向用户推荐指令的方法和装置、存储介质及电子装置与流程

1.本发明涉及智能家居领域，具体而言，涉及一种向用户推荐指令的方法和装置、存储介质及电子装置。


背景技术：

2.相关领域中，可以根据用户历史的行为数据，向用户进行行为推荐，比如在智能家居领域，在用户使用智能家居设备时，可以根据用户历史操作智能设备的数据，预测用户下一步要执行的操作。
3.现有技术中，可以根据智能设备用户的历史行为数据，计算用户历史行为中不同操作对应的概率，比如可以计算出开锁操作的概率和开灯操作的概率，通过比较不同操作对应的概率值，推测出用户下一步执行的操作。此外，在现有技术中，是根据所有用户的历史行为数据进行的行为预测，这会导致对用户的行为预测只能匹配到大众的行为意图，导致用户个体不能准确获得合理有效的指令推荐，不能满足不同用户的个性化需求。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种向用户推荐指令的方法和装置、存储介质及电子装置，以至少解决向用户个体推荐的意图预测指令准确率低的技术问题。
6.根据本发明实施例的一个方面，提供了一种向用户推荐指令的方法，包括：获取当前用户的用户特征，所述当前用户所在的当前位置，以及所述当前用户在上一时间点发送的第一控制指令；在智能家居系统的历史数据中获取与所述用户特征相匹配的数据集合，其中，所述数据集合中包括所述当前用户在历史时间点的相应位置上发送的控制指令；根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，并将所述目标控制指令确定为向所述当前用户推荐的指令。
7.可选地，所述根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，包括：获取所述数据集合中与所述当前位置相匹配的数据子集，其中，所述数据子集中包括所述当前用户在历史时间点的所述当前位置上向相应设备发送的控制指令；根据当前时间点和所述第一控制指令在所述数据子集中确定所述目标控制指令。
8.可选地，根据当前时间点和所述第一控制指令在所述数据子集中确定所述目标控制指令，包括：根据所述当前时间点和所述第一控制指令，确定所述数据子集中的每种控制指令的推荐值；将所述数据子集中推荐值大于或等于预设值的控制指令，确定为所述目标控制指令；或者，将所述数据子集中推荐值为前n的控制指令，确定为所述目标控制指令，其中，所述n大于或等于1。
9.可选地，所述根据所述当前时间点和所述第一控制指令，确定所述数据子集中的每种控制指令的推荐值，包括：获取所述数据子集中每种控制指令与所述第一控制指令之间的概率值，其中，所述概率值是在所述数据子集中执行所述第一控制指令之后执行所述
每种控制指令的概率；根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值。
10.可选地，所述获取所述数据子集中每种控制指令与所述第一控制指令之间的概率值，包括：对所述数据子集中的每种控制指令执行以下操作，在执行以下操作时每种控制指令为当前种控制指令，当前种控制指令与所述第一控制指令之间的概率值为当前概率值：获取所述数据子集中执行所述第一控制指令之后执行所述当前种控制指令的当前第一数量；获取所述数据子集中执行所述第一控制指令的当前第二数量；将所述当前第一数量与所述当前第二数量的比值，确定为所述当前种控制指令与所述第一控制指令之间的所述当前概率值。
11.可选地，所述根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值，包括：在所述数据子集中包括一条所述当前种控制指令的情况下，在所述数据子集获取与所述当前种控制指令对应的当前历史时间点，其中，所述当前用户在当前历史时间点的所述当前位置上发送所述当前种控制指令；根据所述当前时间点和所述当前历史时间点，确定所述当前种控制指令的推荐值。
12.可选地，所述根据所述当前时间点和所述当前历史时间点，确定所述当前种控制指令的推荐值，包括：根据所述当前时间点和所述当前历史时间点确定当前权重值，其中，所述当前时间点与所述当前历史时间点的时间间隔越短，所述当前权重值越大；将所述当前概率值与所述当前权重值的乘积，确定为所述当前种控制指令的推荐值。
13.可选地，所述根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值，包括：在所述数据子集中包括多条所述当前种控制指令的情况下，在所述数据子集获取多条所述当前种控制指令中每条当前控制指令对应的当前历史时间点，得到当前历史时间点集合，其中，所述当前用户在当前历史时间点的所述当前位置上发送所述当前种控制指令；根据所述当前时间点和所述当前历史时间点集合，确定所述当前种控制指令的推荐值。
14.可选地，所述根据所述当前时间点和所述当前历史时间点集合，确定所述当前种控制指令的推荐值，包括：获取所述当前历史时间点集合中每个当前历史时间点与所述当前时间点之间的权重值，得到多个权重值，其中，所述与所述当前时间点之间的时间间隔越短对应的权重值越大；将所述多个权重值的和，与所述当前概率值的乘积，确定为所述当前种控制指令的推荐值。
15.根据本发明实施例的另一方面，还提供了一种向用户推荐指令的装置，包括：第一获取模块，用于获取当前用户的用户特征，所述当前用户所在的当前位置，以及所述当前用户在上一时间点发送的第一控制指令；第二获取模块，用于在智能家居系统的历史数据中获取与所述用户特征相匹配的数据集合，其中，所述数据集合中包括所述当前用户在历史时间点的相应位置上发送的控制指令；确定模块，用于根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，并将所述目标控制指令确定为向所述当前用户推荐的指令。
16.根据本发明实施例的又一方面，还提供了一种存储介质，该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向用户推荐指令的方法。
17.根据本技术实施例的又一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质
中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上向用户推荐指令的方法。
18.根据本发明实施例的又一方面，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向用户推荐指令的方法。
19.在本发明实施例中，通过获取当前用户的用户特征，当前用户所在的位置，以及当前用户在上一时间点发送的第一控制指令，并在智能家居系统的历史数据中获取到与用户特征相匹配的当前用户，在历史时间点的相应位置上发送的控制指令，根据上述获取到的用户当前位置，和第一控制指令，确定为向当前用户推荐的指令。达到了可以通过每个用户的用户特征、当前位置、上一时间点发送的控制指令，确定向所述当前用户推荐的指令的目的，从而实现了向用户个体进行个性化精准推送指令的技术效果，进而解决了向用户个体推荐的意图预测指令准确率低的技术问题。
附图说明
20.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
21.图1是本发明实施例的一种向用户推荐指令的方法的移动终端的硬件结构框图；
22.图2是根据本发明实施例的一种可选的向用户推荐指令的方法流程图；
23.图3是根据本发明实施例的一种可选的向用户推荐指令的整体流程示意图；
24.图4是根据本发明实施例的一种可选的向用户推荐指令的流程示意图；
25.图5是根据本发明实施例的一种可选的权重曲线示意图；
26.图6是根据本发明实施例的一种可选的向用户推荐指令的整体结构示意图；
27.图7是根据本发明实施例的一种可选的向用户推荐指令的装置的结构示意图。
具体实施方式
28.下文中将参考附图并结合实施例来详细说明本发明的实施例。
29.需要说明的是，本发明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。
30.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种向用户推荐指令的方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102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104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
31.存储器104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，如本发明实施例中的向用户推荐指令的方法对应的计算机程序，处理器102通过运行存储在存储器104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
104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104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。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。
32.传输装置106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移动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106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106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。
33.可选地，作为一种可选的实施方式，如图2所示，上述向用户推荐指令的方法包括：
34.s202，获取当前用户的用户特征，所述当前用户所在的当前位置，以及所述当前用户在上一时间点发送的第一控制指令；
35.其中，当前用户可以为当前使用智能设备的用户，用户特征可以是用户属性数据，比如可以是用户标识，以及用户的年龄、性别等个人信息。当前用户所在的位置可以是用户所在的地址信息，比如可以是省份、城市、区县等特征信息，上一时间点可以是用户上一次发送控制指令的时间点，比如是10点或者是12点，并对应获取上一时间点发送的第一控制指令，第一控制指令可以是开灯、开锁或者是开电视等，此处对第一控制指令不做限制。
36.s204，在智能家居系统的历史数据中获取与所述用户特征相匹配的数据集合，其中，所述数据集合中包括所述当前用户在历史时间点的相应位置上发送的控制指令；
37.其中，智能家居系统的历史数据可以是包括所有用户在历史时间点的相应位置上发送的控制指令，可以在智能家居系统的历史数据获取到与当前用户特征相匹配的数据集合，获取到当前用户在历史时间点的相应位置上发送的控制指令，比如可以获取与用户标识001匹配的数据集合，历史时间点可以是当前用户历史发送控制指令的时间点，比如可以是11月20日的10点，相应位置可以是发送控制指令的位置，比如可以是北京，控制指令可以包括但不限于开锁指令、关灯指令，关窗帘指令等。
38.s206，根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，并将所述目标控制指令确定为向所述当前用户推荐的指令。
39.其中，当前位置可以是用户当前处于的地址位置，比如可以是北京，第一控制指令可以包括但不限于开锁指令、开灯指令、开电视指令和关窗帘指令等，假设第一控制指令为开灯指令，可以获取数据集合中，当前用户的位置记录为北京的开灯指令的历史记录，比如，当前用户在北京的历史记录中，存在开灯指令之后发送开电视指令的记录10次，以及开灯指令之后发送关窗帘的记录8次，则可以确定历史记录中开灯指令对应的目标指令为开电视指令，即为目标控制指令，并将该开电视指令确定为向当前用户推荐的指令。
40.可选地，所述根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，包括：获取所述数据集合中与所述当前位置相匹配的数据子集，其中，所述数据子集中包括所述当前用户在历史时间点的所述当前位置上向相应设备发送的控制指令；根据当前时间点和所述第一控制指令在所述数据子集中确定所述目标控制指令。
41.作为一个可选的实施方式，假设当前位置为北京，可以在数据集合中获取与北京匹配的数据子集，历史时间点可以是一个日期，比如是11月29日，也可以是一个时刻，比如
是11月29日的10点。数据子集中包括当前用户001在历史时间点的记录中，在北京向相应设备发送控制指令的记录，控制指令包括但不限于开锁、开灯和开电视等。假设数据子集中存在当前用户001在历史时间点11月29日的10：01，10：02和10：03三个时刻，在北京向相应设备发送的对应控制指令为开锁、开灯、开空调，此时，可以假设当前时间点为11月30日的10点，第一控制指令为开灯，则可以根据当前时间点推测用户即将发送的目标控制指令为开空调。
42.可选地，根据当前时间点和所述第一控制指令在所述数据子集中确定所述目标控制指令，包括：根据所述当前时间点和所述第一控制指令，确定所述数据子集中的每种控制指令的推荐值；将所述数据子集中推荐值大于或等于预设值的控制指令，确定为所述目标控制指令；或者，将所述数据子集中推荐值为前n的控制指令，确定为所述目标控制指令，其中，所述n大于或等于1。
43.作为一个可选的实施方式，当前时间点可以是11月30日的10点，第一控制指令可以是开灯指令，数据子集中可以存在多种控制指令，比如可以是开灯、开空调、开电视和关窗帘等等，可以根据当前时间点和第一控制指令，确定数据子集中的每种控制指令的推荐值，假设开空调对应的推荐值是80，开电视对应的推荐值是90，关窗帘对应的推荐值是70，则可以设置一个预设值，比如将预设值设置为85，则可以将数据子集中推荐值大于85的控制指令开电视确定为目标控制指令。
44.在另一个实施例中，假设开空调对应的推荐值是80，开电视对应的推荐值是90，关窗帘对应的推荐值是70，n可以取值为2，则可以将数据子集中推荐值,为前2的控制指令，即，开空调和开电视，确定为目标控制指令。
45.可选地，所述根据所述当前时间点和所述第一控制指令，确定所述数据子集中的每种控制指令的推荐值，包括：获取所述数据子集中每种控制指令与所述第一控制指令之间的概率值，其中，所述概率值是在所述数据子集中执行所述第一控制指令之后执行所述每种控制指令的概率；根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值。
46.作为一个可选的实施方式，数据子集中可以包括多个种类的控制指令，比如可以是开灯、开空调、开电视和关窗帘等等，第一控制指令可以是开灯，可以在数据子集中获取执行第一控制指令之后执行每种控制指令的概率值，假设在开灯之后执行开空调的概率是0.2，开灯之后执行开电视的概率是0.3，开灯之后执行关窗帘的概率是0.5，假设当前时间点是11月30日的10点，可以根据当前时间点确定一组权重值，使距离当前时间点较近的权值较大，比如可以设置前一小时的时间点对应的权值为0.8，可以通过权值和概率的乘积确定每种控制指令的推荐值，比如前一天开灯之后执行开空调的推荐值可以是0.2*0.8。
47.可选地，所述获取所述数据子集中每种控制指令与所述第一控制指令之间的概率值，包括：对所述数据子集中的每种控制指令执行以下操作，在执行以下操作时每种控制指令为当前种控制指令，当前种控制指令与所述第一控制指令之间的概率值为当前概率值：获取所述数据子集中执行所述第一控制指令之后执行所述当前种控制指令的当前第一数量；获取所述数据子集中执行所述第一控制指令的当前第二数量；将所述当前第一数量与所述当前第二数量的比值，确定为所述当前种控制指令与所述第一控制指令之间的所述当前概率值。
48.作为一个可选的实施方式，在当前用户的历史数据表中，可以获得对应的数据子集，数据子集中可以包括多种控制指令，比如可以包括开锁、开灯、开空调和开电视等，假设当前控制指令为开灯，第一控制指令为开锁，在数据子集中可以获取到执行开锁指令之后执行开灯的第一数量为3，同时可以在数据子集中获取到执行开锁指令的第二数量为6，则将第一数量3和第二数量6的比值，确定为开灯与开锁之间的概率值，即为3/6，等于50％，假设第一控制指令为事件a，当前种控制指令为事件b，可以用如下计算公式表示当前种控制指令与所述第一控制指令之间的概率值：
49.p(a,b)＝count(a,b)/count(a)
50.其中，count(a,b)代表第一数量，count(a)表示第二数量。
51.可选地，所述根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值，包括：在所述数据子集中包括一条所述当前种控制指令的情况下，在所述数据子集获取与所述当前种控制指令对应的当前历史时间点，其中，所述当前用户在当前历史时间点的所述当前位置上发送所述当前种控制指令；根据所述当前时间点和所述当前历史时间点，确定所述当前种控制指令的推荐值。
52.作为一个可选的实施方式，假设当前种控制指令是开灯指令，当前位置是北京，在当前用户的数据子集中只包括一条开灯指令的情况下，在数据子集中获取与开灯指令对应的当前历史时间点，当前历史时间点可以是11月29日的10点，当前用户在当前历史时间点11月29日的10点在北京发送开灯指令，假设当前时间点为11月30日的10点，可以根据当前时间点确定当前历史时间点11月29日的10点对应的权重系数，比如对应的权重系数可以是0.3，假设当前种指令对应的概率为0.7，则可以得到当前历史时间点上开灯指令对应的推荐值为0.7*0.3，等于0.21。
53.可选地，所述根据所述当前时间点和所述当前历史时间点，确定所述当前种控制指令的推荐值，包括：根据所述当前时间点和所述当前历史时间点确定当前权重值，其中，所述当前时间点与所述当前历史时间点的时间间隔越短，所述当前权重值越大；将所述当前概率值与所述当前权重值的乘积，确定为所述当前种控制指令的推荐值。
54.作为一个可选的实施方式，假设当前时间点是11月30日的10点，当前历史时间点11月29日的10点，可以根据当前时间点确定当前历史时间点对应的当前权重值，比如可以通过一个权重函数表示全部历史时间点上的权重，可以通过如下公式表示权值函数：
[0055][0056]
其中，s为历史时间点距离当前时间点的时间间隔，α表示权值调整参数，当前时间点与当前历史时间点的时间间隔越短，当前权重值越大，假设在历史时间点11月29日的10点上权值的取值为0.5，当前概率值为0.8，则可以将当前概率值0.8和当前权重值0.5的乘积，作为当前种控制指令开灯的推荐值，即为0.5*0.8，等于0.4。
[0057]
所述根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值，包括：在所述数据子集中包括多条所述当前种控制指令的情况下，在所述数据子集获取多条所述当前种控制指令中每条当前控制指令对应的当前历史时间点，得到当前历史时间点集合，其中，所述当前用户在当前历史时间点的所述当前位置上发送所述当前种控制指令；根据所述当前时间点和所述当前历史时间点集合，确定所述当前种控制指令的推荐值。
[0058]
作为一个可选的实施方式，在数据子集中包括多条当前种控制指令的情况下，假设当前种控制指令为开灯指令，在数据子集中可以存在多条开灯指令，假设在11月29日的10:01，11:01和12:01分别存在一条在北京发动开灯指令的记录，此时可以获取到开灯指令对应的当前历史时间点集合11月29日的10:01，11月29日的11:01和11月29日的12:01，可以根据当前时间点确定当前历史时间点集合中的当前历史时间点对应的当前权重值，比如可以通过一个权重函数表示全部历史时间点上的权重，可以通过如下公式表示权值函数：
[0059][0060]
其中，s为历史时间点距离当前时间点的时间间隔，α表示权值调整参数，当前时间点与当前历史时间点的时间间隔越短，当前权重值越大，假设在当前历史时间点11月29日的10：01上权值的取值为0.5，在当前历史时间点11月29日的10：01上权值的取值为0.5，在当前历史时间点11月29日的11：01上权值的取值为0.6，在当前历史时间点11月29日的12：01上权值的取值为0.7，当前概率值为0.8，则可以将当前概率值和对应的当前历史时间点上的权重值的乘积，作为当前种控制指令开灯的推荐值，即为0.8*0.5 0.8*0.6 0.8*0.7,等于1.44。
[0061]
可选地，所述根据所述当前时间点和所述当前历史时间点集合，确定所述当前种控制指令的推荐值，包括：获取所述当前历史时间点集合中每个当前历史时间点与所述当前时间点之间的权重值，得到多个权重值，其中，所述与所述当前时间点之间的时间间隔越短对应的权重值越大；将所述多个权重值的和，与所述当前概率值的乘积，确定为所述当前种控制指令的推荐值。
[0062]
作为一个可选的实施方式，假设当前历史时间点集合为11月29日的10:01，11月29日的11:01和11月29日的12:01，可以根据当前时间点确定当前历史时间点集合中的当前历史时间点对应的当前权重值，比如可以通过一个权重函数表示全部历史时间点上的权重，可以通过如下公式表示权值函数：
[0063][0064]
其中，s为历史时间点距离当前时间点的时间间隔，α表示权值调整函数，当前时间点与当前历史时间点的时间间隔越短，当前权重值越大，假设在当前历史时间点11月29日的10：01上权值的取值为0.5，在当前历史时间点11月29日的10：01上权值的取值为0.5，在当前历史时间点11月29日的11：01上权值的取值为0.6，在当前历史时间点11月29日的12：01上权值的取值为0.7，当前概率值为0.8，则可以将当前概率值和对应的当前历史时间点上的权重值的乘积，作为当前种控制指令开灯的推荐值，即为0.8*0.5 0.8*0.6 0.8*0.7,等于1.44。
[0065]
作为一个可选的实施方式，本发明是针对用户上下文信息的行为推荐，通过获取的用户特征信息，提供相关智能推荐服务，是一种鉴于用户历史行为习惯，包括“前一行为”、“当前行为”、“后一行为”信息，突出前后行为相关性的用户意图识别方法。本发明的详细操作步骤如下：
[0066]
第一步：获取用户智能家居行为数据与用户属性数据，获取用户行为相关的“五元
组”数据，其中重点是要获取五元组中上下文的行为相关数据。
[0067]
第二步：数据清洗与规范化梳理，对行为数据进行规范化的预处理，预处理包括数据清洗、异常值处理等。
[0068]
第三步：对数据进行梳理，按照“人(用户)”、“时间”、“地址”、“上下文”、“意图”五元组结构的数据，每条数据都能对用户行为进行完整的描述。
[0069]
第四步：针对上下文的数据，将行为相关的“前一行为”、“当前行为”、“后一行为”信息展开。
[0070]
第五步：当用户的“前一行为”与“当前行为”高度匹配时，我们就可以按照已有的习惯进行“后一行为”进行提醒推荐。
[0071]
相关术语定义：
[0072]
f：五元组集合；主要是对行为的全面描述，用户信息who：u(u_1,u_2,u_3,
…
,u_n)，时间信息when：t(t_1,t_2,t_3,
…
,t_n)，地址信息where：a(a_1,a_2,a_3,
…
,a_n)，意图信息what：i(i_1,i_2,i_3,
…
,i_n),上下文信息context：(c_1,c_2,c_3,
…
,c_n)。
[0073]
u：用户信息集合；u(x)表示用户特征，u(u_1,u_2,u_3,
…
,u_n)表示用户的第1到k个特征。例如用户年龄、用户性别、用户职业等特征。
[0074]
t：时间属性信息集合；t(x)表示时间属性，t(t_1,t_2,t_3,
…
,t_n)表示时间的第1到k个属性。例如时间包含年、月、日、小时段信息等属性。
[0075]
a：地址信息集合；a(x)表示地址特征，a(a_1,a_2,a_3,
…
,a_n)表示地址的第1到k个特征。例如省份、城市、区县等特征。
[0076]
i：意图信息集合；i(x)表示，表示用户意图信息，i(i_1,i_2,i_3,
…
,i_n)标识用户的不同意图。
[0077]
c：上下文信息集合；c(c_1,c_2,c_3,
…
,c_n)表示，表示行为信息、天气信息、空气质量信息、设备状态信息等。
[0078]
如图3所示是根据本发明实施例的一种可选的向用户推荐指令的方法流程，对获取到的用户特征、用户地址(当前位置)，上下文信息以及时间信息进行特征提取和上下文动作关联，获得用户基本特征和用户行为特征，根据用户基本特征和用户行为特征推算用户的意图，并向用户推荐符合用户行为习惯的指令。
[0079]
如图4所示是根据本发明实施例的一种可选的向用户推荐指令的流程示意图，在用户端获取用户特征信息，地址信息，发送指令的时间信息以及发送指令的上下文信息，将获取到的上述信息发送到云服务器，云服务器将上述特征发送到数据计算服务器，通过大脑五元组数据对上下文信息中的数据进行排序，需要说明的是，仅对关联了用户设备的指令进行动作排序处理，通过用户发送指令的前后关联信息，对用户意图动作进行识别，并向用户推荐和意图对应的推荐指令。
[0080]
作为一个可选的实施方式，可以对用户的行为信息进行处理，对现有的五元组用户行为数据进行清洗、标准化，以“用户”、“时间”，“地址”，“上下文-动作”为主元素数据格式，并且对用户的动作进行排序，获得数据结构如下。
[0081][0082][0083]
根据用户回家后的事件顺序，前后动作的关系，找到用户行为的固定搭配，比如以上的样例数据中用户“001”十一月份晚上回家后的习惯动作是
‘
开锁
’→‘
开灯
’→’
开空调
’→’
关窗帘
’→‘
打开电视’，当用户下次回家后识别“开锁”后，本技术中不是因为大部分人开灯而推荐给用户“001”开灯，而是该用户的习惯是“开灯”。
[0084][0085][0086]
作为一个可选的实施方式，可以计算每个用户历史连续动作之间的依赖强调。行为x是“开灯”，y是“开锁”，m是“开空调”，n是“打开电视”，可以根据历史数据进行统计，算出每个动作后面动作的概率。计算公式p(a,b)＝count(a,b)/count(a)，count(a,b)代表发生动作a后接着动作b的次数，count(a)是发生动作a的总次数。
[0087]
[0088][0089]
可以根据历史数据统计出用户连续动作之间的强相关性，给历史数据一个权重系数(相对较小)，用户当下的动作习惯还是跟最近几天的习惯是最相近的(考虑到一些环境因素以及四季变化)，可以给近一年的连续动作给一个权重系数。权重系数公式：
[0090][0091]
其中，s为历史时间点距离当前时间点的时间间隔，α表示权值调整参数，假设s为计算数据时间距离当前时间点的时间间隔，权值函数曲线如图5所示是根据本发明实施例的一种可选的权重曲线示意图，其中的α在取值为0.7的情况下，权重曲线为最优曲线，因此，可可以选取α在取值为0.7的权重曲线作为权值函数，权重值与时间对应关系表如下：
[0092][0093][0094]
假设上述表中为对应于每个时间点的权重，事件x“开锁
”‑
》y“开灯”的条件概率为count(x,y)/count(x)＝0.6，然后给每个时间点的的条件概率乘以对应的权重系数，即使用0.6*0.7579 0.6*0.6444 0.6*0.5743
……
0.6*0.0942，可以得到x“开锁
”‑
》y“开灯”最
终的推荐值a，同样的可以计算事件x“开锁
”‑
》z“开电视”的条件概率为count(x,y)/count(x)＝0.8，可以对应计算出最终的推荐值b，比较a和b的值，可以选择推荐值最大的指令，作为向用户推荐的指令。最后将对应的结果存储到hbase中，进行进一步的模型训练，调节参数。
[0095]
如图6所示是根据本发明实施例的一种可选的向用户推荐指令的整体结构示意图，可以通过获取用户的相关行为数据，对用户基本特征数据，以及用户前后行为特征信息进行处理，通过五元组大脑对用户的意图进行识别，并通过ai消息服务向用户推荐意图对应的指令。
[0096]
本发明中按照五元组上下文信息，将用户的先后行为顺序进行了整合，找出历史行为中关联性强的先后动作，以此识别当前动作后的真实意图，及时推荐给用户，让用户更好的体验，避免了智能设备只能做出模糊推荐，不能实现个性化推荐的尴尬境地。
[0097]
本发明基于用户在设备操作中的行为信息，通过获取五元组数据中的用户、时间、地址、以及上下文环境等数据，提取用户特征信息，将每个用户每天的行为信息排序，通过模型计算获得匹配的前后行为信息列表，获得每个前后行为的相关性，根据每天习惯对当前习惯的影响不同进行权重相加，判断用户完成当前动作的后续意图，并在设备上推送下一步的智能提醒。本发明中按照上下文知识引擎计算时，首先根据用户注册信息提取用户特征信息；其次基于已有的行为习惯规则，每个行为习惯中的前后关联性，用数据反映出用户的“历史真实意图”，当再次发生相应行为后，以此合理的预测下一步的行为；结合权重规则，通过连续动作推测出用户意图，能够更有效、全面识别用户意图。
[0098]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0099]
根据本发明实施例的另一个方面，还提供了一种用于实施上述向用户推荐指令的方法的向用户推荐指令的装置。如图7所示，该装置包括：第一获取模块72，用于获取当前用户的用户特征，所述当前用户所在的当前位置，以及所述当前用户在上一时间点发送的第一控制指令；第二获取模块74，用于在智能家居系统的历史数据中获取与所述用户特征相匹配的数据集合，其中，所述数据集合中包括所述当前用户在历史时间点的相应位置上发送的控制指令；确定模块76，用于根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，并将所述目标控制指令确定为向所述当前用户推荐的指令。
[0100]
可选地，上述装置还用于获取所述数据集合中与所述当前位置相匹配的数据子集，其中，所述数据子集中包括所述当前用户在历史时间点的所述当前位置上向相应设备发送的控制指令；根据当前时间点和所述第一控制指令在所述数据子集中确定所述目标控制指令。
[0101]
可选地，上述装置还用于根据所述当前时间点和所述第一控制指令，确定所述数据子集中的每种控制指令的推荐值；将所述数据子集中推荐值大于或等于预设值的控制指令，确定为所述目标控制指令；或者，将所述数据子集中推荐值为前n的控制指令，确定为所述目标控制指令，其中，所述n大于或等于1。
[0102]
可选地，上述装置还用于获取所述数据子集中每种控制指令与所述第一控制指令之间的概率值，其中，所述概率值是在所述数据子集中执行所述第一控制指令之后执行所述每种控制指令的概率；根据所述当前时间点和所述概率值确定所述每种控制指令的推荐值。
[0103]
可选地，上述装置还用于对所述数据子集中的每种控制指令执行以下操作，在执行以下操作时每种控制指令为当前种控制指令，当前种控制指令与所述第一控制指令之间的概率值为当前概率值：获取所述数据子集中执行所述第一控制指令之后执行所述当前种控制指令的当前第一数量；获取所述数据子集中执行所述第一控制指令的当前第二数量；将所述当前第一数量与所述当前第二数量的比值，确定为所述当前种控制指令与所述第一控制指令之间的所述当前概率值。
[0104]
可选地，上述装置还用于在所述数据子集中包括一条所述当前种控制指令的情况下，在所述数据子集获取与所述当前种控制指令对应的当前历史时间点，其中，所述当前用户在当前历史时间点的所述当前位置上发送所述当前种控制指令；根据所述当前时间点和所述当前历史时间点，确定所述当前种控制指令的推荐值。
[0105]
可选地，上述装置还用于根据所述当前时间点和所述当前历史时间点确定当前权重值，其中，所述当前时间点与所述当前历史时间点的时间间隔越短，所述当前权重值越大；将所述当前概率值与所述当前权重值的乘积，确定为所述当前种控制指令的推荐值。
[0106]
可选地，上述装置还用于在所述数据子集中包括多条所述当前种控制指令的情况下，在所述数据子集获取多条所述当前种控制指令中每条当前控制指令对应的当前历史时间点，得到当前历史时间点集合，其中，所述当前用户在当前历史时间点的所述当前位置上发送所述当前种控制指令；根据所述当前时间点和所述当前历史时间点集合，确定所述当前种控制指令的推荐值。
[0107]
可选地，上述装置还用于获取所述当前历史时间点集合中每个当前历史时间点与所述当前时间点之间的权重值，得到多个权重值，其中，所述与所述当前时间点之间的时间间隔越短对应的权重值越大；将所述多个权重值的和，与所述当前概率值的乘积，确定为所述当前种控制指令的推荐值。
[0108]
本发明的实施例还提供了一种计算机可读存储介质，该计算机可读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任一项方法实施例中的步骤。
[0109]
在本实施例中，上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序：
[0110]
s1，获取当前用户的用户特征，所述当前用户所在的当前位置，以及所述当前用户在上一时间点发送的第一控制指令；
[0111]
s2，在智能家居系统的历史数据中获取与所述用户特征相匹配的数据集合，其中，所述数据集合中包括所述当前用户在历史时间点的相应位置上发送的控制指令；
[0112]
s3，根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，并将所述目标控制指令确定为向所述当前用户推荐的指令。
[0113]
在一个示例性实施例中，上述计算机可读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计算机程序的介质。
[0114]
本发明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。
[0115]
在一个示例性实施例中，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。
[0116]
在一个示例性实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
[0117]
s1，获取当前用户的用户特征，所述当前用户所在的当前位置，以及所述当前用户在上一时间点发送的第一控制指令；
[0118]
s2，在智能家居系统的历史数据中获取与所述用户特征相匹配的数据集合，其中，所述数据集合中包括所述当前用户在历史时间点的相应位置上发送的控制指令；
[0119]
s3，根据所述当前位置和所述第一控制指令，在所述数据集合中确定目标控制指令，并将所述目标控制指令确定为向所述当前用户推荐的指令。
[0120]
显然，本领域的技术人员应该明白，上述的本发明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，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，本发明不限制于任何特定的硬件和软件结合。
[0121]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。