WO2023125692A1 - 一种服务推荐方法及相关装置 - Google Patents

一种服务推荐方法及相关装置 Download PDF

Info

Publication number
WO2023125692A1
WO2023125692A1 PCT/CN2022/142915 CN2022142915W WO2023125692A1 WO 2023125692 A1 WO2023125692 A1 WO 2023125692A1 CN 2022142915 W CN2022142915 W CN 2022142915W WO 2023125692 A1 WO2023125692 A1 WO 2023125692A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
user
service
service set
time
Prior art date
Application number
PCT/CN2022/142915
Other languages
English (en)
French (fr)
Inventor
王云路
邹志国
方荣杰
李序旸
唐鹏程
刘成
卓晓燕
朱君浩
Original Assignee
华为技术有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 华为技术有限公司 filed Critical 华为技术有限公司
Publication of WO2023125692A1 publication Critical patent/WO2023125692A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G06F3/1423—Digital output to display device ; Cooperation and interconnection of the display device with other functional units controlling a plurality of local displays, e.g. CRT and flat panel display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • terminals such as mobile phones, tablet computers, and smart wearable devices have been popularized.
  • the terminal can use various services provided by the application program or the system to realize corresponding functions.
  • viewing the booking information in application A requires the user to independently search for the corresponding application and open the relevant function interface of the application through multiple operations, which are relatively cumbersome operations. How to improve the convenience and accuracy of service recommendation is an urgent problem to be solved.
  • the method further includes: the first electronic device generates a second service set based on the personal data of the first user, the second service set includes multiple service functions, and the second service set corresponds to The multiple functional operations are different from the multiple functional operations corresponding to the first service set; when it is detected that the trigger condition of the second service set is met, the first electronic device executes the multiple functional operations corresponding to the second service set.
  • the first electronic device can automatically generate different service sets for the user, reflecting the intelligence of service recommendation.
  • the first electronic device can dynamically adjust the time for the first electronic device to display the first service set based on the time when the user uses the first service set and the time for displaying the first service set, so as to prevent the first electronic device from displaying the first service set. There is a large deviation between the time of the service set and the time when the user uses the first service set.
  • the displaying of the first recommendation card by the first electronic device at the third time specifically includes: the first electronic device detects that the first new sub-condition is executed, and the first electronic device The first recommendation card is displayed at a third time.
  • the method further includes: when the device displaying the first service set is the second electronic device, the first electronic device sends the identifier of the service function in the first service set to the second electronic device. On the electronic device, the identifier of the service function in the first service set is used by the second electronic device to display the first recommendation card.
  • the present application provides an electronic device, which is a first electronic device, characterized in that the first electronic device includes: one or more processors, one or more memories; one or more memories and one or more A plurality of processors are coupled, and one or more memories are used to store computer program codes, and the computer program codes include computer instructions, and one or more processors invoke computer instructions to make the first electronic device perform any of the above-mentioned aspects.
  • a service recommendation method provided in the implementation.
  • FIG. 35 exemplarily shows a schematic flowchart of a service recommendation method provided by an embodiment of the present application.
  • Application services are services provided by providers of applications installed on electronic devices. Different applications can provide the same service, for example, a taxi application can provide a taxi service, and a map application can also provide a navigation service. The same application can also provide multiple services with different functions, for example, the WeChat application can provide payment services, and the WeChat application can also provide call services, etc.
  • the electronic device 100 may record the time when the user triggers the electronic device 100 to execute the one or more services, and based on the actual execution time of the one or more services and the time when the electronic device 100 displays the one or more services, determine that the electronic device 100 100 whether the time for displaying one or more services is appropriate, if not, electronic device 100 will adjust the time for electronic device 100 to display one or more services based on preset rules, so that electronic device 100 displays one or more services
  • the difference between the time of the electronic device 100 and the time when the electronic device 100 actually executes the one or more services is less than the preset time, which improves the accuracy of the electronic device 100 in displaying the service card.
  • the principle of how to adjust the launch condition of the service is similar to the principle of how to adjust the trigger condition of the service. Specifically, how the electronic device 100 adjusts the triggering condition of the service may refer to the embodiments introduced in FIG. 21-FIG. 22 , and details will not be described here in this embodiment.
  • the gyro sensor 180B can be used to determine the motion posture of the electronic device 100 .
  • the angular velocity of the electronic device 100 around three axes may be determined by the gyro sensor 180B.
  • the acceleration sensor 180E can detect the acceleration of the electronic device 100 in various directions (generally three axes).
  • the distance sensor 180F is used to measure the distance.
  • Proximity light sensor 180G may include, for example, light emitting diodes (LEDs) and light detectors, such as photodiodes.
  • the light emitting diodes may be infrared light emitting diodes.
  • the electronic device 100 emits infrared light through the light emitting diode.
  • the server 200 can also calculate the probability of multiple services that the user will use at the same location type, and calculate the probability of multiple services that the same location type will use
  • the probabilities are sorted from largest to smallest. Exemplarily, when a user is at a place where the place type is food, the service with the highest probability of use is food service, followed by payment service, and finally entertainment service. When a user is in a place where the location type is leisure and entertainment, the service with the highest probability of use is entertainment service, followed by sports service, and finally transportation service. When a user is in a place where the location type is sports and fitness, the service with the highest probability of use is sports service, followed by entertainment service, and finally schedule service.
  • the electronic device 100 may also perform preprocessing on the user data. For example, standardize the processing of various types of data and classify them according to their importance, sensitivity, timeliness or other specifics, and establish a unified data storage mode. In this way, user data obtained through different methods and platforms can be stored in a unified standard, and complete and comprehensive data can be collected to facilitate subsequent construction of complete user attributes.
  • different types of user data can have different storage standards, for example, exercise health data and travel data can be stored by different standards.
  • the electronic device 100 may delete the information that the service is the takeaway service.
  • the electronic device 100 may also trigger the recommendation process in other ways, which is not limited in this embodiment of the present application.
  • Multiple approaches may include, but are not limited to, a scene-bound calibration service set, a historical click-through rate service list, a service interest list, a reminder service list, and the like.
  • the training samples can be obtained through multiple channels, which is not limited in the embodiment of the present application.
  • the input of the training samples can be the time, place and the state of the electronic device (such as Bluetooth open state, data connection state, earphone connection state, etc. etc.), the output of the training sample can be the service actually used by the user.
  • the electronic device 100 uses the training data 701 to iteratively train the preset model based on the preset model to obtain the trained model 702 .
  • Execution conditions may include, but are not limited to: the user's trigger operation on the recommended card, the user's voice command meeting the preset voice command, and the user's identity information meeting the preset identity information.
  • the electronic device 100 may perform multiple functional operations based on the execution relationship of multiple services in the service set displayed on the recommendation card. For example, functional operations corresponding to multiple services may be executed simultaneously, or multiple services may be executed in a certain sequence, and so on.
  • the electronic device 100 may trigger the electronic device 100 to execute the service set shown in the recommendation card based on any of the following methods.
  • the card 801 shows the smart home linkage service recommended by the electronic device 100 for user A in the scene of returning home.
  • the card 801 may be composed of text, pictures and other elements.
  • the electronic device 100 respectively sends opening instructions to the air purifier in the living room, the air conditioner in the living room, and the curtains in the living room. .
  • the electronic device 100 After the electronic device 100 obtains the service to be recommended in the home scene, the electronic device 100 will generate a recommendation card based on the service to be recommended in the home scene, and the recommendation card may be a card 802 as shown in FIG. 9C .
  • the electronic device 100 can automatically generate multiple services with different functions for the user at the same time, reducing user operations.
  • services can be divided into system services and third-party services, where third-party services are services provided by non-electronic device 100 manufacturers, and system services are services provided by electronic device 100 manufacturers. Services can also be divided according to functions, which is not limited in this embodiment of the present application.
  • the electronic device 100 can freely combine system services and third-party services to generate service sets in different combinations.
  • 9I-9K exemplarily show schematic views of the electronic device 100 displaying a recommendation card of a third-party service.
  • FIG. 9L exemplarily shows a schematic diagram of electronic device 100 simultaneously displaying recommendation cards of third-party services and system services.
  • the electronic device 100 displays a recommendation card, the probability of the service shown on the recommendation card is less than a preset value, and when the electronic device 100 detects that the user does not use the service set shown on the recommendation card, or the user manually closes the recommendation card, in this case, the electronic device 100 can update the probability estimation module, so that the probability that the probability estimation module estimates the above-mentioned service set that the user may use is further reduced, and avoid generating services that the user will not use. Recommendation card.
  • the electronic device 100 can learn the usage habits of the user on the electronic device 100, actively generate a service set that the user may use at different times and places, and generate recommendations based on the service set card. In this way, on the one hand, the user is not required to manually set the services to be used, which reduces user operations.
  • the electronic device 100 recommends a service set for the user based on the usage habits of the user. The more usage data of the user, the more accurate the service set recommended by the electronic device 100 is, and the service set recommended by the electronic device 100 is more in line with the behavior characteristics of the user.
  • the multiple service sets in each scene may be preset service sets in the electronic device 100 .
  • the electronic device 100 filters out a service set that the user may use from the preset services, and recommends the service set to the user.
  • the electronic device 100 may, in combination with the user's degree of attention to the electronic devices associated with the user, recommend to the user the services used by similar users whose types of devices are close to the ones they follow. Collection of services.
  • the server 200 Before the server 200 calculates the similarity of the service sets used by different users based on the similarity calculation model, the server 200 needs to train the similarity calculation model so that the similarity calculation model can accurately calculate the similarity of the service sets used by different users.
  • the training samples can be obtained through various channels, which is not limited in this embodiment of the present application.
  • the input of the training sample can be a set of services used by different users in the same scenario, and the output of the training sample can be the value of the similarity between different users.
  • the server 200 uses the training data to iteratively train the similarity calculation model based on the preset model to obtain a trained similarity calculation model.
  • Table 3 exemplifies the collection of services used by different users in the movie viewing scene, which are collected by the server 200 .
  • the set of services used by user A in the movie viewing scene includes: turning on the do-not-disturb mode of the mobile phone, and turning off the lights in the living room.
  • the set of services used by user B in the movie viewing scene includes: turning on the do-not-disturb mode on the mobile phone, turning off the lights in the living room, and closing the curtains in the living room.
  • the set of services used by user C in the movie viewing scene includes: turning off the do-not-disturb mode of the mobile phone, and turning on the lights in the living room.
  • the set of services used by user D in the movie viewing scene includes: turning on the do-not-disturb mode on the mobile phone, turning off the lights in the living room, and turning on the air conditioner in the living room to 26 degrees.
  • the server 200 calculates the similarity between the vectors to obtain the similarity of service sets used by different users in the same scene.
  • the server 200 can calculate the similarity between vectors by any of the following methods: cosine similarity between vectors, Euclidean distance between vectors, Manhattan distance between vectors, Pearson correlation between vectors Coefficient etc.
  • the server 200 may also calculate the similarity of service sets used by different users in the same scenario in other ways.
  • the electronic device 100 can recommend to user A a service set used by other users whose similarity with the service set used by user A ranks in the top N (for example, N is equal to 1).
  • the electronic device 100 will generate a recommendation card based on the service set used by user B and the service set used by user D, and display it on the desktop of the electronic device 100 .
  • FIG. 12 exemplarily shows a recommendation card 1200 generated by the electronic device 100 .
  • the recommendation card 1200 may include the history service collection card 1201 used by user A in the movie watching scene and the service collection card (namely card 1202 ) recommended by the electronic device 100 for user A to be used by similar users.
  • the card can be composed of text, pictures and other elements.
  • the services displayed in the card 1201 include turning on the do-not-disturb mode of the mobile phone and turning off the lights in the living room.
  • Card 1202 is a collection of services used by user B in the movie watching scene.
  • the services displayed in card 1202 include turning on the do-not-disturb mode of the mobile phone, turning off the lights in the living room, and closing the curtains in the living room.
  • the electronic device may score the degree of attention of the device associated with the user, and reorder the set of services used by similar users obtained above based on the user's degree of attention to the device associated with the user to obtain the final recommendation result .
  • the electronic device 100 can recommend to the user a set of services used by similar users that is close to the type of device that the user cares about, so that the set of services recommended by the electronic device 100 is more accurate.
  • the attention degree of the user to the device can be obtained based on the following information: the working state of the device associated with the user, and the state of the user detected by the device associated with the user.
  • the working state of the device associated with the user includes, but not limited to: whether the device associated with the user is turned on, and whether the device associated with the user is in a working state (for example, whether there is image or audio output).
  • the state of the user detected by the device associated with the user includes but is not limited to: whether the user is staring at the large screen or the mobile phone for a long time.
  • the electronic device 100 may allow the user to select a device that the user needs to pay attention to by means of a pop-up window.
  • the device selected by the user has an attention score of 1. For example, in a movie watching scene, if the user selects a large screen to focus on, the electronic device 100 obtains a score of 1 for the user's attention to the large screen. In the driving scene, if the user selects the car computer to be concerned about, the electronic device 100 obtains a score of 1 for the user's attention to the car computer.
  • the electronic device 100 needs to acquire multiple training samples.
  • the training samples can be obtained through various channels, which is not limited in this embodiment of the present application.
  • the training sample includes the input of the training sample and the output of the training sample, wherein the input of the training sample is the status of different devices in a certain scene, and the output of the training sample is the user's attention score for different devices.
  • the electronic device 100 uses the training data to iteratively train the attention degree calculation model based on the preset model to obtain a trained attention degree calculation model.
  • the training data may include states of different devices in multiple different scenarios and user attention scores for different devices.
  • the similarity between user C and user A using the mobile phone to turn on the do-not-disturb mode service and the mobile phone used by user A to turn on the do-not-disturb mode service is 0.1.
  • the similarity between the light-off service in the living room used by user C and the light-off service in the living room used by user A is 0.1.
  • the similarity between the service for turning on the air conditioner in the living room used by user C and the service for turning on the air conditioner in the living room used by user A is 0.
  • the similarity between the curtain closing service in the living room used by user C and the curtain closing service in the living room used by user A is 0.1.
  • the similarity between user D and user A using the mobile phone to turn on the do not disturb mode service and the mobile phone used by user A to turn on the do not disturb mode service is 1.
  • the similarity between the light-off service in the living room used by user D and the light-off service in the living room used by user A is 0.8.
  • the similarity between the service for turning on the air conditioner in the living room used by user D and the service for turning on the air conditioner in the living room used by user A is 0.3.
  • the similarity between the curtain closing service in the living room used by user D and the curtain closing service in the living room used by user A is 0.1.
  • the electronic device 100 recommends for user A the service sets used by similar users: the service set used by user D, the service set used by user B, and the service set used by user C.
  • the recommendation card 1600 generated by the electronic device 100 may not include the set of historical services used by user A, that is, the electronic device 100 does not display the card 1601 in the card 1600 .
  • the similarity between the call answering service used by user C and the call answering service used by user A is 0.
  • the similarity between the cockpit automatic recovery of the driving position service used by user C and the service of user A's automatic recovery of the cockpit position is 0.
  • the similarity between the navigation service used by user C and the navigation service used by user A is 0.3.
  • the similarity between the music playback service used by user C and the music playback service used by user A is 0.1.
  • a scenario is composed of scenario trigger conditions and service collections, and some scenarios may also include exit conditions.
  • the trigger condition is used to trigger the electronic device 100 to generate a recommendation card based on the service set corresponding to the current scene, and display the recommendation card on the desktop.
  • the exit condition is used to trigger the electronic device 100 to stop displaying the aforementioned recommendation card on the desktop.
  • Table 11 is only an example of the composition type and content of trigger conditions. In practical applications, it may include more composition types and content of trigger conditions than Table 11. The implementation of the present application Examples are not limited to this.
  • the exit condition of the morning scene may be composed of the above three conditions: the first condition is that one hour after the screen of the mobile phone is turned on for the first time after the screen of the mobile phone has been off for a long time.
  • the second condition is that the user is out of the house, and the location is getting farther and farther away from home. Only when the above two conditions are satisfied at the same time, the electronic device 100 will stop recommending the service set in the morning scene for the user.
  • the electronic device 100 Since the trigger conditions and exit conditions of the scene are predetermined, the user's usage habits are not uniform, which will cause the electronic device 100 to recommend a service set in a certain scene for the user according to the predetermined trigger conditions, or the electronic device 100 According to the predetermined exit conditions, stop recommending the service set in a certain scene for the user, and there is a deviation from the time when the user actually uses the service set in the scene. For example, the electronic device 100 recommends a service set in a certain scene for the user according to a predetermined trigger condition, which may cause the electronic device 100 to recommend a service set in a certain scene to the user too early, or the electronic device 100 recommends a certain service set for the user. It happens that the collection of services in a scene is too late.
  • the user will use the taxi service in the commuting scene on weekdays, and the triggering condition of the commuting scene is: after the user leaves home.
  • the user will use the taxi service to call a car before leaving home, and the user will leave home after the car is called. Due to the deviation between the preset trigger condition and the actual behavior of the user, the electronic device 100 cannot timely adjust the trigger condition of the scene and recommend corresponding services for the user.
  • the user in the scene of getting up in the morning, the user will use the speaker to play the weather service, and the triggering conditions of the scene of getting up in the morning are: 1. After 5:00 in the morning. 1. One hour after the screen is turned on for the first time after the phone has been off for a long time. 2. Within plus or minus one hour of the user's morning wake-up time. 3. After turning off the screen for a long time, the phone turns on for the first time. After the electronic device 100 detects that the time, location and device status meet the above trigger conditions in the morning, the electronic device 100 will recommend the speaker to play the weather service for the user.
  • the preset entry time of the scene is time t1
  • the preset exit time of the scene is time t2 .
  • the electronic device 100 recommends a service set in a certain scene to the user. Assuming that the user has not used the service set between time t1 and time t2, the electronic device 100 detects that the time reaches the preset exit time t2 of the scene. At time , the electronic device 100 will stop recommending the service set in the scene for the user. However, the user has not used the service set in the scene, and at a certain time after the electronic device 100 stops recommending the service set in the scene for the user, the user may want to use the service set in the scene again. In this way, the scene will be exited too early and the time when the user actually uses the service will be missed.
  • FIG. 19 exemplarily shows a functional block diagram of the electronic device 100 for adaptively adjusting scene conditions.
  • FIG. 21 exemplarily shows a schematic diagram of the electronic device 100 adjusting the trigger condition for entering a scene too early.
  • the maximum constraint condition in the preset trigger conditions can be understood as the last executed condition in the original trigger conditions.
  • the electronic device 100 records the behavior of the user within a period of time before and after using the service set in the scenario. For example, the electronic device 100 records the user's behavior for a period of time (for example, within 5 minutes) before the electronic device 100 recommends a set of services in the scene. The electronic device 100 records the behavior of the user within a period of time (for example, within 5 minutes) after the electronic device 100 stops the service set in the recommendation scenario.
  • the user's behavior can be understood as what the electronic device 100 detects the user does, or the electronic device 100 detects what the user does through other devices.
  • the electronic device 100 can add another constraint condition, the trigger condition of the morning scene is: 1. 7:15 in the morning, or the user's mobile phone turns on the screen for the first time within 7:15 in the morning. In this way, even if the time in the modified trigger condition is 7:00, but it is not yet 7:15, the user's mobile phone turns on and the user wakes up, and the electronic device 100 can recommend an alarm clock service for the user.
  • Table 12 shows user behaviors (or candidate new conditions) before the electronic device 100 recommends the service set of the scene in the morning scene. If there is one user behavior (or candidate addition condition) before the service set of the scene recommended by the electronic device 100, then this user behavior is used as an addition condition of the preset trigger condition. If there are multiple user behaviors prior to the service set of scenarios recommended by the electronic device 100, the electronic device 100 needs to determine an optimal user behavior from the multiple user behaviors as a new condition for the preset trigger condition.
  • the best candidate trigger condition is "1. After 5:00 in the morning. 2. 15 minutes after the phone is turned on for the first time after the screen has been off for a long time, or within 15 minutes after the phone is turned on for the first time after the screen has been off for a long time, The user finishes running and returns home", then the candidate added condition corresponding to the best candidate trigger condition is the added condition, that is, "completes running and returns home”.
  • the condition item modified relative to the preset trigger condition in the best candidate trigger condition is the maximum constraint condition, that is, "after the screen of the mobile phone is turned on for the first time after being off for a long time”.
  • modifying the trigger condition can be understood as the best candidate trigger condition obtained in S2102. Specifically, for how the electronic device 100 obtains the modified trigger condition, reference may be made to How to Obtain the Best Candidate Trigger Condition in S2102, which will not be repeated in this embodiment of the present application.
  • a scenario's exit condition can consist of one or more conditions. In the exit conditions of the scenario, find a condition that finally constrains the exit of the scenario, and this condition is the maximum constraint condition of the exit condition.
  • the electronic device 100 After the electronic device 100 determines the maximum constraint condition in the newly added condition and the preset exit condition, it modifies the maximum constraint condition in the preset exit condition based on the delay time ⁇ and the newly added condition, so that the modified maximum constraint condition can make the scenario
  • the exit time is later than the time actually used by the user, and the difference between the scene exit time and the time actually used by the user is within the preset value.
  • the aforementioned embodiments describe how the electronic device 100 generates scene services and how the electronic device 100 adjusts the entry conditions of the scene and the exit conditions of the scene.
  • the embodiment of the present application also provides another service verification method, that is, Say that after the electronic device 100 triggers a certain scene, the electronic device 100 will recommend a service set for the user, and generate a recommendation card based on the service set. Anomalies, such as incomplete display of service collection information in the recommendation card, that is, the display elements on the recommendation card are different from the default display elements. Or the recommendation card is displayed normally, but the user cannot directly use the service collection in the recommendation card after clicking the recommendation card.
  • Operations such as service recall, service filtering and sorting, and service collection generation on the electronic device 100 are all completed by the recommendation system on the electronic device 100 , and the recommendation system can be understood as a system application on the electronic device 100 .
  • the recommendation system determines that the recommended data of the home service does not include the location of the user's home, but the preset information in the verification rules preset by the home service includes the location of the user's home, then the recommendation system determines that The current home service cannot provide the user with a preset function, that is, to recommend route information from the current location to the user's home location for the user.
  • the recommendation system determines to enter a certain scene, and determines the service to be recommended to the user in this scene. Before the recommendation system recommends the service to be recommended to the user, the recommendation system needs to verify the service to be recommended.
  • the verification process includes the following steps:
  • the recommendation system obtains the identifier of the service to be recommended.
  • the service management module After receiving the identification of the service to be recommended sent by the recommendation system, the service management module sends a verification instruction to the service to be recommended.
  • the service management module sends the verification result to the recommendation system.
  • the recommendation system determines whether to recommend the service to be recommended to the user based on the verification result.
  • the service to be recommended is used to determine whether the preset function can be realized based on the current recommendation data and preset verification rules in response to the verification instruction after receiving the verification instruction, that is, to determine the verification result .
  • the verification result is ready.
  • the verification result is not ready.
  • Table 17 exemplarily shows the reputation scores corresponding to different services. It should be noted that the reputation score of the service to be recommended changes in real time. How to update the reputation score of the service to be recommended will be described in detail in subsequent embodiments, and will not be described in detail in this embodiment of the present application.
  • the service sorting module will determine the service to be recommended to the user from the plurality of services to be recommended based on the reputation score of the service to be recommended and the number of services finally pushed to the user.
  • the service sorting module After the service sorting module obtains the service finally recommended to the user, it sends the identification of the service finally recommended to the user to the service display module.
  • Fig. 30 exemplarily shows a schematic diagram of how to update the reputation score of the service to be recommended.
  • the card information collection module extracts the display content on the recommendation card, and the display content includes but not limited to text, icons, pictures and other information. Afterwards, the card information collection module sends the displayed content on the recommended card to the intent content matching module.
  • the intent content matching module determines the matching degree between the displayed content on the recommended card and the preset displayed content based on the extracted displayed content on the recommended card. If the matching degree is lower than the preset value, the intent content matching module determines that the displayed content on the recommendation card does not match the recommendation intent, and the intent content matching module sends the identification of the recommended service displayed on the recommendation card to the server. If the matching degree is higher than the preset value, the intent content matching module determines that the displayed content on the recommendation card matches the recommendation intent.
  • Service 1, Service 2, and Service 3 are ready after receiving the verification instruction, then the verification results sent by Service 1 and Service 3 to the service management module are ready. get ready. If the service 2 (identification of the first service function) is not ready, the verification result that the service 2 may send to the service management module is ready. Then the recommendation system may recommend the second service to the user.
  • the recommendation card of service two may be the recommendation card 2502 shown in FIG. 25A.
  • the recommendation card for service two can also be the recommendation card 2507 shown in FIG. 25B.
  • the service ranking module in the recommendation system will determine the final recommendation to the user from multiple services to be recommended based on the reputation score of the service to be recommended and the number of services that are finally pushed to the user. To be recommended for service.
  • the service sorting module determines that the service finally pushed to the user is Service 1 based on the reputation scores of Service 1, Service 2, and Service 3, and Service 1 can also be called For the second service function. If the number of services finally pushed to the user is 2, the service sorting module determines that the services finally pushed to the user are Service 1 and Service 3 based on the reputation scores of Service 1, Service 2, and Service 3, and Service 1 or Service 3 also Can be called the second service function.
  • the card information collection module extracts the displayed content on the recommended card and the intent content matching module determines the matching degree between the displayed content on the recommended card and the preset displayed content
  • the card information collection module will recommend the displayed content on the card.
  • the display content is sent to the server, and the intent content matching module sends the matching degree between the display content on the recommendation card and the preset display content to the server.
  • the server receives the display content on the recommendation card and the matching degree between the display content on the recommendation card and the preset display content
  • the server based on the display content on the recommendation card, the preset display content and the display content on the recommendation card and The preset matching degree of displayed content is used as sample data to train the intent content matching model.
  • the mobile phone sorts the above-mentioned multiple services, and determines which of the above-mentioned multiple services is most suitable to be recommended on the above-mentioned device.
  • the central control device can be determined from the multiple electronic devices that trigger the service recommendation process, and the central control device completes the tasks of service recall, service filtering, service reordering, and service loading matter.
  • Both the electronic device 100 and the electronic device 200 have a service recall module, a service filtering module, a service rough sorting module, a service reordering module, a service joint sorting module, a service filling module, and a device status and data management module.
  • the service filtering module sends the recalled services obtained after filtering to the service rough sorting module, and the service rough sorting module is used to sort the recalled services obtained after filtering according to simple rules, and obtain services whose user usage probability is greater than a preset value.
  • the service rough sorting module sends the identifiers of the recalled services whose user usage probability is greater than the preset value to the service reordering module, and the service reordering module will further sort the recalled services based on the user's usage habits. Screening to get the service of the eventual electronic device 100 recall.
  • the electronic device 200 also triggers the service recommendation process, then the service recall module, the service filtering module, the service rough sorting module and the service reordering module in the electronic device 100 and the service recall module in the electronic device 100,
  • the functions of the service filtering module, the service coarse sorting module and the service reordering module are similar, all of which are to obtain recalled services whose user usage probability is greater than a preset value.
  • the service reordering module in the electronic device 200 After the service reordering module in the electronic device 200 receives the service recalled by the final electronic device 200, the service reordering module in the electronic device 200 sends the service recalled by the final electronic device 200 to the device status and data management module in the electronic device 200 .
  • the service joint ranking module in the electronic device 100 After the service joint ranking module in the electronic device 100 obtains the service recalled by the electronic device 100 and the service recalled by the electronic device 200, the service joint ranking module in the electronic device 100 will base on the priority of the service, the user's current preference for the electronic device 100 and the electronic
  • the attention degree of the device 200, the service capacity on the electronic device 100 and the electronic device 200, and the matching degree of each service on the electronic device 100 and the electronic device 200 are used to sort the services recalled by the electronic device 100 and the electronic device 200, Get the optimal distribution of services on each device, and then distribute and transfer services, and finally display each service on the most suitable device to achieve cross-device recommendation services. How the service joint ordering module determines the optimal distribution of services on each device will be described in detail in subsequent embodiments, and will not be repeated here in this embodiment of the application.
  • the service joint ranking module can also obtain the correspondence degree score between each service and each electronic device based on other formulas, which is not limited in this embodiment of the present application.
  • the correspondence between Service 3 and mobile phones is A3, the correspondence between Service 3 and tablets is B3, the correspondence between Service 3 and large screens is C3, the correspondence between Service 3 and cars is D3, and the correspondence between Service 3 and watches is The corresponding score of the service three and the earphone is F3.
  • the correspondence between Service 4 and mobile phones is A4, the correspondence between Service 4 and tablets is B4, the correspondence between Service 4 and large screens is C4, the correspondence between Service 4 and cars is D4, and the correspondence between Service 4 and watches is The correspondence score of the service four and the earphone is F4. It should be noted that the correspondence scores between the above-mentioned services and each electronic device are constant.
  • ⁇ 1 , ⁇ 2 , ⁇ 3 , ⁇ 4 , ⁇ 5 and ⁇ 6 are all constants, and the specific explanations for ⁇ 1 , ⁇ 2 , ⁇ 3 , ⁇ 4 , ⁇ 5 and ⁇ 6 can be Refer to the relevant description in FIG. 34 above.
  • the car machine sends a request to the mobile phone, which requests the user to obtain the recalled service data and mobile phone status data on the mobile phone.
  • the mobile phone sends the mobile phone recall service to the car, namely express service and WeChat service.
  • the car machine will also combine the service capacity that can be accommodated on the car machine and the service capacity that can be accommodated on the mobile phone at the same time, and distribute each service to different devices.
  • Table 28 exemplarily shows the service capacity that can be displayed on each device at the same time. Among them, only one service can be displayed on the car at the same time, a maximum of three services can be displayed on the mobile phone, and only one service can be displayed on the headset at the same time.
  • the mobile phone is in the charging state; (2) The schedule starts in 3 hours; (3) The car is driving towards home, which is relatively close to home; (4) The car is using navigation software; (5) The user has never used WeChat and payment codes on the car.
  • the joint ranking result is that the usage probability of the express service is greater than that of the schedule service, the usage probability of the schedule service is greater than that of the WeChat service, and the usage probability of the WeChat service is greater than that of the navigation service.
  • the car-machine Based on Table 27 and Table 28, the car-machine finally determines that the correspondence between the express service and the car-machine has the highest score, and only one service can be displayed on the car-machine at the same time, then the car-machine will display the express service on the car-machine. Afterwards, the correspondence between the schedule service, WeChat service and navigation service and the mobile phone has the highest score, and a maximum of 3 services can be displayed on the mobile phone at the same time, then the vehicle will send the schedule service logo, WeChat service logo and navigation service logo to the mobile phone, The mobile phone displays the schedule service, WeChat service and navigation service on the mobile phone.
  • the historical use data of the first user may also be the user's historical operations. That is, the user behavior of the user within a period of time, such as the setting items of the first electronic device within a period of time, or the setting items of the first electronic device controlling other electronic devices. For example, yesterday the first user used the setting items of turning on the air conditioner and closing the curtains in the movie watching scene. Today, in the movie watching scene, the first electronic device recommends the recommendation card for the user to turn on the air conditioner and close the curtains.
  • the first electronic device executes multiple functional operations corresponding to the first service set.
  • the method further includes: , the first electronic device displays the first recommendation card corresponding to the first service set; when it is detected that the trigger condition of the first service set is met, the first electronic device executes multiple functional operations corresponding to the first service set, specifically including: When a trigger operation for the first recommended card is detected, the first electronic device executes multiple functional operations corresponding to the first service set.
  • the first recommendation card may be the card 801 shown in FIG. 9A .
  • the first recommendation card may also be the card 802 shown in FIG. 9C.
  • the first recommendation card may also be the card 803 shown in FIG. 9I.
  • the first recommendation card may also be the card 807 shown in FIG. 9J .
  • the first recommendation card may also be the card 810 shown in FIG. 9K .
  • the first recommendation card may also be the card 813 shown in FIG. 9L.
  • the first recommendation card may also be the card 1202 shown in FIG. 12 .
  • the first recommendation card may also be the card 1302 shown in FIG. 13 .
  • the first recommendation card may also be the card 1602 shown in FIG. 16 .
  • the first recommendation card may also be the card 1702 shown in FIG. 17 .
  • the first electronic device may simultaneously display recommendation cards corresponding to multiple service sets, and each service set may include multiple services, or may only include one service.
  • the first electronic device detects the user's trigger operation (for example, click) on the first recommended card, which enables the user to "use" multiple services with one click.
  • the user's trigger operation for example, click
  • the triggering condition can also be a voice command, the identity information of the first user, a gesture, etc., so that the first electronic device can be triggered to execute multiple services in the first service set without manual operation by the user, which is convenient and quick.
  • multiple service functions in the first service set correspond to multiple service functions of different applications, or multiple service functions in the first service set correspond to control of multiple different devices. In this way, different applications are controlled simultaneously or different devices are controlled simultaneously.
  • the multiple service function types in the first service set include any one or more of the following: application services, system services, and services for controlling working states of other electronic devices.
  • the first electronic device executes multiple functional operations corresponding to the first service set, specifically including: the first electronic device controls the first electronic device to work with a first working parameter, where the first working parameter includes any one or more of the following: The setting state of the system of the first electronic device, the setting state of the application installed on the first electronic device, and the opening/closing of the application installed on the first electronic device. And/or, the first electronic device controls the third electronic device to work with the second working parameter, wherein the second working parameter includes any one or more of the following: on/off of the third electronic device, setting state of the third electronic device .
  • the first electronic device generates a second service set based on the personal data of the first user.
  • the second service set includes multiple service functions, and the multiple functional operations corresponding to the second service set are the same as the multiple service functions corresponding to the first service set.
  • the functional operations are different; when it is detected that the trigger condition of the second service set is satisfied, the first electronic device executes multiple functional operations corresponding to the second service set. In this way, for the same user, in different scenarios, the first electronic device can automatically generate different service sets for the user, reflecting the intelligence of service recommendation.
  • the first electronic device generates a third service set based on the personal data of the second user, the third service set includes multiple service functions, and the personal data of the second user includes historical usage data of the second user;
  • the first electronic device executes multiple functional operations corresponding to the third service set. If the personal data of the first user is different from the personal data of the second user, the multiple functional operations corresponding to the third service set are different from the multiple functional operations corresponding to the first service set. In this way, in the same scene, for different users, the service sets generated by the electronic device are also different, which reflects the differences of users and the intelligence of service recommendation.
  • the first electronic device executes multiple functional operations corresponding to the first service set, specifically including: the first electronic device executes multiple functional operations corresponding to the first service set based on the execution relationship of multiple services in the first service set .
  • the execution relationship of multiple services in the first service set includes but not limited to sequential execution, simultaneous execution and so on.
  • the sequence of execution for example, in a navigation scenario, the first electronic device first acquires location information, and then acquires route information, and then the first electronic device broadcasts the route information through the earphone.
  • the method further includes: when the first condition is met, the first electronic device acquires multiple candidate service functions; the first electronic device Generating the first service set based on the personal data of the first user specifically includes: the first electronic device generating the first service set based on multiple candidate service functions based on the personal data of the first user. That is, before generating the first service set, the first electronic device needs to acquire multiple candidate service functions.
  • the first condition is the trigger condition of the scenario.
  • the method further includes: the first electronic device obtains a candidate service set, and the service functions in the candidate service set include the following Any one or more items: the service function sent by the server, the service function sent by other electronic devices, the service function preset in the first electronic device; the first electronic device obtains multiple candidate service functions, specifically including: the first electronic device The device acquires multiple candidate service functions from the candidate service set based on the personal data of the first user.
  • the multiple service sets are service sets whose similarity with the service function used by the first user in the first scenario is greater than a preset value; the first electronic device selects from the multiple service sets based on the personal data of the first user Determining the first service set specifically includes: the first electronic device determines the type of device that the first user cares about in the first scenario; Determine the first service set that is similar to the device type that the first user cares about from the service sets. That is to say, the first electronic device may recommend to the user a set of services used by similar users that are close to the type of device that the first user cares about.
  • the first electronic device obtains the first time when the user history uses the first service set and the second time when the first electronic device history displays the first recommended card; when the first electronic device determines that the first time is earlier than the second time time, or when the first time is later than the second time and the difference between the first time and the second time is greater than a preset value, the first electronic device adjusts the preset trigger condition of the first service set; After an electronic device adjusts the preset triggering condition of the first service set, the first electronic device displays the first recommendation card at a third time, wherein the third time is before the first time, and the third time and the first time The difference is less than the preset value.
  • the first electronic device adjusts the preset trigger condition of the first service set, which specifically includes: the first electronic device determines the maximum constraint condition of the preset trigger condition; the first electronic device determines the second new sub-set The condition, wherein the execution time of the second newly added subcondition is earlier than the execution time of the maximum constraint condition of the preset trigger condition; the first electronic device replaces the maximum constraint condition of the preset trigger condition with the second newly added subcondition.
  • the first electronic device can adjust the preset trigger condition that the scene is triggered too late.
  • the first electronic device can dynamically adjust the time when the first electronic device stops displaying the first service set based on the time when the user uses the first service set and the time when the user stops displaying the first service set, so as to prevent the first electronic device from stopping There is a large deviation between the time when the first service set is displayed and the time when the user uses the first service set.
  • the first electronic device adjusts the preset exit condition of the first service set, which specifically includes: the first electronic device determines the maximum constraint condition of the preset exit condition, and the preset exit condition includes one or more subconditions, The maximum constraint condition is the last executed subcondition among one or more subconditions; the first electronic device delays the execution time of the maximum constraint condition of the preset exit condition by a first duration;
  • the displaying of the first recommendation card by the first electronic device at the third time specifically includes: the first electronic device detects that the first new sub-condition is executed, and the first electronic device The first recommendation card is displayed at a third time.
  • the method further includes: before the third time, the first electronic device detects that the first newly added sub-condition is not executed but the maximum constraint condition of the preset exit condition is executed, The first electronic device displays the first recommendation card at a fourth time, and the fourth time is later than the third time.
  • a computer program product includes one or more computer instructions.
  • Computer instructions may be stored in or transmitted from one computer-readable storage medium to another computer-readable storage medium, e.g. Coaxial cable, optical fiber, digital subscriber line) or wireless (such as infrared, wireless, microwave, etc.) to another website site, computer, server or data center.
  • the processes can be completed by computer programs to instruct related hardware.
  • the programs can be stored in computer-readable storage media.
  • When the programs are executed may include the processes of the foregoing method embodiments.
  • the aforementioned storage medium includes: ROM or random access memory RAM, magnetic disk or optical disk, and other various media that can store program codes.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种服务推荐方法及相关装置，方法包括：第一电子设备基于第一用户的个人数据生成第一服务集合，第一服务集合包括多个服务功能，第一用户的个人数据包括第一用户的历史使用数据（S3501）；在检测到满足第一服务集合的触发条件时，第一电子设备执行第一服务集合对应的多个功能操作（S3502）。第一电子设备可以就用户的历史使用数据自动为用户推荐多个不同的服务功能，实现了服务推荐的便利性和准确性。

Description

一种服务推荐方法及相关装置
本申请要求于2021年12月30日提交中国专利局、申请号为202111670318.7、申请名称为“一种服务推荐方法及相关装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及人工智能技术领域，尤其涉及一种服务推荐方法及相关装置。
背景技术
随着电子技术以及计算机技术的不断发展，手机、平板电脑、智能可穿戴设备等终端已得到普及。终端可利用应用程序或者***提供的各种各样的服务来实现相应的功能。当用户需要使用应用程序的某个功能时，例如查看应用A中的订票信息需要用户自主查找对应应用并通过多次操作打开应用的相关功能界面等较为繁琐的操作。如何提高服务推荐的便利性和准确性是一个亟待解决的问题。
发明内容
本申请提供了一种服务推荐方法及相关装置，实现了服务推荐的便利性和准确性。
第一方面，本申请提供了一种服务推荐方法，包括：第一电子设备基于第一用户的个人数据生成第一服务集合，第一服务集合包括多个服务功能，第一用户的个人数据包括第一用户的历史使用数据；在检测到满足第一服务集合的触发条件时，第一电子设备执行第一服务集合对应的多个功能操作。
第一服务集合包括多个服务功能，也就是说，第一电子设备可以将多个不同功能的服务集成为一个服务集合(即第一服务集合)推荐给用户，实现了用户“一键使用”多个服务的操作。
第一用户的历史使用数据可以是针对第一用户的个人画像数据，例如用户的喜好、行为习惯、性别、年龄等等。也就是说第一电子设备基于第一用户的个人画像数据为用户自动生成第一服务集合，不需要用户手动设置场景关联的服务集合。另一方面，随着用户的个人画像数据的变化，第一电子设备地洞为用户生成的服务集合也不同，体现了服务推荐的准确性。
第一用户的历史使用数据还可以是用户的历史操作。即用户在一段时间内的用户行为，例如第一电子设备在一段时间内的设置项、或者第一电子设备控制其他电子设备的设置项等。例如，昨天第一用户在观影场景下使用了开空调和关窗帘的设置项，今天在观影场景下，第一电子设备为用户推荐开空调和关窗帘的推荐卡片。
通过第一方面提供的方法，一方面，不需要用户执行复杂的操作去设置服务集合，节省了用户操作，提升了用户体验。另一方面，服务集合中包括多个服务功能，实现了第一电子设备可以在同一时刻自动为用户推荐多个服务功能，也即第一电子设备可以同时执行多个服务功能对应的多个功能操作，方便快捷。再一方面，随着用户的个人数据越来越丰富，第一电子设备自动为用户生成的服务集合越符合用户的行为特征，也即第一电子设备为用户推荐的服务集合越准确。在不同时间、地点和设备状态下，即针对同一个用户，在不同场景下，第一电子设备自动为用户推荐的服务集合也不同。实现了服务推荐的便利性和准确性。
可选的，在一种可能的实现方式中，在第一电子设备基于第一用户的个人数据生成第一服务集合之后，在第一电子设备执行第一服务集合对应的多个功能操作之前，方法还包括：在满足第一条件时，第一电子设备显示第一服务集合对应的第一推荐卡片；在检测到满足第一服务集合的触发条件时，第一电子设备执行第一服务集合对应的多个功能操作，具体包括：在检测到针对第一推荐卡片的触发操作时，第一电子设备执行第一服务集合对应的多个功能操作。
其中，第一电子设备可以同时显示多个服务集合对应的推荐卡片，每一个服务集合可以包括多个服务，也可以仅包括一个服务。
这样，第一电子设备在显示服务集合对应的第一推荐卡片后，用户可以查看到第一电子设备自动为用户推荐的是哪些服务功能，便于用户决策是否需要第一电子设备执行第一电子设备自动为用户推荐的多个服务功能。
当触发条件为针对第一推荐卡片的触发操作时，第一电子设备检测到用户针对第一推荐卡片的触发操作(例如点击)，实现了用户“一键使用”多个服务的操作。
触发条件还可以是语音指令、第一用户的身份信息、手势等，实现了无需用户手动操作即可触发第一电子设备执行第一服务集合中的多个服务，方便快捷。
可选的，在一种可能的实现方式中，方法还包括：第一电子设备基于第一用户的个人数据生成第二服务集合，第二服务集合包括多个服务功能，第二服务集合对应的多个功能操作和第一服务集合对应的多个功能操作不同；在检测到满足第二服务集合的触发条件时，第一电子设备执行第二服务集合对应的多个功能操作。这样，针对同一个用户，在不同场景下，第一电子设备可以为用户自动生成不同的服务集合，体现了服务推荐的智能性。
可选的，在一种可能的实现方式中，方法还包括：第一电子设备基于第二用户的个人数据生成第三服务集合，第三服务集合包括多个服务功能，第二用户的个人数据包括第二用户的历史使用数据；在检测到满足第三服务集合的触发条件时，第一电子设备执行第三服务集合对应的多个功能操作。若第一用户的个人数据与第二用户的个人数据不同，第三服务集合对应的多个功能操作与第一服务集合对应的多个功能操作不同。这样，在相同场景下，针对不同的用户，电子设备生成的服务集合也不同，体现了用户的差异性，体现了服务推荐的智能性。
可选的，在一种可能的实现方式中，第一电子设备执行第一服务集合对应的多个功能操作，具体包括：第一电子设备基于第一服务集合中多个服务的执行关系执行第一服务集合对应的多个功能操作。其中，第一服务集合中多个服务的执行关系包括但不仅限于先后执行、同时执行等等。
可选的，在一种可能的实现方式中，第一服务集合中多个服务功能对应多个不同应用的服务功能，或者第一服务集合中多个服务功能对应多个不同设备的控制。这样，实现了同时对不同的应用进行控制或者同时对不同的设备进行控制。
可选的，在一种可能的实现方式中，第一服务集合中多个服务功能类型包括以下任意一项或多项：应用服务、***服务和控制其他电子设备工作状态的服务。第一电子设备执行第一服务集合对应的多个功能操作，具体包括：第一电子设备控制第一电子设备以第一工作参数工作，其中，第一工作参数包括以下任意一项或多项：第一电子设备的***的设置状态、第一电子设备上安装的应用的设置状态、第一电子设备上安装的应用开启/关闭。和/或，第一电子设备控制第三电子设备以第二工作参数工作，其中，第二工作参数包括以下任意一项或多项：第三电子设备开启/关闭、第三电子设备的设置状态。
可选的，在一种可能的实现方式中，在第一电子设备基于第一用户的个人数据生成第一服务集合之前，方法还包括：在满足第一条件时，第一电子设备获取到多个候选服务功能；第一电子设备基于第一用户的个人数据生成第一服务集合，具体包括：第一电子设备基于第一用户的个人数据基于多个候选服务功能生成第一服务集合。即，在生成第一服务集合之前，第一电子设备还需先获取到多个候选服务功能。
可选的，在一种可能的实现方式中，在第一电子设备获取到多个候选服务功能之前，方法还包括：第一电子设备获取到候选服务集合，候选服务集合中的服务功能包括以下任意一项或多项：服务器发送的服务功能、其他电子设备发送的服务功能、第一电子设备中预置的服务功能；第一电子设备获取到多个候选服务功能，具体包括：第一电子设备基于第一用户的个人数据从候选服务集合中获取到多个候选服务功能。
可选的，在一种可能的实现方式中，第一电子设备基于第一用户的个人数据从候选服务集合中获取到多个候选服务功能，具体包括：第一电子设备基于第一用户的个人数据得到第一用户使用候选服务集合中每一个服务功能的概率；第一电子设备筛选出使用概率大于预设值的多个服务功能，得到候选服务功能。
可选的，在一种可能的实现方式中，第一条件包括以下任意一种或多种：当前时间满足第一时间、第一电子设备所在的地点满足预设地点、与第一用户关联的电子设备的设备状态满足预设状态，其中，设备状态包括电子设备当前电量、电子设备是否连接WiFi、电子设备是否连接蓝牙、电子设备是否亮屏、电子设备是否输出音频、电子设备是否开启/关闭。
其中，在不同的地点，电子设备为用户推荐的服务不同，例如，在深圳，第一电子设备可以为用户推荐深圳地铁乘车码。在武汉，第一电子设备可以为用户推荐武汉地铁乘车码。
可选的，在一种可能的实现方式中，在第一电子设备基于第一用户的个人数据生成第一服务集合之前，方法还包括：第一电子设备获取第一场景中的多个服务集合；第一电子设备基于第一用户的个人数据生成第一服务集合，具体包括；第一电子设备基于第一用户的个人数据从多个服务集合中确定出第一服务集合。即第一电子设备可以不用筛选出单个的服务，在基于多个单个的服务生成服务集合，而是直接从多个服务集合中筛选出用户可能使用的服务集合。
可选的，在一种可能的实现方式中，多个服务集合为与第一用户在第一场景中使用的服务功能的相似度大于预设值的服务集合；第一电子设备基于第一用户的个人数据从多个服务集合中确定出第一服务集合，具体包括：第一电子设备确定出第一用户在第一场景下关注的 设备类型；第一电子设备基于第一用户关注的设备类型和第一用户的个人数据从多个服务集合中确定出与第一用户关注的设备类型相似的第一服务集合。也就是说，第一电子设备可以为用户推荐与第一用户关注的设备类型接近的相似用户使用的服务集合。
可选的，在一种可能的实现方式中，第一电子设备确定出第一用户在第一场景下关注的设备类型，具体包括：第一电子设备基于与第一用户关联的设备的工作状态、与第一用户关联的设备检测到的第一用户的状态确定出第一用户关注的设备类型。
可选的，在一种可能的实现方式中，第一电子设备基于与第一用户关联的设备的工作状态、与第一用户关联的设备检测到的第一用户的状态确定出第一用户关注的设备类型，具体包括：第一电子设备基于与第一用户关联的设备的工作状态、与第一用户关联的设备检测到的第一用户的状态确定出第一用户对多个设备的关注度；第一电子设备将第一用户对多个设备的关注度前M个设备作为第一用户关注的设备类型。
可选的，在一种可能的实现方式中，方法还包括：第一电子设备获取用户历史使用第一服务集合的第一时间和第一电子设备历史显示第一推荐卡片的第二时间；在第一电子设备确定出第一时间早于第二时间，或者第一时间晚于第二时间且述第一时间与第二时间的差值大于预设值的情况下，第一电子设备对第一服务集合的预设触发条件进行调整；在第一电子设备对第一服务集合的预设触发条件进行调整后，第一电子设备在第三时间展示第一推荐卡片，其中，第三时间在第一时间之前，且第三时间和第一时间的差小于预设值。也就是说，第一电子设备可以基于用户使用第一服务集合的时间和展示第一服务集合的时间，动态的调整第一电子设备展示第一服务集合的时间，避免第一电子设备展示第一服务集合的时间与用户使用第一服务集合的时间出现较大偏差。
可选的，在一种可能的实现方式中，第一时间为第一时间段内用户使用第一服务集合的时间的平均值；第二时间为第一时间段内第一电子设备展示第一服务集合的时间的平均值。这样，基于一段时间内的统计数据对第一电子设备展示第一服务集合的时间进行调整，保证了统计数据的可靠性。
可选的，在一种可能的实现方式中，第一电子设备对第一服务集合的预设触发条件进行调整，具体包括：第一电子设备确定出预设触发条件的最大约束条件，预设触发条件包括一个或多个子条件，最大约束条件为一个或多个子条件中最后执行的子条件；第一电子设备将预设触发条件的最大约束条件的执行时间延迟第一时长；第一电子设备确定出第一新增子条件，其中，第一新增子条件的执行时间早于预设触发条件的最大约束条件延迟第一时长后的执行时间。这样，第一电子设备可以对场景触发过早的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：在第三时间之前，第一电子设备检测到第一新增子条件未被执行，第一电子设备在第三时间显示第一推荐卡片。这样，第一电子设备可以避免用户提前使用第一服务集合，而预设触发条件的最大约束条件还没执行导致第一服务集合推荐过晚的情况发生。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到在最大约束条件延迟执行的第一时长内，第一新增子条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间早于第三时间。
可选的，在一种可能的实现方式中，第一电子设备对第一服务集合的预设触发条件进行调整，具体包括：第一电子设备确定出预设触发条件的最大约束条件；第一电子设备确定出第二新增子条件，其中，第二新增子条件的执行时间早于预设触发条件的最大约束条件的执行时间；第一电子设备将预设触发条件的最大约束条件替换为第二新增子条件。这样，第一电子设备可以对场景触发过晚的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：第一电子设备检测到第二新增子条件被执行，第一电子设备在第三时间显示第一推荐卡片。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到第二新增子条件未被执行但是预设触发条件的最大约束条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间晚于第三时间。这样，第一电子设备可以避免用户提前使用第一服务集合，而预设触发条件的最大约束条件触发但是第二新增子条件还没执行导致第一服务集合推荐过晚的情况发生。
可选的，在一种可能的实现方式中，方法还包括：第一电子设备获取用户历史使用第一服务集合的第一时间和第一电子设备历史停止显示第一推荐卡片的第二时间；在第一电子设备确定出第一时间晚于第二时间，或者第一时间早于第二时间且述第一时间与第二时间的差值大于预设值的情况下，第一电子设备对第一服务集合的预设退出条件进行调整；在第一电子设备对第一服务集合的预设退出条件进行调整后，第一电子设备在第三时间停止展示第一推荐卡片，其中，第三时间在第一时间之后，且第三时间和第一时间的差小于预设值。也就是说，第一电子设备可以基于用户使用第一服务集合的时间和停止展示第一服务集合的时间，动态的调整第一电子设备停止展示第一服务集合的时间，避免第一电子设备停止展示第一服务集合的时间与用户使用第一服务集合的时间出现较大偏差。
可选的，在一种可能的实现方式中，第一时间为第一时间段内用户使用第一服务集合的时间的平均值；第二时间为第一时间段内第一电子设备停止展示第一服务集合的时间的平均值。这样，基于一段时间内的统计数据对第一电子设备停止展示第一服务集合的时间进行调整，保证了统计数据的可靠性。
可选的，在一种可能的实现方式中，第一电子设备对第一服务集合的预设退出条件进行调整，具体包括：第一电子设备确定出预设退出条件的最大约束条件，预设退出条件包括一个或多个子条件，最大约束条件为一个或多个子条件中最后执行的子条件；第一电子设备将预设退出条件的最大约束条件的执行时间延迟第一时长；
或者，第一电子设备确定出第一新增子条件，其中，第一新增子条件的执行时间早于预设退出条件的最大约束条件延迟第一时长后的执行时间。这样，第一电子设备可以对场景退出过早的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：在第三时间之前，第一电子设备检测到第一新增子条件未被执行，第一电子设备在第三时间显示第一推荐卡片。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测 到在最大约束条件延迟执行的第一时长内，第一新增子条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间早于第三时间。
可选的，在一种可能的实现方式中，第一电子设备对第一服务集合的预设触发条件进行调整，具体包括：第一电子设备确定出预设退出条件的最大约束条件；第一电子设备确定出第二新增子条件，其中，第二新增子条件的执行时间早于预设退出条件的最大约束条件的执行时间；第一电子设备将预设退出条件的最大约束条件替换为第一新增子条件。这样，第一电子设备可以对场景退出过晚的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：第一电子设备检测到第一新增子条件被执行，第一电子设备在第三时间显示第一推荐卡片。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到第一新增子条件未被执行但是预设退出条件的最大约束条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间晚于第三时间。
可选的，在一种可能的实现方式中，方法还包括：在第一电子设备显示第一推荐卡片，且第一电子设备确定出第一推荐卡片上的显示元素不同于预设显示元素之后，第一电子设备基于第一用户的个人数据生成第四服务集合，第四服务集合中不包括第一服务集合中的第一服务功能；第一电子设备显示第四服务集合对应的第二推荐卡片，第二推荐卡片上的显示元素与预设显示元素相同。这样，第一电子设备可以避免为用户推荐显示不完整的服务。
可选的，在一种可能的实现方式中，在第一电子设备确定出第一推荐卡片上的显示元素不同于预设显示元素之后，方法还包括：第一电子设备将第一服务集合中第一服务功能的标识发送至服务器，第一服务功能的标识用于服务器将第一服务功能的信誉度降低；第一电子设备接收服务器在降低第一服务功能的信誉度后发送的信誉度信息，信誉度信息用于指示多个不同服务功能的信誉度。这样，第一电子设备通过降低显示不完整的服务的信誉度，来避免为用户推荐显示不完整的服务。
可选的，在一种可能的实现方式中，第一电子设备基于第一用户的个人数据生成第四服务集合，具体包括：第一电子设备基于服务器发送的信誉度信息从多个不同服务功能中基于第一用户的个人数据生成第四服务集合，第四服务集合中第二服务功能的信誉度高于第一服务集合中第一服务功能的信誉度。
可选的，在一种可能的实现方式中，在第一电子设备显示第一推荐卡片之前，方法还包括：第一电子设备获取到第一服务集合中第一服务功能生成的校验结果，校验结果用于表示第一服务功能是否获取到了预设权限信息和预设数据信息。第一电子设备显示第一推荐卡片，具体包括：在校验结果为第一服务功能获取到了预设权限信息和预设数据信息的情况下，第一电子设备显示第一推荐卡片。这样，第一电子设备通过服务自校验来确定是否把服务推荐给用户，提高了服务校验的效率。
可选的，在一种可能的实现方式中，在第一电子设备显示第一服务集合对应的第一推荐卡片之前，还包括：第一电子设备与第二电子设备建立通信连接；第一电子设备获取到第一用户针对第一电子设备的第一关注度、第一用户针对第二电子设备的第二关注度；第一电子设备基于第一关注度和第二关注度确定出展示第一服务集合的设备；第一电子设备显示第一服务集合对应的第一推荐卡片，具体包括：当展示第一服务集合的设备为第一电子设备时，第一电子设备显示第一服务集合对应的第一推荐卡片。这样，第一电子设备可以结合用户当前对各个设备的关注度，将服务推荐在用户关注的设备上。
可选的，在一种可能的实现方式中，方法还包括：当展示第一服务集合的设备为第二电子设备时，第一电子设备将第一服务集合中服务功能的标识发送中第二电子设备，第一服务集合中服务功能的标识用于第二电子设备显示第一推荐卡片。
可选的，在一种可能的实现方式中，在第一电子设备基于第一关注度和第二关注度确定出展示第一服务集合的设备之前，方法还包括：第一电子设备获取到第一服务集合中服务功能与第一电子设备的匹配度、第一服务集合中服务功能与第二电子设备的匹配度、第一服务集合中服务功能的优先级、第一电子设备上可显示的服务功能容量、第二电子设备上可显示的服务功能容量；第一电子设备基于第一关注度和第二关注度确定出展示第一服务集合的设备，具体包括：第一电子设备基于第一关注度、第二关注度、第一服务集合中服务功能与第一电子设备的匹配度、第一服务集合中服务功能与第二电子设备的匹配度、第一服务集合中服务功能的优先级、第一电子设备上可显示的服务功能容量、第二电子设备上可显示的服务功能容量确定出展示第一服务集合的设备。
第二方面，本申请提供了一种电子设备，为第一电子设备，其特征在于，第一电子设备包括：一个或多个处理器、一个或多个存储器；一个或多个存储器与一个或多个处理器耦合，一个或多个存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，一个或多个处理器调用计算机指令以使得第一电子设备执行上述任一方面任一项可能的实现方式中提供的一种服务推荐方法。
第三方面，本申请实施例提供的一种计算机可读存储介质，用于存储计算机指令，当计算机指令在第一电子设备上运行时，使得第一电子设备执行上述任一方面任一项可能的实现方式中提供的一种服务推荐方法。
第四方面，本申请实施例提供了一种计算机程序产品，其特征在于，当计算机程序产品在第一电子设备上运行时，使得第一电子设备执行上述任一方面任一项可能的实现方式中提供的一种服务推荐方法。
附图说明
图1A-图1B示例性示出了两种服务推荐区域的示意图；
图2示例性示出了本申请实施例提供的一种电子设备100的结构示意图；
图3-图4示例性示出了本申请实施例提供的一组用户手动设置推荐服务的示意图；
图5示例性示出了本申请实施例提供的方式一中电子设备100如何为用户推荐服务的功能模块示意图；
图6示例性示出了本申请实施例提供的一种电子设备100如何为用户推荐服务集合的方法流程图；
图7示例性示出了本申请实施例提供的一种电子设备100如何训练模型702的示意图；
图8示例性示出了本申请实施例提供的一种电子设备100如何运用模型推荐出多个服务的示意图；
图9A-图9L示例性示出了本申请实施例提供的一组UI图；
图10示例性示出了本申请实施例提供的一种服务器200如何计算不同用户的相似度的示意图；
图11示例性示出了本申请实施例提供的一种服务器200如何基于相似度计算不同用户使用的服务集合的相似度的示意图；
图12示例性示出了本申请实施例提供的一种电子设备100在观影场景中为用户A推荐相似用户使用的服务集合的UI图；
图13示例性示出了本申请实施例提供的一种电子设备100在驾驶场景中为用户A推荐相似用户使用的服务集合的UI图；
图14示例性示出了本申请实施例提供的一种电子设备100如何训练关注度计算模型的示意图；
图15示例性示出了本申请实施例提供的一种电子设备100如何基于关注度计算模型得到用户针对不同的设备的关注度评分的示意图；
图16-图17示例性示出了本申请实施例提供的一组推荐相似用户使用的服务集合的UI图；
图18A-图18E示例性示出了电子设备100进入场景或者退出场景与用户真实使用该场景中的服务集合的时间出现偏差的示意图；
图19示例性示出了本申请实施例提供的一种电子设备100中的自适应调整场景条件的功能模块图；
图20示例性示出了本申请实施例提供的一种用户使用的场景服务集合的数据的正态分布的示意图；
图21示例性示出了本申请实施例提供的一种电子设备100对场景进入过早的触发条件进行调整的示意图；
图22示例性示出了本申请实施例提供的一种电子设备100对场景进入过晚的触发条件进行调整的示意图；
图23示例性示出了本申请实施例提供的一种电子设备100对场景退出过晚的退出条件进行调整的示意图；
图24示例性示出了本申请实施例提供的一种电子设备100对场景退出过早的预设退出条件进行调整的示意图；
图25A-图25D示例性示出了本申请实施例提供的一组推荐卡片功能异常的情况的示意图；
图26示例性示出了本申请实施例提供的一种电子设备100如何对待推荐的服务进行校验的示意图；
图27示例性示出了本申请实施例提供的一种电子设备100的软件结构框图；
图28示例性示出了本申请实施例提供的一种服务审查方法的交互示意图；
图29示例性示出了本申请实施例提供的一种推荐***如何通过服务管理模块对待推荐的服务进行校验的示意图；
图30示例性示出了本申请实施例提供的一种如何更新待推荐服务的信誉度评分的示意图；
图31示例性示出了本申请实施例提供的一种在单设备上做服务推荐的示意图；
图32示例性示出了本申请实施例提供的一种在多个设备上做服务装填的示意图；
图33A示例性示出了本申请实施例提供的一种多设备同时触发服务推荐流程的框架示意图；
图33B示例性示出了本申请实施例提供的一种单设备触发服务推荐流程的框架示意图；
图34示例性示出了本申请实施例提供的几种不同规格的服务推荐区域的示意图；
图35示例性示出了本申请实施例提供的一种服务推荐方法的流程示意图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗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一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本申请以下实施例中的术语“用户界面(user interface，UI)”，是应用程序或操作***与用户之间进行交互和信息交换的介质接口，它实现信息的内部形式与用户可以接受形式之间的转换。用户界面常用的表现形式是图形用户界面(graphic user interface，GUI)，是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示屏中显示的文本、图标、按钮、菜单、选项卡、文本框、对话框、状态栏、导航栏、Widget等可视的界面元素。
首先对本申请实施例涉及的技术术语进行解释。
1、场景和服务：场景是用户自定义的，例如晨起场景、通勤场景、离家场景、回家场景、观影场景、睡眠场景、导航场景、打车场景、驾驶场景等等。场景包括触发条件。场景还可以对应相应的服务。触发条件用于识别到场景类别，并可以触发电子设备推荐该场景预设的服务。触发条件可以包括一条或多条，触发条件可包括但不仅限于时间、地点、设备状态等。当时间、地点、设备状态等一项或多项满足触发条件时，电子设备可执行对应的场景中的服务。
服务可用于实现场景中的预设的功能或提供该类型场景的便捷功能等。服务可以包括***服务、应用服务和控制其他电子设备工作状态的服务等。不同的应用可以提供相同的服务，同一个应用也可以提供多个不同功能的服务。
其中，***服务为基于电子设备原生的能力提供的服务，例如闹钟服务、日程服务、天气服务、时间服务、音频播放服务、蓝牙服务等。
控制其他电子设备工作状态的服务可以控制与电子设备建立通信连接的其他电子设备的工作模式。例如，电子设备可以控制与之建立通信连接的智能音箱开始播放或者停止播放音乐。电子设备可以控制与之建立通信连接的大屏开始播放或者停止播放视频。
应用服务为电子设备上安装应用的提供商提供的服务。不用的应用可以提供相同的服务，例如打车应用可以提供打车服务，地图应用也可以提供的导航服务。同一个应用也可以提供多个不同功能的服务，例如微信应用可以提供支付服务、微信应用也可以提供的通话服务等
可选的，设备的设置状态也可以称为服务。例如设置设备的亮度、设置设备的音量、控制设备开启、控制设备关闭等等，都可以理解为服务。
可选的，服务还可以包括电子设备100为用户推荐的应用。例如，电子设备100检测到社交类应用有未读消息，则电子设备100为用户推荐该社交应用。本申请实施例对于电子设备100为用户推荐的服务类型不做限定。
示例性的，当电子设备识别到当前场景为睡眠场景，电子设备自动设置为免打扰模式，并控制与之建立通信连接的智能音箱和大屏进入休息模式，同时将窗帘关闭。
当电子设备识别到当前场景为运动场景，电子设备将本地铃声调整至最大，同时将社交软件设置为免打扰模式，当社交软件中有未读消息时，电子设备默认回复“运动中有事请拨打电话”。
当电子设备识别到当前场景为离家场景，若用户在没有车的情况下，电子设备为用户推荐打车服务。若用户在有车的情况下，电子设备为用户推荐导航服务。
2、场景识别：电子设备可以基于不同传感器采集的数据，在一定准则下，利用模型、规则和专家知识中的一种或多种，对传感器采集的数据进行分析，以完成场景的识别过程。对传感器采集的数据进行分析的过程包括前融合算法和后融合算法，前融合算法通过多个传感器采集的数据，将原始的传感器数据融合在一起。后融合算法对原始的传感器数据进行处理和分析，得到分析结果，即确定出具体的场景类别。常见的传感器包括但不仅限于压力传感器、陀螺仪传感器、加速度传感器、距离传感器、接近光传感器、指纹传感器、温度传感器、触摸传感器和环境光传感器等。电子设备可以根据传感器获取到的传感器数据，并结合时间、地点、设备状态等信息感知用户当前所处的场景，如工作场景、驾驶场景、睡眠场景、观影场景等。
示例性的，当电子设备通过接近光传感器检测到电子设备在长时间息屏后首次亮屏，且电子设备显示的时间在上午5:00-8：00之间，那么电子设备可以判断出使用电子设备的用户处于晨起场景。
当电子设备检测到家庭里的大屏正在播放视频，智能音箱正在输出音频，客厅的窗帘已关闭，客厅的灯也已关闭，且大屏通过屏幕上的摄像头检测到用户长时间注视着大屏的屏幕，那么电子设备可以判断出使用电子设备的用户处于观影场景。
3、服务推荐：也可以称为个性化服务推荐或者服务建议，通常是指在电子设备识别到具体某一个场景后，通过在桌面上主动向用户推荐一个或者多个服务，以促进用户更有效地利用各个服务的一种信息服务方式。本发明实施例中的服务是能给用户提供信息或交互功能的 对象。电子设备可以在初始状态下，在桌面上显示服务推荐区域，用于向用户推荐各个服务；或者可以基于用户的指令，显示服务推荐区域或者关闭服务推荐区域。服务推荐区域可能位于桌面上的任意区域，本申请实施例对此并不进行限定。比如服务推荐区域可能位于状态栏或下拉状态栏显示的页面、负一屏、全局搜索功能所在区域的相邻区域等等。
示例性的，如图1A和图1B展示了两种服务推荐区域在UI上的可能位置。如图1A所示，服务推荐区域可以直接展示在桌面上，服务推荐区域还可以展示在如图1B所示的侧边滑出的显示界面上，用户可以通过预设的指令，调用该显示界面，以获取服务推荐区域。
4、群体画像：群体画像是利用群体数据生成的针对用户群体的标签。
用户群体的标签可以包括但不限于：在每一个场景中，该用户群体经常使用的服务类别、该用户群体忽略服务最多的服务类别、用户群体关闭服务最多的服务类别、用户群体举报服务最多的服务类别等等。据诶的，如何对用户群体进行群体画像得到用户群体使用服务的情况，将在后续实施例中详细介绍，本申请实施例在此不做赘述。
在一些实施例中，用户群体是不分性别、不分年龄、不分地域的所有用户的集合。在一些实施例中，用户群体可以根据性别分类，例如用户群体可以分为女性用户群体和男性用户群体。或者用户群体也可以分为各个年龄段的用户群体等。示例性的，当用户群体分为女性用户群体和男性用户群体时，群体画像可以分为女性用户群体画像和男性用户群体画像。具体的，群体数据可以分为男性用户群体的数据和女性用户群体的数据。根据男性用户群体的数据为男性用户群体进行画像，即对男性用户群体贴标签，例如，男性用户群体对运动服务最感兴趣、对观影服务不感兴趣等。根据女性用户群体的数据为女性用户群体进行画像，即对女性用户群体贴标签，例如，女性用户群体对健康检测服务感兴趣、对运动服务不感兴趣等。示例性的，当用户群体分为各个年龄段的用户群体时，群体画像还可以根据各个年龄段的用户群体对用户群体画像。具体的，群体数据可以按照年龄段进行分类。例如将用户年龄在0-20岁之间的用户群体数据分为一类，将用户年龄在21-35岁之间的用户群体数据分为一类，将用户年龄在36-50岁之间的用户群体数据分为一类，将用户年龄在51-70岁之间的用户群体数据分为一类。根据各个年龄段的用户群体数据对各个年龄段的用户群体分别进行画像，即为各个年龄段的用户群体贴标签。例如，年龄在0-20岁之间的用户群体对运动服务最感兴趣、年龄在21-35岁之间的用户群体对外卖服务最感兴趣、年龄在36-50岁之间的用户群体对健康检测服务最感兴趣、年龄在51-70岁之间的用户群体对社交服务最感兴趣等。
本身请实施例提供了一种服务推荐方法，方法包括：电子设备100设备基于第一用户的个人数据生成第一服务集合，第一服务集合包括多个服务功能，第一用户的个人数据包括第一用户的历史使用数据；在检测到满足第一服务集合的触发条件时，电子设备100执行第一服务集合对应的多个功能操作。这样，实现了服务推荐的便利性和准确性。
第一服务集合包括多个服务功能，也就是说，电子设备100可以将多个不同功能的服务集成为一个服务集合(即第一服务集合)推荐给用户，实现了用户“一键使用”多个服务的操作。
第一用户的历史使用数据可以是针对第一用户的个人画像数据，例如用户的喜好、行为习惯、性别、年龄等等。也就是说电子设备100基于第一用户的个人画像数据为用户自动生成第一服务集合，不需要用户手动设置场景关联的服务集合。另一方面，随着用户的个人画 像数据的变化，电子设备100为用户生成的服务集合也不同，体现了服务推荐的准确性。
可选的，第一用户的历史使用数据还可以是用户的历史操作。即用户在一段时间内的用户行为，例如电子设备100在一段时间内的设置项、或者电子设备100控制其他电子设备的设置项等。例如，昨天第一用户在观影场景下使用了开空调和关窗帘的设置项，今天在观影场景下，电子设备100为用户推荐开空调和关窗帘的推荐卡片。
可选的，第一用户的历史使用数据还可以是第一用户的个人画像数据和用户的历史操作。
可选的，电子设备100还可以结合用户针对不同设备的关注度，为用户推荐关注的设备类似的相似用户使用的服务集合。具体的，可以参考后续图10-图17介绍的实施例，本申请实施例在此不做赘述。
可选的，本申请实施例还可以对场景的预设触发条件和预设退出条件进行调整的，以使得电子设备100提高推荐服务的准确性。示例性，当满足触发条件时，电子设备100会向用户推荐一个或多个服务，并将该一个或多个服务以推荐卡片的形式显示在桌面上的推荐区域。电子设备100可以记录下用户触发电子设备100执行该一个或多个服务的时间，并基于一个或多个服务的实际执行时间和电子设备100显示该一个或多个服务的时间，判断出电子设备100显示一个或多个服务的时间是否合适，若不合适，电子设备100将基于预设的规则对电子设备100显示一个或多个服务的时间进行调整，使得电子设备100显示一个或多个服务的时间与电子设备100实际执行该一个或多个服务的时间之间的差值小于预设时间，提高电子设备100显示服务卡片的准确性。对于如何对服务的推出条件进行调整的原理与如何让对服务的触发条件进行调整的原理类似。具体的，电子设备100如何对服务的触发条件进行调整的，可以参考图21-图22介绍的实施例，本申请实施例在此不做赘述。
可选的，本申请实施例还可以对显示的服务进行校验。电子设备100获取到服务发送的校验结果，当校验结果为以获取到预设权限信息和预设数据信息后，电子设备100将该服务推荐出来。在电子设备100推荐服务后，电子设备100还可以将显示内容不符合规则的服务的信誉度进行评分，以降低电子设备100对该类服务的推荐。具体的，当满足触发条件时，电子设备100会向用户推荐一个或多个服务，并将该一个或多个服务以卡片的形式显示在桌面上的指定区域。电子设备100会检测该一个或多个服务的显示内容是否完整。若电子设备100检测到该一个或多个服务的显示内容不完整，那么电子设备100将降低该一个或多个服务的信誉度，使得信誉度降低后的服务推荐给用户的概率减少。具体的，电子设备100如何降低服务的信誉度的，可以参考图25A-图30介绍的实施例，本申请实施例在此不做赘述。
可选的，本申请实施例还可以实现在单设备上实现对多设备的服务分发。具体的，电子设备100召回多个服务后，电子设备100可以实现基于多个服务的优先级、用户当下对各个设备的关注度、各个设备的服务容量、以及每个服务在各个设备上的匹配度等因素对召回的多个服务进行排序，得到每一个服务在各个设备上的最优分布，进而进行服务的分发流转，最终将每一个服务展示在最合适的设备上，实现跨设备推荐服务。可以参考图32-图34介绍的实施例，本申请实施例在此不做赘述。
图2示出了电子设备100的结构示意图。
电子设备100可以是大屏、手机、平板电脑、桌面型计算机、膝上型计算机、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，PDA)、增强现实(augmented reality， AR)设备、虚拟现实(virtual reality，VR)设备、人工智能(artificial intelligence,AI)设备、车载设备等，本申请实施例对该电子设备的具体类型不作特殊限制。
电子设备100可以包括处理器110，内部存储器121，通用串行总线(universal serial bus，USB)接口130，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194等。其中传感器模块180可以包括压力传感器180A，陀螺仪传感器180B，加速度传感器180E，距离传感器180F，接近光传感器180G，指纹传感器180H，温度传感器180J，触摸传感器180K，环境光传感器180L等。
可以理解的是，本发明实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processing unit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了***的效率。
在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuit sound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purpose input/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。
USB接口130是符合USB标准规范的接口，具体可以是Mini USB接口，Micro USB接口，USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电，也可以用于电子设备100与***设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他电子设备，例如AR设备等。
电子设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进 行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。调制解调处理器可以包括调制器和解调器。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wireless local area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星***(global navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号解调以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
电子设备100通过GPU，显示屏194，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emitting diode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emitting diode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot light emitting diodes，QLED)等。在一些实施例中，电子设备100可以包括1个或N个显示屏194，N为大于1的正整数。
电子设备100可以通过ISP，摄像头193，视频编解码器，GPU，显示屏194以及应用处理器等实现拍摄功能。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，电子设备100可以包括1个或N个摄像头193，N为大于1的正整数。
内部存储器121可以包括一个或多个随机存取存储器(random access memory，RAM)和一个或多个非易失性存储器(non-volatile memory，NVM)。
电子设备100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如音乐播放，录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A，也称“喇叭”，用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐，或收听免提通话。
受话器170B，也称“听筒”，用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时，可以通过将受话器170B靠近人耳接听语音。
麦克风170C，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170C发声，将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中，电子设备100可以设置两个麦克风170C，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，电子设备100还可以设置三个，四个或更多麦克风170C，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130，也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform，OMTP)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the USA，CTIA)标准接口。
压力传感器180A用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180A可以设置于显示屏194。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194，电子设备100根据压力传感器180A检测触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即，x，y和z轴)的角速度。加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。距离传感器180F，用于测量距离。接近光传感器180G可以包括例如发光二极管(LED)和光检测器，例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时，可以确定电子设备100附近有物体。当检测到不充分的反射光时，电子设备100可以确定电子设备100附近没有物体。环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。指纹传感器180H用于采集指纹。温度传感器180J用于检测温度。在一些实施例中，电子设备100利用温度传感器180J检测的温度，执行温度处理策略。触摸传感器180K，也称“触控器件”。触摸传感器180K可以设置于显示屏194，由触摸传感器180K与显示屏194组成触摸屏，也称“触控屏”。
按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入，产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用(例如拍照，音频播放等)的触摸操作，可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作，马达191也可对应不同的振动反馈效果。
指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。
首先介绍电子设备100如何为用户推荐服务的。
目前，电子设备100支持用户在应用程序(例如智慧生活应用程序)中手动添加在一定场景下，当满足触发条件时，将触发电子设备100执行任务。
如图3所示，用户在智慧生活应用程序的设置界面中，添加了新的场景为“回家”场景，“回家”场景的触发条件为“当点击此场景卡片时”或者“说出语音指令小艺小艺，我回家了时”，电子设备100将执行以下任务，“打开客厅的空调，并调节至26℃”、“打开客厅 的空气净化器”和“打开客厅的电灯，并调节至暖白”。用户设置好场景名称、触发条件和执行任务后，电子设备100接收用户针对设置界面中完成控件的输入操作(例如单击)，响应于用户的输入操作，电子设备100将显示如图4所示的“我的场景”界面。这样，“回家”场景的触发条件和执行任务就已经创建好了。
从图3-图4的操作步骤可以看出，用户需要手动添加场景的触发条件和执行任务，用户操作比较繁琐，用户体验不好。
因此，如何减少用户操作，为用户推荐个性化的服务，是亟待解决的问题。
本申请实施例提供的服务生成方法，电子设备100可以基于用户的个人数据生成服务集合，服务集合包括多个服务功能用户的个人数据包括第一用户的历史使用数据。在检测到满足第一服务集合的触发条件时，电子设备100执行服务集合对应的多个功能操作。
这样，电子设备100可以基于用户的个人数据，自动为用户生成服务集合，不需要用户手动去设置并生成服务集合。一方面，不需要用户执行复杂的操作去设置服务集合，节省了用户操作，提升了用户体验。另一方面，服务集合中包括多个服务功能，实现了电子设备100可以在同一时刻自动为用户推荐多个服务功能，也即电子设备100可以同时执行多个服务功能对应的多个功能操作，方便快捷。再一方面，随着用户的个人数据越来越丰富，电子设备100自动为用户生成的服务集合越符合用户的行为特征，也即电子设备100为用户推荐的服务集合越准确。在不同时间、地点和设备状态下，即针对同一个用户，在不同场景下，电子设备100自动为用户推荐的服务集合也不同。实现了服务推荐的便利性和准确性。
可选的，电子设备100基于不用用户的个人数据，在相同时间、地点和设备状态下，若若不同用户的个人数据也不同，那么电子设备推荐给不同的用户的服务集合也不同，体现了用户的差异性，体现了服务推荐的智能性。
可选的，电子设备100生成服务集合后，电子设备100可以显示服务集合对应的推荐卡片。推荐卡片上可以显示服务集合中多个服务功能的信息功能。这样，在显示服务集合对应的推荐卡片后，用户可以查看到电子设备100自动为用户推荐的是哪些服务功能，便于用户决策是否需要电子设备100执行电子设备100自动为用户推荐的多个服务功能。
可选的，电子设备100还可以结合用户针对不同设备的关注度，为用户推荐关注的设备类似的相似用户使用的服务集合。
其中，基于用户的个人数据生成服务集合，可以理解为电子设备100通过学习用户在于用户关联的设备上的使用习惯，获取到用户的历史使用数据，主动生成在每一个场景下用户大概率会使用的服务组合，并基于该服务组合生成推荐卡片，并将推荐卡片显示在电子设备100上。
基于用户针对不同设备的关注度，为用户推荐关注的设备类似的相似用户使用的服务集合，可以理解为电子设备100确认出用户在同一场景下，用户更关注的是哪一个设备，进而为用户推荐关注度接近的设备的相似用户的服务组合，并基于该服务组合生成推荐卡片，并将推荐卡片显示在电子设备100上。
下面分别对上述服务生成方法进行详细的描述。
首先介绍电子设备100基于用户的个人数据生成服务集合的具体实现。
用户的个人数据包括用户的历史使用数据。用户的历史使用数据可以是针对用户的个人画像数据，例如用户的喜好、行为习惯、性别、年龄等等。也就是说电子设备100基于用户的个人画像数据为用户自动生成服务集合，不需要用户手动设置场景关联的服务集合。随着 用户的个人画像数据的变化，电子设备100为用户生成的服务集合也不同，体现了服务推荐的准确性。
可选的，用户的个人数据也可以为用户的历史操作。即用户在一段时间内的用户行为，例如电子设备100在一段时间内的设置项、或者电子设备100控制其他电子设备的设置项等。例如，昨天第一用户在观影场景下使用了开空调和关窗帘的设置项，今天在观影场景下，电子设备100为用户推荐开空调和关窗帘的推荐卡片。
可选的，电子设备100也可以基于用户的个人画像数据和用户的历史操作生成服务集合。
电子设备100需获取到服务，电子设备100获取到的服务可以是服务器发给电子设备100的，也可以是其他电子设备发给电子设备100的，也可以是电子设备100预置的。
服务器200获取的服务来源可以是以下三种：
(1)服务器200中预设的场景以及每个场景下的服务集合。
也就是说，开发者基于经验和分析，预设好了场景下用户可能会使用的服务集合。例如，在晨起场景中，用户在家可能会使用服务为音箱播放服务、运动健康服务等。在观影场景中，用户可能使用的服务是大屏播放服务、音箱播放服务、窗帘关闭服务和电灯关闭服务等等。
(2)用户的使用记录同步到服务器200，服务器200获取到不同的用户在不同的场景下使用的服务集合。
可选的，用户可以选择是否将电子设备上的使用记录同步至服务器200。即电子设备100可以显示提示信息，提示信息用于提示用户是否将电子设备上的使用记录同步至服务器200。若用户拒绝，则电子设备不会将电子设备上的使用记录同步至服务器200。若用户同意，则电子设备可以周期性地将电子设备上的使用记录同步至服务器200。这样，电子设备通过征求用户的权限，再将电子设备上的使用记录同步至服务器200，尊重了用户的隐私。
也就是说，用户在本地使用了服务之后，本地将用户的使用记录上传至服务器200。可以理解的是，在同一个场景下，不同的用户使用的服务集合可能不同。例如，在晨起场景中，用户A喜欢运动，那么用户A每天早上有出门运动的习惯，那么用户A在晨起场景中使用的服务可以是运动健康服务和箱播放服务。用户B不喜欢运动，那么用户B在晨起场景中可能使用的服务为音箱播放服务。用户C既不喜欢运动，家里也没有音箱，那么用户B在晨起场景中可能使用的服务为手机播放服务。
服务器200在获取到不同的用户的使用记录后，将不同的用户的使用记录进行汇总，得到在每一个场景下，用户可能使用的服务集合。例如，服务器200在获取到用户A、用户B和用户C上传的使用记录后，将用户A、用户B和用户C的使用记录进行汇总，得到在晨起场景中，用户可能使用的服务集合为运动健康服务、箱播放服务和手机播放服务。
(3)用户共享的在预设场景下的服务集合。
用户可以在应用(例如智慧生活)中手动编辑用户想要的场景中，使用的服务集合。之后，当用户认为该设定的效果较好时，用户可以将自己设定的场景以及场景下的服务集合共享在该应用的共享界面中，其他用户登录相同的应用(例如智慧生活)后，其他用户可以在共享界面中看到其他用户共享的场景以及场景下的服务集合。并参考共界面面中的场景以及场景下的服务集合为自己设定场景下的服务集合。
用户在将自己设定的场景以及场景下的服务集合共享在该应用的共享界面中后，电子设备会将用户设定的场景以及场景下的服务集合同步至服务器200，服务器200可以获取到用 户设定的场景以及场景下的服务集合。
不限于上述列举的几种获取用户数据的方式，在一些实施例中，服务器200还可以通过其他方式来采集用户数据，例如还可以通过对测试数据进行分析得到用户数据。测试数据可以是开发者可以在一定时间内，通过不同用户(也可以称为测试者)的使用记录进行分析汇总、得到预设场景下的不同用户使用的服务集合，得到用户数据。服务器200还可以通过其他方式来采集用户数据，本申请实施例对此不做限定。
服务器200在获取到用户数据之后，服务器200将对用户数据进行统计，统计出不同的用户在不同的时间、不同的地点、在不同的设备上使用的服务集合。
表1
Figure PCTCN2022142915-appb-000001
Figure PCTCN2022142915-appb-000002
表1示例性示出了0-10岁用户在星期六的早上7:00-09:00时间内，在不同的地点会使用的服务的统计结果。在地点类型为美食的地点，例如小吃快餐店，中餐厅和饮品店内，用户会使用的服务为美食服务，美食服务可以理解为电子设备上的应用可以提供搜索和美食购买美食的功能，电子设备上不同的应用可以提供不同的美食服务。在地点类型为休闲娱乐的地点，例如休闲运动场所和公共休闲场所，用户会使用的服务为娱乐服务，娱乐服务可以理解为电子设备上的应用可以提供休闲娱乐的功能，娱乐服务包括但不仅限于游戏服务、音乐播放服务、视频播放服务，购物服务等，电子设备上不同的应用可以提供不同的娱乐服务。在地点类型为运动服务的地点，例如体育场馆、健身中心、游泳馆、武术格斗室、球类运动和舞蹈室，用户会使用的服务为运动服务，运动服务包括但不仅限于计步服务、计时服务、热量消耗服务等等，电子设备上不同的应用可以提供不同的运动服务。在地点类型为文化教育的地点，例如学校、培训教育机构、科研机构和驾校，用户会使用的服务为教育服务，教育服务包括但不仅限于课程讲解服务、作业辅导服务等等，电子设备上不同的应用可以提供不同的教育服务。在地点类型为医疗的地点，例如体检机构、专科医院、综合医院和药品保健店，用户会使用的服务为医疗服务，医疗服务包括但不仅限于医疗咨询服务、挂号服务、问诊服务等等，电子设备上不同的应用可以提供不同的医疗服务。在地点类型为交通设施的地点，例如机场、火车/高铁站、地铁站、客运站、停车场和公交车站，用户会使用的服务为交通服务，交通服务包括但不仅限于打车服务、乘车码服务、订票服务、订票信息查询服务等等，电子设备上不同的应用可以提供不同的交通服务。在地点类型为办公住宅的地点，例如住宅和商用两用楼宇，用户会使用的服务为娱乐服务，电子设备上不同的应用可以提供不同的娱乐服务。在地点类型为购物的地点，例如超市和便利店，用户会使用的服务为支付服务，电子设备上不同的应用可以提供不同的支付服务。
需要说明的是，周末和非周末，在同一时间段内，用户在不同地点会使用的服务也可能不同。服务器200还需统计出在同一时间点，同一年龄段的用户在周末和非周末的时间，用户在不同地点会使用的服务集合。例如，表1示例性示出了0-10岁的用户在周六的早上七点至九点之间，在不同的地点会使用的服务集合。同理，服务器200还需统计出0-10岁的用户在周一的早上七点至九点之间，在不同的地点会使用的服务集合。
表1示例性示出了年龄在0-10岁的用户在早上七点至九点之间，在不同的地点会使用的服务集合。服务器200还需统计出年龄在0-10岁的用户在其他时间段，在不同的地点会使用的服务集合。例如年龄在0-10岁的用户在早上十点至十二点之间，在不同的地点会使用的服务集合。年龄在0-10岁的用户在下午一点至三点之间，在不同的地点会使用的服务集合。年龄在0-10岁的用户在下午四点至六点之间，在不同的地点会使用的服务集合。年龄在0-10岁的用户在晚上七点至九点之间，在不同的地点会使用的服务集合。年龄在0-10岁的用户在晚上十点至十二点之间，在不同的地点会使用的服务集合。
表1示例性示出了年龄在0-10岁的用户在不同的地点会使用的服务集合。服务器200可以基于用户数据统计出其他年龄群体的用户在不同的地点会使用的服务集合。例如年龄在11-20岁的用户在不同的地点会使用的服务集合。年龄在21-30岁的用户在不同的地点会使用 的服务集合。年龄在31-40岁的用户在不同的地点会使用的服务集合。年龄在41-50岁的用户在不同的地点会使用的服务集合。年龄在51-60岁的用户在不同的地点会使用的服务集合。年龄在61-70岁的用户在不同的地点会使用的服务集合。年龄在71-80岁的用户在不同的地点会使用的服务集合。年龄在81-90岁的用户在不同的地点会使用的服务集合。不同年龄的用户在不同的地点使用的服务可能会不相同，也可能相同，本申请实施例在此不再赘述。
需要说明的是，表1只是示例性示出了0-10岁的用户在不同的地点会使用的服务集合。实际应用中，可以包括比表1中的更多的其他地点用户会使用的服务的统计结果，表1没有再一一列举，也不应构成限定。
可选的，用户可能在同一个地点会使用多种服务，因此服务器200还可以统计出用户在同一个地点类型会使用的多个服务的概率，并将同一个地点类型会使用的多个服务的概率从大到小进行排序。示例性的，用户在地点类型为美食的地点，使用概率最高的服务为美食服务、其次为支付服务，最后为娱乐服务。用户在地点类型为休闲娱乐的地点，使用概率最高的服务为娱乐服务、其次为运动服务，最后为交通服务。用户在地点类型为运动健身的地点，使用概率最高的服务为运动服务、其次为娱乐服务，最后为日程服务。用户在地点类型为文化教育的地点，使用概率最高的服务为教育服务、其次为备忘录服务，最后为娱乐服务。用户在地点类型为医疗的地点，使用概率最高的服务为医疗服务、其次为娱乐服务，最后为电话服务。用户在地点类型为交通设施的地点，使用概率最高的服务为交通服务、其次为娱乐服务，最后为电话服务。用户在地点类型为办公住宅的地点，使用概率最高的服务为娱乐服务、其次为教育服务，最后为交通服务。用户在地点类型为购物的地点，使用概率最高的服务为娱乐服务、其次为交通服务，最后为美食服务。
可选的，在相同的时间，相同的地点，同一个用户使用不同的电子设备时使用的服务不同。因此，服务器200还可以统计出相同的时间，相同的地点，同一个用户使用不同的电子设备时使用的服务的统计结果。例如，年龄在0-10岁的用户在早上七点至九点之间，在住宅内通过手机使用的服务为娱乐服务。年龄在0-10岁的用户在早上七点至九点之间，在住宅内通过蓝牙手表使用的服务为将健康检测服务。
可选的，不仅限于基于年龄将用户划分为不同的用户群体，还可以基于用户的类型进行统计。例如将用户划分为御宅类、学霸类、美妆党、穿搭党、运动党、驴友、健身达人等类别。服务器200分别统计不同类型的用户群体在不同的地点会使用的服务集合。例如服务器200统计御宅类用户在不同的地点会使用的服务集合。服务器200统计学霸类用户在不同的地点会使用的服务集合。服务器200统计美妆党用户在不同的地点会使用的服务集合。服务器200统计穿搭党用户在不同的地点会使用的服务集合。服务器200统计运动党用户在不同的地点会使用的服务集合。服务器200统计驴友类用户在不同的地点会使用的服务集合。服务器200统计健身达人类用户在不同的地点会使用的服务集合。
服务器200在得到用户群体画像之后，服务器200将用户全体画像的结果发送至电子设备100。也即服务器200将不同用户群体在不同时间、地点、会使用的服务的集合发送至电子设备100。
电子设备100在接收到服务器200发送的不同用户群体在不同时间、地点、会使用的服务的集合后，电子设备100将对上述集合进行过滤，删除无用的数据，得到候选服务集。
收集到用户数据后，电子设备100还可以对用户数据做预处理。例如，对各类数据进行标准化处理，并根据数据的重要程度、敏感程度、时效性或其他特定等进行分类，建立统一 的数据存储模式。这样，通过不同方式、不同平台获取到的用户数据可以以统一的标准存储，并能够收集到完善全面的数据，便于后续构建完整的用户属性。这里，不同类型的用户数据可以有不同的存储标准，例如运动健康数据和出行数据可以通过不同的标准存储。
具体的，电子设备100可以基于使用电子设备100的用户个人信息，电子设备100上的安装的应用可以提供的服务等信息，对服务器200发送的不同用户群体在不同时间、地点、会使用的服务的集合进行过滤，删除与使用电子设备100的用户无关的服务，得到用户的候选服务集。
示例性的，若使用电子设备100的用户的年龄在为20-30岁之间，那么电子设备100可以仅保留用户年龄在为20-30岁之间的用户群体在不同时间、地点、会使用的服务的集合，删除用户年龄不是在20-30岁之间的用户群体在不同时间、地点、会使用的服务的集合。
示例性的，电子设备100上没有安装可以提供外卖服务的应用，那么电子设备100可以将服务为外卖服务的信息删除掉。
在一些实施例中，电子设备100在得到候选服务集之后，电子设备100将基于用户的个人数据，对候选服务集中每一个场景下的多个服务进行排序，并预估出每一个场景下该用户个人会使用的服务概率，筛选出使用概率大于预设值的服务集合。之后，电子设备100得到每一个场景下，用户个人使用率大于预设值的服务集合，得到标定服务集。
在其他实施例中，电子设备100也可以不接收服务器发送的候选服务集，而是根据电子设备100上预置的服务，基于用户的个人数据，对电子设备100上预置的服务进行排序，并预估出每一个场景下该用户个人会使用的服务概率，筛选出使用概率大于预设值的服务集合。之后，电子设备100得到每一个场景下，用户个人使用率大于预设值的服务集合，得到标定服务集。其中，电子设备100上预置的服务电子设备100出厂配置的服务等等。
或者，电子设备100也可以不接收服务器发送的候选服务集，而是根据电子设备100上预置的服务，基于用户的历史操作，筛选出电子设备100上预置的服务中，与用户的历史操作匹配度较高的服务，得到标定服务集。
电子设备100获取用户的个人数据，用户的个人数据的来源包括但不仅限于以下几种：、与用户相关的各类设备中的个人数据、与用户相关的各类设备应用(application，APP)中用户的个人数据、与用户相关的各类设备的信息输入器件获取的个人数据。
可选的，用户可以选择是否授权电子设备获取用户的个人数据。即电子设备100可以显示提示信息，提示信息用于提示用户是否授权电子设备获取用户的个人数据。若用户拒绝，则电子设备不会获取用户的个人数据。若用户同意，则电子设备可以周期性地从上述几种方式中获取用户的个人数据。这样，电子设备通过征求用户的权限，再获取用户的个人数据，尊重了用户的隐私。
不限于上述列举的几种采集数据的方式，在一些实施例中，还可以通过其他方式来采集用户数据，这里不做限定。
电子设备100基于个人数据对电子设备100获取到的候选服务集进行筛选，得到标定服务集。或者，电子设备100基于个人数据对电子设备100上存储的服务进行筛选，得到标定服务集。
表2
Figure PCTCN2022142915-appb-000003
Figure PCTCN2022142915-appb-000004
标定服务集记载了用户A在每一个场景下会使用的服务大于预设值的服务集合。例如，在晨起场景中，用户A会用的服务集合包括但不仅限于音箱播报服务、健康检测服务等。在睡眠场景中，用户A会用的服务集合包括但不仅限于空调定时服务、电灯关闭服务等。在回家场景中，用户A会用的服务集合包括但不仅限于空调开启服务、净化器开启服务、窗帘开启服务等。在观影场景汇总，用户A会使用的服务包括但不仅限于音箱开启服务、大屏开启服务、灯光关闭服务、窗帘关闭服务等。在打车场景中，用户A会使用的服务包括但不仅限于打车服务等等。在驾驶场景汇总，用户A会使用的服务包括但不仅限于导航服务、音乐播放服务等。
需要说明的是，表2知识示例性示出了在部分场景中，用户A可能会使用的服务集合。实际应用中，还可以包括在其他场景中，用户A会使用的服务集合，本申请实施例在此不再一一列举。例如，在离家场景中，用户A可能会使用的服务集合包括但不仅限于灯光关闭服务、窗帘关闭服务、打车服务等。
表2示例性示出了在一些场景中，用户A会使用的服务的概率大于设置值的服务集合，在这些场景中，用户A还可能使用其他的服务，只是用户使用其他的服务的概率低于预设值。例如，在晨起场景中，用户A使用的音箱播报服务和健康检测服务的概率大于预设值，但是用户A还可能使用窗帘开启服务，但是用户使用窗帘开启服务的概率小于预设值。在睡眠场景中，用户A使用的空调定时服务、电灯关闭服务的概率大于预设值，但是用户A还可能使用睡眠检测服务，但是用户使用睡眠检测服务的概率小于预设值。在回家场景中，用户A使用的空调开启服务、净化器开启服务、窗帘开启服务的概率大于预设值，但是用户A还可能使用大屏开启服务，但是用户使用大屏开启的概率小于预设值。在观影场景中，用户A使用的音箱开启服务、大屏开启服务、灯光关闭服务、窗帘关闭服务的概率大于预设值，但是用户A还可能使用手机免打扰服务，但是用户使用手机免打扰服务的概率小于预设值。在打车场景中，用户A使用的打车服务的概率大于预设值，但是用户A还可能使用导航服务，但是用户使用导航服务的概率小于预设值。在驾驶场景中，用户A使用的导航服务、音乐播放服务的概率大于预设值，但是用户A还可能使用电话接听服务，但是用户使用电话接听服务的概率小于预设值。
需要说明的是，上述每一个场景中的标定服务集是基于用户得个人数据从候选服务集中得到的。由于电子设备上记载的个人数据在实时变化，因此每一个场景中的标定服务集也会随着用户的个人数据的变化而变化，也就是说，每一个场景中的标定服务集不是一成不变的。
如图5所示，图5示例性示出了电子设备100如何为用户推荐服务的功能模块示意图。
其中，功能模块包括但不仅限于概率预估模块和服务卡片生成模块。
其中，概率预估模块用于基于用户A的个人数据预估出在用户A会使用的服务的概率。之后，概率预估模块保留使用服务的概率大于预设值的一个或多个服务，得到待推荐服务。概率预估模块将待推荐服务发送至服务卡片生成模块。对于概率预估模块如何基于用户A的个人数据得到待推荐服务，请参考后续图6实施例中的S602和S603的相关描述，概率预估模块可以基于模型来实现，具体的模型训练过程可以参考图7实施例中介绍的模型702的训练过程，本申请实施例在此不做赘述。
服务卡片生成模块用于接收概率预估模块发送的待推荐服务，并基于待推荐服务生成推荐卡片。最后，服务卡片生成模块将基于待推荐服务生成的推荐卡片显示在桌面上。对于服务卡片生成模块如何基于待推荐服务生成推荐卡片的，请参考后续图9A-图9L所示的实施例，本申请实施例在此不再赘述。
概率预估模块还可以基于用户是否使用了待推荐服务，更新概率预估模块，使得概率预估模块预估得到的待推荐服务更接近用户的行为。这部分内容请参考后续图7介绍的是实施例，本申请实施例在此不做赘述。
服务卡片生成模块还可以基于用户是否使用了待推荐服务，更新服务卡片生成模块，使得服务卡片生成模块生成的服务卡片更接近用户的行为。这部分内容请参考后续图7介绍的是实施例，本申请实施例在此不做赘述。
需要说明的是，上述模块也可以是同一个功能模块，本申请实施例对此不做限定。
如图6所示，图6示例性示出了电子设备100如何为用户推荐服务集合的方法流程图。
S601、电子设备100判断出在满足第一条件后，电子设备100将启动推荐流程。
在一种可能的实施方式中，第一条件可以是电子设备100检测到电子设备100处于预设的场景。电子设备100可以基于时间、地点、设备状态和用户操作中的至少一种识别到用户所在的场景。这里，设备状态可以指示电子设备100的设备状态，也可以指示与电子设备100建立通信连接的其他电子设备的设备状态，通信连接可以是电子设备100通过无线局域网(wireless local area network，WLAN)技术、蓝牙(bluetooth)、红外线、近场通信(near field communication，NFC)、ZigBee、无线保真直连(wireless fidelity direct，Wi-Fi direct)(又称为无线保真点对点(wirelessfidelity peer-to-peer，Wi-Fi P2P))等技术通信实现电子设备100与其他电子设备的无线通信连接。通信连接还可以指通过USB接口等方式实现电子设备100与其他电子设备的有线通信连接。通信连接还可以指电子设备100与其他电子设备通过登录同一个账号(例如华为账号)实现通信的通信连接。其他的电子设备包括但不仅限于可穿戴设备、家庭里的智能家居设备等设备。电子设备100可以检测可穿戴设备、家庭里的智能家居设备的状态等。用户可以设置不同的方式判断电子设备100是否处于预设场景中。示例性的，以预设场景为通勤场景为例，判断电子设备100是否进入通勤场景的方式可以包括：当前时间属于常用路线对应的时间段，当前地点属于常用路线上的地图点，以及设备当前的运动方向朝向常用路线的目的地中的至少一种。本申请实施例中的预设场景可以包括通勤场景、休闲场景等等，对应每一种预设场景，可以设定不同的方式判断是否进入该对应的场景，本申请实施例对此并不进行限定。示例性的，用户在回家后，用户说出语音指令“小艺小艺，我回家了”，电子设备100识别到用户处于回家场景，则电子设备100为用户推荐回家场景中的服务集合。示例性的，用户在回家后，家庭里的智能门锁识别到用户的指纹或者人脸图像，则电子设备100通过智能门锁识别到用户处于回家场景，则电子设备100为用户推荐回家场景 中的服务集合。
在一种可能的实施方式中，第一条件还可以是电子设备获取到电子设备100由锁屏状态进入解锁状态，即，电子设备100获取到用户执行了解锁操作，则电子设备启动服务推荐的流程。需要说明的是，在本次执行服务推荐流程之前，电子设备100可能已经根据前一次执行服务推荐的结果显示了服务推荐的结果，若本次执行服务推荐的结果，和前一次执行服务推荐的结果一致，则不会对电子设备100的服务推荐结果进行更新，当本次执行服务推荐的结果，和前一次执行服务推荐的结果不一致，则对前一次执行服务推荐的结果进行更新。在一种可能的实施方式中，为了节约消耗，避免当用户频繁执行解锁操作时，电子设备100要频繁被触发启动服务推荐的流程，还可以设定若两次相邻的解锁操作之间间隔时长未超过预设时长，则在后一次获取到解锁操作时，不启动服务推荐的流程，若两次相邻的解锁操作之间间隔时长超过预设时长，则在后一次获取到解锁操作时，启动服务推荐的流程。举例说明，假设预设时长为10分钟，若用户前一次解锁操作时间是11点10分，本次解锁操作时间是11点13分，由于两次解锁操作之间间隔时长为3分钟，未超过预设时长10分钟，则本次解锁操作不会触发电子设备100执行服务推荐流程；再比如，若本次解锁操作时间是11点30分，由于两次解锁操作之间间隔时长为20分钟，超过预设时长10分钟，则本次解锁会触发电子设备100执行服务推荐流程。其中，预设时长可以由用户自主设定，也可以电子设备100预先设定，本申请实施例对此并不进行限定。
在一种可能的实施方式中，第一条件还可以是电子设备100获取到历史点击率从高到低的前N个待推荐服务发生改变，电子设备100启动服务推荐的流程。其中，N为正整数。电子设备100可以统计获取的多个服务中包括的每一个服务的历史点击率，并根据历史点击率对该多个服务进行排序，比如按照历史点击率从高到低的顺序，对多个服务进行排序。当电子设备100获取到历史点击率排名靠前的一个或多个服务发生了变化时，则电子设备100启动服务推荐流程，基于各个服务更新后的历史点击率，为用户推荐服务。比如N为5，在第一时刻，根据历史点击率从高到低的顺序，对服务进行排序后，排名前5的服务分别是服务1，服务2，服务3，服务4以及服务5，在第二时刻，根据历史点击率从高到低的顺序，对服务进行排序后，排名前5的服务分别是服务1，服务6，服务2，服务4以及服务3，则电子设备100获取到历史点击率从高到低排名前5的服务发生了改变，则电子设备100启动服务推荐流程，基于服务更新后的历史点击率，为用户推荐服务。
需要说明的是，上面给出的几种示例仅用于解释本申请，在实际应用中，电子设备100还可以通过其他的方式触发推荐流程，本申请实施例对此不做限定。
S602、在电子设备100启动推荐流程后，电子设备100可以从多个途径中获取到多个服务。
多个途径可以包括但不仅限于场景绑定的标定服务集、历史点击率服务列表、服务兴趣列表和提醒服务列表等等。
其中，场景绑定的标定服务集在前述已经介绍了，也就是说每一个场景中预设了用户使用概率大于预设值的一个或多个服务，这里不再赘述。
历史点击率服务列表包括用户历史点击频率高的多个服务。其中，可以认为排名前M的服务是用户历史点击频率高的服务，M为正整数，比如可以认为历史点击率排名前10的服务是点击频率高的服务。或者还可以设置距离当前时刻预设时长内，历史点击率排名前M的服务是用户历史点击频率高的服务，比如，可以认为距离当前时刻1周内，历史点击率排名前M 的服务是用户历史点击频率高的服务。
服务兴趣列表包括用户最近使用过的多个服务，比如将最近一天使用的服务按照时间先后顺序排列而形成的列表，称为服务兴趣列表，再比如将最近1小时使用的服务按照时间先后顺序排列而形成的列表，称为服务兴趣列表。
历史提醒服务列表包括电子设备100检测到的待提醒服务，待提醒服务用于提醒用户，可以包括基于事件触发的待提醒服务，或者用户自定义的待提醒服务。比如电子设备从第三方应用程序或者从短信中获取用户订了机票，电子设备100可以启动一个待提醒服务，以提醒用户航班信息；再比如用户通过日历应用程序添加了事件提醒，电子设备可以启动一个待提醒服务，以在用户指定的时间提醒用户该事件。
可选的，图5实施例介绍的概率预估模块可以基于模型实现。例如图7实施例中介绍的模型702。下面结合图7和图8进行说明，图7示出了电子设备100如何训练模型702的，图8示出了电子设备100如何运用模型推荐出多个服务的。
如图7所示，在模型训练阶段，训练数据701中可以有多个训练样本。训练样本可以有多种获取的渠道，本申请实施例对此并不进行限定，比如训练样本的输入可以是时间、地点和电子设备的状态(比如蓝牙开启状态、数据连接状态、耳机连接状态等等)，训练样本的输出可以是用户实际使用的服务。这样，电子设备100基于预设的模型，并利用训练数据701对预设的模型进行迭代训练，得到训练好的模型702。具体的，电子设备100将训练样本的输入作为模型702的输入，模型702输出预测的服务集合，电子设备100计算预测的服务集合和用户实际使用的服务之间的相似度，当相似度大于预设值时，电子设备100修改训练样本的输出，再次计算模型702输出预测的服务集合和样本数据的输出之间的相似度，直至相似度小于预设值，模型702训练完毕。
可选的，模型702的训练过程也可以在其他的设备上运行(例如服务器200)，模型702训练好之后，服务器200将训练好的模型702发送至电子设备100，电子设备100在将训练好的模型702保存在本地。
如图8所示，在服务推荐阶段，电子设备100可以将当前时间、地点和电子设备100的状态作为模型702的输入，电子设备100基于模型702预测用户当前可能使用的服务集合。
其中，地点可以是电子设备100所在的经纬度信息。电子设备100的状态包括但不仅限于蓝牙开启状态、无线保真直连(wireless fidelity，WiFi)的开启状态、设备的运动形态、当前场景类型、当前位置的语音、WiFi的连接状态、蓝牙的连接状态、电池的电量等等。设备的运动形态用于指示电子设备100的运动形态，例如跑步状态、走路状态等。当前位置的语音和当前场景类型用于指示电子设备100所在的地点类型，例如公司、商场、商店，酒吧，加油站，医院，车站等。
模型702基于当前时间、地点和电子设备100的状态，确定出当前电子设备100可能使用的服务集合，服务集合可以包括一个或多个不同的服务。
示例性的，若当前时间为晚上8:00，用户在家，且电子设备100连接了大屏设备和智能音箱、电子设备100处于息屏状态且息屏时间超过预设时间，则电子设备100可以确定出用户处于观影场景，那么电子设备100可以通过模型702为用户推荐观影场景中经常使用的服务。
需要说明的是，电子设备100还可以基于用户在当前预设场景下实际使用的服务集合， 和预测的服务集合之间的偏差继续对模型702进行训练，以使模型702预测出的用户可能使用的服务集合越接近用户的真实行为。其中，可以通过数据存储模块703存储用户在每一个预设场景下的实际使用的服务集合，以及在每一个预设场景下的时间、地点和电子设备100的各项状态，可以每隔预设时长基于数据存储模块703中存储的数据对模型702进行训练，以更新模型702。其中，更新模型702的过程可以参考训练模型702的过程，本申请实施例在此不做赘述。
需要说明的是，模型702的更新也可以是其他设备(例如服务器200)进行的。电子设备100周期性将数据存储模块703中存储的数据发送至服务器200，服务器200基于数据存储模块703中存储的数据更新模型702。之后，服务器200将更新后的模型702发送至电子设备100，电子设备100接收到更新后的模型702后，将更新后的模型702保存在本地。
S603、电子设备100确定待推荐的服务。
可选的，当电子设备100从上述多个途径获取到多个服务时，会出现重复的服务的情况，因此，电子设备100在获取到多个服务后，需要做去重处理，以使得多个服务中的每一个服务各不相同。
这样，电子设备100在得到多个服务后，将该多个服务作为待推荐的服务。该待推荐的服务可以是一个，也可以是多个不同的服务。
该待推荐的服务可以是一个或多个***服务，可以是一个或多个第三方服务，还可以是一个或多个***服务和一个或多个第三方服务的组合。
示例性的，***服务可以包括但不仅限于：调节电子设备100***设置、电子设备100上的***应用提供的服务、控制与电子设备100建立通信连接的其他电子设备的工作状态。其中，电子设备100***设置包括但不仅限于电子设备100的亮度、音量、蓝牙开启状态、WiFi开启状态、手电筒开启状态、闹钟开启状态。电子设备100上的***应用提供的服务包括但不仅限于：电子设备100的生产商开发的应用提供的服务，例如电子设备100的生产商开发的音乐应用提供的音乐播放服务、电子设备100的生产商开发的视频应用提供的视频播放服务。控制与电子设备100建立通信连接的其他电子设备的工作状态包括但不仅限于：控制预电子设备100建立通信连接的蓝牙手表检测用户的运动数据服务、控制预电子设备100建立通信连接的智能家居设备(例如空调)开启/关闭服务。
第三方服务可以包括但不仅限于：非电子设备100的生产商开发的应用提供的服务。例如非电子设备100的生产商开发的地图应用提供的导航服务、非电子设备100的生产商开发的外卖应用提供的外卖服务、非电子设备100的生产商开发的打车应用提供的打车服务等。
电子设备100得到待推荐的服务后，电子设备100将基于待推荐的服务生成推荐卡片，并将推荐卡片显示在桌面上。
电子设备100可以基于待推荐的服务的种类，从预设的推荐卡片模板中获取到与待推荐的服务的种类匹配的推荐卡片，并将待推荐的服务填充到推荐卡片中，生成待推荐的服务的推荐卡片。对于电子设备100如何基于待推荐的服务生成推荐卡片的，将在后续图12所示的实施例中详细介绍，本申请实施例在此不做赘述。
电子设备100可生成一个或多个场景下用户可能会使用的服务集合。在生成一个或多个服务集合生成后，电子设备100将判断当前是否满足某一场景的触发条件，在满足某一个场 景的执行条件时，电子设备100将执行该场景下关联的服务集合的功能操作。服务集合可包括多个服务。在满足某一个场景的执行条件时，电子设备可以触发对应的服务集合的多个服务对应的功能操作。
执行条件可以包括但不仅限于：用户针对推荐卡片的触发操作、用户的语音指令满足预设的语音指令、用户的身份信息满足预设的身份信息。
可选的，电子设备100可以基于推荐卡片上显示的服务集合的多个服务的执行关系来执行多个功能操作。例如，多个服务对应的功能操作可以同时执行，或者，多个服务可以按一定的时序来执行，等。
图9A-图9L示例性示出了电子设备100显示推荐卡片和执行推荐卡片中的服务集合的示意图。
其中，图9A-图9H示例性示出了电子设备100显示***服务的推荐卡片的示意图。
示例性的，***服务可以是控制与电子设备100建立通信连接的其他电子设备的工作状态。
电子设备100可以基于以下任意一种方式触发电子设备100执行推荐卡片中示出的服务集合。
方式一：电子设备100接收并响应用户针对推荐卡片的输入操作，执行推荐卡片中示出的服务集合。
示例性的，在电子设备100识别到用户A回家后，电子设备100识别到当前场景为回家场景，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的窗帘开启等事项。
电子设备100在得到回家场景中待推荐的服务后，电子设备100将基于回家场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9A所示的卡片801。
卡片801中示出了电子设备100推荐的用户A在回家场景中的智能家居联动服务。卡片801可以由文字、图片等元素构成。
如图9A和图9B所示，电子设备100接收用户A针对卡片801的输入操作(例如单击)，响应于用户A的输入操作，电子设备100执行卡片801中示出的智能家居联动服务，例如电子设备100分别向客厅的空气净化器、客厅的空调和客厅的窗帘发送开启指令，响应于电子设备100发送的开启指令，客厅的空气净化器开启、客厅的空调开启、客厅的窗帘开启。
可选的，不同服务的执行顺序不同。例如，在电子设备100接收用户针对卡片801的输入操作(例如单击)后，电子设备100可以首先控制客厅的空调开启。之后，电子设备100再控制客厅的空气净化器开启，最后，电子设备100再控制客厅的窗帘开启。或者，在电子设备监测到用户回家后，电子设备100再控制客厅的窗帘开启。
需要说明的是，电子设备100针对不同的用户学习到的智能家居联动服务中包含的事项可能不同。
示例性的，在电子设备100识别到用户B回家后，电子设备100识别到当前场景为回家场景，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的电灯开启等事项。
电子设备100在得到回家场景中待推荐的服务后，电子设备100将基于回家场景中待推 荐的服务生成推荐卡片，推荐卡片可以是如图9C所示的卡片802。卡片802中示出了电子设备100推荐的用户B在回家场景中的智能家居联动服务。卡片802可以由文字、图片等元素构成。
如图9C和图9D所示，电子设备100接收用户B针对卡片802的输入操作(例如单击)，响应于用户B的输入操作，电子设备100执行卡片802中示出的智能家居联动服务，例如电子设备100分别向客厅的空气净化器、客厅的空调和客厅的电灯发送开启指令，响应于电子设备100发送的开启指令，客厅的空气净化器开启、客厅的空调开启、客厅的电灯开启。
方式二：电子设备100接收并响应用户用于执行推荐卡片的语音指令，执行推荐卡片中示出的服务集合。
示例性的，如图9E所示，用户A回家后，用户A说出语音指令“小艺小艺，我回家了”，电子设备100对语音指令进行语义分析，并根据语音识别结果匹配到“回家”场景。之后，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的窗帘开启等事项。
电子设备100在得到回家场景中待推荐的服务后，电子设备100将基于回家场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9A所示的卡片801。
之后，电子设备100分别向客厅的空气净化器、客厅的空调和客厅的窗帘发送开启指令，响应于电子设备100发送的开启指令，客厅的空气净化器开启、客厅的空调开启、客厅的窗帘开启。
可选的，在客厅的空气净化器、客厅的空调和客厅的窗帘开启后，电子设备100可以通过语音播放上述各个智能家居设备的工作状态，并反馈给用户A。
需要说明的是，电子设备100针对不同的用户学习到的智能家居联动服务中包含的事项可能不同。
示例性的，如图9F所示，用户B回家后，用户B说出语音指令“小艺小艺，我回家了”，电子设备100对语音指令进行语义分析，并根据语音识别结果匹配到“回家”场景。之后，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的电灯开启等事项。
电子设备100在得到回家场景中待推荐的服务后，电子设备100将基于回家场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9C所示的卡片801。
之后，电子设备100分别向客厅的空气净化器、客厅的空调和客厅的电灯发送开启指令，响应于电子设备100发送的开启指令，客厅的空气净化器开启、客厅的空调开启、客厅的电灯开启。
可选的，在客厅的空气净化器、客厅的空调和客厅的电灯开启后，电子设备100可以通过语音播放上述各个智能家居设备的工作状态，并反馈给用户B。
方式三：电子设备100接收并响应用户用于执行推荐卡片的生物信息，执行推荐卡片中示出的服务集合。
生物信息包括但不仅限于面部图像、指纹图像等信息。
示例性的，如图9G所示，用户A回家后，采集用户的生物信息的设备(例如智能门锁)采集用户的生物信息(例如用户的面部图像或者指纹图像)，智能门锁对用户的生物信息进行特征提取，获取到用户的生物信息特征。智能门锁基于用户的生物信息特征确定出用户的身份(例如用户A)。同时，智能门锁基于时间、地点确定出用户A回家。智能门锁将用户 的身份(用户A)和场景(“回家”场景)发送至电子设备100。电子设备100在接收用户A的身份和“回家”场景后，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的窗帘开启等事项。之后，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的窗帘开启等事项。
电子设备100在得到回家场景中待推荐的服务后，电子设备100将基于回家场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9A所示的卡片801。
之后，电子设备100分别向客厅的空气净化器、客厅的空调和客厅的窗帘发送开启指令，响应于电子设备100发送的开启指令，客厅的空气净化器开启、客厅的空调开启、客厅的窗帘开启。
可选的，在客厅的空气净化器、客厅的空调和客厅的窗帘开启后，电子设备100可以通过语音播放上述各个智能家居设备的工作状态，并反馈给用户A。
需要说明的是，电子设备100针对不同的用户学习到的智能家居联动服务中包含的事项可能不同。
示例性的，如图9H所示，用户B回家后，采集用户的生物信息的设备(例如智能门锁)采集用户的生物信息(例如用户的面部图像或者指纹图像)，智能门锁对用户的生物信息进行特征提取，获取到用户的生物信息特征。智能门锁基于用户的生物信息特征确定出用户的身份(例如用户B)。同时，智能门锁基于时间、地点确定出用户B回家。智能门锁将用户的身份(用户B)和场景(“回家”场景)发送至电子设备100。电子设备100在接收用户B的身份和“回家”场景后，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的电灯开启等事项。之后，电子设备100将得到回家场景中待推荐的服务，例如智能家居联动服务，智能家居联动服务可以包括控制客厅的空调开启，控制客厅的空气净化器开启，控制客厅的电灯开启等事项。
电子设备100在得到回家场景中待推荐的服务后，电子设备100将基于回家场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9C所示的卡片802。
之后，电子设备100分别向客厅的空气净化器、客厅的空调和客厅的电灯发送开启指令，响应于电子设备100发送的开启指令，客厅的空气净化器开启、客厅的空调开启、客厅的电灯开启。
可选的，在客厅的空气净化器、客厅的空调和客厅的电灯开启后，电子设备100可以通过语音播放上述各个智能家居设备的工作状态，并反馈给用户B。
上述示例性示出了几种触发电子设备100执行推荐卡片上显示的服务集合的方式，还可以通过其他的方式触发电子设备100执行推荐卡片上显示的服务集合，本申请实施例对此不做限定。
可选的，电子设备100可以同时自动为用户生成多个不同功能的服务，减少用户的操作。从服务的来源上划分，服务可以划分为***服务和三方服务，其中三方服务为非电子设备100的制造商提供的服务、***服务为电子设备100的制造商提供的服务。服务也可以按照功能来划分，本申请实施例对此不做限定。
示例性的，电子设备100可以基于***服务和第三方服务进行自由组合，生成不同组合方式的服务集合。
图9I-图9K示例性示出了电子设备100显示第三方服务的推荐卡片的示意图。
示例性的，第三方服务可以是航班信息显示服务、打车服务、导航服务、美食服务等等。
在电子设备100基于短信应用或者订票应用中识别到用户A关联的一个航班信息，电子设备100识别到当前场景为出差场景，且电子设备100与用户的个人数据分析得到用户A没有车，经常乘坐地铁或者公交出行，则电子设备100将得到出差场景中待推荐的服务，例如航班信息显示服务、打车服务和美食服务。
电子设备100在得到出差场景中待推荐的服务后，电子设备100将基于出差场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9I所示的卡片803。
卡片803中示出了电子设备100推荐的用户A在出差场景中的服务集合。卡片801可以由文字、图片等元素构成。
卡片803中示出了三种第三方服务的卡片，该三种第三方服务可以理解为用户A在出差场景中使用概率最高的服务。该三种第三方服务的卡片分别是航班信息显示服务的卡片804、打车服务的卡片805和美食服务的卡片806。其中，卡片804显示有用户A最近一次航班的信息，例如航空公司名称(UA947)，航班起飞城市(上海)，航班到达城市(深圳)，航班起飞时间(11月9日的早上9:10)，航班的登机口(A区1)，座位号(B400)。
卡片805显示有提供打车服务的应用名称(打车应用一)。卡片806显示有用户喜欢的美食(咖啡)。
需要说明的是，卡片803上显示的三种服务为电子设备100自动为用户生成并推荐的。
在电子设备100显示卡片803后，电子设备100接收并响应用户针对卡片803上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将进入该服务对应的详情页。例如，电子设备100接收并响应用户针对卡片804的输入操作，电子设备100将进入提供该服务的短信应用或者订票应用的详情页，该详情页可以包括比卡片804中更多的信息。再例如，电子设备100可以接收并响应用户针对卡片805的输入操作(例如单击操作)，电子设备100将进入打车应用一中的详情页，该详情页显示的是从电子设备100当前位置到该航班所在的起飞位置的飞机场之间的路线和乘坐车辆信息。再例如，电子设备100可以接收并响应用户针对卡片806的输入操作(例如单击操作)，电子设备100将进入附近可以购买咖啡的便利店或者超市或者外卖的详情页。
可选的，电子设备100也可以接收用户针对卡片803中除了卡片804、卡片805和卡片806之外的区域的输入操作(例如单击操作)，电子设备100可以执行卡片803中示出的所有第三方服务，即电子设备100同时进入航班信息显示服务、打车服务和美食服务的详情页，减少用户操作。
需要说明的是，电子设备100针对不同的用户学习到的出差场景中包含的服务集合可能不同。
示例性的，在电子设备100基于短信应用或者订票应用中识别到用户B关联的一个航班信息，电子设备100识别到当前场景为出差场景，且电子设备100与用户的个人数据分析得到用户A有车，经常开车出行，则电子设备100将得到出差场景中待推荐的服务，例如航班信息显示服务、导航服务。
电子设备100在得到出差场景中待推荐的服务后，电子设备100将基于出差场景中待推 荐的服务生成推荐卡片，推荐卡片可以是如图9J所示的卡片807。
卡片807中示出了两种第三方服务的卡片，该两种第三方服务可以理解为用户B在出差场景中使用概率最高的服务。该两种第三方服务的卡片分别是航班信息显示服务的卡片808和导航服务的卡片809。其中，卡片808显示有用户B最近一次航班的信息，例如航空公司名称(UA948)，航班起飞城市(上海)，航班到达城市(深圳)，航班起飞时间(11月9日的早上10:10)，航班的登机口(A区1)，座位号(A400)。
卡片809显示有提供导航服务的应用名称(地图应用一)。
在电子设备100显示卡片807后，电子设备100接收并响应用户针对卡片807上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将进入该服务对应的详情页。例如，电子设备100接收并响应用户针对卡片808的输入操作，电子设备100将进入提供该服务的短信应用或者订票应用的详情页，该详情页可以包括比卡片808中更多的信息。再例如，电子设备100可以接收并响应用户针对卡片809的输入操作(例如单击操作)，电子设备100将进入地图应用一中的详情页，该详情页显示的是从电子设备100当前位置到该航班所在的起飞位置的飞机场之间的车辆行驶路径信息。
可选的，电子设备100也可以接收用户针对卡片807中除了卡片808和卡片809之外的区域的输入操作(例如单击操作)，电子设备100可以执行卡片807中示出的所有第三方服务，即电子设备100同时进入航班信息显示服务和导航服务的详情页，减少用户操作。
示例性的，图9K示出了另一种电子设备100在得到用户B在出差场景中待推荐的服务后，电子设备100将基于出差场景中待推荐的服务生成的推荐卡片810。
电子设备100基于用户B的个人数据学习到用户经常使用无障碍模式，电子设备100在开启无障碍功能后，用户触摸电子设备100的显示屏上的图标，电子设备100将给出语音提示，无障碍功能对一些视障人士有很大的帮助。基于此，电子设备100在识别到当前场景为出差场景后，电子设备100将在卡片810上显示航班信息显示服务的卡片811。卡片811与卡片808的区别在于，卡片811上显示的除了与用户B关联的航班信息外，还包括控件812。控件812的功能在于，当用户点击控件812，电子设备100将与用户B关联的航班信息通过语音的形式播放出来，语音的内容可以是“UA948，上海至深圳的航班将于11月9日早上10：10从上海浦东机场出发，登机口为A区1，您的座位号为A400”。
图9L示例性示出了电子设备100同时显示第三方服务和***服务的推荐卡片的示意图。
示例性的，第三方服务可以是导航服务、***服务可以是免打扰服务等等。
在电子设备100基于位置信息确定出用户正在从从家的位置走向停车场的位置，且用户有车，那么电子设备100确定出用户将要开车出行。基于此，电子设备100推断出用户的当前场景为驾驶场景，电子设备100将得到驾驶场景中待推荐的服务，例如导航服务和免打扰服务。可以理解的是，导航服务和免打扰服务使用户在驾驶场景中使用概率最高的服务。
电子设备100在得到驾驶场景中待推荐的服务后，电子设备100将基于驾驶场景中待推荐的服务生成推荐卡片，推荐卡片可以是如图9L所示的卡片813。
卡片813中示出了电子设备100推荐的用户在驾驶场景中的服务集合。卡片813可以由文字、图片等元素构成。
卡片813中示出了一种第三方服务的卡片和一种***服务的卡片。该一种第三方服务的卡片是导航服务的卡片814，该一种***服务的卡片是免打扰服务的卡片815。其中，卡片 814中显示有用户免打扰模式的图标和文字等信息。卡片815中显示有提供导航服务的应用名称(地图应用一)。
在电子设备100显示卡片813后，电子设备100接收并响应用户针对卡片813上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将进入该服务对应的详情页。例如，电子设备100接收并响应用户针对卡片814的输入操作，电子设备100将进入设置免打扰模式的详情页，用户可以在设置免打扰模式的详情页中，设置用户想要数值为免打扰的应用(例如电话应用、社交应用等)。再例如，电子设备100可以接收并响应用户针对卡片815的输入操作(例如单击操作)，电子设备100将进入地图应用一中的详情页，用户可以在地图应用一中的详情页中输入目的地，从而电子设备100可以显示从当前位置到目的地的导航路线。
可选的，电子设备100也可以接收用户针对卡片813中除了卡片814和卡片815之外的区域的输入操作(例如单击操作)，电子设备100可以执行卡片813中示出的所有第三方服务，即电子设备100同时设置免打扰模式的详情页和地图应用一中的详情页，减少用户操作。
在电子设备100显示推荐卡片或者执行推荐卡片中显示的服务集合之后，电子设备100可以更新图5实施例所示的概率预估模块或者服务卡片生成模块，使得概率预估模块和服务卡片生成模块生成的推荐卡片更符合用户的行为特征。
具体的，电子设备100显示推荐卡片后，电子设备100可以检测用户是否使用了推荐卡片上示出的服务集合，并基于用户的使用行为更新概率预估模块或者服务卡片生成模块。
电子设备100显示了推荐卡片，该推荐卡片上示出的服务的概率大于预设值，说明概率预估模块预估的是对的。当电子设备100检测到用户使用了推荐卡片上示出的服务集合，在这种情况下，电子设备100可以确定出概率预估模块预估得到用户可能会使用的服务集合是正确的，且卡片生成模块生成的推荐卡片也是正确的，符合用户的行为特征，那么电子设备100不会对卡片生成模块和概率预估模块做更新。
电子设备100显示了推荐卡片，该推荐卡片上示出的服务的概率大于预设值，说明概率预估模块预估的是对的。当电子设备100检测到用户并没有使用推荐卡片上示出的服务集合，或者用户手动关闭了该推荐卡片，在概率预估模块预估的是对的情况下，电子设备100可以确定出是服务卡片生成模块生成的推荐卡片不符合用户的行为特征，那么电子设备100将对服务卡片生成模块做更新，使得服务卡片生成模块生成上述推荐卡片的概率降低，避免给用户生成用户不会使用的推荐卡片。
电子设备100显示了推荐卡片，该推荐卡片上示出的服务的概率小于预设值，但是当电子设备100检测到用户使用了推荐卡片上示出的服务集合，在这种情况下，电子设备100可以确定出概率预估模块预估得到用户可能会使用的服务集合是有误差的，那么电子设备100将会对概率预估模块做更新，使得概率预估模块预估得到用户使用上述服务集合的概率提高。
电子设备100显示了推荐卡片，该推荐卡片上示出的服务的概率小于预设值，且当电子设备100检测到用户并没有使用推荐卡片上示出的服务集合，或者用户手动关闭了该推荐卡片，在这种情况下，电子设备100可以对概率预估模块做更新，使得概率预估模块预估得到用户可能会使用的上述服务集合的概率进一步降低，避免给用户生成用户不会使用的推荐卡片。
通过上述方式一中的电子设备100自动为用户推荐服务，电子设备100可以学习用户在 电子设备100上的使用习惯，主动生成在不同时间、地点用户可能使用的服务集合，并基于服务集合生成推荐卡片。这样，一方面，不需要用户手动去设定需使用的服务，减少了用户操作。另一方面，电子设备100基于用户的使用习惯，为用户推荐服务集合。用户的使用数据越多，电子设备100推荐的服务集合越准确，电子设备100推荐的服务集合更加符合用户的行为特征。
接下来介绍电子设备100自动为用户推荐相似用户使用的服务集合的具体实现。
电子设备100可以获取到在每一个场景中的多个服务集合。在用户进入某一个场景后，电子设备100可以从多个服务集合中首选得到用户使用概率较大的服务集合。电子设备100将用户使用概率较大的服务集合推荐给用户。这样，电子设备100不需要从多个不同功能的单个服务去筛选得到多个服务，再基于多个服务生成服务集合。
可选的，每一个场景中的多个服务集合可以是电子设备100中预置的服务集合。在进入某一个场景后，电子设备100从预置的服务中筛选出用户可能会使用的服务集合，并将该服务集合推荐给用户。
可选的，每一个场景中的多个服务集合可以是其他电子设备发送给电子设备100的服务集合。在进入某一个场景后，电子设备100从其他电子设备发送给电子设备100的服务集合中筛选出用户可能会使用的服务集合，并将该服务集合推荐给用户。
可选的，每一个场景中的多个服务集合可以是服务器发送给电子设备100的服务集合。在进入某一个场景后，电子设备100从服务器发送给电子设备100的服务集合中筛选出用户可能会使用的服务集合，并将该服务集合推荐给用户。
可选的，电子设备100在得到每一个场景下的多个服务集合后，电子设备100可以基于用户对于用户关联的设备的关注度，确定出用户可能会使用的服务集合。这样，电子设备100可以为用户推荐用户关注的设备的。
在其他实施例中，电子设备100在得到每一个场景下的多个服务集合后，电子设备100基于用户的使用数据计算用户使用的服务集合与上述多个服务集合的相似度。之后，电子设备100确定出与用户使用的服务集合相似度大于预设值的M个相似用户使用的服务集合。这样，电子设备100可以为用户推荐相似用户使用的服务集合。
在其他实施例中，在电子设备100得到相似用户使用的服务集合后，电子设备100可以在结合用户针对与用户关联的电子设备的关注度，为用户推荐关注的设备类型接近的相似用户使用的服务集合。
接下来，以电子设备100如何为用户推荐用户推荐关注的设备类型接近的相似用户使用的服务集合为例进行说明。
具体的，电子设备100获取到用户A当前所处的场景，并基于用户A使用的服务集合，分析出在当前场景中与用户A使用的服务集合的相似度大于预设值的其他用户，并将相似用户使用的服务集合从高到低进行排序。之后，电子设备100结合用户A在当前场景中对各个设备的关注度，对相似用户使用的服务集合进行重排序，最后给出N个推荐结果，并基于推荐结果生成推荐卡片，电子设备100将推荐卡片显示在桌面上。
这里，相似度是指用户之间的相似度。相似度描述了在相同场景下，不同的用户使用的服务集合的相似性。两个用户之间的相似度越高，两个用户使用的服务集合越接近。例如，在观影场景中，用户A使用的服务集合包括多一个或多个设备的设置项，例如，用户A对大 屏的设置为：音量设置为60，亮度设置为20。用户A对手机的设置为：手机的铃声音量设置为最大。用户A对窗帘的设置为：客厅的窗帘关闭。用户B使用的服务集合也包括多一个或多个设备的设置项，用户B对大屏的设置为：音量设置为60，亮度设置为20。用户B对手机的设置为：手机的铃声音量设置为最大。用户B对窗帘的设置为：客厅的窗帘关闭。那么在观影场景中，用户A与用户B的相似度为100％。
关注度是用于形容用户的状态，也可以理解为用户对关联的电子设备的关注的程度。示例性的，在观影场景中，大屏通过摄像头检测到用户A长时间盯着大屏的屏幕，且用户A的手机长时间处于息屏状态，那可以确定出用户A对大屏的关注度高于对手机的关注度。
如图10所示，图10示例性示出了服务器200如何计算不同用户的相似度的示意图。
首先，不同用户的电子设备周期性的将本地用户的历史使用数据发送至服务器200。其中，历史使用数据是：不同的场景中(也可以理解为不同的时间、地点和设备状态下)，用户使用的服务集合。示例性的，在驾驶场景中，用户使用的服务集合包括但不仅限于：手机上的通讯软件自动设置免打扰模式，当有来电时，默认回复“驾驶中，稍后回复”。在运动场景中，手机的电话铃声调整至最大，当社交软件有新消息时，默认回复“运动中有事请拨打电话”。在睡眠场景中，手机自动进入免打扰模式，音箱和大屏的语音助手进入休息模式，空调设置为定时模式、窗帘关闭。在工作场景中：手机电话铃音调至最大，社交软件默认回复“工作中有事请拨打电话”，工作软件有消息时取消默认回复。在观影场景中，手机电话铃声调至最大社交软件默认回复“观影中，急事来电”，大屏音量调到适合，窗帘关闭等。
如图10所示，电子设备100的使用者是用户A，电子设备100周期性地将用户A的历史使用数据发送至服务器200。电子设备300的使用者是用户B，电子设备300周期性地将用户B的历史使用数据发送至服务器200。电子设备400的使用者是用户C，电子设备400周期性地将用户C的历史使用数据发送至服务器200。
服务器200接收不同的电子设备上传的不同用户的历史使用数据。例如，服务器200接收电子设备100上传的用户A的历史使用数据。服务器200接收电子设备300上传的用户B的历史使用数据，服务器200接收电子设备400上传的用户C的历史使用数据。
服务器200在接收到不同的电子设备上传的不同用户的历史使用数据后，服务器200将对不同用户的历史使用数据进行分类和汇总，得到同一个场景下，不同用户使用的服务集合。之后，服务器200将计算同一个场景下，不同用户使用的服务集合的相似度。
服务器200可以基于相似度计算模型计算不同用户使用的服务集合的相似度。
图11示例性示出了服务器200如何基于相似度计算不同用户使用的服务集合的相似度的示意图。
在服务器200基于相似度计算模型计算不同用户使用的服务集合的相似度之前，服务器200需要训练相似度计算模型，使得相似度计算模型可以精确地计算出不同用户使用的服务集合的相似度。具体的，在模型训练阶段，有多个训练样本。训练样本可以有多种获取的渠道，本申请实施例对此并不进行限定。比如训练样本的输入可以是在相同场景下，不同用户使用的服务集合，训练样本的输出可以是不同用户之间的相似度的数值。这样，服务器200基于预设的模型，并利用训练数据对相似度计算模型进行迭代训练，得到训练好的相似度计算模型。具体的，服务器200将训练样本的输入作为相似度计算模型的输入，相似度计算模 型输出预测的相似度的数值，服务器200计算预测的相似度的数值和训练数据的输出中的不同用户之间的相似度的数值之间的差值，当两者的差值大于预设值时，服务器200修改相似度计算模型的参数，再次计算相似度计算模型输出预测相似度的数值和训练数据的输出中的不同用户之间的相似度的数值之间的差值，直至两者的差值小于预设值，相似度计算模型计算训练完毕。
可选的，训练数据可以包括多个不同场景下多个不同用户使用的服务集合。
可选的，相似度计算模型计算的训练过程也可以在其他的设备上运行(例如电子设备100)，电子设备100将相似度计算模型训练好之后，电子设备100将训练好的相似度计算模型保存在本地。
在服务器200训练好相似度计算模型后，服务器200可以基于在相同场景中，不同用户使用的服务集合确定出用户之间的相似度，并为用户推荐相似度大于预设值的其他用户使用的服务集合。
如图11所示，服务器200获取到在场景一中，多个不同的用户使用的服务集合。之后，服务器200可以计算出多个不同的用户使用的服务集合的相似度，例如，服务器200可以计算并得到用户A与其他用户使用的服务集合的相似度。
之后，服务器200将用户A与其他用户使用的服务集合的相似度和其他用户使用的服务集合发送至电子设备100。电子设备100在得到用户A与其他用户使用的服务集合的相似度和其他用户使用的服务集合后，将用户A与其他用户使用的服务集合的相似度和其他用户使用的服务集合保存至本地。在下一次电子设备100触发场景一时，电子设备100可以从用户A与其他用户使用的服务集合的相似度和其他用户使用的服务集合中，筛选出相似度大于预设值的其他用户使用的服务集合，并将筛选出的其他用户使用的服务集合推荐给用户。
可选的，服务器200可以在得到用户A与其他用户使用的服务集合的相似度后，首先筛选出相似度大于预设值的其他用户使用的服务集合。之后，服务器200将相似度大于预设值的其他用户使用的服务集合发送至电子设备100，电子设备100将相似度大于预设值的其他用户使用的服务集合保存在本地。在下一次电子设备100触发场景一时，电子设备100将相似度大于预设值的其他用户使用的服务集合推荐给用户。
接下来以观影场景和驾驶场景为例，介绍服务器200如何计算不同用户使用的服务集合的相似度的。
首先介绍在观影场景中，服务器200如何计算不同用户使用的服务集合的相似度的。
表3
Figure PCTCN2022142915-appb-000005
Figure PCTCN2022142915-appb-000006
表3示例性出了服务器200统计出来的在观影场景中不同的用户使用的服务集合。其中，用户A在观影场景中使用的服务集合包括：手机开启免打扰模式、客厅的电灯关闭。用户B在观影场景中使用的服务集合包括：手机开启免打扰模式、客厅的电灯关闭、客厅的窗帘关闭。用户C在观影场景中使用的服务集合包括：手机关闭免打扰模式、客厅的电灯开启。用户D在观影场景中使用的服务集合包括：手机开启免打扰模式、客厅的电灯关闭、客厅的空调开启至26度。
需要说明的是，不仅限于用户A、用户B、用户C和用户D在观影场景中使用的服务集合，服务器200还可以包括更多其他的用户在观影场景中使用的服务集合，本申请实施例在此不在一一列举。
服务器200将每一个场景，不同用户使用的服务集合用向量表示。示例性的，服务集合中的每一个服务可以通过0向量和1向量表示。例如，表3中的用户A使用的服务集合中，手机开启免打扰模式可以表示为向量“1”，客厅的电灯关闭可以表示为向量“1”、客厅的窗帘关闭可以表示为向量“1”、客厅的空调关闭可以表示为向量“1”。相反的，手机关闭免打扰模式可以表示为向量“0”，客厅的电灯开启可以表示为向量“0”、客厅的窗帘开启可以表示为向量“0”、客厅的空调开启可以表示为向量“0”。那么用户A在观影场景中使用的服务集合可以表示为向量“11”。服务器200还可以基于其他的方式表示用户使用的服务集合，本申请实施例对此不做限定。
之后，服务器200计算向量之间的相似度，得到在相同场景下，不同用户使用的服务集合的相似度。这里，服务器200计算向量之间的相似度可以通过以下任意一种方式得到：向量之间的余弦相似度、向量之间的欧氏距离、向量之间的曼哈顿距离、向量之间的皮尔逊相关系数等。服务器200还可以通过其他的方式计算相同场景下，不同用户使用的服务集合的相似度。
例如，服务器200得到了在观影场景中不同用户使用的服务集合后，将不同用户使用的服务集合用向量表示出来，例如，表3中的用户A使用的服务集合可以表示为向量A，向量A可以具体表现为向量“11”。表3中的用户B使用的服务集合可以表示为向量B，向量B可以具体表现为向量“111”。表3中的用户C使用的服务集合可以表示为向量C，向量C可以具体表现为向量“00”。表3中的用户D使用的服务集合可以表示为向量D，向量D可以具体表现为向量“110”。
服务器200分别计算上述向量A与向量B、向量C和向量D的相似度。例如，得到向量A与向量B的相似度为0.8，向量A与向量C的相似度为0.1，向量A与向量D的相似度为0.6。那么在观影场景中，用户A使用的服务集合与用户B使用的服务集合的相似度为0.8。在观影场景中，用户A使用的服务集合与用户C使用的服务集合的相似度为0.1。在观影场景中，用户A使用的服务集合与用户D使用的服务集合的相似度为0.6。那么，在观影场景中，与用户A使用的服务集合的相似度从高到低的排序结果为：用户B使用的服务集合、用户D使用的服务集合、用户C使用的服务集合。
图12示例性示出了电子设备100在观影场景中为用户A推荐相似用户使用的服务集合的UI图。
电子设备100可以为用户A推荐出与用户A使用的服务集合的相似度排在前N(例如N等于1)的其他用户使用的服务集合，例如电子设备100可以为用户A推荐出在观影场景中用户B使用的服务集合和用户D使用的服务集合。之后，电子设备100将基于用户B使用的服务集合和用户D使用的服务集合生成推荐卡片，并显示在电子设备100的桌面上。
如图12所示，图12示例性示出了电子设备100生成的推荐卡片1200。其中，推荐卡片1200可以包括在观影场景中，用户A使用的历史服务集合卡片1201和电子设备100为用户A推荐的相似用户使用的服务集合卡片(即卡片1202)。该卡片可以有文字、图片等元素构成。其中，卡片1201中显示的服务有手机开启免打扰模式和客厅的电灯关闭。卡片1202为用户B在观影场景中使用的服务集合卡片，卡片1202中显示的服务有手机开启免打扰模式、客厅的电灯关闭和客厅的窗帘关闭。
可选的，若用户A之前并未在观影场景中使用过服务，那么电子设备100生成的推荐卡片1200可以不包括用户A使用的历史服务集合，即电子设备100不在卡片1200中显示卡片1201。
在电子设备100显示推荐卡片1200后，电子设备100接收并响应用户针对推荐卡片1200上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将进入该服务对应的详情页。例如，电子设备100接收并响应用户针对推荐卡片1202上的客厅的窗帘关闭服务的输入操作，电子设备100将进入设置窗帘关闭的详情页，用户可以在设置窗帘关闭的详情页中，控制窗帘关闭。
接下来介绍在驾驶场景中，服务器200如何计算不同用户使用的服务集合的相似度的。
表4
Figure PCTCN2022142915-appb-000007
表4示例性出了服务器200统计出来的在驾驶场景中不同的用户使用的服务集合。其中，用户A在驾驶场景中使用的服务集合包括：来电时转移至车机、座舱自动恢复驾驶位坐姿。用户B在驾驶场景中使用的服务集合包括：来电时转移至车机、座舱自动恢复驾驶位坐姿、通过手机上的地图应用导航路线。用户C在驾驶场景中使用的服务集合包括：来电时手机接听、座舱不自动恢复驾驶位坐姿、不导航路线。用户D在驾驶场景中使用的服务集合包括：来电时转移至车机、座舱自动恢复驾驶位坐姿、通过车机上的地图应用导航路线和通过车机 上的音响播放音乐。
需要说明的是，不仅限于用户A、用户B、用户C和用户D在驾驶场景中使用的服务集合，服务器200还可以包括更多其他的用户在驾驶场景中使用的服务集合，本申请实施例在此不在一一列举。
服务器200得到了在驾驶场景中不同用户使用的服务集合后，将不同用户使用的服务集合用向量表示出来，示例性的，服务集合中的每一个服务可以通过0向量和1向量表示。例如，“来电时转移至车机”可以表示为向量“1”，“座舱自动恢复驾驶位坐姿”可以表示为向量“1”，“通过车机上的地图应用导航路线”可以表示为向量“1”，“通过车机上的音响播放音乐”可以表示为向量“1”。相反地，“来电时手机接听”可以表示为向量“0”，“座舱不自动恢复驾驶位坐姿”可以表示为向量“0”，“通过手机上的地图应用导航路线”可以表示为向量“0”，“通过手机播放音乐”可以表示为向量“0”。那么表4中的用户A使用的服务集合可以表示为向量A，向量A可以具体表现为向量“11”。表4中的用户B使用的服务集合可以表示为向量B，向量B可以具体表现为向量“110”。表4中的用户C使用的服务集合可以表示为向量C，向量C可以具体表现为向量“00”。表4中的用户D使用的服务集合可以表示为向量D，向量D可以具体表现为向量“1111”。
服务器200分别计算上述向量A与向量B、向量C和向量D的相似度。例如，得到向量A与向量B的相似度为0.9，向量A与向量C的相似度为0.1，向量A与向量D的相似度为0.7。那么在驾驶场景中，用户A使用的服务集合与用户B使用的服务集合的相似度为0.9。在驾驶场景中，用户A使用的服务集合与用户C使用的服务集合的相似度为0.1。在驾驶场景中，用户A使用的服务集合与用户D使用的服务集合的相似度为0.7。那么，在驾驶场景中，与用户A使用的服务集合的相似度从高到低的排序结果为：用户B使用的服务集合、用户D使用的服务集合、用户C使用的服务集合。
图13示例性示出了电子设备100在驾驶场景中为用户A推荐相似用户使用的服务集合的UI图。
电子设备100可以为用户A推荐出与用户A使用的服务集合的相似度排在前N(例如N等于1)的其他用户使用的服务集合，例如电子设备100可以为用户A推荐出在驾驶场景中用户B使用的服务集合。之后，电子设备100将基于用户B使用的服务集合生成推荐卡片，并显示在电子设备100的桌面上。
如图13所示，图13示例性示出了电子设备100生成的推荐卡片1300。其中，推荐卡片1300可以包括在驾驶场景中，用户A使用的历史服务集合卡片1301和电子设备100为用户A推荐的相似用户使用的服务集合卡片(即卡片1302)。该卡片可以有文字、图片等元素构成。其中，卡片1301中显示的服务有来电时转移至车机和座舱自动恢复驾驶位坐姿。卡片1302为用户B在驾驶场景中使用的服务集合卡片，卡片1302中显示的服务有来电时转移至车机、座舱自动恢复驾驶位坐姿和通过手机上的地图应用导航路线。
在电子设备100显示推荐卡片1300后，电子设备100接收并响应用户针对推荐卡片1300上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将执行对应的服务。例如，电子设备100接收并响应用户针对推荐卡片1302上的“座舱自动恢复驾驶位坐姿”服务的输入操作，电子设备100将控制座舱自动恢复驾驶位坐姿”。
可选的，若用户A之前并未在驾驶场景中使用过服务，那么电子设备100生成的推荐卡 片1300可以不包括用户A使用的历史服务集合(即卡片1300中不包括历史服务集合卡片1301)。
需要说明的是，服务器200不仅限于统计出在观影场景和驾驶场景中不同的用户使用的服务集合，服务器200还可以统计出其他的场景(例如工作场景)中不同的用户使用的服务集合，本申请实施例在此不在一一列举。
本申请实施例还可以结合用户针对不同场景中用户针对不同设备的关注度，为用户推荐用户关注的设备类型接近的相似用户使用的服务集合。
可选的，电子设备可以对与用户关联的设备的关注度进行评分，并基于用户针对与用户关联的设备的关注度评分前述得到的相似用户使用的服务集合进行重排序，得到最终的推荐结果。这样，电子设备100可以为用户推荐与用户关注的设备类型接近的相似用户使用的服务集合，使得电子设备100推荐的服务集合更准确。
其中，用户对设备的关注度可以基于以下信息得到：与用户关联的设备的工作状态、与用户关联的设备检测到的用户的状态。示例性的，与用户关联的设备的工作状态包括但不仅限于：与用户关联的设备是否开启、与用户关联的设备是否处于工作状态(例如是否有图像或者音频输出)。与用户关联的设备检测到的用户的状态包括但不仅限于：用户是否长时间注视大屏或者手机。与用户关联的设备中***设置和第三方应用的设置包括但不仅限于：与用户关联的设备是否开启免打扰模式、第三方应用是否开启新信息通知权限、第三方应用是否开启自动回复权限、第三方应用是否开启获取当前位置权限、第三方应用是否开启获取麦克风权限等等。上述举例仅用于解释如何获取用户对设备的关注度的，不应构成限定。
接下来介绍电子设备100如何计算用户针对不同设备的关注度的。
电子设备100可以基于以下方式确定出用户针对不同设备的关注度。
方式一：电子设备100基于设备的状态，对设备进行打分，得到用户对设备的关注度评分。
电子设备100可以将用户对设备的关注度评分分为N个级别。级别越低，用户对设备的关注度不明确，用户对设备的关注度越低。级别越高，用户对设备的关注度越明确，用户对设备的关注度越高。示例性的，用户对设备的关注度评分为第一级别时，用户对设备的关注度评分为1/N。用户对设备的关注度评分为第二级别时，用户对设备的关注度评分为2/N。
假设N等于3，在观影场景中，第一级别的评分事件包括但不仅限于：窗帘关闭，手机息屏，且手机的息屏时长超过一定时间阈值。那么第一级别的评分事件的关注度评分为0.3。第二级别的评分事件包括但不仅限于：客厅的电灯关闭，那么第二级别的评分事件的关注度评分为0.6。第三级别的评分事件包括但不仅限于：手机解锁亮屏，且手机的亮屏时长超过一定时间阈值。大屏亮屏，且大屏的媒体通道被占有，有音频输出，或者大屏通过摄像头等设备检测到用户盯着大屏的时间超过一定时间阈值。智能音箱有音频输出，那么第三级别的评分事件的关注度评分为1。
假设N等于3，在驾驶场景中，第一级别的评分事件包括但不仅限于：车窗关闭，手机息屏，且手机的息屏时长超过一定时间阈值。那么第一级别的评分事件的关注度评分为0.3。第二级的评分事件包括但不仅限于：车载灯开启，那么第二级别的评分事件的关注度评分为0.6。第三级别的评分事件包括但不仅限于：车载电脑的屏幕亮屏，且车载音响的媒体通道被占有，有音频输出。蓝牙耳机已连接设备(例如手机或者车机)，那么第三级别的评分事件 的关注度评分为1。
需要说明的是，上述不同场景中的评分事件是基于用户经验得到的，不应构成限定。
方式二：电子设备100基于用户的设置，得到用户对设备的关注度评分。
在电子设备100检测到用户处于某一个场景时，电子设备100可以通过弹窗的方式让用户选择用户需要关注的设备。用户选择的设备的关注度评分为1。例如在观影场景中，用户选择关注的设备对大屏，那电子设备100得到的用户针对大屏的关注度评分为1。在驾驶场景中，用户选择关注的设备对车载电脑，那电子设备100得到的用户针对车载电脑的关注度评分为1。
不仅限于通过上述两种方式对设备的关注度进行评分，电子设备100还可以通其他的方式对设备的关注度进行评分，本申请在此不再赘述。
电子设备100可以基于关注度计算模型计算出用户对不同设备的关注度评分。
图14示例性示出了电子设备100如何训练关注度计算模型的示意图。
在电子设备100基于关注度计算模型计算出用户针对不同的设备的关注度评分之前，电子设备100需要训练关注度计算模型，使得关注度计算模型可以精确地计算出用户针对不同的设备的关注度评分。
具体的，在模型训练阶段，电子设备100需获取到多个训练样本。训练样本可以有多种获取的渠道，本申请实施例对此并不进行限定。训练样本包括训练样本的输入和训练样本的输出，其中，训练样本的输入为在某一个场景下，不同设备的状态，训练样本的输出为用户针对不同设备的关注度评分。这样，电子设备100基于预设的模型，并利用训练数据对关注度计算模型进行迭代训练，得到训练好的关注度计算模型。
之后，电子设备100将训练样本的输入作为关注度计算模型的输入，关注度计算模型输出预测的用户针对不同设备的关注度评分。电子设备100计算预测的用户针对不同设备的关注度评分和训练数据的输出中的用户针对不同设备的关注度评分之间的差值，当两者的差值大于预设值时，电子设备100修改关注度计算模型的参数，重复之前的步骤，直至电子设备100确认出预测的用户针对不同设备的关注度评分和训练数据的输出中的用户针对不同设备的关注度评分之间的差值小于预设值，关注度计算模型计算训练完毕。
可选的，训练数据可以包括多个不同场景下不同设备的状态以及用户针对不用设备的关注度评分。
可选的，关注度计算模型的训练过程也可以在其他的设备上运行(例如服务器200)，服务器200将关注度计算模型训练好之后，服务器200将训练好的关注度计算模型发送至电子设备100，电子设备100将训练好的关注度计算模型保存在本地。
图15示例性示出了电子设备100如何基于关注度计算模型得到用户针对不同的设备的关注度评分的示意图。
在电子设备100训练好关注度计算模型后，电子设备100可以基于在某一个场景中，不同设备的状态确定出用户对不同的额设备的关注度评分。
如图15所示，电子设备100获取到在场景一中，与用户A关联的设备的状态，例如场景一下与用户A关联的设备包括设备1、设备2、设备3和设备n，电子设备100需获取到设备1的状态、设备2的状态、设备3的状态和设备n的状态。之后，电子设备100可以基于 与用户A关联的设备的状态通过相似度计算模型确定出用户A对场景一下各个设备的关注度评分。例如，电子设备100计算出用户A针对设备1的关注度评分、用户A针对设备2的关注度评分、用户A针对设备3的关注度评分和用户A针对设备n的关注度评分。
接下来以观影场景和驾驶场景为例介绍电子设备100如何对设备的关注度进行打分的。
表5
Figure PCTCN2022142915-appb-000008
表5示例性出了电子设备100确定出的用户A在观影场景中对不同的设备的关注度的统计事件。示例性的，用户A对手机的关注度评分事件包括“手机息屏的时间超过一定时间阈值”，用户A对大屏的关注度评分事件包括“用户A一直注视着大屏的屏幕”，用户A对窗帘的关注度评分事件包括“客厅无窗帘”，用户A对电灯的关注度评分事件包括“电灯关闭”。基于上述关注度评分事件，电子设备100可以得到用户A针对手机的关注度评分为0.3，用户A针对大屏的关注度评分为1，用户A针对客厅的窗帘的关注度评分为0，用户A针对客厅的电灯的关注度评分为0.3。
表6
Figure PCTCN2022142915-appb-000009
表6示例性出了电子设备100确定出的用户A在驾驶场景中对不同的设备的关注度的统计事件。其中，示例性的，用户A对手机的关注度评分事件包括“手机息屏的时间超过一定时间阈值”，用户A对车机的关注度评分事件包括“车机”。基于上述关注度评分事件，电子设备100可以得到用户A针对手机的关注度评分为0.3，用户A针对车机的关注度评分为1。
需要说明的是，服务器200不仅限于统计出在观影场景和驾驶场景中用户A对不同的设备的关注度，服务器200还可以统计出其他的场景(例如工作场景)中用户A对不同的设备的关注度，本申请实施例在此不在一一列举。
电子设备100在得到用户A针对不同设备的关注度评分之后，电子设备100将基于用户A针对不同设备的关注度评分对前述得到的相似用户使用的服务集合进行重排序，得到最终的推荐结果。这样，电子设备100可以为用户推荐在相同场景下，与用户A关注的设备接近的相似用户使用的服务集合，提高了电子设备100为用户推荐服务集合的准确性。
前述服务器200在得到与用户A使用的服务集合的相似度大于预设值的其他用户使用的服务集合的整体相似度时，服务器200还可以得到用户A使用的每一个服务与其他用户使用的每一个服务的相似度。例如，用户A使用的服务集合包括服务1、服务2和服务3，其他用户使用的服务集合也服务1、服务2和服务3，用户A与其他用户使用的服务1的相似度为0.9，用户A与其他用户使用的服务2的相似度为0.8，用户A与其他用户使用的服务3的相似度为0.6。
服务器200在将相似用户使用的服务集合发送至电子设备100的同时，除了发送用户A与相似用户使用的服务集合的整体相似度，还需发送相似用户使用的每一个服务与用户A的相似度至电子设备100。
电子设备100在得到相似用户使用的每一个服务与用户A的相似度，以及用户A针对不同设备的关注度评分后，电子设备100可以基于每一个服务的相似度和不同设备的关注度评分对前述得到的相似用户使用的服务集合进行重排序，从而为用户推荐与用户A关注的设备接近的相似用户使用的服务集合。
可选的，电子设备100可以将相似用户使用的服务集合中，相似用户使用的每一个服务与用户A的相似度和用户A针对每一个服务对应的设备的关注度评分相乘，得到每一个服务的得分，电子设备100将服务集合中每一个服务的得分相加，作为该服务集合的整体得分。并基于服务集合的整体得分从高到低进行牌组，得到最终的推荐结果。
需要说明的是，电子设备100还可以通过其他的方式得到服务集合的整体得分，本申请实施例对此不做限定。
接下来以观影场景和驾驶场景为例，介绍电子设备100如何得到相似用户使用的服务集合的整体得分的。
首先介绍在观影场景中，电子设备100如何得到相似用户使用的服务集合的整体得分的。
首先，电子设备100获取到相似用户使用的每一个服务与用户A的相似度。
表7
Figure PCTCN2022142915-appb-000010
表7示出了在观影场景中，相似用户使用的每一个服务与用户A使用的对应服务的相似度。示例性的，在观影场景中，用户B使用的手机开启免打扰模式服务与用户A使用的手机开启免打扰模式服务的相似度为0.9。用户B使用的客厅的电灯关闭服务与用户A使用的客厅的电灯关闭服务的相似度为0.7。用户B使用的客厅的空调开启服务与用户A使用的客厅的空调开启服务的相似度为0.1。用户B使用的客厅的窗帘关闭服务与用户A使用的客厅的窗帘关闭服务的相似度为0.6。
同理，在观影场景中，用户C与用户A使用手机开启免打扰模式服务与用户A使用的手机开启免打扰模式服务的相似度为0.1。用户C使用的客厅的电灯关闭服务与用户A使用的客厅的电灯关闭服务的相似度为0.1。用户C使用的客厅的空调开启服务与用户A使用的客厅的空调开启服务的相似度为0。用户C使用的客厅的窗帘关闭服务与用户A使用的客厅的窗帘关闭服务的相似度为0.1。
同理，在观影场景中，用户D与用户A使用手机开启免打扰模式服务与用户A使用的手机开启免打扰模式服务的相似度为1。用户D使用的客厅的电灯关闭服务与用户A使用的 客厅的电灯关闭服务的相似度为0.8。用户D使用的客厅的空调开启服务与用户A使用的客厅的空调开启服务的相似度为0.3。用户D使用的客厅的窗帘关闭服务与用户A使用的客厅的窗帘关闭服务的相似度为0.1。
电子设备100在得到相似用户使用的每一个服务与用户A使用的对应服务的相似度，电子设备100将相似用户使用服务集合中每一个服务的相似度和对每一个服务对应的设备的关注度评分相乘，得到相似用户使用的服务集合的整体得分。
表8
Figure PCTCN2022142915-appb-000011
表8示例性示出了相似用户使用的服务集合的整体得分。其中，用户B使用的服务集合的总体得分为0.49，用户C使用的服务集合的总体得分为0.11，用户C使用的服务集合的总体得分为0.57。
基于相似用户使用的服务集合的整体得分。电子设备100将相似用户使用的服务集合重排序，即基于相似用户使用的服务集合的整体得分从高到低进行牌组，得到最终的推荐结果。
最终，在观影场景中，电子设备100为用户A推荐的相似用户使用的服务集合的排序结果是：用户D使用的服务集合、用户B使用的服务集合、用户C使用的服务集合。
图16示例性示出了电子设备100在观影场景中，为用户A推荐的另一种对相似用户使用的服务集合的UI图。
电子设备100可以为用户A推荐出与用户A使用的服务集合的相似度排在前N(例如N等于1)的其他用户使用的服务集合，例如电子设备100可以为用户A推荐出在观影场景中用户D使用的服务集合。之后，电子设备100将基于用户D使用的服务集合生成推荐卡片，并显示在电子设备100的桌面上。
如图16所示，图16示例性示出了电子设备100生成的推荐卡片1600。其中，推荐卡片1600可以包括在观影场景中，用户A使用的历史服务集合卡片1601和电子设备100为用户A推荐的相似用户使用的服务集合卡片(即卡片1602)。该卡片可以有文字、图片等元素构成。其中，卡片1601中显示的服务有手机开启免打扰模式和客厅的电灯关闭。卡片1602为用户D在观影场景中使用的服务集合卡片，卡片1602中显示的服务有手机开启免打扰模式、客厅的电灯关闭和客厅的空调开启。
可选的，若用户A之前并未在观影场景中使用过服务，那么电子设备100生成的推荐卡片1600可以不包括用户A使用的历史服务集合，即电子设备100不在卡片1600中显示卡片1601。
在电子设备100显示推荐卡片1600后，电子设备100接收并响应用户针对推荐卡片1600上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将进入该服务对应的详情页。例如，电子设备100接收并响应用户针对推荐卡片1602上的客厅的空调开启服务的输入操作，电子设备100将进入设置客厅的空调开启的详情页，用户可以在设置客厅的空调开启的详情页中，控制客厅的空调开启。
图16所示的推荐卡片1600与图12所示的推荐卡片1200的区别在于，推荐卡片1600中显示的推荐服务与推荐卡片1200中显示的推荐服务不同，推荐卡片1600中显示的是用户A在观影场景中更加关注的设备对应的服务集合。由前述分析可知，用户A的客厅没有安装窗帘，那么用户A对客厅的窗帘的关注度为0，那么图12中所示的电子设备100为用户推荐的服务集合卡片(即卡片1202)中显示的推荐服务“客厅的窗帘关闭”对于用户A来说，是无用的推荐项。
因此，结合前述分析可知，电子设备100可以基于用户A在观影场景中对不同的设备的关注度评分，对电子设备100得到的相似用户使用的服务集合进行重排序，可以使得电子设备100为用户A推荐与用户A关注的设备接近的相似用户使用的服务集合，避免电子设备100为用户推荐用户不关注的设备的对应的服务或者当前不存在的设备的对应的服务，可以提电子设备100为用户推荐服务集合的准确性。
接下来介绍在驾驶场景中，电子设备100如何得到相似用户使用的服务集合的整体得分的。
首先，电子设备100获取到相似用户使用的每一个服务与用户A的相似度。
表9
Figure PCTCN2022142915-appb-000012
表9示出了在驾驶场景中，相似用户使用的每一个服务与用户A使用的对应服务的相似度。示例性的，在观影场景中，用户B使用的接听电话服务与用户A使用的接听电话服务的相似度为0.5。用户B使用的座舱自动恢复驾驶位坐姿服务与用户A使用的座舱自动恢复驾驶位坐姿服务的相似度为0.6。用户B使用的导航服务与用户A使用的导航服务的相似度为0.4。用户B使用的播放音乐服务与用户A使用的播放音乐服务的相似度为0.1。
同理，在观影场景中，用户C使用的接听电话服务与用户A使用的接听电话服务的相似度为0。用户C使用的座舱自动恢复驾驶位坐姿服务与用户A使用的座舱自动恢复驾驶位坐姿服务的相似度为0。用户C使用的导航服务与用户A使用的导航服务的相似度为0.3。用户C使用的播放音乐服务与用户A使用的播放音乐服务的相似度为0.1。
同理，在观影场景中，用户D使用的接听电话服务与用户A使用的接听电话服务的相似 度为0.4。用户D使用的座舱自动恢复驾驶位坐姿服务与用户A使用的座舱自动恢复驾驶位坐姿服务的相似度为0.6。用户D使用的导航服务与用户A使用的导航服务的相似度为0.3。用户D使用的播放音乐服务与用户A使用的播放音乐服务的相似度为0.3。
电子设备100在得到相似用户使用的每一个服务与用户A使用的对应服务的相似度，电子设备100将相似用户使用服务集合中每一个服务的相似度和对每一个服务对应的设备的关注度评分相乘，得到相似用户使用的服务集合的整体得分。
表10
Figure PCTCN2022142915-appb-000013
表10示例性示出了相似用户使用的服务集合的整体得分。其中，用户B使用的服务集合的总体得分为1.32，用户C使用的服务集合的总体得分为0.48，用户C使用的服务集合的总体得分为1.60。
基于相似用户使用的服务集合的整体得分。电子设备100将相似用户使用的服务集合重排序，即基于相似用户使用的服务集合的整体得分从高到低进行牌组，得到最终的推荐结果。
最终，在驾驶场景中，电子设备100为用户A推荐的相似用户使用的服务集合的排序结果是：用户D使用的服务集合、用户B使用的服务集合、用户C使用的服务集合。
图17示例性示出了电子设备100在驾驶场景中，为用户A推荐的另一种对相似用户使用的服务集合的UI图。
电子设备100可以为用户A推荐出与用户A使用的服务集合的相似度排在前N(例如N等于1)的其他用户使用的服务集合，例如电子设备100可以为用户A推荐出在驾驶场景中用户D使用的服务集合。之后，电子设备100将基于用户D使用的服务集合生成推荐卡片，并显示在电子设备100的桌面上。
如图17所示，图17示例性示出了电子设备100生成的推荐卡片1700。其中，推荐卡片1700可以包括在驾驶场景中，用户A使用的历史服务集合卡片1701和电子设备100为用户 A推荐的相似用户使用的服务集合卡片(即卡片1702)。该卡片可以有文字、图片等元素构成。其中，卡片1701中显示的服务有来电时转移至车机和座舱自动恢复驾驶位坐姿。卡片1702为用户D在驾驶场景中使用的服务集合卡片，卡片1702中显示的服务有来电时转移至车机、座舱自动恢复驾驶位坐姿、车机上的车载音响播放音乐和通过车机上的地图应用导航路线。
可选的，若用户A之前并未在驾驶场景中使用过服务，那么电子设备100生成的推荐卡片1700可以不包括用户A使用的历史服务集合，即电子设备100不在卡片1700中显示卡片1701。
在电子设备100显示推荐卡片1700后，电子设备100接收并响应用户针对推荐卡片1700上的任意一个服务的卡片所在的区域的输入操作(例如单击操作)，电子设备100将进入该服务对应的详情页。例如，电子设备100接收并响应用户针对推荐卡片1702上的车机上的车载音响播放音乐服务的输入操作，电子设备100将进入设置车机上的车载音响播放音乐的详情页，用户可以在设置车机上的车载音响播放音乐的详情页中，控制车机上的车载音响播放音乐。
图17所示的推荐卡片1700与图13所示的推荐卡片1300的区别在于，推荐卡片1700中显示的推荐服务与推荐卡片1300中显示的推荐服务不同，推荐卡片1700中显示的是用户A在驾驶场景中更加关注的设备对应的服务集合。由前述分析可知，用户A在驾驶过程中更加关注车机，用户A并不关注手机，那么用户A通过车机来导航路线和.或播放音乐的概率更大，且用户A使用手机来导航路线和播放音乐可能会对用户A的驾驶的注意力造成影响。那么图17中所示的电子设备100为用户推荐的服务集合卡片(即卡片1702)中显示的推荐服务“通过手机上的地图应用导航路线”对于用户A来说，可能是无用的推荐项。
因此，结合前述分析可知，电子设备100可以基于用户A在驾驶场景中对不同的设备的关注度评分，对电子设备100得到的相似用户使用的服务集合进行重排序，可以使得电子设备100为用户A推荐与用户A关注的设备接近的相似用户使用的服务集合，避免电子设备100为用户推荐用户不关注的设备的对应的服务或者当前不存在的设备的对应的服务，可以提电子设备100为用户推荐服务集合的准确性。
基于上述方式一和方式二介绍的服务生成的方法，电子设备100可以基于生成的服务集合，一键设置电子设备100中的应用设置状态、***设置状态，或者控制其他的电子设备的工作状态。
具体的，若推荐卡片上显示的服务集合为多个电子设备100上的应用设置项的服务集合，例如服务集合可以为“将即时通信应用设置为免打扰模式，将电话应用设置为提醒模式”，电子设备100接收用户针对该服务集合对应的服务卡片的触发操作(例如单击)，电子设备100可以自动将即时通信应用设置为免打扰模式，并将电话应用设置为提醒模式。这样，用户可以一键设置多个不同应用，方便快捷。
可选的，推荐服务是在电子设备100的***执行的。电子设备100在开机向导中获取了应用的权限之后，在后续电子设备100设置应用的状态时，电子设备100不再弹框提示是否需要获取用户的授权。
若推荐卡片上显示的服务集合为多个电子设备100上的***设置项的服务集合，例如服务集合可以为“将手机亮度调节至20％，将电子设备100设置为静音模式”，电子设备100接收用户针对该服务集合对应的服务卡片的触发操作(例如单击)，电子设备100可以自动 将手机亮度调节至20％，并将电子设备100设置为静音模式。这样，用户可以一键设置多个***设置，方便快捷。
若推荐卡片上显示的服务集合为控制其他的电子设备的工作状态的服务集合，例如服务集合可以为“客厅的空调开启，客厅的灯光开启”，电子设备100接收用户针对该服务集合对应的服务卡片的触发操作(例如单击)，电子设备100可以自动控制开启客厅的空调，并自动控制开启客厅的灯光。这样，用户可以一键设置多个其他的电子设备的工作状态，方便快捷。
推荐卡片上显示的服务集合还可以是***设置项的服务集合、应用设置项的服务集合、控制其他的电子设备的工作状态的服务集合的其中任意一种或多种组合。这样，电子设备100可以一键设置多个应用设置状态、***设置状态，或者控制其他的电子设备的工作状态。
不仅限于上述方式一和方式二介绍的服务生成的方法，本申请实施例还提供了另一种服务生成方法，即电子设备100可以基于用户的历史操作为用户推荐服务。
可选的，电子设备100也可以基于用户的行为以及用户的个人数据为用户推荐服务。
用户的历史操作可以理解为在一段时间内用户的行为。用户的行为可以是用户对电子设备100的***设置、对应用的***设置、电子设备100控制的其他电子设备的工作状态等等。
示例性的，用户的操作可以是“将即时通信应用设置为免打扰模式、将电话应用设置为提醒模式”，用户的操作还可以是“将手机亮度调节至20％，将电子设备100设置为静音模式”，用户的操作还可以是“客厅的空调开启，客厅的灯光开启”。
这样，电子设备100记录下用户在一定时间段的行为，将用户的历史操作的使用频率大于预设值的设置项推荐给用户。这样，电子设备100可以基于用户的行为用户推荐服务，更加符合用户的行为特征。
示例性的，若用户在观影场景中，对电子设备的操作“将即时通信应用设置为免打扰模式、将电话应用设置为提醒模式”使用最频繁，那么在下次观影场景中，电子设备100可以为用户推荐用户操作最频繁的设置项，电子设备100为用户推荐的服务可以是“将即时通信应用设置为免打扰模式、将电话应用设置为提醒模式”。
前述实施例描述了电子设备100如何为用户生成服务集合的。在电子设备100为用户生成服务集合后，当电子设备100检测到当前的时间、地点或者设备的状态满足一定条件时，电子设备100会识别到对应的场景。并为用户推荐场景中关联的服务集合，电子设备100基于该场景中关联的服务集合为用户生成推荐卡片，并将推荐卡片显示在桌面上。
也就是说，场景由场景的触发条件、服务集合组成，有些场景还可以包括退出条件。其中，触发条件用于触发电子设备100基于当前场景对应的服务集合生成推荐卡片，并将推荐卡片显示在桌面上。退出条件用于触发电子设备100停止在桌面上显示上述推荐卡片。
触发条件包括时间、地点或者设备的状态中的任意一项或多项，退出条件也可以包括时间、地点或者设备的状态中的任意一项或多项。
接下来对触发条件进行详细说明。
表11
触发条件的组成类型 触发条件的内容
时间类 早上5点之后
时间类 每次平均起床时间之后
时间类 每日平均睡眠时间后
时间类 工作日上午平均离家时间后
地点类 进入距离家位置一定范围内后
地点类 进入小区位置一定范围内后
地点类 到达地铁站后
地点类 到达公交站后
设备状态类 手机早上首次亮屏后
设备状态类 手机检测到用户进入运动状态后
设备状态类 手机检测到用户进入驾驶状态后
设备状态类 手机检测到连接至其他的设备后
表11示例性示出了触发条件的组成类型和条件的内容。当触发条件的组成类型为时间类时，触发条件的内容可以包括以下任意一项或多项：早上5点之后、每次平均起床时间之后、每日平均睡眠时间后、工作日上午平均离家时间后。当触发条件的组成类型为地点类时，触发条件的内容可以包括以下任意一项或多项：进入距离家位置一定范围内后、进入小区位置一定范围内后、到达地铁站后、到达公交站后。其中，可以基于与用户绑定的设备(例如手机)连接上对应地点所在的WiFi，或者基于与用户绑定的设备(例如手机)的定位信息，来确定出用户所在的地点。例如，当与用户绑定的设备(例如手机)连接上家庭WiFi之后，可以确定出用户进入距离家位置一定范围内。当与用户绑定的设备(例如手机)的定位信息显示已进入某小区，且该谋取为用户居住的小区，则可以确定用户进入小区位置一定范围内。当触发条件的组成类型为设备状态类时，触发条件的内容可以包括以下任意一项或多项：手机早上首次亮屏后、手机检测到用户进入运动状态后、手机检测到用户进入驾驶状态后、手机检测到连接至其他的设备后。其中，可以基于与用户绑定的设备(例如手机)上的传感器采集的数据、或者设备上的状态状态等信息确定出设备的状态。例如，手机可以基于手机上的运动传感器采集的运动数据检测到用户在跑步，或者手机通过建立通信连接的可穿戴设备(例如蓝牙手表)上采集的运动数据检测到用户在跑步。再例如，用户的手机的蓝牙由无连接状态变为连接上车载蓝牙，则手机确定出用户即将进入驾驶状态。
需要说明的是，表11只是示例性说明了触发条件的组成类型和触发条件的内容，在实际应用中，可以包括比表11更多的触发条件的组成类型和触发条件的内容，本申请实施例对此不做限定。
需要说明的是，场景的退出条件与场景的触发条件类似，对于退出条件的具体解释，可以参考对触发条件的具体解释，本申请实施例在此不再赘述。
以晨起场景来说，晨起场景的触发条件可以由时间类和设备状态类的条件组成；
1、早上5点之后。
2、在用户早上起床时间正负一小时内。
3、手机长时间灭屏后首次亮屏后。
示例性的，晨起场景的触发条件可以由上述三个条件构成：第一个条件是，早上5点之后。第二个条件是，在用户起床时间的正负一小时内。这里，用户的起床时间是电子设备基于用户的历史使用数据统计得到的，例如电子设备上的起床闹钟等。第三个条件是，手机长时间灭屏后首次亮屏后。只有同时满足上述三个条件，电子设备100才会为用户推荐晨起场 景中的服务集合。
以晨起场景来说，晨起场景的退出条件可以由时间类和地点类的条件组成；
1、手机长时间灭屏后首次亮屏后的一小时后。
2、用户出了家门，且离家的位置越来越远。
示例性的，晨起场景的退出条件可以由上述三个条件构成：第一个条件是，手机长时间灭屏后首次亮屏后的一小时后。第二个条件是，用户出了家门，且离家的位置越来越远。只有同时满足上述两个条件，电子设备100才会结束为用户推荐晨起场景中的服务集合。
从上述分析可知，当电子设备100检测到时间、地点和设备状态满足某一个场景的触发条件时，电子设备100将为用户推荐该场景中对应的服务集合，当电子设备100检测到时间、地点和设备状态满足某一个场景的退出条件时，电子设备100将停止为用户推荐该场景中对应的服务集合。由于场景的触发条件和退出条件都是预定好的，用户的使用是习惯不是一成一边的，会导致电子设备100按照预定的触发条件为用户推荐某一个场景下的服务集合，或者电子设备100按照预定的退出条件停止为用户推荐某一个场景下的服务集合，与用户真实使用该场景中的服务集合的时间出现偏差。例如，电子设备100按照预定的触发条件为用户推荐某一个场景下的服务集合，可能会导致电子设备100为用户推荐某一个场景下的服务集合的时间过早，或者电子设备100为用户推荐某一个场景下的服务集合的时间过晚的情况发生。再例如，电子设备100按照预定的退出条件为用户停止推荐某一个场景下的服务集合，可能会导致电子设备100停止为用户推荐某一个场景下的服务集合的时间过早，或者电子设备100停止为用户推荐某一个场景下的服务集合的时间过晚。
接下来结合附图对上述情景进行详细的说明。
图18A-图18E示例性示出了电子设备100进入场景或者退出场景与用户真实使用该场景中的服务集合的时间出现偏差的示意图。
其中，图18A示例性示出了在单次场景预设的进入时刻和预设的退出时刻的示意图。
在图18A中，电子设备100判断出时间、地点和设备状态满足进入场景的触发条件时，电子设备100在t1时刻为用户推荐服务集合的时刻，由于场景的触发条件是预设好的，t1时刻可以理解为场景预设的进入时刻。在电子设备100将服务集合推荐给用户之后的一定时间后，例如在t2时刻，t2时刻大于t1时刻，电子设备100判断出场景时间、地点和设备状态满足满足退出场景的退出条件时，电子设备100停止为用户推荐服务集合，由于场景的退出条件是预设好的，t2时刻可以理解为场景预设的退出时刻。
图18B示例性示出了单次场景晚进入过晚的示意图。
在图18B中，场景的预设进入时刻为t1时刻，由于用户行为习惯的变化，电子设备100检测到用户在t3时刻使用了场景中的服务集合，t3时刻小于t1时刻。这样，会导致用户已经使用了该场景中的服务，在t1时刻，到了该场景预设的进入时刻，电子设备100又会再次给用户推荐该场景中的服务集合。或者，电子设备100检测到用户在t1时刻已经使用了该场景中的服务集合，那么在t1时刻，电子设备100就不再为用户推荐该场景中的服务集合了。其中，(t1-t3)为电子设备100晚进入场景的时长。这样，会导致电子设备100无法及时的为用户推荐场景中的服务集合，影响了用户体验。
示例性的，用户在工作日的通勤场景中会使用打车服务，通勤场景的触发条件为：用户离开家后。但是，用户在实际应用中，在离开家前用户会使用打车服务叫车，等叫到车后用户才会离开家。由于预设的触发条件和用户的实际行为会出现偏差，导致电子设备100无法及时调整场景的触发条件并为用户推荐对应的服务。
图18C示例性示出了单次场景进入过早的示意图。
在图18C中，场景的预设进入时刻为t1时刻，由于用户行为习惯的变化，电子设备100检测到用户在t1时刻推荐了场景中的服务集合后，但是用户并没有立即使用该服务集合，而是在t1时刻之后的一定时间，例如t3时刻，用户才使用电子设备100在t1时刻推荐的服务集合，t3时刻大于t1时刻。(t3-t1)为电子设备100提前进入场景的时长。这样，会导致电子设备100提前进入场景。
示例性的，在晨起场景中，用户会使用音箱播放天气服务，晨起场景的触发条件为：1、早上5点之后。1、手机长时间灭屏后首次亮屏后的一小时后。2、在用户早上起床时间正负一小时内。3、手机长时间灭屏后首次亮屏后。在早上电子设备100检测到时间、地点和设备状态满足上述触发条件后，电子设备100将会为用户推荐音箱播放天气服务。但是，用户在实际晨起场景中，用户有晨起的习惯，通常出去跑步后回到家在使用音箱播放天气服务。这样，会导致电子设备100为用户推荐了音箱播放天气服务后的很长一段时间，用户才使用音箱播放天气服务。
图18D示例性示出了单次场景退出过晚的示意图。
在图18D中，场景的预设进入时刻为t1时刻，场景的预设退出时刻为t2时刻。在t1时刻，电子设备100给用户推荐了某个场景中的服务集合，假设用户在t1时刻附近使用了该服务集合，但是用户在t3时刻停止使用了该场景中的服务集合，t3时刻大于t1时刻小于t2时刻。但是在用户结束使用该场景中的服务集合后，在时间到达场景的预设退出时刻t2时刻之前，电子设备100还会持续为用户推荐该场景中的服务集合。在电子设备100检测到时刻到达场景的预设退出时刻t2时，电子设备10才会停止推荐该场景中的服务集合。这样，会导致电子设备100无法基于用户的使用情况提前暂停显示推荐场景中的服务集合，会浪费电子设备100的推荐资源。
示例性的，在晨起场景中，用户会在使用音箱播放天气服务，在电子设备100检测到满足晨起场景的触发条件时，电子设备100在t1时刻给用户推荐音箱播放天气服务。若在到达音箱播放天气服务的预设退出时刻之前，用户已经使用完了音箱播放天气服务。在用户已经使用完了音箱播放天气服务后，在到达音箱播放天气服务的预设退出时刻之前，电子设备100还会持续推荐音箱播放天气服务，直至时间到达箱播放天气服务的预设退出时刻。
图18E示例性示出了单次场景退出过早的示意图。
在图18E中，场景的预设进入时刻为t1时刻，场景的预设退出时刻为t2时刻。在t1时刻，电子设备100给用户推荐了某个场景中的服务集合，假设用户在t1时刻和t2时刻之间一直没有使用该服务集合，电子设备100检测到时间到达场景的预设退出时刻t2时刻时，电子设备100将停止为用户推荐该场景中的服务集合。但是用户还没使用该场景中的服务集合，在电子设备100停止为用户推荐该场景中的服务集合后的某一时间，用户也许又想使用该场 景中的服务集合。这样，会导致场景退出过早而错过用户的实际使用服务的时间。
示例性的，在晨起场景中，用户会在使用音箱播放天气服务，在电子设备100检测到满足晨起场景的触发条件时，电子设备100在t1时刻给用户推荐音箱播放天气服务。若在到达音箱播放天气服务的预设退出时刻之前，电子设备100检测到用户还没使用音箱播放天气服务。在时间到达音箱播放天气服务的预设退出时刻时，电子设备100将停止为用户推荐音箱播放天气服务。但是，可能是由于用户早上还没睡醒，倒是用户错过了使用音箱播放天气服务的时间，但是在用户睡醒之后，用户可能又会使用音箱播放天气服务，但是电子设备100已经停止为用户推荐音箱播放天气服务了，导致用户无法使用音响播放用音箱播放天气服务。
基于上述分析，为了避免电子设备100为用户推荐服务集合的时间，或者电子设备100停止为用户推荐服务集合的时间与用户真实使用该场景中的服务集合的时间出现较大偏差，电子设备100可以基于用户的使用场景关联服务的习惯，自适应的调节场景进入和退出规则，实现场景进入和退出与用户实际需求达到个性化匹配的目的。
首先介绍本申请实施例提供的一种自适应调整场景条件的功能模块图。
图19示例性示出了电子设备100中的自适应调整场景条件的功能模块图。
自适应调整场景条件的功能模块包括但不仅限于场景条件采集模块、场景决策模块和规则调整模块。
其中，场景条件采集模块用于采集当前时间、当前地点和设备状态。其中，设备是指与用户关联的所有设备，除了可以是便携式终端设备(例如手机)，还可以是可穿戴设备(例如蓝牙手表、蓝牙手环、)，还可以是智能家居设备(例如大屏、智能音箱、智能窗帘等)。与用户关联的设备还可以是其他的设备，例如智能牙刷等设备，本申请实施例对于与用户关联的设备类型不做限定。
在场景条件采集模块采集当前时间、当前地点和设备状态之前，电子设备100中有预设的每一个场景下的服务集合、场景的触发条件，有的场景下还有场景的退出条件。前述已说明，场景的触发条件和场景的退出条件均是预设好的。对于如何得到用户在不同场景下的服务集合，可以参数前述实施例介绍的两种电子设备100为用户推荐服务的具体实现，本申请实施例在此不再赘述。
在场景条件采集模块获取到当前时间、当前地点和设备状态后场景条件采集模块将获取到当前时间、当前地点和设备状态发送至场景决策模块。
场景决策模块在接收到场景条件采集模块发送的当前时间、当前地点和设备状态后，场景决策模块将基于时间、地点和设备状态判断是否满足某一个场景的进入条件，若满足，则为用户推荐该某一个场景中服务集合。或者，场景决策模块将基于时间、地点和设备状态判断是否满足某一个场景的退出条件，若满足，则停止为用户推荐该某一个场景中服务集合。
当为用户推荐该某一个场景的服务集合后，场景决策模块将检测用户是否使用了该某一个场景的服务集合。若用户使用了该某一个场景的服务集合，场景决策模块记录下场景决策模块为用户推荐服务集合的时间和用户使用该某一个场景的服务集合的时间。若用户没有使用该某一个场景的服务集合，且当时间、地点和设备状态满足该某一个场景的退出条件时，场景决策模块将停止为用户推荐该某一个场景中的服务集合，之后，场景决策模块记录下停止为用户推荐该某一个场景中的服务集合的时间。若在场景决策模块停止为用户推荐该某一 个场景中的服务集合后，用户有使用了该某一个场景中的服务集合，那么场景决策模块会记录下用户使用该某一个场景的服务集合的时间。
场景决策模块在为用户推荐服务集合之后，场景决策模块将推荐服务集合的时间、停止推荐服务集合的时间和用户实际使用服务集合的时间发送至规则调整模块。可选的，若用户没有使用推荐的服务集合，那么只需将场景决策模块推荐服务集合的时间和停止推荐服务集合的时间发送至规则调整模块。
规则调整模块在接收到场景决策模块发送的推荐服务集合的时间、停止推荐服务集合的时间和用户实际使用服务集合的时间后，规则调整模块将确定是否对上述场景的触发条件和退出条件进行调整。
具体的，当规则调整模块判断出用户实际使用服务集合的时间早于场景决策模块推荐服务集合的时间，具体可以参考图18B中的相关描述。那么规则调整模块将对场景的触发条件进行调整，使得用户实际使用服务集合的时间晚于场景决策模块推荐服务集合的时间，且场景决策模块推荐服务集合的时间与用户实际使用服务集合的时间之间的时间差小于预设值。对于规则调整模块如何对场景的触发条件进行调整的，可以参考后续电子设备100如何对场景的触发条件进行调整的相关描述，本申请实施例在此不做赘述。
当规则调整模块判断出用户实际使用服务集合的时间晚于场景决策模块推荐服务集合的时间，但是用户实际使用服务集合的时间与场景决策模块推荐服务集合的时间之间的时间差大于预设值，具体可以参考图18C中的相关描述。那么规则调整模块将对场景的触发条件进行调整，使得场景决策模块推荐服务集合的时间早于用户实际使用服务集合的时间，且场景决策模块推荐服务集合的时间与用户实际使用服务集合的时间之间的时间差小于预设值。对于规则调整模块如何对场景的触发条件进行调整的，可以参考后续电子设备100如何对场景的触发条件进行调整的相关描述，本申请实施例在此不做赘述。
当规则调整模块判断出用户实际使用服务集合的时间早于场景决策模块停止推荐服务集合的时间，但是用户实际使用服务集合的时间与场景决策模块停止推荐服务集合的时间之间的时间差大于预设值，具体可以参考图18D中的相关描述。那么规则调整模块将对场景的退出条件进行调整，使得用户实际使用服务集合的时间晚于场景决策模块推荐服务集合的时间，且用户实际使用服务集合的时间早于场景决策模块停止推荐服务集合的时间，同时用户实际使用服务集合的时间与场景决策模块停止推荐服务集合的时间之间的时间差小于预设值。对于规则调整模块如何对场景的退出条件进行调整的，可以参考后续电子设备100如何对场景的退出条件进行调整的相关描述，本申请实施例在此不做赘述。
当规则调整模块判断出用户实际使用服务集合的时间晚于场景决策模块停止推荐服务集合的时间，具体可以参考图18E中的相关描述。那么规则调整模块将对场景的退出条件进行调整，使得用户实际使用服务集合的时间晚于场景决策模块推荐服务集合的时间，且用户实际使用服务集合的时间早于场景决策模块停止推荐服务集合的时间，同时用户实际使用服务集合的时间与场景决策模块停止推荐服务集合的时间之间的时间差小于预设值。对于规则调整模块如何对场景的退出条件进行调整的，可以参考后续电子设备100如何对场景的退出条件进行调整的相关描述，本申请实施例在此不做赘述。
接下来介绍电子设备100如何对场景的触发条件和退出条件进行调整的。
首先介绍场景进入过早时，电子设备100如何对场景的触发条件进行调整的。
电子设备100对用户在一定时间(例如一个月)内使用的场景服务集合的数据统计出来。 为了减少数据统计的误差，可以通过正态分布表示用户在一定时间内使用的场景服务集合的数据。
不仅限与正态分布，电子设备100还也可以通过其他的方式表示用户在一定时间内使用的场景服务集合的数据，本申请实施例对此不做限定。
假设场景进入的时刻为T P，电子设备100检测到用户使用场景中的服务集合的时间为Tq。电子设备100分别得到每一个场景上场景进入的时刻T P，和用户使用场景中的服务集合的时间Tq的均值，均值可以表示为E(Tq-T P)。电子设备100还可以分别得到用户在每一个场景上场景进入的时刻TP，和用户使用场景中的服务集合的时间Tq的标准差，标准差可以表示为δ(Tq-T P)。
图20示例性示出了用户使用的场景服务集合的数据的正态分布的示意图。
在图20中，由数据在正态分布中的特征可以得到，[E(Tq-T P)-3δ(Tq-T P),E(Tq-T P)+δ(Tq-T P)]内包含了99.7％的用户数据。
当E(Tq-T P)-3δ(Tq-T P)大于0小于阈值时，阈值为正整数，例如5分钟，则表示场景进入的时间正合适。
当E(Tq-T P)-3δ(Tq-T P)大于阈值时，表示场景进入的时间过早，即场景进入很长时间后，用户才使用场景中的服务集合。
当E(Tq-T P)-3δ(Tq-T P)小于0时，表示场景进入的时间过晚，即当用户使用了场景中的服务集合后，电子设备100才为用户推荐该场景中的服务集合。
当|E(Tq-T P)|-3δ(Tq-T P)大于0小于阈值时，表示场景退出的时间过晚，即用户已经使用完场景中的服务集合很长时间后，电子设备100才停止推荐场景中的服务集合。
当|E(Tq-T P)|-3δ(Tq-T P)小于0时，表示场景退出的时间过早，即用户还没来得及使用场景中的服务集合，电子设备100已经停止推荐场景中的服务集合。
场景的触发条件可以由一个或多个条件组成。在场景的触发条件中，找到最后约束场景进入的一个条件，该一个条件是触发条件的最大约束条件。
在场景进入过早的情况下，电子设备100只需对最大约束条件进行调整，使得调整后的最大约束条件，可以使得场景进入时间早于用户实际使用的时间，且场景进入时间与用户实际使用的时间之间的差值在预设值内。
电子设备100对最大约束条件进行调整可以采用以下任意一种方式：
方式一：电子设备100将最大约束条件的执行时间延迟时间λ。
方式二：电子设备100增加新的触发条件，电子设备100在最大约束条件触发后的λ时间内，执行新的触发条件。
电子设备100还可以通过其他的方式对场景进入的最大约束条件进行调整，本申请实施例对此不做限定。
接下来介绍电子设备100如何找到延迟时间λ和新的触发条件的。
下面以晨起场景为例，说明电子设备100如何找到最大约束条件的延迟时间λ和新的触发条件的。
图21示例性示出了电子设备100对场景进入过早的触发条件进行调整的示意图。
S2101、电子设备100确定出预设触发条件中最大约束条件的延迟时间λ。
预设触发条件中的最大约束条件可以理解为原始的触发条件中最后一个执行的条件。
假设晨起场景的预设触发条件为：1、早上5点之后。2、手机长时间灭屏后首次亮屏后。由于晨起场景的预设触发条件由多个条件组成，因此电子设备100需要从多个条件中确定出最大限定条件，该最大限制条件可以理解为电子设备100最后执行的一个条件。例如，若用户经常在早上六点起床，当前时间为六点半，那么电子设备100确定出晨起场景的条件1和条件2均满足，当前条件3还不满足，那么条件3为进入场景的最大约束条件。
在调整预设触发条件之前，电子设备100已得到E(Tq-TP)-3δ(Tq-TP)的值，由于场景进入过早，从正态分布上来说，会导致E(Tq-TP)-3δ(Tq-TP)的值大于阈值，电子设备100将{E(Tq-TP)-3δ(Tq-TP)-阈值}的值作为最大约束条件的延迟时间λ。也就是说，电子设备100将预设触发条件中最大约束条件延迟时间λ后，可以使得电子设备100推荐晨起场景的服集合务的时间与用户真实使用晨起场景的服务的时间之间的时间差小于阈值。从正态分布上来说，也可以说使得E(Tq-TP)-3δ(Tq-TP)的值大于0小于阈值。
S2102、电子设备100基于延迟时间λ和候选新增条件，确定出新增条件(第一新增子条件)和预设触发条件中最大约束条件。
其中，电子设备100记录下用户在使用场景中的服务集合前后一段时间内时的行为。例如，电子设备100记录下电子设备100在推荐场景中的服务集合之前的一段时间(例如5分钟内)，用户的行为。电子设备100记录下电子设备100在停止推荐场景中的服务集合之后的一段时间(例如5分钟内)，用户的行为。用户的行为可以理解为电子设备100检测到的用户做的事情，或者电子设备100通过其他的设备检测到用户做了什么事情。例如，用户的行为可以是户外运动、刷牙、离家、回家、戴手表、听音乐、关灯、关空调等等。用户在使用不同场景中的服务集合前后一段时间内的行为可能不同。
表12
Figure PCTCN2022142915-appb-000014
表12示例性示出了一些场景中，用户在电子设备100推荐场景的服务集合前后的一些行为。例如在晨起场景中，在电子设备100推荐场景的服务集合之前的一段时间(例如5分钟)内，用户可能会完成跑步并回到家，用户还可能会使用电动牙刷刷牙。在电子设备100停止推荐场景的服务集合之后的一段时间(例如5分钟)内，用户可能会打开客厅的窗帘。在工作日的通勤场景中，在电子设备100推荐场景的服务集合之前的一段时间(例如5分钟)内，用户可能会关闭卧室的电灯，用户还可能会戴上蓝牙手表。在电子设备100停止推荐场景的服务集合之后的一段时间(例如5分钟)内，用户可能会坐上电梯离开家。
可选的，用户的行为也可以称为候选新增条件。
不仅限于上述描述的用户行为，在晨起场景和工作日的通勤场景中，还可以包括其他的用户的行为，本申请实施例对此不做限定。
不仅限于上述描述的晨起场景和工作日的通勤场景中提及到的用户行为，还可以包括其 他场景或者中的用户行为，本申请实施例在此不再一一赘述。
在电子设备100找到了最大约束条件的延迟时间λ后，电子设备100还可以增加新的条件，加入了新的条件后的晨起场景的预设触发条件，可以使得场景进入时间与用户实际使用的时间之间的差值在预设值内。这样，可以防止在一些情况下，电子设备100将最大约束条件延迟时间λ后，场景进入过晚的情况发生。例如，在一些情况下，在晨起场景中，晨起场景的预设触发条件为：1、早上7点。晨起场景的服务集合为闹钟服务。若电子设备100将预设触发条件延迟时间λ后，例如λ为15分钟，那么晨起场景的触发条件为：1、早上7点15。用户可能在早上7点15之前就起床了，然而电子设备100还没有推荐闹钟服务，就会出现电子设备100推荐闹钟服务的时间过晚。因此，电子设备100可以再加一个约束条件，晨起场景的触发条件为：1、早上7点15，或者早上7点15内用户的手机首次亮屏。这样，即使修改后的触发条件中时间到了7点，但是还没到7点15，用户的手机亮屏了，则用户醒过来了，电子设备100可以为用户推荐闹钟服务。
表12示出了在晨起场景中，在电子设备100推荐场景的服务集合之前的用户行为(或者候选新增条件)。若在电子设备100推荐场景的服务集合之前的用户行为(或者候选新增条件)存在一个，那么该一个用户行为作为预设触发条件的新增条件。若在电子设备100推荐场景的服务集合之前的用户行为存在多个，那么电子设备100需要从多个用户行为中确定出一个最佳的用户行为作为预设触发条件的新增条件。
可选的，在一些实施例中，电子设备100也可以只确定出预设触发条件中最大约束条件，而不用确定出基于用户的行为确定出新增条件，本申请实施例对此不做限定。
接下来介绍，电子设备100如何确定出预设触发条件中最大约束条件和新增条件的。
可选的，电子设备100可以用列举法确定出预设触发条件中最大约束条件和新增条件。具体的，电子设备100分别将预设触发条件中的每一个条件修改为如下形式：预设触发条件中的每一个条件延迟时间λ，或者预设触发条件中的每一个条件在触发后的λ时间内，执行候选新增条件。需要说明的是，每次只需将预设触发条件中的一个条件修改为上述形式，预设触发条件中的其他条件不变。这样，将预设触发条件中的每一个条件修改后，得到候选触发条件，并基于候选触发条件，在此确定出电子设备100推荐该场景中的服务集合的时间TP。电子设备100基于电子设备100推荐该场景中的服务集合的时间Tp和用户使用该场景中的服务集合的时间Tq，之后，电子设备100确定出两者时间差是否在预设值之内。或者从正态分布上来说，电子设备100可以得到E(Tq-Tp)和δ(Tq-Tp)，并检测E(Tq-T P)-3δ(Tq-T P)的值是否大于0小于阈值。
若按照上述方式，有多个候选触发条件，可以使得电子设备100推荐该场景中的服务集合的时间和用户使用该场景中的服务集合的时间之间的时间差小于预设值，那么电子设备100可以基于以下公式公式(1)和公式(2)，确定出最佳候选触发条件。
M＝αE(Tq-Tp)+βδ(Tq-Tp)   公式(1)
E(Tq-Tp)>3δ(Tq-Tp)             公式(2)
如公式(1)和公式(2)所示，α和β均为预设值，例如α和β均可以是1。电子设备100在α和β均相同的情况下，可以使得上述公式(1)和公式(2)中M值最小的候选触发条件为最佳候选触发条件。
需要说明的是，不仅限于公式(1)，还可以通过其他的公式确定出可以使得均值和标准 差最小的最佳候选触发条件，本申请实施例对此不做限定。
电子设备100在确定出最佳候选触发条件后，最佳候选触发条件对应的候选新增条件我新增条件，最佳候选触发条件中相对于原始的触发条件修改的条件项为最大约束条件。
示例性的，对于晨起场景来说，假设最大约束条件的延迟时间λ为15分钟，候选新增条件可以是完成跑步并回到家、刷牙。那么电子设备100需要对晨起场景的触发条件中的每一个条件进行修改，得到多个不同的候选触发条件，并基于多个不同的候选触发条件得到多个M值。
表13
Figure PCTCN2022142915-appb-000015
表13示例性示出了在晨起场景中，对预设触发条件进行修改后，得到的多个不同的候选触发条件的过程。其中，晨起场景中预设触发条件包括“1、早上5点之后。2、手机长时间灭屏后首次亮屏后”。按照上述规则，基于最大约束条件的延迟时间λ(15分钟)和候选新 增条件(完成跑步并回到家和刷牙)，可以得到4组不同的候选触发条件，第一组候选触发条件为“1、早上5点15之后，或者早上5点15之内，用户完成跑步并回到家。2、手机长时间灭屏后首次亮屏”。电子设备100基于第一组候选触发条件，得到公式(1)中的M值为A1。第二组候选触发条件为“1、早上5点之后。2、手机长时间灭屏后首次亮屏15分钟后，或者手机长时间灭屏后首次亮屏15分钟内，用户完成跑步并回到家”。电子设备100基于第二组候选触发条件，得到公式(1)中的M值为A2。第三组候选触发条件为“1、早上5点15之后，或者早上5点15之内，用户完成跑步并回到家。2、手机长时间灭屏后首次亮屏后”。电子设备100基于第三组候选触发条件，得到公式(1)中的M值为A3。第四组候选触发条件为“1、早上5点之后。2、手机长时间灭屏后首次亮屏15分钟后，或者手机长时间灭屏后首次亮屏15分钟内，用户刷牙”。电子设备100基于第四组候选触发条件，得到公式(1)中的M值为A4。
之后，电子设备100比较A1、A2、A3和A4的大小，M值最小对应的候选触发条件为最佳候选触发条件。
假设A2的值最小，那么最佳候选触发条件为“1、早上5点之后。2、手机长时间灭屏后首次亮屏15分钟后，或者手机长时间灭屏后首次亮屏15分钟内，用户完成跑步并回到家”，那么最佳候选触发条件对应的候选新增条件即为新增条件，即“完成跑步并回到家”。最佳候选触发条件中相对于预设触发条件修改的条件项为最大约束条件，即“手机长时间灭屏后首次亮屏后”。
S2103、电子设备100基于最大约束条件、新增条件和最大约束条件的延迟时间λ，对预设触发条件进行修改，得到修改触发条件。
需要说明的是，修改触发条件可以理解为S2102中得到的最佳候选触发条件。具体的，对于电子设备100如何得到修改触发条件，可以参考S2102中如何得到最佳候选触发条件的，本申请实施例在此不再赘述。
示例性的，对于晨起场景来说，修改触发条件为“1、早上5点之后。2、手机长时间灭屏后首次亮屏15分钟后，或者手机长时间灭屏后首次亮屏15分钟内，用户完成跑步并回到家”。在具体实现中，只有电子设备100判断出当前的时间、地点和设备状态等同时满足修改触发条件中的两个条件时，电子设备100才会为用户推荐晨起场景中的服务集合。
接下来介绍场景进入过晚时，电子设备100如何对场景的触发条件进行调整的。
由图20所示的实施例可知，当E(Tq-T P)-3δ(Tq-T P)小于0时，表示场景进入的时间过晚，即当用户使用了场景中的服务集合后，电子设备100才为用户推荐该场景中的服务集合。那么需要电子设备100对场景的进入条件提前，使得用户实际使用服务集合的时间晚于电子设备100为用户推荐服务集合的时间。
场景的触发条件可以由一个或多个条件组成。在场景的触发条件中，找到最后约束场景进行入的一个条件，该一个条件是触发条件的最大约束条件。
在场景进入过晚中，电子设备100只需对场景的预设触发条件进行调整，使得调整后的预设触发条件，可以使得场景进入时间早于用户实际使用的时间，且场景进入时间与用户实际使用的时间之间的差值在预设值内。
方式一：电子设备100将最大约束条件修改为新增条件。
方式二：电子设备100在预设触发条件中的最大约束条件触发后，方式一中的新增条件未触发。
电子设备100还可以通过其他的方式对场景的预设触发条件进行调整，本申请实施例对此不做限定。
接下来介绍电子设备100如何找到新增条件和最大约束条件的。
下面以晨起场景为例，说明电子设备100如何找到新增条件和最大约束条件的。
图22示例性示出了电子设备100对场景进入过晚的触发条件进行调整的示意图。
S2201、电子设备100基于候选新增条件，确定出新增条件(第二新增子条件)和预设触发条件中最大约束条件。
对于候选新增条件，在S2102中已经详细描述了，具体的，可以参考S2102中的相关描述，本申请实施例在此不再赘述。
电子设备100可以采用列举法确定出新增条件和预设触发条件中最大约束条件。具体的实现，可以参考S2102中的相关描述，本申请实施例在此不再赘述。
示例性的，对于工作日的通勤场景来说，假设候选新增条件可以是关闭卧室的电灯、戴上蓝牙手表。那么电子设备100需要对工作日的通勤场景中的每一个条件进行修改，得到多个不同的候选触发条件，并基于多个不同的候选触发条件得到多个M值。
表14
Figure PCTCN2022142915-appb-000016
表14示例性示出了在工作日的通勤场景中，对预设触发条件进行修改后，得到的多个不同的候选触发条件的过程。其中，晨起场景中预设触发条件包括“1、工作日的早上7点之后。2、用户在上述时间段内离开卧室”。按照上述规则，基于候选新增条件和预设触发条件，可 以得到四种不同的候选触发条件。第一组候选触发条件为“1、关闭卧室的电灯，或者工作日的早上7点之后之后，用户没有关闭卧室的电灯。2、用户在上述时间段内离开卧室”。电子设备100基于第一组候选触发条件，得到公式(1)中的M值为B1。第二组候选触发条件为“1、工作日的早上7点之后。2、关闭卧室的电灯，或者用户在上述时间段内离开家后，卧室的电灯没关”。电子设备100基于第二组候选触发条件，得到公式(1)中的M值为B2。第三组候选触发条件为“1、戴上蓝牙手表，或者工作日的早上7点之后，用户没有戴上蓝牙手表。2、用户在上述时间段内离开家”。电子设备100基于第三组候选触发条件，得到公式(1)中的M值为B3。第四组候选触发条件为“1、工作日的早上7点之后。2、戴上蓝牙手表，或者用户在上述时间段内离开卧室后，用户没有戴上蓝牙手表”。电子设备100基于第四组候选触发条件，得到公式(1)中的M值为B4。
之后，电子设备100比较B1、B2、B3和B4的大小，M值最小对应的候选触发条件为最佳候选触发条件。
假设B2的值最小，那么最佳候选触发条件为“1、工作日的早上7点之后。2、关闭卧室的电灯，或者用户在上述时间段内离开家后，卧室的电灯没关”，那么最佳候选触发条件对应的候选新增条件即为新增条件，即“关闭卧室的电灯”。最佳候选触发条件中相对于预设触发条件修改的条件项为最大约束条件，即“用户在上述时间段内离开卧室”。
S2202、电子设备100基于新增条件和预设触发条件中最大约束条件，对预设触发条件进行修改，得到修改触发条件。
需要说明的是，修改触发条件可以理解为S2201中得到的最佳候选触发条件。具体的，对于电子设备100如何得到修改触发条件，可以参考S2201中如何得到最佳候选触发条件的，本申请实施例在此不再赘述。
示例性的，对于在工作日的通勤场景来说，修改触发条件为“1、工作日的早上7点之后。2、关闭卧室的电灯，或者用户在上述时间段内离开家后，卧室的电灯没关”。在具体实现中，只有电子设备100判断出当前的时间、地点和设备状态等同时满足修改触发条件中的两个条件时，电子设备100才会为用户推荐在工作日的通勤场景中的服务集合。
接下来介绍场景退出过晚时，电子设备100如何对场景的退出条件进行调整的。
由图20所示的实施例可知，当|E(Tq-T P)|-3δ(Tq-T P)大于0小于阈值时，表示场景退出的时间过晚，即用户已经使用完场景中的服务集合很长时间后，电子设备100才停止推荐场景中的服务集合。
那么需要电子设备100对场景的退出条件提前，使得用户实际使用服务集合的时间之后的一定时间内，电子设备100停止为用户推荐服务集合。
场景的退出条件可以由一个或多个条件组成。在场景的退出条件中，找到最后约束场景退出的一个条件，该一个条件是退出条件的最大约束条件。
在场景退出过晚的情况下，电子设备100只需对预设退出条件中最大约束条件进行调整，使得调整后的最大约束条件，可以使得场景退出时间晚于用户实际使用的时间，且场景退出时间与用户实际使用的时间之间的差值在预设值内。
电子设备100对最大约束条件进行调整可以采用以下任意一种方式：
方式一：电子设备100将最大约束条件的执行时间延迟时间λ。
方式二：电子设备100增加新的退出条件，电子设备100在最大约束条件触发后的λ时间内，执行新的退出条件。
电子设备100还可以通过其他的方式对预设退出条件中最大约束条件进行调整，本申请实施例对此不做限定。
接下来介绍电子设备100如何找到延迟时间λ和新的退出条件的。
图23示例性示出了电子设备100对场景退出过晚的退出条件进行调整的示意图。
S2301、电子设备100确定出预设退出条件中最大约束条件的延迟时间λ。
电子设备100确定出预设退出条件中最大约束条件的延迟时间λ与电子设备100确定出预设进入条件中最大约束条件的延迟时间λ的原理类似，具体的，可以参考S2101中的相关描述，本申请实施例在此不再赘述。
S2302、电子设备100基于延迟时间λ和候选新增条件，确定出新增条件(第一新增子条件)和预设退出条件中最大约束条件。
电子设备100确定出场景退出过晚中的新增条件和预设退出条件中最大约束条件，与电子设备100确定出场景进入过早中的新增条件和预设进入条件中最大约束条件的原理类似，具体的，可以参考可以参考S2102中的相关描述，本申请实施例在此不再赘述。
电子设备100确定出新增条件和预设退出条件中最大约束条件后，基于延迟时间λ和新增条件对预设退出条件中的最大约束条件进行修改，使得修改后的最大约束条件可以使得场景退出时间晚于用户实际使用的时间，且场景退出时间与用户实际使用的时间之间的差值在预设值内。
示例性的，对于晨起场景来说，假设最大约束条件的延迟时间λ为15分钟，候选新增条件可以是完成跑步并回到家、刷牙。那么电子设备100需要对晨起场景的退出条件中的每一个条件进行修改，得到多个不同的候选退出条件，并基于多个不同的候选退出条件得到多个M值。
表15
Figure PCTCN2022142915-appb-000017
Figure PCTCN2022142915-appb-000018
表15示例性示出了在晨起场景中，对预设退出条件进行修改后，得到的多个不同的候选退出条件的过程。其中，晨起场景中预设退出条件包括“1、手机长时间灭屏后首次亮屏后的一小时后。2、用户离开家”。按照上述规则，基于最大约束条件的延迟时间λ(15分钟)和候选新增条件(打开客厅的窗帘和开启客厅的扫地机器人)，可以得到4组不同的候选退出条件，第一组候选退出条件为“1、手机长时间灭屏后首次亮屏后的一小时15分钟后，或者手机长时间灭屏后首次亮屏后的一小时内，打开客厅的窗帘。2、用户离开家”，电子设备100基于第一组候选退出条件，得到公式(1)中的M值为C1。第二组候选退出条件为“1、手机长时间灭屏后首次亮屏后的一小时后。2、用户离开家15分钟后，或者用户离开家前，打开了客厅的窗帘”，电子设备100基于第二组候选退出条件，得到公式(1)中的M值为C2。第三组候选退出条件为“1、手机长时间灭屏后首次亮屏后的一小时15分钟后，或者手机长时间灭屏后首次亮屏后的一小时内，开启客厅的扫地机器人。2、用户离开家”，电子设备100基于第三组候选退出条件，得到公式(1)中的M值为C3。第四组候选退出条件为“1、手机长时间灭屏后首次亮屏后的一小时后。2、用户离开家15分钟后，或者用户离开家前，开启客厅的扫地机器人”，电子设备100基于第四组候退出发条件，得到公式(1)中的M值为C4。
之后，电子设备100比较C1、C2、C3和C4的大小，M值最小对应的候选退出条件为最佳候选退出条件。
假设C2的值最小，那么最佳候选退出条件为“1、手机长时间灭屏后首次亮屏后的一小时后。2、用户离开家15分钟后，或者用户离开家前，打开了客厅的窗帘”，那么最佳候选退出条件对应的候选新增条件即为新增条件，即“打开客厅的窗帘”。最佳候选退出条件中相对于预设退出条件修改的条件项为最大约束条件，即“用户离开家”。
S2303、电子设备100基于最大约束条件、新增条件和最大约束条件的延迟时间λ，对预 设退出条件进行修改，得到修改退出条件。
需要说明的是，修改退出条件可以理解为S2302中得到的最佳候选退出条件。具体的，对于电子设备100如何得到修改退出条件，可以参考S2302中如何得到最佳候选退出条件的，本申请实施例在此不再赘述。
示例性的，对于晨起场景来说，修改退出条件为“1、手机长时间灭屏后首次亮屏后的一小时后。2、用户离开家15分钟后，或者用户离开家前，打开了客厅的窗帘”。在具体实现中，只有电子设备100判断出当前的时间、地点和设备状态等同时满足修改触发条件中的两个条件时，电子设备100才会退出晨起场景，即停止为用户推荐晨起场景中的服务集合。
接下来介绍场景退出过早时，电子设备100如何对场景的触发条件进行调整的。
由图20所示的实施例可知，当|E(Tq-T P)|-3δ(Tq-T P)小于0时，表示场景退出的时间过早，即用户还没开始使用场景中的服务集合，电子设备100已经停止推荐场景中的服务集合。
那么需要电子设备100对场景的退出条件延后，使得场景退出时间晚于用户实际使用场景中的服务集合的时间，且在用户实际使用服务集合的时间之后的一定时间内，电子设备100才停止为用户推荐服务集合。
场景的退出条件可以由一个或多个条件组成。在场景的退出条件中，找到最后约束场景退出的一个条件，该一个条件是退出条件的最大约束条件。
在场景退出过早的情况下，电子设备100只需对最大约束条件进行调整，使得调整后的最大约束条件，可以使得场景退出时间晚于用户实际使用场景中的服务集合的时间，且场景退出时间与用户实际使用的时间之间的差值在预设值内。
电子设备100对最大约束条件进行调整可以采用以下任意一种方式：
方式一：电子设备100将最大约束条件修改为新增条件。
方式二：电子设备100在预设退出条件中的最大约束条件触发后，方式一中的新增条件未触发。
电子设备100还可以通过其他的方式对场景的预设退出条件进行调整，本申请实施例对此不做限定。
接下来介绍电子设备100如何找到新增条件和最大约束条件的。
下面以晨起场景为例，说明电子设备100如何找到新增条件和最大约束条件的。
图24示例性示出了电子设备100对场景退出过早的预设退出条件进行调整的示意图。
S2401、电子设备100基于候选新增条件，确定出新增条件(第二新增子条件)和预设退出条件中最大约束条件。
对于候选新增条件，在S2102中已经详细描述了，具体的，可以参考S2102中的相关描述，本申请实施例在此不再赘述。
电子设备100可以采用列举法确定出新增条件和预设退出条件中最大约束条件。具体的实现，可以参考S2102中的相关描述，本申请实施例在此不再赘述。
示例性的，对于工作日的通勤场景来说，假设候选新增条件可以是离开家后、离开小区后。那么电子设备100需要对工作日的通勤场景中的每一个条件进行修改，得到多个不同的候选触发条件，并基于多个不同的候选退出条件得到多个M值。
表16
Figure PCTCN2022142915-appb-000019
表16例性示出了在工作日的通勤场景中，对预设退出条件进行修改后，得到的多个不同的候选退出条件的过程。其中，工作日的通勤场景中预设退出条件包括“1、工作日的早上7点半之后。2、关闭了客厅的电灯”。按照上述规则，基于候选新增条件和预设退出条件，可以得到四种不同的候选退出条件。第一组候选退出条件为“1、离开家后，或者工作日的早上7点半之后，用户没有离开家。2、关闭了客厅的电灯”，电子设备100基于第一组候选退出条件，得到公式(1)中的M值为D1。第二组候选退出条件为“1、工作日的早上7点半之后。2、离开家后，或者用户关闭了客厅的电灯后，还没离开家”，电子设备100基于第二组候选退出条件，得到公式(1)中的M值为D2。第三组候选退出条件为“1、离开小区后，或者工作日的早上7点半之后，用户没有离开小区。2、关闭了客厅的电灯”，电子设备100基于第三组候选退出条件，得到公式(1)中的M值为D3。第四组候选退出条件为“1、工作日的早上7点半之后。2、离开小区后，或者用户关闭了客厅的电灯后，用户没有离开小区”，电子设备100基于第四组候选退出条件，得到公式(1)中的M值为D4。
之后，电子设备100比较D1、D2、D3和D4的大小，M值最小对应的候选退出条件为最佳候选退出条件。
假设D2的值最小，那么最佳候选退出条件为“1、工作日的早上7点半之后。2、离开家后，或者用户关闭了客厅的电灯后，还没离开家”，那么最佳候选退出条件对应的候选新增条件即为新增条件，即“离开家后”。最佳候选退出条件中相对于预设退出条件修改的条件项为最大约束条件，即“关闭了客厅的电灯”。
S2402、电子设备100基于新增条件和预设退出条件中最大约束条件，对预设退出条件进行修改，得到修改退出条件。
需要说明的是，修改退出条件可以理解为S2401中得到的最佳候选退出条件。具体的，对于电子设备100如何得到修改退出条件，可以参考S2401中如何得到最佳候选退出条件的，本申请实施例在此不再赘述。
示例性的，对于在工作日的通勤场景来说，修改退出条件为“1、工作日的早上7点半之后。2、离开家后，或者用户关闭了客厅的电灯后，还没离开家”。在具体实现中，只有电子设备100判断出当前的时间、地点和设备状态等同时满足修改退出条件中的两个条件时，电子设备100才会停止为用户推荐在工作日的通勤场景中的服务集合。
电子设备100在对场景的进入条件或者退出条件修改后，电子设备100可以对修改后的进入条件或者退出条件进行评估，评估包含但不仅限于用户的点击率、场景进入时间和推出时间是否满足要求等，若不满足要求，电子设备100还可以按照前述的方法对场景的进入条件或者退出条件再次修改，直至满足要求。用户的行为习惯也在不断地变化，电子河北100可以基于用户的行为习惯，周期性的对场景的进入条件或者退出条件进行调整，提升推荐场景服务的智能化。
前述实施例描述了电子设备100如何生成场景的服务以及电子设备100如何对场景的进入条件和场景的退出条件进行调整的方法，本申请实施例还提供了另一种服务校验方法，也就是说在电子设备100触发某一个场景之后，电子设备100将为用户推荐服务集合，并基于服务集合生成推荐卡片，服务集合中的某些服务可能没有达到预期可提供服务的状态，导致推荐卡片功能异常，例如推荐卡片中服务集合的信息显示不完整，即推荐卡片上的显示元素不同于预设显示元素。或者推荐卡片显示正常，但是用户点击推荐卡片后无法直接使用推荐卡片中的服务集合的情况。
图25A-图25D示例性示出了一组推荐卡片功能异常的情况的示意图。
其中，图25A示例性示出了推荐卡片中服务的信息显示不完整的示意图。
示例性的，服务集合可以是天气服务。
电子设备100在为用户推荐天气服务之前，电子设备100需要给天气服务授权获取位置信息等权限。
电子设备100授权天气服务获得了获取位置信息等权限后，电子设备100可以将天气服务正常的显示给用户查看。例如图25A中所示的推荐卡片2501，推荐卡片2501为天气服务可以正常显示时的服务卡片，推荐卡卡片2501包括位置信息(例如深圳南山)，当前温度(22℃)，一天中的最高温度(26℃)和一天中的最低温度(14℃)，今天的空气指数(例如良)。
若电子设备100没有授权天气服务获得获取位置信息等权限，那么电子设备100在将天气服务显示在推荐卡片中时，推荐卡片中显示的天气服务的信息异常，导致用户无法查看当前的天气信息，即推荐卡片上的显示元素不同于预设显示元素。例如图25A中所示的推荐卡片2502，推荐卡片2502为天气服务异常显示时的服务卡片，推荐卡片2502中没有显示位置，由于没有位置信息，推荐卡卡片2502中也无法显示温度信息和空气信息等。例如，推荐卡片2502中的显示区域2503中无法显示位置信息(例如深圳南山)，推荐卡片2502中的显示区域2504中无法显示当前温度(22℃)，推荐卡片2502中的显示区域2505中无法显示一天中 的最高温度(26℃)和一天中的最低温度(14℃)，推荐卡片2502中的显示区域2506中无法显示今天的空气指数(例如良)。但是，推荐卡片2502的显示形式应该和推荐卡片2501的显示形式一样。这样，电子设备100为用户推荐显示异常的服务集合的推荐卡片，浪费了电子设备100的推荐资源。
图25B-图25D示例性示出了一种推荐卡片正常显示，但是用户无法直接使用推荐卡片中的服务集合的示意图。
示例性的，服务集合可以是回家服务。
电子设备100在为用户推荐回家服务之前，用户需要给天气服务授权用户家的位置等信息，若用户没有给天气服务授权用户家的位置等信息，那么电子设备100在为用户推荐回家服务的时候，虽然电子设备100中显示的推荐卡片无异常，但是当用户点击推荐卡片后，电子设备无法为用户导航到家的路线，只有在用户在用户界面上输入家的位置后，电子设备100才可以为用户导航家的位置。
电子设备100判断出进入回家场景，电子设备100可以将回家场景中的回家服务推荐给用户，并基于回家服务生成推荐卡片，电子设备100将推荐卡片显示在桌面上。例如图25B中所示的推荐卡片2507，推荐卡片2507为回家服务对应的服务卡片，推荐卡片2507包括回家的图标的文字等信息。若用户给回家服务授权了用户家的位置等信息，如图25B所示，电子设备100接收用户针对推荐卡片2507的输入操作(例如单击)，响应于用户的输入操作，电子设备100将进入从当前位置至用户家的位置的路线的用户界面，例如电子设备100可以显示如图25C所示的用户界面2508。用户界面2508包括从当前位置至用户家的位置的路线，路线可以包括多条不同的路线，例如推荐线路线1，推荐路线1的总时长为14分钟，推荐路线1的距离为2.2公里。路线还可以是推荐线路线2，推荐路线2的总时长为15分钟，推荐路线2的距离为2.5公里。路线还可以是推荐线路线3，推荐路线3的总时长为18分钟，推荐路线3的距离为3.0公里。电子设备100可以接收用户针对推荐路线1的输入操作(例如单击)，电子设备100将进入基于推荐路线1的导航界面。或者，电子设备100在接收用户针对推荐卡片2507的输入操作(例如单击)后，电子设备100不显示图25D所示的用户界面2509，而是直接进入基于推荐路线1的导航界面。
若用户没有给回家服务授权用户家的位置等信息，电子设备100判断进入回家场景，电子设备100可以将回家场景中的回家服务推荐给用户，并基于回家服务生成推荐卡片，电子设备100将推荐卡片显示在桌面上，例如图25B中所示的推荐卡片2507。如图25B所示，电子设备100接收用户针对推荐卡片2507的输入操作(例如单击)，由于用户没有给回家服务授权用户家的位置等信息，因此电子设备100无法为用户导航回家的路线，电子设备100可以显示如图25D所示的用户界面2509，用户界面2509没有显示任何路线信息。电子设备100可以在用户界面2509中输入用户家的位置，之后，电子设备100可以基于用户输入的家的位置为用户导航回家的路线。但是在这种情况下，电子设备100为用户推荐的回家服务失去了快捷服务的意义，影响用户体验。
目前，针对上述问题，电子设备100可以对待推荐的服务进行校验，并在服务校验通过后再推荐给用户。
图26示例性示出了电子设备100如何对待推荐的服务进行校验的示意图。
电子设备100上的服务召回、服务过滤和排序、生成服务集合等操作均是由电子设备100 上的推荐***完成的，推荐***可以理解为电子设备100上的一个***应用。
推荐***在为用户推荐服务集合之前，需要对推荐服务集合中的一个或多个服务进行校验，校验的目的在于确保服务集合中的一个或多个服务均是可以为用户提供便捷功能的服务，避免服务集合中的一个或多个服务出现上述图25A-图25D所示的推荐卡片功能异常的情况。
如图26所示，在进入某一个场景之后，推荐***可以得到当前场景下的一个或多个待推荐服务，推荐***在将该一个或多个待推荐服务推荐给用户之前，推荐***需要对该一个或多个待推荐服务进行校验，使得该一个或多个待推荐服务均是可以为用户提供便捷服务的服务。
具体的，首先，推荐***获取到待推荐服务的推荐数据。推荐数据包括待推荐服务给用户观看或者使用的信息。例如，待推荐服务可以是天气服务，那么天气服务的推荐数据包括用户所在的城市、用户所在的城市的最高温度、用户所在的城市最低温度、用户所在的城市当前温度、用户所在的城市的空气情况等。例如，待推荐服务可以是回家服务，那么回家服务的推荐数据包括用户的家的位置、从当前位置到用户的家的位置的路线信息。
之后，推荐***基于待推荐服务预设的校验规则，确定出基于待推荐服务的推荐数据是否可以实现待推荐服务的预设功能。预设的校验规则用于校验待推荐服务是否可以实现预设功能的。预设的校验规则限定了需在获取到待推荐服务的预设数据后，才可以实现待推荐服务的预设功能，预设数据包括预设权限和预设信息等。若推荐***获取到待推荐服务的推荐数据少于预设的校验规则中限定的预设数据，那么待推荐服务无法实现预设的功能。若推荐***获取到待推荐服务的推荐数据满足预设的校验规则中限定的预设数据，那么待推荐服务可以实现预设的功能。
在推荐***确定出基于待推荐服务的推荐数据可以实现待推荐服务的预设功能，那么推荐***才会将待推荐服务推荐给用户。
示例性的，天气服务预设的校验规则中的预设权限包括获取到位置权限，回家服务预设的校验规则中的预设信息包括用户的家的位置。若之前，推荐***获取到天气服务的推荐数据中不包括用户所在的城市信息，但是天气服务预设的校验规则中的预设权限包括获取到位置权限，那么推荐***确定出当前天气服务无法为用户提供预设功能，即为用户推荐用户所在城市所在的天气情况。或者，若之前，推荐***获取到回家服务的推荐数据中不包括用户家的位置，但是回家服务预设的校验规则中的预设信息包括用户的家的位置，那么推荐***确定出当前回家服务无法为用户提供预设功能，即为用户推荐从当前位置至用户的家的位置的路线信息。
从上述描述可以看出，推荐***在校验待推荐服务纸的时候，推荐***需获取到待推荐服务预设的校验规则，待推荐服务不同，那么预设的校验规则也不同。当有新的服务召回之后，推荐***需要获取到新的服务的预设的校验规则，随着待推荐服务增多，那么推荐***获取到的待推荐服务对应的预设的校验规则也增多，这无疑增加了推荐***的工作量。
基于此，本申请提供了一种服务校验方法，在推荐服务集合之前，推荐***不需要做服务的校验工作，而是通过服务自己做检验，之后，服务把校验结果返回至推荐***。这样，推荐***不需要获取到每一个服务预设的校验规则，可以减少推荐***在校验服务的过程中产生的巨大的工作量。
图27示例性示出了本申请实施例提供的一种电子设备100的软件结构框图。
在图27中，推荐***确定出进入某一个场景，并确定出该场景中推荐给用户的待推荐服务。在推荐***将待推荐服务推荐给用户之前，推荐***需要对待推荐服务进行校验。校验的过程包括如下步骤：
步骤一：推荐***获取到待推荐服务的标识。
步骤二：推荐***将待推荐服务的标识发送至服务管理模块。
步骤三：服务管理模块在接收到推荐***发送的待推荐服务的标识后，服务管理模块发送校验指令至对应的待推荐服务。
步骤四：待推荐服务基于待推荐服务预设的校验规则和待推荐服务的推荐数据，确定出待推荐服务是否可以实现预设功能。
待推荐服务在接收到校验指令之后，基于当前待推荐服务的推荐数据进行自校验，服务校验的过程可以参考图26所示的推荐***如何对待推荐服务进行校验的过程，本申请实施例在此不再赘述。
步骤五：待推荐服务在校验结束之后，待推荐服务将校验结果发送至服务管理模块。
校验结果包括已准备好和未准备好。其中，校验结果为准备好时，表示待推荐服务可以实现预设功能。校验结果为未准备好时，表示待推荐服务不可以实现预设功能，推荐***在为用户推荐未准备好的待推荐服务时，可能会出现图25A所示的推荐卡片显示不完整的情况，或者出现图25B所示的推荐卡片正常显示，但是用户无法直接使用推荐卡片中的服务集合的情况。
需要说明的是，由于本申请实施例提供的服务校验方法，是由待推荐的服务自校验的，那么可能会出现一些待推荐的服务，当前是未准备好的状态，但是待推荐的服务向服务管理模块发送的校验结果为已准备好。
步骤六：服务管理模块在接收到待推荐服务发送的校验结果后，服务管理模块将校验结果发送至推荐***。
步骤七：推荐***再接收到服务管理模块发送的校验结果后，推荐***将基于检验结果确认是否将待推荐的服务推荐给用户。
当校验结果为已准备好时，推荐***将待推荐的服务推荐给用户。当校验结果为未准备好时，推荐***不会将待推荐的服务推荐给用户。
如图28所示，图28示例性示出了本申请实施例提供的一种服务审查方法的交互示意图。
图28所示的校验的过程的方法步骤包括S2801-S2807。
其中，S2801、推荐***获取到待推荐服务的标识。
对S2801的详细描述，可以参考图27所示的实施例中步骤一的详细描述，本申请实施例在此不再赘述。
S2802、推荐***将待推荐服务的标识发送至服务管理模块。
对S2802的详细描述，可以参考图27所示的实施例中步骤二的详细描述，本申请实施例在此不再赘述。
S2803、服务管理模块在接收到推荐***发送的待推荐服务的标识后，向待推荐服务发送校验指令。
对S2803的详细描述，可以参考图27所示的实施例中步骤三的详细描述，本申请实施例在此不再赘述。
S2804、待推荐服务在接收到校验指令后，基于待推荐服务预设的校验规则和待推荐服务的推荐数据，确定出待推荐服务是否可以实现预设功能。
对S2804的详细描述，可以参考图27所示的实施例中步骤四的详细描述，本申请实施例在此不再赘述。
S2805、待推荐服务将校验结果发送至服务管理模块。
对S2805的详细描述，可以参考图27所示的实施例中步骤五的详细描述，本申请实施例在此不再赘述。
S2806、服务管理模块将校验结果发送至推荐***。
对S2806的详细描述，可以参考图27所示的实施例中步骤六的详细描述，本申请实施例在此不再赘述。
S2807、推荐***基于校验结果，确认是否向用户推荐待推荐服务。
对S2807的详细描述，可以参考图27所示的实施例中步骤七的详细描述，本申请实施例在此不再赘述。
图29示例性示出了推荐***如何通过服务管理模块对待推荐的服务进行校验的示意图。
首先，推荐***包括但不仅限于服务召回模块、服务过滤模块、服务排序模块和服务展示模块。
其中，服务召回模块用于在进入某一个场景后，召回多个服务，该多个服务为推荐***即将推荐给用户的服务。服务召回模块在获取到待推荐的服务后，服务召回模块将待推荐的服务的标识发送至服务过滤模块。
服务过滤模块在接收到待推荐服务的标识后，服务过滤模块将通过服务管理模块得到待推荐服务的准备状态，在得到待推荐服务的准备状态后，服务过滤模块过滤掉未准备好的待推荐服务，仅保留已准备好的待推荐服务。
具体的，服务过滤模块用于将待推荐服务的标识发送至服务管理模块。
服务管理模块用于在得到待推荐服务的标识后，基于待推荐服务的标识向对应的待推荐服务发送校验指令。
待推荐服务用于在接收到校验指令后，响应于校验指令，待推荐服务基于当前的推荐数据和预设的校验规则，确定出是否可以实现预设功能，即确定出校验结果。当待推荐服务基于当前的推荐数据可以实现预设功能，则校验结果为已准备好。当待推荐服务基于当前的推荐数据不可以实现预设功能，则校验结果为未准备好。
待推荐服务在确定出校验结果后，待推荐服务将校验结果发送至服务管理模块。待推荐服务可以为一个，也可以为多个。例如，待推荐的服务可以是服务一、服务二和服务三。服务管理模块依次分别向服务一、服务二和服务三发送校验指令。服务一、服务二和服务三在接收到校验指令后，服务一、服务二和服务三分别基于当前的推荐数据和预设的校验规则，确定出是否可以实现预设功能，即确定出校验结果。在确定出校验结果后，服务一、服务二和服务三分别将校验结果发送至服务管理模块。
服务管理模块用于在接收到待推荐服务发送的校验结果后，服务管理模块将校验结果发送至服务过滤模块。
服务过滤模块用于在接收到服务管理模块发送的待推荐服务的校验结果后，去除掉校验结果为未准备好的待推荐服务。例如，服务一和服务二的校验结果为已准备好，服务三的校 验结果为未准备好，则服务过滤模块去除服务三，仅保留服务二和服务一。服务过滤模块最终得到的待推荐服务为服务一和服务二。
服务过滤模块将最终得到的待推荐服务的标识发送至服务排序模块。
服务排序模块用于对已准备好的待推荐服务进行排序，得到最终推荐给用户的服务。
本申请实施例中，服务排序模块基于维护的服务信誉表，对已准备好的待推荐服务进行排序。该服务信誉表可以是服务器周期性发送至电子设备100的。服务信誉表描述了不同服待推荐服务的信誉度，待推荐服务的信誉度越高，待推荐服务被推荐给用户的概率就越高。
表17
待推荐服务服务 信誉度评分 服务的提供商
服务一 90 提供商一
服务二 80 提供商二
服务三 75 提供商三
表17示例性示出了不同服务对应的信誉度评分。需要说明的是，待推荐服务的信誉度评分是实时变化的。对于如何更新待推荐服务的信誉度评分，将在后续实施例详细说明，本申请实施例在此不做赘述。
示例性的，服务一的信誉度评分为90分，服务一的提供商为提供商一。服务二的信誉度评分为80分，服务二的提供商为提供商二。服务三的信誉度评分为75分，服务三的提供商为提供商三。
服务排序模块将基于待推荐服务的信誉度评分，以及最终推送给用户的服务数量，从多个待推荐服务中确定出最终推荐给用户的待推荐服务。
示例性的，若最终推送给用户的服务数量为1个，服务排序模块基于服务一、服务二和服务三的信誉度评分，确定出最终推送给用户的服务为服务一。若最终推送给用户的服务数量为2个，服务排序模块基于服务一、服务二和服务三的信誉度评分，确定出最终推送给用户的服务为服务一和服务二。若最终推送给用户的服务数量为3个，服务排序模块基于服务一、服务二和服务三的信誉度评分，确定出最终推送给用户的服务为服务一、服务二和服务三。
服务排序模块在得到最终推荐给用户的服务后，将最终推荐给用户的服务的标识发送至服务展示模块。
服务展示模块在接收到服务排序模块发送的最终推荐给用户的服务的标识后，基于最终推荐给用户的服务的标识将最终推荐给用户的服务生成推荐卡片，服务展示模块将推荐卡片显示在桌面上。
接下来介绍如何更新待推荐服务的信誉度评分。
在服务展示模块将推荐卡片显示在桌面上后，卡片信息采集模块将对显示在桌面上的推荐卡片做进一步的审查，进一步确定出推荐卡片是否可以实现预设功能。
图30示例性示出了如何更新待推荐服务的信誉度评分的示意图。
卡片信息采集模块提取出推荐卡片上的显示内容，显示内容包括但不仅限于文字、图标、图片等信息。之后，卡片信息采集模块将推荐卡片上的显示内容发送至意图内容匹配模块。
意图内容匹配模块用于在接收到卡片信息采集模块发送的推荐卡片上的显示内容内，判断出推荐卡片上的显示内容是否和推荐意图匹配，若不匹配，意图内容匹配模块将推荐卡片 上显示的推荐服务的标识发送至服务器。
具体的，意图内容匹配模块基于提取到的推荐卡片上的显示内容，确定出推荐卡片上的显示内容和预设的显示内容的匹配度。若匹配度低于预设值，则意图内容匹配模块判断出推荐卡片上的显示内容和推荐意图不匹配，意图内容匹配模块将推荐卡片上显示的推荐服务的标识发送至服务器。若匹配度高于预设值，则意图内容匹配模块判断出推荐卡片上的显示内容和推荐意图匹配。
服务器在接收到意图内容匹配模块发送的推荐服务的标识后，服务器基于推荐服务的标识获取到推荐服务的提供商，服务器将该推荐服务的提供商提供的所有服务的信誉度评分均降低。
这样，可以防止某些待推荐服务当前是未准备好的状态，但是某些待推荐的服务向服务管理模块发送的校验结果为已准备好，从而导致推荐***将未准备好的待推荐服务推荐给用户。
示例性的，若服务一、服务二和服务三在接收到校验指令之后，服务一和服务三为已准备好的状态，那么服务一和服务三向服务管理模块发送的校验结果为已准备好。若服务二(第一服务功能的标识)为未准备好的状态，服务二可能向服务管理模块发送的校验结果为已准备好。那么推荐***就有可能将服务二推荐给用户。
在推荐***将服务二推荐给用户之后，即推荐***将服务二生成推荐卡片显示在桌面上后，卡片信息采集模块将对服务二的推荐卡片上的显示内容进行提取，意图内容匹配模块确定出服务二的推荐卡片上的显示内容是否包括预设的显示内容。由于服务二为未准备好的状态，那么意图内容匹配模块确定出服务二的推荐卡片上的显示内容不包括预设的显示内容，此时，意图内容匹配模块将服务二的标识发送至服务器，并指示服务器将服务二的信誉度评分降低，这样，在下次推荐时，使得推荐***向用户推荐服务二的概率降低。
示例性的，服务二的推荐卡片可以是图25A中所示的推荐卡片2502。服务二的推荐卡片还可以是图25B中所示的推荐卡片2507。
表18
待推荐服务服务 信誉度评分 服务的提供商
服务一 90 提供商一
服务二 65 提供商二
服务三 75 提供商三
表18示例性示出了服务器将服务二的信誉度评分降低后得到的不同服务对应的信誉度评分。示例性的，服务一的信誉度评分为90分，服务一的提供商为提供商一。服务二的信誉度评分为65分，服务二的提供商为提供商二。服务三的信誉度评分为75分，服务三的提供商为提供商三。
服务器在将服务二的信誉度评分降低后，服务器将不同服务对应的信誉度评分发送至服务排序模块，服务排序模块基于不同服务对应的信誉度评分得到最终推荐给用户的服务。
在下次推荐***为用户推荐服务时，推荐***中的服务排序模块将基于待推荐服务的信誉度评分，以及最终推送给用户的服务数量，从多个待推荐服务中确定出最终推荐给用户的待推荐服务。
示例性的，若最终推送给用户的服务数量为1个，服务排序模块基于服务一、服务二和 服务三的信誉度评分，确定出最终推送给用户的服务为服务一，服务一也可以称为第二服务功能。若最终推送给用户的服务数量为2个，服务排序模块基于服务一、服务二和服务三的信誉度评分，确定出最终推送给用户的服务为服务一和服务三，服务一或服务三也可以称为第二服务功能。若最终推送给用户的服务数量为3个，服务排序模块基于服务一、服务二和服务三的信誉度评分，确定出最终推送给用户的服务为服务一、服务二和服务三，服务一或服务二或服务三也可以称为第二服务功能。
可选的，在卡片信息采集模块提取出推荐卡片上的显示内容和意图内容匹配模块确定出推荐卡片上的显示内容和预设的显示内容的匹配度后，卡片信息采集模块将推荐卡片上的显示内容发送至服务器，意图内容匹配模块将推荐卡片上的显示内容和预设的显示内容的匹配度发送至服务器。服务器在接收到推荐卡片上的显示内容和推荐卡片上的显示内容和预设的显示内容的匹配度后，服务器基于推荐卡片上的显示内容、预设的显示内容和推荐卡片上的显示内容和预设的显示内容的匹配度作为样本数据训练意图内容匹配模型。具体的，服务器将样本数据中推荐卡片上的显示内容和预设的显示内容作为意图内容匹配模型的输入，意图内容匹配模型输出匹配度。服务器计算意图内容匹配模型输出的匹配度和样本数据中的匹配度的差值，当两者的差值大于预设值时，电子设备100修改意图内容匹配模型的参数，重复之前的步骤，直至服务器确认出两者的差值小于预设值，意图内容匹配模型训练完毕。
在意图内容匹配模型训练完毕后，服务器将意图内容匹配模型发送至意图内容匹配模块，意图内容匹配模块基于意图内容匹配模型确定出推荐卡片上的显示内容和预设的显示内容的匹配度。这样，随着样本数据越来越多，意图内容匹配模型预测的推荐卡片上的显示内容和预设的显示内容的匹配度的准确信越高。
前述实施例介绍的服务推荐，均是在单设备上进行的。例如当电子设备100进入某一个场景，服务召回，服务排序，确定出待推荐服务，基于待推荐服务生成推荐卡片，并将推荐卡片显示在电子设备100的桌面上，上述一系列行为均是电子设备100完成的。
示例性的，如图31所示，以电子设备100为手机为例进行说明。手机触发推荐流程，手机召回多个服务，例如服务一、服务二、服务三、服务四、服务五、服务六、服务七、服务八、服务九、服务十、服务十一和服务十二。手机基于召回的多个服务对多个服务进行过滤、筛选和排序，得到最终推荐给用户的服务，最终推荐给用户的服务可以是服务一、服务三、服务五和服务七。手机基于服务一、服务三、服务五和服务七生成推荐卡片，手机展示推荐卡片。
从上述分析可以看出，当前的服务推荐仅实现了单设备上的服务推荐，并没有实现跨设备推荐服务。若用户身边同时存在多个设备，仍然只在某一个设备上给用户推荐服务，此推荐体验不一定是最优的，因为用户可能在当下并不关注此设备，导致用户并没有使用在此设备上推荐的服务。
本申请以下实施例还提供了一种服务装填方法，该方法可以实现基于服务的优先级、用户当下对各个设备的关注度、各个设备的服务容量、以及每个服务在各个设备上的匹配度等因素对待推荐的服务进行排序，得到服务在各个设备上的最优分布，进而进行服务的分发流转，最终将每一个服务展示在最合适的设备上，实现跨设备推荐服务。
示例性的，在用户出门之前，家庭里的智能音箱可以通过语音播报当天的天气情况。在用户出门后，例如用户上车后，启动车机，车机不会再向用户推荐天气服务。这样，既可以 及时提醒用户，又可以避免重复推荐相同的额服务。
再例如，用户在开车的过程中，并不关注手机。但是用户有待取的快递信息或者手机的备忘录上记载的事项中，即将有会议需要参加。那么车机可以在用户等红绿灯或者车速较慢时向用户推荐快递服务或者日程服务。这样，避免手机向用户推荐快递服务或者日程服务，而用户不使用手机导致推荐的服务没有达到用户使用的目的。
图32示例性示出了在多个设备上做服务装填的示意图。
在图32中，假设手机为中控设备，手机召回多个服务，并对多个服务做排序，得到每一个服务最合适展示在哪一个设备上。如何对多个服务做排序，得到每一个服务最合适展示在哪一个设备上的方法，将在后续实施例中详细介绍，本申请实施例在此不做赘述。
示例性的，手机召回的服务可以包括服务一、服务二、服务三、服务四、服务五、服务六、服务七、服务八、服务九、服务十、服务十一、服务十二、服务十三、服务十四、服务十五和服务十六。
其中，上述十六个服务中除了服务十二、服务十四和服务十六为虚拟用户界面(virtual user interface，VUI)服务，其余的服务为图形用户界面(graphic user interface，GUI)服务。VUI服务可以理解为无法以图形的形式显示的服务，也即没有用户界面的服务，GUI服务可以理解为有用户界面的服务。
若当前与手机建立建立连接的设备有大屏、平板、手表、耳机和车机。手机对上述多个服务进行排序，并确定出上述多个服务最合适推荐在上述哪个设备上。
手机确定出服务一、服务三、服务五和服务七最适合推荐在手机上，那么手机将服务一、服务三、服务五和服务七展示在手机上。手机确定出服务二、服务四、服务六和服务八最适合推荐在平板上，那么手机将服务二、服务四、服务六和服务八展示在平板上。手机确定出服务九和服务十一最适合推荐在大屏上，那么手机将服务九和服务十一展示在大屏上。手机确定出服务十五最适合推荐在手表上，那么手机将服务十五展示在手表上。手机确定出服务十二最适合推荐在耳机上，那么手机将服务十二展示在耳机上。手机确定出服务十最适合推荐在车机上，那么手机将服务十展示在车机上。
也就是说，与用户关联的电子设备检测到用户进入某一个场景后，与用户关联的电子设备将为用户推荐该场景下关联的服务。与用户关联的电子设备有多个，用户对个不同的电子设备的关注度不同，基于此方案，综合考虑服务的优先级、用户当下对各个电子设备的关注度、各个电子设备的服务容量、以及每个服务在各个电子设备上的匹配度等因素，将每一个待推荐服务展示在最合适的设备上。
与用户关联的电子设备检测到用户进入某一个场景后，可以是一个电子设备触发服务推荐流程，也可以是多个电子设备同时触发服务推荐流程。
若是一个电子设备触发服务推荐流程，那么该电子设备作为中枢控制设备，该中枢控制设备完成服务召回、服务过滤、服务重排序、服务装填的任务事项。
若是多个电子设备同时触发服务推荐流程，那么可以从多个触发服务推荐流程的电子设备中确定出中枢控制设备设备，该中枢控制设备完成服务召回、服务过滤、服务重排序、服务装填的任务事项。
图33A示例性示出了本申请实施例提供的一种多设备同时触发服务推荐流程的框架示意 图。
本申请实施例以如何将服务装填到两个电子设备上为例进行说明。在其他实施例中，如何将服务装填到更多其他的电子设备上的方法与如何将服务装填到两个电子设备上的方法类似。
示例性的，两个电子设备分别为电子设备100和电子设备200(第二电子设备)。
若电子设备100和电子设备200同时触发了推荐流程，首先需确认出中枢控制设备。可选的，可以基于设备的类型或者设备的使用频率确定出中枢控制设备，假设电子设备100为中枢控制设备。
电子设备100和电子设备200上均有服务召回模块、服务过滤模块、服务粗排序模块、服务重排序模块、服务联合排序模块、服务装填模块和设备状态及数据管理模块。
其中，对于电子设备100来说，服务召回模块用于基于场景的预设触发条件，判断出当前所处的场景，召回服务，即为用户推荐当前场景下关联的服务。
服务召回模块将召回的服务发送至服务过滤模块，服务过滤模块用于基于过滤条件对召回的服务进行初筛，过滤掉不符合过滤条件的服务，过滤条件是预设好的，例如用户在一定时间内使用过的服务。
服务过滤模块将过滤后得到的召回的服务发送至服务粗排模块，服务粗排模块用于对过滤后得到的召回的服务做简单的规则的排序，得到用户使用概率大于预设值的服务。
服务粗排模块将用户使用概率大于预设值的召回的服务的标识发送至服务重排序模块，服务重排序模块将基于用户的使用习惯对用户使用概率大于预设值的召回的服务进行进一步的筛选，得到最终电子设备100召回的服务。
服务重排序模块将电子设备100召回的服务发送至服务重排序模块。
对于电子设备200来说，电子设备200也触发了服务推荐流程，那么电子设备100中的服务召回模块、服务过滤模块、服务粗排序模块和服务重排序模块与电子设备100中的服务召回模块、服务过滤模块、服务粗排序模块和服务重排序模块的作用类似，均是为了得到用户使用概率大于预设值的召回的服务。
电子设备200中的服务重排序模块在得到最终电子设备200召回的服务后，电子设备200中的服务重排序模块将最终电子设备200召回的服务发送至电子设备200中的设备状态及数据管理模块。
电子设备200中的设备状态及数据管理模块在接收到电子设备200召回的服务后，电子设备200中的设备状态及数据管理模块将电子设备200召回的服务和电子设备200的设备状态发送至电子设备100中的设备状态及数据管理模块。
电子设备100中的设备状态及数据管理模块在接收到电子设备200召回的服务和电子设备200的设备状态后，电子设备100中的设备状态及数据管理模块将电子设备200召回的服务和电子设备200的设备状态发送至电子设备100中的服务联合排序模块。
电子设备100中的服务联合排序模块在得到电子设备100召回的服务和电子设备200召回的服务后，电子设备100中的服务联合排序模块将基于服务的优先级、用户当下对电子设备100和电子设备200的关注度、电子设备100和电子设备200上的服务容量、以及每个服务在电子设备100和电子设备200上的匹配度等因素对电子设备100和电子设备200召回的服务进行排序，得到服务在各个设备上的最优分布，进而进行服务的分发流转，最终将每一个服务展示在最合适的设备上，实现跨设备推荐服务。对于服务联合排序模块如何确定出服 务在各个设备上的最佳分布的，将在后续实施例中详细介绍，本申请实施例在此不做赘述。
图33B示例性示出了本申请实施例提供的一种单设备触发服务推荐流程的框架示意图。
若只有电子设备100触发了服务推荐流程，电子设备200没有触发服务推荐流程，与电子设备100和电子设备200同时触发服务推荐流程的区别在于，即图33B与图33A的区别之处在于，电子设备200召回的服务为空，电子设备100只需基于服务的优先级、用户当下对电子设备100和电子设备200的关注度、电子设备100和电子设备200上的服务容量、以及每个服务在电子设备100和电子设备200上的匹配度等因素对电子设备100召回的服务进行排序，得到服务在各个设备上的最优分布，进而进行服务的分发流转，最终将每一个服务展示在最合适的设备上，实现跨设备推荐服务。具体描述，可以参考图33A中的详细介绍，本申请实施例对此不再赘述。
接下来介绍服务联合排序模块如何确定出服务在各个设备上的最佳分布的具体实现。
服务联合排序模块会收集当前场景下与用户关联的电子设备的设备状态，基于服务的优先级、用户对各个设备的关注度、各个设备上的服务容量和服务与各个设备的匹配度，对每一个服务与每一个设备得匹配度进行综合评分，得到每一个服务在各个设备上的最优分布。
首先，服务联合排序模块基于每一个服务预设的优先级，得到每一个服务预设的优先级归一化系数。
表19
服务的标识 优先级归一化系数
服务一 P 1
服务二 P 2
服务三 P 3
服务四 P 4
表19示例性示出了服务联合排序模块基于每一个服务预设的优先级，得到每一个服务预设的优先级归一化系数。其中，服务一对应的优先级归一化系数为P 1，服务二对应的优先级归一化系数为P 2，服务三对应的优先级归一化系数为P 3，服务四对应的优先级归一化系数为P 4。其中，P 1、P 2、P 3和P 4均为常数，例如P 1为0.8，P 2为0.6，P 3为0.7，P 4为0.5。
其次，服务联合排序模块基于设备状态及数据管理模块获取到的设备状态，得到用户对每一个设备的关注度评分。对于服务联合排序模块如何基于设备状态得到用户对每一个设备的关注度评分，可以参考图14和图15介绍的实施例，本申请实施例在此不再赘述。
表20
Figure PCTCN2022142915-appb-000020
表20示例性示出了服务联合排序模块基于各个设备的状态，得到用户对每一个设备的关注度评分。其中，用户对手机的关注度评分为δ 1，用户对平板的关注度评分为δ 2，用户对大屏的关注度评分为δ 3，用户对车机的关注度评分为δ 4，用户对手表的关注度评分为δ 5，用户对耳机的关注度评分为δ 6。其中，δ 1、δ 2、δ 3、δ 4、δ 5和δ 6均为常数，例如δ 1为0.8，δ 2为0.1， δ 3为0.1，δ 4为0.9，δ 5为0.1，δ 6为0.1。
最后，服务联合排序模块记录下每一个服务与各个不同的电子设备的匹配度。
表21
服务 手机 平板 大屏 车机 手表 耳机
服务一 R 1 1 R 1 2 R 1 3 R 1 4 R 1 5 R 1 6
服务二 R 2 1 R 2 2 R 2 3 R 2 4 R 2 5 R 2 6
服务三 R 3 1 R 3 2 R 3 3 R 3 4 R 3 5 R 3 6
服务四 R 4 1 R 4 2 R 4 3 R 4 4 R 4 5 R 4 6
表21示例性示出了召回的服务与各个电子设备的匹配系数。其中，服务一与手机的匹配系数为R 1 1，服务二与手机的匹配系数为R 2 1，服务三与手机的匹配系数为R 3 1，服务四与手机的匹配系数为R 4 1。
服务一与平板的匹配系数为R 1 2，服务为与平板的匹配系数为R 2 2，服务三与平板的匹配系数为R 3 2，服务四与平板的匹配系数为R 4 2。服务一与大屏的匹配系数为R 1 3，服务二与大屏的匹配系数为R 2 3，服务三与大屏的匹配系数为R 3 3，服务四与大屏的匹配系数为R 4 3。服务一与车机的匹配系数为R 1 4，服务二与车机的匹配系数为R 2 4，服务三与车机的匹配系数为R 3 4，服务四与车机的匹配系数为R 4 4。服务一与手表的匹配系数为R 1 5，服务二与手表的匹配系数为R 2 5，服务三与手表的匹配系数为R 3 5，服务四与手表的匹配系数为R 4 5。服务一与耳机的匹配系数为R 1 6，服务二与耳机的匹配系数为R 2 6，服务三与耳机的匹配系数为R 3 6，服务四与耳机的匹配系数为R 4 6。
需要说明的是，表21中所示的匹配系数均为常数，例如若服务一为GUI服务，那么服务一与手机的匹配系数R 1 1为1，服务一与耳机的匹配系数R 1 6为0。若服务二为VUI服务，那么服务二与手机的匹配系数R 2 1为0，服务二与耳机的匹配系数R 2 6为1。
服务联合排序模块在得到每一个服务与各个不同的电子设备的匹配度、用户对每一个设备的关注度评分和每一个服务预设的优先级归一化系数后，服务联合排序模块基于上述参数对每一个服务与每一个电子设备的对应度得分。
可选的，服务联合排序模块可以基于以下公式(3)得到每一个服务与每一个电子设备的对应度得分。
Figure PCTCN2022142915-appb-000021
在公式(3)中，j表示服务的标号，m表示共有m个服务，i表示电子设备的标号，R j i表示服务与各个电子设备的匹配系数，P j表示服务的优先级归一化系数，δ i表示用户对设备的关注度评分，S表示每一个服务与每一个电子设备的对应度得分。
不仅限于公式(3)，服务联合排序模块还可以基于其他的公式得到每一个服务与每一个电子设备的对应度得分，本申请实施例对此不做限定。
表22
服务 手机 平板 大屏 车机 手表 耳机
服务一 A1 B1 C1 D1 E1 F1
服务二 A2 B2 C2 D2 E2 F2
服务三 A3 B3 C3 D3 E3 F3
服务四 A4 B4 C4 D4 E4 F4
表22示例性示出了服务联合排序模块得到的每一个服务与每一个电子设备的对应度得分。其中，服务一与手机的对应度得分为A1，服务一与平板的对应度得分为B1，服务一与大屏的对应度得分为C1，服务一与车机的对应度得分为D1，服务一与手表的对应度得分为E1，服务一与耳机的对应度得分为F1。服务二与手机的对应度得分为A2，服务二与平板的对应度得分为B2，服务二与大屏的对应度得分为C2，服务二与车机的对应度得分为D2，服务二与手表的对应度得分为E2，服务二与耳机的对应度得分为F2。服务三与手机的对应度得分为A3，服务三与平板的对应度得分为B3，服务三与大屏的对应度得分为C3，服务三与车机的对应度得分为D3，服务三与手表的对应度得分为E3，服务三与耳机的对应度得分为F3。服务四与手机的对应度得分为A4，服务四与平板的对应度得分为B4，服务四与大屏的对应度得分为C4，服务四与车机的对应度得分为D4，服务四与手表的对应度得分为E4，服务四与耳机的对应度得分为F4。需要说明的是，上述服务与每一个电子设备的对应度得分均为常数，例如服务一与手机的对应度得分A1为0.4，服务一与平板的对应度得分B1为0.5，服务一与大屏的对应度得分C1为0.5，服务一与车机的对应度得分D1为0.9，服务一与手表的对应度得分E1为0.2，服务一与耳机的对应度得分F1为0.2，那么可以确定出服务一与车机的对应度得分最高，则服务一应最优展示在车机上。
服务联合排序模块还需基于设备状态及数据管理模块获取到的设备上可显示的服务容量，记录下各个记录可以显示的服务容量。服务联合排序模块基于每个设备上可以显示的服务容量确定出向哪些设备分发哪些服务。
服务容量可以理解为设备上的服务推荐区域可以显示的服务数量。对于不同的电子设备，服务推荐区域可能有多种规格，针对每一种规格的服务推荐区域，都可以有多种不同规格的服务展示版式。
可以理解的是，不同的服务的尺寸不同，服务的尺寸可以通过尺寸1、尺寸2、尺寸3和尺寸4来衡量，尺寸越大的服务所占的服务推荐区域的面积越多。服务推荐区域可以同时展示多个不同的服务，因此服务推荐区域可以通过不同尺寸的服务展示版式组成。例如，服务推荐区域可以有2个尺寸2的服务展示版式组成，该规则的服务推荐区域可以同时展示2个尺寸2的服务。
图34示例性示出了几种不同规格的服务推荐区域的示意图。
图34中的第一行展示的是第一规格的服务推荐区域，第一规格的服务推荐区域由4个尺寸1的服务展示版式构成，第一规格的服务推荐区域可以同时展示4个尺寸1的服务。图34中的第二行展示的是第二规格的服务推荐区域，第二规格的服务推荐区域由2个尺寸1和1个尺寸2的服务展示版式构成，第二规格的服务推荐区域可以同时展示2个尺寸1的服务和1个尺寸2的服务。图34中的第三行展示的是第三规格的服务推荐区域，第三规格的服务推荐区域由2个尺寸2的服务展示版式构成，第三规格的服务推荐区域可以同时展示2个尺寸2的服务。图34中的第四行展示的是第四规格的服务推荐区域，第四规格的服务推荐区域由1个尺寸3的服务展示版式构成，第四规格的服务推荐区域可以同时展示1个尺寸3的服务。
需要说明的是，图34只是示例性示出了几种不同规格的服务展示区域，服务展示区域还可以由其他更多不同规格的服务展示版式构成，本申请实施例对此不做限定。
表23
电子设备 手机 平板 大屏 车机 手表 耳机
服务容量 ε 1 ε 2 ε 3 ε 4 ε 5 ε 6
表23示例性示出了几种不同的电子设备上可展示的服务容量。其中，手机上可展示的服务容量为ε 1，平板上可展示的服务容量为ε 2，大屏上可展示的服务容量为ε 3，车机上可展示的服务容量为ε 4，手表上可展示的服务容量为ε 5，耳机上可展示的服务容量为ε 6。需要说明的是，ε 1、ε 2、ε 3、ε 4、ε 5和ε 6均为常数，对于，ε 1、ε 2、ε 3、ε 4、ε 5和ε 6的具体解释，可以参考上述图34中的相关描述。
示例性的，基于表22中得到的每一个服务与各个设备的对应度得分，若服务一与车机的匹配度最高，其次为手机。服务二与车机的匹配度最高，其次为手机。服务三与手机的匹配度最高，其次为车机。服务四与车机的匹配度最高，其次为手机。
若车机上仅可以同时展示三个服务，手机上仅可以同时展示两个服务，那么服务一、服务二和服务四优先展示在车机上，服务三优先展示在手机上。
接下来以驾驶场景为例进行说明，如何确定每一个服务在设备上最优分布的。
首先，在驾驶场景中，用户正在通过车机导航路线，且通过耳机播放手机上的音乐。在某一时刻，例如红绿灯十字路口红灯停车等候，用户的手机和车机均触发了服务推荐流程，手机上召回的服务为快递服务和微信服务，车机上召回的服务为日程服务和导航服务。
当前有手机和车机均触发了服务推荐流程，但是用户在开车，车机的优先级高于手机的优先级，那么确定出车机为中枢控制设备。
车机向手机发送请求，该请求用户获取手机上召回的服务数据和手机状态数据。响应于车机发送的请求，手机向车机发送手机召回的服务，即快递服务和微信服务。
首先，车机得到各个服务的优先级归一化系数。
表24
服务 优先级归一化系数
快递服务 0.8
日程服务 0.6
微信服务 0.3
导航服务 0.1
表24示例性示出了车机对车机召回的服务和手机召回的服务得到的优先级归一化系数。其中，快递服务的优先级归一化系数为0.8，日程服务的优先级归一化系数为0.6，微信服务的优先级归一化系数为0.3，导航服务的优先级归一化系数为0.1。
其次，车机基于车机、耳机和手机的设备状态数据，得到用户对各个设备的关注度评分。
表25
设备 车机 手机 耳机
用户对设备的关注度评分 0.8 0.3 0.5
表25示例性示出了在驾驶场景，用户针对各个设备的关注度评分。其中，用户针对车机的关注度评分为0.8，用户针对手机的关注度评分为0.3，用户针对耳机的关注度评分为0.5。
最后，车机得到车机召回的服务和手机召回的服务在各个设备上的匹配度。
表26
服务 车机 手机 耳机
快递服务 1 1 0.3
日程服务 1 1 0.3
微信服务 1 1 0.3
导航服务 1 1 0.3
表26示例性示出了在驾驶场景，车机召回的服务和手机召回的服务在各个设备上的匹配度。其中，快递服务在车机上的匹配度为1，快递服务在手机上的匹配度为1，快递服务在耳机上的匹配度为0.3。日程服务在车机上的匹配度为1，日程服务在手机上的匹配度为1，日程服务在耳机上的匹配度为0.3。微信服务在车机上的匹配度为1，微信服务在手机上的匹配度为1，日程服务在耳机上的匹配度为0.3。导航服务在车机上的匹配度为1，导航服务在手机上的匹配度为1，导航服务在耳机上的匹配度为0.3。
车机将基于各个服务的优先级归一化系数、用户针对各个设备的关注度评分以及服务在各个设备上的匹配度。得到每个服务与各个设备的对应度得分。
表27
服务 车机 手机 耳机
快递服务 0.8 0.5 0
日程服务 0.7 0.6 0
微信服务 0.4 0.5 0
导航服务 0.3 0.3 0
表27示例性示出了车机得到的每一个服务与各个设备的对应度得分。其中，快递服务与车机的对应度得分为0.8，快递服务与手机的对应度得分为0.5，快递服务与耳机的对应度得分为0。日程服务与车机的对应度得分为0.7，快递服务与手机的对应度得分为0.6，日程服务与耳机的对应度得分为0。微信服务与车机的对应度得分为0.4，微信服务与手机的对应度得分为0.5，微信服务与耳机的对应度得分为0。导航服务与车机的对应度得分为0.3，导航服务与手机的对应度得分为0.3，导航服务与耳机的对应度得分为0。
车机还会结合车机上同时可以容纳的服务容量和手机上同时可以容纳的服务容量，将各个服务分发到不同的设备上。
表28
电子设备 车机 手机 耳机
服务容量 1 3 1
表28示例性示出了各个设备上同时可以展示的服务容量。其中，车机上同时仅可以展示1个服务，手机上可以同时最多展示3个服务，耳机上同时仅可以展示1个服务。
车机结合当前车机召回的服务和手机召回的服务，以及手机的设备状态，首先做出以下假设：
(1)、手机处于充电息屏状态；(2)、日程还有3个小时开始；(3)、车机正在向家行驶，距离家比较近；(4)、车机正在使用导航软件；(5)、用户未在车机上使用过微信和付款码。
根据以上条件，做简单的联合排序声明：
(1)、用户当前不便使用手机；(2)、用户即将到家，因此用户使用快递服务的急切程度高于用户使用日程服务的急切程度；(3)、车机正在导航，因此用户对导航服务的需要程度较低；(4)、用户仅在手机上使用过微信，而此时用户不便使用手机，因此用户对微信 服务的需要程度较低。
基于上述条件，可以得到联合排序结果为快递服务的使用概率大于日程服务的使用概率，日程服务的使用概率大于微信服务的使用概率，微信服务的使用概率大于导航服务的使用概率。
车机基于表27和表28，最终确定出快递服务与车机的对应度得分最高，且车机上同时仅可以展示1个服务，那么车机将快递服务展示在车机上。之后，日程服务、微信服务和导航服务与手机的对应度得分最高，手机上可以同时最多展示3个服务，那么车机将日程服务的标识、微信服务的标识和导航服务的标识发送至手机，手机将日程服务、微信服务和导航服务展示在手机上。
图35示例性示出了本申请实施例提供的一种服务推荐方法的流程示意图。
S3501、第一电子设备(电子设备100)基于第一用户的个人数据生成第一服务集合，第一服务集合包括多个服务功能，第一用户的个人数据包括第一用户的历史使用数据。
第一服务集合可以是图9A所示的卡片801中所示的服务集合。第一服务集合还可以是图9C所示的卡片802中所示的服务集合。第一服务集合还可以是图9I所示的卡片803中所示的服务集合。第一服务集合还可以是图9J所示的卡片807中所示的服务集合。第一服务集合还可以是图9K所示的卡片810中所示的服务集合。第一服务集合还可以是图9L所示的卡片813中所示的服务集合。第一服务集合还可以是图12所示的卡片1202中所示的服务集合。第一服务集合还可以是图13所示的卡片1302中所示的服务集合。第一服务集合还可以是图16所示的卡片1602中所示的服务集合。第一服务集合还可以是图17所示的卡片1702中所示的服务集合。
第一服务集合包括多个服务功能，也就是说，第一电子设备可以将多个不同功能的服务集成为一个服务集合(即第一服务集合)推荐给用户，实现了用户“一键使用”多个服务的操作。
第一用户的历史使用数据可以是针对第一用户的个人画像数据，例如用户的喜好、行为习惯、性别、年龄等等。也就是说第一电子设备基于第一用户的个人画像数据为用户自动生成第一服务集合，不需要用户手动设置场景关联的服务集合。另一方面，随着用户的个人画像数据的变化，第一电子设备地洞为用户生成的服务集合也不同，体现了服务推荐的准确性。
第一用户的历史使用数据还可以是用户的历史操作。即用户在一段时间内的用户行为，例如第一电子设备在一段时间内的设置项、或者第一电子设备控制其他电子设备的设置项等。例如，昨天第一用户在观影场景下使用了开空调和关窗帘的设置项，今天在观影场景下，第一电子设备为用户推荐开空调和关窗帘的推荐卡片。
通过该提供的方法，实现了服务推荐的便利性和准确性。
S3502、在检测到满足第一服务集合的触发条件时，第一电子设备执行第一服务集合对应的多个功能操作。
可选的，在第一电子设备基于第一用户的个人数据生成第一服务集合之后，在第一电子设备执行第一服务集合对应的多个功能操作之前，方法还包括：在满足第一条件时，第一电子设备显示第一服务集合对应的第一推荐卡片；在检测到满足第一服务集合的触发条件时，第一电子设备执行第一服务集合对应的多个功能操作，具体包括：在检测到针对第一推荐卡 片的触发操作时，第一电子设备执行第一服务集合对应的多个功能操作。
第一推荐卡片可以是图9A所示的卡片801。第一推荐卡片还可以是图9C所示的卡片802。第一推荐卡片还可以是图9I所示的卡片803。第一推荐卡片还可以是图9J所示的卡片807。第一推荐卡片还可以是图9K所示的卡片810。第一推荐卡片还可以是图9L所示的卡片813。第一推荐卡片还可以是图12所示的卡片1202。第一推荐卡片还可以是图13所示的卡片1302。第一推荐卡片还可以是图16所示的卡片1602。第一推荐卡片还可以是图17所示的卡片1702。
其中，第一电子设备可以同时显示多个服务集合对应的推荐卡片，每一个服务集合可以包括多个服务，也可以仅包括一个服务。
当触发条件为针对第一推荐卡片的触发操作时，第一电子设备检测到用户针对第一推荐卡片的触发操作(例如点击)，实现了用户“一键使用”多个服务的操作。
触发条件还可以是语音指令、第一用户的身份信息、手势等，实现了无需用户手动操作即可触发第一电子设备执行第一服务集合中的多个服务，方便快捷。
可选的，第一服务集合中多个服务功能对应多个不同应用的服务功能，或者第一服务集合中多个服务功能对应多个不同设备的控制。这样，实现了同时对不同的应用进行控制或者同时对不同的设备进行控制。
可选的，第一服务集合中多个服务功能类型包括以下任意一项或多项：应用服务、***服务和控制其他电子设备工作状态的服务。第一电子设备执行第一服务集合对应的多个功能操作，具体包括：第一电子设备控制第一电子设备以第一工作参数工作，其中，第一工作参数包括以下任意一项或多项：第一电子设备的***的设置状态、第一电子设备上安装的应用的设置状态、第一电子设备上安装的应用开启/关闭。和/或，第一电子设备控制第三电子设备以第二工作参数工作，其中，第二工作参数包括以下任意一项或多项：第三电子设备开启/关闭、第三电子设备的设置状态。
具体的，对于第一服务集合的触发条件的介绍，以及如何执行第一服务集合对应的多个功能操作的，可以参考图9A-图9H所示的实施例，本申请实施例在此不再赘述。
可选的，第一电子设备基于第一用户的个人数据生成第二服务集合，第二服务集合包括多个服务功能，第二服务集合对应的多个功能操作和第一服务集合对应的多个功能操作不同；在检测到满足第二服务集合的触发条件时，第一电子设备执行第二服务集合对应的多个功能操作。这样，针对同一个用户，在不同场景下，第一电子设备可以为用户自动生成不同的服务集合，体现了服务推荐的智能性。
可选的，第一电子设备基于第二用户的个人数据生成第三服务集合，第三服务集合包括多个服务功能，第二用户的个人数据包括第二用户的历史使用数据；在检测到满足第三服务集合的触发条件时，第一电子设备执行第三服务集合对应的多个功能操作。若第一用户的个人数据与第二用户的个人数据不同，第三服务集合对应的多个功能操作与第一服务集合对应的多个功能操作不同。这样，在相同场景下，针对不同的用户，电子设备生成的服务集合也不同，体现了用户的差异性，体现了服务推荐的智能性。
可选的，第一电子设备执行第一服务集合对应的多个功能操作，具体包括：第一电子设 备基于第一服务集合中多个服务的执行关系执行第一服务集合对应的多个功能操作。其中，第一服务集合中多个服务的执行关系包括但不仅限于先后执行、同时执行等等。对于先后执行顺序，例如，在导航场景中，第一电子设备首先获取位置信息，再获取路线信息，第一电子设备再通过耳机播报路线信息。
可选的，在第一电子设备基于第一用户的个人数据生成第一服务集合之前，方法还包括：在满足第一条件时，第一电子设备获取到多个候选服务功能；第一电子设备基于第一用户的个人数据生成第一服务集合，具体包括：第一电子设备基于第一用户的个人数据基于多个候选服务功能生成第一服务集合。即，在生成第一服务集合之前，第一电子设备还需先获取到多个候选服务功能。第一条件是场景的触发条件。
可选的，在一种可能的实现方式中，在第一电子设备获取到多个候选服务功能之前，方法还包括：第一电子设备获取到候选服务集合，候选服务集合中的服务功能包括以下任意一项或多项：服务器发送的服务功能、其他电子设备发送的服务功能、第一电子设备中预置的服务功能；第一电子设备获取到多个候选服务功能，具体包括：第一电子设备基于第一用户的个人数据从候选服务集合中获取到多个候选服务功能。
可选的，在一种可能的实现方式中，第一电子设备基于第一用户的个人数据从候选服务集合中获取到多个候选服务功能，具体包括：第一电子设备基于第一用户的个人数据得到第一用户使用候选服务集合中每一个服务功能的概率；第一电子设备筛选出使用概率大于预设值的多个服务功能，得到候选服务功能。
可选的，第一条件包括以下任意一种或多种：当前时间满足第一时间、第一电子设备所在的地点满足预设地点、与第一用户关联的电子设备的设备状态满足预设状态，其中，设备状态包括电子设备当前电量、电子设备是否连接WiFi、电子设备是否连接蓝牙、电子设备是否亮屏、电子设备是否输出音频、电子设备是否开启/关闭。
其中，在不同的地点，电子设备为用户推荐的服务不同，例如，在深圳，第一电子设备可以为用户推荐深圳地铁乘车码。在武汉，第一电子设备可以为用户推荐武汉地铁乘车码。
可选的，在第一电子设备基于第一用户的个人数据生成第一服务集合之前，方法还包括：第一电子设备获取第一场景中的多个服务集合；第一电子设备基于第一用户的个人数据生成第一服务集合，具体包括；第一电子设备基于第一用户的个人数据从多个服务集合中确定出第一服务集合。即第一电子设备可以不用筛选出单个的服务，在基于多个单个的服务生成服务集合，而是直接从多个服务集合中筛选出用户可能使用的服务集合。
可选的，多个服务集合为与第一用户在第一场景中使用的服务功能的相似度大于预设值的服务集合；第一电子设备基于第一用户的个人数据从多个服务集合中确定出第一服务集合，具体包括：第一电子设备确定出第一用户在第一场景下关注的设备类型；第一电子设备基于第一用户关注的设备类型和第一用户的个人数据从多个服务集合中确定出与第一用户关注的设备类型相似的第一服务集合。也就是说，第一电子设备可以为用户推荐与第一用户关注的设备类型接近的相似用户使用的服务集合。
可选的，第一电子设备确定出第一用户在第一场景下关注的设备类型，具体包括：第一电子设备基于与第一用户关联的设备的工作状态、与第一用户关联的设备检测到的第一用户的状态确定出第一用户关注的设备类型。
可选的，在一种可能的实现方式中，第一电子设备基于与第一用户关联的设备的工作状态、与第一用户关联的设备检测到的第一用户的状态确定出第一用户关注的设备类型，具体包括：第一电子设备基于与第一用户关联的设备的工作状态、与第一用户关联的设备检测到的第一用户的状态确定出第一用户对多个设备的关注度；第一电子设备将第一用户对多个设备的关注度前M个设备作为第一用户关注的设备类型。
具体的，对于第一电子设备如何为用户推荐关注设备类型接近的相似用户使用的服务集合的，可以参考图10-图17介绍的实施例，本申请实施例在此不再赘述。
可选的，第一电子设备获取用户历史使用第一服务集合的第一时间和第一电子设备历史显示第一推荐卡片的第二时间；在第一电子设备确定出第一时间早于第二时间，或者第一时间晚于第二时间且述第一时间与第二时间的差值大于预设值的情况下，第一电子设备对第一服务集合的预设触发条件进行调整；在第一电子设备对第一服务集合的预设触发条件进行调整后，第一电子设备在第三时间展示第一推荐卡片，其中，第三时间在第一时间之前，且第三时间和第一时间的差小于预设值。也就是说，第一电子设备可以基于用户使用第一服务集合的时间和展示第一服务集合的时间，动态的调整第一电子设备展示第一服务集合的时间，避免第一电子设备展示第一服务集合的时间与用户使用第一服务集合的时间出现较大偏差。
可选的，在一种可能的实现方式中，第一时间为第一时间段内用户使用第一服务集合的时间的平均值；第二时间为第一时间段内第一电子设备展示第一服务集合的时间的平均值。这样，基于一段时间内的统计数据对第一电子设备展示第一服务集合的时间进行调整，保证了统计数据的可靠性。
第一时间可以是前述实施例介绍的场景进入的时刻T P，第二时间可以是前述实施例介绍的用户使用场景中的服务集合的时间Tq。
可选的，第一电子设备对第一服务集合的预设触发条件进行调整，具体包括：第一电子设备确定出预设触发条件的最大约束条件，预设触发条件包括一个或多个子条件，最大约束条件为一个或多个子条件中最后执行的子条件；第一电子设备将预设触发条件的最大约束条件的执行时间延迟第一时长；第一电子设备确定出第一新增子条件，其中，第一新增子条件的执行时间早于预设触发条件的最大约束条件延迟第一时长后的执行时间。这样，第一电子设备可以对场景触发过早的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：在第三时间之前，第一电子设备检测到第一新增子条件未被执行，第一电子设备在第三时间显示第一推荐卡片。这样，第一电子设备可以避免用户提前使用第一服务集合，而预设触发条件的最大约束条件还没执行导致第一服务集合推荐过晚的情况发生。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到在最大约束条件延迟执行的第一时长内，第一新增子条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间早于第三时间。
可选的，第一电子设备对第一服务集合的预设触发条件进行调整，具体包括：第一电子 设备确定出预设触发条件的最大约束条件；第一电子设备确定出第二新增子条件，其中，第二新增子条件的执行时间早于预设触发条件的最大约束条件的执行时间；第一电子设备将预设触发条件的最大约束条件替换为第二新增子条件。这样，第一电子设备可以对场景触发过晚的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：第一电子设备检测到第二新增子条件被执行，第一电子设备在第三时间显示第一推荐卡片。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到第二新增子条件未被执行但是预设触发条件的最大约束条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间晚于第三时间。这样，第一电子设备可以避免用户提前使用第一服务集合，而预设触发条件的最大约束条件触发但是第二新增子条件还没执行导致第一服务集合推荐过晚的情况发生。
具体的，对于第一电子设备如何对场景触发过早和过晚过晚的条件进行调整的，可以参考图21-图22介绍的实施例，本申请实施例在此不再赘述。
可选的，方法还包括：第一电子设备获取用户历史使用第一服务集合的第一时间和第一电子设备历史停止显示第一推荐卡片的第二时间；在第一电子设备确定出第一时间晚于第二时间，或者第一时间早于第二时间且述第一时间与第二时间的差值大于预设值的情况下，第一电子设备对第一服务集合的预设退出条件进行调整；在第一电子设备对第一服务集合的预设退出条件进行调整后，第一电子设备在第三时间停止展示第一推荐卡片，其中，第三时间在第一时间之后，且第三时间和第一时间的差小于预设值。也就是说，第一电子设备可以基于用户使用第一服务集合的时间和停止展示第一服务集合的时间，动态的调整第一电子设备停止展示第一服务集合的时间，避免第一电子设备停止展示第一服务集合的时间与用户使用第一服务集合的时间出现较大偏差。
可选的，在一种可能的实现方式中，第一时间为第一时间段内用户使用第一服务集合的时间的平均值；第二时间为第一时间段内第一电子设备停止展示第一服务集合的时间的平均值。这样，基于一段时间内的统计数据对第一电子设备停止展示第一服务集合的时间进行调整，保证了统计数据的可靠性。
可选的，第一电子设备对第一服务集合的预设退出条件进行调整，具体包括：第一电子设备确定出预设退出条件的最大约束条件，预设退出条件包括一个或多个子条件，最大约束条件为一个或多个子条件中最后执行的子条件；第一电子设备将预设退出条件的最大约束条件的执行时间延迟第一时长；
或者，第一电子设备确定出第一新增子条件，其中，第一新增子条件的执行时间早于预设退出条件的最大约束条件延迟第一时长后的执行时间。这样，第一电子设备可以对场景退出过早的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：在第三时间之前，第一电子设备检测到第一新增子条件未被执行，第一电子设备在第三时间显示第一推荐卡片。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到在最大约束条件延迟执行的第一时长内，第一新增子条件被执行，第一电子设备在第四时 间展示第一推荐卡片，第四时间早于第三时间。
可选的，第一电子设备对第一服务集合的预设触发条件进行调整，具体包括：第一电子设备确定出预设退出条件的最大约束条件；第一电子设备确定出第二新增子条件，其中，第二新增子条件的执行时间早于预设退出条件的最大约束条件的执行时间；第一电子设备将预设退出条件的最大约束条件替换为第一新增子条件。这样，第一电子设备可以对场景退出过晚的预设触发条件进行调整。
可选的，在一种可能的实现方式中，第一电子设备在第三时间展示第一推荐卡片，具体包括：第一电子设备检测到第一新增子条件被执行，第一电子设备在第三时间显示第一推荐卡片。
可选的，在一种可能的实现方式中，方法还包括：在第三时间之前，第一电子设备检测到第一新增子条件未被执行但是预设退出条件的最大约束条件被执行，第一电子设备在第四时间展示第一推荐卡片，第四时间晚于第三时间。
具体的，对于第一电子设备如何对场景触发过早和过晚过晚的条件进行调整的，可以参考图23-图24介绍的实施例，本申请实施例在此不再赘述。
可选的，方法还包括，在第一电子设备显示第一推荐卡片，且第一电子设备确定出第一推荐卡片上的显示元素不同于预设显示元素之后，第一电子设备基于第一用户的个人数据生成第四服务集合，第四服务集合中不包括第一服务集合中的第一服务功能；第一电子设备显示第四服务集合对应的第二推荐卡片，第二推荐卡片上的显示元素与预设显示元素相同。这样，第一电子设备可以避免为用户推荐显示不完整的服务。
可选的，在第一电子设备确定出第一推荐卡片上的显示元素不同于预设显示元素之后，方法还包括：第一电子设备将第一服务集合中第一服务功能的标识发送至服务器，第一服务功能的标识用于服务器将第一服务功能的信誉度降低；第一电子设备接收服务器在降低第一服务功能的信誉度后发送的信誉度信息，信誉度信息用于指示多个不同服务功能的信誉度。这样，第一电子设备通过降低显示不完整的服务的信誉度，来避免为用户推荐显示不完整的服务。
可选的，第一电子设备基于第一用户的个人数据生成第四服务集合，具体包括：第一电子设备基于服务器发送的信誉度信息从多个不同服务功能中基于第一用户的个人数据生成第四服务集合，第四服务集合中第二服务功能的信誉度高于第一服务集合中第一服务功能的信誉度。
可选的，在第一电子设备显示第一推荐卡片之前，方法还包括：第一电子设备获取到第一服务集合中第一服务功能生成的校验结果，校验结果用于表示第一服务功能是否获取到了预设权限信息和预设数据信息。第一电子设备显示第一推荐卡片，具体包括：在校验结果为第一服务功能获取到了预设权限信息和预设数据信息的情况下，第一电子设备显示第一推荐卡片。这样，第一电子设备通过服务自校验来确定是否把服务推荐给用户，提高了服务校验的效率。
具体的，对于第一电子设备如何对校验服务的，可以参考图25A-图30介绍的实施例，本申请实施例在此不再赘述。
可选的，在第一电子设备显示第一服务集合对应的第一推荐卡片之前，还包括：第一电子设备与第二电子设备建立通信连接；第一电子设备获取到第一用户针对第一电子设备的第一关注度、第一用户针对第二电子设备的第二关注度；第一电子设备基于第一关注度和第二关注度确定出展示第一服务集合的设备；第一电子设备显示第一服务集合对应的第一推荐卡片，具体包括：当展示第一服务集合的设备为第一电子设备时，第一电子设备显示第一服务集合对应的第一推荐卡片。这样，第一电子设备可以结合用户当前对各个设备的关注度，将服务推荐在用户关注的设备上。
可选的，方法还包括：当展示第一服务集合的设备为第二电子设备时，第一电子设备将第一服务集合中服务功能的标识发送中第二电子设备，第一服务集合中服务功能的标识用于第二电子设备显示第一推荐卡片。
可选的，在第一电子设备基于第一关注度和第二关注度确定出展示第一服务集合的设备之前，方法还包括：第一电子设备获取到第一服务集合中服务功能与第一电子设备的匹配度、第一服务集合中服务功能与第二电子设备的匹配度、第一服务集合中服务功能的优先级、第一电子设备上可显示的服务功能容量、第二电子设备上可显示的服务功能容量；第一电子设备基于第一关注度和第二关注度确定出展示第一服务集合的设备，具体包括：第一电子设备基于第一关注度、第二关注度、第一服务集合中服务功能与第一电子设备的匹配度、第一服务集合中服务功能与第二电子设备的匹配度、第一服务集合中服务功能的优先级、第一电子设备上可显示的服务功能容量、第二电子设备上可显示的服务功能容量确定出展示第一服务集合的设备。
具体的，对于第一电子设备在多设备上做服务推荐的，可以参考图32-图34介绍的实施例，本申请实施例在此不再赘述。
本申请的各实施方式可以任意进行组合，以实现不同的技术效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
总之，以上仅为本发明技术方案的实施例而已，并非用于限定本发明的保护范围。凡根据本发明的揭露，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 (30)

  1. 一种服务推荐方法，其特征在于，所述方法包括：
    第一电子设备基于第一用户的个人数据生成第一服务集合，所述第一服务集合包括多个服务功能，所述第一用户的个人数据包括所述第一用户的历史使用数据；
    在检测到满足所述第一服务集合的触发条件时，所述第一电子设备执行所述第一服务集合对应的多个功能操作。
  2. 根据权利要求1所述的方法，其特征在于，在所述第一电子设备基于第一用户的个人数据生成第一服务集合之后，在所述第一电子设备执行所述第一服务集合对应的多个功能操作之前，所述方法还包括：
    在满足第一条件时，所述第一电子设备显示所述第一服务集合对应的第一推荐卡片；
    所述在检测到满足所述第一服务集合的触发条件时，所述第一电子设备执行所述第一服务集合对应的多个功能操作，具体包括：
    在检测到针对所述第一推荐卡片的触发操作时，所述第一电子设备执行所述第一服务集合对应的多个功能操作。
  3. 根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
    所述第一电子设备基于所述第一用户的个人数据生成第二服务集合，所述第二服务集合包括多个服务功能，所述第二服务集合对应的多个功能操作和所述第一服务集合对应的多个功能操作不同；
    在检测到满足所述第二服务集合的触发条件时，所述第一电子设备执行所述第二服务集合对应的多个功能操作。
  4. 根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
    所述第一电子设备基于第二用户的个人数据生成第三服务集合，所述第三服务集合包括多个服务功能，所述第二用户的个人数据包括所述第二用户的历史使用数据；
    在检测到满足所述第三服务集合的触发条件时，所述第一电子设备执行所述第三服务集合对应的多个功能操作。
  5. 根据权利要求4所述的方法，其特征在于，若所述第一用户的个人数据与所述第二用户的个人数据不同，所述第三服务集合对应的多个功能操作与所述第一服务集合对应的多个功能操作不同。
  6. 根据权利要求1-5任一项所述的方法，其特征在于，所述第一电子设备执行所述第一服务集合对应的多个功能操作，具体包括：
    所述第一电子设备基于所述第一服务集合中多个服务的执行关系执行所述第一服务集合对应的多个功能操作。
  7. 根据权利要求1-6任一项所述的方法，其特征在于，所述第一服务集合中多个服务功能对应多个不同应用的服务功能，或者所述第一服务集合中多个服务功能对应多个不同设备的控制。
  8. 根据权利要求1-7任一项所述的方法，其特征在于，所述第一电子设备执行所述第一服务集合对应的多个功能操作，具体包括：
    所述第一电子设备控制第一电子设备以第一工作参数工作，其中，所述第一工作参数包括以下任意一项或多项：所述第一电子设备的***的设置状态、所述第一电子设备上安装的应用的设置状态、所述第一电子设备上安装的应用开启/关闭；
    和/或，
    所述第一电子设备控制第三电子设备以第二工作参数工作，其中，所述第二工作参数包括以下任意一项或多项：所述第三电子设备开启/关闭、所述第三电子设备的设置状态。
  9. 根据权利要求1-8任一项所述的方法，其特征在于，在所述第一电子设备基于第一用户的个人数据生成第一服务集合之前，所述方法还包括：
    在满足第一条件时，所述第一电子设备获取到多个候选服务功能；
    所述第一电子设备基于第一用户的个人数据生成第一服务集合，具体包括：
    所述第一电子设备基于第一用户的个人数据基于所述多个候选服务功能生成所述第一服务集合。
  10. 根据权利要求9所述的方法，其特征在于，在所述第一电子设备获取到多个候选服务功能之前，所述方法还包括：
    所述第一电子设备获取到候选服务集合，所述候选服务集合中的服务功能包括以下任意一项或多项：服务器发送的服务功能、其他电子设备发送的服务功能、所述第一电子设备中预置的服务功能；
    所述第一电子设备获取到多个候选服务功能，具体包括：
    所述第一电子设备基于所述第一用户的个人数据从所述候选服务集合中获取到所述多个候选服务功能。
  11. 根据权利要求10所述的方法，其特征在于，所述第一电子设备基于所述第一用户的个人数据从所述候选服务集合中获取到所述多个候选服务功能，具体包括：
    所述第一电子设备基于所述第一用户的个人数据得到所述第一用户使用所述候选服务集合中每一个服务功能的概率；
    所述第一电子设备筛选出使用概率大于预设值的多个服务功能，得到所述候选服务功能。
  12. 根据权利要求9-11任一项所述的方法，其特征在于，所述第一条件包括以下任意一种或多种：当前时间满足第一时间、所述第一电子设备所在的地点满足预设地点、与所述第一用户关联的电子设备的设备状态满足预设状态，其中，设备状态包括电子设备当前电量、电子设备是否连接WiFi、电子设备是否连接蓝牙、电子设备是否亮屏、电子设备是否输出音频、电子设备是否开启/关闭。
  13. 根据权利要求1所述的方法，其特征在于，在所述第一电子设备基于第一用户的个人数据生成第一服务集合之前，所述方法还包括：
    所述第一电子设备获取第一场景中的多个服务集合；
    所述第一电子设备基于第一用户的个人数据生成第一服务集合，具体包括；
    所述第一电子设备基于所述第一用户的个人数据从所述多个服务集合中确定出所述第一服务集合。
  14. 根据权利要求13所述的方法，其特征在于,所述多个服务集合为与所述第一用户在所述第一场景中使用的服务功能的相似度大于预设值的服务集合；所述第一电子设备基于第一用户的个人数据从所述多个服务集合中确定出所述第一服务集合，具体包括：
    所述第一电子设备确定出所述第一用户在所述第一场景下关注的设备类型；
    所述第一电子设备基于所述第一用户关注的设备类型和所述第一用户的个人数据从所述多个服务集合中确定出与所述第一用户关注的设备类型相似的所述第一服务集合。
  15. 根据权利要求14所述的方法，其特征在于，所述第一电子设备确定出所述第一用户在所述第一场景下关注的设备类型，具体包括：
    所述第一电子设备基于与所述第一用户关联的设备的工作状态、与所述第一用户关联的设备检测到的所述第一用户的状态确定出所述第一用户关注的设备类型。
  16. 根据权利要求15所述的方法，其特征在于，所述第一电子设备基于与所述第一用户关联的设备的工作状态、与所述第一用户关联的设备检测到的所述第一用户的状态确定出所述第一用户关注的设备类型，具体包括：
    所述第一电子设备基于与所述第一用户关联的设备的工作状态、与所述第一用户关联的设备检测到的所述第一用户的状态确定出所述第一用户对多个设备的关注度；
    所述第一电子设备将所述第一用户对多个设备的关注度前M个设备作为所述第一用户关注的设备类型。
  17. 根据权利要求2所述的方法，其特征在于，所述方法还包括：
    第一电子设备获取用户历史使用所述第一服务集合的第一时间和所述第一电子设备历史显示所述第一推荐卡片的第二时间；
    在所述第一电子设备确定出所述第一时间早于所述第二时间，或者所述第一时间晚于所述第二时间且所述述第一时间与所述第二时间的差值大于预设值的情况下，所述第一电子设备对所述第一服务集合的预设触发条件进行调整；
    在所述第一电子设备对所述第一服务集合的预设触发条件进行调整后，所述第一电子设备在第三时间展示所述第一推荐卡片，其中，所述第三时间在所述第一时间之前，且所述第三时间和所述第一时间的差小于所述预设值。
  18. 根据权利要求17所述的方法，其特征在于，所述第一时间为第一时间段内用户使用所述第一服务集合的时间的平均值；
    所述第二时间为所述第一时间段内所述第一电子设备展示所述第一服务集合的时间的平均值。
  19. 根据权利要求2所述的方法，其特征在于，所述方法包括：
    第一电子设备获取用户历史使用所述第一服务集合的第一时间和所述第一电子设备历史停止显示所述第一推荐卡片的第二时间；
    在所述第一电子设备确定出所述第一时间晚于所述第二时间，或者所述第一时间早于所述第二时间且所述述第一时间与所述第二时间的差值大于预设值的情况下，所述第一电子设备对所述第一服务集合的预设退出条件进行调整；
    在所述第一电子设备对所述第一服务集合的预设退出条件进行调整后，所述第一电子设备在第三时间停止展示所述第一推荐卡片，其中，所述第三时间在所述第一时间之后，且所述第三时间和所述第一时间的差小于所述预设值。
  20. 根据权利要求19所述的方法，其特征在于，所述第一时间为第一时间段内用户使用所述第一服务集合的时间的平均值；
    所述第二时间为所述第一时间段内所述第一电子设备停止展示所述第一服务集合的时间的平均值。
  21. 根据权利要求2所述的方法，其特征在于，所述方法包括：
    在所述第一电子设备显示所述第一推荐卡片，且所述第一电子设备确定出所述第一推荐卡片上的显示元素不同于预设显示元素之后，所述第一电子设备基于所述第一用户的个人数据生成第四服务集合，所述第四服务集合中不包括所述第一服务集合中的第一服务功能；
    所述第一电子设备显示所述第四服务集合对应的第二推荐卡片，所述第二推荐卡片上的显示元素与预设显示元素相同。
  22. 根据权利要求21所述的方法，其特征在于，在所述第一电子设备确定出所述第一推荐卡片上的显示元素不同于预设显示元素之后，所述方法还包括：
    所述第一电子设备将所述第一服务集合中第一服务功能的标识发送至服务器，所述第一服务功能的标识用于所述服务器将所述第一服务功能的信誉度降低；
    所述第一电子设备接收所述服务器在降低所述第一服务功能的信誉度后发送的信誉度信息，所述信誉度信息用于指示多个不同服务功能的信誉度。
  23. 根据权利要求22所述的方法，其特征在于，所述第一电子设备基于所述第一用户的个人数据生成第四服务集合，具体包括：
    所述第一电子设备基于所述服务器发送的信誉度信息从多个不同服务功能中基于所述第一用户的个人数据生成所述第四服务集合，所述第四服务集合中第二服务功能的信誉度高于所述第一服务集合中所述第一服务功能的信誉度。
  24. 根据权利要求21-23任一项所述的方法，其特征在于，在所述第一电子设备显示所述第一推荐卡片之前，所述方法还包括：
    所述第一电子设备获取到所述第一服务集合中第一服务功能生成的校验结果，所述校验结果用于表示所述第一服务功能是否获取到了预设权限信息和预设数据信息；
    所述第一电子设备显示第一推荐卡片，具体包括：
    在所述校验结果为所述第一服务功能获取到了所述预设权限信息和所述预设数据信息的情况下，所述第一电子设备显示所述第一推荐卡片。
  25. 根据权利要求2所述的方法，其特征在于，在所述第一电子设备显示所述第一服务集合对应的第一推荐卡片之前，所述还包括：
    所述第一电子设备与第二电子设备建立通信连接；
    所述第一电子设备获取到第一用户针对所述第一电子设备的第一关注度、所述第一用户针对所述第二电子设备的第二关注度；
    所述第一电子设备基于所述第一关注度和所述第二关注度确定出展示所述第一服务集合的设备；
    所述第一电子设备显示所述第一服务集合对应的第一推荐卡片，具体包括：
    当展示所述第一服务集合的设备为所述第一电子设备时，所述第一电子设备显示所述第一服务集合对应的第一推荐卡片。
  26. 根据权利要求25所述的方法，其特征在于，所述方法还包括：
    当展示所述第一服务集合的设备为所述第二电子设备时，所述第一电子设备将所述第一服务集合中服务功能的标识发送中所述第二电子设备，所述第一服务集合中服务功能的标识用于所述第二电子设备显示所述第一推荐卡片。
  27. 根据权利要求25或26所述的方法，其特征在于，在所述第一电子设备基于所述第一关注度和所述第二关注度确定出展示所述第一服务集合的设备之前，所述方法还包括：
    所述第一电子设备获取到所述第一服务集合中服务功能与所述第一电子设备的匹配度、所述第一服务集合中服务功能与所述第二电子设备的匹配度、所述第一服务集合中服务功能的优先级、所述第一电子设备上可显示的服务功能容量、所述第二电子设备上可显示的服务功能容量；
    所述第一电子设备基于所述第一关注度和所述第二关注度确定出展示所述第一服务集合的设备，具体包括：
    所述第一电子设备基于所述第一关注度、所述第二关注度、所述第一服务集合中服务功能与所述第一电子设备的匹配度、所述第一服务集合中服务功能与所述第二电子设备的匹配度、所述第一服务集合中服务功能的优先级、所述第一电子设备上可显示的服务功能容量、所述第二电子设备上可显示的服务功能容量确定出展示所述第一服务集合的设备。
  28. 一种电子设备，为第一电子设备，其特征在于，所述第一电子设备包括：一个或多个处理器、一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述一个或多个处理器调用所述计算机指令以使得所述第一电子设备执行上述权利要求1-27中任一项所述的方法。
  29. 一种计算机可读存储介质，用于存储计算机指令，当所述计算机指令在第一电子设备上运行时，使得所述第一电子设备执行上述权利要求1-27中任一项所述的方法。
  30. 一种计算机程序产品，其特征在于，当所述计算机程序产品在第一电子设备上运行时，使得所述第一电子设备执行上述权利要求1-27中任一项所述的方法。
PCT/CN2022/142915 2021-12-30 2022-12-28 一种服务推荐方法及相关装置 WO2023125692A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111670318.7 2021-12-30
CN202111670318.7A CN116415061A (zh) 2021-12-30 2021-12-30 一种服务推荐方法及相关装置

Publications (1)

Publication Number Publication Date
WO2023125692A1 true WO2023125692A1 (zh) 2023-07-06

Family

ID=86997993

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/142915 WO2023125692A1 (zh) 2021-12-30 2022-12-28 一种服务推荐方法及相关装置

Country Status (2)

Country Link
CN (1) CN116415061A (zh)
WO (1) WO2023125692A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117112116A (zh) * 2023-10-16 2023-11-24 成都市蓉通数智信息技术有限公司 基于数字政务的用户管理***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414296A (zh) * 2007-10-15 2009-04-22 日电（中国）有限公司 自适应服务推荐设备及方法、自适应服务推荐***及方法
WO2016048034A1 (ko) * 2014-09-23 2016-03-31 삼성전자 주식회사 전자 장치 및 전자 장치의 정보 처리 방법
CN109829107A (zh) * 2019-01-23 2019-05-31 华为技术有限公司 一种基于用户运动状态的推荐方法及电子设备
CN111149124A (zh) * 2018-04-17 2020-05-12 华为技术有限公司 服务推荐方法及相关装置
CN111182145A (zh) * 2019-12-27 2020-05-19 华为技术有限公司 显示方法及相关产品
CN111466125A (zh) * 2018-08-03 2020-07-28 华为技术有限公司 服务推送方法及终端
CN111831903A (zh) * 2020-06-15 2020-10-27 北京嘀嘀无限科技发展有限公司 服务站点推荐方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414296A (zh) * 2007-10-15 2009-04-22 日电（中国）有限公司 自适应服务推荐设备及方法、自适应服务推荐***及方法
WO2016048034A1 (ko) * 2014-09-23 2016-03-31 삼성전자 주식회사 전자 장치 및 전자 장치의 정보 처리 방법
CN111149124A (zh) * 2018-04-17 2020-05-12 华为技术有限公司 服务推荐方法及相关装置
CN111466125A (zh) * 2018-08-03 2020-07-28 华为技术有限公司 服务推送方法及终端
CN109829107A (zh) * 2019-01-23 2019-05-31 华为技术有限公司 一种基于用户运动状态的推荐方法及电子设备
CN111182145A (zh) * 2019-12-27 2020-05-19 华为技术有限公司 显示方法及相关产品
CN111831903A (zh) * 2020-06-15 2020-10-27 北京嘀嘀无限科技发展有限公司 服务站点推荐方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117112116A (zh) * 2023-10-16 2023-11-24 成都市蓉通数智信息技术有限公司 基于数字政务的用户管理***
CN117112116B (zh) * 2023-10-16 2024-02-02 成都市蓉通数智信息技术有限公司 基于数字政务的用户管理***

Also Published As

Publication number Publication date
CN116415061A (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
WO2021018154A1 (zh) 信息表示方法及装置
US8886576B1 (en) Automatic label suggestions for albums based on machine learning
US8429103B1 (en) Native machine learning service for user adaptation on a mobile platform
US8510238B1 (en) Method to predict session duration on mobile devices using native machine learning
CN110727638B (zh) 电子***中的数据***和数据调度方法以及机器可读介质
KR102446811B1 (ko) 복수의 디바이스들로부터 수집된 데이터 통합 및 제공 방법 및 이를 구현한 전자 장치
US20190057298A1 (en) Mapping actions and objects to tasks
US20130346347A1 (en) Method to Predict a Communicative Action that is Most Likely to be Executed Given a Context
US8560515B2 (en) Automatic generation of markers based on social interaction
CN106537946A (zh) 对用于移动设备唤醒的信标消息进行评分
EP3627806A1 (en) Method for generating user portrait, and terminal
CN107924506A (zh) 推断通信的用户可用性和基于用户可用性或上下文改变通知设置
US20150095158A1 (en) Security for mobile system
CN106453055A (zh) 一种通过用户行为进行信息推送的方法、装置和终端
US10464570B2 (en) Electronic device and method using machine learning for identifying characteristics of users located within a specific space
CN106416317A (zh) 用于提供位置信息的方法和装置
CN113722581B (zh) 一种信息推送方法和电子设备
CN110147467A (zh) 一种文本描述的生成方法、装置、移动终端及存储介质
CN116126509A (zh) 基于多设备提供服务的方法、相关装置及***
WO2023125692A1 (zh) 一种服务推荐方法及相关装置
CN106228511A (zh) 电子装置以及用于在电子装置中产生图像文件的方法
CN113312543A (zh) 基于联合学习的个性化模型训练方法、电子设备和介质
CN113495487A (zh) 一种调节目标设备运行参数的终端和方法
WO2024032707A1 (zh) 服务推荐方法及电子设备
WO2023179490A1 (zh) 应用推荐方法和电子设备

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: 22914943

Country of ref document: EP

Kind code of ref document: A1