[发明专利]基于深度学习的智能家居用户操控习惯挖掘与推荐方法

说明书

本发明涉及基于深度学习的智能家居用户操控习惯挖掘与推荐方法，包括以下步骤：S1：结合无线或有线网络进行用户行为习惯数据的采集；S2：数据读取及数据预处理，形成用户的操控记录矩阵；S3：进行GAN网络对抗训练生成用户一天的操控习惯的特征矩阵；S4：根据用户设备的操控状态的取值范围进行特征值规范化，形成最终的智能家居操控行为推荐方案。本发明能实现从用户历史操控数据中挖掘出用户一整天的操控习惯，而且形成高效，同时增强了智能家居操控行为推荐方案的可扩展性，填补了传统算法的不足。

技术领域

本发明涉及智能家居的技术领域，尤其涉及到基于深度学习的智能家居用户操控习惯挖掘与推荐方法。

背景技术

智能家居是在互联网影响之下物联化的体现，其通过物联网技术将家中的各种设备(如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、影音服务器、影柜系统、网络家电等)连接到一起，提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。而智能家居操控行为推荐更为用户控制自己需要的设备带来方便。

智能家居操控行为推荐，针对用户的历史行为数据提取用户一整天的操控行为特征，并形成符合用户操控习惯的推荐方案给予用户推荐。传统的基于关联规则算法产生的行为推荐方案，主要有以下缺点：

①传统推荐方法所产生的智能家居操控行为推荐方案不具备时间连贯性，无法一次性生成用户一整天的操控习惯，不具备智能产生情景推荐方案的功能。

②传统的智能家居算法绝大部分仅根据用户数据的某一个或多个特征元素(如时间)进行聚类推荐，无法挖掘用户所有的特征元素之间的潜在关系。

发明内容

本发明的目的在于克服现有技术的不足，提供一种具备时间连贯性、能一次性生成用户一整天的操控习惯、具备智能产生情景推荐方案、能挖掘用户所有的特征元素之间的潜在关系的基于深度学习的智能家居用户操控行为习惯挖掘与推荐方法。

为实现上述目的，本发明所提供的技术方案为：

基于深度学习的智能家居用户操控习惯挖掘与推荐方法，包括以下步骤：

S1：结合无线或有线网络进行用户行为习惯数据的采集；

S2：数据读取及数据预处理，形成用户的操控记录矩阵；

S3：进行GAN网络对抗训练生成用户一天的操控习惯的特征矩阵；

S4：根据用户设备的操控状态的取值范围进行特征值规范化，形成最终的智能家居操控行为推荐方案。

进一步地，所述步骤S2具体过程如下：

S2-1：数据读取：提供在线以及离线入口，在线入口支持直接从数据库读取相应数据后进行后续处理，离线入口则支持输入符合主流规范的csv文件；

S2-2：用户操控记录矩阵的形成：根据用户记录产生的日期进行数据分割与填充，假设有n天的记录则将形成n个用户操控记录矩阵。

进一步地，所述形成用户操控记录矩阵的具体步骤如下：

A1：根据用户操控记录的产生时间进行时间节点的聚类，形成K个用户最常操控家居设备的频繁操控时间节点；

A2：针对步骤A1所产生的K个用户最常操控家居设备的频繁操控时间节点、用户所拥有的M个智能家居设备以及用户某一天中的所有操控记录形成一个K行M列的用户操控记录矩阵：若第i个频繁操控时间节点时的前后20分钟共40分钟内，第j个智能家居设备的操控记录不为空，则将用户操控记录矩阵的第i行第j列的数据更改为当前频繁操控时间节点得该记录中的该智能家居设备的操控状态；反之则将用户操控记录矩阵的第i行第j列的数据置为0；直至所有频繁操控时间节点和所有智能家居设备的操控记录均被遍历为止；