CN111176743A - 一种基于用户使用习惯的唤醒性能优化方法及装置 - Google Patents

一种基于用户使用习惯的唤醒性能优化方法及装置 Download PDF

Info

Publication number
CN111176743A
CN111176743A CN201911411317.3A CN201911411317A CN111176743A CN 111176743 A CN111176743 A CN 111176743A CN 201911411317 A CN201911411317 A CN 201911411317A CN 111176743 A CN111176743 A CN 111176743A
Authority
CN
China
Prior art keywords
user
awakening
behavior
wake
preset number
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.)
Granted
Application number
CN201911411317.3A
Other languages
English (en)
Other versions
CN111176743B (zh
Inventor
李彬
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.)
Unisound Intelligent Technology Co Ltd
Xiamen Yunzhixin Intelligent Technology Co Ltd
Original Assignee
Unisound Intelligent Technology Co Ltd
Xiamen Yunzhixin Intelligent Technology 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 Unisound Intelligent Technology Co Ltd, Xiamen Yunzhixin Intelligent Technology Co Ltd filed Critical Unisound Intelligent Technology Co Ltd
Priority to CN201911411317.3A priority Critical patent/CN111176743B/zh
Publication of CN111176743A publication Critical patent/CN111176743A/zh
Application granted granted Critical
Publication of CN111176743B publication Critical patent/CN111176743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/4401—Bootstrapping
    • G06F9/4418—Suspend and resume; Hibernate and awake
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electric Clocks (AREA)

Abstract

本发明公开了一种基于用户使用习惯的唤醒性能优化方法及装置，该方法包括：获取用户使用习惯及唤醒行为；根据所述唤醒行为，计算预设数目个时段的权重值；确定预设数目个唤醒模式；基于所述用户使用习惯，调整所述预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。通过本发明的技术方案，首先获取用户使用习惯及唤醒行为，然后根据唤醒行为计算出预设数目个时段的权重值，进而基于用户使用习惯对已经确定的预设数目个唤醒模式分别对应的权重值进行调整，通过对权重值的调整，每个时段对应的唤醒模式都会动态变化为最优的状态，进而实现唤醒性能的优化，能从用户的角度体验到唤醒性能的提高，增强用户的体验。

Description

一种基于用户使用习惯的唤醒性能优化方法及装置
技术领域
本发明涉及计算机及信息服务技术领域，特别涉及一种基于用户使用习惯的唤醒性能优化方法及装置。
背景技术
目前用来提升唤醒性能的主要方法是通过收集大量唤醒语音，然后训练出对应的唤醒模型，从唤醒引擎指标的角度来提升唤醒性能，部分产品还使用了基于不同模式切换的方式进行唤醒性能优化。
无论是从唤醒引擎指标还是基于不同模式切换的方式进行唤醒性能优化，都存在一个很大的问题，就是每个用户对智能硬件的使用习惯是不同的，仅仅从引擎指标和固定的模式切换并不能够很好的保证智能硬件卖到用户手中后，能够从用户角度体验到的唤醒性能的提高，因此，如何基于用户的使用习惯进行唤醒性能的优化是一种亟需解决的问题。
发明内容
本发明提供一种基于用户使用习惯的唤醒性能优化方法及装置。所述技术方案如下：
根据本发明实施例的第一方面，提供了一种基于用户使用习惯的唤醒性能优化方法，包括：
获取用户使用习惯及唤醒行为；
根据所述唤醒行为，计算预设数目个时段的权重值；
确定预设数目个唤醒模式；
基于所述用户使用习惯，调整所述预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。
在一个实施例中，还包括：
将所述用户使用习惯及所述唤醒行为以日志的方式进行存储。
在一个实施例中，所述根据所述唤醒行为，计算预设数目个时段的权重值，包括：
将预设时间段平分为预设数目个时段；
根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值。
在一个实施例中，所述根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值，包括：
定义所述用户唤醒行为的时段向量；
对所述时段向量进行归一化处理，以得到归一化结果；
定义所述用户唤醒行为的改变速度函数；
对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值。
在一个实施例中，包括：
通过如下公式得到所述用户唤醒行为的时段向量：Ui＝(Wi1,Wi2,Wi3…Win)，其中，i表示所述用户具有唤醒行为的时间是第i日，i的取值为正整数，n表示预设数目个时段的数量，Ui表示用户唤醒行为的时段向量，Win表示所述用户具有唤醒行为的时间是第i日的第n个时段时的唤醒次数；
所述对所述时段向量进行归一化处理，以得到归一化结果NUi，通过如下公式得到：
Figure BDA0002350028430000021
所述定义所述用户唤醒行为的改变速度函数H(ΔT,λ)，通过如下公式得到：
Figure BDA0002350028430000022
其中，λ表示所述用户唤醒行为习惯变化的速度因子，ΔT表示历史行为到今天的日数；
所述对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值UAF，通过如下公式得到：
Figure BDA0002350028430000031
其中，m表示所述用户具有唤醒行为的所有天数，k表示所述所有天数中的任意一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk表示归一化结果。
根据本发明实施例的第二方面，提供一种基于用户使用习惯的唤醒性能优化装置，包括：
获取模块，用于获取用户使用习惯及唤醒行为；
计算模块，用于根据所述唤醒行为，计算预设数目个时段的权重值；
确定模块，用于确定预设数目个唤醒模式；
调整模块，用于基于所述用户使用习惯，调整所述预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。
在一个实施例中，还包括：
存储模块，用于将所述用户使用习惯及所述唤醒行为以日志的方式进行存储。
在一个实施例中，所述计算模块，包括：
平分子模块，用于将预设时间段平分为预设数目个时段；
计算子模块，用于根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值。
在一个实施例中，所述计算子模块，包括：
第一定义单元，用于定义所述用户唤醒行为的时段向量；
处理单元，用于对所述时段向量进行归一化处理，以得到归一化结果；
第二定义单元，用于定义所述用户唤醒行为的改变速度函数；
计算单元，用于对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值。
在一个实施例中，包括：
通过如下公式得到所述用户唤醒行为的时段向量：Ui＝(Wi1,Wi2,Wi3…Win)，其中i表示所述用户具有唤醒行为的时间是第i日，i的取值为正整数，n表示预设数目个时段的数量，Ui表示用户唤醒行为的时段向量，Win表示所述用户具有唤醒行为的时间是第i日的第n个时段时的唤醒次数；
所述对所述时段向量进行归一化处理，以得到归一化结果NUi，通过如下公式得到：
Figure BDA0002350028430000041
所述定义所述用户唤醒行为的改变速度函数H(ΔT,λ)，通过如下公式得到：
Figure BDA0002350028430000042
其中，λ表示所述用户唤醒行为习惯变化的速度因子，ΔT表示历史行为到今天的日数；
所述对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值UAF，通过如下公式得到：
Figure BDA0002350028430000043
其中，m表示所述用户具有唤醒行为的所有天数，k表示所述所有天数中的任意一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk表示归一化结果。
本发明的实施例提供的技术方案可以包括以下有益效果：
首先获取用户使用习惯及唤醒行为，然后根据唤醒行为计算出预设数目个时段的权重值，进而基于用户使用习惯对已经确定的预设数目个唤醒模式分别对应的权重值进行调整，通过对权重值的调整，每个时段对应的唤醒模式都会动态变化为最优的状态，进而实现唤醒性能的优化，能从用户的角度体验到唤醒性能的提高，增强用户的体验。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明一实施例中一种基于用户使用习惯的唤醒性能优化方法的流程图；
图2为本发明一实施例中另一种基于用户使用习惯的唤醒性能优化方法的流程图；
图3为本发明一实施例中一种基于用户使用习惯的唤醒性能优化装置的框图；
图4为本发明一实施例中另一种基于用户使用习惯的唤醒性能优化装置的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1为本发明一实施例中一种基于用户使用习惯的唤醒性能优化方法的流程图，如图1所示，该方法可被实施为以下步骤S11-S14：
在步骤S11中，获取用户使用习惯及唤醒行为；其中，可通过唤醒引擎进行获取，用户的使用习惯包括用户的睡觉时间，睡醒时间及睡眠时长。
在步骤S12中，根据唤醒行为，计算预设数目个时段的权重值；
在步骤S13中，确定预设数目个唤醒模式；其中，将唤醒引擎的每次打分的范围设置为0-100分，经过训练和分析后，唤醒阈值为70时唤醒性能最佳，预设数目个唤醒模式分别为：较易唤醒模式、正常唤醒模式、较难唤醒模式、重复唤醒模式，较易唤醒模式(M0)：唤醒阈值为60，唤醒引擎打分>＝60，即唤醒成功；正常唤醒模式(M1)：唤醒阈值为70，唤醒引擎打分>＝70，即唤醒成功；较难唤醒模式(M2)：唤醒阈值为80，唤醒引擎打分>＝80，即唤醒成功；重复唤醒模式(M3)：唤醒阈值为90，唤醒引擎打分>＝90，进入较易唤醒模式(M1)，用户再次说出唤醒词并且唤醒引擎打分>＝60时，即唤醒成功；M0：是一种临时模式，主要用在其他三种模式(正常、较难、重复)唤醒成功后，即进入较易唤醒模式，较易唤醒模式只会维持一段时间(比如：30分钟)，超过这个时间后，自动进入之前的唤醒模式；M1：用户高频使用时间段，启用该模式；M2：用户低频使用时间段，启用该模式；M3：用户不使用或者使用频次极低的时间段，启用该模式；
在步骤S14中，基于用户使用习惯，调整预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。
首先获取用户使用习惯及唤醒行为，然后根据唤醒行为计算出预设数目个时段的权重值，进而基于用户使用习惯对已经确定的预设数目个唤醒模式分别对应的权重值进行调整，通过对权重值的调整，每个时段对应的唤醒模式都会动态变化为最优的状态，进而实现唤醒性能的优化，能从用户的角度体验到唤醒性能的提高，增强用户的体验。
在一个实施例中，还包括：
将所述用户使用习惯及所述唤醒行为以日志的方式进行存储。
通过将用户的使用及唤醒行为以日志的方式进行存储，利用用户长期的使用习惯进行优化，得到的优化结果更加可靠。
如图2所述，在一个实施例中，上述步骤S12可以被实施为以下步骤S121-S122：
在步骤S121中，将预设时间段平分为预设数目个时段；其中预设时间段可以是每天24小时，即将每天24小时平分为预设数目n个时段。
在步骤S122中，根据预设数目个时段中各时段的用户的唤醒行为，得到预设数目个时段的权重值。
通过将预设时间段平分为预设数目个时段，能够将用户的时间进行分割，进而能够得到分割后每个时段中用户的唤醒行为，用于根据每个时段中用户的唤醒行为，计算出的权重值对于唤醒性能的优化可靠性强。
在一个实施例中，所述根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值，包括：
定义所述用户唤醒行为的时段向量；
对所述时段向量进行归一化处理，以得到归一化结果；
定义所述用户唤醒行为的改变速度函数；
对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值。
定义用户唤醒行为的时段向量，以将唤醒行为所处的时段向量化，对向量化后的时段进行归一化处理，可得到归一化结果，进而定义用户唤醒行为的改变速度函数，通过根据归一化结果和改变速度函数进行计算，可得到该时段的权重值，且准确率比较高。
在一个实施例中，包括：
通过如下公式得到所述用户唤醒行为的时段向量：Ui＝(Wi1,Wi2,Wi3…Win)，其中，i表示所述用户具有唤醒行为的时间是第i日，i的取值为正整数，n表示预设数目个时段的数量，Ui表示用户唤醒行为的时段向量，Win表示所述用户具有唤醒行为的时间是第i日的第n个时段时的唤醒次数；
所述对所述时段向量进行归一化处理，以得到归一化结果NUi，通过如下公式得到：
Figure BDA0002350028430000071
所述定义所述用户唤醒行为的改变速度函数H(ΔT,λ)，通过如下公式得到：
Figure BDA0002350028430000072
其中，λ表示所述用户唤醒行为习惯变化的速度因子，ΔT表示历史行为到今天的日数；
所述对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值UAF，通过如下公式得到：
Figure BDA0002350028430000081
其中，m表示所述用户具有唤醒行为的所有天数，k表示所述所有天数中的任意一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk表示归一化结果；另一种情况，m表示所有参与统计分析的天数，k表示某一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk和NUi都是用户的时段活跃向量，i、k是变量，表示用户活跃的日期是第k天或者第i天。
通过上述四个公式依次计算，最终得到的时段权重值的准确率更高。
对发明实施例提供的上述一种基于用户使用习惯的唤醒性能优化方法，本发明实施例还提供一种基于用户使用习惯的唤醒性能优化装置，如图3所示，该装置包括：
获取模块31，用于获取用户使用习惯及唤醒行为；
计算模块32，用于根据所述唤醒行为，计算预设数目个时段的权重值；
确定模块33，用于确定预设数目个唤醒模式；
调整模块34，用于基于所述用户使用习惯，调整所述预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。
在一个实施例中，还包括：
存储模块，用于将所述用户使用习惯及所述唤醒行为以日志的方式进行存储。
如图4所示，在一个实施例中，所述计算模块32，包括：
平分子模块321，用于将预设时间段平分为预设数目个时段；
计算子模块322，用于根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值。
在一个实施例中，所述计算子模块，包括：
第一定义单元，用于定义所述用户唤醒行为的时段向量；
处理单元，用于对所述时段向量进行归一化处理，以得到归一化结果；
第二定义单元，用于定义所述用户唤醒行为的改变速度函数；
计算单元，用于对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值。
在一个实施例中，包括：
通过如下公式得到所述用户唤醒行为的时段向量：Ui＝(Wi1,Wi2,Wi3…Win)，其中，i表示所述用户具有唤醒行为的时间是第i日，i的取值为正整数，n表示预设数目个时段的数量，Ui表示用户唤醒行为的时段向量，Win表示所述用户具有唤醒行为的时间是第i日的第n个时段时的唤醒次数；
所述对所述时段向量进行归一化处理，以得到归一化结果NUi，通过如下公式得到：
Figure BDA0002350028430000091
所述定义所述用户唤醒行为的改变速度函数H(ΔT,λ)，通过如下公式得到：
Figure BDA0002350028430000092
其中，λ表示所述用户唤醒行为习惯变化的速度因子，ΔT表示历史行为到今天的日数；
所述对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值UAF，通过如下公式得到：
Figure BDA0002350028430000093
其中，m表示所述用户具有唤醒行为的所有天数，k表示所述所有天数中的任意一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk表示归一化结果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于用户使用习惯的唤醒性能优化方法，其特征在于，包括：
获取用户使用习惯及唤醒行为；
根据所述唤醒行为，计算预设数目个时段的权重值；
确定预设数目个唤醒模式；
基于所述用户使用习惯，调整所述预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。
2.如权利要求1所述的方法，其特征在于，还包括：
将所述用户使用习惯及所述唤醒行为以日志的方式进行存储。
3.如权利要求1所述的方法，其特征在于，所述根据所述唤醒行为，计算预设数目个时段的权重值，包括：
将预设时间段平分为预设数目个时段；
根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值。
4.如权利要求3所述的方法，其特征在于，所述根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值，包括：
定义所述用户唤醒行为的时段向量；
对所述时段向量进行归一化处理，以得到归一化结果；
定义所述用户唤醒行为的改变速度函数；
对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值。
5.如权利要求4所述的方法，其特征在于，包括：
通过如下公式得到所述用户唤醒行为的时段向量：Ui＝(Wi1,Wi2,Wi3…Win)，其中，i表示所述用户具有唤醒行为的时间是第i日，i的取值为正整数，n表示预设数目个时段的数量，Ui表示用户唤醒行为的时段向量，Win表示所述用户具有唤醒行为的时间是第i日的第n个时段时的唤醒次数；
所述对所述时段向量进行归一化处理，以得到归一化结果NUi，通过如下公式得到：
Figure FDA0002350028420000021
所述定义所述用户唤醒行为的改变速度函数H(ΔT,λ)，通过如下公式得到：
Figure FDA0002350028420000022
其中，λ表示所述用户唤醒行为习惯变化的速度因子，ΔT表示历史行为到今天的日数；
所述对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值UAF，通过如下公式得到：
Figure FDA0002350028420000023
其中，m表示所述用户具有唤醒行为的所有天数，k表示所述所有天数中的任意一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk表示归一化结果。
6.一种基于用户使用习惯的唤醒性能优化装置，其特征在于，包括：
获取模块，用于获取用户使用习惯及唤醒行为；
计算模块，用于根据所述唤醒行为，计算预设数目个时段的权重值；
确定模块，用于确定预设数目个唤醒模式；
调整模块，用于基于所述用户使用习惯，调整所述预设数目个唤醒模式分别对应的权重值，以实现唤醒性能的优化。
7.如权利要求6所述的装置，其特征在于，还包括：
存储模块，用于将所述用户使用习惯及所述唤醒行为以日志的方式进行存储。
8.如权利要求6所述的装置，其特征在于，所述计算模块，包括：
平分子模块，用于将预设时间段平分为预设数目个时段；
计算子模块，用于根据所述预设数目个时段中各时段的用户的唤醒行为，得到所述预设数目个时段的权重值。
9.如权利要求8所述的装置，其特征在于，所述计算子模块，包括：
第一定义单元，用于定义所述用户唤醒行为的时段向量；
处理单元，用于对所述时段向量进行归一化处理，以得到归一化结果；
第二定义单元，用于定义所述用户唤醒行为的改变速度函数；
计算单元，用于对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值。
10.如权利要求9所述的装置，其特征在于，包括：
通过如下公式得到所述用户唤醒行为的时段向量：Ui＝(Wi1,Wi2,Wi3…Win)，其中，i表示所述用户具有唤醒行为的时间是第i日，i的取值为正整数，n表示预设数目个时段的数量，Ui表示用户唤醒行为的时段向量，Win表示所述用户具有唤醒行为的时间是第i日的第n个时段时的唤醒次数；
所述对所述时段向量进行归一化处理，以得到归一化结果NUi，通过如下公式得到：
Figure FDA0002350028420000031
所述定义所述用户唤醒行为的改变速度函数H(ΔT,λ)，通过如下公式得到：
Figure FDA0002350028420000032
其中，λ表示所述用户唤醒行为习惯变化的速度因子，ΔT表示历史行为到今天的日数；
所述对所述归一化结果及所述改变速度函数进行计算，以得到所述时段的权重值UAF，通过如下公式得到：
Figure FDA0002350028420000033
其中，m表示所述用户具有唤醒行为的所有天数，k表示所述所有天数中的任意一天，λ表示所述用户唤醒行为习惯变化的速度因子，NUk表示归一化结果。
CN201911411317.3A 2019-12-31 2019-12-31 一种基于用户使用习惯的唤醒性能优化方法及装置 Active CN111176743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911411317.3A CN111176743B (zh) 2019-12-31 2019-12-31 一种基于用户使用习惯的唤醒性能优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911411317.3A CN111176743B (zh) 2019-12-31 2019-12-31 一种基于用户使用习惯的唤醒性能优化方法及装置

Publications (2)

Publication Number Publication Date
CN111176743A true CN111176743A (zh) 2020-05-19
CN111176743B CN111176743B (zh) 2023-05-05

Family

ID=70654223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911411317.3A Active CN111176743B (zh) 2019-12-31 2019-12-31 一种基于用户使用习惯的唤醒性能优化方法及装置

Country Status (1)

Country Link
CN (1) CN111176743B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111880856A (zh) * 2020-07-31 2020-11-03 Oppo广东移动通信有限公司 语音唤醒方法、装置、电子设备及存储介质
CN116729293A (zh) * 2023-06-19 2023-09-12 小米汽车科技有限公司 车辆唤醒方法、装置、存储介质及车辆

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493849A (zh) * 2018-12-29 2019-03-19 联想(北京)有限公司 语音唤醒方法、装置及电子设备
WO2019104644A1 (zh) * 2017-11-30 2019-06-06 卧槽科技（深圳）有限公司 一种调整唤醒频率的方法、智能设备以及存储介质
CN109859774A (zh) * 2019-01-02 2019-06-07 珠海格力电器股份有限公司 语音设备及其端点检测灵敏度调节方法、装置和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019104644A1 (zh) * 2017-11-30 2019-06-06 卧槽科技（深圳）有限公司 一种调整唤醒频率的方法、智能设备以及存储介质
CN110268754A (zh) * 2017-11-30 2019-09-20 卧安科技(深圳)有限公司 一种调整唤醒频率的方法、智能设备以及存储介质
CN109493849A (zh) * 2018-12-29 2019-03-19 联想(北京)有限公司 语音唤醒方法、装置及电子设备
CN109859774A (zh) * 2019-01-02 2019-06-07 珠海格力电器股份有限公司 语音设备及其端点检测灵敏度调节方法、装置和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
翟剑锋;李衍杰;陈浩耀;: "动态电源管理的在线优化技术" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111880856A (zh) * 2020-07-31 2020-11-03 Oppo广东移动通信有限公司 语音唤醒方法、装置、电子设备及存储介质
CN116729293A (zh) * 2023-06-19 2023-09-12 小米汽车科技有限公司 车辆唤醒方法、装置、存储介质及车辆
CN116729293B (zh) * 2023-06-19 2024-04-09 小米汽车科技有限公司 车辆唤醒方法、装置、存储介质及车辆

Also Published As

Publication number Publication date
CN111176743B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
US11863397B2 (en) Traffic prediction method, device, and storage medium
CN111176743A (zh) 一种基于用户使用习惯的唤醒性能优化方法及装置
CN110047512A (zh) 一种环境声音分类方法、系统及相关装置
CN111128155B (zh) 一种智能设备的唤醒方法、装置、设备及介质
CN108509225B (zh) 一种信息处理方法及电子设备
CN105030199A (zh) 睡眠监测方法及装置
CN114781439B (zh) 模型获取系统、手势识别方法、装置、设备及存储介质
CN110634468A (zh) 语音唤醒方法、装置、设备及计算机可读存储介质
US20230196142A1 (en) Information processing method and information processing system
CN110544468A (zh) 应用唤醒方法、装置、存储介质及电子设备
CN110155069A (zh) 驾驶员精神状态监测方法、装置、存储介质及终端设备
CN115544890A (zh) 一种短期电力负荷预测方法及系统
CN110179436B (zh) 一种鼾声取样方法及终端设备
CN114240005A (zh) 基于多维参考量和时间序列的碳排放预测方法及装置
CN116920411B (zh) 一种数据处理方法及相关装置
US10909322B1 (en) Unusual score generators for a neuro-linguistic behavioral recognition system
CN117742816A (zh) 基板管理控制器的运行控制方法及装置
US11914956B1 (en) Unusual score generators for a neuro-linguistic behavioral recognition system
CN111124512B (zh) 智能设备的唤醒方法、装置、设备和介质
CN113946428B (zh) 一种处理器动态控制方法、电子设备和存储介质
CN112870520B (zh) 一种唤醒控制方法、装置、终端设备及可读存储介质
CN115177956A (zh) 一种音乐游戏谱面的生成方法、存储介质和终端
CN112489663A (zh) 一种语音唤醒方法、装置、介质和设备
CN112437349A (zh) 一种视频流推荐方法及相关装置
CN117648026B (zh) 基于穿戴手表应用的i2c主从芯片切换方法及系统

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
GR01 Patent grant
GR01 Patent grant