CN108710310A - 一种适用于智能家居的模糊指令交互方法 - Google Patents

Abstract

本发明公开了一种适用于智能家居的模糊指令交互方法，包括步骤：1，接收用户输入的模糊指令；2，对模糊指令进行解析，得到对应描述用户、环境和设备三大类主体的多个关键词；3，接收感知的家居环境信息，对此信息进行解析得到对应描述用户和环境的关键词，并将此关键词与上一步得到的关键词合并成关键词组；4，若关键词组中包含设备类关键词，则从设备库中匹配得到对应的设备及与设备服务对应控制指令集，将此控制指令集发送至设备使其按照指令执行对应的设备服务。本发明方法利用智能家居感知的状态信息，对用户指令进行补充理解，可以减少用户与设备之间交互次数。

Description

一种适用于智能家居的模糊指令交互方法

技术领域

本发明涉及人工智能技术领域，据图涉及一种适用于智能家居的模糊指令 交互方法。

背景技术

随着物联网技术的快速发展，家庭环境中的智能家居设备越来越多，比如智 能冰箱、智能空调以及智能照明等。与传统的电器设备相比，这些智能家居设 备支持WiFi、ZigBee等无线通信接口，支持用户对其进行远程控制如开关控制、 工作模式选择等。

现有智能家居系统中的用户和设备之间的交互设计，一般都采用固定的、明 确的指令匹配某个设备的方式。比如用户输入“关闭灯1”的指令，编码为1的 灯接收到指令后实现相应关灯操作。这种交互方式要求用户在使用智能家居之 前就要对所有设备进行编码，给每个设备赋予唯一的设备编码。常见的设备编 码方式有根据设备总数量作线性编码，和根据设备属性作多维编码。

线性编码方式下，当设备数量增多时，要求用户准确指出指令里的设备对象 是很困难的。比如一个房间内有多盏灯，用户需要理解灯的编号和灯实际物理 位置的对应关系，才能准确给出指令“关闭灯2”。

多维编码方式下，对设备作了多方面的属性描述，比如记录设备的型号、所 在房间和位置等，可以实现设备更精准描述。但是当设备数量增多时，设备编 码的复杂度也会急剧增加，从而需要嵌入设备编码的单条指令复杂度也会随之 急剧增加，或者要求和用户通过多次指令交互，才能完成对单个设备的定位。 比如一个房间内有多盏灯，用户需要一次性给出足够精细的设备属性描述，如 指令“关闭卧室东南角的顶灯”进行相应操作，或者通过系统和设备之间多回 合应答完善设备属性描述，确定被操作的设备对象。

可见，这种采用固定指令(集)控制固定设备的方式很难满足用户对于人性 化交互方式的需求，已经不能适应多智能设备的家居环境。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种适用于智能家居的模 糊指令交互方法，利用智能家居感知的状态信息，对用户指令进行补充理解， 可以减少用户与设备之间交互次数。

为解决上述技术问题，本发明提供了一种适用于智能家居的模糊指令交互 方法，其特征是，包括以下步骤：

步骤S1，接收用户输入的模糊指令；

步骤S2，对模糊指令进行解析，得到对应描述用户、环境和设备三大类主 体的多个关键词，其中用户类包括用户基本信息、用户需求和用户状态，环境 类包括环境状态，设备类包括设备基本信息、设备运行状态和设备服务；

步骤S3，接收感知的家居环境信息，对此信息进行解析得到对应描述用户 和环境的关键词，并将此关键词与上一步得到的关键词合并成关键词组；

步骤S4，将得到的关键词组作为输入，若关键词组中包含设备类关键词， 则从设备库中匹配得到对应的设备及与设备服务对应控制指令集，将此控制指 令集发送至设备使其按照指令执行对应的设备服务。

优选的，用户发出的指令形式可以是语音、图像或文字。

优选的，将用户发出的语音、图像或文字指令，均转换为文本指令。

优选的，根据用户、环境和设备三大类定义的关键词，利用最大匹配算法 或最少词切分算法从模糊指令中提取关键词。

优选的，设备库包括设备ID，设备名称、所属房间、坐标位置、与设备服 务对应的控制指令集字段。

优选的，若关键词组中不包含设备类关键词，则从历史事件中匹配得到一 组设备及设备服务，推荐给用户供用户选择，所述历史事件中包括日期、时间、 用户、应用场景、设备及设备服务字段。

优选的，一组设备及设备服务按照出现频次最高的应用场景，或者按照用 户偏好设置，进行排序推荐给用户。

与现有技术相比，本发明所达到的有益效果是：本发明利用智能家居感知 的动态状态信息，对用户发出的模糊指令进行补充理解，同时结合用户场景设 置和历史事件推荐生成相似度高的一组设备和设备服务，能够减少对用户输入 内容的要求，降低用户与设备指令交互回合次数，满足用户个性化的交互需求。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明 本发明的技术方案，而不能以此来限制本发明的保护范围。

智能家居的所有设备操作都是围绕居住人的行为发生的，因此用户指令与 其本身行为目的、历史行为习惯、当前所处的状态等主观需求有紧密的联系。 如多个应用场景都可能包含“开灯”指令，但是被映射到完全不同的操作设备 列表，在刚回家场景中可能反映为打开玄关灯/客厅灯迎接回家；在书房的场景 下可能反映为打开阅读灯，关闭书房顶灯开始工作；在深夜时段可能反映为打 开夜灯起床喝水。因此，本发明将指令数据、用户数据、环境数据等进行联合 解析得到设备操作列表，建立模糊指令与设备和设备服务之间的映射关系。

本发明的一种适用于智能家居的模糊指令交互方法，如图1所示，包含以 下步骤：

步骤S1，接收用户输入的模糊指令。

此处用户发出的指令形式可以是语音、图像或文字。如果用户给出的是图 像指令，则通过图像检测算法转化为文本指令。如果是声音指令，则通过语音 识别算法转化为文本指令。如果文字指令形式，则直接转换为文本指令。转换 为文本指令以方便后续对指令进行分词和语义解析。

步骤S2，对模糊指令进行解析，得到对应描述用户、环境和设备三大类主 体的多个关键词，其中用户类包括用户基本信息、用户需求和用户状态，环境 类包括环境状态，设备类包括设备基本信息、设备运行状态和设备服务。

智能家居环境中存在用户、环境和设备三大类本体，用户本体的模型结构 包含了用户基本信息、用户需求和用户状态；环境本体的模型结构包含了环境 状态；设备本体的模型结构可以包含设备基本信息、设备运行状态和设备服务。 关键词库按照这三类本体的模型结构也分成相应的7类关键词。

如表1所示，用户基本信息包含了用户姓名，年龄等信息；用户需求包含 了睡觉，办公，外出，冷，困等需求信息；用户状态包含了用户当前所处房间 等信息；环境状态包含了日期，时间，天气、温度、湿度等信息；设备基本信 息包括了设备名称，ID号、设备型号、设备制造商、设备位置等信息；设备运 行状态包含了设备的开/关状态、运行模式、档位等信息；设备服务包含了设备 提供的服务集合如开/关、运行模式设定、档位设定等信息。

表1：关键词库定义

初始时，将常用的关键词组成关键词库，后续关键词库的更新可以通过系 统自我学习获得。

得到用户发出的文本指令后，根据关键词库定义的关键词，可以利用现有 技术中最大匹配算法或最少词切分算法等分词算法提取关键词。比如，对于自 然语言文本指令“好热啊开空调”，可以拆分得到用户需求类关键词“热”、设 备服务类关键词“开”和设备基本信息类关键词“空调”。最后，综合上述关键 词结果整合成一条语义描述的关键词组“用户需求：热+设备基本信息：空调+ 设备服务：开”。

步骤S3，接收传感器感知的家居环境信息，对此信息进行解析得到对应描 述用户和环境的关键词，并将此关键词与上一步得到的关键词合并成关键词组。

比如用户手机提供用户当前所在房间为卧室，当前时间为22点。得到用户 状态类关键词“卧室”，环境状态类关键词“时间22点”。和上一步已经得到 的关键词组合并，得到整合的关键词组“用户需求：热+用户状态：卧室+环境 状态：时间22点+设备基本信息：空调+设备服务：开”。

步骤S4，将得到的关键词组作为输入，从设备库中匹配得到对应的设备及 与设备服务对应控制指令集，将此控制指令集发送至设备使其按照指令执行对 应的设备服务，所述设备库中包括设备ID，设备名称、所属房间、坐标位置、 与设备服务对应的控制指令集。

设备库包含智能家居系统里所有的智能设备。设备描述包含设备ID，设备 名称、所属房间、坐标位置、与设备服务对应的控制指令集，出厂信息等。每 个设备都有对应的专有控制指令集，每条指令都对应了设备的某个具体操作动 作，如开空调对应的控制指令为0x456H，关空调对应的控制指令为0x123H。 比如表2给出了设备库中实例描述了卧室空调的相关信息，设备ID为0xFFFFH， 设备名称为空调，设备所属房间是卧室，开空调对应的控制指令为0x456H，关 空调对应的控制指令为0x123H，出厂信息包括空调的铭牌上信息。

表2：卧室空调设备实例

如果关键词组中出现设备基本信息，则基于预设的匹配规则查询设备库， 匹配得到唯一的设备对象，确定设备ID及设备服务。比如前面的关键词组实例， 和设备库的所有设备进行匹配，得到唯一的设备对象卧室空调，获取它的设备 ID 0xFFFFH，以及设备服务“开”对应的控制指令0x456H。

如果根据关键词组的所有信息不能确定唯一的设备对象及设备服务，或关 键词组中出现用户需求信息没有出现设备基本信息及设备服务，则必须根据预 先定义的典型应用场景事件和用户历史事件数据，推测可能的设备及对应的设 备服务。

实现流程如下所述。典型应用场景和历史事件的描述格式为“日期，时间， 用户，应用场景，设备，设备服务”。用户历史事件随着时间呈负相关性，而不 同日期的同一时间发生事件呈现很高的相关性。根据时间关键词划分一定的时 间范围，抽取这段时间内用户发生的事件。计算关键词组和每个事件的匹配度， 比如关键词在事件记录中出现的次数越多，则匹配度越高。筛选出匹配度大于 匹配阈值的事件，记录这些事件里出现的设备及相应的设备服务，并推荐出现 频次最高的多个设备及相应的设备服务。

如果筛选出的事件对应的应用场景为空，直接输出设备操作相似度最高的 一组设备和设备服务，比如前面所述的关键词组导入得到，“卧室空调”+“开”； “卧室窗帘”+“关”。

如果筛选出的事件对应了多个应用场景，则按照出现频次最高的应用场景， 按照用户偏好设置推荐设备和设备服务。比如前面所述的关键词组导入得到两 种方案推荐“您现在想睡觉，卧室空调+设置23度睡眠模式；卧室窗帘+关闭； 床头灯+黄光模式”；“您现在想看电视，卧室空调+设置23度凉风模式；卧室窗 帘+关闭；加湿器+打开；电视+打开”。

现有技术中智能家居指令交互流程通常是：输入自然语言的文本指令，对 文本指令进行分词操作得到关键词，通过模板匹配进行语义理解，最终生成机 器可理解的控制指令。通常用户要达到设定需求，要进行多次交互，例如用户： 开灯->机器：请选择灯的房间位置，用户：卧室->机器：请选择灯的类型，用 户：台灯->机器：请设置灯光模式，用户：白光->用户确认，交互结束。而本发 明利用智能家居感知的动态状态信息，对指令进行补充理解，同时结合用户场 景设置和历史事件推荐生成相似度高的一组设备和设备服务，能够减少对用户 输入内容的要求，降低用户与设备指令交互回合次数，满足用户个性化的交互需求。例如用户：开灯，机器：打开卧室台灯，白光模式，同时推荐开启空调 25度，开启加湿器50％->用户确认选择，交互结束。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通 技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变 型，这些改进和变型也应视为本发明的保护范围。

Claims (7)

1.一种适用于智能家居的模糊指令交互方法，其特征是，包括以下步骤：

步骤S1，接收用户输入的模糊指令；

步骤S2，对模糊指令进行解析，得到对应描述用户、环境和设备三大类主体的多个关键词，其中用户类包括用户基本信息、用户需求和用户状态，环境类包括环境状态，设备类包括设备基本信息、设备运行状态和设备服务；

步骤S3，接收感知的家居环境信息，对此信息进行解析得到对应描述用户和环境的关键词，并将此关键词与上一步得到的关键词合并成关键词组；

步骤S4，若关键词组中包含设备类关键词，则从设备库中匹配得到对应的设备及与设备服务对应控制指令集，将此控制指令集发送至设备使其按照指令执行对应的设备服务。

2.根据权利要求1所述的一种适用于智能家居的模糊指令交互方法，其特征是，用户发出的指令形式可以是语音、图像或文字。

3.根据权利要求2所述的一种适用于智能家居的模糊指令交互方法，其特征是，将用户发出的语音、图像或文字指令，均转换为文本指令。

4.根据权利要求1所述的一种适用于智能家居的模糊指令交互方法，其特征是，根据用户、环境和设备三大类定义的关键词，利用最大匹配算法或最少词切分算法从模糊指令中提取关键词。

5.根据权利要求1所述的一种适用于智能家居的模糊指令交互方法，其特征是，设备库包括设备ID，设备名称、所属房间、坐标位置、与设备服务对应的控制指令集字段。

6.根据权利要求1所述的一种适用于智能家居的模糊指令交互方法，其特征是，若关键词组中不包含设备类关键词，则从历史事件中匹配得到一组设备及设备服务，推荐给用户供用户选择，所述历史事件中包括日期、时间、用户、应用场景、设备及设备服务字段。

7.根据权利要求6所述的一种适用于智能家居的模糊指令交互方法，其特征是，一组设备及设备服务按照出现频次最高的应用场景，或者按照用户偏好设置，进行排序推荐给用户。