【技术实现步骤摘要】
本申请涉及智能家居设备交互模式自动识别，特别是涉及一种智能家居设备交互模式自动识别方法和系统。
技术介绍
1、随着物联网技术发展，家居场景内设备互联互通和集中控制逐渐成为趋势。人和设备的交互也更加便捷，从操作面板控制逐步升级到app远程控制、语音控制等，但依然是依靠人的指令进行触发。如何更加智能化、无感化的实现人机交互，达到人和设备、设备和设备之间自动化、智慧化联动，达到物随人愿的更高交互体验，也是各个智能家居方案商积极在思考和解决的问题。例如：日间回家场景，实现客厅窗帘开启联动；夜晚回家场景，开门的同时实现门厅、客厅开灯联动等。目前技术实现方法，还是以app进行模式设置为主：在家居app中提供操作模式配置功能，例如：对于白天回家，设置回家模式1，手动配置客厅窗帘的操作指令。app基于产品经理、运营人员经验，进行简单的离家、归家、娱乐等预制模式设置，其余由用户自行根据个人偏好进行模式编排和设置。然后通过人工一键触发或设备指定流程触发进行设备交互。
2、现有通过app提供默认配置+用户自定义设备运行模式的方式整体效率比较低下。预设模式都比较简单而且数量少，不可能因用户而异，而且也无法解决增量设备接入、设备更换等各种问题。用户自定义模式需要繁琐的用户操作，用户使用门槛高，需要用户精确回忆设备操作行为；而且随着设备控制越来越复杂，会更加不现实，例如：灯的亮度调节，用户在面板上用旋钮有一个固定旋转位置，而要对应到app上设置就需要人工进行档位选择；加上白天、夜晚用户调节的不同，就要对应不同模式设置。所以从实际数据采集看，用户
技术实现思路
1、本申请提供一种智能家居设备交互模式自动识别方法和系统，旨在解决现有通过app提供默认配置+用户自定义设备运行模式的方式整体效率比较低下的问题。
2、第一方面，一种智能家居设备交互模式自动识别方法，所述方法包括：
3、对目标用户房间内设备的控制数据按操作时间进行排序，具体为，使用时间戳将所述控制数据按升序排列；将排序后的数据切割成操作片段，通过预设时间间隔确定每个操作片段范围；
4、根据所述目标用户家居物模型和基础配置信息，对设备id进行替换和对齐，并对设备属性数据进行标准化处理得到标准操作历史数据；
5、基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性；
6、在处理交互事件发生的时间点时，按照日或小时时间粒度进行处理，同时，将工作日和节假日进行替换，以适应不同时间段的数据分析需求；
7、构建行为字典，包括设备操作类型、设备属性操作类型，将标准操作历史数据进行id化，将每个操作映射为对应的id，进行模型训练，得到训练好的模型；
8、利用训练好的模型，对新用户的使用数据进行快速计算和行为习惯提取，通过将新用户的交互数据输入到预训练模型中，得到用户行为模式；对于有大量积累的客户，单独训练独立的模型，并进行模式预测。
9、上述方案中，可选地，所述根据所述目标用户家居物模型和基础配置信息，对设备id进行替换和对齐，并对设备属性数据进行标准化处理，具体为，通过设备id映射表将每个设备id与其对应的设备类型、部署房型、部署位置和部署辅助特征数据进行关联。
10、上述方案中，可选地，所述物模型是指对智能家居系统中的各个设备进行建模，包括设备的类型、功能、属性和操作规则信息，物模型描述了设备在系统中的行为和特性；
11、所述基础配置信息是指智能家居系统的基本设置和参数，包括设备的部署房型、部署位置和联动关系。
12、上述方案中，可选地，所述基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性，包括：通过设备操作规则进行映射和转换来实现，将不同物模型中的操作映射为统一的操作规则；
13、对设备属性操作进行对齐；具体的，通过设定标准化的操作范围或者设定离散的操作级别来实现。
14、上述方案中，可选地，所述构建行为字典，包括设备操作类型、设备属性操作类型，将标准操作历史数据进行id化，将每个操作映射为对应的id，进行模型训练，得到训练好的模型，包括：
15、以会话切片为单位构建next sentence prediction正例操作数据及标签，同时构建负例操作数据和标签，所述正例操作数据指连续的两个操作，所述负例操作数据指间隔大于预设时间的两个操作；
16、进行模型训练，使用transformer结构，输入层将操作数据id化后进行embedding，通过self-attention层进行特征提取和模式学习。
17、第二方面，一种智能家居设备交互模式自动识别系统，所述系统包括：
18、数据收集模块：用于对目标用户房间内设备的控制数据按操作时间进行排序，具体为，使用时间戳将所述控制数据按升序排列；将排序后的数据切割成操作片段，通过预设时间间隔确定每个操作片段范围；
19、统计计算模块：用于根据所述目标用户家居物模型和基础配置信息，对设备id进行替换和对齐，并对设备属性数据进行标准化处理得到标准操作历史数据；
20、标准化处理模块：用于基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性；
21、数据分析模块：用于在处理交互事件发生的时间点时，按照日或小时时间粒度进行处理，同时，将工作日和节假日进行替换，以适应不同时间段的数据分析需求；
22、预测模型训练模块：用于构建行为字典，包括设备操作类型、设备属性操作类型，将标准操作历史数据进行id化，将每个操作映射为对应的id，进行模型训练，得到训练好的模型；
23、应用模块：用于利用训练好的模型，对新用户的使用数据进行快速计算和行为习惯提取，通过将新用户的交互数据输入到预训练模型中，得到用户行为模式；对于有大量积累的客户，单独训练独立的模型，并进行模式预测。
24、上述方案中，可选的，所述根据所述目标用户家居物模型和基础配置信息，对设备id进行替换和对齐，并对设备属性数据进行标准化处理，具体为，通过设备id映射表将每个设备id与其对应的设备类型、部署房型、部署位置和部署辅助特征数据进行关联。
25、上述方案中，可选的，所述物模型是指对智能家居系统中的各个设备进行建模，包括设备的类型、功能、属性和操作规则信息，物模型描述了设备在系统中的行为和特性；
26、所述基础配置信息是指智能家居系统的基本设置和参数，包括设备的部署房型、部署位置和联动关系。
27、上述方案中，可选的，所述基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性，包括：通过设备操作规则进行映射和转换来实现，将不同物模型中的操作映射为统一的操作规则；
28、对设备属性操作进行对齐；具体的，通过设定标准化的操作范围或者设定离散的操作级别来实现本文档来自技高网...
【技术保护点】
1.一种智能家居设备交互模式自动识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户家居物模型和基础配置信息，对设备ID进行替换和对齐，并对设备属性数据进行标准化处理，具体为，通过设备ID映射表将每个设备ID与其对应的设备类型、部署房型、部署位置和部署辅助特征数据进行关联。
3.根据权利要求1所述的方法，其特征在于，所述物模型是指对智能家居系统中的各个设备进行建模，包括设备的类型、功能、属性和操作规则信息，物模型描述了设备在系统中的行为和特性；
4.根据权利要求1所述的方法，其特征在于，所述基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性，包括：通过设备操作规则进行映射和转换来实现，将不同物模型中的操作映射为统一的操作规则；
5.根据权利要求1所述的方法，其特征在于，所述构建行为字典，包括设备操作类型、设备属性操作类型，将标准操作历史数据进行ID化，将每个操作映射为对应的ID，进行模型训练，得到训练好的模型，包括：
6.一种设备交互模式自动识别系统，其特
7.根据权利要求6所述的系统，其特征在于，所述根据所述目标用户家居物模型和基础配置信息，对设备ID进行替换和对齐，并对设备属性数据进行标准化处理，具体为，通过设备ID映射表将每个设备ID与其对应的设备类型、部署房型、部署位置和部署辅助特征数据进行关联。
8.根据权利要求6所述的系统，其特征在于，所述物模型是指对智能家居系统中的各个设备进行建模，包括设备的类型、功能、属性和操作规则信息，物模型描述了设备在系统中的行为和特性；
9.根据权利要求6所述的系统，其特征在于，所述基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性，包括：通过设备操作规则进行映射和转换来实现，将不同物模型中的操作映射为统一的操作规则；
10.根据权利要求6所述的系统，其特征在于，所述构建行为字典，包括设备操作类型、设备属性操作类型，将标准操作历史数据进行ID化，将每个操作映射为对应的ID，进行模型训练，得到训练好的模型，包括：
...【技术特征摘要】
1.一种智能家居设备交互模式自动识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户家居物模型和基础配置信息，对设备id进行替换和对齐，并对设备属性数据进行标准化处理，具体为，通过设备id映射表将每个设备id与其对应的设备类型、部署房型、部署位置和部署辅助特征数据进行关联。
3.根据权利要求1所述的方法，其特征在于，所述物模型是指对智能家居系统中的各个设备进行建模，包括设备的类型、功能、属性和操作规则信息，物模型描述了设备在系统中的行为和特性；
4.根据权利要求1所述的方法，其特征在于，所述基于物模型对设备的操作情况进行对齐，确保不同物模型中设备操作的一致性，包括：通过设备操作规则进行映射和转换来实现，将不同物模型中的操作映射为统一的操作规则；
5.根据权利要求1所述的方法，其特征在于，所述构建行为字典，包括设备操作类型、设备属性操作类型，将标准操作历史数据进行id化，将每个操作映射为对应的id，进行模型训练，得到训练好的模型，包括：
【专利技术属性】
技术研发人员：朱亮，
申请(专利权)人：金茂云科技服务北京有限公司，
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。