[发明专利]一种融合时空因素的智能家居用户操控行为习惯建模方法

摘要

本发明公开了一种融合时空因素的智能家居用户操控行为习惯建模方法，包括下述步骤：S1，结合无线网络或者有线网络，对用户所有智能家居设备的操控记录数据以及设备的地理位置信息进行采集；包括用户历史操控数据的读取和汇聚；本发明实现从用户历史操控数据中进行数据挖掘，得到用户的操控行为习惯并进行用户操控行为习惯的建模，有利于更高效率地根据用户当前的操作来预测用户下一步的操作，并形成一种更适合用户体验的智能家居操控行为推荐方案，同时增强了智能家居操控行为推荐方案的可扩展性，填补了传统算法的不足。

主权项

1.一种融合时空因素的智能家居用户操控行为习惯建模方法，其特征在于，包括下述步骤：S1，结合无线网络或者有线网络，对用户所有智能家居设备的操控记录数据以及设备的地理位置信息进行采集；包括用户历史操控数据的读取和汇聚；其中，数据加载模块包括在线入口和离线入口：在线入口支持直接从MySQL数据库根据用户ID读取相应的用户操控记录后，进行操控行为习惯的预测；离线入口则支持输入符合主流规范的csv文件路径并根据文件路径进行CSV本地记录文件的读取后，进行操控行为习惯的预测；S2，将用户数据进行数据预处理，实现各维度空间数据映射到相同的数据空间；数据预处理包括数据清洗、数据转换和数据标记；S2.1，数据清洗；数据清洗的主要任务为数据缺失值的处理，该处理方法为使用热卡填充法处理：对于一个包含缺失值的变量，热卡填充法在数据库中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充；S2.2，数据转换；在用户操控记录中，每一列代表不同的数据空间，而数据空间之间往往由于取值范围，如日期和操控状态的取值范围不同，从而导致数据特征维度的不一致，为了实现数据维度的一致性，需要将不同空间的数据映射到相同的空间，因此使用公式(1)将其映射到取值范围为0‑1之间的空间，公式(1)如下所示：其中date表示某一维度空间下的原始数据集，i为该数据集下的第i个数据点，min函数是取数据集中的最小值，max函数是取数据集中的最大值；而对于用户设备的位置坐标，则利用公式(2)将其进行0‑1均值归一化处理，公式(2)如下所示：其中x′代表归一化转换后取值范围为0‑1的坐标空间，x代表某一设备的位置坐标，即x＝(X,Y)，μ表示该设备位置坐标中X和Y的均值，即μ＝(μX,μY)，σ则代表位置坐标中X和Y的方差，即σ＝(σX,σY)；S2.3，数据标记；为实现推导式学习，挖掘出某一设备经过某一状态操控后将会触发哪些设备并进入什么状态的功能，则需要为用户的操控历史记录打上标记，打标记的具体规则为：某一记录的标记代表下一个被操控的设备及其操控状态；S3，将用户操控数据的时间特征和空间特征进行分离，并生成时间特征集和空间特征集；其中，时间特征主要是记录生成时间，即设备的操控时间，空间特征主要是记录设备的地理位置坐标；S4，特征学习；将用户操控数据的时间特征放进时间特征学习器中进行学习；同时将用户操控数据的空间特征放进空间特征学习器中进行学习；S5，学习结果的汇聚；将S4中学习的结果通过学习结果汇聚器进行相乘汇聚，得到最终的用户行为操控习惯模型；S6，预测阶段；如用户有新的操控记录被生成，则将该用户记录的特征输入到S5的用户行为操控习惯模型中，即可推导出用户接下来最有可能操控的设备及其操控状态，实现用户行为预测的功能。