CN111314177B - 一种基于无线信号的作息时段识别方法以及相关装置 - Google Patents

一种基于无线信号的作息时段识别方法以及相关装置 Download PDF

Info

Publication number
CN111314177B
CN111314177B CN202010108543.0A CN202010108543A CN111314177B CN 111314177 B CN111314177 B CN 111314177B CN 202010108543 A CN202010108543 A CN 202010108543A CN 111314177 B CN111314177 B CN 111314177B
Authority
CN
China
Prior art keywords
information
work
rest
time
period
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010108543.0A
Other languages
English (en)
Other versions
CN111314177A (zh
Inventor
吴加海
张长旺
张纪红
黄新营
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010108543.0A priority Critical patent/CN111314177B/zh
Publication of CN111314177A publication Critical patent/CN111314177A/zh
Application granted granted Critical
Publication of CN111314177B publication Critical patent/CN111314177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/06—Generation of reports
    • H04L43/067—Generation of reports using time frame reporting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种基于无线信号的作息时段识别方法以及相关装置，用于用户画像的识别，通过获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，预设时间段包括多个采集时间段；然后将每个采集时间段划分为多个时刻分片；并根据连接信息分别统计各个时刻分片的切换信息；进而根据切换信息识别目标用户的作息时段。从而实现了作息时段的自动生成，由于采用预设时间段内统计切换信息的方法反应用户的活跃度，可以减少偶发情况对于作息时段识别的干扰，提高作息时段识别过程的准确性。

Description

一种基于无线信号的作息时段识别方法以及相关装置
技术领域
本申请涉及计算机技术领域，尤其涉及一种基于无线信号的作息时段识别方法以及相关装置。
背景技术
随着云技术的发展，越来越多的数据应用出现在人们的生活中，其中，基于大数据进行智能设备对应的用户画像的识别尤为突出，而如何将海量数据应用于用户画像的识别中成为难题。
一般，采用固定特征对应的方式进行用户画像的识别，例如：大数据中包括记录了用户作息时间表，则根据该作息时间表识别出用户对应的作息规律。
但是，在实际应用场景中，由于大数据中可能没有强相关的数据，此时基于固定特征对应的过程可能无法运行，而且，一些偶发的情况也可能影响作息时段识别过程的准确性。
发明内容
有鉴于此，本申请提供一种基于无线信号的作息时段识别的方法，可以有效避免由于偶发情况产生的作息时段识别不准确，提高作息时段识别过程的准确性。
本申请第一方面提供一种作息时段识别的方法，可以应用于包含作息时段识别功能的***或程序中，具体包括：获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，所述预设时间段包括多个采集时间段；
将每个所述采集时间段划分为N个时刻分片，N≥2，N为整数；
根据所述连接信息分别统计各个所述时刻分片的切换信息，所述切换信息基于相邻时刻分片的无线信号源接入情况差异确定；
根据所述切换信息识别所述目标用户的作息时段。
可选的，在本申请一些可能的实现方式中，所述根据所述切换信息识别所述目标用户的作息时段，包括：
根据极大拟然估计算法计算所述切换信息中的极值信息；
确定所述极值信息对应的时刻分片，以确定作息时段。
可选的，在本申请一些可能的实现方式中，所述根据极大拟然估计算法计算所述切换信息中的极值信息，包括：
获取参考信息，以确定掩码矩阵，所述参考信息用于指示与所述目标用户相关联用户的作息时段的平均值；
基于所述掩码矩阵对所述切换信息进行极大拟然估计算法的计算，以确定极值信息。
可选的，在本申请一些可能的实现方式中，所述获取参考信息，以确定掩码矩阵，包括：
获取所述目标用户的工作信息；
根据所述工作信息确定关联用户的作息时段的平均值，以获取所述参考信息；
根据所述参考信息确定掩码矩阵。
可选的，在本申请一些可能的实现方式中，所述确定所述极值信息对应的时刻分片，以确定作息时段，包括：
确定所述极值信息对应的时刻分片；
获取所述极值信息对应的时刻分片的相邻时刻分片；
确定所述相邻时刻分片中满足预设条件的相邻时刻分片；
根据所述极值信息对应的时刻分片和所述满足预设条件的相邻时刻分片确定作息时段。
可选的，在本申请一些可能的实现方式中，所述根据所述切换信息识别所述目标用户的作息时段之后，所述方法还包括：
确定所述休息时段对应的休息时长；
若所述休息时长满足参考时长条件，则对所述作息时段进行更新。
可选的，在本申请一些可能的实现方式中，所述根据所述连接信息分别统计各个所述时刻分片的切换信息，包括：
获取所述连接信息中的时序信息；
根据所述时序信息将所述时刻分片进行排序；
分别统计排序后的所述时刻分片的切换信息。
可选的，在本申请一些可能的实现方式中，所述分别统计排序后的所述时刻分片的切换信息之后，所述方法还包括：
根据所述切换信息在预设频谱中进行投影以得到切变频谱图；
根据所述切变频谱图确定波动信息，所述波动信息对应的波峰或波谷用于指示所述目标用户的作息时段；
根据所述波动信息对所述目标用户的用户画像进行更新。
可选的，在本申请一些可能的实现方式中，所述获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，包括：
确定与所述目标用户关联的终端设备；
获取所述终端设备中目标程序的操作信息；
根据所述操作信息确定所述终端设备在预设时间段内与至少一个无线信号源的连接信息。
可选的，在本申请一些可能的实现方式中，所述方法还包括：根据所述作息时段确定对应的提示信息；
根据所述提示信息对所述目标用户关联的终端设备进行提示设置。
可选的，在本申请一些可能的实现方式中，所述方法还包括：
确定所述作息时段内的活动时段；
获取所述活动时段内对应的活动无线信号源；
确定所述活动无线信号源对应的位置信息，以确定活动范围；
若所述终端设备移动至所述活动范围内，则对所述目标用户关联的终端设备进行目标操作。
可选的，在本申请一些可能的实现方式中，所述无线信号源为无线局域网路由器，所述用户画像包括所述目标用户的作息时段，所述作息时段用于指示所述目标用户的休息时段。
本申请第二方面提供一种作息时段识别的装置，包括：获取单元，用于获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，所述预设时间段包括多个采集时间段；
处理单元，用于将每个所述采集时间段划分为N个时刻分片，N≥2，N为整数；
统计单元，用于根据所述连接信息分别统计各个所述时刻分片的切换信息，所述切换信息基于相邻时刻分片的无线信号源接入情况差异确定；
识别单元，用于根据所述切换信息识别所述目标用户的作息时段。
可选的，在本申请一些可能的实现方式中，所述识别单元，具体用于根据极大拟然估计算法计算所述切换信息中的极值信息；
所述识别单元，具体用于确定所述极值信息对应的时刻分片，以确定作息时段。
可选的，在本申请一些可能的实现方式中，所述识别单元，具体用于获取参考信息，以确定掩码矩阵，所述参考信息用于指示与所述目标用户相关联用户的作息时段的平均值；
所述识别单元，具体用于基于所述掩码矩阵对所述切换信息进行极大拟然估计算法的计算，以确定极值信息。
可选的，在本申请一些可能的实现方式中，所述识别单元，具体用于获取所述目标用户的工作信息；
所述识别单元，具体用于根据所述工作信息确定关联用户的作息时段的平均值，以获取所述参考信息；
所述识别单元，具体用于根据所述参考信息确定掩码矩阵。
可选的，在本申请一些可能的实现方式中，所述识别单元，具体用于确定所述极值信息对应的时刻分片；
所述识别单元，具体用于获取所述极值信息对应的时刻分片的相邻时刻分片；
所述识别单元，具体用于确定所述相邻时刻分片中满足预设条件的相邻时刻分片；
所述识别单元，具体用于根据所述极值信息对应的时刻分片和所述满足预设条件的相邻时刻分片确定作息时段。
可选的，在本申请一些可能的实现方式中，所述识别单元，还用于确定所述休息时段对应的休息时长；
所述识别单元，还用于若所述休息时长满足参考时长条件，则对所述作息时段进行更新。
可选的，在本申请一些可能的实现方式中，所述统计单元，具体用于获取所述连接信息中的时序信息；
所述统计单元，具体用于根据所述时序信息将所述时刻分片进行排序；
所述统计单元，具体用于分别统计排序后的所述时刻分片的切换信息。
可选的，在本申请一些可能的实现方式中，所述统计单元，具体用于根据所述切换信息在预设频谱中进行投影以得到切变频谱图；
所述统计单元，具体用于根据所述切变频谱图确定波动信息，所述波动信息对应的波峰或波谷用于指示所述目标用户的作息时段；
所述识别单元，具体用于根据所述波动信息对所述目标用户的用户画像进行更新。
可选的，在本申请一些可能的实现方式中，所述获取单元，具体用于确定与所述目标用户关联的终端设备；
所述获取单元，具体用于获取所述终端设备中目标程序的操作信息；
所述获取单元，具体用于根据所述操作信息确定所述终端设备在预设时间段内与至少一个无线信号源的连接信息。
可选的，在本申请一些可能的实现方式中，所述识别单元，还用于根据所述作息时段确定对应的提示信息；
所述识别单元，还用于根据所述提示信息对所述目标用户关联的终端设备进行提示设置。
可选的，在本申请一些可能的实现方式中，所述识别单元，还用于确定所述作息时段内的活动时段；
所述识别单元，还用于获取所述活动时段内对应的活动无线信号源；
所述识别单元，还用于确定所述活动无线信号源对应的位置信息，以确定活动范围；
所述识别单元，还用于若所述终端设备移动至所述活动范围内，则对所述目标用户关联的终端设备进行目标操作。
本申请第三方面提供一种计算机设备，包括：存储器、处理器以及总线***；所述存储器用于存储程序代码；所述处理器用于根据所述程序代码中的指令执行上述第一方面或第一方面任一项所述的作息时段识别的方法。
本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面任一项所述的作息时段识别的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
通过获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，其中，预设时间段包括多个采集时间段；然后将每个采集时间段划分为多个时刻分片；并根据连接信息分别统计各个时刻分片的切换信息，即无线信号源接入情况的差异；进而根据切换信息识别目标用户的作息时段。从而实现了作息时段的自动生成，以对目标用户的用户画像进行识别，由于无线信号源的连接信息易于得到，无需对特定的数据进行采集，且采用预设时间段内统计切换信息的方法反应用户的活跃度，可以减少偶发情况对于作息时段识别的干扰，提高作息时段识别过程的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为作息时段识别***运行的网络架构图；
图2为本申请实施例提供的一种作息时段识别的流程架构图；
图3为本申请实施例提供的一种作息时段识别的方法的流程图；
图4为本申请实施例提供的一种作息时段识别的频谱图；
图5为本申请实施例提供的另一种作息时段识别的方法的流程图；
图6为本申请实施例提供的另一种作息时段识别的方法的流程图；
图7为本申请实施例提供的另一种作息时段识别的方法的流程图；
图8为本申请实施例提供的一种作息时段识别的场景示意图；
图9为本申请实施例提供的另一种作息时段识别的方法的流程图；
图10为本申请实施例提供的一种作息时段识别装置的结构示意图；
图11为本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
本申请实施例提供了一种作息时段识别的方法以及相关装置，可以应用于包含作息时段识别功能的***或程序中，通过获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，其中，预设时间段包括多个采集时间段；然后将每个采集时间段划分为多个时刻分片；并根据连接信息分别统计各个时刻分片的切换信息，即无线信号源接入情况的差异；进而根据切换信息识别目标用户的作息时段。从而实现了作息时段的自动生成，以对目标用户的用户画像进行识别，由于无线信号源的连接信息易于得到，无需对特定的数据进行采集，且采用预设时间段内统计切换信息的方法反应用户的活跃度，可以减少偶发情况对于作息时段识别的干扰，提高作息时段识别过程的准确性。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“对应于”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，对本申请实施例中可能出现的一些名词进行解释。
无线信号源：作为移动设备终端连接到有线网络的无线接入点，也称为热点；主要用于宽带家庭、大楼内部、园区内部以及仓库、工厂等地方，其距离覆盖几十米至上百米。
作息时段：用户不同动作对应的时间段，例如：休息时段、活动时段或工作时段。
切换信息：比较终端在相邻时刻与周围无线信号源的连接情况确定的信息。
极大拟然估计算法：也称argmax，是对函数求参数(集合)的函数。当有另一个函数y＝f(x)时，若有结果x0＝argmax(f(x))，则表示当函数f(x)取x＝x0的时候，得到f(x)取值范围的最大值；若有多个点使得f(x)取得相同的最大值，则argmax(f(x))的结果就是一个点集。即argmax(f(x))是使得f(x)取得最大值所对应的变量点x或x的集合。
softargmax：argmax的一种改进计算方法，通过增加一个系数，使得增大相对最大值而减弱其他值的影响，最终就可以得到更加准确的位置推算。
用户画像：用户信息标签化，即是通过收集与分析用户社会属性、生活习惯、消费行为等主要信息的数据之后，抽象出一个用户的标签集合。
应理解，本申请提供的作息时段识别方法可以应用于包含作息时段识别功能的***或程序中，例如智能闹钟，具体的，作息时段识别***可以运行于如图1所示的网络架构中，如图1所示，是作息时段识别***运行的网络架构图，如图可知，作息时段识别***可以提供与多个信息源的作息时段识别，终端通过网络建立与服务器的连接，进而接收服务器发送的与多个无线信息源的交互信息，并根据终端本身进行作息时段的识别，或服务器进行作息时段识别；可以理解的是，图1中示出了多种终端设备，在实际场景中可以有更多或更少种类的终端设备参与到作息时段识别的过程中，具体数量和种类因实际场景而定，此处不做限定，另外，图1中示出了一个服务器，但在实际场景中，也可以有多个服务器的参与，特别是在大量数据应用交互的场景中，具体服务器数量因实际场景而定。
其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
应当注意的是，本实施例提供的作息时段识别方法也可以离线进行，即不需要服务器的参与，此时终端在本地与其他终端进行连接，进而进行终端之间的作息时段识别的过程。
可以理解的是，上述作息时段识别***可以运行于个人移动终端，例如：作为智能闹钟这样的应用，也可以运行于服务器，还可以作为运行于第三方设备以提供作息时段识别，以得到信息源的作息时段识别处理结果；具体的作息时段识别***可以是以一种程序的形式在上述设备中运行，也可以作为上述设备中的***部件进行运行，还可以作为云端服务程序的一种，具体运作模式因实际场景而定，此处不做限定。
云技术(Cloud technology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络***的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台***进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的***后盾支撑，只能通过云计算来实现。
而在云技术中，往往使用到大数据的交互；大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件***、分布式数据库、云计算平台、互联网和可扩展的存储***。
随着移动终端相关技术的发展，越来越多的智能设备出现在人们的生活中，其中，基于大数据进行智能设备对应的用户画像的识别尤为突出，如何将海量数据应用于用户画像的识别中成为难题。
一般，采用固定特征对应的方式进行用户画像的识别，例如：大数据中包括记录了用户作息时间表，则根据该作息时间表识别出用户对应的作息规律。
但是，在实际应用场景中，由于大数据中可能没有强相关的数据，此时基于固定特征对应的过程可能无法运行，而且，一些偶发的情况也可能影响作息时段识别过程的准确性。
为了解决上述问题，本申请提出了一种作息时段识别的方法，该方法应用于图2所示的作息时段识别的流程框架中，如图2所示，为本申请实施例提供的一种作息时段识别的流程架构图，首先从采集周边无线信号源的连接信息，然后根据多个时刻分片进行切换信息的统计，已得到各个时刻分片用户的活跃状态，从而分析识别出用户的作息时段。
可以理解的是，本申请所提供的方法可以为一种程序的写入，以作为硬件***中的一种处理逻辑，也可以作为一种作息时段识别装置，采用集成或外接的方式实现上述处理逻辑。作为一种实现方式，该作息时段识别装置通过获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，其中，预设时间段包括多个采集时间段；然后将每个采集时间段划分为多个时刻分片；并根据连接信息分别统计各个时刻分片的切换信息，即无线信号源接入情况的差异；进而根据切换信息识别目标用户的作息时段。从而实现了作息时段的自动生成，以对目标用户的用户画像进行识别，由于无线信号源的连接信息易于得到，无需对特定的数据进行采集，且采用预设时间段内统计切换信息的方法反应用户的活跃度，可以减少偶发情况对于作息时段识别的干扰，提高作息时段识别过程的准确性。
结合上述流程架构，下面将对本申请中作息时段识别的方法进行介绍，请参阅图3，图3为本申请实施例提供的一种作息时段识别的方法的流程图，本申请实施例至少包括以下步骤：
301、获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息。
本实施例中，预设时间段包括多个采集时间段，例如：采集时间段以天为单位，预设时间段为30天，则包括30个采集时间段。
另外，与目标用户关联的终端设备可以是手机、平板电脑、个人数字助理(personal digital assistant，PDA)、销售终端(point of sales，POS)、车载电脑等任意终端设备。
而对于无线信号源，可以是无线保真(WirelessFidelity，wifi)对应的路由器，也可以是低功耗蓝牙通讯(iBeacon)对应的通讯设备，还可以是其他用于终端无线通讯的接入方式对应的通讯设备，具体形式因实际场景而定，此处不做限定。
可以理解的是，为了保证连接信息对应目标用户作息时段刻画的代表性，可以采用多个无线信号源的组合，以确定为连接信息的无线信号源。具体的，连接信息可以是目标用户关联终端即使发起的无线信号设备探测，例如：手机的wifi嗅探功能，然后获取嗅探到的wifi路由器的接入记录，从而得到连接信息。
可选的，连接信息还可以来源于目标用户的关联终端中目标程序的记录，例如：手机的wifi管家应用程序，记录了手机的历史wifi接入记录，从而根据该接入记录确定连接信息。
可选的，连接信息还可以来源于目标用户的多个终端或多个应用的交互记录的集合，即多源的构成方式，例如：确定目标用户常用的3个终端设备，并选择这3个终端设备中使用率最高的3个应用程序的wifi接入新情况，进而统计得到连接信息。
应当注意的是，上述连接信息的获取过程是基于终端本省获取的，在一种可能的场景中，连接信息也可以是服务器下发的，即在终端关联的服务器中记录了终端的无线连接情况，当终端需要进行作息时段的识别时，即会进行无线信息的下发过程。
可以理解的是，上述连接信息中还可以包括无线信号源的标识信息和时间信息，例如：连接信息中包含wifi路由器的唯一标识和采集时间戳。从而保证连接信息的完整性，便于后续的数据处理过程。
302、将每个采集时间段划分为N个时刻分片。
本实施例中，N≥2，N为整数；为了获取作息时段对应的用户的活跃度，可以通过多个时刻对应的连接信息中的切换信息进行活跃度判断。
可以理解的是，对于每个采集时间段的划分过程，可以是平均划分，即相邻时刻分片的时间间隔相同；也可以采用不平均划分，例如：在凌晨对应的时刻分布稀疏的时刻分片，而在白天对应的时刻分布密集的时刻分片，具体的形式因实际场景而定，此处不做限定。
在一种可能的场景中，为了保证多个时刻分布的平衡性，可以将每个采集时间段进行平均划分，例如：将每天划分为48个时刻分片。进一步的，为了保证数据的可读性，可以通过如下公式对划分后的时刻分片进行表述：
Figure BDA0002389187450000121
其中，A即为预设时间段内包含的时刻分片额集合；N为每个采集时间段划分的时刻分片的个数；n为预设时间段包含的采集时间段的个数。
303、根据连接信息分别统计各个时刻分片的切换信息。
本实施例中，切换信息基于相邻时刻分片的无线信号源接入情况差异确定；即将每个时刻分片对应的无线信号源接入情况作为一个集合，若下一时刻的接入情况发生变化，例如：减少了一个wifi路由的连接，则确定为发生变化，并进行标记；对应的，接入情况未发生变化，则表示相邻时刻对应的无线信号源接入情况相同。
具体的，可以采用步骤302中的公式对上述过程进行描述，若接入情况未发生变化，则记为ai，j＝0；若接入情况未发生变化，则记为ai，j＝1。其中i为天数的标识，j为时刻分片的标识。通过上述数据处理的过程，可以将切换信息用矩阵A进行表示。
进一步的，为了直观的表示切换信息对应的各个时段的活跃情况，可以将A投影到一个参量上。即为了表示每个时刻分片对应的时刻的累计活跃情况，基于连接信息中的所有数据进行活跃度的统计，而活跃度则通过切换信息进行描述。具体的，设定一维投影矩阵p与矩阵A相乘，可以记为：
Figure BDA0002389187450000131
其中，Ap即为累计活跃度统计矩阵，p为参量矩阵，n为预设时间段包含的采集时间段的个数，j为时刻分片的标识，N为每个采集时间段划分的时刻分片的个数。
然后，进行矩阵投影，可选择p≡1，即可得到如图4所示的频谱图，图4为本申请实施例提供的一种作息时段识别的频谱图，图中示出了各个时刻分片对应时刻的活跃度累计情况，其中频度越高表示该时刻对应的无线信号源的切换过程越频繁，进而表示此时用户越活跃，即用户处于活跃时段；对应的，频度越低表示该时刻对应的无线信号源的切换过程越少，进而表示此时用户越不活跃，即用户处于休息时段。
304、根据切换信息识别目标用户的作息时段。
本实施例中，可以通过确定步骤303中切换信息指示的活跃度最高的时刻作为作息时段，可以通过步骤303中的频谱图的波动情况确定作息时段。
具体的，首先将频谱图中各个时刻分片的信息基于时序进行排序，即按照时间的顺序进行排序，然后根据切换信息在预设频谱中进行投影以得到切变频谱图；并根据切变频谱图确定波动信息，其中，波动信息可以是各个时刻分片对应频度的连线；然后确定波动信息对应的波峰或波谷，以确定目标用户的作息时段；进而根据目标用户的作息时段对目标用户的用户画像进行识别。例如：对于波峰对应的时刻分片记为活跃时段，而对于波谷对应的时刻分片记为休息时段。
可选的，为避免由于数据错误造成的作息时段识别的不准确的情况发生，可以规定一个用于参考的休息时长，例如：参考的休息时长为4-16小时，若作息时段中指示休息时段的时间长度不在这个范围内，则可以认为该处数据发生错误，删除并上报错误信息，且对作息时段中对应的相关部分进行数据的更新，从而保证了数据的准确性。
结合上述实施例可知，通过获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，其中，预设时间段包括多个采集时间段；然后将每个采集时间段划分为多个时刻分片；并根据连接信息分别统计各个时刻分片的切换信息，即无线信号源接入情况的差异；进而根据切换信息识别目标用户的作息时段。从而实现了作息时段的自动生成，以对目标用户的用户画像进行识别，由于无线信号源的连接信息易于得到，无需对特定的数据进行采集，且采用预设时间段内统计切换信息的方法反应用户的活跃度，可以减少偶发情况对于作息时段识别的干扰，提高作息时段识别过程的准确性。
上述实施例介绍了作息时段识别的过程，可以反应出用户在不同时刻的不同的活跃比率，但该过程不易于直接用于作息时段的解读。而在大规模数据集下，为了更好的抗噪声处理和应用表达，可以进行极大拟然估计计算的过程，下面对该场景进行说明，请参阅图5，图5为本申请实施例提供的另一种作息时段识别的方法的流程图，本申请实施例至少包括以下步骤：
501、获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息。
502、将每个采集时间段划分为N个时刻分片。
503、根据连接信息分别统计各个时刻分片的切换信息。
本实施例中，步骤501-503与图3所述实施例中的步骤301-303相似，相关特征描述可以进行参考，此处不做赘述。
504、基于切换信息进行极大拟然估计计算。
本实施例中，极大拟然估计计算即为了检测各个时刻分片对应的活跃度的极值信息。具体的，可以获取参考信息，以确定掩码矩阵，参考信息用户指示与目标用户相关联用户的作息时段的平均值；然后基于掩码矩阵对切换信息进行极大拟然估计算法的计算，以确定极值信息。即在极大拟然估计计算过程中可以根据参考信息a设置掩码矩阵，作为极值得筛选条件，掩码矩阵可以采用如下表述方式：
Figure BDA0002389187450000151
其中，对于每个mi，j的取值有公式：
Figure BDA0002389187450000152
其中，M为掩码矩阵；N为每个采集时间段划分的时刻分片的个数；i为天数的标识；j为时刻分片的标识；S为参考信息对应的时间段内的时刻分片的数量。例如：参考信息a为成人平均睡眠时长为8小时，每天24小时分为了48个时刻分片，则参考信息对应的S为16。
可以理解的是，参考信息可以基于目标用户所属的群体进行确定，例如：目标用户为工人群体，而该群体对应的平均睡眠时长为7小时，则参考信息a为7；若目标用户没有特殊的群体归属，则可以设置为成人平均睡眠时长8小时，其中，具体的时间长度因实际场景而定。
505、确定极值信息对应的时间段，以生成作息时段。
本实施例中，极值信息包括极大值或极小值，对应的反映了用户活跃度极大或极小的情况，即可以指示目标用户的工作时段或休息时段，从而组成目标用户的作息时段。
下面，以休息时段的预测进行说明，即预估活动频度最低的区间段作为优选居住休息时段，可以采用如下公式进行：
E[x]＝softargmax{(1-Ap)TM}
其中，E[x]为提取休息时间段的集合，T为矩阵转置符，M为掩码矩阵，Ap为累计活跃度统计矩阵。
通过以上计算可以得到：
E[x]＝[m1,x,m2,x,...,mN,x]T
其中，mN,x即为提取出来的休息时段。
可以理解的是，由于相邻时刻分片可能存在与提取的时刻分片存在相似的特征，故可以对提取出来的休息时段对应的时刻分片的相邻时刻分片进行进一步的判断，具体的，可以确定极值信息对应的时刻分片；然后获取极值信息对应的时刻分片的相邻时刻分片；并确定相邻时刻分片中满足预设条件的相邻时刻分片；从而根据极值信息对应的时刻分片和满足预设条件的相邻时刻分片确定作息时段。例如：相邻时刻分片与提取时刻分片的频度的比值在0.9-1.1之间，则确定该相邻时刻分片对应的时段也为提取出来的休息时段，从而对E[x]进行更新，得到
Figure BDA0002389187450000161
可选的，为避免由于数据错误造成的作息时段识别的不准确的情况发生，可以规定一个用于参考的休息时长，例如：参考的休息时长为4-16小时，若作息时段中指示休息时段的时间长度不在这个范围内，则可以认为该处数据发生错误，删除并上报错误信息，且对作息时段中对应的相关部分进行数据的更新，从而保证了数据的准确性。
另外，对于上述计算过程还可以用于工作时段的提取，此时对应的频度较高，可以采用如下公式进行：
E1[x]＝softargmax{(Ap)TM1}
E2[x]＝softargmax{(Ap)TM2}
其中，E1[x]为提取工作时间段的集合，E2[x]为提取活动时间段的集合，T为矩阵转置符，M1为平均工作时长对应的掩码矩阵，M2为平均活动时长对应的掩码矩阵，Ap为累计活跃度统计矩阵。
可以理解的是，在上述公式中出现了工作时长和活动时长，其本质的计算过程相似，但是考虑到用户处于工作时间与周末放假的活动时间不同，故可以根据两者的平均时长区别将工作日与休息日划分出来；具体的，可以获取目标用户的工作信息；然后根据工作信息确定关联用户的作息时段的平均值，以参考信息，例如平均工作时长；然后根据参考信息确定掩码矩阵。
结合上述实施例可见，通过上述对于各个时间段用户不同活跃度的极大拟然估计计算，进而提取的休息时间段、工作时间段或活动时间段，即可以得到目标用户的作息时段，从而分析出目标用户的作息规律；该过程能够自动识别目标用户的作息规律，允许不确定性的采样间隔，只需要关键采样可信且时域覆盖相对均匀，因此具有采集难度低、鲁棒性高的特点，提高了作息时段识别的准确性。
上述实施例介绍了作息时段识别的过程，下面，结合无线信号源为wifi路由器作为具体场景进行介绍，请参阅图6，图6为本申请实施例提供的另一种作息时段识别的方法的流程图，本申请实施例至少包括以下步骤：
601、获取与目标用户关联的终端设备在n天内与至少一个wifi路由器的连接信息。
本实施例中，目标用户关联的终端设备可以是用户当前使用的手机，也可以是用户账号登录的物联网平台中记录的设备。对于n的取值范围可以尽量大于30天，即一个月的时间，这样使得连接信息具有代表性。而对于wifi路由器的连接信息可以是通过终端设备中的程序信息获取，也可以通过wifi嗅探获取，还可以通过接受服务器下发的历史接入信息获取。具体的获取方式因实际场景而定，此处不做限定。
602、将每天分为N个时刻分片。
本实施例中，由于过于密集的时刻分片需要大量的***计算资源，而稀疏的时刻分片又有可能造成时刻分片的代表性不够，造成作息时段识别的不准确，作为示例，可以将一天划分为48个时刻分片，即每半小时一个时刻分片，在保证分布均匀的同时，节约了***资源。具体的，可以采用如下矩阵表示进行分片后的连接信息：
Figure BDA0002389187450000181
其中，n为预设时间段的标识。
603、基于时序检测所述目标用户的活跃状态。
本实施例中，通过上述步骤602中连接信息的矩阵，进一步的进行统计目标用户的活跃状态，具体的，可以采用如下公式进行：
Figure BDA0002389187450000182
其中，Ap即为累计活跃度统计矩阵，p为参量矩阵，n为预设时间段包含的采集时间段的个数，j为时刻分片的标识。
604、基于平均休息时长进行极大拟然估计计算。
本实施例中，在得到统计活跃度的矩阵后，进一步的进行极大拟然估计计算，选择采集时间段为一天，且一天分为48个时刻分片，参考信息采用平均睡眠时间8小时，可以采用如下公式：
Figure BDA0002389187450000183
其中，对于每个mi，j的取值有公式：
Figure BDA0002389187450000191
其中，M为掩码矩阵；i为天数的标识；j为时刻分片的标识。
605、确定目标用户的作息时段。
通过上述极大拟然估计计算的过程，可以分别得到目标用户的休息时间段、活动时间段和工作时间段，记得到了目标用户的作息时段。
在一种可能的场景中，可以得到如表1，表1为作息时间的识别分布表。
表1、作息时间的识别分布表
休息时段 工作时段 活动时段
工作日 23：00～07：00 09：00～18：00 --
节假期 23：00～08：00 -- 09：00～21：00
通过上述实施例的过程，在大规模数据集上运行得到平均提取出居住休息时长为10个小时、活动时长为12个小时。通过人工抽样测评，在不低于31天的观测条件下，有效识别用户比率大于89％，其中居住休息时段90％的误差在2小时内，工作时段和活动时段识别80％的误差在3小时内，保证了作息时段识别的准确性。
可以理解的是，在作息时段了作息时段之后，还可以自动的为终端生成相关的提示信息，下面，对该场景进行介绍，请参阅图7，图7为本申请实施例提供的另一种作息时段识别的方法的流程图，本申请实施例至少包括以下步骤：
701、启动作息时段自动识别。
本实施例中，作息时段自动识别的过程可以参考图3-图6所述实施例的作息时段的识别过程，此处不做赘述。
702、根据识别得到的作息时段更新目标用户的用户画像。
本实施例中，可以运行与服务器端，在识别得到的作息时段后，对目标用户的用户画像进行更新，具体可以包括目标用户的睡眠时间、工作时间或活动时间等。
703、基于用户画像进行终端设备中目标程序的设置。
本实施例中，当达到用户画像中指示的时间段时，可以下发给终端设备响应的提示指令，例如：用户画像中指示的休息时段为12:30-13:30，则在13:30时服务器下发闹铃指令，终端设备进行自动的闹铃提醒。
另外，基于目标用户用户画像的识别，还可以将用户画像应用于人群的识别、数据筛选等应用中，例如：根据目标用户的作息时段推测目标用户可能的职业，或根据目标用户的作息时段进行活动时段内的广告推送，或相关的线上或线下的用户数据包的推送过程中。
通过上述实施例可以实现智能程序或智能家居的运行，在用户没有进行相关设定的情况下，自动生成相关的提示信息，提高了终端设备的智能程度，提升了大量数据之间的关联性，提高了用户体验。
在另一种可能的场景中，无线信号源可以为iBeacon接入设备，该设备可以应用于室内定位的场景中，如图8所示，为本申请实施例提供的另一种作息时段识别的场景示意图，图中示出了iBeacon接入设备的运行场景，即在接入用户设备的同时，还记录了用户的位置信息，由于其本身也具有坐标，在通过上述实施例确定用户的作息时段后可以得到对应的频度较高的iBeacon接入设备，当用户进行该iBeacon接入设备的覆盖范围A1时，即可发出相应的提示。
下面，对该场景进行介绍，请参阅图9，图9为本申请实施例提供的另一种作息时段识别的方法的流程图，本申请实施例至少包括以下步骤：
901、启动作息时段自动识别。
本实施例中，作息时段自动识别的过程可以参考图3-图6所述实施例的作息时段的识别过程，此处不做赘述。
902、确定作息时段中活动时段对应的无线信号源。
本实施例中，在室内场景中，活动时段往往对应着相关智能设备的运行，例如：用户进行卧室后，连接iBeacon接入设备进行蓝牙音箱的智能播放；从而确定这些iBeacon接入设备的标识。
903、根据无线信号源的位置信息确定活动范围。
本实施例中，iBeacon接入设备具有各自的位置信息以及接入范围，当用户进入该接入范围时，且刚好处于上述作息时段识别的时间段中，即进行相应的提示。例如：用户在19:00进入卧室内iBeacon接入设备的接入范围，而用户的作息时段中指示19:00-20:00为活动时间段，则可以向用户关联的终端发送活动提示，具体的活动提示可以是开启音乐、电视、灯光变化等。
通过上述实施例可以实现基于用户作息时段的智能终端的自动交互过程，提高了智能终端交互过程与用户画像的匹配程度，提高了用户体验。
为了更好的实施本申请实施例的上述方案，下面还提供用于实施上述方案的相关装置。请参阅图10，图10为本申请实施例提供的一种作息时段识别装置的结构示意图，作息时段识别装置1000包括：
获取单元1001，用于获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，所述预设时间段包括多个采集时间段；
处理单元1002，用于将每个所述采集时间段划分为N个时刻分片，N≥2，N为整数；
统计单元1003，用于根据所述连接信息分别统计各个所述时刻分片的切换信息，所述切换信息基于相邻时刻分片的无线信号源接入情况差异确定；
识别单元1004，用于根据所述切换信息识别所述目标用户的作息时段。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，具体用于根据极大拟然估计算法计算所述切换信息中的极值信息；
所述识别单元1004，具体用于确定所述极值信息对应的时刻分片，以确定作息时段。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，具体用于获取参考信息，以确定掩码矩阵，所述参考信息用于指示与所述目标用户相关联用户的作息时段的平均值；
所述识别单元1004，具体用于基于所述掩码矩阵对所述切换信息进行极大拟然估计算法的计算，以确定极值信息。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，具体用于获取所述目标用户的工作信息；
所述识别单元1004，具体用于根据所述工作信息确定关联用户的作息时段的平均值，以获取所述参考信息；
所述识别单元1004，具体用于根据所述参考信息确定掩码矩阵。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，具体用于确定所述极值信息对应的时刻分片；
所述识别单元1004，具体用于获取所述极值信息对应的时刻分片的相邻时刻分片；
所述识别单元1004，具体用于确定所述相邻时刻分片中满足预设条件的相邻时刻分片；
所述识别单元1004，具体用于根据所述极值信息对应的时刻分片和所述满足预设条件的相邻时刻分片确定作息时段。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，还用于确定所述休息时段对应的休息时长；
所述识别单元1004，还用于若所述休息时长满足参考时长条件，则对所述作息时段进行更新。
可选的，在本申请一些可能的实现方式中，所述统计单元1003，具体用于获取所述连接信息中的时序信息；
所述统计单元1003，具体用于根据所述时序信息将所述时刻分片进行排序；
所述统计单元1003，具体用于分别统计排序后的所述时刻分片的切换信息。
可选的，在本申请一些可能的实现方式中，所述统计单元1003，具体用于根据所述切换信息在预设频谱中进行投影以得到切变频谱图；
所述统计单元1003，具体用于根据所述切变频谱图确定波动信息，所述波动信息对应的波峰或波谷用于指示所述目标用户的作息时段；
所述识别单元1004，具体用于根据所述波动信息对所述目标用户的用户画像进行更新。
可选的，在本申请一些可能的实现方式中，所述获取单元1001，具体用于确定与所述目标用户关联的终端设备；
所述获取单元1001，具体用于获取所述终端设备中目标程序的操作信息；
所述获取单元1001，具体用于根据所述操作信息确定所述终端设备在预设时间段内与至少一个无线信号源的连接信息。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，还用于根据所述作息时段确定对应的提示信息；
所述识别单元1004，还用于根据所述提示信息对所述目标用户关联的终端设备进行提示设置。
可选的，在本申请一些可能的实现方式中，所述识别单元1004，还用于确定所述作息时段内的活动时段；
所述识别单元1004，还用于获取所述活动时段内对应的活动无线信号源；
所述识别单元1004，还用于确定所述活动无线信号源对应的位置信息，以确定活动范围；
所述识别单元1004，还用于若所述终端设备移动至所述活动范围内，则对所述目标用户关联的终端设备进行目标操作。
通过获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，其中，预设时间段包括多个采集时间段；然后将每个采集时间段划分为多个时刻分片；并根据连接信息分别统计各个时刻分片的切换信息，即无线信号源接入情况的差异；进而根据切换信息识别目标用户的作息时段。从而实现了作息时段的自动生成，以对目标用户的用户画像进行识别，由于无线信号源的连接信息易于得到，无需对特定的数据进行采集，且采用预设时间段内统计切换信息的方法反应用户的活跃度，可以减少偶发情况对于作息时段识别的干扰，提高作息时段识别过程的准确性。
本申请实施例还提供了一种终端设备，如图11所示，是本申请实施例提供的一种终端设备的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该终端可以为包括手机、平板电脑、个人数字助理(personal digital assistant，PDA)、销售终端(point of sales，POS)、车载电脑等任意终端设备，以终端为手机为例：
图11示出的是与本申请实施例提供的终端相关的手机的部分结构的框图。参考图11，手机包括：射频(radio frequency，RF)电路1110、存储器1120、输入单元1130、显示单元1140、传感器1150、音频电路1160、无线保真(wireless fidelity，Wifi)模块1170、处理器1180、以及电源1190等部件。本领域技术人员可以理解，图11中示出的手机结构并不构成对手机的限定，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。
下面结合图11对手机的各个构成部件进行具体的介绍：
RF电路1110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1180处理；另外，将设计上行的数据发送给基站。通常，RF电路1110包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noiseamplifier，LNA)、双工器等。此外，RF电路1110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(globalsystem of mobile communication，GSM)、通用分组无线服务(general packet radioservice，GPRS)、码分多址(code division multiple access，CDMA)、宽带码分多址(wideband code division multiple access,WCDMA)、长期演进(long term evolution，LTE)、电子邮件、短消息服务(short messaging service，SMS)等。
存储器1120可用于存储软件程序以及模块，处理器1180通过运行存储在存储器1120的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元1130可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1130可包括触控面板1131以及其他输入设备1132。触控面板1131，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1131上或在触控面板1131附近的操作，以及在触控面板1131上一定范围内的隔空触控操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1180，并能接收处理器1180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1131。除了触控面板1131，输入单元1130还可以包括其他输入设备1132。具体地，其他输入设备1132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1140可包括显示面板1141，可选的，可以采用液晶显示器(liquidcrystal display，LCD)、有机发光二极管(organic light-emitting diode，OLED)等形式来配置显示面板1141。进一步的，触控面板1131可覆盖显示面板1141，当触控面板1131检测到在其上或附近的触摸操作后，传送给处理器1180以确定触摸事件的类型，随后处理器1180根据触摸事件的类型在显示面板1141上提供相应的视觉输出。虽然在图11中，触控面板1131与显示面板1141是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1131与显示面板1141集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器1150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1141的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1141和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路1160、扬声器1161，传声器1162可提供用户与手机之间的音频接口。音频电路1160可将接收到的音频数据转换后的电信号，传输到扬声器1161，由扬声器1161转换为声音信号输出；另一方面，传声器1162将收集的声音信号转换为电信号，由音频电路1160接收后转换为音频数据，再将音频数据输出处理器1180处理后，经RF电路1110以发送给比如另一手机，或者将音频数据输出至存储器1120以便进一步处理。
Wifi属于短距离无线传输技术，手机通过Wifi模块1170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图11示出了Wifi模块1170，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1180是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1120内的软件程序和/或模块，以及调用存储在存储器1120内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1180可包括一个或多个处理单元；可选的，处理器1180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1180中。
手机还包括给各个部件供电的电源1190(比如电池)，可选的，电源可以通过电源管理***与处理器1180逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
在本申请实施例中，该终端所包括的处理器1180还具有执行如上述页面处理方法的各个步骤的功能。
本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有作息时段识别指令，当其在计算机上运行时，使得计算机执行如前述图3至图9所示实施例描述的方法中作息时段识别装置所执行的步骤。
本申请实施例中还提供一种包括作息时段识别指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如前述图3至图9所示实施例描述的方法中作息时段识别装置所执行的步骤。
本申请实施例还提供了一种作息时段识别***，所述作息时段识别***可以包含图10所描述实施例中的作息时段识别装置，或者图11所描述的终端设备。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，作息时段识别装置，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-onlymemory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (13)

1.一种基于无线信号的作息时段的识别方法，其特征在于，包括：
获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，所述预设时间段包括多个采集时间段；
将每个所述采集时间段划分为N个时刻分片，N≥2，N为整数；
根据所述连接信息分别统计各个所述时刻分片的切换信息，所述切换信息基于相邻时刻分片的无线信号源接入情况差异确定；
根据所述切换信息识别所述目标用户的作息时段；
所述获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，包括：
确定与所述目标用户关联的终端设备；
获取所述终端设备中目标程序的操作信息；
根据所述操作信息确定所述终端设备在预设时间段内与至少一个无线信号源的连接信息；
所述根据所述切换信息识别所述目标用户的作息时段，包括：
根据极大拟然估计算法计算所述切换信息中的极值信息；
确定所述极值信息对应的时刻分片，以确定作息时段。
2.根据权利要求1所述的方法，其特征在于，所述根据极大拟然估计算法计算所述切换信息中的极值信息，包括：
获取参考信息，以确定掩码矩阵，所述参考信息用于指示与所述目标用户相关联用户的作息时段的平均值；
基于所述掩码矩阵对所述切换信息进行极大拟然估计算法的计算，以确定极值信息。
3.根据权利要求2所述的方法，其特征在于，所述获取参考信息，以确定掩码矩阵，包括：
获取所述目标用户的工作信息；
根据所述工作信息确定关联用户的作息时段的平均值，以获取所述参考信息；
根据所述参考信息确定掩码矩阵。
4.根据权利要求1所述的方法，其特征在于，所述确定所述极值信息对应的时刻分片，以确定作息时段，包括：
确定所述极值信息对应的时刻分片；
获取所述极值信息对应的时刻分片的相邻时刻分片；
确定所述相邻时刻分片中满足预设条件的相邻时刻分片；
根据所述极值信息对应的时刻分片和所述满足预设条件的相邻时刻分片确定作息时段。
5.根据权利要求1所述的方法，其特征在于，所述根据所述切换信息识别所述目标用户的作息时段之后，所述方法还包括：
确定所述作息时段对应的休息时长；
若所述休息时长满足参考时长条件，则对所述作息时段进行更新。
6.根据权利要求1所述的方法，其特征在于，所述根据所述连接信息分别统计各个所述时刻分片的切换信息，包括：
获取所述连接信息中的时序信息；
根据所述时序信息将所述时刻分片进行排序；
分别统计排序后的所述时刻分片的切换信息。
7.根据权利要求6所述的方法，其特征在于，所述分别统计排序后的所述时刻分片的切换信息之后，所述方法还包括：
根据所述切换信息在预设频谱中进行投影以得到切变频谱图；
根据所述切变频谱图确定波动信息，所述波动信息对应的波峰或波谷用于指示所述目标用户的作息时段；
根据所述波动信息对所述目标用户的用户画像进行更新。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
根据所述作息时段确定对应的提示信息；
根据所述提示信息对所述目标用户关联的终端设备进行提示设置。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
确定所述作息时段内的活动时段；
获取所述活动时段内对应的活动无线信号源；
确定所述活动无线信号源对应的位置信息，以确定活动范围；
若所述终端设备移动至所述活动范围内，则对所述目标用户关联的终端设备进行目标操作。
10.根据权利要求1所述的方法，其特征在于，所述无线信号源为无线局域网路由器，用户画像包括所述目标用户的作息时段，所述作息时段用于指示所述目标用户的休息时段。
11.一种基于无线信号的作息时段的识别装置，其特征在于，包括：
获取单元，用于获取与目标用户关联的终端设备在预设时间段内与至少一个无线信号源的连接信息，所述预设时间段包括多个采集时间段；
处理单元，用于将每个所述采集时间段划分为N个时刻分片，N≥2，N为整数；
统计单元，用于根据所述连接信息分别统计各个所述时刻分片的切换信息，所述切换信息基于相邻时刻分片的无线信号源接入情况差异确定；
识别单元，用于根据所述切换信息识别所述目标用户的作息时段；
所述获取单元具体用于：
确定与所述目标用户关联的终端设备；
获取所述终端设备中目标程序的操作信息；
根据所述操作信息确定所述终端设备在预设时间段内与至少一个无线信号源的连接信息；
所述识别单元具体用于：
根据极大拟然估计算法计算所述切换信息中的极值信息；
确定所述极值信息对应的时刻分片，以确定作息时段。
12.一种计算机设备，其特征在于，所述计算机设备包括处理器以及存储器：
所述存储器用于存储程序代码；所述处理器用于根据所述程序代码中的指令执行权利要求1至10任一项所述的作息时段识别的方法。
13.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述权利要求1至10任一项所述的作息时段识别的方法。
CN202010108543.0A 2020-02-21 2020-02-21 一种基于无线信号的作息时段识别方法以及相关装置 Active CN111314177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010108543.0A CN111314177B (zh) 2020-02-21 2020-02-21 一种基于无线信号的作息时段识别方法以及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010108543.0A CN111314177B (zh) 2020-02-21 2020-02-21 一种基于无线信号的作息时段识别方法以及相关装置

Publications (2)

Publication Number Publication Date
CN111314177A CN111314177A (zh) 2020-06-19
CN111314177B true CN111314177B (zh) 2022-03-01

Family

ID=71162148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010108543.0A Active CN111314177B (zh) 2020-02-21 2020-02-21 一种基于无线信号的作息时段识别方法以及相关装置

Country Status (1)

Country Link
CN (1) CN111314177B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085323A (zh) * 2020-07-30 2020-12-15 北京明略软件***有限公司 基于活跃度指标的关联可信度评估方法和装置
CN113919585A (zh) * 2021-10-29 2022-01-11 中国联合网络通信集团有限公司 一种营销时间预测方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202648699U (zh) * 2012-04-20 2013-01-02 北京西润电子设备有限公司 多功能居家监测与护理网络***
CN104507149A (zh) * 2014-12-16 2015-04-08 海信集团有限公司 一种无线路由器控制***及方法
CN105005291A (zh) * 2015-08-17 2015-10-28 黄可斌 一种智能家居控制方法、控制装置及控制***
CN106725311A (zh) * 2016-11-29 2017-05-31 美的集团股份有限公司 睡眠状态识别方法、装置、路由器及物联网服务器
EP3107347A4 (en) * 2014-02-12 2017-08-16 Sony Corporation Information processing device, information processing system, and information processing method
CN107172633A (zh) * 2017-06-09 2017-09-15 上海斐讯数据通信技术有限公司 一种路由器的状态控制方法及无线路由器
CN107315352A (zh) * 2017-05-31 2017-11-03 华南理工大学 一种判断人是否产生睡眠行为的装置及其使用方法
CN107949040A (zh) * 2017-12-04 2018-04-20 广东欧珀移动通信有限公司 无线局域网扫描方法、装置、计算机设备及存储介质
CN109246184A (zh) * 2018-07-31 2019-01-18 平安科技（深圳）有限公司 一种时间信息获取方法、装置和可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1913377A (zh) * 2005-08-09 2007-02-14 乐金电子（昆山）电脑有限公司 还原网络设备连接状态的方法及其设备
CN105278666B (zh) * 2014-12-16 2018-06-26 维沃移动通信有限公司 获取用户作息时间的方法及装置
CN107582028B (zh) * 2017-09-25 2021-04-13 北京小米移动软件有限公司 睡眠监测方法及装置
CN109460965B (zh) * 2018-10-10 2020-07-10 浙江每日互动网络科技股份有限公司 一种获取终端用户作息时间的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202648699U (zh) * 2012-04-20 2013-01-02 北京西润电子设备有限公司 多功能居家监测与护理网络***
EP3107347A4 (en) * 2014-02-12 2017-08-16 Sony Corporation Information processing device, information processing system, and information processing method
CN104507149A (zh) * 2014-12-16 2015-04-08 海信集团有限公司 一种无线路由器控制***及方法
CN105005291A (zh) * 2015-08-17 2015-10-28 黄可斌 一种智能家居控制方法、控制装置及控制***
CN106725311A (zh) * 2016-11-29 2017-05-31 美的集团股份有限公司 睡眠状态识别方法、装置、路由器及物联网服务器
CN107315352A (zh) * 2017-05-31 2017-11-03 华南理工大学 一种判断人是否产生睡眠行为的装置及其使用方法
CN107172633A (zh) * 2017-06-09 2017-09-15 上海斐讯数据通信技术有限公司 一种路由器的状态控制方法及无线路由器
CN107949040A (zh) * 2017-12-04 2018-04-20 广东欧珀移动通信有限公司 无线局域网扫描方法、装置、计算机设备及存储介质
CN109246184A (zh) * 2018-07-31 2019-01-18 平安科技（深圳）有限公司 一种时间信息获取方法、装置和可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
User-Network Cooperation-Based Sleep Scheduling for Communication Networks;Quansheng Guan;《IEEE Journal on Selected Areas in Communications ( Volume: 34, Issue: 12, Dec. 2016)》;20161101;全文 *
基于校园网用户行为日志的数据挖掘研究;丁青;《中国优秀硕士学位论文全文数据库信息科技辑》;20130615(第6期);全文 *
河北省大学生宿舍网络文化建设与管理现状及对策研究;杨杰;《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑》;20140515(第5期);全文 *

Also Published As

Publication number Publication date
CN111314177A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
WO2015081801A1 (en) Method, server, and system for information push
CN110019626B (zh) 一种人口分布信息的确定方法及相关装置
CN111222563B (zh) 一种模型训练方法、数据获取方法以及相关装置
CN110956505B (zh) 一种广告库存的预估方法以及相关装置
CN111314177B (zh) 一种基于无线信号的作息时段识别方法以及相关装置
CN110597793A (zh) 数据管理方法及装置、电子设备和计算机可读存储介质
CN113124857B (zh) 一种出入口位置的确定方法、相关装置、设备及存储介质
CN114595124B (zh) 时序异常检测模型评估方法、相关装置及存储介质
CN113128693B (zh) 一种信息处理方法、装置、设备及存储介质
CN114862488A (zh) 一种资源消耗异常对象的识别方法以及相关装置
CN114282169A (zh) 一种异常数据的检测方法以及相关装置
CN112711516B (zh) 一种数据处理方法和相关装置
CN114840565A (zh) 抽样查询方法、装置、电子设备及计算机可读存储介质
CN110399407A (zh) 工作轨迹检查方法及装置、电子设备和非暂态存储介质
CN112131093A (zh) 一种基于混沌测试的测试用例自动生成方法和装置
WO2019000468A1 (zh) 用户位置识别方法、装置、存储介质及电子设备
CN108600356B (zh) 一种消息推送方法及装置
CN112256748A (zh) 一种异常检测方法、装置、电子设备及存储介质
CN115899991A (zh) 空调运行控制方法、装置、电子设备及存储介质
CN115062197A (zh) 考勤数据检测方法、装置及存储介质
CN112862289B (zh) 一种临床研究从业者的信息匹配方法和装置
CN112801837B (zh) 设备聚类方法、装置、存储介质及电子设备
CN114996369A (zh) 一种数据仓库指标库的构建方法和装置
CN112948763B (zh) 件量预测方法、装置、电子设备及存储介质
CN107526668B (zh) Cpu监控方法和装置、计算机设备、计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40023629

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant