本申请提供的一种场景推荐模型的生成方法及装置，通过获取用户购买的电器的电器信息；基于所述电器信息确定所述电器是否为场景推荐模型对应的电器；在所述电器不是场景推荐模型对应的电器的情况下，获取所述电器对应的本地模型参数；基于所述电器对应的本地模型参数采用联邦学习算法重新训练场景推荐模型以生成目标场景推荐模型，从而使得在使用智能家居场景设计的家庭在更换单一家电时，运用联邦学习重新训模型实现对整个智能家居的适配。学习重新训模型实现对整个智能家居的适配。学习重新训模型实现对整个智能家居的适配。
【技术实现步骤摘要】
场景推荐模型的生成方法及装置
[0001]本申请涉及场景推荐
，特别地涉及一种场景推荐模型的生成方法及装置。
技术介绍
[0002]随着时代的发展和科技的进步，人们的生活水平正在变得越来越好，越来越多的智能家居设备也被越来越多的家庭选择安装。而传统家居与智能家居的区别很大程度体现在智能家居的“场景设计”中。物联网的应用给了家居设备逻辑处理、信息传输和人机交互的能力。场景模式的完美结合，赋予智能家庭生命与智慧。然而，场景推荐依托于多个家电的紧密配合与经过大量数据训练的模型智能模型。现在的智能家居普遍是一开始就在人们装修时已经设计好了的，为了保证高稳定性与适配性，家电普遍选择的是同一品牌，而推荐算法也是在这些家电的基础上训练出来的，然而，对于绝大多数家庭而言，家电是不定期轮流更换的，所有电器的品牌并不能保证统一，导致算法推荐模型并不能很好的适配。
[0003]
技术实现思路
[0004]针对上述相关技术中的问题本申请提供一种场景推荐模型的生成方法及装置，能够使得生成的目标场景推荐模型适配家中的电器。
[0005]本申请提供了一种场景推荐模型的生成方法，包括：
[0006]获取用户购买的电器的电器信息；
[0007]基于所述电器信息确定所述电器是否为场景推荐模型对应的电器；
[0008]在所述电器不是场景推荐模型对应的电器的情况下，获取所述电器对应的本地模型参数；
[0009]基于所述电器对应的本地模型参数采用联邦学习算法重新训练场景推荐模型以生成目标场景推荐模型。
[0010]在一些实施例中，所述获取所述电器对应的本地模型参数，包括：
[0011]基于所述电器信息确定所述电器对应的电器厂家；
[0012]向所述电器对应的电器厂家申请所述电器的数据加密共享；
[0013]在申请通过的情况下，从所述电器厂家获取所述电器对应的本地模型参数。
[0014]在一些实施例中，所述方法还包括：
[0015]基于所述目标场景推荐模型向所述用户推荐场景。
[0016]在一些实施例中，所述方法还包括：
[0017]获取电器的实验数据；
[0018]基于所述实验数据生成场景推荐模型。
[0019]在一些实施例中，所述实验数据包括：多元异构数据，所述基于所述实验数据生成场景推荐模型，包括：
[0020]基于所述实验数据采用多源异构算法生成场景推荐模型。
[0021]在一些实施例中，所述方法还包括：
[0022]获取用户选择的场景推荐模型；
[0023]基于用户选择的场景推荐模型确定对应的家电设备；
[0024]向所述用户推荐购买场景推荐模型对应的家电设备。
[0025]本申请实施例提供一种场景推荐模型的生成装置，包括：
[0026]第一获取模块，用于获取用户购买的电器的电器信息；
[0027]确定模块，用于基于所述电器信息确定所述电器是否为场景推荐模型对应的电器；
[0028]第二获取模块，用于在所述电器不是场景推荐模型对应的电器的情况下，获取所述电器对应的本地模型参数；
[0029]生成模块，用于基于所述电器对应的本地模型参数采用联邦学习算法重新训练场景推荐模型以生成目标场景推荐模型。
[0030]在一些实施例中，所述获取所述电器对应的本地模型参数，包括：
[0031]基于所述电器信息确定所述电器对应的电器厂家；
[0032]向所述电器对应的电器厂家申请所述电器的数据加密共享；
[0033]在申请通过的情况下，从所述电器厂家获取所述电器对应的本地模型参数。
[0034]本申请实施例提供一种电子设备，包括：
[0035]存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述任意一项所述场景推荐模型的生成方法。
[0036]本申请实施例提供一种存储介质，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现上述任一项所述场景推荐模型的生成方法。
[0037]本申请提供的一种场景推荐模型的生成方法及装置，通过获取用户购买的电器的电器信息；基于所述电器信息确定所述电器是否为场景推荐模型对应的电器；在所述电器不是场景推荐模型对应的电器的情况下，获取所述电器对应的本地模型参数；基于所述电器对应的本地模型参数采用联邦学习算法重新训练场景推荐模型以生成目标场景推荐模型，从而使得在使用智能家居场景设计的家庭在更换单一家电时，运用联邦学习重新训模型实现对整个智能家居的适配。
附图说明
[0038]在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
[0039]图1为本申请实施例提供的一种场景推荐模型的生成方法的实现流程示意图；
[0040]图2为本申请实施例提供的一种场景推荐模型的生成装置的结构示意图；
[0041]图3为本申请实施例提供的电子设备的组成结构示意图。
[0042]在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
[0043]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有
做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0044]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0045]如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0046]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0047]实施例一：
[0048]基于相关技术中存在的问题，本申请实施例提供一种场景推荐模型的生成方法，所述场景推荐模型的生成方法应用于电子设备，所述电子设备可以是热水器的控制器，在一些实施例中，所述电子设备可以移动终端、计算机、服务器等。本申请实施例提供的场景推荐模型的生成方法所实现的功能可以通过电子设备的处理器调用程序代码来实现，其中，程序代码可以保存在计算机存储介质中。
[0049]本申请实施例提供一种场景推荐模型的生成方法，图1为本申请实施例提供的一种场景推荐模型的生成方法的实现流程示意图，如图1所示，包括：
[0050]步骤S1，获取用户购买的电器的电器信息。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种场景推荐模型的生成方法，其特征在于，包括：获取用户购买的电器的电器信息；基于所述电器信息确定所述电器是否为场景推荐模型对应的电器；在所述电器不是场景推荐模型对应的电器的情况下，获取所述电器对应的本地模型参数；基于所述电器对应的本地模型参数采用联邦学习算法重新训练场景推荐模型以生成目标场景推荐模型。2.根据权利要求1所述的方法，其特征性在于，所述获取所述电器对应的本地模型参数，包括：基于所述电器信息确定所述电器对应的电器厂家；向所述电器对应的电器厂家申请所述电器的数据加密共享；在申请通过的情况下，从所述电器厂家获取所述电器对应的本地模型参数。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述目标场景推荐模型向所述用户推荐场景。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取电器的实验数据；基于所述实验数据生成场景推荐模型。5.根据权利要求4所述的方法，其特征在于，所述实验数据包括：多元异构数据，所述基于所述实验数据生成场景推荐模型，包括：基于所述实验数据采用多源异构算法生成场景推荐模型。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取用户选择的场景推荐模型；基于用户选择的场景推荐模型...
【专利技术属性】
技术研发人员：燕晗，唐杰，熊昆，林进华，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。