CN113779391A - 基于建模的智能锁开锁推荐方法、***、装置及存储介质 - Google Patents

基于建模的智能锁开锁推荐方法、***、装置及存储介质 Download PDF

Info

Publication number
CN113779391A
CN113779391A CN202111025858.XA CN202111025858A CN113779391A CN 113779391 A CN113779391 A CN 113779391A CN 202111025858 A CN202111025858 A CN 202111025858A CN 113779391 A CN113779391 A CN 113779391A
Authority
CN
China
Prior art keywords
intelligent lock
data
unlocking
user
model
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.)
Granted
Application number
CN202111025858.XA
Other languages
English (en)
Other versions
CN113779391B (zh
Inventor
王妙玉
周亮
唐黎田
吴宁泉
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.)
Guangdong Hotata Smart Home Co Ltd
Original Assignee
Guangdong Hotata Smart Home 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 Guangdong Hotata Smart Home Co Ltd filed Critical Guangdong Hotata Smart Home Co Ltd
Priority to CN202111025858.XA priority Critical patent/CN113779391B/zh
Publication of CN113779391A publication Critical patent/CN113779391A/zh
Application granted granted Critical
Publication of CN113779391B publication Critical patent/CN113779391B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Lock And Its Accessories (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开基于建模的智能锁开锁推荐方法，包括获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据构成数据集并存储于数据库中，然后从数据库中获取训练数据集和测试数据集分别用于模型训练和测试，并将测试通过后的模型用于智能锁的开锁方式的推荐向用户推荐开锁方式。本发明通过对用户开锁数据的建模分析来实现对用户开锁方式的自动推荐，提高用户体验。本发明还提供基于建模的智能锁开锁推荐***、装置及存储介质。

Description

基于建模的智能锁开锁推荐方法、***、装置及存储介质
技术领域
本发明涉及智能锁控制，尤其涉及基于建模的智能锁开锁推荐方法、***、装置及存储介质。
背景技术
随着科技的发展，智能锁可通过以下任意一种或多种方式实现开锁，诸如密码、指纹、锁卡、钥匙及人脸等。目前在提升用户开门体验时，大多数商家是通过在智能锁本身的设备上花费大量的金钱、时间等去研发新型的智能锁，比如在智能锁的结构上做较多的改进，或集成多种开锁方式等，来提升用户体验，但是这种方式具有研发成本高、适用时间段等特点。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供基于建模的智能锁开锁推荐方法，其能够解决现有通过对智能锁本身的结构上进行改造来提升用户体验时导致研发成本高、适用时间短等问题。
本发明的目的之二在于提供基于建模的智能锁开锁推荐***，其能够解决现有通过对智能锁本身的结构上进行改造来提升用户体验时导致研发成本高、适用时间短等问题。
本发明的目的之三在于提供基于建模的智能锁开锁推荐装置，其能够解决现有通过对智能锁本身的结构上进行改造来提升用户体验时导致研发成本高、适用时间短等问题。
本发明的目的之四在于提供一种存储介质，其能够解决现有通过对智能锁本身的结构上进行改造来提升用户体验时导致研发成本高、适用时间短等问题。
本发明的目的之一采用如下技术方案实现：
基于建模的智能锁开锁推荐方法，所述智能锁开锁推荐方法包括：
数据采集步骤：获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据并构成数据集后存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式；
模型训练步骤：从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型；
应用步骤：获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
进一步地，所述数据采集步骤：根据预先设定的数据采集格式进行数据采集；其中，智能锁的数据信息包括智能锁的型号、智能锁支持的开锁方式、智能锁的生产厂家、智能锁的生产日期和智能锁的类型；
所述用户数据信息包括用户年龄、用户家庭地址和用户家庭成员中的一种或多种的组合；
所述智能锁对应的用户开锁数据是指智能锁绑定用户在预设时间段内产生的用户开锁数据；
所述智能锁对应的用户操作数据还包括开锁时间和开锁时天气状况中的一种或几种。
进一步地，所述数据采集步骤中还包括对采集到的数据进行预处理。
进一步地，对采集到的数据进行预处理包括对采集到的数据进行数据清洗处理；其中，数据清洗处理是指对采集到的数据中的空数据、异常数据进行清除处理。
进一步地，所述选定的建模模型为线性回归模型。
进一步地，所述模型训练步骤之后还包括：模型测试步骤：从数据库中获得测试数据集，以及根据所述测试数据集对训练后的建模模型进行测试并根据测试结果判断训练后的建模模型是否符合***要求；若是，则将训练后的建模模型作为智能锁开锁推荐模型并执行应用步骤；若否，则继续执行模型训练步骤。
进一步地，所述数据库中的数据集按照预设抽样方法将其划分为训练数据集和测试数据集。
进一步地，还包括更新步骤：在获取到待推荐智能锁对应的用户推荐的开锁方式后，将该智能锁的数据信息、该智能锁绑定的用户数据信息以及该智能锁对应的用户开锁数据存储到数据库中并对数据库中的数据集进行更新，然后执行模型训练步骤以得出更新后的智能锁开锁推荐模型。
本发明的目的之二采用如下技术方案实现：
基于建模的智能锁开锁推荐***，包括：
数据采集模块，用户获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据，构成数据集并存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式；
模型训练模块，用于从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型；
应用模块，用于获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
本发明的目的之三采用如下技术方案实现：
基于建模的智能锁开锁推荐装置，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时实现如本发明的目的之一采用的基于建模的智能锁开锁推荐方法的步骤。
本发明的目的之四采用如下技术方案实现：
一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，所述计算机程序为智能锁开锁推荐程序，该智能锁开锁推荐程序被处理器执行时实现如本发明的目的之一采用的基于建模的智能锁开锁推荐方法的步骤。
相比现有技术，本发明的有益效果在于：
(1)本发明通过基于对用户开锁时***所产生的与开锁相关的数据进行分析、建模以实现用户信息与用户开锁方式之间的关联关系，从而可自动为用户推荐合适的开锁方式，改善用户的开锁体验，相对于现有技术中通过对智能锁本身的结构的改进来提高用户的开门体验来说，其研发成本较小、适用时间更长、涉及人群更广等特点，也即，本发明通过对用户数据分析、建模后再应用到用户自身上，能真正服务于智能锁用户；
(2)本发明中，在获取到待推荐智能锁的开锁方式后，通过该智能锁的数据信息、该智能锁绑定的用户数据信息以及该智能锁对应的用户开锁数据对数据库进行更新，然后将更新后的数据库中的数据划分为测试数据和训练数据，并执行模型训练步骤以及模型测试步骤以得出更新后的智能锁开锁推荐模型，基于此，本发明所得到的智能锁开锁推荐模型能够推荐更为合适的开锁方式给用户；
(3)在建模时对采集到的数据进行预处理，以便后续模型训练时使得***的处理效率更高以及建模更为准确。
附图说明
图1为本发明提供的基于建模的智能锁开锁推荐方法涉及到的各个部分的模块示意图；
图2为本发明提供的鉴于建模的智能锁开锁推荐方法流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
本发明通过对用户使用智能锁的用户数据方面出发来研究得出用户使用智能锁的开锁方式，以便能够满足用户的个性化需求，改善用户的开锁体验，相对于现有通过对智能锁本身的设备结构的研发来提高用户开锁体验来说，其具有研发费用少、适用时间长、涉及人群广等特点。
如图1-2所示，本发明提供一优选的实施例，基于建模的智能锁开锁推荐方法，其涉及到以下几个部分：数据采集、数据存储、模型训练、模型测试和应用。
其中，数据采集，是用于对智能锁的应用APP内产生的数据进行采集；同时，制定了采集数据的数据要求，比如包括数据格式、数据类型等内容。另外，采集到的数据是与智能锁开锁方式相关的数据或影响开锁方式的数据，也即用户开锁数据。其中，用户开锁数据包括用户操作数据和开锁方式。其中，用户操作数据是指用户开锁时APP内产生的直接数据和间接数据，比如开锁时间、开锁时的天气状况等。开锁方式包括人脸、指纹、密码、锁卡等。
更为具体地，本实施例中采集到的数据还包括智能锁的数据信息和智能锁绑定的用户数据信息，比如用户年龄、用户家庭地址、用户家庭成员等。
另外，本实施例中的采集到的数据为离线数据，通过设定一个预设时间段，来获取预设时间段内应用APP所产生的数据。
本实施例中的数据不仅仅只是针对某一个智能锁，其可针对多个类型的智能锁。比如对于一个生产厂商来说，其可以对自身厂家所生产、销售的所有型号的智能锁的用户使用数据进行追踪，以便后续对数据进行分析，从而向对应的用户推荐合适的智能锁。
数据存储，用于对数据采集到的数据进行预处理后存储到对应数据库中。比如清除不符合要求的数据，以便后续建模处理，以提高***处理效率以及建模的准确性。其中，不符合要求的数据比如空数据、异常数据等。另外，在对数据进行存储时，按照时间的方式将采集到的数据进行分类存储。
模型训练，用于根据选定的模型、预测问题等对数据库中存储的数据进行模型训练得到对应的模型。
其中，在对模型进行训练时，需要模型训练的任务是预测问题，训练方法为监督学习，因此，本实施例选择线性回归的方法建模。同时在进行数据训练之前将数据库中存储的数据分为训练数据和测试数据。其中，训练数据用于模型训练，测试数据用于对训练后的模型进行测试。
模型测试，对训练后的模型进行测试，以实现对模型的验证。通过对训练后的模型进行测试，以验证训练后的模型是否符合***要求，若是，则可进行应用，若否，则返回对模型继续进行训练直到满足***要求。通过对训练好的模型进行测试，以便得出测试通过的模型，用于后续的匹配；若训练好的模型不能通过测试，则可继续返回对模型进行训练，直到得到满足***条件的模型。
应用，是指将测试通过的模型应用到对应的软件中或形成接口提供给应用。也即，将得到的模型应用到实际的应用场景中，以实现对用户的开锁方式的推荐。比如将其应用到智能锁绑定的应用APP中，可实现对用户的开锁方式的推荐。
同时，本实施例中的模型还可应用于商家，商家可针对某一个特定的区域的所有用户的开锁方式进行分析，以便制定相应的销售策略，比如针对特定的地区研发或出售推荐合适型号的智能锁。
具体地，如图2所示，本实施例提供的基于建模的智能锁开锁推荐方法包括以下步骤：
步骤S1、获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据，并构成数据集后存储数据库中。
其中，智能锁的数据信息包括智能锁的型号、智能锁的类型、智能锁支持的开锁方式、智能锁的生产厂家、智能锁的生产日期等各种数据。由于不同的智能锁其所拥有的功能不同，比如支持的开锁方式、开锁操作等均有所不同，因此，在对用户进行推荐开锁方式时，建议考虑智能锁的数据信息。
用户开锁数据包括用户操作数据和开锁方式。其中，用户操作数据包括开锁时的天气状况、开锁时间。用户数据信息包括用户年龄、用户家庭地址等。
另外，在统计数据时，可以天为周期进行统计，比如统计用户每天开锁时的天气状况、开锁时间、每次开锁的方式以及开锁次数等。
由于本实施例是通过建模的方式来实现的，因此，需要获取的数据为大量的数据，因此，可通过设定一个时间段来获取上述数据。比如一个智能锁从开始使用时对应的APP内所产生的历史数据。在对数据进行采集时，可通过埋点的方式实现。对于天气状况来说，可通过移动设备中的第三方平台获取，比如中国气象网、其他的天气应用APP等。
具体地，在数据库中存储数据时按照时间分类存储。
进一步地，对采集到的所有数据先进行预处理后再存储到数据库中。其中，预处理是指对采集到的数据进行数据清洗处理，比如将空数据、异常数据等数据进行清洗处理。其中，异常数据可包括某一列数据缺少天气状况，用户的年龄为负数等。空数据是指数据类型为空的数据等。
另外，本实施例中的数据为离线数据，同时数据量较大，因此，本实施例通过选定数据库来进行数据存储，并在存储时以时间进行分区存储。
步骤S2、从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型。
更为具体地，为了对训练后的模型进行评估，本实施例还包括步骤S3、从数据库中获取测试数据集，以及根据测试数据集对训练后的模型进行测试并根据测试结果判断训练后的模型是否符合要求，若是，则将训练后的模型作为最终的智能锁开锁推荐模型，然后执行步骤S4；否则，继续执行步骤S2。
其中，从数据库中取出的训练数据集和测试数据集可按照预设比例将存储到数据库中的数据进行划分。比如，可将数据按照4:1的比例划分为训练数据集和测试数据集。另外，在划分数据时还要保证测试集与训练集中数据的时间分布的一致性。其中，测试集是指测试数据形成的数据集合，训练集为训练数据形成的数据集合。
更为具体地，本实施例中的模型选用线性回归模型。也即，根据线性回归模型进行建模并根据训练数据对生成的模型进行训练。
其中，在训练中，选定属性X＝(x1,x2,x3,......)，其中xi代表采集到的对应项的数据，比如用户年龄、天气状况、用户家庭地址、开锁时间等。
Y＝y＝F(X)，其中，y代表智能锁的开锁方式。
也即，本实施例通过线性回归模型来建立智能锁的开锁方式与采集到的智能锁的数据信息、用户年龄、天气状况、用户家庭地址、开锁时间等数据的绑定关系，以便后续对开锁方式的预测。
其中，在测试时，可选用均方误差进行判断训练后的模型的性能是否符合***要求。其中，均方误差公式为：
Figure BDA0003243396930000091
步骤S4、获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
当用户安装一个智能锁后，将其绑定到应用APP后，可根据测试后的模型对智能锁的用户数据信息、智能锁的数据信息以及用户操作数据可向用户推荐相应的开锁方式，提升用户体验。
另外，本实施例还可对建模后的模型进行更新。也即将新获取的待推荐智能锁绑定的用户数据信息、待推荐智能锁的数据信息以及智能锁绑定的应用APP中产生的用户开锁数据存储到数据库中，以便根据更新后的数据库继续进行模型训练。
实施例二
基于实施例一，本发明还提供一种实施例，基于建模的智能锁开锁推荐***，该***包括以下模块：
数据采集模块，用户获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据，构成数据集并存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式。
模型训练模块，用于从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型。
应用模块，用于获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
实施例三
基于实施例一，本发明还提供另外一实施例，基于建模的智能锁开锁推荐装置，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时实现以下步骤：
数据采集步骤：获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据构成数据集并存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式；
模型训练步骤：从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型；
应用步骤：获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
进一步地，所述数据采集步骤：根据预先设定的数据采集格式进行数据采集；其中，智能锁的数据信息包括智能锁的型号、智能锁支持的开锁方式、智能锁的生产厂家、智能锁的生产日期和智能锁的类型；
所述用户数据信息包括用户年龄、用户家庭地址和用户家庭成员中的一种或多种的组合；
所述智能锁对应的用户开锁数据是指智能锁绑定用户在预设时间段内产生的用户开锁数据；
所述智能锁对应的用户操作数据还包括开锁时间和开锁时天气状况中的一种或几种。
进一步地，所述数据采集步骤中还包括对采集到的数据进行预处理。
进一步地，对采集到的数据进行预处理包括对采集到的数据进行数据清洗处理；其中，数据清洗处理是指对采集到的数据中的空数据、异常数据进行清除处理。
进一步地，所述选定的建模模型为线性回归模型。
进一步地，所述模型训练步骤之后还包括：模型测试步骤：从***中获得测试数据集，以及根据所述测试数据集对训练后的建模模型进行测试并根据测试结果判断训练后的建模模型是否符合***要求；若是，则将训练后的建模模型作为智能锁开锁推荐模型并执行应用步骤；若否，则继续执行模型训练步骤。
进一步地，所述数据库中的数据集按照预设抽样方法将其划分为训练数据集和测试数据集。
进一步地，所述处理器执行存储器存储的程序时实现以下步骤：更新步骤：在获取到待推荐智能锁对应的用户推荐的开锁方式后，将该智能锁的数据信息、该智能锁绑定的用户数据信息以及该智能锁对应的用户开锁数据存储到数据库中并对数据库中的数据集进行更新，然后执行模型训练步骤以得出更新后的智能锁开锁推荐模型。
实施例四
基于本发明提供的实施例一，本发明还提供了一种实施例，一种存储介质，该存储介质为计算机可读存储介质，其上存储有计算机程序，计算机程序为智能锁开锁推荐程序，该智能锁开锁推荐程序被处理器执行时实现如下步骤：
数据采集步骤：获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据构成数据集并存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式；
模型训练步骤：从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型；
应用步骤：获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
进一步地，所述数据采集步骤：根据预先设定的数据采集格式进行数据采集；其中，智能锁的数据信息包括智能锁的型号、智能锁支持的开锁方式、智能锁的生产厂家、智能锁的生产日期和智能锁的类型；
所述用户数据信息包括用户年龄、用户家庭地址和用户家庭成员中的一种或多种的组合；
所述智能锁对应的用户开锁数据是指智能锁绑定用户在预设时间段内产生的用户开锁数据；
所述智能锁对应的用户操作数据还包括开锁时间和开锁时天气状况中的一种或几种。
进一步地，所述数据采集步骤中还包括对采集到的数据进行预处理。
进一步地，对采集到的数据进行预处理包括对采集到的数据进行数据清洗处理；其中，数据清洗处理是指对采集到的数据中的空数据、异常数据进行清除处理。
进一步地，所述选定的建模模型为线性回归模型。
进一步地，所述模型训练步骤之后还包括：模型测试步骤：从***中获得测试数据集，以及根据所述测试数据集对训练后的建模模型进行测试并根据测试结果判断训练后的建模模型是否符合***要求；若是，则将训练后的建模模型作为智能锁开锁推荐模型并执行应用步骤；若否，则继续执行模型训练步骤。
进一步地，所述数据库中的数据集按照预设抽样方法将其划分为训练数据集和测试数据集。
进一步地，该智能锁开锁推荐程序被处理器执行时实现如下步骤：更新步骤：在获取到待推荐智能锁对应的用户推荐的开锁方式后，将该智能锁的数据信息、该智能锁绑定的用户数据信息以及该智能锁对应的用户开锁数据存储到数据库中并对数据库中的数据集进行更新，然后执行模型训练步骤以得出更新后的智能锁开锁推荐模型。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.基于建模的智能锁开锁推荐方法，其特征在于，所述智能锁开锁推荐方法包括：
数据采集步骤：获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据，并构成数据集后存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式；
模型训练步骤：从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型；
应用步骤：获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
2.根据权利要求1所述的基于建模的智能锁开锁推荐方法，其特征在于，所述数据采集步骤：根据预先设定的数据采集格式进行数据采集；其中，智能锁的数据信息包括智能锁的型号、智能锁支持的开锁方式、智能锁的生产厂家、智能锁的生产日期和智能锁的类型；
所述用户数据信息包括用户年龄、用户家庭地址和用户家庭成员中的一种或多种的组合；
所述智能锁对应的用户开锁数据是指智能锁绑定用户在预设时间段内产生的用户开锁数据；
所述智能锁对应的用户操作数据包括开锁时间和开锁时天气状况中的一种或几种。
3.根据权利要求2所述的基于建模的智能锁开锁推荐方法，其特征在于，所述数据采集步骤中还包括对采集到的数据进行预处理；
对采集到的数据进行预处理包括对采集到的数据进行数据清洗处理；其中，数据清洗处理是指对采集到的数据中的空数据、异常数据进行清除处理。
4.根据权利要求1所述的基于建模的智能锁开锁推荐方法，其特征在于，所述选定的建模模型为线性回归模型。
5.根据权利要求1所示的基于建模的智能锁开锁推荐方法，其特征在于，所述模型训练步骤之后还包括：模型测试步骤：从数据库中获得测试数据集，以及根据所述测试数据集对训练后的建模模型进行测试并根据测试结果判断训练后的建模模型是否符合***要求；若是，则将训练后的建模模型作为智能锁开锁推荐模型并执行应用步骤；若否，则继续执行模型训练步骤。
6.根据权利要求5所述的基于建模的智能锁开锁推荐方法，其特征在于，所述数据库中的数据集按照预设抽样方法将其划分为训练数据集和测试数据集。
7.根据权利要求1所述的基于建模的智能锁开锁推荐方法，其特征在于，还包括更新步骤：在获取到待推荐智能锁对应的用户推荐的开锁方式后，将该智能锁的数据信息、该智能锁绑定的用户数据信息以及该智能锁对应的用户开锁数据存储到数据库中并对数据库中的数据集进行更新，然后执行模型训练步骤以得出更新后的智能锁开锁推荐模型。
8.基于建模的智能锁开锁推荐***，其特征在于，包括：
数据采集模块，用户获取多个智能锁的数据信息以及每个智能锁绑定的用户数据信息、每个智能锁对应的用户开锁数据，构成数据集并存储于数据库中；其中，用户开锁数据包括用户操作数据和开锁方式；
模型训练模块，用于从数据库中获得训练数据集并根据所述训练数据集对选定的建模模型进行训练进而得到智能锁开锁推荐模型；
应用模块，用于获取待推荐智能锁，并将待推荐智能锁的数据信息、待推荐智能锁绑定的用户数据信息、待推荐智能锁对应的实时用户操作数据与所述智能锁开锁推荐模型进行匹配，以得出向该用户推荐的开锁方式。
9.基于建模的智能锁开锁推荐装置，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时实现权利要求1-7中任一项所述的基于建模的智能锁开锁推荐方法的步骤。
10.一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，所述计算机程序为智能锁开锁推荐程序，其特征在于，该智能锁开锁推荐程序被处理器执行时实现如权利要求1-7中任一项所述的基于建模的智能锁开锁推荐方法的步骤。
CN202111025858.XA 2021-09-02 2021-09-02 基于建模的智能锁开锁推荐方法、***、装置及存储介质 Active CN113779391B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111025858.XA CN113779391B (zh) 2021-09-02 2021-09-02 基于建模的智能锁开锁推荐方法、***、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111025858.XA CN113779391B (zh) 2021-09-02 2021-09-02 基于建模的智能锁开锁推荐方法、***、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113779391A true CN113779391A (zh) 2021-12-10
CN113779391B CN113779391B (zh) 2024-07-23

Family

ID=78840885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111025858.XA Active CN113779391B (zh) 2021-09-02 2021-09-02 基于建模的智能锁开锁推荐方法、***、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113779391B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083045A (zh) * 2022-06-24 2022-09-20 珠海格力电器股份有限公司 唤醒开锁功能的方法、装置、门锁、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742345A (zh) * 2017-11-07 2018-02-27 特斯联（北京）科技有限公司 一种基于位置服务的电子门禁开锁方法及开锁***
CN107977411A (zh) * 2017-11-21 2018-05-01 腾讯科技(成都)有限公司 群组推荐方法、装置、存储介质以及服务器
WO2018182357A1 (en) * 2017-03-30 2018-10-04 Samsung Electronics Co., Ltd. Data learning server and method for generating and using learning model thereof
CN110017585A (zh) * 2019-03-21 2019-07-16 杭州享福多智能科技有限公司 空调智能适配启动方法及装置
CN111833485A (zh) * 2019-08-19 2020-10-27 北京骑胜科技有限公司 一种车辆的开锁方法、装置、电子设备及存储介质
CN111861619A (zh) * 2019-12-17 2020-10-30 北京嘀嘀无限科技发展有限公司 一种共享车辆的推荐方法和***
CN111936795A (zh) * 2018-04-13 2020-11-13 三星电子株式会社 空调和控制空调的方法
WO2021023164A1 (zh) * 2019-08-02 2021-02-11 云丁网络技术(北京)有限公司 一种智能锁具控制方法和***
CN112905964A (zh) * 2021-01-29 2021-06-04 北京紫光展锐通信技术有限公司 对用户设备的解锁方法、存储介质、芯片及相关设备
CN113168484A (zh) * 2021-03-16 2021-07-23 华为技术有限公司 鉴权方法、装置及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018182357A1 (en) * 2017-03-30 2018-10-04 Samsung Electronics Co., Ltd. Data learning server and method for generating and using learning model thereof
CN107742345A (zh) * 2017-11-07 2018-02-27 特斯联（北京）科技有限公司 一种基于位置服务的电子门禁开锁方法及开锁***
CN107977411A (zh) * 2017-11-21 2018-05-01 腾讯科技(成都)有限公司 群组推荐方法、装置、存储介质以及服务器
CN111936795A (zh) * 2018-04-13 2020-11-13 三星电子株式会社 空调和控制空调的方法
CN110017585A (zh) * 2019-03-21 2019-07-16 杭州享福多智能科技有限公司 空调智能适配启动方法及装置
WO2021023164A1 (zh) * 2019-08-02 2021-02-11 云丁网络技术(北京)有限公司 一种智能锁具控制方法和***
CN111833485A (zh) * 2019-08-19 2020-10-27 北京骑胜科技有限公司 一种车辆的开锁方法、装置、电子设备及存储介质
CN111861619A (zh) * 2019-12-17 2020-10-30 北京嘀嘀无限科技发展有限公司 一种共享车辆的推荐方法和***
CN112905964A (zh) * 2021-01-29 2021-06-04 北京紫光展锐通信技术有限公司 对用户设备的解锁方法、存储介质、芯片及相关设备
CN113168484A (zh) * 2021-03-16 2021-07-23 华为技术有限公司 鉴权方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083045A (zh) * 2022-06-24 2022-09-20 珠海格力电器股份有限公司 唤醒开锁功能的方法、装置、门锁、设备及存储介质

Also Published As

Publication number Publication date
CN113779391B (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
Rivers et al. Model selection tests for nonlinear dynamic models
Minku et al. How to make best use of cross-company data in software effort estimation?
CN106803799B (zh) 一种性能测试方法和装置
CN110147367A (zh) 一种温度缺失数据填补方法、***及电子设备
CN111199493A (zh) 一种基于客户缴费信息及征信信息的欠费风险识别方法
CN112668822A (zh) 科技成果转化平台共享***、方法、存储介质、手机app
Mills Towards the automatic classification of traceability links
CN115081515A (zh) 能效评价模型构建方法、装置、终端及存储介质
CN113779391A (zh) 基于建模的智能锁开锁推荐方法、***、装置及存储介质
CN114548494A (zh) 一种可视化造价数据预测智能分析***
CN113110961B (zh) 设备异常检测方法、装置、计算机设备及可读存储介质
CN112700065B (zh) 基于深度学习的业务流程完成时间区间预测方法和***
CN117056722A (zh) 一种规划地块人口数量预测方法及***
CN109743200B (zh) 基于资源特征的云计算平台计算任务成本预测方法及***
Mendes et al. Investigating the use of chronological splitting to compare software cross-company and single-company effort predictions: a replicated study
CN114925895A (zh) 维修器材预测方法、终端及存储介质
CN114282657A (zh) 一种市场数据长期预测模型训练方法、装置、设备及存储介质
CN113610225A (zh) 质量评估模型训练方法、装置、电子设备及存储介质
CN110263069B (zh) 新能源使用行为的时序特征隐含因素抽取和刻画方法及***
CN107798124A (zh) 基于预测建模技术的搜索***及方法
CN106779366A (zh) 项目管理过程绩效模型及其构建方法和绩效模型管理***
CN115222149A (zh) 资源转换参数管理方法、装置、设备及存储介质
CN117634871A (zh) 一种风险评估模型训练方法、装置、存储介质及电子设备
CN114004491A (zh) 一种零售风险暴露的分池方法、装置、计算机设备及介质
JP2024516440A (ja) データ分類のためのシステム及び方法

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
GR01 Patent grant
GR01 Patent grant