操作信息的确定方法和装置、存储介质及电子装置与流程

1.本技术涉及信息确定领域，具体而言，涉及一种操作信息的确定方法和装置、存储介质及电子装置。


背景技术：

2.目前，物联网技术不断地更新迭代，使得应用物联网技术的智能家居行业得到日新月异的发展，智能家居的产品和服务也给用户提供了更丰富、更优质、更有效的推荐服务。为了能够提供更精准的消息提醒服务，智能家居的厂商以及服务商，对于消息提醒应用进行不断探索与研究，以满足各种用户的精准化需求。
3.目前部分厂商，通过用户群体分析的方式，为用户提供常见的应用场景，设置对应的设备操作。如图1所示，现有空调操作技术方案中，当用户使用端设备进行用户信息注册时，分析用户的行为群体行为，为用户推荐消息，使得用户推送的消息操作空调设备。但是图1的技术方案，存在以下缺点：
4.1、对于获取的用户行为信息只做了简单的用户行为群体分析，对信息的利用不充分。
5.2、没有实现对于用户的行为群体的实时分析。
6.即，图1的技术方案为用户提供符合用户行为习惯的操作信息的准确性太低。
7.针对相关技术中，如何提高操作信息准确率的问题，尚未提出有效的解决方案。


技术实现要素：

8.本技术实施例提供了一种操作信息的确定方法和装置、存储介质及电子装置，以至少解决相关技术中，如何提高操作信息准确率的问题。
9.根据本技术实施例的一个实施例，提供了一种操作信息的确定方法，包括：对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息。
10.在一个示例性实施例中，对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板之前，所述方法还包括：确定第一终端设备的第一设备号，以及确定第二终端设备的第二设备号，其中，所述第一终端设备用于采集所述目标对象的身份信息，所述第二终端设备用于接收所述行为模板推送的第一操作信息；绑定所述第一设备号与所述第二设备号，得到所述身份信息与所述第一操作信息的对应关系；接收所述目标对象基
于所述第一操作信息发送的操作指令，根据所述操作指令和所述对应关系确定所述目标对象所对应的所述行为记录。
11.在一个示例性实施例中，对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板包括：对获取到的目标对象的行为信息进行聚类分析，确定所述行为信息对应的多个行为类型，其中，所述多个行为类型中的任一行为类型均对应有不同或相同数量的目标对象；确定所述多个行为类型中每一行为类型所对应的目标对象的第一数量和所述多个行为类型对应的所有目标对象的第二数量的比值，分别得到所述多个行为类型对应的多个比值；从所述多个比值中确定超过预设阈值的目标比值，并获取所述目标比值对应的行为类型的目标行为信息；根据所述目标行为信息生成所述行为模板。
12.在一个示例性实施例中，所述行为类型至少包括以下之一：行为时间；行为频率；行为地点；行为指令；所述行为信息至少包括以下之一：所述目标对象对家电设备的使用时间；所述目标对象对所述家电设备的使用频率；所述目标对象对所述家电设备的使用地点；所述目标对象对所述家电设备的使用指令。
13.在一个示例性实施例中，在根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则之前，包括：获取所述目标对象对所述目标行为模板对应的设备的操作指令；确定所述设备根据操作指令发送的反馈信息；根据所述操作指令和所述反馈信息确定所述目标对象在目标行为模板下的操作记录。
14.在一个示例性实施例中，根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则包括：对所述目标行为模板下的行为记录中的行为因素信息进行标准化处理，得到行为数据；基于关联规则算法，使用支持度和置信度确定所述行为数据的关联规则列表，其中，所述支持度用于指示所述行为数据的关联程度，所述置信度用于指示所述行为数据的关联概率；在确定所述支持度大于第一预设值的情况下，从所述关联规则列表中选择大于第二预设值的所述置信度的数据确定为所述目标对象的行为关联规则。
15.在一个示例性实施例中，根据所述行为关联规则更新所述第一操作信息，得到为所述目标对象推送的第二操作信息，包括：使用评价指标对所述行为关联规则进行指标计算，得到每个所述评价指标的评价结果；根据所述评价结果更新所述目标行为模板下的行为记录；通过更新后的行为记录更新所述第一操作信息，得到为所述目标对象推送的第二操作信息。
16.根据本技术实施例的另一个实施例，还提供了一种操作信息的确定装置，包括：分析模块，用于对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；确定模块，用于根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；更新模块，用于使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息。
17.根据本技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述操作
信息的确定方法。
18.根据本技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的操作信息的确定方法。
19.在本技术实施例中，通过目标对象的行为模板和所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，并使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息，采用上述技术方案，解决了如何提高操作信息准确率的问题，进而提高了操作信息的准确性。
附图说明
20.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
21.图1是现有技术的一种对空调设备的操作过程的示意图；
22.图2是本技术实施例的一种操作信息的确定方法的计算机终端的硬件结构框图；
23.图3是本技术实施例的一种操作信息的确定系统的示意图；
24.图4是根据本技术实施例的操作信息的确定方法的流程图；
25.图5是根据本技术实施例的操作信息的确定方法的交互示意图；
26.图6是根据本技术实施例的基于关联规则算法的操作信息的确定方法的流程图；
27.图7是根据本技术实施例的一种操作信息的确定装置的结构框图。
具体实施方式
28.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
29.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.图1是现有技术的一种对空调设备的操作过程的示意图。如图1所示，操作空调设备的技术方案具体步骤如下：
31.步骤s102，用户使用终端设备进行注册。
32.步骤s104，厂商根据注册的用户以及用户的使用数据对用户进行用户群体分析。
33.步骤s106，厂商在为用户提供常见的应用场景中推送消息。
34.步骤s108，用户根据厂商推送的消息操作空调设备。
35.由于上述技术方案存在操作信息的准确率较低的问题，本技术通过将用户行为群体分析的结果沉淀成模板、对用户行为与相关因素的行为关联规则进行分析、根据行为关联规则对已经形成的行为模板以及行为模板下的操作信息进行更新这几个方面改进上述技术方案，可以根据下述实施例对本技术的技术方案进行说明。
36.本技术实施例所提供的方法实施例可以在计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图2是本技术实施例的一种操作信息的确定方法的计算机终端的硬件结构框图。如图2所示，计算机终端可以包括一个或多个(图2中仅示出一个)处理器202(处理器202可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器204，在一个示例性实施例中，上述计算机终端还可以包括用于通信功能的传输设备206以及输入输出设备208。本领域普通技术人员可以理解，图2所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图2中所示更多或者更少的组件，或者具有与图2所示等同功能或比图2所示功能更多的不同的配置。
37.存储器204可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本技术实施例中的操作信息的确定方法对应的计算机程序，处理器202通过运行存储在存储器204内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器204可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器204可进一步包括相对于处理器202远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
38.传输装置206用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置206包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置206可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
39.图3是本技术实施例的一种操作信息的确定系统的示意图。如图3所示，基于用户注册信息采集设备(图3中未示出)和信息接收设备的绑定关系；对用户行为信息进行群体分析，基于用户行为信息中的操作动作及相关信息生成用户偏好推荐模型，以供用户进行选择。在获取用户注册信息时，选择具体场景模板(相当于上述目标行为模板)，可以定时发送提醒信息(相当于上述第一操作信息)，用户按照提醒信息进行相应的设备操作，也可以设置设备自动运行，在根据apriori算法(相当于上述的关联规则算法)得到用户行为与相关因素的行为关联规则后，根据行为关联规则更新第一操作信息，得到为用户推送的第二操作信息后，可以更新用户选择的场景模板当中。通过该方案，能够为用户提供更符合用户行为习惯的信息推荐服务。
40.需要说明的是，上述用户注册信息采集设备用于对用户注册信息进行采集，可以包括手机、平板电脑、智能手表等设备，本技术对此不做限定。
41.本实施例中的技术方案是针对用户行为的消息推荐应用，通过获取的用户行为记录信息，提供相关行为或场景的消息推荐服务，提供了一种融合了移动通信、计算机软件、
硬件和大数据等众多先进计算的机电一体化系统。
42.在本实施例中提供了一种操作信息的确定方法，应用于上述计算机终端，图4是根据本技术实施例的操作信息的确定方法的流程图，该流程包括如下步骤：
43.步骤s402，对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；
44.需要说明的是，上述目标对象可以包括人和智能机器人，本技术对此不做限制。
45.步骤s404，根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；
46.步骤s406，使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息。
47.通过上述步骤，通过获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息，解决了相关技术中，如何提高操作信息准确率的问题，进而提高了操作信息的准确性。
48.需要说明的是，在一个实施例中，提供了一种使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息的技术方案，具体步骤包括：使用行为关联规则更新行为模板，进而更新行为场景为目标对象推送的第一操作信息。
49.可选的，在一个示例性实施例中，为了更好的理解上述步骤s402，提供了一种对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板之前的技术方案，具体步骤包括：确定第一终端设备的第一设备号，以及确定第二终端设备的第二设备号，其中，所述第一终端设备用于采集所述目标对象的身份信息，所述第二终端设备用于接收所述行为模板推送的第一操作信息；绑定所述第一设备号与所述第二设备号，得到所述身份信息与所述第一操作信息的对应关系；接收所述目标对象基于所述第一操作信息发送的操作指令，根据所述操作指令和所述对应关系确定所述目标对象所对应的所述行为记录。
50.需要说明的是，上述第一终端设备和上述第二终端设备可以包括手机、平板、智能手表以及智能运动手环等，但不限于此。
51.在一个实施例中，在接收到目标对象基于第一操作信息发送的操作指令之后，确定执行操作指令的设备的反馈信息，将操作指令和反馈信息设置为与第一操作信息对应的行为模板下的行为记录，在接收到操作指令的情况下，从上述身份信息与上述第一操作信息的对应关系中查找出与上述身份信息对应的目标对象的第一操作信息，进而获取到与第
一操作信息对应的行为模板下的行为记录。
52.可选的，在一个示例性实施例中，为了更好的理解上述步骤s402中如何对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，可以对获取到的目标对象的行为信息进行聚类分析，确定所述行为信息对应的多个行为类型，其中，所述多个行为类型中的任一行为类型均对应有不同或相同数量的目标对象；确定所述多个行为类型中每一行为类型所对应的目标对象的第一数量和所述多个行为类型对应的所有目标对象的第二数量的比值，分别得到所述多个行为类型对应的多个比值；从所述多个比值中确定超过预设阈值的目标比值，并获取所述目标比值对应的行为类型的目标行为信息；根据所述目标行为信息生成所述行为模板。
53.在一个实施例中，上述预设阈值的取值范围为[0,1]，在上述阈值为0.1的情况下，如果确定上述多个行为类型中第一行为类型所对应的目标对象的第一数量为20，上述多个行为类型对应的所有目标对象的第二数量为100，则根据第一行为类型的目标行为信息生成行为模板。
[0054]
需要说明的是，在从上述多个比值中确定超过预设阈值的目标比值的情况下，可以根据上述多个比值的大小关系对上述多个比值对应的行为类型进行优先级排序，基于排序结果确定生成行为模板的顺序。例如，在一个实施例中，如果确定上述多个行为类型中第二行为类型所对应的目标对象的第一数量为30，上述多个行为类型对应的所有目标对象的第二数量为100，则在根据第二行为类型的目标行为信息生成行为模板之后，根据第一行为类型的目标行为信息生成行为模板。
[0055]
进一步地，可以预先设置上述多个比值对应的行为类型的权重系数，在基于排序结果确定生成行为模板的顺序之后，使用权重系数调整生成行为模板的顺序。
[0056]
可选的，在一个示例性实施例中，所述行为类型至少包括以下之一：行为时间；行为频率；行为地点；行为指令；所述行为信息至少包括以下之一：所述目标对象对家电设备的使用时间；所述目标对象对所述家电设备的使用频率；所述目标对象对所述家电设备的使用地点；所述目标对象对所述家电设备的使用指令。
[0057]
可选的，在一个示例性实施例中，提供了一种在根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则之前的技术方案，具体步骤包括：获取所述目标对象对所述目标行为模板对应的设备的操作指令；确定所述设备根据操作指令发送的反馈信息；根据所述操作指令和所述反馈信息确定所述目标对象在目标行为模板下的操作记录。
[0058]
需要说明的是，上述反馈信息可以包括设备接收操作指令时的响应信息、设备执行操作指令后的完成信息、设备当前执行操作指令的执行进度的提示信息等，但不限于此，本技术对此不做限制。其中，反馈信息可以为用户预先设置的信息，也可以为设备在行为模板下的通用设置信息。
[0059]
可选的，在一个示例性实施例中，为了更好地理解上述步骤s404如何根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，提供了一种技术方案，具体步骤包括：对所述目标行为模板下的行为记录中的行为因素信息进行标准化处理，得到行为数据；基于关联规则算法，使用支持度和置信度确定所述行为数据的关联规则列表，其中，所述支持度用于指示所述行为数据的关联程度，所述置信度用于指示所述行为
数据的关联概率；在确定所述支持度大于第一预设值的情况下，从所述关联规则列表中选择大于第二预设值的所述置信度的数据确定为所述目标对象的行为关联规则。
[0060]
需要说明的是，上述关联规则算法可以理解为用于数据挖掘的算法，核心是基于两阶段频繁集思想的递推算法，在分类上属于单维、单层以及布尔关联规则，典型的算法是apriori算法。apriori算法发现关联规则的过程的步骤包括：通过迭代，检索出数据库1中的所有频繁项集，即支持度不低于用户设置的阈值的项集，利用频繁项集构造出满足用户设定的最小信任度(即置信度)的规则。
[0061]
可选的，在一个示例性实施例中，为了更好地理解上述步骤s406中如何根据所述行为关联规则更新所述第一操作信息，得到为所述目标对象推送的第二操作信息，可以使用评价指标对所述行为关联规则进行指标计算，得到每个所述评价指标的评价结果；根据所述评价结果更新所述目标行为模板下的行为记录；通过更新后的行为记录更新所述第一操作信息，得到为所述目标对象推送的第二操作信息。
[0062]
可选的，在一个示例性实施例中，当用户使用手机(相当于上述第一终端设备)进行用户信息注册时，设置行为模板，采集设备(相当于上述第二终端设备)实时收集用户注册信息，可以识别用户和选择的目标行为模板的信息，按照apriori关联分析算法对统计的用户操控空调设备的行为习惯记录信息进行分析，得到用户在行为模板下常用的操作模式，挖掘行为关联规则，并根据与行为关联规则对应的关联规则列表优化行为模板，为用户提供更加符合用户习惯的操作信息，以及提供符合用户习惯的推荐服务，来提高为用户服务的效率。
[0063]
为了更好的理解上述操作信息的确定方法的过程，以下再结合可选实施例对上述操作信息的确定的实现方法流程进行说明，但不用于限定本技术实施例的技术方案。
[0064]
在本实施例中提供了一种操作信息的确定方法，图5是根据本技术实施例的操作信息的确定方法的交互示意图，可以由上述图3中的操作信息的确定系统实现，其中，云服务器与数据计算服务器之间可以实现数据同步，如图5所示，具体如下步骤：
[0065]
步骤s502：用户在客户端注册信息，并将注册信息发送给云服务器；
[0066]
步骤s504：数据计算服务器根据从云服务器同步到的客户注册之后的行为记录，完成用户群体分析，生成行为场景模板(相当于上述行为模板)；
[0067]
步骤s506：数据计算服务器向云服务器提供行为场景模板；
[0068]
步骤s508：云服务器设置行为场景模板；
[0069]
步骤s510：云服务器在确定用户选择的行为场景模板后，使用行为场景模板向用户发送推送消息；
[0070]
步骤s512：用户操作家电设备，例如，对空调设备进行操作；
[0071]
步骤s514：客户端向云服务器传输用户的行为记录；
[0072]
步骤s516：云服务器将用户的行为记录中的操作数据落地存储至数据计算服务器；
[0073]
步骤s518：使用apriori算法模型分析行为关联规则；
[0074]
步骤s520：根据分析结果更新行为场景模板，以及更新行为场景模板下的操作信息(即上述第一操作信息)。
[0075]
通过上述技术方案，解决了相关技术中，如何提高操作信息准确率的问题，进而提
高了操作信息的准确性。
[0076]
图6是根据本技术实施例的基于关联规则算法的操作信息的确定方法的流程图。如图6所示，在用户操作空调设备的场景下，用户基于关联规则算法的操作信息的确定方法操作空调设备的具体步骤如下：
[0077]
步骤s602：用户注册；
[0078]
步骤s604：分析用户行为群体，得到行为场景模板(相当于上述行为模板)，执行步骤s606；
[0079]
步骤s606：设置行为场景模板；
[0080]
步骤s608：根据行为场景模板向用户推送消息；
[0081]
步骤s610：用户根据推送的消息操作空调设备；
[0082]
步骤s612：使用apriori模型，即关联规则算法模型得到行为关联规则，并使用行为关联规则更新用户的操作信息，进而执行步骤s606。
[0083]
接下来，结合以下实施例对本技术的操作信息的确定方法进行进一步说明。
[0084]
实施例1
[0085]
在本实施中，结合上述图3中的用户行为推荐系统，对用户行为信息进行用户群体分析，搭建apriori算法模型，并根据用户行为使用情况，分析用户行为与相关因素的关联规则，更新行为模板，以及更新行为模板下的操作信息，具体的，包括如下步骤：
[0086]
步骤一：预先将用户使用的信息采集设备(相当于上述第一终端设备)和消息接收设备(相当于上述第二终端设备)，需要完成绑定操作，使得采集设备与接收设备存在有效映射关系。
[0087]
需要说明的是，在一个实施例中，还可以通过设置信息采集设备和消息接收设备为同一个终端设备，简化绑定过程，从而提高操作信息的确定效率。
[0088]
步骤二：按照用户行为信息(相当于上述行为记录)，进行用户群体分析，按照用户行为相关信息进行分类得到不同行为类型，根据每一行为类型对应的用户数量在所有行为类型对应的用户数量的比值所对应的行为类型的行为信息分类生成行为模板，让用户选择应用场景进行消息提醒。
[0089]
步骤三：在用户注册信息采集设备之后，将用户选择的行为模板(相当于上述目标行为模板)以及操作信息发送到云服务器；通过logserver服务器加载到kafka，最终落地到hadoop大数据平台(相当于上述图3中的数据计算服务器)进行数据存储。
[0090]
步骤四：按照apriori算法，根据用户在选择的行为模板下的行为信息，分析与用户行为信息对应的行为关联规则，更新行为模板，以及更新行为模板下的操作信息。
[0091]
需要说明的是，对上述步骤四中的apriori算法的消息推荐系统的相关术语定义如下：
[0092]
a：用户行为记录信息集合；a(x)表示用户的某个行为记录，a(a_1，a_2，
…
，a_k)表示用户的第1到k个行为记录。例如空调开机行为、空调设置模式、空调设置温度等行为记录。
[0093]
m：用户行为模板集合；m(x)表示用户的某个行为模板，m(m_1，m_2，
…
，m_k)表示用户的第1到k个行为模板。例如空调回家开机模板、空调睡眠模板等行为记录。
[0094]
e：行为因素信息集合；e(x)表示某个行为因素，e(e_1，e_2，
…
，e_k)表示第1到k个
行为因素。例如空调行为时间、空调模式、空调温度等属性。
[0095]
r：行为关联规则信息集合；r_x(e_1，e_2，支持度c1，置信度f1，
…
)表示某个关联规则，r_1(e_1，e_2，c1，f1)表示行为因素e_1与行为因素e_1有关联关系，支持度为c1，置信度为f1。
[0096]
在一个实施例中，上述步骤一中还包括以下步骤：
[0097]
1.1用户信息处理：对现有用户信息进行标准化处理，可以识别唯一用户。
[0098]
具体的，上述步骤二中还包括以下步骤：
[0099]
2.1用户行为信息处理，包括用户行为群体分析和生成行为模板。
[0100]
其中，用户行为群体分析的过程为：根据用户行为信息a(k)，对用户行为相关信息进行群体分类分析；比如50％用户习惯在晚上6点打开空调；比如60％用户选择空调制冷温度为26摄氏度。
[0101]
其中，生成行为模板的过程为：根据用户群体分析结果，将用户行为占比较高的行为分类，设置为行为模板m(k)，以供用户选择。
[0102]
2.2用户设置行为模板：用户选择系统提供的初始化行为模板m(k)；系统根据用户的场景模板，为用户提供对应的行为模板的操作信息。
[0103]
2.3:执行设备操作：用户根据接收到的操作信息进行设备操作，或者设备按照场景模板行为模板的设置自动运行。
[0104]
2.4行为操作反馈：用户操作设备，或者设备运行结果，自动反馈给消息推荐系统，以供系统进行apriori算法分析。
[0105]
具体的，上述步骤四中还包括以下步骤：
[0106]
4.1用户行为因素信息标准化：
[0107]
对用户行为因素信息(相当于上述行为数据)e(x)，进行标准化处理。
[0108]
在一个实施例中，可以结合表1对用户行为因素信息分类的结果进行说明。
[0109]
表1行为因素信息分类表：
[0110][0111]
其中，数字“1
”‑“
13”表示行为关联规则的序号，“房间”、“空调模式”、“时间”、“温度”表示行为关联规则的分类类型。如表1所示，例如，用户对应的行为因素信息可以为选择房间号，那么“房间_a”、“房间_b”、“房间_c”对应的行为关联规则的分类类型为“房间”。
[0112]
4.2构建apriori算法模型：
[0113]
根据apriori算法，按照不同的支持度和置信度相当于不同的分析维度，挖掘用户行为数据的关联规则，得到关联规则列表。
[0114]
在一个实施例中，在支持度c1为
‘
56％’，置信度f1为
‘
72％’的情况下，可以得到支持度为56％，置信度大于72％的关联规则列表，其中，在关联规则列表中，序号4与序号11之间的关联信息如下：
[0115]
选择序号4的用户数量为361人，选择序号11的用户数量为332人，则置信度(the confidence)为0.919668，表示用户选择序号4后，又选择序号11的概率，其中，置信度的计算过程为：332.000000/361.000000。
[0116]
在其他实施例中，与上述序号4与序号11之间的关联信息相似，在选择序号11的用户数量为332人，选择序号4的用户数量为398人的情况下，置信度(the confidence)为
0.834171；在选择序号4的用户数量为361人，选择序号10的用户数量为283人的情况下，置信度(the confidence)为0.783934；在选择序号10的用户数量为349人，选择序号4的用户数量为283人的情况下，置信度(the confidence)为0.810888；在选择序号10的用户数量为398人，选择序号11的用户数量为297人的情况下，置信度(the confidence)为0.746231；在选择序号11的用户数量为349人，选择序号10的用户数量为297人的情况下，置信度(the confidence)为0.851003，the formula is 297.000000/349.000000。
[0117]
则，根据上述计算结果可以确定行为规则4和行为规则11之间有关联关系；行为规则4和行为规则10有关联关系；行为规则11和行为规则10有关联关系。
[0118]
进一步地，对挖掘到的关联规则进行指标计算，指标评价信息如下：
[0119]
在用户选择序号4又选择序号11的情况下，指标评价信息为：4-》11，置信度：0.92，支持度：0.79，提升度：1.16；全置信度：0.83，最大置信度：0.92，kulc置信度：0.8769，余弦置信度：0.8759；
[0120]
在用户选择序号11又选择序号4的情况下，指标评价信息为：11-》4，置信度：0.83，支持度：0.72，提升度：1.16；全置信度：0.83，最大置信度：0.92，kulc置信度：0.8769，余弦置信度：0.8759；
[0121]
指标评价信息：在用户选择序号4又选择序号110的情况下，指标评价信息为：4-》10，置信度：0.78，支持度：0.69，提升度：1.13；全置信度：0.78，最大置信度：0.81，kulc置信度：0.7974，余弦置信度：0.7973；
[0122]
在用户选择序号10又选择序号4的情况下，指标评价信息为：10-》4，置信度：0.81，支持度：0.72，提升度：1.13；全置信度：0.78，最大置信度：0.81，kulc置信度：0.7974，余弦置信度：0.7973；
[0123]
在用户选择序号10又选择序号11的情况下，指标评价信息为：10-》11，置信度：0.75，支持度：0.69，提升度：1.08；全置信度：0.75，最大置信度：0.85，kulc置信度：0.7986，余弦置信度：0.7969；
[0124]
在用户选择序号11又选择序号10的情况下，指标评价信息为：11-》10，置信度：0.85，支持度：0.79，提升度：1.08；全置信度：0.75，最大置信度：0.85，kulc置信度：0.7986，余弦置信度：0.7969。
[0125]
其中，提升度表示事件1的发生对事件2发生的激励作用，包括大于1的情况和小于1的情况，大于1表示正相关，即事件1发生，事件2也发生的概率；小于1表示负相关，即事件1发生，事件2不发生的概率。使用提升度可以清楚的从正面分析事件之间的发生的关联关系。在上述关联规则的指标计算结果中，提升度均大于1，所以这些关联规则之间的激励作用均为正相关。
[0126]
其中，上述全置信度、最大置信度、置信度和余弦置信度为不同类型的置信度，均表示行为数据的关联概率。
[0127]
接下来，通过以下实施例对上述行为关联规则进行举例说明：
[0128]
当用户行为是“空调模式_睡眠”时，可能发送该行为的原因是“温度_低”。同时，当“温度_低”时，容易发生“空调模式_睡眠”行为。
[0129]
当用户行为是“空调模式_睡眠”时，可能发送该行为的原因是“时间_夜晚”。同时，当“时间_夜晚”时，容易发生“空调模式_睡眠”行为。
[0130]
当“时间_夜晚”时，可能发生“空调模式_睡眠”行为。同时，当发生“空调模式_睡眠”行为时，可能是“时间_夜晚”。
[0131]
4.3更新行为模板：根据apriori算法分析结果，对行为模板进行更新，使得行为模板更加符合用户的生活习惯情况，以及对行为模板下的操作信息进行更新，以提高操作信息的准确率。
[0132]
通过上述实施例，通过按照用户行为信息对用户行为进行群体分析，对用户行为相关信息进行分类，生成行为模板，然后根据用户选择的行为模板和行为记录得到行为关联规则，并更新行为模板，以及行为模板下的操作信息，实现了千人千面的用户个性化行为推荐的技术方案，提高了操作信息的准确率。
[0133]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例的方法。
[0134]
图7是根据本技术实施例的一种操作信息的确定装置的结构框图；如图7所示，包括：
[0135]
分析模块702，用于对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；
[0136]
需要说明的是，上述目标对象可以包括人和智能机器人，本技术对此不做限制。
[0137]
确定模块704，用于根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；
[0138]
更新模块706，用于使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息。
[0139]
通过上述装置，对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息，解决了相关技术中，如何提高操作信息准确率的问题，进而提高了操作信息的准确性。
[0140]
需要说明的是，在一个实施例中，提供了一种使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息的技术方案，具体步骤包括：使用行为关联规则更新行为模板，进而更新行为场景为目标对象推送的第一操作信息。
[0141]
可选的，在一个示例性实施例中，上述操作信息的确定装置还包括绑定模块，用于确定第一终端设备的第一设备号，以及确定第二终端设备的第二设备号，其中，所述第一终端设备用于采集所述目标对象的身份信息，所述第二终端设备用于接收所述行为模板推送的第一操作信息；绑定所述第一设备号与所述第二设备号，得到所述身份信息与所述第一操作信息的对应关系；接收所述目标对象基于所述第一操作信息发送的操作指令，根据所述操作指令和所述对应关系确定所述目标对象所对应的所有所述记录。
[0142]
需要说明的是，上述第一终端设备和上述第二终端设备可以包括手机、平板、智能手表以及智能运动手环等，但不限于此。
[0143]
在一个实施例中，在接收到目标对象基于第一操作信息发送的操作指令之后，确定执行操作指令的设备的反馈信息，将操作指令和反馈信息设置为与第一操作信息对应的行为模板下的行为记录，在接收到操作指令的情况下，从上述身份信息与上述第一操作信息的对应关系中查找出与上述身份信息对应的目标对象的第一操作信息，进而获取到与第一操作信息对应的行为模板下的行为记录。
[0144]
可选的，在一个示例性实施例中，上述分析模块还用于，对获取到的目标对象的行为信息进行聚类分析，确定所述行为信息对应的多个行为类型，其中，所述多个行为类型中的任一行为类型均对应有不同或相同数量的目标对象；确定所述多个行为类型中每一行为类型所对应的目标对象的第一数量和所述多个行为类型对应的所有目标对象的第二数量的比值，分别得到所述多个行为类型对应的多个比值；从所述多个比值中确定超过预设阈值的目标比值，并获取所述目标比值对应的行为类型的目标行为信息；根据所述目标行为信息生成所述行为模板。
[0145]
在一个实施例中，上述预设阈值的取值范围为[0,1]，在上述阈值为0.1的情况下，如果确定上述多个行为类型中第一行为类型所对应的目标对象的第一数量为20，上述多个行为类型对应的所有目标对象的第二数量为100，则根据第一行为类型的目标行为信息生成行为模板。
[0146]
需要说明的是，在从上述多个比值中确定超过预设阈值的目标比值的情况下，可以根据上述多个比值的大小关系对上述多个比值对应的行为类型进行优先级排序，基于排序结果确定生成行为模板的顺序。例如，在一个实施例中，如果确定上述多个行为类型中第二行为类型所对应的目标对象的第一数量为30，上述多个行为类型对应的所有目标对象的第二数量为100，则在根据第二行为类型的目标行为信息生成行为模板之后，根据第一行为类型的目标行为信息生成行为模板。
[0147]
进一步地，可以预先设置上述多个比值对应的行为类型的权重系数，在基于排序结果确定生成行为模板的顺序之后，使用权重系数调整生成行为模板的顺序。
[0148]
可选的，在一个示例性实施例中，所述行为类型至少包括以下之一：行为时间；行为频率；行为地点；行为指令；所述行为信息至少包括以下之一：所述目标对象对家电设备的使用时间；所述目标对象对所述家电设备的使用频率；所述目标对象对所述家电设备的使用地点；所述目标对象对所述家电设备的使用指令。
[0149]
可选的，在一个示例性实施例中，上述操作信息的确定装置还包括获取模块，用于获取所述目标对象对所述目标行为模板对应的设备的操作指令；确定所述设备根据操作指令发送的反馈信息；根据所述操作指令和所述反馈信息确定所述目标对象在目标行为模板
下的操作记录。
[0150]
需要说明的是，上述反馈信息可以包括设备接收操作指令时的响应信息、设备执行操作指令后的完成信息、设备当前执行操作指令的执行进度的提示信息等，但不限于此，本技术对此不做限制。其中，反馈信息可以为用户预先设置的信息，也可以为设备在行为模板下的通用设置信息。
[0151]
可选的，在一个示例性实施例中，上述确定模块还用于，对所述目标行为模板下的行为记录中的行为因素信息进行标准化处理，得到行为数据；基于关联规则算法，使用支持度和置信度确定所述行为数据的关联规则列表，其中，所述支持度用于指示所述行为数据的关联程度，所述置信度用于指示所述行为数据的关联概率；在确定所述支持度大于第一预设值的情况下，从所述关联规则列表中选择大于第二预设值的所述置信度的数据确定为所述目标对象的行为关联规则。
[0152]
需要说明的是，上述关联规则算法可以理解为用于数据挖掘的算法，核心是基于两阶段频繁集思想的递推算法，在分类上属于单维、单层以及布尔关联规则，典型的算法是apriori算法。apriori算法发现关联规则的过程的步骤包括：通过迭代，检索出数据库1中的所有频繁项集，即支持度不低于用户设置的阈值的项集，利用频繁项集构造出满足用户设定的最小信任度(即置信度)的规则。
[0153]
可选的，在一个示例性实施例中，上述更新模块还用于，使用评价指标对所述行为关联规则进行指标计算，得到每个所述评价指标的评价结果；根据所述评价结果更新所述目标行为模板下的行为记录；通过更新后的行为记录更新所述第一操作信息，得到为所述目标对象推送的第二操作信息。
[0154]
可选的，在一个示例性实施例中，当用户使用手机(相当于上述第一终端设备)进行用户信息注册时，设置行为模板，采集设备(相当于上述第二终端设备)实时收集用户注册信息，可以识别用户和选择的目标行为模板的信息，按照apriori关联分析算法对统计的用户操控空调设备的行为习惯记录信息进行分析，得到用户在行为模板下常用的操作模式，挖掘行为关联规则，并根据与行为关联规则对应的关联规则列表优化行为模板，为用户提供更加符合用户习惯的操作信息，以及提供符合用户习惯的推荐服务，来提高为用户服务的效率。
[0155]
本技术的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
[0156]
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
[0157]
s1，对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；
[0158]
s2，根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；
[0159]
s3，使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中
的所述第一操作信息，得到为所述目标对象推送的第二操作信息。
[0160]
本技术的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0161]
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
[0162]
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
[0163]
s1，对获取到的目标对象的行为信息进行聚类分析，得到所述目标对象的行为模板，并根据所述行为模板为所述目标对象推送第一操作信息，其中，所述第一操作信息用于指示所述行为模板为所述目标对象提供的操作信息；
[0164]
s2，根据所述目标对象在目标行为模板下的行为记录确定所述目标对象的行为关联规则，其中，所述目标行为模板为所述目标对象选择的行为模板，所述行为记录用于指示在将所述第一操作信息的推送至所述目标对象后，所述目标对象根据所述第一操作信息在所述目标行为模板下的操作记录；
[0165]
s3，使用所述行为关联规则更新所述目标行为模板，并更新所述目标行为模板中的所述第一操作信息，得到为所述目标对象推送的第二操作信息。
[0166]
可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(read-only memory，简称为rom)、随机存取存储器(random access memory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0167]
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0168]
显然，本领域的技术人员应该明白，上述的本技术的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本技术不限制于任何特定的硬件和软件结合。
[0169]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。