[发明专利]一种用户行为模型的初始权重优化方法及系统

说明书

本发明提供一种用户行为模型的初始权重优化方法，涉及数据分析技术领域，包括对用户行为向量中各特征项设置相应的初始权重并构建用户行为模型；针对每个智能家居设备，获取其真实成功率并生成真实成功率分布；根据用户行为模型计算得到智能家居设备被控制的预测成功率并生成预测成功率分布；采用最小化目标函数计算预测成功率分布与真实成功率分布之间的匹配度；根据匹配度并按照预设调整步长对初始权重进行调整，以对用户行为模型进行优化；将匹配度对应的权重作为最优权重代入用户行为模型，并根据用户行为模型预测智能家居设备被控制的成功率。本发明使得用户行为模型的预测成功率分布贴合于真实成功率分布，有效提升预测精准度。

技术领域

本发明涉及智能家居技术领域，尤其涉及一种用户行为模型的初始权重优化方法及系统。

背景技术

随着人们生活水平的提高，人们对居住环境的要求也越来越高，如何最大化满足人们的舒适性和家居的智能化要求是智能家居研究的目标。目前智能家居系统大多还处于单一的机械式自动化模式，其缺陷主要是智能化程度低，要实现真正意义上的智能，需通过对用户行为进行分析，并根据分析结果对用户行为进行预测，以达到智能和简化用户行为的目的。对用户行为的准确预测是实现家庭居住环境智能化的关键。

现有技术中，可以通过基于视频和语音的视觉识别系统对用户行为进行预测，但需要大量的数据积累；或者通过可穿戴设备对用户行为进行预测，但需要用户时刻佩戴，造价昂贵；也可以通过构建用户行为模型对用户行为进行预测，由于在确定用户行为模型的初始权重时凭经验设定，较为盲目和主观，往往会与实际情况出现误差，因此，用户行为模型返回的结果可能会与真实值出现较大的差异，因此需要对初始权重进行优化，以使得预测结果与真实结果相贴合。

发明内容

针对现有技术中存在的问题，本发明提供一种用户行为模型的初始权重优化方法，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，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若干特征项；

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。