一种智能家居中推荐场景的方法和装置制造方法及图纸

本申请公开了一种智能家居中的场景推荐方法，包括：按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存；对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件类型进行匹配，生成当前用户事件；将所述用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的场景推荐给用户。应用本申请，能够方便地实现场景自动推荐。能够方便地实现场景自动推荐。能够方便地实现场景自动推荐。

【技术实现步骤摘要】
一种智能家居中推荐场景的方法和装置


[0001]本申请涉及智能家居技术，特别涉及一种智能家居中推荐场景的方法和装置。

技术介绍

[0002]现有智能家居的场景推荐方法和系统有如下三种类型：
[0003]一、提供默认的智能场景列表：系统会推荐各种预设的智能场景列表，如一键离家，一键回家、自动关灯等，用户需手动选择想要的场景，然后根据场景的需求购买相应的设备，并对设备进行设置；
[0004]二、基于用户已有设备进行的场景推荐：根据用户已有的智能家居设备，推荐相关的场景；
[0005]三、基于用户行为习惯进行的场景推荐：通过设备对用户使用习惯的记录和分析，为用户推荐相关的场景，目前存在多种技术方案的设计，但是产品中还没有类似的方案。
[0006]上述三种类型的场景推荐方法都存在一些问题。
[0007]1、提供默认智能场景列表供用户自行下载和设定的方法，是一种预设式的智能场景设定方法，很难覆盖到所有的突发事件或者临时变动。它要求用户先设想需要的场景，然后再在列表中挑选适合的场景，并进行一一设置。这样导致用户因为无法设想到所有可能需要的场景，而即时设定切合当下事件的实时场景，不能实时反馈个性化的用户需求，而且操作繁琐。用户要么需要重新根据计划去制定新的场景，或对原有场景进行变动。
[0008]2、基于用户已有设备的场景推荐方法，是从设备的功能点或历史使用数据出发，而不是从用户的需求出发，也无法即时推荐用户基于个人需求的场景使用要求，与用户的真实需求之间存在着一条鸿沟。
[0009]3、基于用户行为习惯的推荐，是从用户的以往使用数据出发，不能反馈用户当下临时变动的场景需求，以及预测当下和未来事件而主动给出场景推荐。
[0010]由上述可见，目前的智能家居场景推荐方法操作繁琐，无法满足用户的即时需求，灵活性不强。

技术实现思路

[0011]本申请提供一种智能家居中的场景推荐方法和装置，能够方便地实现场景推荐，操作简单。
[0012]为实现上述目的，本申请采用如下技术方案：
[0013]一种智能家居中的场景推荐方法，包括：
[0014]按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存；
[0015]对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件进行匹配，生成当前用户事件；
[0016]将所述用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的
场景推荐给用户。
[0017]较佳地，当所述用户事件与智能家居场景匹配不成功时，该方法进一步包括：
[0018]如果存在符合所述用户事件的场景，则推荐用户修改相应的场景；和/或，
[0019]如果不存在符合所述用户事件的场景，则根据所述用户事件所需要的功能和设备，重新组合所述用户所存储场景中的设备和功能，创建新场景推荐给用户。
[0020]较佳地，如果创建的所述新场景中包括所述用户的已有设备，则将相应设备设置为符合所述新场景的参数；如果创建的所述新场景包括所述用户没有的设备，则推荐所述用户购买相应设备。
[0021]较佳地，当用户对推荐的新场景满意时，将所述新场景保存在场景库，并对应于所述用户事件；和/或，
[0022]当用户对推荐的新场景不满意时，接收并记录用户修改的场景内容，用于作为后续创建新场景的参考。
[0023]较佳地，所述对文本形式保存的用户数据进行语义分析包括：
[0024]根据训练生成的word2vec网络模型将文本形式保存的用户数据中的语句划分成词语，并将词语转化为词向量，将语句中各个词语的词向量构成句向量；
[0025]将所述句向量输入LSTM网络，利用所述LSTM网络找到与所述句向量匹配的事件词向量；
[0026]所述根据分析结果与系统保存的用户事件进行匹配，生成当前用户事件包括：
[0027]将LSTM网络找到的事件词向量与系统保存的用户事件的事件词向量进行相似分析，将分析得到的最相似事件作为所述当前用户事件。
[0028]较佳地，训练生成word2vec网络模型的方式包括：预先建立专用词库，所述词库包括智能家居设备的种类、品牌、名称和/或自动化场景名称；将所述专用词库加入分词工具的自定义词典，利用所述分词工具对智能家居情景下的语句进行分词训练和词向量转化训练，得到所述word2vec网络模型。
[0029]较佳地，所述LSTM网络的生成方式包括：预先建立智能家居情景下的专用语句库，其中标记语句和事件的对应关系；根据所述word2vec网络模型输出的句向量，训练相对应的事件词向量。
[0030]较佳地，该方法进一步包括：预先设置需要用户授权使用的数据类型。
[0031]一种智能家居中的场景推荐装置，该装置包括：数据采集和转换单元、用户事件生成单元和场景推荐单元；
[0032]所述数据采集和转换单元，用于按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存，作为用于生成用户事件的元数据；
[0033]所述用户事件生成单元，用于对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件类型进行匹配，生成当前用户事件；
[0034]所述场景推荐单元，用于将所述用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的场景推荐给用户。
[0035]由上述技术方案可见，本申请中，按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存，作为用于生成用户事件的元数据；对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件类型进行
匹配，生成当前用户事件；将用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的场景推荐给用户。通过上述处理，无需用户选择，可以自适应地选择与事件匹配的场景推荐给用户。
附图说明
[0036]图1为本申请中智能家居的场景推荐方法基本流程示意图；
[0037]图2为本申请中智能家居的场景推荐装置的基本结构示意图；
[0038]图3为数据采集和转换单元的结构示意图；
[0039]图4为用户事件生成单元的结构示意图；
[0040]图5为场景推荐单元的结构示意图；
[0041]图6为结合图2所示装置的具体组成给出的本申请场景推荐方法的具体流程；
[0042]图7a和图7b分别为生病事件和修改场景的示意图；
[0043]图8a和图8b分别为生日事件和推荐预设场景的示意图；
[0044]图9a和图9b分别为旅游事件和推荐预设场景的示意图。
具体实施方式
[0045]为了使本申请的目的、技术手段和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。
[0046]图1为本申请中智能家居的场景推荐方法基本流程示意图，该方法可以在图2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能家居中的场景推荐方法，其特征在于，包括：按照设定的数据类型采集所述智能家居中的用户数据，并将采集的用户数据转换成文本形式进行保存；对文本形式保存的用户数据进行语义分析，根据分析结果与系统保存的用户事件进行匹配，生成当前用户事件；将所述用户事件与系统保存的各个智能家居场景进行匹配分析，并将匹配成功的场景推荐给用户。2.根据权利要求1所述的方法，其特征在于，当所述用户事件与智能家居场景匹配不成功时，该方法进一步包括：如果存在符合所述用户事件的场景，则推荐用户修改相应的场景；和/或，如果不存在符合所述用户事件的场景，则根据所述用户事件所需要的功能和设备，重新组合所述用户所存储场景中的设备和功能，创建新场景推荐给用户。3.根据权利要求2所述的方法，其特征在于，如果创建的所述新场景中包括所述用户的已有设备，则将相应设备设置为符合所述新场景的参数；如果创建的所述新场景包括所述用户没有的设备，则推荐所述用户购买相应设备。4.根据权利要求2所述的方法，其特征在于，当用户对推荐的新场景满意时，将所述新场景保存在场景库，并对应于所述用户事件；和/或，当用户对推荐的新场景不满意时，接收并记录用户修改的场景内容，用于作为后续创建新场景的参考。5.根据权利要求1所述的方法，其特征在于，所述对文本形式保存的用户数据进行语义分析包括：根据训练生成的word2vec网络模型将文本形式保存的用户数据中的语句划分成词语，并将词语转化为词向量，将语句中各个词语的词向量构成句向量；将所述句向量输入LSTM网络，利用所述LSTM网络找到与所述句向量匹...

【专利技术属性】
技术研发人员：黄碧兰，张瑞，卜韩旭，殷飞，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：