一种语音控制饮水器的冲泡信息获取方法及系统与流程

本发明涉及信息获取技术领域，特别涉及一种语音控制饮水器的冲泡信息获取方法及系统。

背景技术：

目前，语音控制饮水机基于语音识别技术确定用户发出的语音指令中包含的饮品品类(例如：绿茶、红茶和咖啡等)时，只是将水温调节至相应适宜温度，缺少对用户进行相应冲泡技巧上的指导，用户体验感较差。

技术实现要素：

本发明目的之一在于提供了一种语音控制饮水器的冲泡信息获取方法及系统，可以播报包含冲泡技巧信息的冲泡信息，确定用户想要冲泡的饮品品类后，对用户进行相应冲泡技巧上的指导，极大程度上提升了用户体验。

本发明实施例提供的一种语音控制饮水器的冲泡信息获取方法，包括：

接收用户输入的语音指令；

对语音指令进行解析，确定用户想要冲泡的饮品品类；

查询预设的本地数据库中是否存在与饮品品类对应的第一冲泡信息；

若是，从本地数据库中获取第一冲泡信息，控制饮水机播报第一冲泡信息；

若否，从预设的云端获取与饮品品类对应的第二冲泡信息，控制饮水机播报第二冲泡信息。

优选的，从预设的云端获取与饮品品类对应的第二冲泡信息，包括：

获取云端的第一验证信息，第一验证信息包括：多个历史风险项以及与历史风险项一一对应的风险等级值和处理能力值；

获取云端的第二验证信息，第二验证信息包括：当前与云端连接的多个用户级设备的第一信任度和业务级设备的第二信任度；

基于第一验证信息和第二验证信息对云端进行综合验证；

当综合验证通过时，从云端获取第二冲泡信息。

优选的，基于第一验证信息和第二验证信息对云端进行综合验证，包括：

基于风险等级值和处理能力值计算第一验证指数；

基于第一信任度和第二信任度计算第二验证指数；

当第一验证指数大于等于预设的第一验证指数阈值且第二验证指数大于等于预设的第二验证指数阈值时，云端的综合验证通过，否则未通过；

其中，基于风险等级值和处理能力值计算第一验证指数的计算公式如下：

其中，μ1为第一验证指数，e为自然常数，γi为第一验证信息中第i个历史风险项对应的处理能力值，εi,min为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的下限值，εi,max为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的上限值，n为第一验证信息中历史风险项的总个数，σi为中间变量；

基于第一信任度和第二信任度计算第二验证指数的计算公式如下：

其中，μ2为第二验证指数，θ1和θ2为预设的权重值，θ1＞θ2，d1,t为第二验证信息中第t个用户级设备的第一信任度，d1,0为预设的第一信任度阈值，r1为第二验证信息中用户级设备的总个数，d2,t为第二验证信息中第t个业务级设备的第二信任度，d2,0为预设的第二信任度阈值，r2为第二验证信息中业务级设备的总个数。

优选的，用户级设备的第一信任度的确定步骤如下：

选取任一用户级设备作为第一目标设备；

基于预设的第一关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第一关联设备；

基于预设的第二关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第二关联设备；

分别获取第一目标设备的第一历史行为信息，第一关联识别的第二历史行为信息和第二关联设备的第三历史行为信息；

整合第一历史行为信息、各第二历史行为信息和第三历史行为信息，获得第一行为大数据；

获取预设的第一信任度评价模型，将第一行为大数据输入至第一信任度评价模型，获得多个第一评价值，基于第一评价值计算第一信任度；

业务级设备的第二信任度的确定步骤如下：

选取任一业务级设备作为第二目标设备；

基于预设的第三关联规则确定除第二目标设备外的业务级设备中与第二目标设备相关联的至少一个第三关联设备；

分别获取第一目标设备的第四历史行为信息和第三关联识别的第五历史行为信息；

整合第四历史行为信息和各第五历史行为信息，获得第二行为大数据；

获取预设的第二信任度评价模型，将第二行为大数据输入至第二信任度评价模型，获得多个第二评价值，基于第二评价值计算第二信任度。

优选的，基于第一评价值计算第一信任度的计算公式如下：

其中，d1,t为第二验证信息中第t个用户级设备的第一信任度，τ1为预设的第一误差系数，d1,full为预设的第一信任度满分阈值，βt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值中小于等于预设第一评价值阈值的第一评价值的总个数，mt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值的总个数；

基于第二评价值计算第二信任度的计算公式如下：

其中，d2,t为第二验证信息中第t个业务级设备的第二信任度，τ2为预设的第二误差系数，d2,full为预设的第二信任度满分阈值，βt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值中小于等于预设第二评价值阈值的第二评价值的总个数，mt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值的总个数。

本发明实施例提供的一种语音控制饮水器的冲泡信息获取系统，包括：

接收模块，用于接收用户输入的语音指令；

解析模块，用于对语音指令进行解析，确定用户想要冲泡的饮品品类；

查询模块，用于查询预设的本地数据库中是否存在与饮品品类对应的第一冲泡信息；

第一获取模块，用于若是，从本地数据库中获取第一冲泡信息，控制饮水机播报第一冲泡信息；

第二获取模块，用于若否，从预设的云端获取与饮品品类对应的第二冲泡信息，控制饮水机播报第二冲泡信息。

优选的，第二获取模块执行如下操作：

获取云端的第一验证信息，第一验证信息包括：多个历史风险项以及与历史风险项一一对应的风险等级值和处理能力值；

获取云端的第二验证信息，第二验证信息包括：当前与云端连接的多个用户级设备的第一信任度和业务级设备的第二信任度；

基于第一验证信息和第二验证信息对云端进行综合验证；

当综合验证通过时，从云端获取第二冲泡信息。

优选的，第二获取模块基于第一验证信息和第二验证信息对云端进行综合验证，具体执行如下操作：

基于风险等级值和处理能力值计算第一验证指数；

基于第一信任度和第二信任度计算第二验证指数；

当第一验证指数大于等于预设的第一验证指数阈值且第二验证指数大于等于预设的第二验证指数阈值时，云端的综合验证通过，否则未通过；

其中，基于风险等级值和处理能力值计算第一验证指数的计算公式如下：

其中，μ1为第一验证指数，e为自然常数，γi为第一验证信息中第i个历史风险项对应的处理能力值，εi,min为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的下限值，εi,max为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的上限值，n为第一验证信息中历史风险项的总个数，σi为中间变量；

基于第一信任度和第二信任度计算第二验证指数的计算公式如下：

其中，μ2为第二验证指数，θ1和θ2为预设的权重值，θ1＞θ2d1,t为第二验证信息中第t个用户级设备的第一信任度，d1,0为预设的第一信任度阈值，r1为第二验证信息中用户级设备的总个数，d2,t为第二验证信息中第t个业务级设备的第二信任度，d2,0为预设的第二信任度阈值，r2为第二验证信息中业务级设备的总个数。

优选的，第二获取模块确定第一信任度的步骤如下：

选取任一用户级设备作为第一目标设备；

基于预设的第一关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第一关联设备；

基于预设的第二关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第二关联设备；

分别获取第一目标设备的第一历史行为信息，第一关联识别的第二历史行为信息和第二关联设备的第三历史行为信息；

整合第一历史行为信息、各第二历史行为信息和第三历史行为信息，获得第一行为大数据；

获取预设的第一信任度评价模型，将第一行为大数据输入至第一信任度评价模型，获得多个第一评价值，基于第一评价值计算第一信任度；

第二获取模块确定第二信任度的步骤如下：

选取任一业务级设备作为第二目标设备；

基于预设的第三关联规则确定除第二目标设备外的业务级设备中与第二目标设备相关联的至少一个第三关联设备；

分别获取第一目标设备的第四历史行为信息和第三关联识别的第五历史行为信息；

整合第四历史行为信息和各第五历史行为信息，获得第二行为大数据；

获取预设的第二信任度评价模型，将第二行为大数据输入至第二信任度评价模型，获得多个第二评价值，基于第二评价值计算第二信任度。

优选的，第二获取模块基于第一评价值计算第一信任度的计算公式如下：

其中，d1,t为第二验证信息中第t个用户级设备的第一信任度，τ1为预设的第一误差系数，d1,full为预设的第一信任度满分阈值，βt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值中小于等于预设第一评价值阈值的第一评价值的总个数，mt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值的总个数；

第二获取模块基于第二评价值计算第二信任度的计算公式如下：

其中，d2,t为第二验证信息中第t个业务级设备的第二信任度，τ2为预设的第二误差系数，d2,full为预设的第二信任度满分阈值，βt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值中小于等于预设第二评价值阈值的第二评价值的总个数，mt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值的总个数。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种语音控制饮水器的冲泡信息获取方法的流程图；

图2为本发明实施例中一种语音控制饮水器的冲泡信息获取系统的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取方法，如图1所示，包括：

s1、接收用户输入的语音指令；

s2、对语音指令进行解析，确定用户想要冲泡的饮品品类；

s3、查询预设的本地数据库中是否存在与饮品品类对应的第一冲泡信息；

s4、若是，从本地数据库中获取第一冲泡信息，控制饮水机播报第一冲泡信息；

s5、若否，从预设的云端获取与饮品品类对应的第二冲泡信息，控制饮水机播报第二冲泡信息。

上述技术方案的工作原理及有益效果为：

冲泡信息具体为：冲泡某饮品品类的技巧信息(例如：适宜水温、投茶量比例和冲泡时间等)；接收用户输入的语音指令(例如：“过五分钟我想冲泡一杯绿茶。”)；基于语音识别技术对该语音指令进行解析，确定用户想要冲泡的饮品品类(例如：绿茶品类)，采用两种获取方式协同获取该饮品品类对应的冲泡信息(例如：绿茶对应的冲泡信息为，绿茶适宜水温为85℃，投茶量比例在1:50,150毫升的杯子大约放3克茶叶即可，注水后待茶叶舒展开来即可引用，冲泡时不能加盖闷着)，饮水机将水温调节至饮品品类对应的温度时，播报相应冲泡信息，对用户进行冲泡技巧上的指导；预设的本地数据库具体为：该数据库中存储有大量饮品品类对应的冲泡信息；预设的云端具体为：云端服务器，用于存储来自互联网中的大量饮品品类对应的冲泡信息。

本发明实施例的饮水机可以播报包含冲泡技巧信息的冲泡信息，确定用户想要冲泡的饮品品类后，对用户进行相应冲泡技巧上的指导，极大程度上提升了用户体验。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取方法，从预设的云端获取与饮品品类对应的第二冲泡信息，包括：

获取云端的第一验证信息，第一验证信息包括：多个历史风险项以及与历史风险项一一对应的风险等级值和处理能力值；

获取云端的第二验证信息，第二验证信息包括：当前与云端连接的多个用户级设备的第一信任度和业务级设备的第二信任度；

基于第一验证信息和第二验证信息对云端进行综合验证；

当综合验证通过时，从云端获取第二冲泡信息。

上述技术方案的工作原理及有益效果为：

云端在经历风险项(例如：有设备恶意访问并输入不正当信息等)时，系统会对该风险项进行相应处理(例如：断开且拉黑恶意访问设备，删除不正当信息等)，同时，系统会根据该风险项的严重程度给出风险等级值，风险等级值越大，该风险项的严重程度越高，还会根据系统对该风险项的处理过程(例如：处理时长等)进行评价，给出处理能力值，处理能力值越大，说明系统对该风险项的处理能力越高(例如：处理用时很短等)；用户级设备即为多个获取第二冲泡信息的用户设备，业务级设备即为后台工作人员使用的设备，便于工作人员在互联网中检索冲泡信息后输入至云端，各用户级设备和业务级设备均有相应的信任度；基于第一验证信息和第二验证信息对云端进行综合验证，验证通过后，再从云端获取第二冲泡信息。

本发明实施例基于基于第一验证信息和第二验证信息对云端进行综合验证，提升了从云端获取第二冲泡信息的安全性，极大程度上避免因为遭受恶意入侵造成饮水机误报不正当信息的风险，提升了系统工作的稳定性。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取方法，基于第一验证信息和第二验证信息对云端进行综合验证，包括：

基于风险等级值和处理能力值计算第一验证指数；

基于第一信任度和第二信任度计算第二验证指数；

当第一验证指数大于等于预设的第一验证指数阈值且第二验证指数大于等于预设的第二验证指数阈值时，云端的综合验证通过，否则未通过；

其中，基于风险等级值和处理能力值计算第一验证指数的计算公式如下：

其中，μ1为第一验证指数，e为自然常数，γi为第一验证信息中第i个历史风险项对应的处理能力值，εi,min为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的下限值，εi,max为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的上限值，n为第一验证信息中历史风险项的总个数，σi为中间变量；

基于第一信任度和第二信任度计算第二验证指数的计算公式如下：

其中，μ2为第二验证指数，θ1和θ2为预设的权重值，θ1＞θ2d1,t为第二验证信息中第t个用户级设备的第一信任度，d1,0为预设的第一信任度阈值，r1为第二验证信息中用户级设备的总个数，d2,t为第二验证信息中第t个业务级设备的第二信任度，d2,0为预设的第二信任度阈值，r2为第二验证信息中业务级设备的总个数。

上述技术方案的工作原理及有益效果为：

预设理应处理能力值区间具体为：每一个风险等级值均设置有对应的理应处理能力值区间(例如：风险等级值为3，对应的理应处理能力值区间为[44,60])，该理应处理能力值区间代表了该种风险等级下应具备的处理能力即当处理能力值落在该理应处理能力值区间内才达标；基于风险等级值和处理能力值计算第一验证指数，第一验证指数越大，说明系统历史上应对风险项的处理能力越合格；基于第一信任度和第二信任度计算第二验证指数，第二验证指数越大，说明各连接设备越合格；当第一验证指数大于等于预设的第一验证指数阈值(例如：98)且第二验证指数大于等于预设的第二验证指数阈值(例如：98.5)时，云端的综合验证才通过，才能获取第二冲泡信息；预设的第一信任度阈值具体为：例如，85；预设的第二信任度阈值具体为：例如，86。

本发明实施例通过上述公式计算第一验证指数和第二验证指数，基于第一验证指数和第二验证指数快速评判云端的综合验证是否通过，极大程度上提升了系统的工作效率。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取方法，用户级设备的第一信任度的确定步骤如下：

选取任一用户级设备作为第一目标设备；

基于预设的第一关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第一关联设备；

基于预设的第二关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第二关联设备；

分别获取第一目标设备的第一历史行为信息，第一关联识别的第二历史行为信息和第二关联设备的第三历史行为信息；

整合第一历史行为信息、各第二历史行为信息和第三历史行为信息，获得第一行为大数据；

获取预设的第一信任度评价模型，将第一行为大数据输入至第一信任度评价模型，获得多个第一评价值，基于第一评价值计算第一信任度；

业务级设备的第二信任度的确定步骤如下：

选取任一业务级设备作为第二目标设备；

基于预设的第三关联规则确定除第二目标设备外的业务级设备中与第二目标设备相关联的至少一个第三关联设备；

分别获取第一目标设备的第四历史行为信息和第三关联识别的第五历史行为信息；

整合第四历史行为信息和各第五历史行为信息，获得第二行为大数据；

获取预设的第二信任度评价模型，将第二行为大数据输入至第二信任度评价模型，获得多个第二评价值，基于第二评价值计算第二信任度。

上述技术方案的工作原理及有益效果为：

预设的第一关联规则具体为：与某用户级设备具有绑定关系的用户级设备(例如：同一公司进购一批饮水机，该批次下的饮水机之间就具有绑定关系，其中一个饮水机在连接云端时，有不正当行为，其余饮水机也受到影响)；预设的第二关联规则具体为：与某用户级饮水机具有担保关系的用户级设备(例如：用户使用自己账号使用某饮水机，用户的亲属使用自己的账号使用某饮水机，这两台饮水机之间就具有担保关系，其中一个饮水机在连接云端时，有不正当行为，另一个饮水机也受到影响)；预设的第三关联规则具体为：与某业务级设备具有业务关系的业务级设备(例如：某部门下的多个领导和职工使用账号登录云端时，各登录设备之间具有业务关系，其中一个设备在连接云端时，有不正当行为，其余设备也受到影响)；预设的第一信任度评价模型具体为：利用机器学习算法对大量用户行为信息和人工赋予评价值记录进行学习后生成的模型，该模型可以对用户的行为信息进行评价，输出第一评价值，第一评价值越大，说明行为信息越正常；预设的第二信任度评价模型具体为：利用机器学习算法对大量后台工作人员的行为信息和人工赋予评价值记录进行学习后生成的模型，该模型可以对后台工作人员的行为信息进行评价，输出第二评价值，第二评价值越大，说明行为信息越正常。

本发明实施例首先使用多个关联规则确定与各设备对应的关联设备，在确定信任度时，综合评判设备与关联设备的全部行为信息，设置合理且提升了全面性，同时，使用相应评价模型对行为数据进行评价，十分智能化。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取方法，基于第一评价值计算第一信任度的计算公式如下：

其中，d1,t为第二验证信息中第t个用户级设备的第一信任度，τ1为预设的第一误差系数，d1,full为预设的第一信任度满分阈值，βt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值中小于等于预设第一评价值阈值的第一评价值的总个数，mt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值的总个数；

基于第二评价值计算第二信任度的计算公式如下：

其中，d2,t为第二验证信息中第t个业务级设备的第二信任度，τ2为预设的第二误差系数，d2,full为预设的第二信任度满分阈值，βt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值中小于等于预设第二评价值阈值的第二评价值的总个数，mt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值的总个数。

上述技术方案的工作原理及有益效果为：

预设的第一信任度满分阈值具体为：例如，100；预设的第二信任度满分阈值具体为：例如，100预设的第一评价阈值具体为：例如，98；预设的第二评价阈值具体为：例如，99；为避免偶然性误差，第一信任度评价模型和第二信任度评价模型会多次评价相应行为大数据，给出多个评价值；基于第一评价值计算第一信任度，第一信任度越大，说明对应用户级设备越可信，连接至云端的安全性越高；基于第二评价值计算第二信任度，第二信任度越大，说明对应业务级设备越可信，连接至云端的安全性越高；为避免误差，设置一定的误差系数。

本发明实施例通过上述公式快速计算第一信任度和第二信任度，提升了系统确定第一信任度和第二信任度的工作效率。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取系统，如图2所示，包括：

接收模块1，用于接收用户输入的语音指令；

解析模块2，用于对语音指令进行解析，确定用户想要冲泡的饮品品类；

查询模块3，用于查询预设的本地数据库中是否存在与饮品品类对应的第一冲泡信息；

第一获取模块4，用于若是，从本地数据库中获取第一冲泡信息，控制饮水机播报第一冲泡信息；

第二获取模块5，用于若否，从预设的云端获取与饮品品类对应的第二冲泡信息，控制饮水机播报第二冲泡信息。

上述技术方案的工作原理及有益效果为：

冲泡信息具体为：冲泡某饮品品类的技巧信息(例如：适宜水温、投茶量比例和冲泡时间等)；接收用户输入的语音指令(例如：“过五分钟我想冲泡一杯绿茶。”)；基于语音识别技术对该语音指令进行解析，确定用户想要冲泡的饮品品类(例如：绿茶品类)，采用两种获取方式协同获取该饮品品类对应的冲泡信息(例如：绿茶对应的冲泡信息为，绿茶适宜水温为85℃，投茶量比例在1:50,150毫升的杯子大约放3克茶叶即可，注水后待茶叶舒展开来即可引用，冲泡时不能加盖闷着)，饮水机将水温调节至饮品品类对应的温度时，播报相应冲泡信息，对用户进行冲泡技巧上的指导；预设的本地数据库具体为：该数据库中存储有大量饮品品类对应的冲泡信息；预设的云端具体为：云端服务器，用于存储来自互联网中的大量饮品品类对应的冲泡信息。

本发明实施例的饮水机可以播报包含冲泡技巧信息的冲泡信息，确定用户想要冲泡的饮品品类后，对用户进行相应冲泡技巧上的指导，极大程度上提升了用户体验。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取系统，第二获取模块5执行如下操作：

获取云端的第一验证信息，第一验证信息包括：多个历史风险项以及与历史风险项一一对应的风险等级值和处理能力值；

获取云端的第二验证信息，第二验证信息包括：当前与云端连接的多个用户级设备的第一信任度和业务级设备的第二信任度；

基于第一验证信息和第二验证信息对云端进行综合验证；

当综合验证通过时，从云端获取第二冲泡信息。

上述技术方案的工作原理及有益效果为：

云端在经历风险项(例如：有设备恶意访问并输入不正当信息等)时，系统会对该风险项进行相应处理(例如：断开且拉黑恶意访问设备，删除不正当信息等)，同时，系统会根据该风险项的严重程度给出风险等级值，风险等级值越大，该风险项的严重程度越高，还会根据系统对该风险项的处理过程(例如：处理时长等)进行评价，给出处理能力值，处理能力值越大，说明系统对该风险项的处理能力越高(例如：处理用时很短等)；用户级设备即为多个获取第二冲泡信息的用户设备，业务级设备即为后台工作人员使用的设备，便于工作人员在互联网中检索冲泡信息后输入至云端，各用户级设备和业务级设备均有相应的信任度；基于第一验证信息和第二验证信息对云端进行综合验证，验证通过后，再从云端获取第二冲泡信息。

本发明实施例基于基于第一验证信息和第二验证信息对云端进行综合验证，提升了从云端获取第二冲泡信息的安全性，极大程度上避免因为遭受恶意入侵造成饮水机误报不正当信息的风险，提升了系统工作的稳定性。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取系统，第二获取模块5基于第一验证信息和第二验证信息对云端进行综合验证，具体执行如下操作：

基于风险等级值和处理能力值计算第一验证指数；

基于第一信任度和第二信任度计算第二验证指数；

当第一验证指数大于等于预设的第一验证指数阈值且第二验证指数大于等于预设的第二验证指数阈值时，云端的综合验证通过，否则未通过；

其中，基于风险等级值和处理能力值计算第一验证指数的计算公式如下：

其中，μ1为第一验证指数，e为自然常数，γi为第一验证信息中第i个历史风险项对应的处理能力值，εi,min为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的下限值，εi,max为第一验证信息中第i个历史风险项对应的风险等级值对应的预设理应处理能力值区间的上限值，n为第一验证信息中历史风险项的总个数，σi为中间变量；

基于第一信任度和第二信任度计算第二验证指数的计算公式如下：

其中，μ2为第二验证指数，θ1和θ2为预设的权重值，θ1＞θ2d1,t为第二验证信息中第t个用户级设备的第一信任度，d1,0为预设的第一信任度阈值，r1为第二验证信息中用户级设备的总个数，d2,t为第二验证信息中第t个业务级设备的第二信任度，d2,0为预设的第二信任度阈值，r2为第二验证信息中业务级设备的总个数。

上述技术方案的工作原理及有益效果为：

预设理应处理能力值区间具体为：每一个风险等级值均设置有对应的理应处理能力值区间(例如：风险等级值为3，对应的理应处理能力值区间为[44,60])，该理应处理能力值区间代表了该种风险等级下应具备的处理能力即当处理能力值落在该理应处理能力值区间内才达标；基于风险等级值和处理能力值计算第一验证指数，第一验证指数越大，说明系统历史上应对风险项的处理能力越合格；基于第一信任度和第二信任度计算第二验证指数，第二验证指数越大，说明各连接设备越合格；当第一验证指数大于等于预设的第一验证指数阈值(例如：98)且第二验证指数大于等于预设的第二验证指数阈值(例如：98.5)时，云端的综合验证才通过，才能获取第二冲泡信息；预设的第一信任度阈值具体为：例如，85；预设的第二信任度阈值具体为：例如，86。

本发明实施例通过上述公式计算第一验证指数和第二验证指数，基于第一验证指数和第二验证指数快速评判云端的综合验证是否通过，极大程度上提升了系统的工作效率。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取系统，第二获取模块5确定第一信任度的步骤如下：

选取任一用户级设备作为第一目标设备；

基于预设的第一关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第一关联设备；

基于预设的第二关联规则确定除第一目标设备外的用户级设备中与第一目标设备相关联的至少一个第二关联设备；

分别获取第一目标设备的第一历史行为信息，第一关联识别的第二历史行为信息和第二关联设备的第三历史行为信息；

整合第一历史行为信息、各第二历史行为信息和第三历史行为信息，获得第一行为大数据；

获取预设的第一信任度评价模型，将第一行为大数据输入至第一信任度评价模型，获得多个第一评价值，基于第一评价值计算第一信任度；

第二获取模块5确定第二信任度的步骤如下：

选取任一业务级设备作为第二目标设备；

基于预设的第三关联规则确定除第二目标设备外的业务级设备中与第二目标设备相关联的至少一个第三关联设备；

分别获取第一目标设备的第四历史行为信息和第三关联识别的第五历史行为信息；

整合第四历史行为信息和各第五历史行为信息，获得第二行为大数据；

获取预设的第二信任度评价模型，将第二行为大数据输入至第二信任度评价模型，获得多个第二评价值，基于第二评价值计算第二信任度。

上述技术方案的工作原理及有益效果为：

预设的第一关联规则具体为：与某用户级设备具有绑定关系的用户级设备(例如：同一公司进购一批饮水机，该批次下的饮水机之间就具有绑定关系，其中一个饮水机在连接云端时，有不正当行为，其余饮水机也受到影响)；预设的第二关联规则具体为：与某用户级饮水机具有担保关系的用户级设备(例如：用户使用自己账号使用某饮水机，用户的亲属使用自己的账号使用某饮水机，这两台饮水机之间就具有担保关系，其中一个饮水机在连接云端时，有不正当行为，另一个饮水机也受到影响)；预设的第三关联规则具体为：与某业务级设备具有业务关系的业务级设备(例如：某部门下的多个领导和职工使用账号登录云端时，各登录设备之间具有业务关系，其中一个设备在连接云端时，有不正当行为，其余设备也受到影响)；预设的第一信任度评价模型具体为：利用机器学习算法对大量用户行为信息和人工赋予评价值记录进行学习后生成的模型，该模型可以对用户的行为信息进行评价，输出第一评价值，第一评价值越大，说明行为信息越正常；预设的第二信任度评价模型具体为：利用机器学习算法对大量后台工作人员的行为信息和人工赋予评价值记录进行学习后生成的模型，该模型可以对后台工作人员的行为信息进行评价，输出第二评价值，第二评价值越大，说明行为信息越正常。

本发明实施例首先使用多个关联规则确定与各设备对应的关联设备，在确定信任度时，综合评判设备与关联设备的全部行为信息，设置合理且提升了全面性，同时，使用相应评价模型对行为数据进行评价，十分智能化。

本发明实施例提供了一种语音控制饮水器的冲泡信息获取系统，第二获取模块5基于第一评价值计算第一信任度的计算公式如下：

其中，d1,t为第二验证信息中第t个用户级设备的第一信任度，τ1为预设的第一误差系数，d1,full为预设的第一信任度满分阈值，βt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值中小于等于预设第一评价值阈值的第一评价值的总个数，mt,1为第二验证信息中第t个用户级设备对应的第一行为大数据输入至第一信任度评价模型后输出的第一评价值的总个数；

第二获取模块5基于第二评价值计算第二信任度的计算公式如下：

其中，d2,t为第二验证信息中第t个业务级设备的第二信任度，τ2为预设的第二误差系数，d2,full为预设的第二信任度满分阈值，βt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值中小于等于预设第二评价值阈值的第二评价值的总个数，mt,2为第二验证信息中第t个业务级设备对应的第二行为大数据输入至第二信任度评价模型后输出的第二评价值的总个数。

上述技术方案的工作原理及有益效果为：

预设的第一信任度满分阈值具体为：例如，100；预设的第二信任度满分阈值具体为：例如，100预设的第一评价阈值具体为：例如，98；预设的第二评价阈值具体为：例如，99；；为避免偶然性误差，第一信任度评价模型和第二信任度评价模型会多次评价相应行为大数据，给出多个评价值；基于第一评价值计算第一信任度，第一信任度越大，说明对应用户级设备越可信，连接至云端的安全性越高；基于第二评价值计算第二信任度，第二信任度越大，说明对应业务级设备越可信，连接至云端的安全性越高；为避免误差，设置一定的误差系数。

本发明实施例通过上述公式快速计算第一信任度和第二信任度，提升了系统确定第一信任度和第二信任度的工作效率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。