CN117349531A - 一种基于智慧家居的用户信息推荐方法及*** - Google Patents
一种基于智慧家居的用户信息推荐方法及*** Download PDFInfo
- Publication number
- CN117349531A CN117349531A CN202311364522.5A CN202311364522A CN117349531A CN 117349531 A CN117349531 A CN 117349531A CN 202311364522 A CN202311364522 A CN 202311364522A CN 117349531 A CN117349531 A CN 117349531A
- Authority
- CN
- China
- Prior art keywords
- user
- smart home
- intelligent home
- processed
- vector
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 30
- 239000013598 vector Substances 0.000 claims description 263
- 230000006399 behavior Effects 0.000 claims description 218
- 238000012512 characterization method Methods 0.000 claims description 183
- 238000005065 mining Methods 0.000 claims description 22
- 230000010354 integration Effects 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 230000002787 reinforcement Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的一种基于智慧家居的用户信息推荐方法及***,涉及数据处理技术领域。在本发明中,基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在多个智慧家居用户中确定出用户匹配关系;在多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;在多个智慧家居用户中,基于用户匹配关系,确定出待处理智慧家居用户对应的每一个匹配智慧家居用户;基于待处理智慧家居用户对应的用户行为特征信息和每一个匹配智慧家居用户对应的用户行为特征信息,对待处理智慧家居用户进行用户信息推荐操作,确定出待处理智慧家居用户的目标推荐数据。基于上述方法,可以提高用户信息推荐的可靠度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种基于智慧家居的用户信息推荐方法及***。
背景技术
随着计算机技术和互联网技术的不断发展,使得其应用场景不断增加,例如,在家居领域的应用,使得智慧家居出现,并不断成熟。其中,在智慧家居的应用中,会产生较多的数据,这些数据具有较多的应用价值。例如,可以用于进行用户匹配,又例如,也可以进行用户信息推荐,但是,在用户信息推荐的过程中,存在着可靠度不佳的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于智慧家居的用户信息推荐方法及***,以提高用户信息推荐的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于智慧家居的用户信息推荐方法,包括:
基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系;
在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;
在所述多个智慧家居用户中,基于所述用户匹配关系,确定出所述待处理智慧家居用户对应的每一个匹配智慧家居用户;
基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据,所述用户行为特征信息用于反映对应的智慧家居用户的用户行为。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐方法中,所述在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户的步骤,包括:
对于所述多个智慧家居用户中的每一个智慧家居用户,基于所述用户匹配关系,确定出该智慧家居用户对应的每一个匹配智慧家居用户,并该智慧家居用户对应的匹配智慧家居用户的数量进行统计;
在对应的匹配智慧家居用户的数量大于或等于预先配置的参考数量的情况下,将对应的智慧家居用户确定为候选智慧家居用户;
在确定出的每一个所述候选智慧家居用户中,选择出一个候选智慧家居用户,以标记为信息推荐的待处理智慧家居用户。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐方法中,所述基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据的步骤,包括:
采集到所述待处理智慧家居用户对应的用户行为特征信息,得到第一用户行为特征信息,并采集到每一个所述匹配智慧家居用户对应的用户行为特征信息,得到第二用户行为特征信息;
对所述第一用户行为特征信息进行关键信息挖掘操作,以形成对应的第一用户行为表征向量,并对每一个所述第二用户行为特征信息进行关键信息挖掘操作,以形成对应的第二用户行为表征向量;
基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐方法中,所述基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据的步骤,包括:
对于每一个所述第二用户行为表征向量,基于该第二用户行为表征向量,对所述第一用户行为表征向量进行强化操作,以形成所述第一用户行为表征向量对应的一个强化用户行为表征向量;
基于所述第一用户行为表征向量对应的每一个强化用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐方法中,所述对于每一个所述第二用户行为表征向量,基于该第二用户行为表征向量,对所述第一用户行为表征向量进行强化操作,以形成所述第一用户行为表征向量对应的一个强化用户行为表征向量的步骤,包括:
对所述第二用户行为表征向量进行转置操作,以形成所述第二用户行为表征向量对应的转置第二用户行为表征向量,以及,确定出所述第一用户行为表征向量的向量维度,得到第一维度数量;
对所述转置第二用户行为表征向量和所述第一用户行为表征向量进行相乘处理,以输出对应的相关性表征向量,以及,将所述相关性表征向量除以所述第一维度数量,以形成对应的调整相关性表征向量;
对所述调整相关性表征向量进行向量参数的映射处理,以形成所述调整相关性表征向量对应的映射表征向量,以及,对所述映射表征向量和所述第二用户行为表征向量行相乘处理,以输出所述第一用户行为表征向量对应的一个强化用户行为表征向量。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐方法中,所述基于所述第一用户行为表征向量对应的每一个强化用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据的步骤,包括:
对所述第一用户行为表征向量对应的每一个强化用户行为表征向量进行级联组合处理,以形成级联组合行为表征向量;
将所述级联组合行为表征向量进行线性整合操作,以输出所述待处理智慧家居用户对应的线性整合表征向量,并对所述线性整合表征向量进行向量参数的压缩操作,以形成对应的压缩的线性整合表征向量;
对于多个候选推荐数据中的每一个候选推荐数据,对该候选推荐数据进行关键信息挖掘操作,输出该候选推荐数据对应的推荐表征向量,并确定该推荐表征向量和所述压缩的线性整合表征向量之间的向量匹配参数;
在每一个所述候选推荐数据对应的推荐表征向量和所述压缩的线性整合表征向量之间的向量匹配参数中,确定出目标向量匹配参数,以及,将所述目标向量匹配参数对应的候选推荐数据作为所述待处理智慧家居用户的目标推荐数据,所述候选推荐数据为文本数据或图像数据。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐方法中,所述基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系的步骤,包括:
提取到第一智慧家居用户对应的多个智慧家居设备运行数据,所述第一智慧家居用户和第二智慧家居用户之间具有匹配关系,所述智慧家居设备运行数据至少用于反映所述第一智慧家居用户对对应的智慧家居设备的使用情况;
将所述多个智慧家居设备运行数据进行数据分解操作,以形成每一个所述智慧家居设备运行数据对应的多个局部设备运行数据,以及,将每一个所述智慧家居设备运行数据对应的多个局部设备运行数据进行筛选操作,以形成每一个所述局部设备运行数据对应的目标设备运行行为,每一个所述局部设备运行数据包括多个设备运行行为;
分别对每一个所述局部设备运行数据对应的目标设备运行行为进行关键信息挖掘操作,以输出每一个所述局部设备运行数据对应的行为关键信息表征向量,以及,依据所述行为关键信息表征向量,分析出所述第一智慧家居用户对应的第一设备运行表征向量;
将所述第一智慧家居用户对应的第一设备运行表征向量进行强化操作,以形成所述第一智慧家居用户对应的第二设备运行表征向量;
依据所述第一智慧家居用户对应的第二设备运行表征向量,筛选出匹配的第三智慧家居用户,以及,对所述第三智慧家居用户进行关于所述第二智慧家居用户的用户匹配操作,使得所述第一智慧家居用户、所述第三智慧家居用户和所述第二智慧家居用户之间相互具有匹配关系。
本发明实施例还提供一种基于智慧家居的用户信息推荐***,包括:
用户匹配处理模块,用于基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系;
推荐用户确定模块,用于在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;
匹配用户确定模块,用于在所述多个智慧家居用户中,基于所述用户匹配关系,确定出待处理智慧家居用户对应的每一个匹配智慧家居用户;
用户信息推荐模块,用于基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据,所述用户行为特征信息用于反映对应的智慧家居用户的用户行为。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐***中,所述推荐用户确定模块具体用于:
对于所述多个智慧家居用户中的每一个智慧家居用户,基于所述用户匹配关系,确定出该智慧家居用户对应的每一个匹配智慧家居用户,并该智慧家居用户对应的匹配智慧家居用户的数量进行统计;
在对应的匹配智慧家居用户的数量大于或等于预先配置的参考数量的情况下,将对应的智慧家居用户确定为候选智慧家居用户;
在确定出的每一个所述候选智慧家居用户中,选择出一个候选智慧家居用户,以标记为信息推荐的待处理智慧家居用户。
在一些优选的实施例中,在上述基于智慧家居的用户信息推荐***中,所述用户信息推荐模块具体用于:
采集到所述待处理智慧家居用户对应的用户行为特征信息,得到第一用户行为特征信息,并采集到每一个所述匹配智慧家居用户对应的用户行为特征信息,得到第二用户行为特征信息;
对所述第一用户行为特征信息进行关键信息挖掘操作,以形成对应的第一用户行为表征向量,并对每一个所述第二用户行为特征信息进行关键信息挖掘操作,以形成对应的第二用户行为表征向量;
基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
本发明实施例提供的一种基于智慧家居的用户信息推荐方法及***,可以基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在多个智慧家居用户中确定出用户匹配关系;在多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;在多个智慧家居用户中,基于用户匹配关系,确定出待处理智慧家居用户对应的每一个匹配智慧家居用户;基于待处理智慧家居用户对应的用户行为特征信息和每一个匹配智慧家居用户对应的用户行为特征信息,对待处理智慧家居用户进行用户信息推荐操作,确定出待处理智慧家居用户的目标推荐数据。基于此,由于在进行用户信息推荐操作中,不仅将待处理智慧家居用户对应的用户行为特征信息作为依据,还将对应的匹配智慧家居用户对应的用户行为特征信息作为依据,使得依据可以更为充分,因此,可以提高用户信息推荐的可靠度,从而改善现有技术中存在的可靠度不佳的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的基于智慧家居的用户信息推荐平台的结构框图。
图2为本发明实施例提供的基于智慧家居的用户信息推荐方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于智慧家居的用户信息推荐***包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于智慧家居的用户信息推荐平台。其中,所述用户信息推荐平台可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例(如后文所述)提供的基于智慧家居的用户信息推荐方法。
可以选择的是,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
可以选择的是,在一些实施方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上***(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以选择的是,在一些实施方式中,所述基于智慧家居的用户信息推荐平台可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种基于智慧家居的用户信息推荐方法,可应用于上述基于智慧家居的用户信息推荐平台。其中,所述基于智慧家居的用户信息推荐方法有关的流程所定义的方法步骤,可以由所述基于智慧家居的用户信息推荐平台实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S100,基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系。
步骤S200,在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户。
步骤S300,在所述多个智慧家居用户中,基于所述用户匹配关系,确定出所述待处理智慧家居用户对应的每一个匹配智慧家居用户。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以在所述多个智慧家居用户中,基于所述用户匹配关系,确定出所述待处理智慧家居用户对应的每一个匹配智慧家居用户。
步骤S400,基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据。所述用户行为特征信息用于反映对应的智慧家居用户的用户行为。
基于此,由于在进行用户信息推荐操作中,不仅将待处理智慧家居用户对应的用户行为特征信息作为依据,还将对应的匹配智慧家居用户对应的用户行为特征信息作为依据,使得依据可以更为充分,因此,可以提高用户信息推荐的可靠度,从而改善现有技术中存在的可靠度不佳的问题。
可以选择的是,在一些实施方式中,所述基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系,可以进一步包括以下的内容,如步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
步骤S110,提取到第一智慧家居用户对应的多个智慧家居设备运行数据。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以提取到第一智慧家居用户对应的多个智慧家居设备运行数据。所述第一智慧家居用户和第二智慧家居用户之间具有匹配关系,所述智慧家居设备运行数据至少用于反映所述第一智慧家居用户对对应的智慧家居设备的使用情况。所述智慧家居设备运行数据可以用户文本的形式存在。
步骤S120,将所述多个智慧家居设备运行数据进行数据分解操作,以形成每一个所述智慧家居设备运行数据对应的多个局部设备运行数据,以及,将每一个所述智慧家居设备运行数据对应的多个局部设备运行数据进行筛选操作,以形成每一个所述局部设备运行数据对应的目标设备运行行为。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以将所述多个智慧家居设备运行数据进行数据分解操作,以形成每一个所述智慧家居设备运行数据对应的多个局部设备运行数据,以及,将每一个所述智慧家居设备运行数据对应的多个局部设备运行数据进行筛选操作,以形成每一个所述局部设备运行数据对应的目标设备运行行为。每一个所述局部设备运行数据包括多个设备运行行为,如第一时间启动、第二时间进行第一功能操作、第三时间进行第一功能操作、第四时间关闭。
步骤S130,分别对每一个所述局部设备运行数据对应的目标设备运行行为进行关键信息挖掘操作,以输出每一个所述局部设备运行数据对应的行为关键信息表征向量,以及,依据所述行为关键信息表征向量,分析出所述第一智慧家居用户对应的第一设备运行表征向量。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以分别对每一个所述局部设备运行数据对应的目标设备运行行为进行关键信息挖掘操作,以输出每一个所述局部设备运行数据对应的行为关键信息表征向量,以及,依据所述行为关键信息表征向量,分析出所述第一智慧家居用户对应的第一设备运行表征向量。
步骤S140,将所述第一智慧家居用户对应的第一设备运行表征向量进行强化操作,以形成所述第一智慧家居用户对应的第二设备运行表征向量。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以将所述第一智慧家居用户对应的第一设备运行表征向量进行强化操作,即进行补强,以形成所述第一智慧家居用户对应的第二设备运行表征向量。
步骤S150,依据所述第一智慧家居用户对应的第二设备运行表征向量,筛选出匹配的第三智慧家居用户,以及,对所述第三智慧家居用户进行关于所述第二智慧家居用户的用户匹配操作。
在本发明实施例中,所述基于智慧家居的用户信息推荐平台可以依据所述第一智慧家居用户对应的第二设备运行表征向量,筛选出匹配的第三智慧家居用户,以及,对所述第三智慧家居用户进行关于所述第二智慧家居用户的用户匹配操作。
基于此,如上述的步骤S110-步骤S150,由于在进行智慧家居用户的匹配之前,会对挖掘出的第一设备运行表征向量进行强化操作,使得可以基于得到的第二设备运行表征向量进行智慧家居用户的匹配,即智慧家居用户的匹配的依据可以更为可靠,使得可以提高用户匹配的可靠度,从而改善现有技术中存在的可靠度不佳的问题。
可以选择的是,在一些实施方式中,所述分别对每一个所述局部设备运行数据对应的目标设备运行行为进行关键信息挖掘操作,以输出每一个所述局部设备运行数据对应的行为关键信息表征向量,以及,依据所述行为关键信息表征向量,分析出所述第一智慧家居用户对应的第一设备运行表征向量的步骤,可以进一步包括以下的内容:
分别对每一个所述局部设备运行数据对应的目标设备运行行为进行关键信息挖掘操作,例如,可以映射到特征空间,以输出每一个所述局部设备运行数据对应的行为关键信息表征向量;
对每一个所述局部设备运行数据对应的行为关键信息表征向量进行级联组合操作,以形成所述第一智慧家居用户对应的第一设备运行表征向量。
可以选择的是,在一些实施方式中,所述对每一个所述局部设备运行数据对应的行为关键信息表征向量进行级联组合操作,以形成所述第一智慧家居用户对应的第一设备运行表征向量的步骤,可以包括以下的内容:
对每一个所述局部设备运行数据对应的行为关键信息表征向量进行级联组合操作,以输出对应的级联组合表征向量,如“行为关键信息表征向量1-行为关键信息表征向量2-行为关键信息表征向量3”;
将所述级联组合表征向量进行线性整合操作,以输出所述第一智慧家居用户对应的第一设备运行表征向量,所述线性整合操作可以基于MLP实现,MLP即MultiLayerPerceptron。
可以选择的是,在一些实施方式中,所述将所述第一智慧家居用户对应的第一设备运行表征向量进行强化操作,以形成所述第一智慧家居用户对应的第二设备运行表征向量的步骤,可以进一步包括以下的内容:
利用A个顺序连接的聚焦特征分析单元中的第a个聚焦特征分析单元,将所述第a个聚焦特征分析单元的待处理数据进行聚焦特征分析操作,以输出第a个聚焦特征分析表征向量;
对所述第a个聚焦特征分析表征向量,加载到第b个聚焦特征分析单元中,利用所述第b个聚焦特征分析单元进行聚焦特征分析操作,以形成第b个聚焦特征分析表征向量,所述第b个聚焦特征分析单元为所述第a个聚焦特征分析单元后面的一个聚焦特征分析单元;
可以理解的是,第1个聚焦特征分析单元的待处理数据为所述第一设备运行表征向量,第1个聚焦特征分析单元以外的每一个聚焦特征分析单元的待处理数据为前一个聚焦特征分析单元输出的聚焦特征分析表征向量,最后一个聚焦特征分析单元输出的聚焦特征分析表征向量为所述第一智慧家居用户对应的第二设备运行表征向量。
可以选择的是,在一些实施方式中,所述利用A个顺序连接的聚焦特征分析单元中的第a个聚焦特征分析单元,将所述第a个聚焦特征分析单元的待处理数据进行聚焦特征分析操作,以输出第a个聚焦特征分析表征向量的步骤,可以进一步包括以下的内容:
利用所述第a个聚焦特征分析单元,将所述第a个聚焦特征分析单元的待处理数据进行向量参数的压缩操作,以输出所述第一智慧家居用户的第一设备运行表征向量对应的压缩表征向量,所述向量参数的压缩操作可以是指,基于预设窗口对所述待处理数据进行滑窗,然后,对窗口内的向量参数进行均值或最大值的确定,以作为该窗口内的各向量参数的代表,即通过一个代表来替代该窗口内的各向量参数,以实现压缩;
利用所述第a个聚焦特征分析单元,将所述第一智慧家居用户的第一设备运行表征向量对应的压缩表征向量和该压缩表征向量的转置结果进行相乘,以输出对应的重要性参数分布;
对所述第一智慧家居用户的第一设备运行表征向量对应的重要性参数分布和所述第一智慧家居用户的第一设备运行表征向量对应的压缩表征向量进行相乘,以输出第a个聚焦特征分析表征向量。
可以选择的是,在一些实施方式中,所述依据所述第一智慧家居用户对应的第二设备运行表征向量,筛选出匹配的第三智慧家居用户,以及,对所述第三智慧家居用户进行关于所述第二智慧家居用户的用户匹配操作的步骤,可以进一步包括以下的内容:
对于每一个待匹配智慧家居用户:提取到所述待匹配智慧家居用户对应的智慧家居设备运行数据;将所述待匹配智慧家居用户对应的智慧家居设备运行数据进行关键信息挖掘操作,以输出所述待匹配智慧家居用户对应的第一设备运行表征向量;将所述待匹配智慧家居用户对应的第一设备运行表征向量进行强化操作,输出所述待匹配智慧家居用户的第二设备运行表征向量;
分析出所述第一智慧家居用户的第二设备运行表征向量和每一个所述待匹配智慧家居用户的第二设备运行表征向量之间的向量匹配系数,如余弦相似度,以及,对所述向量匹配系数超过预先确定的参考向量匹配系数的待匹配智慧家居用户进行标记,以标记为第三智慧家居用户;
对所述第三智慧家居用户进行关于所述第二智慧家居用户的用户匹配操作,使得所述第二智慧家居用户和所述第三智慧家居用户作为相互匹配的智慧家居用户。
可以选择的是,在一些实施方式中,所述第一智慧家居用户对应的第二设备运行表征向量基于设备运行数据分析网络处理形成,基于此,所述基于智慧家居的用户信息推荐方法还可以进一步包括以下的内容:
确定出多个典型智慧家居用户,以及,依据多个所述典型智慧家居用户的匹配用户数量,确定出多个典型数据组合;
基于所述典型数据组合中每一个典型智慧家居用户对应的典型第二设备运行表征向量对初始的设备运行数据分析网络进行网络优化处理,示例性地,在网络优化处理的过程中,可以拉近所述典型数据组合中匹配的典型智慧家居用户对应的典型第二设备运行表征向量之间的向量匹配参数,可以拉远所述典型数据组合中匹配的典型智慧家居用户对应的典型第二设备运行表征向量之间的向量匹配参数。
可以选择的是,在一些实施方式中,所述确定出多个典型智慧家居用户,以及,依据多个所述典型智慧家居用户的匹配用户数量,确定出多个典型数据组合的步骤,可以进一步包括以下的内容:
确定出多个典型智慧家居用户;
依据多个所述典型智慧家居用户的匹配用户数量,分析出多个所述典型智慧家居用户中每两个典型智慧家居用户之间的匹配参数;
在多个所述典型智慧家居用户中筛选出多个待确认典型数据组合,每一个所述待确认典型数据组合包括三个典型智慧家居用户,每两个待确认典型数据组合之间包括典型智慧家居用户不完全一致;
在所述多个待确认典型数据组合中,确定出典型数据组合,所述典型数据组合中具有两个典型智慧家居用户之间的匹配参数大于预先配置的参考匹配参数(如前述的匹配的,也就是说,在所述典型数据组合中,可以拉近该两个典型智慧家居用户对应的典型第二设备运行表征向量之间的向量匹配参数),所述典型数据组合中还具有两个典型智慧家居用户之间的匹配参数小于所述参考匹配参数(如前述的不匹配的,也就是说,在所述典型数据组合中,可以拉远该两个典型智慧家居用户对应的典型第二设备运行表征向量之间的向量匹配参数)。
其中,可以选择的是,在一些实施方式中,所述依据多个所述典型智慧家居用户的匹配用户数量,分析出多个所述典型智慧家居用户中每两个典型智慧家居用户之间的匹配参数的步骤,可以进一步包括以下的内容:
对于每两个典型智慧家居用户:
确定出所述两个典型智慧家居用户中每一个所述典型智慧家居用户对应的匹配用户数量;
确定出所述两个典型智慧家居用户之间的共同匹配用户数量;
分析出与所述共同匹配用户数量之间具有正相关关系、与每一个所述典型智慧家居用户对应的匹配用户数量之间具有负相关关系的参数,以作为所述两个典型智慧家居用户之间的匹配参数。
可以选择的是,在一些实施方式中,所述在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户的步骤,可以包括以下的内容:
对于所述多个智慧家居用户中的每一个智慧家居用户,基于所述用户匹配关系,确定出该智慧家居用户对应的每一个匹配智慧家居用户,并该智慧家居用户对应的匹配智慧家居用户的数量进行统计;
在对应的匹配智慧家居用户的数量大于或等于预先配置的参考数量的情况下,将对应的智慧家居用户确定为候选智慧家居用户,所述参考数量的具体数值不受限制,如2、3、4、5、6等数值;
在确定出的每一个所述候选智慧家居用户中,(可以是任意的)选择出一个候选智慧家居用户,以标记为信息推荐的待处理智慧家居用户。
可以选择的是,在一些实施方式中,所述基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据的步骤,可以包括以下的内容:
采集到所述待处理智慧家居用户对应的用户行为特征信息,得到第一用户行为特征信息,并采集到每一个所述匹配智慧家居用户对应的用户行为特征信息,得到第二用户行为特征信息;
对所述第一用户行为特征信息进行关键信息挖掘操作,以形成对应的第一用户行为表征向量,并对每一个所述第二用户行为特征信息进行关键信息挖掘操作,以形成对应的第二用户行为表征向量;
基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
可以选择的是,在一些实施方式中,所述基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据的步骤,可以进一步包括以下的内容:
对于每一个所述第二用户行为表征向量,基于该第二用户行为表征向量,对所述第一用户行为表征向量进行强化操作,以形成所述第一用户行为表征向量对应的一个强化用户行为表征向量;
基于所述第一用户行为表征向量对应的每一个强化用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
可以选择的是,在一些实施方式中,所述对于每一个所述第二用户行为表征向量,基于该第二用户行为表征向量,对所述第一用户行为表征向量进行强化操作,以形成所述第一用户行为表征向量对应的一个强化用户行为表征向量的步骤,可以进一步包括以下的内容:
对所述第二用户行为表征向量进行转置操作,以形成所述第二用户行为表征向量对应的转置第二用户行为表征向量,以及,确定出所述第一用户行为表征向量的向量维度,得到第一维度数量;
对所述转置第二用户行为表征向量和所述第一用户行为表征向量进行相乘处理,以输出对应的相关性表征向量,以及,将所述相关性表征向量除以所述第一维度数量,以形成对应的调整相关性表征向量;
对所述调整相关性表征向量进行向量参数的映射处理(如映射到区间0-1),以形成所述调整相关性表征向量对应的映射表征向量,以及,对所述映射表征向量和所述第二用户行为表征向量行相乘处理,以输出所述第一用户行为表征向量对应的一个强化用户行为表征向量。
可以选择的是,在一些实施方式中,所述基于所述第一用户行为表征向量对应的每一个强化用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据的步骤,可以进一步包括以下的内容:
对所述第一用户行为表征向量对应的每一个强化用户行为表征向量进行级联组合处理,以形成级联组合行为表征向量;
将所述级联组合行为表征向量进行线性整合操作,以输出所述待处理智慧家居用户对应的线性整合表征向量,并对所述线性整合表征向量进行向量参数的压缩操作,以形成对应的压缩的线性整合表征向量;
对于多个候选推荐数据中的每一个候选推荐数据,对该候选推荐数据进行关键信息挖掘操作,输出该候选推荐数据对应的推荐表征向量,并确定该推荐表征向量和所述压缩的线性整合表征向量之间的向量匹配参数;
在每一个所述候选推荐数据对应的推荐表征向量和所述压缩的线性整合表征向量之间的向量匹配参数中,确定出目标向量匹配参数(如最大的一个向量匹配参数),以及,将所述目标向量匹配参数对应的候选推荐数据作为所述待处理智慧家居用户的目标推荐数据(如推送给对应的用户终端设备),所述候选推荐数据为文本数据或图像数据。
结合图3,本发明实施例还提供一种基于智慧家居的用户信息推荐***,可应用于上述基于智慧家居的用户信息推荐平台。其中,所述基于智慧家居的用户信息推荐***可以包括:
用户匹配处理模块,用于基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系;
推荐用户确定模块,用于在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;
匹配用户确定模块,用于在所述多个智慧家居用户中,基于所述用户匹配关系,确定出待处理智慧家居用户对应的每一个匹配智慧家居用户;
用户信息推荐模块,用于基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据,所述用户行为特征信息用于反映对应的智慧家居用户的用户行为。
可以选择的是,在一些实施方式中,所述推荐用户确定模块具体用于:
对于所述多个智慧家居用户中的每一个智慧家居用户,基于所述用户匹配关系,确定出该智慧家居用户对应的每一个匹配智慧家居用户,并该智慧家居用户对应的匹配智慧家居用户的数量进行统计;
在对应的匹配智慧家居用户的数量大于或等于预先配置的参考数量的情况下,将对应的智慧家居用户确定为候选智慧家居用户;
在确定出的每一个所述候选智慧家居用户中,选择出一个候选智慧家居用户,以标记为信息推荐的待处理智慧家居用。
可以选择的是,在一些实施方式中,所述用户信息推荐模块具体用于:
采集到所述待处理智慧家居用户对应的用户行为特征信息,得到第一用户行为特征信息,并采集到每一个所述匹配智慧家居用户对应的用户行为特征信息,得到第二用户行为特征信息;
对所述第一用户行为特征信息进行关键信息挖掘操作,以形成对应的第一用户行为表征向量,并对每一个所述第二用户行为特征信息进行关键信息挖掘操作,以形成对应的第二用户行为表征向量;
基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
综上所述,本发明提供的一种基于智慧家居的用户信息推荐方法及***,可以基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在多个智慧家居用户中确定出用户匹配关系;在多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;在多个智慧家居用户中,基于用户匹配关系,确定出待处理智慧家居用户对应的每一个匹配智慧家居用户;基于待处理智慧家居用户对应的用户行为特征信息和每一个匹配智慧家居用户对应的用户行为特征信息,对待处理智慧家居用户进行用户信息推荐操作,确定出待处理智慧家居用户的目标推荐数据。基于此,由于在进行用户信息推荐操作中,不仅将待处理智慧家居用户对应的用户行为特征信息作为依据,还将对应的匹配智慧家居用户对应的用户行为特征信息作为依据,使得依据可以更为充分,因此,可以提高用户信息推荐的可靠度,从而改善现有技术中存在的可靠度不佳的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于智慧家居的用户信息推荐方法,其特征在于,包括:
基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系;
在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;
在所述多个智慧家居用户中,基于所述用户匹配关系,确定出所述待处理智慧家居用户对应的每一个匹配智慧家居用户;
基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据,所述用户行为特征信息用于反映对应的智慧家居用户的用户行为。
2.如权利要求1所述的基于智慧家居的用户信息推荐方法,其特征在于,所述在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户的步骤,包括:
对于所述多个智慧家居用户中的每一个智慧家居用户,基于所述用户匹配关系,确定出该智慧家居用户对应的每一个匹配智慧家居用户,并该智慧家居用户对应的匹配智慧家居用户的数量进行统计;
在对应的匹配智慧家居用户的数量大于或等于预先配置的参考数量的情况下,将对应的智慧家居用户确定为候选智慧家居用户;
在确定出的每一个所述候选智慧家居用户中,选择出一个候选智慧家居用户,以标记为信息推荐的待处理智慧家居用户。
3.如权利要求1所述的基于智慧家居的用户信息推荐方法,其特征在于,所述基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据的步骤,包括:
采集到所述待处理智慧家居用户对应的用户行为特征信息,得到第一用户行为特征信息,并采集到每一个所述匹配智慧家居用户对应的用户行为特征信息,得到第二用户行为特征信息;
对所述第一用户行为特征信息进行关键信息挖掘操作,以形成对应的第一用户行为表征向量,并对每一个所述第二用户行为特征信息进行关键信息挖掘操作,以形成对应的第二用户行为表征向量;
基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
4.如权利要求3所述的基于智慧家居的用户信息推荐方法,其特征在于,所述基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据的步骤,包括:
对于每一个所述第二用户行为表征向量,基于该第二用户行为表征向量,对所述第一用户行为表征向量进行强化操作,以形成所述第一用户行为表征向量对应的一个强化用户行为表征向量;
基于所述第一用户行为表征向量对应的每一个强化用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
5.如权利要求4所述的基于智慧家居的用户信息推荐方法,其特征在于,所述对于每一个所述第二用户行为表征向量,基于该第二用户行为表征向量,对所述第一用户行为表征向量进行强化操作,以形成所述第一用户行为表征向量对应的一个强化用户行为表征向量的步骤,包括:
对所述第二用户行为表征向量进行转置操作,以形成所述第二用户行为表征向量对应的转置第二用户行为表征向量,以及,确定出所述第一用户行为表征向量的向量维度,得到第一维度数量;
对所述转置第二用户行为表征向量和所述第一用户行为表征向量进行相乘处理,以输出对应的相关性表征向量,以及,将所述相关性表征向量除以所述第一维度数量,以形成对应的调整相关性表征向量;
对所述调整相关性表征向量进行向量参数的映射处理,以形成所述调整相关性表征向量对应的映射表征向量,以及,对所述映射表征向量和所述第二用户行为表征向量行相乘处理,以输出所述第一用户行为表征向量对应的一个强化用户行为表征向量。
6.如权利要求4所述的基于智慧家居的用户信息推荐方法,其特征在于,所述基于所述第一用户行为表征向量对应的每一个强化用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据的步骤,包括:
对所述第一用户行为表征向量对应的每一个强化用户行为表征向量进行级联组合处理,以形成级联组合行为表征向量;
将所述级联组合行为表征向量进行线性整合操作,以输出所述待处理智慧家居用户对应的线性整合表征向量,并对所述线性整合表征向量进行向量参数的压缩操作,以形成对应的压缩的线性整合表征向量;
对于多个候选推荐数据中的每一个候选推荐数据,对该候选推荐数据进行关键信息挖掘操作,输出该候选推荐数据对应的推荐表征向量,并确定该推荐表征向量和所述压缩的线性整合表征向量之间的向量匹配参数;
在每一个所述候选推荐数据对应的推荐表征向量和所述压缩的线性整合表征向量之间的向量匹配参数中,确定出目标向量匹配参数,以及,将所述目标向量匹配参数对应的候选推荐数据作为所述待处理智慧家居用户的目标推荐数据,所述候选推荐数据为文本数据或图像数据。
7.如权利要求1-6任意一项所述的基于智慧家居的用户信息推荐方法,其特征在于,所述基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系的步骤,包括:
提取到第一智慧家居用户对应的多个智慧家居设备运行数据,所述第一智慧家居用户和第二智慧家居用户之间具有匹配关系,所述智慧家居设备运行数据至少用于反映所述第一智慧家居用户对对应的智慧家居设备的使用情况;
将所述多个智慧家居设备运行数据进行数据分解操作,以形成每一个所述智慧家居设备运行数据对应的多个局部设备运行数据,以及,将每一个所述智慧家居设备运行数据对应的多个局部设备运行数据进行筛选操作,以形成每一个所述局部设备运行数据对应的目标设备运行行为,每一个所述局部设备运行数据包括多个设备运行行为;
分别对每一个所述局部设备运行数据对应的目标设备运行行为进行关键信息挖掘操作,以输出每一个所述局部设备运行数据对应的行为关键信息表征向量,以及,依据所述行为关键信息表征向量,分析出所述第一智慧家居用户对应的第一设备运行表征向量;
将所述第一智慧家居用户对应的第一设备运行表征向量进行强化操作,以形成所述第一智慧家居用户对应的第二设备运行表征向量;
依据所述第一智慧家居用户对应的第二设备运行表征向量,筛选出匹配的第三智慧家居用户,以及,对所述第三智慧家居用户进行关于所述第二智慧家居用户的用户匹配操作,使得所述第一智慧家居用户、所述第三智慧家居用户和所述第二智慧家居用户之间相互具有匹配关系。
8.一种基于智慧家居的用户信息推荐***,其特征在于,包括:
用户匹配处理模块,用于基于对应的智慧家居设备运行数据,将多个智慧家居用户进行用户匹配处理,以在所述多个智慧家居用户中确定出用户匹配关系;
推荐用户确定模块,用于在所述多个智慧家居用户中,确定出信息推荐的待处理智慧家居用户;
匹配用户确定模块,用于在所述多个智慧家居用户中,基于所述用户匹配关系,确定出待处理智慧家居用户对应的每一个匹配智慧家居用户;
用户信息推荐模块,用于基于所述待处理智慧家居用户对应的用户行为特征信息和每一个所述匹配智慧家居用户对应的用户行为特征信息,对所述待处理智慧家居用户进行用户信息推荐操作,确定出所述待处理智慧家居用户的目标推荐数据,所述用户行为特征信息用于反映对应的智慧家居用户的用户行为。
9.如权利要求8所述的基于智慧家居的用户信息推荐***,其特征在于,所述推荐用户确定模块具体用于:
对于所述多个智慧家居用户中的每一个智慧家居用户,基于所述用户匹配关系,确定出该智慧家居用户对应的每一个匹配智慧家居用户,并该智慧家居用户对应的匹配智慧家居用户的数量进行统计;
在对应的匹配智慧家居用户的数量大于或等于预先配置的参考数量的情况下,将对应的智慧家居用户确定为候选智慧家居用户;
在确定出的每一个所述候选智慧家居用户中,选择出一个候选智慧家居用户,以标记为信息推荐的待处理智慧家居用户。
10.如权利要求8所述的基于智慧家居的用户信息推荐***,其特征在于,所述用户信息推荐模块具体用于:
采集到所述待处理智慧家居用户对应的用户行为特征信息,得到第一用户行为特征信息,并采集到每一个所述匹配智慧家居用户对应的用户行为特征信息,得到第二用户行为特征信息;
对所述第一用户行为特征信息进行关键信息挖掘操作,以形成对应的第一用户行为表征向量,并对每一个所述第二用户行为特征信息进行关键信息挖掘操作,以形成对应的第二用户行为表征向量;
基于所述第一用户行为表征向量和所述第二用户行为表征向量,对所述待处理智慧家居用户进行用户信息推荐操作,以在多个候选推荐数据中确定出所述待处理智慧家居用户的目标推荐数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364522.5A CN117349531A (zh) | 2023-10-20 | 2023-10-20 | 一种基于智慧家居的用户信息推荐方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364522.5A CN117349531A (zh) | 2023-10-20 | 2023-10-20 | 一种基于智慧家居的用户信息推荐方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117349531A true CN117349531A (zh) | 2024-01-05 |
Family
ID=89362769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311364522.5A Pending CN117349531A (zh) | 2023-10-20 | 2023-10-20 | 一种基于智慧家居的用户信息推荐方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349531A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118042A (zh) * | 2018-07-03 | 2019-01-01 | 康佳集团股份有限公司 | 基于智慧家庭生活管家的电视应用处理方法、终端及介质 |
KR102024722B1 (ko) * | 2018-10-31 | 2019-11-04 | 이승보 | 인공지능 추천을 이용한 o2o 마케팅을 위한 시스템 및 방법 |
CN113391559A (zh) * | 2021-06-30 | 2021-09-14 | 青岛海信智慧生活科技股份有限公司 | 智慧家居设备控制方法和终端设备 |
CN114755933A (zh) * | 2022-04-14 | 2022-07-15 | 珠海格力电器股份有限公司 | 基于智能家居的场景的推荐方法以及其推荐装置 |
CN115187345A (zh) * | 2022-09-13 | 2022-10-14 | 深圳装速配科技有限公司 | 智能家居建材推荐方法、装置、设备及存储介质 |
WO2022218038A1 (zh) * | 2021-04-15 | 2022-10-20 | 海尔(深圳)研发有限责任公司 | 用于智慧家居***中环境控制的方法、装置、设备及*** |
CN115327934A (zh) * | 2022-07-22 | 2022-11-11 | 青岛海尔科技有限公司 | 智能家居场景推荐方法、***、存储介质及电子装置 |
WO2023000945A1 (zh) * | 2021-07-21 | 2023-01-26 | 青岛海信智慧生活科技股份有限公司 | 一种设备联动方案推荐方法、设备及介质 |
-
2023
- 2023-10-20 CN CN202311364522.5A patent/CN117349531A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118042A (zh) * | 2018-07-03 | 2019-01-01 | 康佳集团股份有限公司 | 基于智慧家庭生活管家的电视应用处理方法、终端及介质 |
KR102024722B1 (ko) * | 2018-10-31 | 2019-11-04 | 이승보 | 인공지능 추천을 이용한 o2o 마케팅을 위한 시스템 및 방법 |
WO2022218038A1 (zh) * | 2021-04-15 | 2022-10-20 | 海尔(深圳)研发有限责任公司 | 用于智慧家居***中环境控制的方法、装置、设备及*** |
CN113391559A (zh) * | 2021-06-30 | 2021-09-14 | 青岛海信智慧生活科技股份有限公司 | 智慧家居设备控制方法和终端设备 |
WO2023000945A1 (zh) * | 2021-07-21 | 2023-01-26 | 青岛海信智慧生活科技股份有限公司 | 一种设备联动方案推荐方法、设备及介质 |
CN114755933A (zh) * | 2022-04-14 | 2022-07-15 | 珠海格力电器股份有限公司 | 基于智能家居的场景的推荐方法以及其推荐装置 |
CN115327934A (zh) * | 2022-07-22 | 2022-11-11 | 青岛海尔科技有限公司 | 智能家居场景推荐方法、***、存储介质及电子装置 |
CN115187345A (zh) * | 2022-09-13 | 2022-10-14 | 深圳装速配科技有限公司 | 智能家居建材推荐方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
尹德帅;王淼;崔九梅;: "基于智慧家庭的端云协同架构设计与研究", 电子设计工程, no. 06, 20 March 2020 (2020-03-20) * |
王颖纯;董雪敏;刘燕权;: "基于知识挖掘的图书馆智慧推荐服务模式", 图书馆学研究, no. 09, 15 May 2018 (2018-05-15) * |
马费成;周利琴;: "面向智慧健康的知识管理与服务", 中国图书馆学报, no. 05, 20 September 2018 (2018-09-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028006B (zh) | 一种业务投放辅助方法、业务投放方法及相关装置 | |
CN115718846B (zh) | 用于智能化交互网络的大数据挖掘方法及*** | |
CN107038165B (zh) | 一种业务参数获取方法及装置 | |
CN115687674A (zh) | 服务于智慧云服务平台的大数据需求分析方法及*** | |
CN116109630A (zh) | 基于传感器采集和人工智能的图像分析方法及*** | |
CN116740325B (zh) | 一种基于展馆场景三维效果设计的图像拼接方法及*** | |
CN117271522A (zh) | 一种物流数据的处理方法及*** | |
CN111581499B (zh) | 一种数据归一化方法、装置、设备及可读存储介质 | |
CN115757900B (zh) | 应用人工智能模型的用户需求分析方法及*** | |
CN116610745B (zh) | 应用数字孪生技术的ai场景信息推送处理方法及*** | |
CN113297061A (zh) | 测试用例生成方法、装置、***、离线服务器及存储介质 | |
CN117290420A (zh) | 一种用于财务数据提取的企业财务管理方法及*** | |
CN117349531A (zh) | 一种基于智慧家居的用户信息推荐方法及*** | |
CN115757978A (zh) | 应用于在线电商平台的大数据挖掘方法及*** | |
CN116361440A (zh) | 基于人工智能的数字金融产品会话交互方法及*** | |
CN117216587A (zh) | 一种基于智慧家居的用户匹配方法及*** | |
CN110059757B (zh) | 混合信号的分类方法、装置及电子设备 | |
CN116150221B (zh) | 服务于企业电商运营管理的信息交互方法及*** | |
CN113836402B (zh) | 一种基于数据处理的订单筛选方法 | |
CN115375412B (zh) | 基于图像识别的商品智能推荐处理方法及*** | |
CN113010735B (zh) | 一种视频分类方法、装置、电子设备及存储介质 | |
CN116501285A (zh) | 基于虚拟数字形象交互的ai对话处理方法及数字化*** | |
CN116680323B (zh) | 基于大数据安全平台的用户需求挖掘方法及*** | |
CN116186402A (zh) | 用于大数据平台的产品舆情分析方法及*** | |
CN117411821A (zh) | 一种基于通信路径匹配的数据传输方法及*** |
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 |