用于智能家居控制的用户行为预测模型的训练方法及装置制造方法及图纸

本发明专利技术实施例提供一种用于智能家居控制的用户行为预测模型的训练方法及装置，其中，该方法包括：基于用户控制智能家居设备的历史行为数据，构建用于控制智能家居设备的用户行为知识图谱，其中，所述用户行为知识图谱包括用户的至少2个行为链，所述行为链中包括设备信息、控制信息和时间信息及其之间的对应关系；将所述用户行为知识图谱中的所述行为链转化为特征向量数据；基于所述特征向量数据，采用神经网络模型训练生成用于智能家居设备控制的用户行为预测模型。根据本发明专利技术实施例提供的方法及装置，训练出的用户行为预测模型，能够准确的预测出用户即将发生的行为。

Training method and device for user behavior prediction model for smart home control

The embodiment of the invention provides a method and device for predicting, training model for intelligent control of the Home Furnishing user behavior, the method includes: the history of user behavior data Home Furnishing intelligent control equipment based on user behavior, for the construction of knowledge map intelligent control equipment Home Furnishing spectrum, among them, the user behavior of knowledge map including at least 2 chain a user behavior, including equipment information, the behavior of chain control and its corresponding relationship between information and time information; the chain of the behavior are the user behavior knowledge map into the feature vector data; the feature vector based on the data, using the model of neural network training for generating user behavior Home Furnishing intelligent control equipment the prediction model. According to the method and device provided by the embodiment of the invention, the trained user behavior prediction model can accurately predict the user's forthcoming behavior.

【技术实现步骤摘要】
用于智能家居控制的用户行为预测模型的训练方法及装置
本专利技术实施例涉及智能家居
，尤其涉及一种用于智能家居控制的用户行为预测模型的训练方法及装置。
技术介绍
随着智能家居的发展，智能家居的智能化已经不局限于设备能够理解用户的自然语言，还要求设备能够对用户行为做出预判，并基于预判结果做出符合用户需求的设备使用推荐。因此，如何实现用户行为的准确预判是目前亟待解决的问题。
技术实现思路
本专利技术实施例提供一种用于智能家居控制的用户行为预测模型的训练方法及装置，用以训练出准确性较高的用户行为预测模型，实现对用户行为的准确预测。本专利技术实施例第一方面提供一种用于智能家居控制的用户行为预测模型的训练方法，该方法包括：基于用户控制智能家居设备的历史行为数据，构建用于控制智能家居设备的用户行为知识图谱，其中，所述用户行为知识图谱包括用户的至少2个行为链，所述行为链中包括设备信息、控制信息和时间信息及其之间的对应关系；将所述用户行为知识图谱中的所述行为链转化为特征向量数据；基于所述特征向量数据，采用神经网络模型训练生成用于智能家居设备控制的用户行为预测模型。本专利技术实施例第二方面提供一种用于本文档来自技高网...

【技术保护点】
一种用于智能家居控制的用户行为预测模型的训练方法，其特征在于，所述方法包括：基于用户控制智能家居设备的历史行为数据，构建用于控制智能家居设备的用户行为知识图谱，其中，所述用户行为知识图谱包括用户的至少2个行为链，所述行为链中包括设备信息、控制信息和时间信息及其之间的对应关系；将所述用户行为知识图谱中的所述行为链转化为特征向量数据；基于所述特征向量数据，采用神经网络模型训练生成用于智能家居设备控制的用户行为预测模型。

【技术特征摘要】
1.一种用于智能家居控制的用户行为预测模型的训练方法，其特征在于，所述方法包括：基于用户控制智能家居设备的历史行为数据，构建用于控制智能家居设备的用户行为知识图谱，其中，所述用户行为知识图谱包括用户的至少2个行为链，所述行为链中包括设备信息、控制信息和时间信息及其之间的对应关系；将所述用户行为知识图谱中的所述行为链转化为特征向量数据；基于所述特征向量数据，采用神经网络模型训练生成用于智能家居设备控制的用户行为预测模型。2.根据权利要求1所述的方法，其特征在于，所述将所述用户行为知识图谱中的所述行为链转化为特征向量数据，包括：将所述用户行为知识图谱中的节点转化为特征向量数据；基于所述节点的特征向量数据，将所述用户行为知识图谱中的所述行为链转化为特征向量数据。3.根据权利要求2所述的方法，其特征在于，所述用户行为知识图谱中包括初始节点和其他节点；所述将所述用户行为知识图谱中的节点转化为特征向量数据，包括：从所述其它节点中选择当前处理的目标节点；获取所述初始节点的第一特征向量，以及，获取所述目标节点的第二特征向量；依据所述第一特征向量和所述第二特征向量，计算所述目标节点对应的特征值；确定所述特征值中的最大特征值；针对所述最大特征值，采用其对应的第一特征向量和第二特征向量更新获得所述初始节点及其它节点的特征向量数据。4.根据权利要求3所述的方法，其特征在于，所述初始节点和其它节点分别具有对应的词节点向量数据，所述从所述其它节点中选择当前处理的目标节点，包括：采用所述初始节点的节点向量数据，以及，所述其它节点的节点向量数据，计算转移概率值；判断所述转移概率值是否大于第一预设阈值；当所述转移概率值大于第一预设阈值时，确定所述转移概率值对应的其它节点为目标节点。5.根据权利要求3或4所述的方法，其特征在于，所述依据所述第一特征向量和所述第二特征向量，计算所述目标节点对应的特征值，包括：依据所述第一特征向量和第二特征向量，计算所述目标节点对应的条件概率值；累乘所述条件概率值，获得累乘条件概率值；针对所述累乘条件概率值进行取对数操作，获得对数条件概率值；累加所述对数条件概率值，获得特征值。...

【专利技术属性】
技术研发人员：袁丽，殷腾龙，
申请(专利权)人：海信集团有限公司，
类型：发明
国别省市：山东,37