一种基于人工智能和智能家居的参考信息生成方法技术

本发明专利技术涉及人工智能领域，尤其涉及一种基于人工智能和智能家居的参考信息生成方法，包括：根据用户结构化环境动态数据以及用户个性化场景偏好画像，通过人体舒适环境参考模型以及个人健康饮食推荐参考模型分别获得当前动态环境智能家居参考信息以及个人实时环境饮食参考信息，并通过云计算服务系统推送到用户的移动终端，并在收到用户不采纳之后进行，对用户活动变化原因信息以及用户个性化场景偏好画像进行智能家居状态变化和个人健康状况的进阶分析，从而再次推送；最后根据用户活动变化原因信息对所述云计算服务系统中用户的使用习惯信息进行更新调整；以根据用户需求和健康状况实时变化，更加合理的进行参考信息的推送。推送。推送。

【技术实现步骤摘要】
一种基于人工智能和智能家居的参考信息生成方法


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于人工智能和智能家居的参考信息生成方法。

技术介绍

[0002]智能家居如今已经走进千家万户，应用场景随着技术的迭代越来越丰富，借助物联网IOT云平台及大数据建模，能够实现远程控制、智能联动等，通过智能场景的设置，结合传感器和场景控制面板，可实现无感式、个性化、自动执行的智能场景。智慧场景一般分为两种类型：“自动化”以及“场景”，自动化能够实现在达到设定的“触发条件”时运行“执行动作”，如通过“人体传感器”触发执行“吸顶灯开发”。而场景则主要提供“一键”执行“执行动作”，如一键执行起床场景，执行水壶烧水、豆浆机开始制作早餐。因此，对于精通智能家居设置的用户，能够通过学习和反复调试来完成设置好属于自己的智能场景，而对于更多的小白用户，对于其复杂的设置过程，晦涩的技术术语，有一定的抵触心理，怕麻烦又担心设置出现故障，造成正常生活上的困扰。
[0003]智能家居个性化场景推荐系统依托IOT云平台和大数据云计算的特性，能够基于用户的日常使用习惯、地理位置、天气状况，用户账户绑定传感器、智能设备的类型、型号以及功能性质，生成一个“推荐场景”列表，用户可以在手机App中浏览所需要的推荐场景，无需过多设置即可直接启用该智能场景。借助智能家居个性化场景推荐系统减少设置的步骤以及难度，通过简单的交互让用户真正感受到智能场景的趣味性和仪式感。
[0004]但是，用户的习惯尤其是饮食习惯，往往不是一尘不变的，随着时间或者健康状况的变化，用户的使用习惯以及饮食习惯也可能发生翻天覆地的变化。

技术实现思路

[0005]本专利技术提供了一种基于人工智能和智能家居的参考信息生成方法，以解决至少一个上述技术问题。
[0006]本专利技术提供了一种基于人工智能和智能家居的参考信息生成方法，包括以下步骤：
[0007]通过多个智能家居终端设备获取用户的使用习惯信息以及云计算服务系统中的云端数据，生成初步待分析数据；
[0008]基于多个所述智能家居设备的神经网络模型构建多层层神经卷积网络模型；
[0009]利用所述多层神经卷积网络模型对所述初步待分析数据进行局部关键信息提取，获得初始化用户个人场景化信息；
[0010]利用胶囊网络中的胶囊替换多层神经卷积网络模型中的所有的神经网络中的神经元，对所述初始化用户个人场景化信息进行精细提取，获得精准化用户个人场景化信息；
[0011]基于所述精准化用户个人场景化信息，建立用户个性化场景偏好画像；
[0012]利用多个智能家居终端设备通过所述云计算服务系统通信获取环境动态实时变
化数据；
[0013]利用场景化自注意力模型对所述环境动态实时变化数据进行文本结构化操作，从而获得用户结构化环境动态数据；
[0014]根据用户结构化环境动态数据以及用户个性化场景偏好画像，通过人体舒适环境参考模型以及个人健康饮食推荐参考模型分别获得当前动态环境智能家居参考信息以及个人实时环境饮食参考信息，并通过云计算服务系统推送到用户的移动终端；
[0015]所述多个智能家居终端设备将移动终端反馈的数据结果上传至所述云计算服务系统中以生成反馈数据集，并将反馈数据集与所述云计算服务系统中的云端数据进行数据比对，从而获得用户动态变化数据；
[0016]所述云计算服务系统通过用户活动变化检测模型对所述用户动态变化数据以及用户结构化环境动态数据进行用户活动变化检测，从而获得用户活动变化原因信息，并储存在云计算服务系统；
[0017]利用个人健康饮食推荐参考模型以及人体舒适环境参考模型，对用户活动变化原因信息以及用户个性化场景偏好画像进行智能家居状态变化和个人健康状况的进阶分析，从而获得二级动态环境智能家居参考信息以及二级个人实时环境饮食参考信息，并进行推送；
[0018]根据用户活动变化原因信息对所述云计算服务系统中用户的使用习惯信息进行更新调整。
[0019]本实施例通过对用户的使用习惯的实时更新，随使用时间更好地了解用户的需求，能更快得对用户的个人画像进行更新，从而能更好地为用户带来更精确的参考消息，帮助用户保持健康的饮食习惯和良好的生活环境；当用户对参考信息不满意时，进行检测用户不满意的原因并进行参考信息的再次推送，避免了因系统原因导致地推送情况的发生，从而避免了长期因参考信息不准确导致用户体验不佳的情况，从另一个角度来说，随着推送次数的积累，能更加满足用户的需求；通过神经网络和胶囊网络的混合使用，提高了在做用户个人画像得过程中，对特征提取的效率以及精确性，从而令生成的个人画像更加地精确。
[0020]在本说明书的一个实施例中，使用习惯信息包括用户个人健康状态信息以及相应的用户个人健康状况个人画像，获取用户的使用习惯信息的步骤具体包括以下步骤：
[0021]获取所述多个智能家居终端设备中的用户历史使用信息以及储存的用户个人健康状态信息；
[0022]根据所述用户个人健康状态信息确定用户个人的健康特征信息，，并获得的用户个人的健康特征信息输入到预先训练完成的人工智能网络模型中，，获得所述建立用户个人健康状况个人画像，并保存至所述云计算服务系统中的云端中。
[0023]本实施例通过用户使用习惯信息进行相应的用户个人健康状况个人画像更新，从而能实时地掌握用户个人的健康状况并提出相应的健康饮食建议，进而帮助用户更好地保持健康状态或消除当前的亚健康状态，避免因不健康饮食，导致一些疾病发生的风险；同时防止因为用户长期摄入单一食物，而导致某些营养的缺失，从而导致地健康状况不佳的情况的发生；
[0024]在本说明书的一个实施例中，对所述初步待分析数据进行局部关键信息提取，获
得初始化用户个人场景化信息的步骤，具体为：
[0025]将所述初步待分析数据中用户历史使用信息作为输入数据，并通过滑动窗口的方式输入到多层神经卷积网络模型的卷积层中，从而执行局部关键信息提取动作，得到用户个人场景化信息特征值，计算公式如下所示：
[0026][0027]其中，w
b
为卷积核大小，α为用户个人场景化信息特征值，c
in
表示从第i个位置邻接的n个数据作为滑动窗口数量，x为用户历史使用次数，p表示为用户历史使用频率，q为当前场景化权重值；
[0028]本实施例中通过p/q确保概率越小的东西或场景以及滑动窗口数量越少的数值，对应的用户个人场景化信息特征值越小，在建立用户个性化场景偏好画像时可以针对性将该特征定义为非重要特征，进而使得用户个性化场景偏好画像的更加精准，从而使得推送的内容的精确性得到进一步的保障；
[0029]执行最大池化操作获得所有卷积层的最大用户个人场景化信息特征值，从而生成用户历史使用信息的用户个人场景化信息特征向量；
[0030]将所述用户个人场景化信息特征向量输入到全连接层中，并利用softmax分类器作为激活函数，从而输出初本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和智能家居的参考信息生成方法，其特征在于，所述方法包括以下步骤：步骤S1：通过多个智能家居终端设备获取用户的使用习惯信息以及云计算服务系统中的云端数据，生成初步待分析数据；步骤S2：基于多个所述智能家居终端设备的神经网络模型构建多层神经卷积网络模型；步骤S3：利用所述多层神经卷积网络模型对所述初步待分析数据进行局部关键信息提取，获得初始化用户个人场景化信息；步骤S4：利用胶囊网络中的胶囊替换多层神经卷积网络模型中的所有的神经网络中的神经元，对所述初始化用户个人场景化信息进行精细提取，获得精准化用户个人场景化信息；步骤S5：基于所述精准化用户个人场景化信息，建立用户个性化场景偏好画像；步骤S6：利用多个智能家居终端设备通过所述云计算服务系统通信获取环境动态实时变化数据；步骤S7：利用场景化自注意力模型对所述环境动态实时变化数据进行文本结构化操作，从而获得用户结构化环境动态数据；步骤S8：根据用户结构化环境动态数据以及用户个性化场景偏好画像，通过人体舒适环境参考模型以及个人健康饮食推荐参考模型分别获得当前动态环境智能家居参考信息以及个人实时环境饮食参考信息，并通过云计算服务系统推送到用户的移动终端；步骤S9：所述多个智能家居终端设备将移动终端反馈的数据结果上传至所述云计算服务系统中以生成反馈数据集，并将反馈数据集与所述云计算服务系统中的云端数据进行数据比对，从而获得用户动态变化数据；步骤S10：所述云计算服务系统通过用户活动变化检测模型对所述用户动态变化数据以及用户结构化环境动态数据进行用户活动变化检测，从而获得用户活动变化原因信息，并储存在云计算服务系统；步骤S11：利用个人健康饮食推荐参考模型以及人体舒适环境参考模型，对用户活动变化原因信息以及用户个性化场景偏好画像进行智能家居状态变化和个人健康状况的进阶分析，从而获得二级动态环境智能家居参考信息以及二级个人实时环境饮食参考信息，并进行推送；步骤S12：根据用户活动变化原因信息对所述云计算服务系统中用户的使用习惯信息进行更新调整。2.根据权利要求所述1的方法，其特征在于，其中步骤S1中的使用习惯信息包括用户个人健康状态信息以及相应的用户个人健康状况个人画像，步骤S1中获取用户的使用习惯信息的步骤具体包括以下步骤：获取所述多个智能家居终端设备中的用户历史使用信息以及储存的用户个人健康状态信息；根据所述用户个人健康状态信息确定用户个人的健康特征信息，并获得的用户个人的健康特征信息输入到预先训练完成的人工智能网络模型中，获得所述建立用户个人健康状况个人画像，并保存至所述云计算服务系统中的云端，从而构成云端数据。
3.根据权利要求所述1的方法，其特征在于，步骤S3中对所述初步待分析数据进行局部关键信息提取，获得初始化用户个人场景化信息的步骤，具体为：将所述初步待分析数据中用户历史使用信息作为输入数据，并通过滑动窗口的方式输入到多层神经卷积网络模型的卷积层中，从而通过特征值计算公式执行局部关键信息提取动作，得到用户个人场景化信息特征值，其中特征值计算公式如下所示：其中，w
b
为卷积核大小，α为用户个人场景化信息特征值，c
in
表示从第i个位置邻接的n个数据作为滑动窗口，x为用户历史使用，p表示为用户历史使用频率，q为当前场景化权重值；执行最大池化操作获得所有卷积层的最大用户个人场景化信息特征值，从而生成用户历史使用信息的用户个人场景化信息特征向量；将所述用户个人场景化信息特征向量输入到全连接层中，并利用softmax分类器作为激活函数，从而输出初始化用户个人场景化信息。4.根据权利要求所述1的方法，其特征在于，步骤S4中利用胶囊网络中的胶囊替换神经网络中的神经元的步骤包括以下步骤：将多层神经卷积网络模型的卷积层输出的用户个人场景化信息特征和权重进行相乘得到预测向量，作为胶囊网络的输入层，预测向量的计算公式如下：U
ij
＝U
i
*W
ij
其中，Ui表示用户个人场景化信息通过卷积层的输出特征，W
ij
表示胶囊层的权重，对标准正态分布矩阵随机初始化而来，U
ij
表示第i个胶囊输入特征预测生成的第j个向量；通过...

【专利技术属性】
技术研发人员：褚琰，周江锋，
申请(专利权)人：南京鼎山信息科技有限公司，
类型：发明
国别省市：