[发明专利]用于基于知识图谱来提供内容的方法和装置

说明书

提供了基于知识图谱使用例如设备的处理器和存储器来提供内容推荐。在一些实施例中，使用了传感器。内容推荐高效地利用处理器、存储器和/或传感器。在设备处维护知识图谱并且在服务器处维护另一个知识图谱。通过以下来在设备处生成知识图谱：例如，获得日志历史信息，生成设备知识图谱，生成与用户的行为模式相关联的模式知识图谱，和/或通过将模式知识图谱添加到设备知识图谱来更新设备知识图谱。在一些示例中，由服务器基于模式知识图谱来在服务器处生成知识图谱。

技术领域

本公开涉及一种用于基于知识图谱来提供内容的方法和装置。更具体地，本公开涉及一种用于通过基于用户分析生成知识图谱来提供内容的方法和装置。

背景技术

不同于现有的基于规则的智能系统，人工智能(AI)系统是本身执行机器学习和问题解决并变得更智能的计算机系统。随着AI系统的使用增加，其识别率已经得到改进并且可以更准确地理解用户偏好。现有的基于规则的智能系统逐渐地被基于深度学习的AI系统代替。

AI技术包括机器学习(深度学习)和使用机器学习的元素技术。机器学习是本身对输入数据的特性进行分类和学习的算法技术。元素技术是使用诸如深度学习的机器学习算法的技术。元素技术包括诸如语言理解、视觉理解、推断或预测、知识表示和运动控制等技术领域。

AI技术所应用的各个领域如下。语言理解是用于识别、应用和处理人类语言和字符的技术，并且包括自然语言处理、机器翻译、对话系统、询问和应答、语音识别和合成等。视觉理解是用于如人类视觉那样来识别和处理对象的技术，并且包括对象识别、对象跟踪、图像检索、人识别、场景理解、空间理解、图像增强等。推断或预测是用于确定、逻辑地推断和预测信息的技术，并且包括基于知识/概率的推断、优化预测、基于偏好的规划、推荐等。知识表示是用于将人类经验信息自动地处理成知识数据的技术，并且包括知识构建(数据生成和分类)、知识管理(数据利用)等。运动控制是用于控制车辆的自主驾驶和机器人的移动的技术，并且包括移动控制(导航、碰撞、驾驶等)、操作控制(行为控制)等。

另外，还需要一种能够通过用户分析来有效地扩展与用户相关联的知识图谱的AI技术。

发明内容

问题的解决方案

提供了一种用于基于运行中的设备中的知识图谱来提供内容的方法和装置。

还提供了一种用于连续地更新和生成运行中的设备中的知识图谱的方法和装置。

还提供了一种用于单独地管理由服务器生成的知识图谱和由设备生成的知识图谱以便连续地更新运行中的设备中的知识图谱的方法和装置。

提供了一种用于通过用户分析来确定与用户相关联的模式并且将所确定的模式与由服务器生成的知识图谱进行组合的方法和装置。

提供了一种用于通过用户分析来确定与用户相关联的模式并且根据所确定的模式来确定要提供给用户的功能的方法和装置。

附加方面将部分地在下面的描述中阐述，并且部分地将从描述中显而易见，或者可以通过对本公开的所呈现实施例的实践来获悉。

附图说明

通过以下结合附图的描述，本公开的某些实施例的上述和其它方面、特征和优点将变得更加显而易见，在附图中：

图1是根据本公开的实施例的用于提供知识图谱的系统的示意图；

图2是根据本公开的实施例的由设备执行的生成知识图谱的方法的流程图；

图3是根据本公开的实施例的由设备执行的生成设备知识图谱的方法的流程图；

图4是根据本公开的实施例的由设备执行的生成模式知识图谱的方法的流程图；

图5A是根据本公开的实施例的由设备执行的根据实体之间的对应关系来生成模式知识图谱的方法的流程图；