一种物联网设备特征获取方法及装置制造方法及图纸

本说明书公开一种物联网设备特征获取方法及装置，包括获取多台物联网设备的位置信息以及用户行为信息；根据获取的信息构建以设备为节点、以设备间关联关系为边的设备关联图；基于所构建的设备关联图，得到路径集；所述路径集中任一路径为所述关联图中的任一无环路径；利用所述路径集中任一路径生成若干条训练样本，以根据所述路径集得到训练样本集；其中，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；基于所述训练样本集训练深度学习模型；利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。度学习模型的隐藏层信息获取物联网设备特征。度学习模型的隐藏层信息获取物联网设备特征。

【技术实现步骤摘要】
一种物联网设备特征获取方法及装置


[0001]本说明书涉及机器学习
，尤其涉及一种物联网设备特征获取方法及装置。

技术介绍

[0002]目前，物联网设备功能十分强大，除了具有常规的基本功能之外，通常还具有其他功能，例如展示推送信息的功能。以物联网自动售货机为例，其除了具有售卖商品的功能以外，还具有通过屏幕展示推送信息的功能，其会在屏幕上展示推送信息以供用户查看，例如展示商品广告信息、展示商品优惠券等信息。
[0003]物联网设备展示的推送信息如果不能满足用户的使用需求，对于设备本身来说，无疑是一种网络资源的浪费。
[0004]为了解决上述问题，目前业界常采用机器学习的方式，即以用户信息与推送信息为特征，以用户对于推送信息的点击情况为标签进行训练，进而利用训练后的模型确定向用户展示的推送信息。但是通常情况下，用户并非在所有设备上的行为都相同，因此，以上述方式训练出的模型效果欠佳。
[0005]基于上述理由，如果将设备特征也作为模型的训练特征，训练出的模型效果也会更佳，另外，如果将设备的某项数据作为该设备的特征，特征信息量较少，对于模型的训练效果提升较小，从这个角度而言，如果设备特征能够体现的含义越丰富，则利用该设备特征训练出的模型效果也就更佳。
[0006]因此，亟需获取一种含义丰富的物联网设备特征，用于模型训练。

技术实现思路

[0007]针对上述技术问题，本说明书提供一种物联网设备特征获取方法及装置，技术方案如下：根据本说明书的第一方面，提供一种物联网设备特征获取方法，包括：获取多台物联网设备的位置信息以及用户行为信息；根据获取的信息构建以设备为节点、以设备间关联关系为边的设备关联图；基于所构建的设备关联图，得到路径集；所述路径集中任一路径为所述设备关联图中的任一无环路径；利用所述路径集中任一路径生成若干条训练样本，以根据所述路径集得到训练样本集；其中，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；基于所述训练样本集训练深度学习模型；利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。
[0008]根据本说明书的第二方面，提供一种物联网设备特征获取装置，包括：信息获取模块，用于获取多台物联网设备的位置信息以及用户行为信息；关联图生成模块，用于根据获取的信息构建以设备为节点、以设备间关联关系为边的
设备关联图；路径生成模块，用于基于所构建的设备关联图，得到路径集；所述路径集中任一路径为所述设备关联图中的任一无环路径；模型训练模块，用于利用所述路径集中任一路径生成若干条训练样本，以根据所述路径集得到训练样本集；其中，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；基于所述训练样本集训练深度学习模型；设备特征获取模块，用于利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。
[0009]本说明书通过获取物联网设备的位置信息，以及用户基于设备的行为信息，并通过获取的信息生成以设备为节点，以设备之间关联关系为边的设备关联图，根据该图上的路径，生成模型训练样本集，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；利用所述训练样本集训练深度学习模型，利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。
[0010]因此，确定出的物联网设备的特征，可以包含设备与设备之间的关联关系，又由于该设备与设备之间的关联关系是通过用户行为、以及地理位置信息建立的，因此该设备特征包含了用户行为以及地理位置信息两个维度的信息。
[0011]进而，该物联网设备特征在特征空间可以从多个维度体现出设备之间的相似性，其中包括在地理位置维度上的相似性，以及在用户行为维度上的相似性，故使用该特征进行模型训练得到模型后，该模型的输出可以将设备考虑在内，即能够实现在相似的设备上为同一个用户展示相同或相近的推送信息，进而使推送信息更能满足用户的使用需求。
[0012]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
[0013]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0014]图1是本说明书实施例的一种物联网设备特征获取方法的流程示意图；图2是本说明书实施例的一种物联网设备关联图的示意图；图3是本说明书实施例的一种路径的示意图；图4a是本说明书实施例的一种Skip-gram算法模型的输入输出关系的示意图；图4b是本说明书实施例的一种CBOW算法模型的输入输出关系的示意图；图5是本说明书实施例的一种对位置关联图以及用户信息关联图进行融合的示意图；图6是本说明书实施例的一种标记有权重值的物联网设备关联图的示意图；图7是本说明书实施例的一种基于物联网设备关联图的路径获取方法的流程示意图；图8是本说明书实施例的一种物联网设备特征的获取装置结构示意图；图9是用于配置本说明书实施例装置的一种设备的结构示意图。
具体实施方式
[0015]为了使本领域技术人员更好地理解本说明书实施例中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行详细地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于保护的范围。
[0016]在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0017]应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0018]目前，物联网设备功能十分强大，除了具有常规的基本功能之外，通常还具有其他功能，例如展示推送信息的功能。以物联网自动售货机为例，其除了具有售卖商品的功能以外，还具有通过屏幕展示推送信息的功能，其会在屏幕上展示推送信息以供用户查看，例如展示商品广告信息、展示商品优惠券等信息。
[0019]物联网设备展示的推送信息如果不能满足用户的使用需求，对于设备本身来说，无疑是一种网络资源的浪费。
[0020]为了解决上述问题，目前业界常采用机器学习的方式，即以用户信息与推送信息为特征，以用户对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网设备特征获取方法，包括：获取多台物联网设备的位置信息以及用户行为信息；根据获取的信息构建以设备为节点、以设备间关联关系为边的设备关联图；基于所构建的设备关联图，得到路径集；所述路径集中任一路径为所述设备关联图中的任一无环路径；利用所述路径集中任一路径生成若干条训练样本，以根据所述路径集得到训练样本集；其中，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；基于所述训练样本集训练深度学习模型；利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。2.根据权利要求1所述的方法，所述深度学习模型为Skip-gram算法模型或CBOW算法模型；利用训练后的深度学习模型的隐藏层信息获取物联网设备的特征，包括：针对所述设备关联图中任一节点，将该节点作为输入，利用该深度学习模型的隐藏层输出作为该节点对应的设备的特征。3.根据权利要求1所述的方法，所述行为信息至少包括用户标识；所述根据获取的信息构建以设备为节点、以设备间关联关系为边的设备关联图包括：以所述多台物联网设备为多个节点，针对任意两个节点，根据获取的位置信息，确定所述两个节点对应的设备之间的距离是否小于预设长度；针对所述两个节点，根据获取的行为信息中的用户标识，确定所述两个节点对应的设备之间是否具有相同用户；若确定所述距离小于预设长度、和/或所述两个节点对应的设备之间具有相同用户，则确定所述两个节点之间具有关联关系，并构建所述两个节点之间的边。4.根据权利要求3所述的方法，所述行为信息多种行为信息；所述针对所述两个节点，根据获取的行为信息中的用户标识，确定所述两个节点对应的设备之间是否具有相同用户；包括：针对任一种行为信息，若确定所述两个节点对应的设备之间具有相同用户标识，则确定所述两个节点对应的设备之间具有相同用户。5.根据权利要求3所述的方法，所述行为信息还包括行为发生时间；所述针对所述两个节点，根据获取的行为信息中的用户标识，确定所述两个节点对应的设备之间是否具有相同用户；包括：根据所述两个节点的行为信息中的行为发生时间，以及预设的多个时间窗口，确定行为信息所在的时间窗口；针对每一时间窗口，分别确定所述两个节点对应的设备之间是否具有相同用户。6.根据权利要求3所述的方法，还包括：根据获取的位置信息以及用户行为信息，确定所述设备关联图中任一条边的权重值，所述权重值用于表征该边两端节点之间的关联程度。7.根据权利要求6所述的方法，所述根据获取的位置信息以及用户行为信息，确定所述设备关联图中任一条边的权重值；包括：针对所述设备关联图中任一条边，根据获取的位置信息确定该边两端节点对应的设备
之间的距离，利用该距离确定该边的距离权重值；该距离权重值与该距离成负相关关系；根据该边两端节点对应的设备之间的相同用户的行为信息，确定该边的行为权重值；该行为权重值，与该相同用户的行为信息数量成正相关关系；综合该距离权重值以及该行为权重值，确定该边的权重值。8.根据权利要求6所述的方法，所述路径数据集中任一条路径的获取方法为：在所述设备关联图中以任一节点为起点，根据概率随机选取若干个连续节点与该起点组成路径，该路径中不存在相同的节点，且任一节点被选取的概率，与该节点和该路径中上一节点之间边的权重值成正相关关系。9.根据权利要求8所述的方法，所述在所述设备关联图中以任一节点为起点，随机选取若干个连续节点与该起点组成路径，包括：以所述设备关联图中任一节点为起点，在与该节点相连的至少一个节点中随机确定一个节点为当前节点，以起点和当前节点之间的全部节点和边作为当前路径，循环执行以下操作，直到达到预设停止条件：判断是否达到预设停止条件；若否，则在与当前节点相连的至少一个节点中根据概率随机确定一个节点作为当前节点；其中，所选取的节点不为当前路径中的任一节点；若是，则停...

【专利技术属性】
技术研发人员：严坦，吴睿泽，支良标，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：