CN110598916A - 一种用户行为模型的构建方法及系统 - Google Patents

一种用户行为模型的构建方法及系统 Download PDF

Info

Publication number
CN110598916A
CN110598916A CN201910785776.1A CN201910785776A CN110598916A CN 110598916 A CN110598916 A CN 110598916A CN 201910785776 A CN201910785776 A CN 201910785776A CN 110598916 A CN110598916 A CN 110598916A
Authority
CN
China
Prior art keywords
user
user behavior
behavior
data
constructing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910785776.1A
Other languages
English (en)
Inventor
刘伟
何金辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
THINKHOME Co Ltd
Original Assignee
THINKHOME Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by THINKHOME Co Ltd filed Critical THINKHOME Co Ltd
Priority to CN201910785776.1A priority Critical patent/CN110598916A/zh
Publication of CN110598916A publication Critical patent/CN110598916A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2823—Reporting information sensed by appliance or service execution status of appliance services in a home automation network
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Manufacturing & Machinery (AREA)
  • Educational Administration (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供一种用户行为模型的构建方法及系统，涉及数据分析技术领域，包括获取用户控制各智能家居设备的历史行为数据；针对用户的每个控制行为，根据历史行为数据构建控制行为对应的用户行为向量；用户行为向量中包括若干特征项；预先设置用户行为向量中各特征项的初始权重,并处理得到控制行为中各智能家居设备被控制的预测成功率；根据预测成功率并采用最小化目标函数对初始权重进行迭代计算，以得到各特征项的最优权重；根据最优权重构建用户行为模型，并根据用户行为模型对各智能家居设备被控制的成功率进行预测。本发明有效提升用户行为模型的预测成功率。

Description

一种用户行为模型的构建方法及系统
技术领域
本发明涉及数据分析技术领域，尤其涉及一种用户行为模型的构建系统及方法。
背景技术
与传统家居系统不同，基于物联网技术的智能家居系统实时一个住宅利用通信网络连接关键电器和服务，并允许远程控制、监控或访问的系统，按照基于物联网的三层架构，物联网的第一层为感知延伸系统，主要负责采集信息和控制设备；第二层为异构融合的泛在通信网络，主要负责异构网络的互联互通以及存储处理；第三层为应用和服务层，主要负责数据监控、数据分析等。目前智能家居领域有很多针对第一、第二层的设计，但要实现真正意义上的智能，除了获取信息、传输信息外，更要对用户行为进行分析，同时能够根据分析结果对用户行为做出预测，并基于预测结果做出符合用户需求的设备使用推荐。因此，如何实现用户行为的准确预测是目前亟待解决的问题。
发明内容
针对现有技术中存在的问题，本发明提供一种用户行为模型的构建方法，预先设置若干智能家居设备，所述用户行为模型的构建方法具体包括：
步骤S1，获取用户控制各智能家居设备的历史行为数据；
所述历史行为数据包括所述用户的控制行为的发生时间、各所述智能家居设备的运行状态数据、室内环境数据以及室外环境数据；
步骤S2，针对所述用户的每个所述控制行为，根据所述历史行为数据构建所述控制行为对应的用户行为向量；
所述用户行为向量中包括若干特征项，所述特征项包括所述控制行为的发生时间特征项、所述智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；
步骤S3，预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；
步骤S4，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；
步骤S5，根据所述最优权重构建用户行为模型，并根据所述用户行为模型对各所述智能家居设备被控制的成功率进行预测。
优选的，所述智能家居设备包括不可调模式设备和可调模式设备，
则所述运行状态数据包括所述不可调模式设备处于开启状态或者关闭状态，所述可调模式设备处于开启状态或关闭状态，以及所述可调模式设备处于开启状态时所处的模式以及所述模式对应的属性值。
优选的，所述室内环境数据包括光强，和/或温度，和/或湿度，和/或PM2.5，和/或含氧量，和/或CO2浓度，和/或甲醛浓度，和/或空气流速，和/或可吸入颗粒，和/或苯，和/或氨，和/或TVOC。
优选的，所述室外环境数据包括天气现象，和/或温度，和/或气压，和/或相对湿度，和/或能见度，和/或风向，和/或风速，和/或云量。
优选的，所述步骤S3中，按照如下公式得到各所述智能家居设备被控制的所述预测成功率：
其中，
s(b)用于表示所述预测成功率；
用于表示所述用户行为向量；
c用于表示所述特征项；
w(c)用于表示所述初始权重。
优选的，所述步骤S4中，所述最小化目标函数为KL散度。
优选的，执行所述步骤S2之前，还包括对所述历史行为数据进行数据预处理，以使得所述历史行为数据具有预设的格式。
一种用户行为模型的构建系统，应用以上任意一项中所述的用户行为模型的构建方法，所述用户行为模型的构建系统具体包括：
数据获取模块，用于获取用户控制各智能家居设备的历史行为数据；
所述历史行为数据包括所述用户的控制行为的发生时间、各所述智能家居设备的运行状态数据、室内环境数据以及室外环境数据；
向量生成模块，连接所述数据获取模块，用于针对所述用户的每个所述控制行为，根据所述历史行为数据构建所述控制行为对应的用户行为向量；
所述用户行为向量中包括若干特征项，所述特征项包括所述控制行为的发生时间特征项、所述智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；
第一处理模块，连接所述向量生成模块，用于预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；
第二处理模块，连接所述第一处理模块，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；
模型构建模块，连接所述第二处理模块，用于根据所述最优权重构建用户行为模型，并根据所述用户行为模型对各所述智能家居设备被控制的成功率进行预测。
上述技术方案具有如下优点或有益效果：通过设置最小化目标函数对初始权重进行迭代优化得到最优权重，并根据最优权重构建用户行为模型，有效提升用户行为模型的预测成功率。
附图说明
图1为本发明的较佳的实施例中，一种用户行为模型的构建方法的流程示意图；
图2为本发明的较佳的实施例中，一种用户行为模型的构建系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。
本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种用户行为模型的构建方法，预先设置若干智能家居设备，如图1所示，用户行为模型的构建方法具体包括：
步骤S1，获取用户控制各智能家居设备的历史行为数据；
历史行为数据包括用户的控制行为的发生时间、各智能家居设备的运行状态数据、室内环境数据以及室外环境数据；
步骤S2，针对用户的每个控制行为，根据历史行为数据构建控制行为对应的用户行为向量；
用户行为向量中包括若干特征项，特征项包括控制行为的发生时间特征项、智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；
步骤S3，预先设置用户行为向量中各特征项的初始权重,并处理得到控制行为中各智能家居设备被控制的预测成功率；
步骤S4，根据预测成功率并采用最小化目标函数对初始权重进行迭代计算，以得到各特征项的最优权重；
步骤S5，根据最优权重构建用户行为模型，并根据用户行为模型对各智能家居设备被控制的成功率进行预测。
具体地，本实施例中，上述历史行为数据中，用户的每个控制行为是已知的，换言之，针对某一个控制行为，可以知道在某一时间节点，用户控制了一个或多个智能家居设备，此时，获取当前状态下的室内环境数据以及室外环境数据，被用户控制的智能家居设备的被控制的真实成功率为1，而未被用户控制的智能家居设备的被控制的真实成功率为0。针对该控制行为，通过设置上述获取的控制行为的发生时间特征项、智能家居设备的状态特征项、室内环境特征项以及室外环境特征项的初始权重，可以得到初始权重下的该控制行为中各智能家居设备的预测成功率，将智能家居设备对应的预测成功率与真实成功率进行对比，并通过最小化目标函数对初始权重进行迭代计算，直至得到的各智能家居设备的预测成功率趋于稳定，且接近于真实成功率，此时将稳定状态的成功率对应的权重作为最优权重，并根据该最优权重构建用户行为模型对用户行为进行预测，有效提升用户行为模型的预测成功率。
本发明的较佳的实施例中，智能家居设备包括不可调模式设备和可调模式设备，
则运行状态数据包括不可调模式设备处于开启状态或者关闭状态，可调模式设备处于开启状态或关闭状态，以及可调模式设备处于开启状态时所处的模式以及模式对应的属性值。
具体地，本实施例中，对于不可调模式设备，由于用户对其进行控制时，只能控制其开启或者关闭，如窗帘的开启或者关闭。因此其对应的运行状态数据为该不可调模式设备当前处于开启状态或者关闭状态，若该不可调模式设备在推荐列表中，则用户根据当前需求对该不可调模式设备的运行状态进行相应改变，即当前处于开启状态调整为关闭状态，或当前处于关闭状态调整为开启状态。
本实施例中，对于可调模式设备，由于用户对其进行控制时，除了能够控制其开启或者关闭，还能对其模式和属性值进行调节，如空调，除了能够开启或关闭，还能够对其进行制冷模式或制热模式的调节，同时能够对其温度属性值进行调节。因此其对应的运行状态数据为该可调模式设备当前处于开启状态或者关闭状态，以及处于开启状态时所处的模式和属性值。若该可调模式设备在推荐列表中，则用户根据当前需求对该可调模式设备的运行状态进行相应改变，包括对其进行开启或闭合，以及调整模式或属性值。
本发明的较佳的实施例中，室内环境数据包括光强，和/或温度，和/或湿度，和/或PM2.5，和/或含氧量，和/或CO2浓度，和/或甲醛浓度，和/或空气流速，和/或可吸入颗粒，和/或苯，和/或氨，和/或TVOC。
具体地，本实施例中，上述室内环境数据包括但不限于光强、温度、湿度、PM2.5、或含氧量、CO2浓度、甲醛浓度、空气流速、可吸入颗粒、苯、氨、TVOC中的一项或多项数据。
本发明的较佳的实施例中，室外环境数据包括天气现象，和/或温度，和/或气压，和/或相对湿度，和/或能见度，和/或风向，和/或风速，和/或云量。
具体地，本实施例中，上述室外环境数据包括但不限于天气现象、温度、气压、相对湿度、能见度、风向、风速、云量中的一项或多项数据。
本发明的较佳的实施例中，步骤S3中，按照如下公式得到各智能家居设备被控制的预测成功率：
其中，
s(b)用于表示预测成功率；
用于表示用户行为向量；
c用于表示特征项；
w(c)用于表示初始权重。
本发明的较佳的实施例中，步骤S4中，最小化目标函数为KL散度。
本发明的较佳的实施例中，执行步骤S2之前，还包括对历史行为数据进行数据预处理，以使得历史行为数据具有预设的格式。
具体地，本实施例中，预设的格式优选为将历史行为数据中的各特征项均采用数值进行表示。
一种用户行为模型的构建系统，应用以上任意一项中的用户行为模型的构建方法，如图2所示，用户行为模型的构建系统具体包括：
数据获取模块1，用于获取用户控制各智能家居设备的历史行为数据；
历史行为数据包括用户的控制行为的发生时间、各智能家居设备的运行状态数据、室内环境数据以及室外环境数据；
向量生成模块2，连接数据获取模块1，用于针对用户的每个控制行为，根据历史行为数据构建控制行为对应的用户行为向量；
用户行为向量中包括若干特征项，特征项包括控制行为的发生时间特征项、智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；
第一处理模块3，连接所述向量生成模块2，用于预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；
第二处理模块4，连接所述第一处理模块3，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；
模型构建模块5，连接第二处理模块4，用于根据最优权重构建用户行为模型，并根据用户行为模型对各智能家居设备被控制的成功率进行预测。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (8)

1.一种用户行为模型的构建方法，其特征在于，预先设置若干智能家居设备，所述用户行为模型的构建方法具体包括：
步骤S1，获取用户控制各智能家居设备的历史行为数据；
所述历史行为数据包括所述用户的控制行为的发生时间、各所述智能家居设备的运行状态数据、室内环境数据以及室外环境数据；
步骤S2，针对所述用户的每个所述控制行为，根据所述历史行为数据构建所述控制行为对应的用户行为向量；
所述用户行为向量中包括若干特征项，所述特征项包括所述控制行为的发生时间特征项、所述智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；
步骤S3，预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；
步骤S4，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；
步骤S5，根据所述最优权重构建用户行为模型，并根据所述用户行为模型对各所述智能家居设备被控制的成功率进行预测。
2.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述智能家居设备包括不可调模式设备和可调模式设备，
则所述运行状态数据包括所述不可调模式设备处于开启状态或者关闭状态，所述可调模式设备处于开启状态或关闭状态，以及所述可调模式设备处于开启状态时所处的模式以及所述模式对应的属性值。
3.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述室内环境数据包括光强，和/或温度，和/或湿度，和/或PM2.5，和/或含氧量，和/或CO2浓度，和/或甲醛浓度，和/或空气流速，和/或可吸入颗粒，和/或苯，和/或氨，和/或TVOC。
4.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述室外环境数据包括天气现象，和/或温度，和/或气压，和/或相对湿度，和/或能见度，和/或风向，和/或风速，和/或云量。
5.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述步骤S3中，按照如下公式得到各所述智能家居设备被控制的所述预测成功率：
其中，
s(b)用于表示所述预测成功率；
用于表示所述用户行为向量；
c用于表示所述特征项；
w(c)用于表示所述初始权重。
6.根据权利要求1所述的用户行为模型的构建方法，其特征在于，所述步骤S4中，所述最小化目标函数为KL散度。
7.根据权利要求1所述的用户行为模型的构建方法，其特征在于，执行所述步骤S2之前，还包括对所述历史行为数据进行数据预处理，以使得所述历史行为数据具有预设的格式。
8.一种用户行为模型的构建系统，其特征在于，应用如权利要求1-7中任意一项中所述的用户行为模型的构建方法，所述用户行为模型的构建系统具体包括：
数据获取模块，用于获取用户控制各智能家居设备的历史行为数据；
所述历史行为数据包括所述用户的控制行为的发生时间、各所述智能家居设备的运行状态数据、室内环境数据以及室外环境数据；
向量生成模块，连接所述数据获取模块，用于针对所述用户的每个所述控制行为，根据所述历史行为数据构建所述控制行为对应的用户行为向量；
所述用户行为向量中包括若干特征项，所述特征项包括所述控制行为的发生时间特征项、所述智能家居设备的状态特征项、室内环境特征项以及室外环境特征项；
第一处理模块，连接所述向量生成模块，用于预先设置所述用户行为向量中各所述特征项的初始权重,并处理得到所述控制行为中各所述智能家居设备被控制的预测成功率；
第二处理模块，连接所述第一处理模块，根据所述预测成功率并采用最小化目标函数对所述初始权重进行迭代计算，以得到各所述特征项的最优权重；
模型构建模块，连接所述第二处理模块，用于根据所述最优权重构建用户行为模型，并根据所述用户行为模型对各所述智能家居设备被控制的成功率进行预测。
CN201910785776.1A 2019-08-23 2019-08-23 一种用户行为模型的构建方法及系统 Pending CN110598916A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910785776.1A CN110598916A (zh) 2019-08-23 2019-08-23 一种用户行为模型的构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910785776.1A CN110598916A (zh) 2019-08-23 2019-08-23 一种用户行为模型的构建方法及系统

Publications (1)

Publication Number Publication Date
CN110598916A true CN110598916A (zh) 2019-12-20

Family

ID=68855351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910785776.1A Pending CN110598916A (zh) 2019-08-23 2019-08-23 一种用户行为模型的构建方法及系统

Country Status (1)

Country Link
CN (1) CN110598916A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112327648A (zh) * 2020-11-09 2021-02-05 睿住科技有限公司 家用设备的控制方法、装置和计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104133427A (zh) * 2013-05-03 2014-11-05 于庆广 智能家居控制方法及其系统
CN105094091A (zh) * 2015-07-13 2015-11-25 珠海格力电器股份有限公司 智能控制终端及具有其的智能家居控制系统和方法
CN106383450A (zh) * 2016-11-10 2017-02-08 北京工商大学 一种基于大数据的智能家居用户行为分析系统及方法
CN106713083A (zh) * 2016-11-24 2017-05-24 海信集团有限公司 基于知识图谱的智能家居设备控制方法、装置及系统
CN107665230A (zh) * 2017-06-21 2018-02-06 海信集团有限公司 用于智能家居控制的用户行为预测模型的训练方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104133427A (zh) * 2013-05-03 2014-11-05 于庆广 智能家居控制方法及其系统
CN105094091A (zh) * 2015-07-13 2015-11-25 珠海格力电器股份有限公司 智能控制终端及具有其的智能家居控制系统和方法
CN106383450A (zh) * 2016-11-10 2017-02-08 北京工商大学 一种基于大数据的智能家居用户行为分析系统及方法
CN106713083A (zh) * 2016-11-24 2017-05-24 海信集团有限公司 基于知识图谱的智能家居设备控制方法、装置及系统
CN107665230A (zh) * 2017-06-21 2018-02-06 海信集团有限公司 用于智能家居控制的用户行为预测模型的训练方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112327648A (zh) * 2020-11-09 2021-02-05 睿住科技有限公司 家用设备的控制方法、装置和计算机可读存储介质

Similar Documents

Publication Publication Date Title
KR102648234B1 (ko) 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법
CN110836514B (zh) 空调组的控制方法和装置
CN106817909B (zh) 空调控制方法、空调控制装置以及计算机可读记录介质
US10601604B2 (en) Data processing systems and methods for smart hub devices
CN105068515B (zh) 一种基于自学习算法的智能家居设备语音控制方法
CN108052014A (zh) 智能家居的控制方法、系统及计算机可读存储介质
CN105425602A (zh) 一种家电设备自动控制方法及装置
CN105471705A (zh) 一种基于即时通讯的智能控制方法、设备及系统
Ouf et al. A simulation-based method to investigate occupant-centric controls
KR20180072468A (ko) 빅데이터기반 사용자의 지능형 냉방 및 난방 서비스 제공 방법
US20130311558A1 (en) Profile-based wireless sensor network system and communication method
Moreno et al. A holistic IoT-based management platform for smart environments
CN103982983A (zh) 空调器运行参数调节方法和系统
WO2020078076A1 (zh) 控制空调的方法及系统、空调器、家用电器
CN109741747A (zh) 语音场景识别方法和装置、语音控制方法和设备、空调
CN110488887A (zh) 智能家居的温度控制方法、装置、电子设备及存储介质
CN110471301A (zh) 一种基于用户行为的智能家居服务推荐系统及方法
CN111649465B (zh) 一种空调设备自动控制方法及系统
CN111414996B (zh) 一种智能家居控制方法、系统、存储介质和计算机设备
CN114442697A (zh) 一种温度控制方法、设备、介质及产品
US20220019186A1 (en) Method and system for smart environment management
Rizwan et al. Optimal environment control mechanism based on OCF connectivity for efficient energy consumption in greenhouse
CN113852657B (zh) 一种基于边缘计算的智慧家庭本地控制方法及系统
CN112015106B (zh) 一种智慧家居控制系统和控制方法
CN110598916A (zh) 一种用户行为模型的构建方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191220