[发明专利]一种融合时空因素的智能家居用户操控行为习惯建模方法

说明书

本发明公开了一种融合时空因素的智能家居用户操控行为习惯建模方法，包括下述步骤：S1，结合无线网络或者有线网络，对用户所有智能家居设备的操控记录数据以及设备的地理位置信息进行采集；包括用户历史操控数据的读取和汇聚；本发明实现从用户历史操控数据中进行数据挖掘，得到用户的操控行为习惯并进行用户操控行为习惯的建模，有利于更高效率地根据用户当前的操作来预测用户下一步的操作，并形成一种更适合用户体验的智能家居操控行为推荐方案，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操控技术领域，具体涉及一种融合时空因素的智能家居用户操控行为习惯建模方法。

背景技术

智能家居用户操控行为习惯预测与推荐，即根据用户长期以来对所有智能家居设备的操控记录，并融合用户操控设备的时间以及所操控设备的空间信息，预测用户对该设备的操控行为习惯，并给予用户一套智能推荐方案。在传统的挖掘算法中主要有以下缺点：

(1)传统的智能家居用户行为习惯挖掘算法缺乏对用户操控记录中时间以及空间信息的利用，从而造成所挖掘到的用户行为习惯脱离时间以及空间要素的限制而缺乏随时空特性；并未很好的将用户操控设备的时间信息以及所操控设备的空间信息进行有机融合来指导挖掘算法的进程，从而导致数据价值的丢失以及所挖掘到的用户行为习惯有一定的偏差；

(2)在其他领域所提出的时空信息分析算法，如一些基于条件随机场CRF、贝叶斯网络以及模式识别算法的时空因果关系算法，虽能在一定程度上挖掘出用户操控设备在时间以及空间上的一些因果关系，但总体而言效率较低且不太适用于大规模的具有混杂特征的数据集。

现有技术中，有Yu Zheng等人为了提高城市计算领域中控制污染物预测算法的预测能力以及解决控制质量监测站过于稀疏导致的预测效果不佳的问题，所提出的一种时空信息分析算法(Zheng Y，Liu F，Hsieh H P.U-Air：when urban air quality inferencemeets big data[C]//ACM SIGKDD International Conference on Knowledge Discoveryand Data Mining.ACM，2013：1436-1444)，该算法使用条件随机场CRF处理数据中的时间特征信息，而CRF算法不能很好地处理具有序列性的时间特征信息，即该算法无法高效处理具有先后顺序的时间数据。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种融合时空因素的智能家居用户操控行为习惯建模方法，该方法能够实现预处理用户行为习惯的操作数据，将用户操控记录中的时间特征(如设备操控时间)以及空间特征(如所操控设备的位置坐标信息)进行分离，然后分别将时间以及空间特征放进GRU神经网络以及ANN神经网络进行学习，接着将两部分学习模块的输出进行有机结合后形成用户对智能家居设备的操控行为习惯模型，以提高智能家居设备的智能化水平。

本发明的目的通过下述技术方案实现：

一种融合时空因素的智能家居用户操控行为习惯建模方法，包括下述步骤：

S1，结合无线网络或者有线网络，对用户所有智能家居设备的操控记录数据以及设备的地理位置信息进行采集；

包括用户历史操控数据的读取和汇聚；其中，数据加载模块包括在线入口和离线入口：在线入口支持直接从MySQL数据库根据用户ID读取相应的用户操控记录后，进行操控行为习惯的预测；离线入口则支持输入csv文件路径并根据文件路径进行CSV本地记录文件的读取后，进行操控行为习惯的预测；

S2，将用户数据进行数据预处理，实现各维度空间数据映射到相同的数据空间；数据预处理包括数据清洗、数据转换和数据标记；