[发明专利]一种用户行为模型的构建方法及系统

权利要求书

1.一种用户行为模型的构建方法，其特征在于，预先设置若干智能家居设备，所述用户行为模型的构建方法具体包括：

步骤S1，获取用户控制各智能家居设备的历史行为数据；

所述历史行为数据包括所述用户的控制行为的发生时间、各所述智能家居设备的运行状态数据、室内环境数据以及室外环境数据；

步骤S2，针对所述用户的每个所述控制行为，根据所述历史行为数据构建所述控制行为对应的用户行为向量；

所述用户行为向量中包括若干特征项，所述特征项包括所述控制行为的发生时间特征项、所述智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；

步骤S3，预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；

步骤S4，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；

步骤S5，根据所述最优权重构建用户行为模型，并根据所述用户行为模型对各所述智能家居设备被控制的成功率进行预测。

2.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述智能家居设备包括不可调模式设备和可调模式设备，

则所述运行状态数据包括所述不可调模式设备处于开启状态或者关闭状态，所述可调模式设备处于开启状态或关闭状态，以及所述可调模式设备处于开启状态时所处的模式以及所述模式对应的属性值。

3.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述室内环境数据包括光强，和/或温度，和/或湿度，和/或PM2.5，和/或含氧量，和/或CO2浓度，和/或甲醛浓度，和/或空气流速，和/或可吸入颗粒，和/或苯，和/或氨，和/或TVOC。

4.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述室外环境数据包括天气现象，和/或温度，和/或气压，和/或相对湿度，和/或能见度，和/或风向，和/或风速，和/或云量。

5.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述步骤S3中，按照如下公式得到各所述智能家居设备被控制的所述预测成功率：

其中，

s(b)用于表示所述预测成功率；

用于表示所述用户行为向量；

c用于表示所述特征项；

w_(c)用于表示所述初始权重。

6.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述步骤S4中，所述最小化目标函数为KL散度。

7.根据权利要求1所述的用户行为模型的构建方法，其特征在于，执行所述步骤S2之前，还包括对所述历史行为数据进行数据预处理，以使得所述历史行为数据具有预设的格式。

8.一种用户行为模型的构建系统，其特征在于，应用如权利要求1-7中任意一项中所述的用户行为模型的构建方法，所述用户行为模型的构建系统具体包括：

数据获取模块，用于获取用户控制各智能家居设备的历史行为数据；

所述历史行为数据包括所述用户的控制行为的发生时间、各所述智能家居设备的运行状态数据、室内环境数据以及室外环境数据；

向量生成模块，连接所述数据获取模块，用于针对所述用户的每个所述控制行为，根据所述历史行为数据构建所述控制行为对应的用户行为向量；

所述用户行为向量中包括若干特征项，所述特征项包括所述控制行为的发生时间特征项、所述智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；

第一处理模块，连接所述向量生成模块，用于预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；

第二处理模块，连接所述第一处理模块，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；

模型构建模块，连接所述第二处理模块，用于根据所述最优权重构建用户行为模型，并根据所述用户行为模型对各所述智能家居设备被控制的成功率进行预测。