[发明专利]一种智能家居中推荐场景的方法和装置

权利要求书

1.一种智能家居中的场景推荐方法，其特征在于，包括：

按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存；

对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件进行匹配，生成当前用户事件；

将所述用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的场景推荐给用户；

其中，所述对文本形式保存的用户数据进行语义分析包括：

根据训练生成的word2vec网络模型将文本形式保存的用户数据中的语句划分成词语，并将词语转化为词向量，将语句中各个词语的词向量构成句向量；

将所述句向量输入LSTM网络，利用所述LSTM网络找到与所述句向量匹配的事件词向量；

所述根据分析结果与系统保存的用户事件进行匹配，生成当前用户事件包括：

将LSTM网络找到的事件词向量与系统保存的用户事件的事件词向量进行相似分析，将分析得到的最相似事件作为所述当前用户事件。

2.根据权利要求1所述的方法，其特征在于，当所述用户事件与智能家居场景匹配不成功时，该方法进一步包括：

如果存在符合所述用户事件的场景，则推荐用户修改相应的场景；和/或，

如果不存在符合所述用户事件的场景，则根据所述用户事件所需要的功能和设备，重新组合所述用户所存储场景中的设备和功能，创建新场景推荐给用户。

3.根据权利要求2所述的方法，其特征在于，如果创建的所述新场景中包括所述用户的已有设备，则将相应设备设置为符合所述新场景的参数；如果创建的所述新场景包括所述用户没有的设备，则推荐所述用户购买相应设备。

4.根据权利要求2所述的方法，其特征在于，当用户对推荐的新场景满意时，将所述新场景保存在场景库，并对应于所述用户事件；和/或，

当用户对推荐的新场景不满意时，接收并记录用户修改的场景内容，用于作为后续创建新场景的参考。

5.根据权利要求1所述的方法，其特征在于，训练生成word2vec网络模型的方式包括：预先建立专用词库，所述词库包括智能家居设备的种类、品牌、名称和/或自动化场景名称；将所述专用词库加入分词工具的自定义词典，利用所述分词工具对智能家居情景下的语句进行分词训练和词向量转化训练，得到所述word2vec网络模型。

6.根据权利要求1所述的方法，其特征在于，所述LSTM网络的生成方式包括：预先建立智能家居情景下的专用语句库，其中标记语句和事件的对应关系；根据所述word2vec网络模型输出的句向量，训练相对应的事件词向量。

7.根据权利要求1所述的方法，其特征在于，该方法进一步包括：预先设置需要用户授权使用的数据类型。

8.一种智能家居中的场景推荐装置，其特征在于，该装置包括：数据采集和转换单元、用户事件生成单元和场景推荐单元；

所述数据采集和转换单元，用于按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存，作为用于生成用户事件的元数据；

所述用户事件生成单元，用于对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件类型进行匹配，生成当前用户事件；其中，所述对文本形式保存的用户数据进行语义分析包括：根据训练生成的word2vec网络模型将文本形式保存的用户数据中的语句划分成词语，并将词语转化为词向量，将语句中各个词语的词向量构成句向量；将所述句向量输入LSTM网络，利用所述LSTM网络找到与所述句向量匹配的事件词向量；

所述场景推荐单元，用于将所述用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的场景推荐给用户；其中，所述根据分析结果与系统保存的用户事件进行匹配，生成当前用户事件包括：将LSTM网络找到的事件词向量与系统保存的用户事件的事件词向量进行相似分析，将分析得到的最相似事件作为所述当前用户事件。