CN109725971A - 基于用户数据分析与定制的智能匹配后记事方法及系统 - Google Patents

Abstract

一种基于用户数据分析与定制的智能匹配后记事方法，其包括如下步骤：S1、获取用户输入信息，根据用户输入方式分类获取事件关键因素数据信息；S2、对步骤S1中获得的事件关键因素数据信息进行匹配，并输出记事提醒所需关键字段，从而建立记事体系数据；S3、收集用户使用过程中产生的行为数据与信息数据，根据行为数据与信息数据完善用户个人记事体系数据，从而调整适合用户的提醒方式和匹配结果。本发明还提供一种基于用户数据分析与定制的智能匹配后记事系统。

Description

基于用户数据分析与定制的智能匹配后记事方法及系统

技术领域

本发明涉及快速记事技术领域，特别涉及一种基于用户数据分析与定制的智能匹配后记事方法及系统。

背景技术

一直以来，记事提醒都是很有必要也很重要的事情。随着科技发展，各种各样的记事本层出不穷，从纸笔书写至电脑打字及手机录制语音片段，日渐方便快速且高效。

一般来说，记事提醒需要一一输入事件关键因素字段，如提醒日期、提醒时间、去往何处、与何人一起做何事。

通常情况下，APP没有区分这些，有的只做了提醒时间，且需要单独输入。在使用场景受限的情况下，例如开车，逛街、吃饭、看电影等用户正在进行某一件事且不方便分散注意力保持静止的场景下，记事显得尤为麻烦。有事情需要记下来然后提醒自己去完成却不能立刻记下来，当自己有时间和条件去记录的时候，又常常已经忘记了。

现有解决方案主要缺陷在于：

不能快速输入记事提醒的日期、时间、频次以及提前提醒所需的时间，往往需要一一输入，操作麻烦且使用场景受限，容易让用户错过记事导致遗忘；

有些能够快速输入的笔记类软件完全没有提醒功能，只是单纯的记录，并不能有效的为用户管理将来的时间发挥作用；

不能为用户量身定制，每次输入都要重复操作，繁琐且枯燥，容易引起用户的反感而打消记事的念头，从而导致放弃记事；

对用户的记事数据没有分析处理，毫无关联各自独立，不能帮助用户改善事件完成率，从而提高办事效率。

发明内容

有鉴于此，本发明提出一种基于用户数据分析与定制的智能匹配后记事方法及系统。

一种基于用户数据分析与定制的智能匹配后记事方法，其包括如下步骤：

S1、获取用户输入信息，根据用户输入方式分类获取事件关键因素数据信息；

S2、对步骤S1中获得的事件关键因素数据信息进行匹配，并输出记事提醒所需关键字段，从而建立记事体系数据；

S3、收集用户使用过程中产生的行为数据与信息数据，根据行为数据与信息数据完善用户个人记事体系数据，从而调整适合用户的提醒方式和匹配结果。

在本发明所述的基于用户数据分析与定制的智能匹配后记事方法中，

所述步骤S1包括：

获得用户输入信息，判断输入信息是否为语音/剪切板输入或图片输入；

在为语音/剪切板输入时，对对应自然语言进行词组解析、抽取信息、梳理因果、判断情绪处理，依次获得事件关键因素数据信息；

在为图片输入时，通过输入图片的外观相似性配对数据库内的信息模板，识别出图片信息类别形式的票据及订单，并从中获取事件关键因素数据信息。

在本发明所述的基于用户数据分析与定制的智能匹配后记事方法中，

所述事件关键因素数据包括时间、地点、人物与事件目的数据信息。

在本发明所述的基于用户数据分析与定制的智能匹配后记事方法中，

所述步骤S2中输出记事提醒所需关键字段包括提醒日期、提醒时间、提醒频次、提醒提前时间、提醒对象；

所述步骤S2中匹配包括：

提醒日期匹配、提醒时间匹配、提醒频次匹配、提醒对象匹配。

在本发明所述的基于用户数据分析与定制的智能匹配后记事方法中，

提醒日期匹配包括：当用户在日历上选择日期，此日期为N，则当识别获取时间为明天时，日期为N+1，并显示在日历的N+1的日期下；以此类推，为后天时，日期为N+2；为下周时，日期为N+7；为下月时，日期为N+n，其中n根据每月天数不同，n对应天数为28或29或30或31；为明年时，日期为N+365；

提醒时间匹配包括：读取预先建立的常用日程数据库一日内日程时间模板，当获取到的用户记事信息中包含常用日程数据库预设字段时，则自动匹配，并输出预设结果；当获取到用户目的地为D、提醒时刻为A、创建时所在定位为C，则计算C到D的最长用时为T，则A-T为创建时智能匹配提醒时间S；若在S时刻之前，用户实时定位发生改变为B，则计算B到D的最长用时为T2，当T2小于或等于T时无需提醒，当T2大于T时额外提醒；

提醒频次匹配包括：建立常用事件周期数据库，当获取到用户事件目的为常用事件周期数据库预设字段时，匹配提醒频次，并输出预设结果；

提醒提前时间匹配包括：建立常用提前时间规则，当获取用户事件日期或时间与常用提前时间规则匹配时，匹配提醒提前时间，并输出预设结果。

在本发明所述的基于用户数据分析与定制的智能匹配后记事方法中，

所述步骤S3中调整适合用户的提醒方式和匹配结果包括：用户迟到指数调整、用户事情执行完成指数调整、用户重复指数调整、用户个性定制匹配调整中的一种或几种。

在本发明所述的基于用户数据分析与定制的智能匹配后记事方法中，

用户迟到指数调整包括：在用户事件目的地定位D、事件到达时刻为A、用户到达时时刻为B，当B大于A则为迟到，若B经常且高数值大于A时，则增加提前时间与提醒频次；当B到A的间隔越来越小，且持续达到预设次数则提醒频次降级，提醒提前时间实时计算并更新；

用户事情执行完成指数调整包括：当用户点击继续提醒超过预设频次，则判断该用户事件执行率偏低，在提醒时自动增加提醒频次或是有声提醒；当用户不再主动点击继续提醒，且时长大于预设天数，提醒频次或程度降级；

用户重复指数调整包括：当用户重复记录且规律记录同类事情，则下次记录时，匹配历史提醒时间，并根据计算得出的周期，匹配提醒重复频次；

用户个性定制匹配调整包括：当用户在步骤S2阶段主动修正匹配并输出的数据，则存储用户修正后的数据，以建立符合用户个人习惯的数据模型，当用户再次使用时，优先匹配用户修正的数据。

本发明还提供一种基于用户数据分析与定制的智能匹配后记事系统，其包括如下单元：

数据提取单元，用于获取用户输入信息，根据用户输入方式分类获取事件关键因素数据信息；

数据匹配单元，用于对数据提取单元中获得的事件关键因素数据信息进行匹配，并输出记事提醒所需关键字段，从而建立记事体系数据；

提醒调整单元，用于收集用户使用过程中产生的行为数据与信息数据，根据行为数据与信息数据完善用户个人记事体系数据，从而调整适合用户的提醒方式和匹配结果。

实施本发明提供的基于用户数据分析与定制的智能匹配后记事方法及系统与现有技术相比具有以下有益效果：

能够根据识别用户输入的信息依次获得事件关键因素如时间、地点、人物与事件目的等数据信息，智能匹配并输出记事提醒所需关键字段如提醒日期、提醒时间、提醒频次、提醒提前时间、提醒对象等，从而快速建立记事，与此同时，收集用户使用过程中产生的行为数据与信息数据，不断完善用户个人记事体系数据，以完善准确度更方便高效的完成记事。该方法可以极大的提升用户使用体验，节省了用户创建记事的时间与操作成本，且适用于各种生活场景，尤其是在移动场景下的突发记事提醒需求，其优势更为突出。

附图说明

图1是本发明实施例的基于用户数据分析与定制的智能匹配后记事方法流程图。

具体实施方式

如图1所示，本发明的目的是为了克服上述背景技术的不足，提供一种基于用户数据分析与定制的智能匹配后快速记事的方法及系统，使其在用户使用中，更快速高效的完成记事提醒操作。该方法可以极大的提升用户使用体验，节省了用户创建记事的时间与操作成本，且适用于各种生活场景，尤其是在移动场景下的突发记事需求，可达到一键完成。

本发明提供的一种基于用户数据分析与定制的智能匹配后快速记事的方法及系统，其包括下列步骤：

S1：获取用户输入信息，根据用户输入方式分类获取事件关键因素数据信息：

如果是语音输入及剪贴板输入，对自然语言进行词组解析、抽取信息、梳理因果、判断情绪等技术处理，依次获得事件关键因素如时间、地点、人物与事件目的等数据信息；

如果是图片输入，先通过图片外观相似性配对数据库内的信息模板，识别出图片信息类别，包含如生活类(美容美发、健身、培训、艺术照等)、出行类(机票、火车票、汽车票等)、住宿类(酒店、民宿等)、休闲类(电影票、演唱会门票、戏剧话剧演出场次门票、KTV、酒吧、实体游戏、旅游景点门票等)等各种类别各种形式的票据及订单，依次获得事件关键因素如时间、地点、人物与事件目的等数据信息；

S2：对步骤S1中获得的事件关键因素数据信息进行匹配，并输出记事提醒所需关键字段，从而建立记事体系数据，输出记事提醒所需关键字段如提醒日期、提醒时间、提醒频次、提醒提前时间、提醒对象等，从而快速建立记事，匹配与输出方法如下：

1提醒日期匹配：

当用户在日历上选择日期，此日期为N，则当识别获取时间为明天时，日期为N+1，并显示在日历的N+1的日期下。

以此类推，为后天时，日期为N+2；为下周时，日期为N+7；为下月时，日期为N+30(根据每月天数不同，自动增加对应天数为28或29或30或31)；为明年时，日期为N+365(根据年份天数不同，自动增加对应天数为354或355或365或366)等。

2提醒时间匹配：

a读取系统数据库

系统建立常用日程数据库，如上班、下班、早饭、午饭、晚饭、午睡、晚睡等一日内日程时间模板，当获取到的用户记事信息中包含以上字段，则自动匹配，输出结果例如，上班9：00、下班5：00等。

b智能计算

当获取到用户目的地为D、提醒时刻为A、创建时所在定位为C，则系统计算C到D的最长用时为T，则A-T为创建时智能匹配提醒时间S，

若在S时刻之前，用户实时定位发生改变为B，则系统计算B到D的最长用时为T2，当T2小于等于T时无需提醒，当T2大于T时则系统额外提醒。

3提醒频次匹配

系统建立常用事件周期数据库，如用药提醒为1日1次或n次、课程表为一周1次或n次、水电燃气话费等生活缴费为1月1次或n次、信用卡及房贷车贷还款等为1月1次或n次，生日及各种纪念日为1年1次或n次等，当获取到用户事件目的为以上数据时，自动匹配提醒频次，输出结果例如：信用卡还款，每月9日(也可以为其他数值)重复提醒。

4提醒提前时间匹配

系统建立常用提前时间规则，如一日内日程，提醒提前时间可选为5分钟、10分钟、30分钟等；如一周内，则为10分钟、1小时、1天等；如为1月内，则为1小时、1天、3天等；若为1年内，则为1天、3天、7天等，当获取用户事件日期或时间为以上数据时，自动匹配提醒提前时间，输出结果例如：下班带文件回家，提前10分钟(也可以为其他数值)提醒。

5提醒对象匹配

当用户事件获取提醒对象为人名、或称呼时，系统根据语义中的情绪分析、情感倾向于亲密度以及因果逻辑等判断人物关系，智能匹配用户通讯录中的好友，输出结果例如：“告诉奶奶下周四上午宝宝要去打疫苗”，提醒发送给奶奶。

S3：收集用户使用过程中产生的行为数据与信息数据，根据行为数据与信息数据完善用户个人记事体系数据，从而调整适合用户的提醒方式和匹配结果，以实现更准确更高效的一键完成的记事体验。收集与对应完善方法如下：

1用户迟到指数

如用户事件目的地定位D、事件到达时刻为A、用户到达时时刻为B，当B大于A则为迟到，若B经常且高数值大于A时，则增加提前时间(提前时间在原有基础上+B-A的平均值)与提醒频次，以帮助用户正确调整时间以提高事件完成成功率；

当B到A越来越小，且持续7次(也可以为其他数值)则提醒频次可适当降级，提醒提前时间可实时计算并更新。

2用户事情执行完成指数

当用户经常点击继续提醒，则判断该用户事件执行率偏低，在提醒时自动增加提醒频次或是有声提醒；

当用户不再主动点击继续提醒，且时长大于7天(也可以为其他数值)，提醒频次或程度可适当降级。

3用户重复指数

当用户重复记录且规律记录同类事情，则下次记录时，匹配历史提醒时间，并根据系统计算得出的周期，匹配提醒重复频次。

4用户个性定制匹配

当用户在S2阶段主动修正系统匹配并输出的数据，则存储用户修正后的数据，以建立符合用户个人习惯的数据模型，当用户再次使用时，优先匹配用户修正的数据。

有益结果：本发明实施例能够根据识别用户输入的信息依次获得事件关键因素如时间、地点、人物与事件目的等数据信息，智能匹配并输出记事提醒所需关键字段如提醒日期、提醒时间、提醒频次、提醒提前时间、提醒对象等，从而快速建立记事，与此同时，收集用户使用过程中产生的行为数据与信息数据，不断完善用户个人记事体系数据，以完善准确度更方便高效的完成记事。该方法可以极大的提升用户使用体验，节省了用户创建记事的时间与操作成本，且适用于各种生活场景，尤其是在移动场景下的突发记事提醒需求，其优势更为突出。

可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (8)

1.一种基于用户数据分析与定制的智能匹配后记事方法，其特征在于，其包括如下步骤：

S1、获取用户输入信息，根据用户输入方式分类获取事件关键因素数据信息；

S2、对步骤S1中获得的事件关键因素数据信息进行匹配，并输出记事提醒所需关键字段，从而建立记事体系数据；

S3、收集用户使用过程中产生的行为数据与信息数据，根据行为数据与信息数据完善用户个人记事体系数据，从而调整适合用户的提醒方式和匹配结果。

2.如权利要求1所述的基于用户数据分析与定制的智能匹配后记事方法，其特征在于，

所述步骤S1包括：

获得用户输入信息，判断输入信息是否为语音/剪切板输入或图片输入；

在为语音/剪切板输入时，对对应自然语言进行词组解析、抽取信息、梳理因果、判断情绪处理，依次获得事件关键因素数据信息；

在为图片输入时，通过输入图片的外观相似性配对数据库内的信息模板，识别出图片信息类别形式的票据及订单，并从中获取事件关键因素数据信息。

3.如权利要求2所述的基于用户数据分析与定制的智能匹配后记事方法，其特征在于，

所述事件关键因素数据包括时间、地点、人物与事件目的数据信息。

4.如权利要求2所述的基于用户数据分析与定制的智能匹配后记事方法，其特征在于，

所述步骤S2中输出记事提醒所需关键字段包括提醒日期、提醒时间、提醒频次、提醒提前时间、提醒对象；

所述步骤S2中匹配包括：

提醒日期匹配、提醒时间匹配、提醒频次匹配、提醒对象匹配。

5.如权利要求4所述的基于用户数据分析与定制的智能匹配后记事方法，其特征在于，

提醒日期匹配包括：当用户在日历上选择日期，此日期为N，则当识别获取时间为明天时，日期为N+1，并显示在日历的N+1的日期下；以此类推，为后天时，日期为N+2；为下周时，日期为N+7；为下月时，日期为N+n，其中n根据每月天数不同，n对应天数为28或29或30或31；为明年时，日期为N+365；

提醒时间匹配包括：读取预先建立的常用日程数据库一日内日程时间模板，当获取到的用户记事信息中包含常用日程数据库预设字段时，则自动匹配，并输出预设结果；当获取到用户目的地为D、提醒时刻为A、创建时所在定位为C，则计算C到D的最长用时为T，则A-T为创建时智能匹配提醒时间S；若在S时刻之前，用户实时定位发生改变为B，则计算B到D的最长用时为T2，当T2小于或等于T时无需提醒，当T2大于T时额外提醒；

提醒频次匹配包括：建立常用事件周期数据库，当获取到用户事件目的为常用事件周期数据库预设字段时，匹配提醒频次，并输出预设结果；

提醒提前时间匹配包括：建立常用提前时间规则，当获取用户事件日期或时间与常用提前时间规则匹配时，匹配提醒提前时间，并输出预设结果。

6.如权利要求4所述的基于用户数据分析与定制的智能匹配后记事方法，其特征在于，

所述步骤S3中调整适合用户的提醒方式和匹配结果包括：用户迟到指数调整、用户事情执行完成指数调整、用户重复指数调整、用户个性定制匹配调整中的一种或几种。

7.如权利要求6所述的基于用户数据分析与定制的智能匹配后记事方法，其特征在于，

用户迟到指数调整包括：在用户事件目的地定位D、事件到达时刻为A、用户到达时时刻为B，当B大于A则为迟到，若B经常且高数值大于A时，则增加提前时间与提醒频次；当B到A的间隔越来越小，且持续达到预设次数则提醒频次降级，提醒提前时间实时计算并更新；

用户事情执行完成指数调整包括：当用户点击继续提醒超过预设频次，则判断该用户事件执行率偏低，在提醒时自动增加提醒频次或是有声提醒；当用户不再主动点击继续提醒，且时长大于预设天数，提醒频次或程度降级；

用户重复指数调整包括：当用户重复记录且规律记录同类事情，则下次记录时，匹配历史提醒时间，并根据计算得出的周期，匹配提醒重复频次；

用户个性定制匹配调整包括：当用户在步骤S2阶段主动修正匹配并输出的数据，则存储用户修正后的数据，以建立符合用户个人习惯的数据模型，当用户再次使用时，优先匹配用户修正的数据。

8.一种基于用户数据分析与定制的智能匹配后记事系统，其特征在于，其包括如下单元：

数据提取单元，用于获取用户输入信息，根据用户输入方式分类获取事件关键因素数据信息；

数据匹配单元，用于对数据提取单元中获得的事件关键因素数据信息进行匹配，并输出记事提醒所需关键字段，从而建立记事体系数据；

提醒调整单元，用于收集用户使用过程中产生的行为数据与信息数据，根据行为数据与信息数据完善用户个人记事体系数据，从而调整适合用户的提醒方式和匹配结果。