WO2019052430A1 - 移动终端的自助服务方法及装置 - Google Patents
移动终端的自助服务方法及装置 Download PDFInfo
- Publication number
- WO2019052430A1 WO2019052430A1 PCT/CN2018/104888 CN2018104888W WO2019052430A1 WO 2019052430 A1 WO2019052430 A1 WO 2019052430A1 CN 2018104888 W CN2018104888 W CN 2018104888W WO 2019052430 A1 WO2019052430 A1 WO 2019052430A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- mobile terminal
- user
- characterization data
- operation behavior
- item
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/725—Cordless telephones
Definitions
- the present invention relates to the field of terminal equipment technologies, and in particular, to a self-service method and apparatus for a mobile terminal.
- the use of the intelligent voice assistant on the mobile terminal is passive, that is, the user needs to actively wake up the intelligent voice assistant and clearly put forward his own needs, and then the smart voice assistant responds to the user's needs and executes, for example, the user needs to open the music.
- the intelligent voice assistant opens the music player to play music according to the user's needs, which causes the intelligent voice assistant to help the user little, reduces the use efficiency of the intelligent voice assistant, and affects the user's experience with the intelligent voice assistant.
- the present invention aims to solve at least one of the technical problems in the related art to some extent.
- a third object of the present invention is to provide another self-service device for a mobile terminal.
- a fourth object of the present invention is to provide a non-transitory computer readable storage medium.
- a fifth object of the present invention is to provide a computer program product.
- Querying a preset usage habit model according to the characterization data acquiring at least one operation behavior that matches the characterization data and an occurrence probability of the at least one operation behavior;
- the user is provided with a reminder according to at least one operational behavior in which the probability of occurrence is greater than a preset threshold.
- the method further includes:
- the method further includes:
- the method further includes:
- the to-do list further includes: a to-do person
- the method further includes:
- the other person is provided with a reminding item according to the to-do item.
- the operation behavior of the reminder item reminder is executed.
- to-do item is a voice to-do list
- the obtaining the to-do item of the mobile terminal user includes:
- the self-service method of the mobile terminal in the embodiment of the present invention obtains the current characterization data of the mobile terminal.
- the characterization data includes: the user uses at least one environment parameter information of the mobile terminal; and the preset usage habit model is obtained according to the characterization data, and the characterization and acquisition are performed. At least one operation behavior of the data matching and an occurrence probability of the at least one operation behavior; acquiring at least one operation behavior that the corresponding occurrence probability is greater than a preset threshold; providing the user with a reminder according to the at least one operation behavior that the occurrence probability is greater than the preset threshold, thereby It can provide users with reminders in combination with the user's usage habits and current characterization data, improve the use efficiency of the intelligent voice assistant, and improve the user experience.
- An obtaining module configured to acquire current characterization data of the mobile terminal;
- the characterization data includes: at least one environment parameter information that is used by the user by using the mobile terminal;
- a query module configured to query a preset usage habit model according to the characterization data, acquire at least one operation behavior that matches the characterization data, and an occurrence probability of the at least one operation behavior;
- the reminding module is configured to provide the user with a reminding item according to at least one operation behavior that the occurrence probability is greater than a preset threshold.
- the device further includes:
- a training module configured to perform training on the historical operation behavior data of the mobile terminal user and the corresponding characterization data by using a deep learning algorithm to obtain the usage habit model;
- the usage habit model includes: each characterization data, and the user is in At least one operational behavior that may be performed under each of the characterization data and an occurrence probability of the at least one operational behavior.
- the device further includes:
- the acquiring module is further configured to acquire a to-do item of the mobile terminal user, where the to-do list includes: a time and a content of the item;
- the to-do list further includes: a to-do person
- the reminding module is further configured to provide a reminding item to the other personnel according to the to-do item when the to-do person includes other personnel than the mobile terminal user.
- to-do item is a voice to-do list
- the acquiring module is specifically configured to perform voice recognition and semantic recognition on the voice to-do list, and obtain a to-do item of the mobile terminal user.
- the third aspect of the present invention provides another self-service device for a mobile terminal, including: a memory, a processor, and a computer program stored on the memory and operable on the processor, wherein The self-service method of the mobile terminal as described above is implemented when the processor executes the program.
- a fourth aspect of the present invention provides a computer readable storage medium having stored thereon a computer program that, when executed by a processor, implements the self-service method of the mobile terminal as described above.
- a fifth aspect of the present invention provides a computer program product, which, when executed by an instruction processor in the computer program product, performs a self-service method of a mobile terminal, the method comprising:
- the user is provided with a reminder according to at least one operational behavior in which the probability of occurrence is greater than a preset threshold.
- FIG. 2 is a schematic diagram of a self-service device of a mobile terminal providing reminding items to a user;
- FIG. 3 is a schematic diagram of a self-service device of a mobile terminal acquiring a to-do list of a mobile terminal user;
- FIG. 5 is a schematic diagram of a self-service device of a mobile terminal acquiring a to-do list of a mobile terminal user, and the to-do list includes other personnel;
- FIG. 6 is a schematic diagram of a self-service device of a mobile terminal providing reminding items to other users according to a to-do list of a mobile terminal user;
- FIG. 7 is a schematic flowchart diagram of another self-service method for a mobile terminal according to an embodiment of the present disclosure.
- FIG. 8 is a schematic structural diagram of a self-service device of a mobile terminal according to an embodiment of the present disclosure.
- FIG. 9 is a schematic structural diagram of another self-service device of a mobile terminal according to an embodiment of the present disclosure.
- FIG. 10 is a schematic structural diagram of another self-service device of a mobile terminal according to an embodiment of the present disclosure.
- FIG. 11 is a schematic structural diagram of another self-service device of a mobile terminal according to an embodiment of the present invention.
- FIG. 1 is a schematic flowchart diagram of a self-service method for a mobile terminal according to an embodiment of the present invention. As shown in FIG. 1, the self-service method of the mobile terminal includes the following steps:
- the characterization data includes: at least one environment parameter information that the user uses the mobile terminal.
- the execution body of the self-service method of the mobile terminal provided by the present invention is a self-service device of the mobile terminal, and the self-service device of the mobile terminal may be hardware or software installed on the mobile terminal or a background server that can interact with the mobile terminal. Hardware or software.
- the self-service device of the mobile terminal may be a smart voice assistant installed on the mobile terminal.
- the current characterization data may include: current time, location, weather conditions, mobile status, mobile terminal usage, and the like.
- the moving condition may include: a moving speed, a moving acceleration, a moving direction, and the like.
- the mobile terminal usage may include the battery power of the mobile terminal.
- a locator can be set on the mobile terminal, for example, a GPS locator collects the above mobile status and location; the mobile terminal can interact with the weather server in real time to obtain the current weather condition.
- S102 Query a preset usage habit model according to the characterization data, and acquire at least one operation behavior that matches the characterization data and an occurrence probability of the at least one operation behavior.
- the usage habit model includes: each characterization data, and at least one operational behavior that the user may perform under each characterization data and an occurrence probability of the at least one operational behavior.
- the self-service device of the mobile terminal may compare the current characterization data with each characterization data in the usage habit model, acquire the same characterization data in the usage habit model, or have a similarity with the current characterization data greater than a preset similarity threshold. Similar characterization data; determining at least one operational behavior under the same characterization data or similar characterization data as an operational behavior that the mobile terminal user may perform under the current characterization data.
- the self-service device of the mobile terminal may determine the preset threshold according to at least one operation behavior that the user may perform under the respective characterization data and the occurrence probability of the at least one operation behavior according to the usage habit model.
- the preset threshold is determined based on an average of the probability of occurrence of at least one operational behavior that the user may perform under each of the characterization data.
- the self-service device of the mobile terminal may acquire an average value of occurrence probabilities of at least one operation behavior that may be performed under the characterization data for each characterization data in the usage habit model; and then determine a preset according to an average value corresponding to each characterization data. Threshold. For example, the average value of the number of occurrences is determined as a preset threshold.
- the reminding item may include: a name or content of at least one operation behavior whose occurrence probability is greater than a preset threshold.
- the method may further include: determining whether a positive reply of the user for the reminding item is received; and if the user receives an affirmative reply to the reminding item, determining whether the current characterization data satisfies the reminder The execution condition of the item; if the current characterization data satisfies the execution condition of the reminder item, the operation behavior of the reminder item reminder is executed.
- the current characterization data of the mobile terminal is acquired in real time, and when the current characterization data satisfies the execution condition of the reminding item, the operation behavior of the reminding item reminder is executed.
- FIG. 2 a schematic diagram of providing a reminder to a user of a self-service device of a mobile terminal, and "Do you want some music to help you wake up" in FIG. 2 is one of the self-service devices provided by the mobile terminal.
- Reminder for the reminder, the user gives a positive reply, and the self-service device of the mobile terminal plays music for the user according to the user's positive reply.
- the self-service device of the mobile terminal in FIG. 2 also provides a reminding item for the user to watch the weather condition.
- the self-service device of the mobile terminal provides the user with the current user according to the user's positive reply.
- Location weather conditions For the reminder item, the user gives a positive reply, and the self-service device of the mobile terminal provides the user with the current user according to the user's positive reply.
- the method may further include: acquiring a to-do item of the mobile terminal user, where the to-do list includes: a time and a content of the item; and providing a reminding item to the user according to the to-do item.
- the to-do list also includes: to-do staff.
- the method may further include: providing reminders to other personnel according to the to-do list when the to-do person includes other personnel than the mobile terminal user.
- the self-service device of the mobile terminal may first perform voice recognition and semantic recognition on the voice to-do list, acquire content of the voice to-do item, and determine according to the content. Mobile terminal user's to-do list.
- a schematic diagram of a mobile terminal user's to-do list is obtained for the self-service device of the mobile terminal.
- the mobile terminal user's to-do item reminds the user of the need for Saturday at 10:00 this morning. Wash your clothes.
- the self-service device of the mobile terminal provides a schematic diagram of reminding matters to the user according to the to-do list of the mobile terminal user.
- the mobile terminal user's to-do list is obtained for the self-service device of the mobile terminal, and the to-do list includes a schematic diagram of other personnel.
- the self-service device of the mobile terminal provides a reminder to other users according to the to-do list of the mobile terminal user.
- the self-service device of the mobile terminal can provide the charging reminding item to the user when the battery power of the mobile terminal is less than a preset value.
- the self-service method of the mobile terminal in the embodiment of the present invention obtains the current characterization data of the mobile terminal user;
- the characterization data includes: the user uses at least one environment parameter information of the mobile terminal; and queries the preset usage habit model according to the characterization data to obtain and Determining at least one operation behavior of the data matching and the occurrence probability of the at least one operation behavior; acquiring at least one operation behavior that the corresponding occurrence probability is greater than a preset threshold; providing the user with a reminding item according to the at least one operation behavior that the occurrence probability is greater than the preset threshold, Therefore, the user can be provided with a reminder according to the user's usage habits and the current characterization data, thereby improving the use efficiency of the intelligent voice assistant and improving the user experience.
- FIG. 7 is a schematic flowchart of another self-service method for a mobile terminal according to an embodiment of the present invention. As shown in FIG. 7 , on the basis of the embodiment shown in FIG. 1 , before step 101, the method may further include:
- the historical operation behavior data includes: an operation behavior of the user on each software on the mobile terminal.
- the historical operation behavior data may be operation behavior data of the mobile terminal user within a period of time, for example, the operation of the mobile terminal user within one month before the current time, within three months before the current time, or other historical time periods. Behavioral data.
- the self-service device or the mobile terminal of the mobile terminal may record at least one environmental parameter information of the user's operation behavior and the operation behavior occurrence time in real time during the user's use of the mobile terminal, so that the self-service device of the mobile terminal adjusts take.
- S106 Using a deep learning algorithm to train the historical operation behavior data of the mobile terminal user and the corresponding characterization data to obtain a usage habit model; the usage habit model includes: each characterization data, and at least one user may perform under each characterization data. The operational behavior and the probability of occurrence of at least one operational behavior.
- the self-service device of the mobile terminal may train the preset deep learning model according to the historical operation behavior data of the mobile terminal user and the corresponding characterization data to determine the value of each coefficient in the deep learning model.
- the input to the deep learning model can be characterizing the data, and the output can be at least one operational behavior and its probability of occurrence.
- each characterization data is substituted, and at least one operational behavior that the user may perform under each characterization data and an occurrence probability of at least one operational behavior are obtained.
- FIG. 8 is a schematic structural diagram of a self-service device of a mobile terminal according to an embodiment of the present invention. As shown in FIG. 8, the method includes: an obtaining module 81, a querying module 82, and a reminding module 83.
- the obtaining module 81 is configured to acquire current characterization data of the mobile terminal, where the characterization data includes: at least one environment parameter information that is used by the user by using the mobile terminal;
- the querying module 82 is configured to query a preset usage habit model according to the characterization data, and acquire at least one operation behavior that matches the characterization data and an occurrence probability of the at least one operation behavior;
- the obtaining module 81 is further configured to acquire at least one operation behavior that the occurrence probability is greater than a preset threshold
- the reminding module 83 is configured to provide the user with a reminding item according to at least one operation behavior that the occurrence probability is greater than a preset threshold.
- the self-service device of the mobile terminal provided by the present invention may be hardware or software installed on the mobile terminal, or hardware or software on a background server that can interact with the mobile terminal.
- the current characterization data may specifically include: current time, location, weather condition, mobile status, and the like.
- the moving condition may include: a moving speed, a moving acceleration, a moving direction, and the like.
- a locator can be set on the mobile terminal, for example, a GPS locator collects the above mobile status and location; the mobile terminal can interact with the weather server in real time to obtain the current weather condition.
- the usage habit model includes: each characterization data, and at least one operational behavior that the user may perform under each characterization data and an occurrence probability of at least one operational behavior.
- the self-service device of the mobile terminal may compare the current characterization data with each characterization data in the usage habit model, acquire the same characterization data in the usage habit model, or have a similarity with the current characterization data greater than a preset similarity threshold. Similar characterization data; determining at least one operational behavior under the same characterization data or similar characterization data as an operational behavior that the mobile terminal user may perform under the current characterization data.
- the obtaining module is further configured to: acquire a to-do item of the mobile terminal user, where the to-do list includes: a time and a content of the item; the reminding module is further configured to: according to the to-do item, to the The user provides reminders.
- the to-do list is a voice to-do list; the acquiring module is specifically configured to perform voice recognition and semantic recognition on the voice to-do list, and obtain a to-do item of the mobile terminal user.
- the to-do list further includes: a to-do person; the reminding module is further configured to: when the to-do person includes other personnel than the mobile terminal user, according to the to-do item The other person provides a reminder.
- the self-service device of the mobile terminal of the embodiment of the present invention acquires current characterization data of the mobile terminal user;
- the characterization data includes: the user uses at least one environment parameter information of the mobile terminal; and queries the preset usage habit model according to the characterization data to obtain and Determining at least one operation behavior of the data matching and the occurrence probability of the at least one operation behavior; acquiring at least one operation behavior that the corresponding occurrence probability is greater than a preset threshold; providing the user with a reminding item according to the at least one operation behavior that the occurrence probability is greater than the preset threshold, Therefore, the user can be provided with a reminder according to the user's usage habits and the current characterization data, thereby improving the use efficiency of the intelligent voice assistant and improving the user experience.
- the apparatus further includes: an acquisition module 84 and a training module 85.
- the collecting module 84 is configured to collect historical operating behavior data of the mobile terminal user and the characterization data corresponding to the historical operating behavior data; the historical operating behavior data includes: operation of each software on the mobile terminal by the user behavior;
- the historical operation behavior data may be operation behavior data of the mobile terminal user within a period of time, for example, the operation of the mobile terminal user within one month before the current time, within three months before the current time, or other historical time periods. Behavioral data.
- the self-service device or the mobile terminal of the mobile terminal may record at least one environmental parameter information of the user's operation behavior and the operation behavior occurrence time in real time during the user's use of the mobile terminal, so that the self-service device of the mobile terminal adjusts take.
- the self-service device of the mobile terminal may train the preset deep learning model according to the historical operation behavior data of the mobile terminal user and the corresponding characterization data to determine the value of each coefficient in the deep learning model.
- the input to the deep learning model can be characterizing the data, and the output can be at least one operational behavior and its probability of occurrence.
- each characterization data is substituted, and at least one operational behavior that the user may perform under each characterization data and an occurrence probability of at least one operational behavior are obtained.
- the apparatus further includes: a determining module, configured to determine, according to at least one operation behavior that the user may perform under each of the characterization data and an occurrence probability of the at least one operation behavior, Preset thresholds.
- the preset threshold is determined based on an average of the probability of occurrence of at least one operational behavior that the user may perform under each of the characterization data.
- the self-service device of the mobile terminal may acquire an average value of occurrence probabilities of at least one operation behavior that may be performed under the characterization data for each characterization data in the usage habit model; and then determine a preset according to an average value corresponding to each characterization data. Threshold. For example, the average value of the number of occurrences is determined as a preset threshold.
- the self-service device of the mobile terminal of the embodiment of the present invention collects historical operation behavior data of the mobile terminal user and the characterization data corresponding to the historical operation behavior data;
- the historical operation behavior data includes: user operation behavior of each software on the mobile terminal
- the deep learning algorithm is used to train the historical operation behavior data of the mobile terminal user and the corresponding characterization data to obtain a usage habit model;
- the usage habit model includes: each characterization data, and at least one operation that the user may perform under each characterization data.
- Provide reminders to the user, enabling binding to the user's habits and the current characterization data provide alerts to users, improve the efficiency of the use of intelligent voice assistant, improve the user experience.
- the apparatus further includes: a determining module 86 and an executing module 87.
- the determining module 86 is configured to determine whether an affirmative reply of the user for the reminding item is received.
- the current characterization data of the mobile terminal is acquired in real time, and when the current characterization data satisfies the execution condition of the reminding item, the operation behavior of the reminding item reminder is executed.
- FIG. 11 is a schematic structural diagram of another self-service device of a mobile terminal according to an embodiment of the present invention.
- the self-service device of the mobile terminal includes:
- the self-service method of the mobile terminal provided in the above embodiment is implemented when the processor 1002 executes the program.
- the communication interface 1003 is used for communication between the memory 1001 and the processor 1002.
- the memory 1001 is configured to store a computer program executable on the processor 1002.
- the processor 1002 is configured to implement the self-service method of the mobile terminal described in the foregoing embodiment when the program is executed.
- the bus may be an Industry Standard Architecture (ISA) bus, a Peripheral Component (PCI) bus, or an Extended Industry Standard Architecture (EISA) bus. Wait.
- ISA Industry Standard Architecture
- PCI Peripheral Component
- EISA Extended Industry Standard Architecture
- the bus can be divided into an address bus, a data bus, a control bus, and the like. For ease of representation, only one thick line is shown in Figure 11, but it does not mean that there is only one bus or one type of bus.
- the memory 1001, the processor 1002, and the communication interface 1003 are integrated and implemented on one chip, the memory 1001, the processor 1002, and the communication interface 1003 can complete communication with each other through an internal interface.
- the processor 1002 may be a central processing unit (CPU), or an application specific integrated circuit (ASIC), or one or more configured to implement the embodiments of the present invention. integrated circuit.
- CPU central processing unit
- ASIC application specific integrated circuit
- the present invention also provides a computer readable storage medium having stored thereon a computer program that, when executed by a processor, implements the self-service method of the mobile terminal as described above.
- first and second are used for descriptive purposes only and are not to be construed as indicating or implying a relative importance or implicitly indicating the number of technical features indicated.
- features defining “first” and “second” may include at least one of the features, either explicitly or implicitly.
- the meaning of "a plurality” is at least two, such as two, three, etc., unless specifically defined otherwise.
- a "computer-readable medium” can be any apparatus that can contain, store, communicate, propagate, or transport a program for use in an instruction execution system, apparatus, or device, or in conjunction with the instruction execution system, apparatus, or device.
- computer readable media include the following: electrical connections (electronic devices) having one or more wires, portable computer disk cartridges (magnetic devices), random access memory (RAM), Read only memory (ROM), erasable editable read only memory (EPROM or flash memory), fiber optic devices, and portable compact disk read only memory (CDROM).
- the computer readable medium may even be a paper or other suitable medium on which the program can be printed, as it may be optically scanned, for example by paper or other medium, followed by editing, interpretation or, if appropriate, other suitable The method is processed to obtain the program electronically and then stored in computer memory.
- portions of the invention may be implemented in hardware, software, firmware or a combination thereof.
- multiple steps or methods may be implemented in software or firmware stored in a memory and executed by a suitable instruction execution system.
- a suitable instruction execution system For example, if implemented in hardware and in another embodiment, it can be implemented by any one or combination of the following techniques well known in the art: discrete with logic gates for implementing logic functions on data signals Logic circuits, application specific integrated circuits with suitable combinational logic gates, programmable gate arrays (PGAs), field programmable gate arrays (FPGAs), and the like.
- the above mentioned storage medium may be a read only memory, a magnetic disk or an optical disk or the like.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephone Function (AREA)
Abstract
本发明提出一种移动终端的自助服务方法及装置，其中方法包括：通过获取移动终端用户当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
Description
相关申请的交叉引用
本申请要求北京金山安全软件有限公司于2017年9月18日提交的、发明名称为“移动终端的自助服务方法及装置”的、中国专利申请号“201710842696.6”的优先权。
本发明涉及终端设备技术领域，尤其涉及一种移动终端的自助服务方法及装置。
目前，移动终端上智能语音助手的使用方式是被动的，即需要用户主动唤醒智能语音助手、并明确提出自己的需求，然后由智能语音助手对用户的需求进行响应并执行，例如用户需要打开音乐播放器播放音乐，则智能语音助手根据用户的需求打开音乐播放器播放音乐，导致智能语音助手对用户的帮助不大，降低了智能语音助手的使用效率，影响用户对智能语音助手的使用体验。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种移动终端的自助服务方法，用于解决现有技术中智能语音助手的使用效率低，用户对智能语音助手的使用体验差的问题。
本发明的第二个目的在于提出一种移动终端的自助服务装置。
本发明的第三个目的在于提出另一种移动终端的自助服务装置。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
本发明的第五个目的在于提出一种计算机程序产品。
为达上述目的，本发明第一方面实施例提出了一种移动终端的自助服务方法，包括：
获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；
根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；
获取对应的发生概率大于预设阈值的至少一个操作行为；
根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
进一步的，所述获取移动终端当前的表征数据之前，还包括：
采集移动终端用户的历史操作行为数据，以及与所述历史操作行为数据对应的表征数据；所述历史操作行为数据包括：用户对所述移动终端上各软件的操作行为；
采用深度学习算法对所述移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到所述使用习惯模型；所述使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率。
进一步的，所述获取移动终端当前的表征数据之前，还包括：
根据用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率，确定所述预设阈值。
进一步的，所述的方法还包括：
获取移动终端用户的待办事项，所述待办事项包括：时间以及事项内容；
根据所述待办事项，向所述用户提供提醒事项。
进一步的，所述待办事项还包括：待办人员；
所述的方法还包括：
在所述待办人员包括除所述移动终端用户之外的其他人员时，根据所述待办事项向所述其他人员提供提醒事项。
进一步的，所述根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项之后，还包括：
判断是否接收到所述用户针对所述提醒事项的肯定答复；
若接收到所述用户针对所述提醒事项的肯定答复，则判断当前的表征数据是否满足所述提醒事项的执行条件；
若当前的表征数据满足所述提醒事项的执行条件，则执行所述提醒事项提醒的操作行为。
进一步的，所述待办事项为语音待办事项；
所述获取移动终端用户的待办事项，包括：
对所述语音待办事项进行语音识别和语义识别，获取移动终端用户的待办事项。
本发明实施例的移动终端的自助服务方法，通过获取移动终端当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
为达上述目的，本发明第二方面实施例提出了一种移动终端的自助服务装置，包括：
获取模块，用于获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；
查询模块，用于根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；
所述获取模块，还用于获取对应的发生概率大于预设阈值的至少一个操作行为；
提醒模块，用于根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
进一步的，所述的装置还包括：
采集模块，用于采集移动终端用户的历史操作行为数据，以及与所述历史操作行为数据对应的表征数据；所述历史操作行为数据包括：用户对所述移动终端上各软件的操作行为；
训练模块，用于采用深度学习算法对所述移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到所述使用习惯模型；所述使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率。
进一步的，所述的装置还包括：
确定模块，用于根据用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率，确定所述预设阈值。
进一步的，所述获取模块还用于，获取移动终端用户的待办事项，所述待办事项包括：时间以及事项内容；
所述提醒模块还用于，根据所述待办事项，向所述用户提供提醒事项。
进一步的，所述待办事项还包括：待办人员；
所述提醒模块还用于，在所述待办人员包括除所述移动终端用户之外的其他人员时，根据所述待办事项向所述其他人员提供提醒事项。
进一步的，所述的装置还包括：
判断模块，用于判断是否接收到所述用户针对所述提醒事项的肯定答复；
所述判断模块还用于，在接收到所述用户针对所述提醒事项的肯定答复时，判断当前的表征数据是否满足所述提醒事项的执行条件；
执行模块，用于在当前的表征数据满足所述提醒事项的执行条件时，执行所述提醒事项提醒的操作行为。
进一步的，所述待办事项为语音待办事项；
所述获取模块具体用于，对所述语音待办事项进行语音识别和语义识别，获取移动终端 用户的待办事项。
本发明实施例的移动终端的自助服务装置，通过获取移动终端当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
为达上述目的，本发明第三方面实施例提出了另一种移动终端的自助服务装置，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，其特征在于，所述处理器执行所述程序时实现如上所述的移动终端的自助服务方法。
为了实现上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的移动终端的自助服务方法。
为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种移动终端的自助服务方法，所述方法包括：
获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；
根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；
获取对应的发生概率大于预设阈值的至少一个操作行为；
根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的一种移动终端的自助服务方法的流程示意图；
图2为移动终端的自助服务装置向用户提供提醒事项的示意图；
图3移动终端的自助服务装置获取移动终端用户的待办事项的示意图；
图4为移动终端的自助服务装置根据移动终端用户的待办事项向用户提供提醒事项的示意图；
图5为移动终端的自助服务装置获取移动终端用户的待办事项，且待办事项包括其他人员的示意图；
图6为移动终端的自助服务装置根据移动终端用户的待办事项向其他用户提供提醒事项的示意图；
图7为本发明实施例提供的另一种移动终端的自助服务方法的流程示意图；
图8为本发明实施例提供的一种移动终端的自助服务装置的结构示意图；
图9为本发明实施例提供的另一种移动终端的自助服务装置的结构示意图；
图10为本发明实施例提供的另一种移动终端的自助服务装置的结构示意图；
图11为本发明实施例提供的另一种移动终端的自助服务装置的结构示意图。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的移动终端的自助服务方法及装置。
图1为本发明实施例提供的一种移动终端的自助服务方法的流程示意图。如图1所示，该移动终端的自助服务方法包括以下步骤：
S101、获取移动终端当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息。
本发明提供的移动终端的自助服务方法的执行主体为移动终端的自助服务装置，移动终端的自助服务装置可以为安装在移动终端上的硬件或者软件，或者可以与移动终端进行交互的后台服务器上的硬件或者软件。例如，移动终端的自助服务装置可以为安装在移动终端上的智能语音助手。
本实施例中，当前的表征数据可以包括：当前的时间、地点、天气情况、移动状况、移动终端使用情况等参数。其中，移动状况可以包括：移动速度、移动加速度、移动方向等。移动终端使用情况可以包括移动终端的电池电量。移动终端上可以设置***，例如GPS***采集上述移动状况以及地点；移动终端可以实时与天气服务器等进行交互，获取当前的天气情况。
S102、根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率。
本实施例中，使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及至少一个操作行为的发生概率。移动终端的自助服务装置可以将 当前的表征数据与使用习惯模型中的各个表征数据进行比对，获取使用习惯模型中的相同表征数据、或者与当前的表征数据相似度大于预设相似度阈值的相似表征数据；将相同表征数据或者相似表征数据下的至少一个操作行为确定为移动终端用户在当前的表征数据下可能执行的操作行为。
S103、获取对应的发生概率大于预设阈值的至少一个操作行为。
本实施例中，移动终端的自助服务装置可以预先根据使用习惯模型中用户在各个表征数据下可能执行的至少一个操作行为以及至少一个操作行为的发生概率，确定预设阈值。
例如，根据用户在各个表征数据下可能执行的至少一个操作行为的发生概率的平均值，确定预设阈值。或者，移动终端的自助服务装置可以针对使用***均值；然后根据各表征数据对应的平均值确定预设阈值。例如，将出现次数较多的平均值确定为预设阈值。
S104、根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项。
本实施例中，提醒事项中可以包括：发生概率大于预设阈值的至少一个操作行为的名称或者内容等。
进一步的，在上述实施例的基础上，步骤104之后还可以包括：判断是否接收到用户针对提醒事项的肯定答复；若接收到用户针对提醒事项的肯定答复，则判断当前的表征数据是否满足提醒事项的执行条件；若当前的表征数据满足提醒事项的执行条件，则执行提醒事项提醒的操作行为。
另外，若当前的表征数据不满足提醒事项的执行条件，则实时获取移动终端当前的表征数据，在当前的表征数据满足提醒事项的执行条件时，执行提醒事项提醒的操作行为。
例如，如图2所示，为移动终端的自助服务装置向用户提供提醒事项的示意图，在图2中“Do you want some music to help you wake up”为移动终端的自助服务装置提供的其中一个提醒事项，针对该提醒事项，用户给出了肯定答复，移动终端的自助服务装置根据用户的肯定答复为用户播放音乐。图2中移动终端的自助服务装置还为用户提供了一个观看天气情况的提醒事项，针对该提醒事项，用户给出了肯定答复，移动终端的自助服务装置根据用户的肯定答复为用户提供当前用户所在位置的天气情况。
进一步的，在上述实施例的基础上，所述的方法还可以包括：获取移动终端用户的待办事项，待办事项包括：时间以及事项内容；根据待办事项，向用户提供提醒事项。
另外，待办事项还包括：待办人员。对应的，所述的方法还可以包括：在待办人员包括除移动终端用户之外的其他人员时，根据待办事项向其他人员提供提醒事项。
本实施例中，在待办事项为语音待办事项的情况下，移动终端的自助服务装置可以先对语音待办事项进行语音识别和语义识别，获取语音待办事项的内容，根据该内容确定移动终 端用户的待办事项。
例如，如图3所示，为移动终端的自助服务装置获取移动终端用户的待办事项的示意图，在图3中，移动终端用户的待办事项为在今天早上10:00提醒用户周六需要洗衣服。如图4所示，为移动终端的自助服务装置根据移动终端用户的待办事项向用户提供提醒事项的示意图。如图5所示，为移动终端的自助服务装置获取移动终端用户的待办事项，且待办事项包括其他人员的示意图。如图6所示，为移动终端的自助服务装置根据移动终端用户的待办事项向其他用户提供提醒事项的示意图。
又例如，在移动终端当前的表征数据中包括：移动终端的电池电量小于预设值时，与表征数据匹配的且发生概率大于预设阈值的其中一个操作行为可以为对移动终端进行充电。因此，移动终端的自助服务装置可以在移动终端的电池电量小于预设值时，向用户提供充电提醒事项。
本发明实施例的移动终端的自助服务方法，通过获取移动终端用户当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
图7为本发明实施例提供的另一种移动终端的自助服务方法的流程示意图，如图7所示，在图1所示实施例的基础上，步骤101之前还可以包括：
S105、采集移动终端用户的历史操作行为数据，以及与历史操作行为数据对应的表征数据；历史操作行为数据包括：用户对移动终端上各软件的操作行为。
本实施例中，历史操作行为数据可以为一段时间内移动终端用户的操作行为数据，例如当前时刻之前1个月内、当前时刻之前3个月内、或者其他历史时间段内移动终端用户的操作行为数据。本实施例中，移动终端的自助服务装置或者移动终端可以在用户使用移动终端的过程中，实时记录用户的操作行为以及操作行为发生时刻的至少一个环境参数信息，以便移动终端的自助服务装置调取。
本实施例中，移动终端上的各软件例如微信、QQ等应用软件，以及浏览器、备忘录、等软件等。
S106、采用深度学习算法对移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到使用习惯模型；使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及至少一个操作行为的发生概率。
本实施例中，移动终端的自助服务装置可以根据移动终端用户的历史操作行为数据以及对应的表征数据对预设的深度学习模型进行训练，确定深度学习模型中各系数的值。深度学习模型的输入可以为表征数据，输出可以为至少一个操作行为及其发生概率。得到训练后的深度学习模型后，将各个表征数据代入，得到各个表征数据下用户可能执行的至少一个操作行为以及至少一个操作行为的发生概率。
本发明实施例的移动终端的自助服务方法，通过采集移动终端用户的历史操作行为数据，以及与历史操作行为数据对应的表征数据；历史操作行为数据包括：用户对移动终端上各软件的操作行为；采用深度学习算法对移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到使用习惯模型；使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及至少一个操作行为的发生概率；然后获取移动终端用户当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
图8为本发明实施例提供的一种移动终端的自助服务装置的结构示意图。如图8所示，包括：获取模块81、查询模块82和提醒模块83。
其中，获取模块81，用于获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；
查询模块82，用于根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；
所述获取模块81，还用于获取对应的发生概率大于预设阈值的至少一个操作行为；
提醒模块83，用于根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
本发明提供的移动终端的自助服务装置可以为安装在移动终端上的硬件或者软件，或者可以与移动终端进行交互的后台服务器上的硬件或者软件。
本实施例中，当前的表征数据具体可以包括：当前的时间、地点、天气情况、移动状况等参数。其中，移动状况可以包括：移动速度、移动加速度、移动方向等。移动终端上可以设置***，例如GPS***采集上述移动状况以及地点；移动终端可以实时与天气服务器等进行交互，获取当前的天气情况。
本实施例中，使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执 行的至少一个操作行为以及至少一个操作行为的发生概率。移动终端的自助服务装置可以将当前的表征数据与使用习惯模型中的各个表征数据进行比对，获取使用习惯模型中的相同表征数据、或者与当前的表征数据相似度大于预设相似度阈值的相似表征数据；将相同表征数据或者相似表征数据下的至少一个操作行为确定为移动终端用户在当前的表征数据下可能执行的操作行为。
进一步的，所述获取模块还用于，获取移动终端用户的待办事项，所述待办事项包括：时间以及事项内容；所述提醒模块还用于，根据所述待办事项，向所述用户提供提醒事项。
其中，所述待办事项为语音待办事项；所述获取模块具体用于，对所述语音待办事项进行语音识别和语义识别，获取移动终端用户的待办事项。
进一步的，所述待办事项还包括：待办人员；所述提醒模块还用于，在所述待办人员包括除所述移动终端用户之外的其他人员时，根据所述待办事项向所述其他人员提供提醒事项。
本发明实施例的移动终端的自助服务装置，通过获取移动终端用户当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
进一步的，结合参考图9，在图8所示实施例的基础上，所述的装置还包括：采集模块84和训练模块85。
其中，采集模块84，用于采集移动终端用户的历史操作行为数据，以及与所述历史操作行为数据对应的表征数据；所述历史操作行为数据包括：用户对所述移动终端上各软件的操作行为；
训练模块85，用于采用深度学习算法对所述移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到所述使用习惯模型；所述使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率。
本实施例中，历史操作行为数据可以为一段时间内移动终端用户的操作行为数据，例如当前时刻之前1个月内、当前时刻之前3个月内、或者其他历史时间段内移动终端用户的操作行为数据。本实施例中，移动终端的自助服务装置或者移动终端可以在用户使用移动终端的过程中，实时记录用户的操作行为以及操作行为发生时刻的至少一个环境参数信息，以便 移动终端的自助服务装置调取。
本实施例中，移动终端上的各软件例如微信、QQ等应用软件，以及浏览器、备忘录等软件等。
本实施例中，移动终端的自助服务装置可以根据移动终端用户的历史操作行为数据以及对应的表征数据对预设的深度学习模型进行训练，确定深度学习模型中各系数的值。深度学习模型的输入可以为表征数据，输出可以为至少一个操作行为及其发生概率。得到训练后的深度学习模型后，将各个表征数据代入，得到各个表征数据下用户可能执行的至少一个操作行为以及至少一个操作行为的发生概率。
进一步的，在上述实施例的基础上，所述的装置还包括：确定模块，用于根据用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率，确定所述预设阈值。
例如，根据用户在各个表征数据下可能执行的至少一个操作行为的发生概率的平均值，确定预设阈值。或者，移动终端的自助服务装置可以针对使用***均值；然后根据各表征数据对应的平均值确定预设阈值。例如，将出现次数较多的平均值确定为预设阈值。
本发明实施例的移动终端的自助服务装置，通过采集移动终端用户的历史操作行为数据，以及与历史操作行为数据对应的表征数据；历史操作行为数据包括：用户对移动终端上各软件的操作行为；采用深度学习算法对移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到使用习惯模型；使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及至少一个操作行为的发生概率；然后获取移动终端用户当前的表征数据；表征数据包括：用户使用移动终端的至少一个环境参数信息；根据表征数据查询预设的使用习惯模型，获取与表征数据匹配的至少一个操作行为以及至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向用户提供提醒事项，从而能够结合用户的使用习惯以及当前的表征数据向用户提供提醒，提高智能语音助手的使用效率，提高用户的使用体验。
进一步的，结合参考图10，在图8所示实施例的基础上，所述的装置还包括：判断模块86和执行模块87。
其中，判断模块86，用于判断是否接收到所述用户针对所述提醒事项的肯定答复；
所述判断模块86还用于，在接收到所述用户针对所述提醒事项的肯定答复时，判断当前的表征数据是否满足所述提醒事项的执行条件；
执行模块87，用于在当前的表征数据满足所述提醒事项的执行条件时，执行所述提醒 事项提醒的操作行为。
另外，若当前的表征数据不满足提醒事项的执行条件，则实时获取移动终端当前的表征数据，在当前的表征数据满足提醒事项的执行条件时，执行提醒事项提醒的操作行为。
图11为本发明实施例提供的另一种移动终端的自助服务装置的结构示意图。该移动终端的自助服务装置包括：
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行所述程序时实现上述实施例中提供的移动终端的自助服务方法。
进一步地，移动终端的自助服务装置还包括：
通信接口1003，用于存储器1001和处理器1002之间的通信。
存储器1001，用于存放可在处理器1002上运行的计算机程序。
存储器1001可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
处理器1002，用于执行所述程序时实现上述实施例所述的移动终端的自助服务方法。
如果存储器1001、处理器1002和通信接口1003独立实现，则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1001、处理器1002及通信接口1003，集成在一块芯片上实现，则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的移动终端的自助服务方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表 述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可 以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (17)
- 一种移动终端的自助服务方法，其特征在于，包括：获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
- 根据权利要求1所述的方法，其特征在于，所述获取移动终端当前的表征数据之前，还包括：采集移动终端用户的历史操作行为数据，以及与所述历史操作行为数据对应的表征数据；所述历史操作行为数据包括：用户对所述移动终端上各软件的操作行为；采用深度学习算法对所述移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到所述使用习惯模型；所述使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率。
- 根据权利要求2所述的方法，其特征在于，所述获取移动终端当前的表征数据之前，还包括：根据用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率，确定所述预设阈值。
- 根据权利要求1所述的方法，其特征在于，还包括：获取移动终端用户的待办事项，所述待办事项包括：时间以及事项内容；根据所述待办事项，向所述用户提供提醒事项。
- 根据权利要求4所述的方法，其特征在于，所述待办事项还包括：待办人员；所述的方法还包括：在所述待办人员包括除所述移动终端用户之外的其他人员时，根据所述待办事项向所述其他人员提供提醒事项。
- 根据权利要求1所述的方法，其特征在于，所述根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项之后，还包括：判断是否接收到所述用户针对所述提醒事项的肯定答复；若接收到所述用户针对所述提醒事项的肯定答复，则判断当前的表征数据是否满足所述提醒事项的执行条件；若当前的表征数据满足所述提醒事项的执行条件，则执行所述提醒事项提醒的操作行 为。
- 根据权利要求4所述的方法，其特征在于，所述待办事项为语音待办事项；所述获取移动终端用户的待办事项，包括：对所述语音待办事项进行语音识别和语义识别，获取移动终端用户的待办事项。
- 一种移动终端的自助服务装置，其特征在于，包括：获取模块，用于获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；查询模块，用于根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；所述获取模块，还用于获取对应的发生概率大于预设阈值的至少一个操作行为；提醒模块，用于根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
- 根据权利要求8所述的装置，其特征在于，还包括：采集模块，用于采集移动终端用户的历史操作行为数据，以及与所述历史操作行为数据对应的表征数据；所述历史操作行为数据包括：用户对所述移动终端上各软件的操作行为；训练模块，用于采用深度学习算法对所述移动终端用户的历史操作行为数据以及对应的表征数据进行训练，得到所述使用习惯模型；所述使用习惯模型中包括：各个表征数据，以及用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率。
- 根据权利要求9所述的装置，其特征在于，还包括：确定模块，用于根据用户在各个表征数据下可能执行的至少一个操作行为以及所述至少一个操作行为的发生概率，确定所述预设阈值。
- 根据权利要求8所述的装置，其特征在于，所述获取模块还用于，获取移动终端用户的待办事项，所述待办事项包括：时间以及事项内容；所述提醒模块还用于，根据所述待办事项，向所述用户提供提醒事项。
- 根据权利要求11所述的装置，其特征在于，所述待办事项还包括：待办人员；所述提醒模块还用于，在所述待办人员包括除所述移动终端用户之外的其他人员时，根据所述待办事项向所述其他人员提供提醒事项。
- 根据权利要求8所述的装置，其特征在于，还包括：判断模块，用于判断是否接收到所述用户针对所述提醒事项的肯定答复；所述判断模块还用于，在接收到所述用户针对所述提醒事项的肯定答复时，判断当前的表征数据是否满足所述提醒事项的执行条件；执行模块，用于在当前的表征数据满足所述提醒事项的执行条件时，执行所述提醒事项提醒的操作行为。
- 根据权利要求11所述的装置，其特征在于，所述待办事项为语音待办事项；所述获取模块具体用于，对所述语音待办事项进行语音识别和语义识别，获取移动终端用户的待办事项。
- 一种移动终端的自助服务装置，其特征在于，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的移动终端的自助服务方法。
- 一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的移动终端的自助服务方法。
- 一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种移动终端的自助服务方法，所述方法包括：获取移动终端当前的表征数据；所述表征数据包括：用户使用所述移动终端的至少一个环境参数信息；根据所述表征数据查询预设的使用习惯模型，获取与所述表征数据匹配的至少一个操作行为以及所述至少一个操作行为的发生概率；获取对应的发生概率大于预设阈值的至少一个操作行为；根据发生概率大于预设阈值的至少一个操作行为向所述用户提供提醒事项。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710842696.6A CN107592421A (zh) | 2017-09-18 | 2017-09-18 | 移动终端的自助服务方法及装置 |
| CN201710842696.6 | 2017-09-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2019052430A1 true WO2019052430A1 (zh) | 2019-03-21 |
Family
ID=61048434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2018/104888 WO2019052430A1 (zh) | 2017-09-18 | 2018-09-10 | 移动终端的自助服务方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107592421A (zh) |
| WO (1) | WO2019052430A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154816A (zh) * | 2021-11-17 | 2022-03-08 | 鼎捷软件股份有限公司 | 企业管理***及其执行方法 |
| CN115393988A (zh) * | 2022-08-26 | 2022-11-25 | 广东好太太智能家居有限公司 | 基于智能门锁的语音提醒方法、装置及智能门锁 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107592421A (zh) * | 2017-09-18 | 2018-01-16 | 北京金山安全软件有限公司 | 移动终端的自助服务方法及装置 |
| CN108470034B (zh) * | 2018-02-01 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 一种智能设备服务提供方法及*** |
| CN111092985A (zh) * | 2018-10-23 | 2020-05-01 | 奇酷互联网络科技（深圳）有限公司 | 移动终端的提醒方法、移动终端及计算机存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102036163A (zh) * | 2009-10-02 | 2011-04-27 | 索尼公司 | 行为模式分析***、移动终端、行为模式分析方法和程序 |
| CN105279957A (zh) * | 2015-10-30 | 2016-01-27 | 小米科技有限责任公司 | 消息提醒方法和装置 |
| CN105468161A (zh) * | 2016-01-21 | 2016-04-06 | 北京百度网讯科技有限公司 | 指令执行方法和装置 |
| CN105786604A (zh) * | 2016-03-01 | 2016-07-20 | 上海卓易科技股份有限公司 | 应用打开方法及*** |
| CN106407079A (zh) * | 2016-09-27 | 2017-02-15 | 北京小米移动软件有限公司 | 移动终端充电提醒方法、装置及设备 |
| CN107592421A (zh) * | 2017-09-18 | 2018-01-16 | 北京金山安全软件有限公司 | 移动终端的自助服务方法及装置 |
-
2017
- 2017-09-18 CN CN201710842696.6A patent/CN107592421A/zh active Pending
-
2018
- 2018-09-10 WO PCT/CN2018/104888 patent/WO2019052430A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102036163A (zh) * | 2009-10-02 | 2011-04-27 | 索尼公司 | 行为模式分析***、移动终端、行为模式分析方法和程序 |
| CN105279957A (zh) * | 2015-10-30 | 2016-01-27 | 小米科技有限责任公司 | 消息提醒方法和装置 |
| CN105468161A (zh) * | 2016-01-21 | 2016-04-06 | 北京百度网讯科技有限公司 | 指令执行方法和装置 |
| CN105786604A (zh) * | 2016-03-01 | 2016-07-20 | 上海卓易科技股份有限公司 | 应用打开方法及*** |
| CN106407079A (zh) * | 2016-09-27 | 2017-02-15 | 北京小米移动软件有限公司 | 移动终端充电提醒方法、装置及设备 |
| CN107592421A (zh) * | 2017-09-18 | 2018-01-16 | 北京金山安全软件有限公司 | 移动终端的自助服务方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154816A (zh) * | 2021-11-17 | 2022-03-08 | 鼎捷软件股份有限公司 | 企业管理***及其执行方法 |
| CN115393988A (zh) * | 2022-08-26 | 2022-11-25 | 广东好太太智能家居有限公司 | 基于智能门锁的语音提醒方法、装置及智能门锁 |
| CN115393988B (zh) * | 2022-08-26 | 2024-01-02 | 广东好太太智能家居有限公司 | 基于智能门锁的语音提醒方法、装置及智能门锁 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107592421A (zh) | 2018-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019052430A1 (zh) | 移动终端的自助服务方法及装置 | |
| CN109863721B (zh) | 数字助理扩展自动排名和选择 | |
| KR102429889B1 (ko) | 터치 감응형 디바이스 상의 관련 콘텐츠를 사전행동적으로 식별 및 표면화하기 위한 시스템 및 방법 | |
| CN109634698B (zh) | 菜单显示方法、装置、计算机设备及存储介质 | |
| CN108563655B (zh) | 基于文本的事件识别方法和装置 | |
| CN109427333A (zh) | 激活语音识别服务的方法和用于实现所述方法的电子装置 | |
| CN107153641A (zh) | 评论信息确定方法、装置、服务器及存储介质 | |
| CN105051646A (zh) | 用于功率高效的情境感知推断的自适应传感器取样 | |
| CN108681541B (zh) | 图片搜索方法、装置及计算机设备 | |
| CN110544468B (zh) | 应用唤醒方法、装置、存储介质及电子设备 | |
| CN107967333A (zh) | 语音搜索方法、语音搜索装置及电子设备 | |
| CN109548691A (zh) | 一种宠物识别方法、装置、介质和电子设备 | |
| EP3726435A1 (en) | Deep neural network training method and apparatus, and computer device | |
| US20110208753A1 (en) | Method and Apparatus for Computing Relevancy | |
| CN112686051A (zh) | 语义识别模型训练方法、识别方法、电子设备、存储介质 | |
| CN108595013B (zh) | 握持识别方法、装置、存储介质及电子设备 | |
| US20220309290A1 (en) | Amplification of initial training data | |
| CN108711428A (zh) | 指令执行方法、装置、存储介质及电子设备 | |
| WO2021082570A1 (zh) | 基于人工智能的语义识别方法、装置和语义识别设备 | |
| CN107679460B (zh) | 人脸的自学习方法及智能终端和存储介质 | |
| CN112711653A (zh) | 一种人机互动方法及电子设备 | |
| CN111383050A (zh) | 产品数据整合及分析方法、装置及计算机可读存储介质 | |
| WO2023077883A1 (zh) | 情绪识别方法、装置、设备及存储介质 | |
| US20220261554A1 (en) | Electronic device and controlling method of electronic device | |
| CN117216650A (zh) | 一种目标对象风险行为预警方法及相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18856560 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 18856560 Country of ref document: EP Kind code of ref document: A1 |