更多不同类型的IoT设备的功能，以实现无缝集成。例如，当用户购买新的IoT设备时，则新的IoT设备可以被添加到认知IoT设备管理程序110a、110b。

在另一实施例中，如果另一人临时将另一IoT设备带到该用户的位置，则该另一IoT设备可以临时被添加到认知IoT设备管理程序110a、110b中。例如，如果用户的朋友带来了扬声器，该扬声器包括比用户的扬声器更好的特征，则该朋友的扬声器将被添加到认知IoT设备管理程序110a、110b中。另外，当朋友的扬声器存在时，认知IoT设备管理程序110a、110b将学习到用户偏好使用朋友的扬声器，而不是用户的扬声器。这样，当朋友的扬声器连接到认知IoT设备管理程序110a、110b时，将使用朋友的扬声器而不是用户的扬声器。

可以理解，图2和图3仅提供了一个实施例的说明，并不意味着关于如何实现不同实施例的任何限制。基于设计和实现要求，可以对所描绘的(多个)实施例进行许多修改。

图4是根据本发明的说明性实施例的图1中描绘的计算机的内部和外部组件的框图900。应当理解，图4仅提供了一个实现的说明，并不意味着对可以实现不同实施例的环境的任何限制。基于设计和实现要求，可以对所描绘的环境进行许多修改。

数据处理***902、904代表能够执行机器可读程序指令的任何电子设备。数据处理***902、904可以代表智能电话、计算机***、PDA或其他电子设备。可以由数据处理***902、904表示的计算***、环境和/或配置的示例包括但不限于个人计算机***、服务器计算机***、瘦客户机、胖客户机、手持或膝上型设备、多处理器***、基于微处理器的***、网络PC、小型计算机***以及包括任何上述***或设备的分布式云计算环境。

用户客户机计算机102和网络服务器112可以包括图4所示的内部组件902a、b和外部组件904a、b的相应组。每组内部组件902a、b包括一个或多个处理器906、一个或多个总线912上的一个或多个计算机可读RAM 908和一个或多个计算机可读ROM 910、以及一个或多个操作***914和一个或多个计算机可读有形存储设备916。客户机计算机102中的一个或多个操作***914、软件程序108和认知IoT设备管理程序110a以及网络服务器112中的认知IoT设备管理程序110b可以存储在一个或多个计算机可读有形存储设备916上，以便由一个或多个处理器906经由一个或多个RAM 908(通常包括高速缓冲存储器)执行。在图4所示的实施例中，每个计算机可读有形存储设备916是内部硬盘驱动器的磁盘存储器设备。或者，每个计算机可读有形存储设备916是半导体存储设备，诸如ROM 910、EPROM、闪速存储器或任何其他能够存储计算机程序和数字信息的计算机可读有形存储设备。

每组内部组件902a、b还包括R/W驱动器或接口918，以从一个或多个便携式计算机可读有形存储设备920读取和向其写入，所述便携式计算机可读有形存储设备920诸如是CD-ROM、DVD、记忆棒、磁带、磁盘、光盘或半导体存储设备。诸如软件程序108和认知IoT设备管理程序110a、110b的软件程序可以存储在相应的便携式计算机可读有形存储设备920中的一个或多个上，经由相应的R/W驱动器或接口918读取并加载到相应硬盘驱动器916中。

每组内部组件902a、b还可以包括网络适配器(或交换机端口卡)或接口922，例如TCP/IP适配器卡、无线Wi-Fi接口卡、3G或4G无线接口卡或其他有线或无线通信链路。客户机计算机102中的软件程序108和认知IoT设备管理程序110a以及网络服务器计算机112中的认知IoT设备管理程序110b可以经由网络(例如，互联网、局域网或其他广域网)和相应的网络适配器或接口922从外部计算机(例如，服务器)下载。从网络适配器(或交换端口适配器)或接口922，客户机计算机102中的软件程序108和认知IoT设备管理程序110a以及网络服务器计算机112中的认知IoT设备管理程序110b被加载到相应硬盘驱动器916中。网络可以包括铜线、光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。

每组外部组件904a、b可以包括计算机显示监视器924、键盘926和计算机鼠标928。外部组件904a、b还可以包括触摸屏、虚拟键盘、触摸板、定点设备和其他人机接口设备。每组内部组件902a、b还包括与计算机显示监视器924、键盘926和计算机鼠标928接口的设备驱动程序930。设备驱动程序930、R/W驱动器或接口918以及网络适配器或接口922包括硬件和软件(存储在存储设备916和/或ROM 910中)。

首先应当理解，尽管本公开包括关于云计算的详细描述，但是本文所述教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其他类型的计算环境来实现。

云计算是一种服务交付模型，用于对可配置计算资源(例如网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务)共享池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源。这种云模型可以包括至少五个特征、至少三个服务模型和至少四个部署模型。

特征包括：

按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。

广泛的网络接入：能力在网络上是可用的并且通过标准机制来访问，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、和PDA)的使用。

资源池：提供者的计算资源被归入资源池并使用多租户(multi-tenant)模型服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。

迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用能力往往显得是无限的，并能在任意时候都能获取任意数量的能力。

可测量的服务：云***通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。

服务模型如下：

软件即服务(SaaS)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作***、存储、乃至单个应用能力等的底层云基础架构。

平台即服务(PaaS)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的编程语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作***或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。

分析即服务(AaaS)：向消费者提供的功能是使用基于网络或基于云的网络(即基础架构)来访问分析平台。分析平台可以包括对分析软件资源的访问，或者可以包括对相关数据库、语料库、服务器、操作***或存储的访问。消费者不管理或控制底层的基于网络或基于云的基础架构，包括数据库、语料库、服务器、操作***或存储，但可以控制部署的应用程序以及可能的应用程序托管环境配置。

基础架构即服务(IaaS)：向消费者提供的能力是消费者能够在其中部署并运行包括操作***和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作***、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。

部署模型如下：

私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。

共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由组织或第三方管理并且可以存在于该共同体内部或外部。

公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。

混合云：云基础架构由两个或更多云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发)绑定在一起。

云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。

现在参考图5，描绘了说明性的云计算环境1000。如图所示，云计算环境1000包括一个或多个云计算节点100，云消费者使用的本地计算设备，诸如，例如个人数字助理(PDA)或蜂窝电话1000A、台式计算机1000B、膝上型计算机1000C和/或汽车计算机***1000N可以与之通信。节点100可以彼此通信。它们可以在物理上或虚拟上被分组(未示出)，在一个或多个网络中，诸如上面描述的私有、社区、公共或混合云，或者它们的组合。这允许云计算环境1000提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图5中所示的计算设备1000A-N的类型仅是说明性的，并且计算节点100和云计算环境1000可以通过任何类型的网络和/或网络可寻址连接(例如，使用网络浏览器)与任何类型的计算机化设备通信。

现在参考图6，示出了云计算环境1000提供的一组功能抽象层1100。首先应当理解，图6中所示的组件、层以及功能都仅仅是说明性的，本发明的实施例不限于此。如图所示，提供以下层和对应功能：

硬件和软件层1102包括硬件和软件组件。硬件组件的示例包括：主机1104；基于RISC(精简指令集计算机)体系结构的服务器1106；服务器1108；刀片服务器1110；存储设备1112；以及网络和网络组件1114。在一些实施例中，软件组件包括网络应用服务器软件1116和数据库软件1118。

虚拟层1120提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器1122；虚拟存储1124；虚拟网络1126，包括虚拟专用网；虚拟应用和操作***1128；和虚拟客户机1130。

在一个示例中，管理层1132可以提供下面描述的功能。资源供应1134提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取。计量和定价1136在云计算环境内对资源的使用进行成本跟踪，并对这些资源的消耗提供帐单和***。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份认证，并保护数据和其他资源。用户门户1138为消费者和***管理员提供对云计算环境的访问。服务水平管理1140提供云计算资源分配和管理，从而满足所需的服务水平。服务水平协议(SLA)计划和履行1142为云计算资源提供预先安排和获取，根据SLA，对云计算资源的未来需求是预期的。

工作负载层1144提供云计算环境可用于的功能的示例。可以从该层提供的工作负载和功能的示例包括：地图绘制和导航1146；软件开发和生命周期管理1148；虚拟教室的教学提供1150；数据分析处理1152；交易处理1154；和认知IoT设备管理1156。认知IoT设备管理程序110a、110b提供了一种基于认知学习来管理和优化多个IoT设备连接性的方法。

本发明的各种实施例的描述是为了说明的目的而给出的，但并不旨在穷举或限制于所公开的实施例。在不脱离所述实施例的范围的情况下，许多修改和改变对于本领域普通技术人员来说是显而易见的。选择本文使用的术语是为了最好地解释实施例的原理、实际应用或对市场上发现的技术的技术改进，或者使本领域普通技术人员能够理解本文公开的实施例。

Claims (11)

1.一种基于认知学习来管理和优化多个IoT设备的连接性的方法，所述方法包括：

识别用户，其中多个用户上下文数据被存储在用户简档中，其中认知引擎被用于基于存储的多个用户上下文数据来学习与所识别的用户相关联的多个交互以及与所述用户相关联的至少一个偏好的IoT设备；

检测与所识别的用户相关联的至少一个当前用户上下文中的改变；

对在所述至少一个当前用户上下文中检测到的改变执行连接性和管理分析；

基于所执行的连接性和管理分析，为与所识别的用户相关联的多个IoT设备生成至少一个最优计划，其中所述认知引擎向所生成的与所识别的用户相关联的最优计划提供至少一个推荐、至少一个调整或至少一个动作；和

基于所生成的至少一个最优计划执行至少一个动作。

2.根据权利要求1所述的方法，进一步包括：

接收对所执行的至少一个动作的多个用户反应数据；

由所述认知引擎分析所接收的多个用户反应数据；和

将所分析的多个用户反应数据存储在所述用户简档中。

3.根据权利要求1所述的方法，其中对在所述至少一个当前用户上下文中检测到的改变执行所述连接性和管理分析，还包括：

分析在所述至少一个当前用户上下文中检测到的改变；

基于在每个所述当前用户上下文中分析的改变，识别将由所识别的用户利用的多个偏好的IoT设备；和

验证每个所识别的多个偏好的IoT设备的连接性以及与所识别的多个偏好的IoT设备中的每个偏好的IoT设备相关联的多个特征。

4.根据权利要求1所述的方法，其中所述用户上下文包括用户活动、用户情绪、用户情感状态、用户位置、用户公司、一天中的时间、多个天气数据和日期。

5.根据权利要求4所述的方法，其中检测与所识别的用户相关联的至少一个当前用户上下文中的改变，进一步包括：

利用与用户情绪、用户情感状态和用户活动相关联的多个生物测定设备和多个生物测定传感器。

6.根据权利要求4所述的方法，其中检测与所识别的用户相关联的至少一个当前用户上下文中的改变，进一步包括：

利用多个社交媒体帖子，多个应用程序接口，以及与用户位置、一天中的时间、日期和与所识别的用户相关联的多个天气数据相关联的多个数据跟踪服务。

7.根据权利要求1所述的方法，进一步包括：

将所述用户简档与IoT设备和至少一个相应的应用程序接口相关联。

8.根据权利要求2所述的方法，其中，所述认知引擎基于用户群组进行分析和学习。

9.一种基于认知学习来管理和优化多个IoT设备的连接性的计算机***，包括：

一个或多个处理器、一个或多个计算机可读存储器、一个或多个计算机可读有形存储介质以及存储在所述一个或多个有形存储介质中的至少一个上的程序指令，所述程序指令用于由所述一个或多个处理器中的至少一个经由所述一个或多个存储器中的至少一个执行，其中所述计算机***能够执行根据权利要求1-8所述的任何方法。

10.一种用于基于认知学习来管理和优化多个IoT设备的连接性的计算机程序产品，包括：

一个或多个计算机可读存储介质和存储在所述一个或多个有形存储介质中的至少一个上的程序指令，所述程序指令可由处理器执行以使所述处理器执行根据权利要求1-8所述的任何方法。

11.一种计算机***，包括执行根据权利要求1至8所述的任何方法的步骤的模型。

Images