CN103514240B - 一种基于遥控器的家庭成员关系挖掘方法及系统 - Google Patents

Abstract

本发明公开一种基于遥控器的家庭成员关系挖掘方法及系统，其中，所述方法包括：采集遥控器的动作数据以及遥控器所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器对应的智能设备；智能设备对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。本发明可以为遥控器使用者推荐相应的节目或应用，也极大的方便了用户的使用。

Description

一种基于遥控器的家庭成员关系挖掘方法及系统

技术领域

本发明涉及数据挖掘领域，尤其涉及一种基于遥控器的家庭成员关系挖掘方法及系统。

背景技术

基于动作数据来对人们日常生活的行为进行挖掘的理论并不罕见，美国的大部分著名高校都有对于动作数据的挖掘的研究课题，比如，卡耐基梅农大学的实验室就研究过通过智能手机上获取的动作数据来预测当前实验人最有可能的职业，这些理论研究课题在一定程度上肯定了智能传感数据中进行挖掘精华的可能性，同时，也为攻克算法难点打下了可靠地理论基础。另一方面，大部分的理论研究课题都是把重心靠在偏向于智能手机上的数据采集和挖掘，而忽视了当今日趋成熟的遥控器的发展，即使有针对遥控器的动作数据采集，也只是通过采集用户的按键输入，但这种数据采集以及处理方式准确性差、类型单一，已远远不能满足当前人们的使用需求，同时，现有技术中，遥控器的动作数据采集大多是应用在操控电视端的娱乐应用上，其数据挖掘也仅仅是针对单个用户的日常使用习惯进行一些简单的处理，准确性差，并没有充分利用遥控器上大量的数据信息来深度挖掘用户对于遥控器的动作数据，也没有进一步根据挖掘到的信息来改善和方便人们对于电视端更深层次的需求，例如根据挖掘出的家庭中各个成员的关系类别，来为家庭成员推荐个性化服务，而这些服务将是未来电视机产业的发展方向。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种基于遥控器的家庭成员关系挖掘方法及系统，旨在解决现有技术中针对遥控器的数据挖掘层次较低、准确性差、无法为家庭成员提供个性化的服务的问题。

本发明的技术方案如下：

一种基于遥控器的家庭成员关系挖掘方法，其中，包括步骤：

A、采集遥控器的动作数据以及遥控器所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器对应的智能设备；

B、智能设备对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；

C、根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；

D、根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述动作数据包括遥控器三维方向的加速度、角速度、角度及磁场信息，所述环境数据包括温度及亮度信息。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述步骤B中时域分割预处理过程包括：

B1、将用户操作遥控器的动作归类，并分别进行定义；

B2、对每一定义好的动作类别建立时域分割窗口；

B3、对进入到所述时域分割窗口中的动作数据进行特征值处理，形成特征值向量。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述步骤C中数据挖掘建模处理过程具体包括：

C1、从原始训练集中随机有放回地抽出K个样本，从特征值变量集随机抽出J个变量，由所述K个样本及J个变量构成局部训练集；

C2、创建节点，判断所述局部训练集是否为空；

C3、当所述局部训练集为空时，标记节点为错误，并返回步骤C2重新创建节点；

C4、当所述局部训练集不为空时，若局部训练集中的所有记录都属于同一个类别，则以该类别标记节点；若局部训练集中的属性集为空，则标记节点N为最普通的类；

C5、对局部训练集中连续的特征值变量进行离散化，并从所述特征值变量中选取具有最高信息增益的属性D；

C6、根据所述属性D构成有X棵树的随机森林模型。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述步骤C中用户数据及关系模型为通过对收集多个不同家庭成员关系模型进行特征分析得到。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述步骤D中操作行为包括用户通过遥控器对推荐的项目进行的选择、浏览、推出及再来一次的动作。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述步骤D还包括：收集用户操作所述遥控器控制智能设备的显式操作行为，对家庭成员关系模型进行更新。

所述基于遥控器的家庭成员关系挖掘方法，其中，所述显示操作行为包括：用户对家庭成员关系模型准确性的评价、用户的注册登录信息及用户的手动修改信息。

一种基于遥控器的家庭成员关系挖掘系统，其中，包括：遥控器及遥控器对应的智能设备，所述遥控器包括数据采集及发送模块，所述智能设备包括数据预处理模块、数据建模模块以及模型反馈模块；

数据采集及发送模块，用于采集遥控器的动作数据以及遥控器所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器对应的智能设备；

数据预处理模块，用于对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；

数据建模模块，用于根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；

模型反馈模块，用于根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

所述基于遥控器的家庭成员关系挖掘系统，其中，所述数据预处理模块包括：

动作定义单元，用于将用户操作遥控器的动作归类，并分别进行定义；

时域分割窗口建立单元，用于对每一定义好的动作类别建立时域分割窗口；

特征值向量形成单元，用于对进入到所述时域分割窗口中的动作数据进行特征值处理，形成特征值向量。

有益效果：本发明通过收集用户操作遥控器的动作数据以及遥控器所处的环境数据，对收集到的数据进行预处理，然后通过随机森林决策树的算法，配合用户数据及关系模型，建立家庭成员关系模型，并通过显示反馈及隐式反馈对家庭成员关系模型进行更新，本发明建立的家庭成员关系模型基于准确的采集数据、动态建模以及更新反馈，使家庭成员关系模型被准确架构，通过建立的家庭成员关系模型，确定了遥控器使用者在家庭成员关系模型中的类别，然后针对不同的类别对遥控器使用者推荐不同的项目，从而使遥控器使用者在使用遥控器的同时，能够在没有多余操作的情况下，获得了喜爱的节目或应用等，达到利用家庭成员关系模型绑定用户的目的，随时为用户提供其他有针对性的个性化服务。

附图说明

图1为本发明基于遥控器的家庭成员关系挖掘方法较佳实施例的流程图。

图2为本发明中时域分割预处理过程的流程图。

图3为本发明中数据挖掘建模处理过程的流程图。

图4为本发明基于遥控器的家庭成员关系挖掘系统较佳实施例的结构框图。

图5为图4所示系统中数据预处理模块的具体结构框图。

具体实施方式

本发明提供一种基于遥控器的家庭成员关系挖掘方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1为本发明基于遥控器的家庭成员关系挖掘方法较佳实施例的流程图，如图所示，其包括步骤：

S101、采集遥控器的动作数据以及遥控器所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器对应的智能设备；

S102、智能设备对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；

S103、根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；

S104、根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

在步骤S101中，首先需要采集遥控器相关的信息，这些信息需要通过集成在遥控器中的各种传感器来采集，例如加速度传感器、陀螺仪传感器等等，所采集的信息包括传感器三维方向的加速度、三维方向的角速度、三维方向的角度、三维方向的磁场等动作数据，此外还采集遥控器所处环境的温度以及亮度等环境数据。这些数据的采集方法可参考现有技术，不再赘述。

传感器采集了上述动作数据及环境数据后，会将这些数据通过射频信号传输到位于智能设备（Android）系统底端的接收器中，接收器接收到数据后，会对这些数据进行初步的数据校正及筛选，然后在对这些数据进行预处理，即进行步骤S102。

上述数据校正及筛选是针对数据类型的不同分别进行处理的，例如方向传感器采集的原始数据，需要通过线性及非线性的校正函数，将每一轴的方向角度范围调整在0-360度之间，使得原本难以分析的原始数据具有了与真实三维空间相对应的位置含义。又例如，加速度传感器采集的原始数据需要以重力加速度为定基，对各个方向上的加速度做相对应的校正，使得原始数据具有相应的物理含义，当遥控器静止时，校正处理后的加速度传感器输出的原始数据应该只有向地心方向的9.8左右的重力加速度值。

从传感器传输过来的大量的多维的数据经过校正及筛选处理后，为后面的数据预处理及分析过程提供了坚实的基础，也为家庭成员关系的挖掘提供了数据保障。

在步骤S102中，由于所述接收器处于智能设备系统的底端，接收器会将数据从硬件层传输到软件层，即通过linux内核、Android虚拟机、应用服务层，到达最后的数据预处理模块，由数据预处理模块来对数据进行预处理，预处理包括去噪、滤波、时域分割等，通过上述预处理可从遥控器的动作数据及环境数据中提取出有用的数据即预处理数据，再将预处理数据存储在本地，供下一个步骤提取使用。

下面详细介绍本发明的预处理过程，本发明中的去噪、滤波及时域分割预处理都是根据算法来对数据进行处理的。例如，对于用户习惯性摇动遥控器这一习性来做用户分析，假定这种摇动是一种周期性的反复动作，体现在接收的动作数据上对数据分析有作用的是周期性的波形，那么滤波处理的过程会将周期性特征不明显的一些异常信号，例如摇动幅度过大的信号滤除掉，此过程即为滤波预处理；遥控器的摇动应该是在一定的频率范围内的，那么将其余的不符合这个频率范围的周期信号判定为噪声，比如环境因素可能造成噪声，所以需要将该噪声过滤掉，此过程即为去噪预处理；时域分割会对遥控器静止的动作数据、有振幅的周期性信号进行相应的分割，以将符合用户习惯的周期性信号寻找出来，从而分割出有用的数据，此即为时域分割预处理。

本发明的时域分割预处理是基于数据定义系统来实现的，数据定义系统是根据算法的需求将用户操作遥控器的动作归类，例如，将用户操作遥控器动作分为：用户拿起、放下遥控器的动作、用户操作遥控器按键的动作以及用户摇动遥控器的动作等等，然后分别对这些动作进行定义；然后建立用于数据分割的时域分割串口，根据这些定义好的动作，将时域分割窗口中的动作数据或环境数据经过特征值处理之后，形成特征值向量，特征值向量将作为算法建模的输入，构建模型，建模基本完成之后，下一个新的动作数据或环境数据再次进入时域分割窗口，经过特征值处理，输入到数据识别入口。上述过程使得算法建模时和数据识别时分割出来的动作都是处在定义好的动作范围之内，从而使数据建模入口与数据识别入口处于基本一致的状态之下，确保了数据输入的准确性。图2示出了本发明的时域分割预处理过程的步骤，其包括：

S201、将用户操作遥控器的动作归类，并分别进行定义；

S202、对每一定义好的动作类别建立时域分割窗口；

S203、对进入到所述时域分割窗口中的动作数据进行特征值处理，形成特征值向量。

本发明通过定义动作，根据不同定义的动作使用不同的方法追踪数据，特征化数据，针对不同的用户操作遥控器的动作作归类处理，从而提高数据识别的准确率。

在步骤S103中，经过预处理后的数据将作为建模的基础，经过模式化的数据挖掘建模过程，同时配合收集的用户数据及关系模型，通过随机森林决策算法，建立起基于动作数据和环境数据的神经网络系统，对家庭成员关系网络进行深度的挖掘。其具体的数据挖掘建模过程，如图3所示，包括步骤：

S301、从原始训练集中随机有放回地抽出K个样本，从特征值变量集随机抽出J个变量，由所述K个样本及J个变量构成局部训练集；

S302、创建节点；

S303、判断所述局部训练集是否为空，当所述局部训练集为空时，标记节点为错误，并返回步骤S302，重新创建节点；

S304、当所述局部训练集不为空时，若局部训练集中的所有记录都属于同一个类别，则以该类别标记节点；若局部训练集中的属性集为空，则标记节点N为最普通的类；

S305、对局部训练集中连续的特征值变量进行离散化，并从所述特征值变量中选取具有最高信息增益的属性D；

S306、根据所述属性D构成有X棵树的随机森林模型；关于随机森林模型的建模过程的更多细节也可参考现有技术，当然本发明也可选用其他建模方式来建立模型，同样也可实现本发明的目的。

本发明的建模过程还配合收集的用户数据及关系模型，该用户数据及关系模型是从云端数据中心收集的，用户数据及关系模型则是通过对多个不同的家庭成员关系模型进行特征分析得到，该特征分析是将操作遥控器的人进行可能的分类，例如分为男女、老中少等不同形式的分类，然后基于这样的分类对遥控器的使用者进行特征分析，这种特征分析的好处是比较容易地将用户操作遥控器的动作习性与观看内容习性相互关联起来，从而使用户数据及关系模型的准确性提高，并且，通过不断收集新的家庭成员关系模型的数据来更新用户数据及关系模型，当数据量足够大的时候，就能从每个家庭成员使用遥控器的动作习性特征分析提升到对所有人使用遥控器的动作习性特征分析的高度上，从而建立一个通用的用户数据及关系模型。通过将建立的单个的家庭成员关系模型与用户数据关系模型进行比较，即可对家庭成员在建立的家庭成员关系模型中的地位、关系、类型进行相应的判断，例如判断家庭成员的性别、年龄、教育程度、收入等等。根据这些结果，可向遥控器使用者提供相应类型的应用或电视内容等等，从而使用户能够完全无需进行主动搜索的情况下获得需要的信息。

在步骤S104中，根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

此步骤是对家庭成员关系模型的反馈过程，其包括显式反馈及隐式反馈，显示反馈是用户明显的定向标记反馈，例如用户对家庭成员关系模型准确性的评价、用户的注册登录信息、以及用户手动纠正的识别类型等等用户主动的反馈过程。隐式反馈是指通过收集用户对根据家庭成员关系模型推荐的项目进行的隐性操作行为，例如用户对项目的选择、浏览、退出、再来一次等等隐性的操作反馈收集，由于隐性反馈是在用户不知觉的情况下收集的，所以这是一种对用户友好的反馈收集方式，在应用时，可将隐性反馈作为主导的反馈方法，来对家庭成员关系模型进行动态更新。通过显式反馈和隐性反馈收集到的数据对系统建模进行不断的更新，从而使家庭成员关系模型适应不断发展变化的用户行为数据，随着这些历史数据的不断丰富，家庭成员关系的预测也会变得越来越准确。

基于上述方法，本发明还提供一种基于遥控器的家庭成员关系挖掘系统，如图4所示，其包括：遥控器100及遥控器对应的智能设备200，所述遥控器100包括数据采集及发送模块110，所述智能设备200包括数据预处理模块210、数据建模模块220以及模型反馈模块230；

数据采集及发送模块110，用于采集遥控器100的动作数据以及遥控器100所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器100对应的智能设备200；

数据预处理模块210，用于对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；

数据建模模块220，用于根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；

模型反馈模块230，用于根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

进一步，如图5所示，所述数据预处理模块210包括：

动作定义单元211，用于将用户操作遥控器的动作归类，并分别进行定义；

时域分割窗口建立单元212，用于对每一定义好的动作类别建立时域分割窗口；

特征值向量形成单元213，用于对进入到所述时域分割窗口中的动作数据进行特征值处理，形成特征值向量。关于上述功能模块的作用在前面的方法中已有详述，故不再赘述。

值得说明的是，本发明中数据采集并不局限于通过遥控器来实现，也可以是其他内置传感器的移动终端，例如手机、平板、游戏手柄等等这些手持设备，同时数据处理也并不局限于通过智能电视来实现，也可以是其他的硬件形态，例如计算机、手机、平板等等任意形态的智能设备。

综上所述，本发明通过收集用户操作遥控器的动作数据以及遥控器所处的环境数据，对收集到的数据进行预处理，然后通过随机森林决策树的算法，配合用户数据模型和用户关系模型，建立家庭成员关系模型，并通过显示反馈及隐式反馈对家庭成员关系模型进行更新，本发明建立的家庭成员关系模型基于准确的采集数据、动态建模以及更新反馈，使家庭成员关系模型被准确架构，通过建立的家庭成员关系模型，确定了遥控器使用者在家庭成员关系模型中的类别，然后针对不同的类别对遥控器使用者推荐不同的项目，从而使遥控器使用者在使用遥控器的同时，能够在没有多余操作的情况下，获得了喜爱的节目或应用等，达到利用家庭成员关系模型绑定用户的目的，随时为用户提供其他个性化的服务。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于遥控器的家庭成员关系挖掘方法，其特征在于，包括步骤：

A、采集遥控器的动作数据以及遥控器所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器对应的智能设备；

B、智能设备对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；

C、根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；

D、根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

2.根据权利要求1所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述动作数据包括遥控器三维方向的加速度、角速度、角度及磁场信息，所述环境数据包括温度及亮度信息。

3.根据权利要求1所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述步骤B中时域分割预处理过程包括：

B1、将用户操作遥控器的动作归类，并分别进行定义；

B2、对每一定义好的动作类别建立时域分割窗口；

B3、对进入到所述时域分割窗口中的动作数据进行特征值处理，形成特征值向量。

4.根据权利要求1所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述步骤C中数据挖掘建模处理过程具体包括：

C1、从原始训练集中随机有放回地抽出K个样本，从特征值变量集随机抽出J个变量，由所述K个样本及J个变量构成局部训练集；

C2、创建节点，判断所述局部训练集是否为空；

C3、当所述局部训练集为空时，标记节点为错误，并返回步骤C2重新创建节点；

C4、当所述局部训练集不为空时，若局部训练集中的所有记录都属于同一个类别，则以该类别标记节点；若局部训练集中的属性集为空，则标记节点N为最普通的类；

C5、对局部训练集中连续的特征值变量进行离散化，并从所述特征值变量中选取具有最高信息增益的属性D；

C6、根据所述属性D构成有X棵树的随机森林模型。

5.根据权利要求1所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述步骤C中用户数据及关系模型为通过对收集多个不同家庭成员关系模型进行特征分析得到。

6.根据权利要求1所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述步骤D中操作行为包括用户通过遥控器对推荐的项目进行的选择、浏览、推出及再来一次的动作。

7.根据权利要求1所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述步骤D还包括：收集用户操作所述遥控器控制智能设备的显式操作行为，对家庭成员关系模型进行更新。

8.根据权利要求7所述基于遥控器的家庭成员关系挖掘方法，其特征在于，所述显式操作行为包括：用户对家庭成员关系模型准确性的评价、用户的注册登录信息及用户的手动修改信息。

9.一种基于遥控器的家庭成员关系挖掘系统，其特征在于，包括：遥控器及遥控器对应的智能设备，所述遥控器包括数据采集及发送模块，所述智能设备包括数据预处理模块、数据建模模块以及模型反馈模块；

数据采集及发送模块，用于采集遥控器的动作数据以及遥控器所处环境的环境数据，并将采集到的动作数据以及环境数据发送至遥控器对应的智能设备；

数据预处理模块，用于对传送过来的动作数据以及环境数据进行去噪、滤波以及时域分割预处理得到预处理数据；

数据建模模块，用于根据智能设备收集得到的用户数据及关系模型，对预处理数据进行数据挖掘建模处理，建立家庭成员关系模型；

模型反馈模块，用于根据所述家庭成员关系模型向遥控器使用者推荐相应的项目，收集遥控器使用者对推荐的项目的操作行为，对家庭成员关系模型进行更新。

10.根据权利要求9所述基于遥控器的家庭成员关系挖掘系统，其特征在于，所述数据预处理模块包括：

动作定义单元，用于将用户操作遥控器的动作归类，并分别进行定义；

时域分割窗口建立单元，用于对每一定义好的动作类别建立时域分割窗口；

特征值向量形成单元，用于对进入到所述时域分割窗口中的动作数据进行特征值处理，形成特征值向量。