[发明专利]一种用户行为模型的初始权重优化方法及系统

权利要求书

1.一种用户行为模型的初始权重优化方法，其特征在于，预先设置若干智能家居设备，获取用户控制各所述智能家居设备的历史行为数据，并针对所述历史行为数据中的每一个控制行为构建用户行为向量，所述用户行为向量包括至少一个特征项；

所述初始权重优化方法具体包括：

步骤S1，对所述用户行为向量中的各所述特征项设置相应的初始权重，并根据各所述用户行为向量构建用户行为模型；

步骤S2，针对每个所述智能家居设备，获取各所述用户行为向量对应的所述智能家居设备被控制的真实成功率，并根据各所述真实成功率生成真实成功率分布；

步骤S3，根据所述用户行为模型计算得到各所述用户行为向量对应的所述智能家居设备被控制的预测成功率，并根据各所述预测成功率生成预测成功率分布；

步骤S4，采用最小化目标函数计算所述预测成功率分布与所述真实成功率分布之间的匹配度，并将所述匹配度加入一匹配度数据集；

步骤S5，统计所述匹配度数据集中所述匹配度的元素个数，并将所述元素个数与预先设置的元素阈值进行比较：

若所述元素个数小于所述元素阈值，则转向步骤S6；

若所述元素个数不小于所述元素阈值，则判断连续预设次数的各所述匹配度是否趋于稳定：

若是，则转向步骤S7；

若否，则转向步骤S6；

所述预设次数不大于所述元素阈值；

步骤S6，根据所述匹配度并按照预设调整步长对所述初始权重进行调整，并将调整后的权重代入所述智能家居设备对应的所述用户行为模型，以对所述用户行为模型进行优化，随后转向所述步骤S3；

步骤S7，将所述匹配度对应的所述权重作为最优权重代入所述智能家居设备对应的所述用户行为模型，并根据所述用户行为模型预测所述智能家居设备被控制的成功率；

所述步骤S3中，所述预测成功率的取值范围为[0，1]；

按照如下公式计算所述预测成功率：

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)用于表示所述权重。

2.根据权利要求1所述的初始权重优化方法，其特征在于，所述特征项包括所述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。

3.根据权利要求1所述的初始权重优化方法，其特征在于，所述步骤S2中，所述真实成功率为0或1。

4.根据权利要求1所述的初始权重优化方法，其特征在于，所述步骤S4中，所述最小化目标函数为KL散度。

5.根据权利要求1所述的初始权重优化方法，其特征在于，所述步骤S6中，所述预设调整步长为0.01。

6.一种用户行为模型的初始权重优化系统，其特征在于，应用如权利要求1-5中任意一项所述的用户行为模型的初始权重优化方法，所述初始权重优化系统具体包括：

模型构建模块，用于对所述用户行为向量中的各所述特征项设置相应的初始权重，并根据各所述用户行为向量构建用户行为模型；

数据获取模块，连接所述模型构建模块，针对每个所述智能家居设备，用于获取各所述用户行为向量对应的所述智能家居设备被控制的真实成功率，并根据各所述真实成功率生成真实成功率分布；

第一处理模块，连接所述模型构建模块，用于根据所述用户行为模型计算得到各所述用户行为向量对应的所述智能家居设备被控制的预测成功率，并根据各所述预测成功率生成预测成功率分布；

第二处理模块，分别连接所述数据获取模块和所述第一处理模块，用于采用最小化目标函数计算所述预测成功率分布与所述真实成功率分布之间的匹配度，并将所述匹配度加入一匹配度数据集；

第一判断模块，连接所述第二处理模块，用于统计所述匹配度数据集中所述匹配度的元素个数，并在所述元素个数小于预先设置的元素阈值时生成相应的第一判断结果并输出，以及在所述元素个数不小于所述元素阈值时生成相应的第二判断结果并输出；

第二判断模块，连接所述第一判断模块，用于根据所述第二判断结果判断连续预设次数的各所述匹配度是否趋于稳定，并在各所述匹配度趋于稳定时输出相应的第三判断结果，以及在各所述匹配度不趋于稳定时输出相应的第四判断结果；

数据调整模块，分别连接所述第一判断模块和所述第二判断模块，所述数据调整模块具体包括：

第一数据调整单元，用于根据所述第一判断结果以及所述匹配度并按照预设调整步长对所述初始权重进行调整，并将调整后的权重代入所述智能家居设备对应的所述用户行为模型，以对所述用户行为模型进行优化；

第二数据调整单元，用于根据所述第四判断结果以及所述匹配度并按照预设调整步长对所述初始权重进行调整，并将调整后的权重代入所述智能家居设备对应的所述用户行为模型，以对所述用户行为模型进行优化；

模型生成模块，连接所述第二判断模块，用于根据所述第三判断结果将所述匹配度对应的所述权重作为最优权重代入所述智能家居设备对应的所述用户行为模型，并根据所述用户行为模型预测所述智能家居设备被控制的成功率；

所述预测成功率的取值范围为[0，1]；

按照如下公式计算所述预测成功率：

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)用于表示所述权重。