智能终端、智能家居设备的推荐方法及系统技术方案

本发明专利技术涉及一种智能终端、智能家居设备的推荐方法及系统，属于智能家居应用技术领域。其中方法包括：在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。本发明专利技术通过在历史数据中找到用户最近一次使用设备的时间，也即找到用户的有效历史数据，以该时间以前的、T天内有效历史数据为基础进行推荐，有效的避免推荐内容为空的概率，而且连续的数据提高推荐的准确性，提高用户的体验效果。

【技术实现步骤摘要】
智能终端、智能家居设备的推荐方法及系统
本专利技术涉及一种智能终端、智能家居设备的推荐方法及系统，属于智能家居应用

技术介绍
随着大数据时代到来，推荐系统迎来了空前的热潮，作为一种信息过滤的重要手段，可以更快捷的帮助用户找到自己需要的信息。智能家居作为新型的创新性行业，用户对智能家居APP的使用相对陌生，而APP的设计由于自身功能的复杂性，往往导致用户设置的场景及绑定的设备等功能的设置层级较深，导致用户难以快速启用场景和设备，影响用户体验。因此，对于智能家居APP，采用推荐系统向用户准确的推荐场景和设备成为提高用户体验的重要手段。目前常用的快速、简便的推荐算法为时间衰减算法：电商行业在给用户推荐商品时，会分析用户对于平台商品的兴趣偏好度，同时这个兴趣偏好度也会随着时间的流逝而发生变化。时间衰减算法考虑了用户兴趣偏好与时间远近有关，为了提高时间衰减算法推荐的准确率，往往在算法中会更加关注用户近期的操作，使得推荐时采用的天数较短。然而智能家居领域在很多情况下会出现用户连续多天未操作的情况，比如：家中连续多天无人等，在时间衰本文档来自技高网...

【技术保护点】
1.一种智能家居设备的推荐方法，其特征在于，包括以下步骤：/n在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；/n将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。/n

【技术特征摘要】
1.一种智能家居设备的推荐方法，其特征在于，包括以下步骤：
在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；
将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。


2.根据权利要求1所述的智能家居设备的推荐方法，其特征在于，所述时间衰减模型为：



其中，Y为第一推荐向量，G为时间衰减系数，x1,x2,...,xT为距推荐日1天、2天、……、T天，用户每日的各设备点击次数向量，X为用户在T日内各设备的累计操作天数向量，a为调控X比重的权重系数。


3.根据权利要求1所述的智能家居设备的推荐方法，其特征在于，若该使用时间以前的、连续T天内点击设备的有效历史数据的天数大于设定阈值；则还将该使用时间以前、连续T天内点击设备的有效历史数据输入回归模型中，得到第二推荐向量，根据第二推荐向量得到第二推荐列表；将第一推荐列表和第二推荐列表组合得到第三推荐列表，按照第三推荐列表进行推荐。


4.根据权利要求3所述的智能家居设备的推荐方法，其特征在于，回归模型为：
Y'＝β0+β1x1+β2x2+…+βTxT+ε；
其中，Y′为第二推荐向量，β0为偏移量，是常数，x1、x2、…、xT为距推荐日1天、2天、…、T天，用户每日的各设备点击次数向量，β1、β2、…、βT为距推荐日1天、2天、…、T天每日的权重系数，ε为期望为0的噪声项。

<...

【专利技术属性】
技术研发人员：叶龙，马涛，姜红梅，田涵朴，刘田园，孙学宾，
申请(专利权)人：河南紫联物联网技术有限公司，
类型：发明
国别省市：河南;41