CN115481315B - 推荐信息的确定方法和装置、存储介质及电子装置 - Google Patents
推荐信息的确定方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115481315B CN115481315B CN202211049934.5A CN202211049934A CN115481315B CN 115481315 B CN115481315 B CN 115481315B CN 202211049934 A CN202211049934 A CN 202211049934A CN 115481315 B CN115481315 B CN 115481315B
- Authority
- CN
- China
- Prior art keywords
- information
- water heater
- determining
- water
- target object
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 361
- 238000013499 data model Methods 0.000 claims abstract description 58
- 230000006399 behavior Effects 0.000 claims description 75
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 239000008236 heating water Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本申请公开了一种推荐信息的方法和装置、存储介质及电子装置,涉及智慧家庭技术领域,该推荐信息的方法包括:获取目标对象控制热水器集合的历史操作信息;根据所述历史操作信息生成五元组数据模型;并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第二热水器,采用上述技术方案,解决了相关技术中,用户在使用热水器的过程中会出现热水量不足或者热水浪费的情况等问题,上述技术方案基于用户行为的五元组数据模型,识别热水器开机行为习惯信息,给用户推送精准的个性化推荐信息。
Description
技术领域
本申请涉及通信领域,具体而言,涉及一种推荐信息的确定方法和装置、存储介质及电子装置。
背景技术
近些年来,智能家居行业发展迅速,人们可以在不同场景和应用中使用智能家居产品,使得智能家居产品与用户实现随时随地交互,提高和改善用户的生活体验。
在当前用户在家庭中使用智能设备的过程中,经常会需要用户多次繁琐操作才能够达到预想的效果。比如在使用热水器过程,需要用回家后打开热水器,然后进行温度设置,等待一段时间,温度加热到设定温度后才可以进行使用。一旦回家后事情繁多,还可能忘记打开热水器或者忘记设置温度。
为了节约定时开机,提前预热,部分热水器厂商给用户提供定时模板功能,可以根据用户历史行为记录,识别用户行为习惯,为用户提前设置或者定时设置热水器开机时间和开机温度。但是因为季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次需要的热水量大不相同;如果不能综合考虑,会出现热水量不足或者热水浪费的情况。
如图3所示,现有技术中热水器开机行为习惯的方法流程图,主要分析需要用户提前在设备端进行用户注册,***生成用户ID并存储;同时在设备端保留明显的用户特征信息。在用户后续使用设备时,设备端自动采集用户行为相关信息,需要对用户行为特征信息进行分析和统计,进而识别热水器开机行为习惯;但是现有用户行为数据建模方案,信息收集不充分,只收集用户基础信息和用户历史行为信息;而且分析不全面,只分析用户特征与行为关系,以及行为之间关联关系。
针对相关技术中,没有考虑季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次为用户设定固定的开机时间、开机温度、用水量等信息,会出现热水量不足或者热水浪费的情况等问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种推荐信息的确定方法和装置、存储介质及电子装置,以至少解决相关技术中,没有考虑季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次为用户设定固定的开机时间、开机温度、用水量等信息,会出现热水量不足或者热水浪费的情况等问题。
根据本申请实施例的一个实施例,提供了一种推荐信息的确定方法,包括:获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述热水器集合中的每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器。
在一个示例性实施例中,根据所述历史操作信息生成五元组数据模型,包括:将所述目标对象的第一用户信息分类至用户属性信息集合,将所述每个热水器所在的第一区域的第一带窗信息分类至位置信息集合,将所述每个热水器所在的第一区域的第一面积信息分类至上下文信息集合,将所述目标对象控制每个热水器执行第一操作时的第一时间信息分类至时间信息集合,以及将所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象使用所述每个热水器的第一用水量分类至意图属性信息集合;根据所述用户属性信息集合、所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合生成五元组数据模型。
在一个示例性实施例中,根据所述五元组数据模型确定推荐信息,其中,所述五元组数据模型包括:用户属性信息集合、位置信息集合、上下文信息集合、时间信息集合、意图属性信息集合,包括:将所述意图属性信息集合中的多个第一温度划分为多个温度集合,其中,每一个温度集合中的温度均相同;对于所述每一个温度集合,在所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合中确定所述每一个温度集合对应的第二热水器所在第三区域的第二带窗信息和第二面积信息、所述目标对象控制第二热水器将水加热至第三温度时的第二时间信息、所述目标对象使用所述第二热水器的第二用水量,其中,所述热水器集合还包括:第二热水器;根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息。
在一个示例性实施例中,根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息,包括:根据所述每一个温度集合对应的第二时间信息确定每一个温度集合对应的第一季节信息,以得到多个第一季节信息;根据所述第二带窗信息、所述第二面积信息、所述第二用水量确定所述第三区域与所述第二用水量的对应关系;在所述多个第一季节信息中确定与当前时间对应的第二季节信息一致的第三季节信息,以及确定所述第三季节信息对应的目标温度集合;将所述目标温度集合对应的温度作为所述第二温度,根据所述第二温度和所述对应关系确定所述推荐信息。
在一个示例性实施例中,根据所述第二温度和所述对应关系确定所述推荐信息,包括:计算所述第二用水量的平均值、方差和标准差,以及确定所述方差是否大于预设阈值;在所述方差大于预设阈值的情况下,在所述第三区域中确定不带窗且面积最小的区域作为第二区域;根据所述平均值和所述标准差确定第三用水量,以及根据所述第二温度、所述第三用水量和所述第二区域生成所述推荐信息。
在一个示例性实施例中,确定所述方差是否大于预设阈值之后,所述方法还包括:在所述方差大于预设阈值的情况下,在所述第三区域中确定带窗且面积最大的区域作为第二区域;根据所述平均值和所述方差确定第四用水量,以及根据所述第二温度、所述第四用水量和所述第二区域生成所述推荐信息。
在一个示例性实施例中,根据所述五元组数据模型确定推荐信息之后,所述方法还包括:确定所述第一热水器将目标容量的水加热至第二温度所需的目标时长;根据所述五元组数据模型确定所述目标对象使用所述第一热水器第一时间点;根据所述第一时间点和所述目标时长确定第二时间点,并在所述第二时间点向所述第一热水器发送控制命令,其中,所述控制命令用于指示所述第一热水器将目标容量的水加热至第二温度。
根据本申请实施例的另一个实施例,还提供了一种推荐信息的确定装置,包括:获取模块,用于获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述热水器集合中的每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;确定模块,用于根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器。
根据本申请实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述推荐信息的确定方法。
根据本申请实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的推荐信息的确定方法。
在本申请实施例中,获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;采用上述技术方案,解决了没有考虑季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次为用户设定固定的开机时间、开机温度、用水量等信息,会出现热水量不足或者热水浪费的情况等问题,进而本申请实施例基于用户行为的五元组数据模型,通过分析所述目标对象的第一用户信息、所述每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量之间相互的关联关系,识别热水器开机行为习惯信息,给用户推送精准的个性化推荐信息。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例的一种推荐信息的确定方法的硬件环境示意图;
图2是根据本申请实施例的推荐信息的确定方法的流程图;
图3是根据现有技术的推荐信息的确定方法的示意图;
图4是根据本申请实施例的推荐信息的确定方法的时序图;
图5是根据本申请实施例的推荐信息的确定方法的流程图;
图6是根据本申请实施例的目标温度分析的折线图;
图7是根据本申请实施例的冬季用水量分析的折线图;
图8是根据本申请实施例的夏季用水量分析的折线图;
图9是根据本申请实施例的不同卫生间用水量分析的折线图;
图10是根据本申请实施例的综合用水量分析的折线图;
图11是根据本申请实施例的一种推荐信息的确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,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”等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“具有”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。
根据本申请实施例的一个方面,提供了一种推荐信息的确定方法。该推荐信息的确定方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(IntelligenceHouse)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述推荐信息的确定方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
在本实施例中提供了一种推荐信息的确定方法,应用于计算机终端,图2是根据本申请实施例的推荐信息的确定方法的流程图,该流程包括如下步骤:
步骤S202,获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述热水器集合中的每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;
需要说明的是,上述带窗信息用于指示所述第一区域是否有窗户。
步骤S204,根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器。
通过上述步骤,获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;解决了相关技术中,没有考虑季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次为用户设定固定的开机时间、开机温度、用水量等信息,会出现热水量不足或者热水浪费的情况等问题,进而本申请实施例基于用户行为的五元组数据模型,通过分析所述目标对象的第一用户信息、所述每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量之间相互的关联关系,识别热水器开机行为习惯信息,给用户推送精准的个性化推荐信息。
在一个示例性实施例中,根据所述历史操作信息生成五元组数据模型,包括:将所述目标对象的第一用户信息分类至用户属性信息集合,将所述每个热水器所在的第一区域的第一带窗信息分类至位置信息集合,将所述每个热水器所在的第一区域的第一面积信息分类至上下文信息集合,将所述目标对象控制每个热水器执行第一操作时的第一时间信息分类至时间信息集合,以及将所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象使用所述每个热水器的第一用水量分类至意图属性信息集合;根据所述用户属性信息集合、所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合生成五元组数据模型。
也就是说,用户属性信息集合u(x),用于表示某个用户属性,u(u_1,u_2,…,u_k)表示用户的第1到k个属性。例如用户包含年龄、性别信息等属性;时间属性信息集合t(x),用于表示某个用户行为的时间属性,t(t_1,t_2,…,t_k)表示时间的第1到k个属性。例如用户行为所属的年、季节、月、日、小时等属性;位置属性信息集合a(x),用于表示某个用户行为的位置属性,a(a_1,a_2,…,a_k)表示位置的第1到k个属性。例如用户行为所属的省份、城市、区县、房间等属性;上下文属性信息集合l(x),用于表示某个用户行为的上下文属性,l(l_1,l_2,…,l_k)表示上下文的第1到k个特征。例如用户前一行为、当前行为、当前天气、当前设备开机状态等属性;意图属性信息集合i(x),用于表示某个用户意图属性,i(i_1,i_2,…,i_k)表示用户意图的第1到k个属性。例如打开热水器、设置目标温度、增加加热速度等属性。五元组数据模型f_x(u_1,t_1,a_1,l_1,i_1,…),用于表示用户l_1及对应的用户行为时间属性1为t_1,地址位置属性1为a_1,上下文属性1为l_1;根据前四个元组得到第五个元组i_1。举例来讲,f_1(u_1,t_1,a_1,l_1,i_1)表示:用户:‘张三’,对应用户行为时间属性为[‘2021-01-20’,‘冬季’],位置属性为‘带窗卫生间’,上下文属性为[‘我要洗澡’,‘卫生间面积2平方米’],预测用户行为意图为[‘打开热水器’,‘目标温度:60摄氏度’,‘用水量:30升’]。
通过上述实施例,精准地建立五元组数据模型,基于用户行为的五元组数据模型,确定用户对于热水器开机行为习惯信息,给用户推送精准的个性化推荐信息,进而解决了相关技术中,用户在使用热水器的过程中会出现热水量不足或者热水浪费的情况等问题
在一个示例性实施例中,根据所述五元组数据模型确定推荐信息,其中,所述五元组数据模型包括:用户属性信息集合、位置信息集合、上下文信息集合、时间信息集合、意图属性信息集合,包括:将所述意图属性信息集合中的多个第一温度划分为多个温度集合,其中,每一个温度集合中的温度均相同;对于所述每一个温度集合,在所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合中确定所述每一个温度集合对应的第二热水器所在第三区域的第二带窗信息和第二面积信息、所述目标对象控制第二热水器将水加热至第三温度时的第二时间信息、所述目标对象使用所述第二热水器的第二用水量,其中,所述热水器集合还包括:第二热水器;根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息。
具体的,确定每一个温度集合中每一个温度对应的第四热水器所在第四区域的第三带窗信息和第三面积信息、所述目标对象控制第四热水器将水加热至第四温度时的第三时间信息、所述目标对象使用所述第四热水器的第三用水量,直至确定所有温度集合中每一个温度对应的信息,进而根据确定的信息确定推荐信息。
通过上述实施例,根据每一个温度对应的第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息,采用多组数据确定推荐信息,进而可以更加精准地确定推荐信息。
在一个示例性实施例中,根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息,包括:根据所述每一个温度集合对应的第二时间信息确定每一个温度集合对应的第一季节信息,以得到多个第一季节信息;根据所述第二带窗信息、所述第二面积信息、所述第二用水量确定所述第三区域与所述第二用水量的对应关系;在所述多个第一季节信息中确定与当前时间对应的第二季节信息一致的第三季节信息,以及确定所述第三季节信息对应的目标温度集合;将所述目标温度集合对应的温度作为所述第二温度,根据所述第二温度和所述对应关系确定所述推荐信息。
需要说明的是:季节信息可以为:春夏秋冬,也可以为:初春、仲春、暮春、初夏、仲夏、暮夏、初秋、仲秋、暮秋、初冬、仲冬、暮冬;根据季节信息和第二带窗信息、所述第二面积信息、所述第二用水量确定所述推荐信息。
通过上述实施例,根据季节信息和第二带窗信息、所述第二面积信息、所述第二用水量确定所述推荐信息,由于在确定推荐信息时,不仅考虑了第二带窗信息、所述第二面积信息、所述第二用水量,还考虑了季节信息,由四个因素确定推荐信息,可以提高推荐信息的准确性。
在一个示例性实施例中,根据所述第二温度和所述对应关系确定所述推荐信息,包括:计算所述第二用水量的平均值、方差和标准差,以及确定所述方差是否大于预设阈值;在所述方差大于预设阈值的情况下,在所述第三区域中确定不带窗且面积最小的区域作为第二区域;根据所述平均值和所述标准差确定第三用水量,以及根据所述第二温度、所述第三用水量和所述第二区域生成所述推荐信息。
也就是说,计算所述第二用水量的平均值、方差和标准差,根据方差数值可以确定有窗卫生间和无窗卫生间用水量差距是否过大;根据节约用水量方面考虑,所以在有窗卫生间和无窗卫生间用水量差距过大的情况下,可以建议目标对象:冬季热水器开机信息为:目标温度:第二温度,位置:无窗卫生间,预计用水量:第三用水量,通过上述实施例,可以减少热水器的用水量,进而达到节约用水的效果。
需要说明的是,在目标对象对应的区域中仅包括有窗卫生间的情况下,冬季热水器开机信息为:目标温度:第二温度,位置:有窗卫生间,预计用水量:第三用水量。
在一个示例性实施例中,确定所述方差是否大于预设阈值之后,所述方法还包括:在所述方差大于预设阈值的情况下,在所述第三区域中确定带窗且面积最大的区域作为第二区域;根据所述平均值和所述方差确定第四用水量,以及根据所述第二温度、所述第四用水量和所述第二区域生成所述推荐信息。
也就是说,计算所述第二用水量的平均值、方差和标准差,根据方差数值可以确定有窗卫生间和无窗卫生间用水量差距是否过大;根据节约用水量方面考虑,所以在有窗卫生间和无窗卫生间用水量差距不过大的情况下,根据舒适性和通风型方面考虑,所以可以建议热水器开机信息为:目标温度:第二温度,位置:有窗卫生间,预计用水量:第四用水量,通过上述实施例,既可以减少热水器的用水量,也可以保证用户在沐浴过程中的舒适度。
在一个示例性实施例中,根据所述五元组数据模型确定推荐信息之后,所述方法还包括:确定所述第一热水器将目标容量的水加热至第二温度所需的目标时长;根据所述五元组数据模型确定所述目标对象使用所述第一热水器第一时间点;根据所述第一时间点和所述目标时长确定第二时间点,并在所述第二时间点向所述第一热水器发送控制命令,其中,所述控制命令用于指示所述第一热水器将目标容量的水加热至第二温度。
也就是说,根据用户的使用习惯,提前将热水器打开,以使所述目标对象使用所述热水器时,所述热水器中的水的温度达到第二温度,通过上述实施例,智能地根据用户使用习惯,提前开启热水器,避免了在使用热水器时,热水器未开启的问题,进而达到了提高用户体验的效果。
为了更好的理解上述推荐信息的确定方法的过程,以下再结合可选实施例对上述推荐信息的确定的实现方法流程进行说明,但不用于限定本申请实施例的技术方案。
在本实施例中提供了一种推荐信息的确定方法,图4是根据本申请实施例的推荐信息的确定方法的时序图,如图4所示,具体如下步骤:
步骤S401:基于各个设备端,收集用户信息、季节信息、热水器位置信息、卫生间面积等环境信息以及用户行为等关联信息。其中,所述关联信息不仅包含用户年龄、性别等基础信息,以及当前行为、前一行为、后一行为等连续或历史行为信息;还包含季节信息、热水器位置信息、所属环境信息等信息;
步骤S402:将全部关联信息发送至数据计算服务器,以使数据落地;
步骤S403:将全部关联信息分为五个元组,构建用户五元组数据模型。用户五元组分别为用户元组、时间元组、位置元组、上下文元组、意图元组。设计统一数据模型,包括统一存储格式、统一编码、统一单位等;
步骤S404:针对用户五元组各个元组信息,进行分析和整理,得到相关元组数据的分布特征信息;
步骤S405:根据用户五元组分析结果,识别热水器开机行为习惯信息;
步骤S406:根据用户热水器开机行为习惯信息,推送相关推荐消息;
步骤S407:数据发送规则验证;
步骤S408:在验证通过的情况下,将推荐消息发送至设备端。
其中,U:用户属性信息集合u(x),表示某个用户属性,u(u_1,u_2,…,u_k)表示用户的第1到k个属性。例如用户包含年龄、性别信息等属性。
T:时间属性信息集合t(x),表示某个用户行为的时间属性,t(t_1,t_2,…,t_k)表示时间的第1到k个属性。例如用户行为所属的年、季节、月、日、小时等属性。
A:位置属性信息集合a(x),表示某个用户行为的位置属性,a(a_1,a_2,…,a_k)表示位置的第1到k个属性。例如用户行为所属的省份、城市、区县、房间等属性。
L:上下文属性信息集合l(x),表示某个用户行为的上下文属性,l(l_1,l_2,…,l_k)表示上下文的第1到k个特征。例如用户前一行为、当前行为、当前天气、当前设备开机状态等属性。
I:意图属性信息集合i(x),表示某个用户意图属性,i(i_1,i_2,…,i_k)表示用户意图的第1到k个属性。例如打开热水器、设置目标温度、增加加热速度等属性。
F:五元组属性信息集合f_x(u_1,t_1,a_1,l_1,i_1,…),表示,用户l_1及对应的用户行为时间属性1为t_1,地址位置属性1为a_1,上下文属性1为l_1;根据前四个元组得到第五个元组i_1。例如f_1(u_1,t_1,a_1,l_1,i_1)表示,用户:‘张三’,对应用户行为时间属性为[‘2021-01-20’,‘冬季’],位置属性为‘带窗卫生间’,上下文属性为[‘我要洗澡’,‘卫生间面积2平方米’],预测用户行为意图为[‘打开热水器’,‘目标温度:60摄氏度’,‘用水量:30升’]。
可选的,在本实施例中还提供了一种推荐信息的确定方法,图5是根据本申请实施例的推荐信息的确定方法的流程图,如图5所示,具体如下步骤:
步骤S501:开始;
步骤S502:获取用户行为信息;
具体的,通过不同用户端,例如APP、AI、多屏等,以及关联***,例如用户中心、IOT领域模型、家庭模型等,采集用户行为相关信息。其中,所述用户行为信息包含但不限于用户信息、家庭信息、位置信息、环境信息、设备信息以及用户行为等关联信息。
步骤S503:根据对收集的信息进行分析和归类,生成用户五元组数据模型。
具体的:
用户属性信息集合包括:用户ID信息,用户特征信息等。
时间属性信息集合包括:行为时间序列;包含用户行为时间戳、行为时间所属年、月、日、小时等信息。
位置属性信息集合包括:行为位置地址信息;包含用户行为所属空间,例如‘客厅’;还包括行为所属省份、城市、区县、小区等信息。
上下文属性信息集合包括:前后序行为、前后序行为状态、房间面积、用户或网器画像、天气及空气质量等信息。
意图属性信息集合包括:数据预测后续行为信息。
步骤S504:分析五元组数据;
具体的,3.1:分析非用户元组数据;
对时间元组信息、位置元组信息、上下文信息进行统计和分析。
A)时间、上下文元组分析:例如针对‘时间’元组中‘时间戳’属性和‘上下文’元组中‘行为状态值’属性(例如,房间面积)进行分析:针对不同用户相同行为,‘时间戳’属性和‘行为状态值’属性会呈现不同特征状态分布。根据数据分布形态,对数据进行分组;对分组的数据进行最大值、最小值、平均值、方差等数据统计。
例如,用户在不同季节、不同卫生间使用热水器进行洗澡。热水器每天上报运行记录信息,如表1。
表1
热水器开机记录数据目标温度分析,如图6所示,图6是根据本申请实施例的目标温度分析的折线图。
通过数据分析可以得知,记录数据明显分为两组数据
1、分组1:序号为1-8,目标温度值均为60摄氏度的数据分为一组,标记为冬季开机行为。
2、分组2:序号为9-16,目标温度值均为50摄氏度的数据分为一组,标记为夏季开机行为。
分组后对热水器不同季节开机数据,用水量分析:
冬季开机分析,如图7所示,图7是根据本申请实施例的冬季用水量分析的折线图。
夏季开机分析,如图7所示,图8是根据本申请实施例的夏季用水量分析的折线图。
分组后对热水器不同季节开机数据,不同卫生间对应用水量分析,如图9所示,图9是根据本申请实施例的不同卫生间用水量分析的折线图。
综合热水器运行数据分布特征进行分析,如图10所示,图10是根据本申请实施例的综合用水量分析的折线图。
通过分组数据分析可以得到:
1、分组1数据分析:可以计算得到该组数据的最大值、最小值、平均值、方差等数据分布特征信息分别是27,22,24.375,4.734375。
2、分组2数据分析:可以计算得到该组数据的最大值、最小值、平均值、方差等数据分布特征信息分别是21,18,19.5,0.75。
3.2:五元组数据分析
将时间元组信息、位置元组信息、上下文信息以及用户信息等关联信息横向拉通,将行为数据值分布特征及相关元组属性特征,与用户元组信息相关联,形成用户的行为值分布特征。
步骤S505:识别用户热水器开机行为习惯;
根据时间、位置、上下文元组识别:根据已经分析的时间、位置、上下文元组信息特征,以及用户的行为状态值属性分布特征,与已知的用户特征和用户行为特征相关联匹配,识别用户热水器开机行为习惯信息。
根据冬季相关数据和图形,可以得知冬季线性偏辐角度较高;根据方差,可以得知,有窗卫生间和无窗卫生间用水量差距较大;根据节约用水量方面考虑,所以可以建议冬季热水器开机信息为:目标温度:60摄氏度,位置:无窗卫生间,预计用水量:26.5升。
根据夏季相关数据和图形,可以得知夏季线性偏辐角度较低高;根据方差,可以得知,有窗卫生间和无窗卫生间用水量差距不大;根据舒适性和通风型方面考虑,所以可以建议夏季热水器开机信息为:目标温度:50摄氏度,位置:有窗卫生间,预计用水量:20.25升。
步骤S506:用户消息推送;
按照信息推送规则,将符合用户热水器开机行为习惯的个性化推荐消息推送给用户。
本发明中,在用户使用智能设备过程中,可以从多个用户端收集各个元素信息,生成用户五元组数据模型。基于用户五元组,可以分析‘时间’元组中‘时间戳’属性和‘上下文’元组中‘行为状态值’信息、位置信息的统计情况,识别热水器开机行为习惯。可以避免因用户没有考虑季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次为用户设定固定的开机时间、开机温度、用水量等信息,会出现热水量不足或者热水浪费的情况。
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根据上述实施例的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(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)执行本申请各个实施例的方法。
图11是根据本申请实施例的一种推荐信息的确定装置的结构框图;如图4所示,包括:
获取模块1102,用于获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述热水器集合中的每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;
确定模块1104,用于根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器。
通过上述装置,获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;解决了相关技术中,没有考虑季节变化、卫生间位置不同、卫生间面积大小等不同因素影响,每次为用户设定固定的开机时间、开机温度、用水量等信息,会出现热水量不足或者热水浪费的情况等问题,进而本申请实施例基于用户行为的五元组数据模型,通过分析所述目标对象的第一用户信息、所述每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量之间相互的关联关系,识别热水器开机行为习惯信息,给用户推送精准的个性化推荐信息。
在一个示例性实施例中,确定模块1104,用于将所述目标对象的第一用户信息分类至用户属性信息集合,将所述每个热水器所在的第一区域的第一带窗信息分类至位置信息集合,将所述每个热水器所在的第一区域的第一面积信息分类至上下文信息集合,将所述目标对象控制每个热水器执行第一操作时的第一时间信息分类至时间信息集合,以及将所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象使用所述每个热水器的第一用水量分类至意图属性信息集合;根据所述用户属性信息集合、所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合生成五元组数据模型。
在一个示例性实施例中,确定模块1104,用于用户属性信息集合、位置信息集合、上下文信息集合、时间信息集合、意图属性信息集合,包括:将所述意图属性信息集合中的多个第一温度划分为多个温度集合,其中,每一个温度集合中的温度均相同;对于所述每一个温度集合,在所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合中确定所述每一个温度集合对应的第二热水器所在第三区域的第二带窗信息和第二面积信息、所述目标对象控制第二热水器将水加热至第三温度时的第二时间信息、所述目标对象使用所述第二热水器的第二用水量,其中,所述热水器集合还包括:第二热水器;根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息。
在一个示例性实施例中,确定模块1104,用于根据所述每一个温度集合对应的第二时间信息确定每一个温度集合对应的第一季节信息,以得到多个第一季节信息;根据所述第二带窗信息、所述第二面积信息、所述第二用水量确定所述第三区域与所述第二用水量的对应关系;在所述多个第一季节信息中确定与当前时间对应的第二季节信息一致的第三季节信息,以及确定所述第三季节信息对应的目标温度集合;将所述目标温度集合对应的温度作为所述第二温度,根据所述第二温度和所述对应关系确定所述推荐信息。
在一个示例性实施例中,确定模块1104,用于计算所述第二用水量的平均值、方差和标准差,以及确定所述方差是否大于预设阈值;在所述方差大于预设阈值的情况下,在所述第三区域中确定不带窗且面积最小的区域作为第二区域;根据所述平均值和所述标准差确定第三用水量,以及根据所述第二温度、所述第三用水量和所述第二区域生成所述推荐信息。
在一个示例性实施例中,确定模块1104,用于在所述方差大于预设阈值的情况下,在所述第三区域中确定带窗且面积最大的区域作为第二区域;根据所述平均值和所述方差确定第四用水量,以及根据所述第二温度、所述第四用水量和所述第二区域生成所述推荐信息。
在一个示例性实施例中,确定模块1104,用于确定所述第一热水器将目标容量的水加热至第二温度所需的目标时长;根据所述五元组数据模型确定所述目标对象使用所述第一热水器第一时间点;根据所述第一时间点和所述目标时长确定第二时间点,并在所述第二时间点向所述第一热水器发送控制命令,其中,所述控制命令用于指示所述第一热水器将目标容量的水加热至第二温度。
本申请的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的程序代码:
S1,获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;
S2,根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;
本申请的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;
S2,根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种推荐信息的确定方法,其特征在于,包括:
获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述热水器集合中的每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;
根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;
其中,根据所述历史操作信息生成五元组数据模型,包括:将所述目标对象的第一用户信息分类至用户属性信息集合,将所述每个热水器所在的第一区域的第一带窗信息分类至位置信息集合,将所述每个热水器所在的第一区域的第一面积信息分类至上下文信息集合,将所述目标对象控制每个热水器执行第一操作时的第一时间信息分类至时间信息集合,以及将所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象使用所述每个热水器的第一用水量分类至意图属性信息集合;根据所述用户属性信息集合、所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合生成五元组数据模型;
其中,根据所述五元组数据模型确定推荐信息,包括:根据所述五元组数据模型确定分析数据,包括:分析所述五元组数据模型中的非用户元组的数据信息,得到元组信息特征,其中,所述非用户元组包括:所述时间信息集合、所述位置信息集合和所述上下文信息集合;将用户属性信息集合、所述位置信息集合、所述上下文信息集合和所述时间信息集合的数据信息进行横向拉通,获取所述目标对象的行为值分布特征;根据元组信息特征和行为值分布特征确定行为习惯信息;根据所述行为习惯信息确定所述推荐信息。
2.根据权利要求1所述的推荐信息的确定方法,其特征在于,根据所述五元组数据模型确定推荐信息,其中,所述五元组数据模型包括:用户属性信息集合、位置信息集合、上下文信息集合、时间信息集合、意图属性信息集合,包括:
将所述意图属性信息集合中的多个第一温度划分为多个温度集合,其中,每一个温度集合中的温度均相同;
对于所述每一个温度集合,在所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合中确定所述每一个温度集合对应的第二热水器所在第三区域的第二带窗信息和第二面积信息、所述目标对象控制第二热水器将水加热至第三温度时的第二时间信息、所述目标对象使用所述第二热水器的第二用水量,其中,所述热水器集合还包括:第二热水器;
根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息。
3.根据权利要求2所述的推荐信息的确定方法,其特征在于,根据所述第二带窗信息、所述第二面积信息、所述第二时间信息、所述第二用水量确定推荐信息,包括:
根据所述每一个温度集合对应的第二时间信息确定每一个温度集合对应的第一季节信息,以得到多个第一季节信息;
根据所述第二带窗信息、所述第二面积信息、所述第二用水量确定所述第三区域与所述第二用水量的对应关系;
在所述多个第一季节信息中确定与当前时间对应的第二季节信息一致的第三季节信息,以及确定所述第三季节信息对应的目标温度集合;
将所述目标温度集合对应的温度作为所述第二温度,根据所述第二温度和所述对应关系确定所述推荐信息。
4.根据权利要求3所述的推荐信息的确定方法,其特征在于,根据所述第二温度和所述对应关系确定所述推荐信息,包括:
计算所述第二用水量的平均值、方差和标准差,以及确定所述方差是否大于预设阈值;
在所述方差大于预设阈值的情况下,在所述第三区域中确定不带窗且面积最小的区域作为第二区域;
根据所述平均值和所述标准差确定第三用水量,以及根据所述第二温度、所述第三用水量和所述第二区域生成所述推荐信息。
5.根据权利要求4所述的推荐信息的确定方法,其特征在于,确定所述方差是否大于预设阈值之后,所述方法还包括:
在所述方差大于预设阈值的情况下,在所述第三区域中确定带窗且面积最大的区域作为第二区域;
根据所述平均值和所述方差确定第四用水量,以及根据所述第二温度、所述第四用水量和所述第二区域生成所述推荐信息。
6.根据权利要求1所述的推荐信息的确定方法,其特征在于,根据所述五元组数据模型确定推荐信息之后,所述方法还包括:
确定所述第一热水器将目标容量的水加热至第二温度所需的目标时长;
根据所述五元组数据模型确定所述目标对象使用所述第一热水器第一时间点;
根据所述第一时间点和所述目标时长确定第二时间点,并在所述第二时间点向所述第一热水器发送控制命令,其中,所述控制命令用于指示所述第一热水器将目标容量的水加热至第二温度。
7.一种推荐信息的确定装置,其特征在于,包括:
获取模块,用于获取目标对象控制热水器集合的历史操作信息,其中,所述历史操作信息包括:所述目标对象的第一用户信息、所述热水器集合中的每个热水器所在的第一区域的第一带窗信息和第一面积信息、所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象控制每个热水器执行第一操作时的第一时间信息、所述目标对象使用所述每个热水器的第一用水量;
确定模块,用于根据所述历史操作信息生成五元组数据模型,并根据所述五元组数据模型确定推荐信息,以使所述目标对象根据所述推荐信息控制第二区域中的第一热水器将目标容量的水加热至第二温度,其中,所述热水器集合包括:所述第一热水器;
其中,所述确定模块,还用于将所述目标对象的第一用户信息分类至用户属性信息集合,将所述每个热水器所在的第一区域的第一带窗信息分类至位置信息集合,将所述每个热水器所在的第一区域的第一面积信息分类至上下文信息集合,将所述目标对象控制每个热水器执行第一操作时的第一时间信息分类至时间信息集合,以及将所述目标对象控制每个热水器将水加热至第一温度的第一操作、所述目标对象使用所述每个热水器的第一用水量分类至意图属性信息集合;根据所述用户属性信息集合、所述位置信息集合、所述上下文信息集合、所述时间信息集合、所述意图属性信息集合生成五元组数据模型;
其中,所述确定模块,还用于分析所述五元组数据模型中的非用户元组的数据信息,得到元组信息特征,其中,所述非用户元组包括:所述时间信息集合、所述位置信息集合和所述上下文信息集合;将用户属性信息集合、所述位置信息集合、所述上下文信息集合和所述时间信息集合的数据信息进行横向拉通,获取所述目标对象的行为值分布特征;根据元组信息特征和行为值分布特征确定行为习惯信息;根据所述行为习惯信息确定所述推荐信息。
8.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至6任一项中所述的方法。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211049934.5A CN115481315B (zh) | 2022-08-30 | 2022-08-30 | 推荐信息的确定方法和装置、存储介质及电子装置 |
PCT/CN2023/075734 WO2024045501A1 (zh) | 2022-08-30 | 2023-02-13 | 推荐信息的确定方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211049934.5A CN115481315B (zh) | 2022-08-30 | 2022-08-30 | 推荐信息的确定方法和装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115481315A CN115481315A (zh) | 2022-12-16 |
CN115481315B true CN115481315B (zh) | 2024-03-22 |
Family
ID=84421829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211049934.5A Active CN115481315B (zh) | 2022-08-30 | 2022-08-30 | 推荐信息的确定方法和装置、存储介质及电子装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115481315B (zh) |
WO (1) | WO2024045501A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115481315B (zh) * | 2022-08-30 | 2024-03-22 | 海尔优家智能科技(北京)有限公司 | 推荐信息的确定方法和装置、存储介质及电子装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859149A (zh) * | 2020-08-03 | 2020-10-30 | 腾讯科技(北京)有限公司 | 资讯信息推荐方法、装置、电子设备及存储介质 |
CN111898032A (zh) * | 2020-08-13 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN113207010A (zh) * | 2021-06-02 | 2021-08-03 | 清华大学 | 模型训练方法、直播推荐方法、设备、程序产品 |
CN114282100A (zh) * | 2021-12-17 | 2022-04-05 | 南京阿尔文科贸有限责任公司 | 基于云计算技术的面向电商平台个性化推荐的方法及装置 |
CN114297497A (zh) * | 2020-07-31 | 2022-04-08 | 腾讯科技(深圳)有限公司 | 基于对象关联数据的信息推荐方法、***及存储介质 |
CN114493028A (zh) * | 2022-02-08 | 2022-05-13 | 青岛海尔科技有限公司 | 预测模型的建立方法和装置、存储介质及电子装置 |
CN114546486A (zh) * | 2022-01-28 | 2022-05-27 | 青岛海尔科技有限公司 | 向用户推荐指令的方法和装置、存储介质及电子装置 |
CN114676400A (zh) * | 2022-03-04 | 2022-06-28 | 青岛海尔科技有限公司 | 身份确定方法、存储介质及电子装置 |
CN114880560A (zh) * | 2022-04-28 | 2022-08-09 | 青岛海尔科技有限公司 | 内容的推荐方法和装置、存储介质及电子装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150052554A1 (en) * | 2013-01-25 | 2015-02-19 | Mobitv, Inc. | Geographic content recommendation |
JP2015031473A (ja) * | 2013-08-05 | 2015-02-16 | 株式会社富士通ゼネラル | 空気調和機 |
CN107066558A (zh) * | 2017-03-28 | 2017-08-18 | 北京百度网讯科技有限公司 | 基于人工智能的引导项推荐方法及装置、设备与可读介质 |
CN110887240B (zh) * | 2019-12-03 | 2021-03-16 | 美的集团股份有限公司 | 热水器温度控制方法及装置、热水器及电子设备 |
CN115481315B (zh) * | 2022-08-30 | 2024-03-22 | 海尔优家智能科技(北京)有限公司 | 推荐信息的确定方法和装置、存储介质及电子装置 |
-
2022
- 2022-08-30 CN CN202211049934.5A patent/CN115481315B/zh active Active
-
2023
- 2023-02-13 WO PCT/CN2023/075734 patent/WO2024045501A1/zh unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114297497A (zh) * | 2020-07-31 | 2022-04-08 | 腾讯科技(深圳)有限公司 | 基于对象关联数据的信息推荐方法、***及存储介质 |
CN111859149A (zh) * | 2020-08-03 | 2020-10-30 | 腾讯科技(北京)有限公司 | 资讯信息推荐方法、装置、电子设备及存储介质 |
CN111898032A (zh) * | 2020-08-13 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN113207010A (zh) * | 2021-06-02 | 2021-08-03 | 清华大学 | 模型训练方法、直播推荐方法、设备、程序产品 |
CN114282100A (zh) * | 2021-12-17 | 2022-04-05 | 南京阿尔文科贸有限责任公司 | 基于云计算技术的面向电商平台个性化推荐的方法及装置 |
CN114546486A (zh) * | 2022-01-28 | 2022-05-27 | 青岛海尔科技有限公司 | 向用户推荐指令的方法和装置、存储介质及电子装置 |
CN114493028A (zh) * | 2022-02-08 | 2022-05-13 | 青岛海尔科技有限公司 | 预测模型的建立方法和装置、存储介质及电子装置 |
CN114676400A (zh) * | 2022-03-04 | 2022-06-28 | 青岛海尔科技有限公司 | 身份确定方法、存储介质及电子装置 |
CN114880560A (zh) * | 2022-04-28 | 2022-08-09 | 青岛海尔科技有限公司 | 内容的推荐方法和装置、存储介质及电子装置 |
Non-Patent Citations (3)
Title |
---|
Multi-dimensional quality-driven service recommendation with privacy-preservation in mobile edge environment;Weiyi Zhong et al.;《Computer Communications》;116-123 * |
人机物三元计算中的通用计算账户与个人信息资产代数;徐志伟 等;《计算机研究与发展》(第06期);13-24 * |
面向智慧健康的知识管理与服务;马费成 等;《中国图书馆学报》(第05期);6-21 * |
Also Published As
Publication number | Publication date |
---|---|
WO2024045501A1 (zh) | 2024-03-07 |
CN115481315A (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Diao et al. | Modeling energy consumption in residential buildings: A bottom-up analysis based on occupant behavior pattern clustering and stochastic simulation | |
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN110836514B (zh) | 空调组的控制方法和装置 | |
Guerra-Santin et al. | Mixed methods approach to determine occupants’ behaviour–Analysis of two case studies | |
Torriti | A review of time use models of residential electricity demand | |
US20190155967A1 (en) | System for obtaining and classifying energy characteristics | |
CN105068513B (zh) | 基于社交网络行为感知的智能家庭能源管理方法 | |
CN112801154B (zh) | 孤寡老人的行为分析方法和*** | |
CN115481315B (zh) | 推荐信息的确定方法和装置、存储介质及电子装置 | |
WO2023151215A1 (zh) | 预测模型的建立方法和装置、存储介质及电子装置 | |
CN112415966B (zh) | 基于用户行为的智能家电节能方法、***及存储介质 | |
WO2016147298A1 (ja) | 推薦装置、推薦決定方法、およびコンピュータプログラム | |
CN113251557B (zh) | 场景状态的控制方法、装置、***、设备及存储介质 | |
CN114115027A (zh) | 目标环境参数的调节方法、***、装置、设备及存储介质 | |
Iyengar et al. | Inferring smart schedules for dumb thermostats | |
CN113194155A (zh) | 一种物联网中场景智能推荐的方法及装置 | |
WO2023165051A1 (zh) | 身份确定方法、存储介质及电子装置 | |
Kleiminger | Occupancy sensing and prediction for automated energy savings | |
CN108614439A (zh) | 一种信息推送的方法及装置 | |
CN111381507B (zh) | 电器操作参数的推荐方法、介质、服务器及智能电器管理*** | |
CN116130102A (zh) | 睡眠环境数据的确定方法及装置、存储介质及电子装置 | |
CN111105298A (zh) | 一种基于物联网智能场景的购买推荐方法及*** | |
CN115268289A (zh) | 节能提醒方法、装置、设备及存储介质 | |
Grover-Silva et al. | Electric load profile non-intrusive analysis to guide energy efficient behavior for residential clients | |
González-Vidal et al. | Empirical study of massive set-point behavioral data: Towards a cloud-based artificial intelligence that democratizes thermostats |
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 |