应用于智能家居的个性化行为预测方法、装置和系统制造方法及图纸

本申请实施例公开了应用于智能家居的个性化行为预测方法、装置和系统。该方法的一具体实施方式包括：根据所获取的当前用户输入信息确定所述用户的用户身份以及用户当前行为意图；获取与所述用户身份匹配的用户历史行为的信息；基于用户当前行为意图所指示的当前行为以及与所述用户历史行为的信息所指示的历史行为，确定该用户在所述当前行为之后的预测用户行为。该实施方式由于用户的预测用户行为是基于该用户的历史行为所确定的，从而可以提高所确定的预测用户行为的准确率。

Personalized Behavior Prediction Method, Device and System for Smart Home

The embodiment of this application discloses a personalized behavior prediction method, device and system applied to smart home. One specific embodiment of the method includes: determining the user's identity and the user's current behavior intention according to the acquired input information of the current user; obtaining the information of the user's historical behavior matching the user's identity; and determining the user's current behavior based on the current behavior indicated by the user's current behavior intention and the historical behavior indicated by the information of the user's historical behavior. The user predicts user behavior after the current behavior. Because the user's predicted user behavior is determined based on the user's historical behavior, the implementation method can improve the accuracy of the determined predicted user behavior.

【技术实现步骤摘要】
应用于智能家居的个性化行为预测方法、装置和系统
本申请实施例涉及物联网
，具体涉及智能家居
，尤其涉及应用于智能家居的个性化行为预测方法、装置和系统。
技术介绍
随着物联网技术的快速发展，可以利用无线传感技术和计算机网络技术，将家居环境中的普通底层硬件设备，例如冰箱、台灯、热水器、空调、电视、门窗等聚合在一起，形成一整套智能家居体系。也即，智能家居是以住宅为平台，基于物联网技术，软件系统，云计算平台构成的家居生态圈。目前智能家居的智能化已经不局限于设备能够理解用户指令，对单个家居设备参数进行调整，还要求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使用推荐。
技术实现思路
本申请实施例提出了一种应用于智能家居的个性化行为预测方法、装置和系统。第一方面，本申请实施例提供了一种应用于智能家居的个性化行为预测方法，该方法包括：根据所获取的当前用户输入信息确定用户的用户身份以及用户当前行为意图；获取与用户身份匹配的用户历史行为的信息；基于用户当前行为意图所指示的当前行为以及与用户历史行为的信息所指示的历史行为，确定该用户在当前行为之后的预测用户行为。在一些实施例中，基于用本文档来自技高网...

【技术保护点】
1.一种应用于智能家居的个性化行为预测方法，包括：根据所获取的当前用户输入信息确定所述用户的用户身份以及用户当前行为意图；获取与所述用户身份匹配的用户历史行为的信息；基于用户当前行为意图所指示的当前行为以及与所述用户历史行为的信息所指示的历史行为，确定该用户在所述当前行为之后的预测用户行为。

【技术特征摘要】
1.一种应用于智能家居的个性化行为预测方法，包括：根据所获取的当前用户输入信息确定所述用户的用户身份以及用户当前行为意图；获取与所述用户身份匹配的用户历史行为的信息；基于用户当前行为意图所指示的当前行为以及与所述用户历史行为的信息所指示的历史行为，确定该用户在所述当前行为之后的预测用户行为。2.根据权利要求1所述的方法，其中，所述基于用户当前行为意图所指示的当前行为以及与所述用户历史行为的信息所指示的历史行为，确定该用户在所述当前行为之后的预测用户行为，包括：将当前行为的信息以及与所述用户历史行为的信息输入到预先训练的用户行为预测模型，得到用于指示该用户在所述当前行为之后的预测用户行为的信息；其中所述用户行为预测模型用于根据输入的用户的当前行为的信息以及用户历史行为的信息，生成用于指示该用户在所述当前行为之后的预测用户行为的信息。3.根据权利要求2所述的方法，其中，所述用户行为预测模型包括第一用户行为预测子模型和第二用户行为预测子模型，所述用户历史行为信息包括用户历史行为序列的信息；以及所述将当前行为的信息以及与所述用户历史行为的信息输入到预先训练的用户行为预测模型，得到用于指示该用户在所述当前行为之后的预测用户行为的信息，包括：将所述当前行为的信息以及所述用户历史行为序列的信息输入到预先训练的第一用户行为预测子模型，得到用于指示该用户在所述当前行为之后的第一预测用户行为的信息；将当前行为-环境数据对以及当前环境数据发送到第二用户行为预测子模型，得到用于指示该用户在当前行为之后的、与当前环境数据对应的第二预测用户行为的信息；其中，行为-环境数据对包括用于指示用户行为的信息以及用户执行所述用户行为之前的环境信息；基于第一预测用户行为对应的概率以及第二预测用户行为对应的概率确定所述预测用户行为；其中所述第一用户行为预测子模型用于根据输入的用户当前行为的信息以及用户历史行为序列的信息，生成用于指示该用户在所述当前行为之后的第一预测用户行为的信息；所述第二用户行为预测子模型用于根据输入的用户行为-环境数据对以及给定环境，生成用于该用户在所述当前行为之后的第二预测用户行为的信息。4.根据权利要求3所述的方法，其中，所述第一用户行为预测子模型为基于循环神经网络的语言模型；所述第二用户行为预测子模型为基于深度学习的分类模型。5.根据权利要求3所述的方法，其中，所述第一用户行为预测子模型是按照如下训练步骤训练得到的：构建训练样本集合，所述训练样本集合包括用户历史行为的信息，用户历史行为的信息包括用户历史行为序列的信息；将所述训练样本集合中的至少一个训练样本作为初始第一行为预测模型的输入，将预设至少一个预设行为作为输出，训练所述初始第一行为预测模型，以得到训练后的第一行为预测模型；以及所述第二用户行为预测子模型是按照如下训练步骤训练得到的：构建训练样本集合，所述训练样本集合包括多个行为-环境数据对，所述行为环境数据对包括用户行为的信...

【专利技术属性】
技术研发人员：周进华，宋浩杰，谢宇治，万磊，
申请(专利权)人：三星电子中国研发中心，三星电子株式会社，
类型：发明
国别省市：江苏,32