CN111381507B - 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 - Google Patents
电器操作参数的推荐方法、介质、服务器及智能电器管理系统 Download PDFInfo
- Publication number
- CN111381507B CN111381507B CN201811636368.1A CN201811636368A CN111381507B CN 111381507 B CN111381507 B CN 111381507B CN 201811636368 A CN201811636368 A CN 201811636368A CN 111381507 B CN111381507 B CN 111381507B
- Authority
- CN
- China
- Prior art keywords
- algorithm
- recommended
- electric appliance
- recommendation
- appliance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005406 washing Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000010411 cooking Methods 0.000 description 24
- 241000209094 Oryza Species 0.000 description 10
- 235000007164 Oryza sativa Nutrition 0.000 description 10
- 235000009566 rice Nutrition 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 235000014347 soups Nutrition 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 235000021395 porridge Nutrition 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 235000013618 yogurt Nutrition 0.000 description 1
Images
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种电器操作参数的推荐方法、介质、服务器及智能电器管理系统。其中,一种电器操作参数的推荐方法,包括以下步骤:获取待推荐电器的当前状态信息,当所述待推荐电器的历史操作记录的数据量小于阈值,根据第一算法计算推荐所述电器在当前状态下的操作参数;当所述待推荐电器的历史操作记录的数据量不小于阈值,根据第二算法计算推荐所述电器在当前状态下的操作参数;所述第一算法不同于第二算法。通过本申请的方案,使智能推荐的准确度和效率都得到提升,从而有效地提升智能化程度,帮助用户节省大量时间和不必要的操作,提高生活品质。
Description
技术领域
本申请涉及电器技术领域,尤其涉及一种电器操作参数的推荐方法、介质、服务器及智能电器管理系统。
背景技术
随着电器系统智能化的发展,例如智能家居的发展,各种电器如电饭煲、空调、冰箱、洗衣机等在家居中也占有越来越重要的地位,人们相应地对电器也提出了更多智能化的要求。
以电饭煲为例,电饭煲是厨房中的重要家用电器,功能已越来越强大,除了煮米,还具有煮粥、煲汤等用处。仅煮米模式还有根据米质选择运行时间的功能。带来这么多功能,却也带来了操作繁琐的问题。而一天内,用户对电饭煲的使用设置是往往有相对固定的习惯,比如早上煮粥,中午煮饭,晚上煲汤,现有技术中,用户每次使用电饭煲都需要相应进行设置,效率低下,浪费了大量时间,智能化程度不够。
同样,其他电器如空调也存在上述智能化程度不够的问题。
针对上述问题,目前尚未提出有效的解决方式。
发明内容
有鉴于此,本申请提出一种电器操作参数的推荐方法、介质、服务器及智能电器管理系统,通过在待推荐电器使用时间较短时采用第一算法进行推荐,而在使用一段时间具有一定量操作记录数据后采用第二算法进行推荐,能够在用户操作记录数据量不够时也能进行有效的推荐,且在用户操作记录数据量达到一定程度后进行更加精确的推荐,使智能推荐的准确度和效率都得到提升,从而有效地提升智能化程度,帮助用户节省大量时间和不必要的操作,提高生活品质。
根据本申请的一个方面,提供一种电器操作参数的推荐方法,其特征在于,包括以下步骤:获取待推荐电器的当前状态信息,当所述待推荐电器的历史操作记录的数据量小于阈值,根据第一算法计算推荐所述电器在当前状态下的操作参数;当所述待推荐电器的历史操作记录的数据量不小于阈值,根据第二算法计算推荐所述电器在当前状态下的操作参数;所述第一算法不同于第二算法。
进一步地,当前状态信息包括:时间信息和/或场景信息;和/或,所述第一算法根据相似用户的历史操作数据进行推荐;和/或,所述第二算法根据当前用户的历史操作数据和/或所述相似用户的历史操作数据进行推荐;操作参数包括:运行时间点和操作模式;和/或,所述电器为电饭煲、空调、冰箱、洗衣机中至少一种。
进一步地,所述第一算法根据收集的电器用户信息,对用户进行聚类,生成最近邻居簇,将与所述待推荐电器的用户信息相似度高于预定阈值的其他用户作为相似用户;和/或,所述第一算法计算相似用户集合中在当前状态下使用各操作参数的先验概率,取概率最大的操作参数作为推荐。
进一步地,所述对用户进行聚类,包括:对与所述待推荐电器的型号相同或相似的电器的用户进行聚类;和/或,所述将与所述待推荐电器的用户信息相似度高于预定阈值的其他用户作为相似用户,包括:统计所述其他用户在与所述当前状态信息相同和相似情况下的历史操作数据中各操作参数的相似度;将所述各操作参数的相似度取对应权值相加得到综合相似度;将所述各操作参数的相似度与综合相似度差距小于预设阈值的用户作为相似用户。
进一步地,所述第二算法计算当前用户和/或所述相似用户在当前状态下各操作参数的总体使用概率作为先验概率,将先验概率最大的操作参数添加为推荐;和/或,所述相似用户由第一算法确定;和/或,用当前用户最终采用的操作参数训练所述第二算法。
进一步地,所述第二算法,针对待推荐电器,基于先验概率估算当前状态下各操作参数的后验概率,将后验概率最大的操作参数作为推荐。
进一步地,所述第一算法为协同过滤算法;和/或,所述第二算法为贝叶斯算法。
进一步地,所述第二算法为朴素贝叶斯算法。
根据本申请的另一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据前述的电器操作参数的推荐方法。
根据本申请的又一个方面,提供一种服务器,包括存储器、处理器及存储在存储器上并可被处理器运行的计算机程序,其中,所述处理器执行所述程序时,实现根据前述的电器操作参数的推荐方法。
根据本申请的再一个方面,提供一种智能电器管理系统,包括待推荐电器和智能电器管理中心,所述管理中心包括如前所述的服务器,其中:
所述待推荐电器向所述管理中心发起操作参数推荐请求;
所述服务器执行所述推荐方法得到推荐结果,所述管理中心将所述推荐结果返回所述待推荐电器;
所述待推荐电器根据所述推荐结果进行运行。
根据本申请提出的一种电器操作参数的推荐方法、介质、服务器及智能电器管理系统,通过在待推荐电器使用时间较短时采用第一算法进行推荐,而在使用一段时间具有一定量操作记录数据后采用第二算法进行推荐,能够在用户操作记录数据量不够时也能进行有效的推荐,且在用户操作记录数据量达到一定程度后进行更加精确的推荐,使智能推荐的准确度和效率都得到提升,从而有效地提升智能化程度,帮助用户节省大量时间和不必要的操作,提高生活品质。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
在附图中:
图1示出了本申请的一种智能电器管理系统的一实施例的示意图;
图2示出了本申请的一种电器操作参数的推荐方法的一实施例的示意图;
图3示出了本申请的根据第一算法去执行推荐的流程的一实施例的示意图;
图4示出了本申请的智能电器管理系统的执行流程的一实施例的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1示出了本申请的一种智能电器管理系统的一实施例的示意图。
如图1所示,所述智能电器管理系统1包括待推荐电器11和智能电器管理中心12,智能电器管理中心12还包括服务器121。
待推荐电器,可以为电饭煲、空调、冰箱、洗衣机、扫地机等各种家用电器。
待推荐电器11向智能电器管理中心12发起操作参数推荐请求;智能电器管理中心12的服务器121执行推荐方法运算得到推荐结果,管理中心 12将推荐结果返回待推荐电器11;待推荐电器11根据上述推荐结果进行运行。
可选地,服务器121例如为云端计算服务器,优选具有机器学习能力,可以包括存储器、处理器及存储在存储器上并可被处理器运行的计算机程序,处理器执行所述程序时,实现本申请的电器操作参数的推荐方法。服务器121还可以包括数据库(未示出),用于收集家居电器上传的操作数据,以便调用算法分析用户使用偏好,推荐操作参数。
图2示出了本申请的一种电器操作参数的推荐方法的一实施例的示意图。
步骤S1,获取待推荐电器的当前状态信息。
可以理解的,要给待推荐电器推荐操作参数,首先需要知道待推荐电器的当前状态,例如:时间信息和/或场景信息。时间信息例如包括日期、周几、时刻、是否特殊日子等至少之一。场景信息例如包括用户信息、天气信息等至少之一。用户信息例如包括性别、年龄、地理位置、健康状态、家庭成员情况、喜好、习惯等至少之一。天气信息包括温湿度信息、天气预报信息等。
步骤S2,当待推荐电器的历史操作记录的数据量小于阈值,根据第一算法计算推荐所述电器在当前状态下的操作参数。
在本申请中,当待推荐电器使用时间不够长,其使用操作记录数据量不够大时,通过使用对电器本身操作记录数据依赖较小的第一算法进行推荐,从而让电器一开始使用就得到对用户来说较为合理的推荐,而不是表现得像个刚出生的婴儿一样什么都不懂,提升了其智能化程度。
在一个实现方式中,第一算法根据与待推荐电器的使用者(即用户) 相似的用户的历史操作数据进行推荐。虽然,在待推荐电器的使用操作记录数据量不够大时,由于样本量少而导致规律性差的缺陷,而无法通过该待推荐电器的历史操作记录数据推荐出符合其使用者需求的操作参数,但是,本申请创新性地提出,可以通过获取待推荐电器的使用者的信息,例如其性别、年龄、地理位置,甚至习惯、偏好、家庭成员等,来找到与之相似的用户,然后通过分析这些相似用户对同类电器的历史操作数据,从而得出推荐操作参数,这样能够更大概率上推荐出符合该待推荐电器的当前使用者的需求。简单地说,例如,将性别相同、年龄相仿、居住在同一个城市的人,判断为相似用户。
图3示出了本申请的根据第一算法去执行推荐的流程的一实施例的示意图。
如图所示:
步骤S21,收集用户信息;
可以理解的,首先要收集大量的用户信息,例如,对所有连接到互联网上的电子产品的用户信息,都可以通过各种服务器进行收集。
步骤S22,第一算法对用户信息进行分析,以对用户进行聚类
步骤S23,第一算法通过聚类生成最近邻居簇,将与待推荐电器的用户信息相似度高于预定阈值的其他用户作为相似用户;
步骤S24,第一算法通过对相似用户的历史数据进行分析以做出推荐。
如上流程中,可以理解的,要找到与待推荐电器的使用者相似的用户,首先需要收集到待推荐电器的用户的信息,例如,性别、年龄、地理位置、家庭成员情况、习惯、偏好和/或所处环境,因为这些属性,都是可能会影响到一个人对待推荐电器的操作参数的偏好的。以电饭煲为例,比如,老年人用户,喜欢更早起床做饭,吃饭规律,偏好软饭、稀粥等,相反,年轻人用户,往往平日做饭时间较少,周末做饭时间多,做饭时间偏后,喜欢硬度较高的米饭,喜欢蛋糕、酸奶功能较多等;而对所处环境来说,例如地理位置,南方人如珠三角地区的用户,喜欢煲汤,因此煲汤功能会使用较多等等;家庭成员多,煮的量更大等等。以空调为例,老年人用户大部分时间在家,白天也要开着空调,但不喜欢温度太低,因为温度设定要偏低;而年轻人用户,上班时间通常不在家,只需要在回家之前一定时间开启空调以便到家是温度已调节好;南方地区,夏季长且温度高,冬天无暖气,北方地区气候不同,开空调习惯也不同。
在一个实现方式中,统计与待推荐电器的用户信息相似度高于预定阈值的其他用户在与当前状态信息相同或相似情况下的历史操作数据中各操作参数的相似度(即出现概率);将所述各操作参数的相似度取对应权值相加得到综合相似度;将所述各操作参数的相似度与综合相似度差距小于预设阈值的用户作为相似用户。同样以电饭煲为例,统计所有用户信息相似的用户在周六晚上7点至8点之间,煮粥、煮饭、煲汤等操作参数的相似度,然后将各操作参数的相似度取对应权值相加以得到综合相似度,再计算所述各操作参数的相似度与综合相似度之间的差距,取差距小于预设阈值的用户作为相似用户。同理于其他电器。
在一个实现方式中,所述第一算法计算相似用户集合中在当前状态下使用各操作参数的先验概率,取概率最大的操作参数作为推荐。在找到相似用户后,对相似用户集合中在当前状态下使用各操作参数的先验概率进行估计,同样以电饭煲为例,估计相似用户在周六晚上7点至8点之间,煮粥、煮饭、煲汤等操作参数的先验概率,取概率最大的操作参数作为推荐,例如煮饭、少米、软硬度稍软作为推荐的操作参数。
可选地,第一算法例如为协同过滤算法。
步骤S3,当待推荐电器的历史操作记录的数据量不小于阈值,根据第二算法计算推荐所述电器在当前状态下的操作参数。
在用户使用待推荐电器一段时间后,积累了不小于阈值的历史操作记录,此时,采用更具有学习能力的的第二算法来进行待推荐电器在当前状态下的操作参数的推荐。
在一个实现方式中,所述第二算法综合当前用户和/或前述相似用户的历史操作数据进行推荐。
作为示例,第二算法中用到的相似用户由第一算法确定,如前所述,不再赘述。
作为又一示例,针对部分操作模式,例如空调的健康模式,第二算法计算当前用户或相似用户或综合当前用户与相似用户在当前状态下各操作参数的总体使用概率作为先验概率,将先验概率大于阈值的操作参数添加为推荐。尤其在当前用户开始使用一段时间后还没有操作过的操作模式,需要根据相似用户在当前状态下各操作参数的总体使用概率作为先验概率,从而进行推荐。
进一步地,第二算法针对待推荐电器,基于前述已计算出的先验概率和当前用户在所述待推荐电器上的操作历史数据估算当前状态下各操作参数的后验概率,将后验概率最大的操作参数作为推荐。后验概率是对先验概率的重新修正的概率,更加精准。作为示例,对于每一个MAC地址(Media Access Control Address,每一个连接到互联网的电子产品如电器都有它的物理地址,当然,可以理解的,不限于MAC地址,也可以是IP地址,ID 等能够唯一识别电器的标识),每次估算后验概率时,实时得到对应的情况在这些状态(例如,对于空调来说,包括开机、关机、制冷、制热等)前提下估算条件概率P(A|X),比如在所有开机状态下是12点的概率P(12点 |开机),然后根据公式例如贝叶斯基本公式计算每一种模式下的后验概率,取最大值对应的设定结果(即操作参数)作为推荐(如对应当前的状态,时间:星期四8:00、位置:珠海市,目标模式为开关机,得到的推荐结果为开机或者关机)。当用户使用该设定结果没有进行改变时,无需更新数据,若进行改变,将新的数据进行更新,作为样本加入分析进行训练。其中,为避免每个MAC数据集中出现零概率值,使用拉普拉斯校准(即对不存在的数据对增加一个元组)。
可选地,第二算法例如为贝叶斯算法,尤其为朴素贝叶斯算法。
在前述内容中,第一、第二算法样本数据的选择上,通过对数据的分析和结合专家经验知识,选取对电器的用户推荐有影响的参数(例如包括室内外环境温度、时间、时刻等)作为输入参数,输入参数不仅为单一参数,也包括按一定规律提取特征组成的输入参数的一维或多维数组。而将预测时间点和操作参数作为输出参数。以电饭煲为例,如下表1所示,输出的操作参数包括但不限于如下的一种或多种模式:标准煮、超快煮、精华煮、煮粥、煲汤、软硬度、时间、米粒大小、预约时间、wifi等。
表1
以空调为例,如下表2所示,输出的操作参数包括但不限于如下的一种或多种模式:模式、风速、灯光、辅热、睡眠模式、设定温度、上下扫风、左右扫风、定时、定时时间、干燥、自动清洁、健康、换气、语音、室内环境温度、设定风档、wifi等。
表2
图4示出了本申请的智能电器管理系统的执行流程的一实施例的示意 图。
当用户在待推荐电器上通过“一键设置”按钮请求时(步骤S01),待推荐电器通过通信手段如因特网、局域网等向智能电器管理服务器请求推荐设置(步骤S02),服务器会将推荐结果推送给用户(步骤S03),该结果可通过用户确认或者默认执行(步骤S04、S05)。通过该流程,帮助用户快速获取参数设定,可以根据用户所处的时刻和场景对推荐的结果进行过滤。所述“一键设置”是电器上物理按钮或者电器或者通信终端如手机的的APP 用户界面上软件按钮,其名称不局限用于“一键设置”,也可叫做“智能设置”、“快速设置”等,其功能用于快速获取电器操作参数设定的推荐,推荐设定的电器操作参数优选来源于机器学习到的用户习惯,会随着当前星期、时刻等因素变化,并非固定不变的参数。机器学习的优点可以根据用户的历史行为和信息内容的重要程度进行数据分析。
在本申请的一个实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的操作参数的推荐方法及流程,在此不做赘述。该存储介质可以是只读存储器,磁盘或光盘等各种可以存储程序代码的介质。
以上对本申请的一种电器操作参数的推荐方法、介质、服务器及智能电器管理系统,通过在待推荐电器使用时间较短时采用第一算法进行推荐,而在使用一段时间具有一定量操作记录数据后采用第二算法进行推荐,能够在用户操作记录数据量不够时也能进行有效的推荐,且在用户操作记录数据量达到一定程度后进行更加精确的推荐,使智能推荐的准确度和效率都得到提升,从而有效地提升智能化程度,帮助用户节省大量时间和不必要的操作,提高生活品质。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (9)
1.一种电器操作参数的推荐方法,其特征在于,包括以下步骤:
获取待推荐电器的当前状态信息,
当所述待推荐电器的历史操作记录的数据量小于阈值,根据第一算法计算推荐所述电器在当前状态下的操作参数;所述第一算法根据收集的电器用户信息,对用户进行聚类,生成最近邻居簇,将与所述待推荐电器的用户信息相似度高于预定阈值的其他用户作为相似用户;
当所述待推荐电器的历史操作记录的数据量不小于阈值,根据第二算法计算推荐所述电器在当前状态下的操作参数;所述第一算法计算相似用户集合中在当前状态下使用各操作参数的先验概率,取概率最大的操作参数作为推荐;
所述第一算法不同于第二算法,所述第一算法为协同过滤算法,所述第二算法为贝叶斯算法。
2.如权利要求1所述的方法,其特征在于:
当前状态信息包括:时间信息和/或场景信息;
和/或,
所述第一算法根据相似用户的历史操作数据进行推荐;
和/或,
所述第二算法根据当前用户的历史操作数据和/或所述相似用户的历史操作数据进行推荐;
操作参数包括:运行时间点和操作模式;
和/或,
所述电器为电饭煲、空调、冰箱、洗衣机中至少一种。
3.如权利要求1所述的方法,其特征在于:
所述对用户进行聚类,包括:对与所述待推荐电器的型号相同或相似的电器的用户进行聚类;
和/或,
所述将与所述待推荐电器的用户信息相似度高于预定阈值的其他用户作为相似用户,包括:
统计所述其他用户在与所述当前状态信息相同和相似情况下的历史操作数据中各操作参数的相似度;
将所述各操作参数的相似度取对应权值相加得到综合相似度;
将所述各操作参数的相似度与综合相似度差距小于预设阈值的用户作为相似用户。
4.如权利要求2所述的方法,其特征在于:
所述第二算法计算当前用户和/或所述相似用户在当前状态下各操作参数的总体使用概率作为先验概率,
将先验概率最大的操作参数添加为推荐;
和/或,
所述相似用户由第一算法确定;
和/或,
用当前用户最终采用的操作参数训练所述第二算法。
5.如权利要求4所述的方法,其特征在于:
所述第二算法,针对待推荐电器,基于先验概率估算当前状态下各操作参数的后验概率,
将后验概率最大的操作参数作为推荐。
6.如权利要求1所述的方法,其特征在于:
所述第二算法为朴素贝叶斯算法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现根据权利要求1-6中任一所述的电器操作参数的推荐方法。
8.一种服务器,包括存储器、处理器及存储在存储器上并可被处理器运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现根据权利要求1-6中任一所述的电器操作参数的推荐方法。
9.一种智能电器管理系统,包括待推荐电器和智能电器管理中心,所述管理中心包括如权利要求8所述的服务器,其特征在于:
所述待推荐电器向所述管理中心发起操作参数推荐请求;
所述服务器执行所述推荐方法得到推荐结果,所述管理中心将所述推荐结果返回所述待推荐电器;
所述待推荐电器根据所述推荐结果进行运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811636368.1A CN111381507B (zh) | 2018-12-29 | 2018-12-29 | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811636368.1A CN111381507B (zh) | 2018-12-29 | 2018-12-29 | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111381507A CN111381507A (zh) | 2020-07-07 |
CN111381507B true CN111381507B (zh) | 2021-05-04 |
Family
ID=71218052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811636368.1A Active CN111381507B (zh) | 2018-12-29 | 2018-12-29 | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111381507B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114079587A (zh) * | 2020-08-19 | 2022-02-22 | 佛山市顺德区美的电热电器制造有限公司 | 电器设备的参数设置方法、存储介质、服务器、电器设备 |
WO2024036941A1 (zh) * | 2022-08-17 | 2024-02-22 | 华为云计算技术有限公司 | 一种参数管理系统以及相关方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102865644A (zh) * | 2012-10-22 | 2013-01-09 | 四川虹微技术有限公司 | 空调自动调节工作模式的方法 |
CN102915307A (zh) * | 2011-08-02 | 2013-02-06 | 腾讯科技(深圳)有限公司 | 一种个性化信息推荐的方法、装置及信息处理系统 |
CN103620593A (zh) * | 2011-04-19 | 2014-03-05 | 诺基亚公司 | 用于提供基于特征的协同过滤的方法和装置 |
CN203925102U (zh) * | 2014-05-15 | 2014-11-05 | 杨玉峰 | 一种具有自学习功能的智能门窗控制系统 |
CN107272433A (zh) * | 2017-07-26 | 2017-10-20 | 深圳贯和通物联科技有限公司 | 一种智能家居控制方法及装置 |
-
2018
- 2018-12-29 CN CN201811636368.1A patent/CN111381507B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103620593A (zh) * | 2011-04-19 | 2014-03-05 | 诺基亚公司 | 用于提供基于特征的协同过滤的方法和装置 |
CN102915307A (zh) * | 2011-08-02 | 2013-02-06 | 腾讯科技(深圳)有限公司 | 一种个性化信息推荐的方法、装置及信息处理系统 |
CN102865644A (zh) * | 2012-10-22 | 2013-01-09 | 四川虹微技术有限公司 | 空调自动调节工作模式的方法 |
CN203925102U (zh) * | 2014-05-15 | 2014-11-05 | 杨玉峰 | 一种具有自学习功能的智能门窗控制系统 |
CN107272433A (zh) * | 2017-07-26 | 2017-10-20 | 深圳贯和通物联科技有限公司 | 一种智能家居控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
社会推荐系统研究;孟祥武等;《软件学报》;20150531;第26卷(第6期);正文第1-3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111381507A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN110793167B (zh) | 空调控制方法及装置 | |
JP6735492B2 (ja) | 空気調和機のレコメンド処理を実行するサーバおよびレコメンド処理システム | |
CN105068513B (zh) | 基于社交网络行为感知的智能家庭能源管理方法 | |
CN110726231B (zh) | 空调的控制方法和装置 | |
CN105446156A (zh) | 基于人工智能的家用电器的控制方法、装置和系统 | |
WO2022267671A1 (zh) | 用于空调的运行模式推送方法及装置、空调 | |
JP6151202B2 (ja) | 特徴時間帯での消費電力量からユーザ属性を推定するプログラム、装置及び方法 | |
CN111381507B (zh) | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 | |
JP6280569B2 (ja) | 動作パラメータ値学習装置、動作パラメータ値学習方法、学習型機器制御装置及びプログラム | |
CN109425075A (zh) | 空气调节装置及其舒适度确定方法和可读存储介质 | |
CN112782990A (zh) | 一种智能设备的控制方法、装置、存储介质及电子设备 | |
CN112146236A (zh) | 调节系统、控制方法、装置、线控设备、服务器和介质 | |
CN108614439A (zh) | 一种信息推送的方法及装置 | |
CN116540590A (zh) | 节能方案的推荐方法和装置、存储介质及电子装置 | |
Kleiminger | Occupancy sensing and prediction for automated energy savings | |
CN110793163B (zh) | 空调配置处理方法及装置 | |
CN114183891B (zh) | 空调温度的确定方法、装置、存储介质及处理器 | |
CN112325450A (zh) | 智能空调器控制参数的获取方法与控制设备 | |
CN114815645A (zh) | 物联网设备的控制方法和装置、存储介质和电子装置 | |
CN114691752A (zh) | 使用意图的预测方法和装置、存储介质及电子装置 | |
CN114676400A (zh) | 身份确定方法、存储介质及电子装置 | |
CN109976236B (zh) | 设备控制方法和装置 | |
CN110795136B (zh) | 电饭煲的配置参数确定方法及装置 | |
CN110992148A (zh) | 信息的推送方法及装置 |
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 |