CN111415191B - 一种用户分类方法、装置、电子设备及存储介质 - Google Patents
一种用户分类方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111415191B CN111415191B CN202010102563.7A CN202010102563A CN111415191B CN 111415191 B CN111415191 B CN 111415191B CN 202010102563 A CN202010102563 A CN 202010102563A CN 111415191 B CN111415191 B CN 111415191B
- Authority
- CN
- China
- Prior art keywords
- user
- preset
- use information
- personal use
- information
- 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 59
- 230000000694 effects Effects 0.000 claims description 62
- 230000004044 response Effects 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000238558 Eucarida Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- 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
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种用户分类方法、装置、电子设备及存储介质,属于智能家居技术领域。所述方法包括:当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户;如果所述个人使用信息满足所述预设使用条件,则将所述用户分类为非低粘度用户。本申请提供了一种能够确定低粘度用户的技术方案。
Description
技术领域
本申请涉及智能家居技术领域,尤其涉及一种用户分类方法、装置、电子设备及存储介质。
背景技术
随着智能家居设备的快速发展,智能家居设备可以具有语音功能,用户可以利用智能家居设备的语音功能,控制智能家居设备,例如,用户可以发出语音指令,智能家居设备可以执行与语音指令对应的动作。
然而,一些用户由于对智能家居设备的语音功能不熟悉,使用智能家居设备的语音功能未能得到想要的处理结果等原因,较少使用智能家居设备。为了便于描述,将此类使用智能家居设备的频率低的用户称为低粘度用户。为推广智能家居设备,需要确定低粘度用户,并培养低粘度用户的使用习惯。因此,亟需一种能够确定低粘度用户的方法。
发明内容
本申请实施例的目的在于提供一种用户分类方法、装置、电子设备及存储介质,以提供一种能够确定低粘度用户的技术方案。具体技术方案如下:
第一方面,本申请提供了一种用户分类方法,所述方法包括:
当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;
如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户;
如果所述个人使用信息满足所述预设使用条件,则将所述用户分类为非低粘度用户。
可选的,所述方法还包括:
获取所述用户所属地理区域中多个用户的人均使用信息;
如果所述个人使用信息小于所述人均使用信息,则判定所述个人使用信息不满足预设使用条件;
如果所述个人使用信息不小于所述人均使用信息,则判定所述个人使用信息满足预设使用条件。
可选的,所述方法还包括:
获取所述用户发出的历史语音指令的识别准确率;
所述如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户,包括:
如果所述识别准确率大于预设的识别准确率阈值、且所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户。
可选的,所述方法还包括:
获取所述用户所属地理区域的用户活跃度,所述用户活跃度用于表示一地理区域中用户使用智能家居设备的活跃程度;
所述如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户,包括:
如果所述用户活跃度大于预设的用户活跃度阈值、且所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户。
可选的,所述获取所述用户所属地理区域的用户活跃度,包括:
获取所述用户所属地理区域中智能家居设备的日使用人次和月使用人次;
根据所述日使用人次和所述月使用人次,计算所述用户所属地理区域的用户活跃度。
可选的,所述方法还包括:
如果接收到低粘度用户发出的语音指令、且未查找到与所述语音指令匹配的响应信息,判断所述语音指令是否包含预设关键字;
如果所述语音指令包含预设关键字,在预先存储的多个响应信息中,确定包含所述预设关键字的目标响应信息;
输出所述目标响应信息。
第二方面,本申请还提供了一种用户分类装置,所述装置包括:
第一获取模块,用于当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;
分类模块,用于当所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户;
所述分类模块,还用于当所述个人使用信息满足所述预设使用条件时,将所述用户分类为非低粘度用户。
可选的,所述装置还包括:
第二获取模块,用于获取所述用户所属地理区域中多个用户的人均使用信息;
所述分类模块,还用于当所述个人使用信息小于所述人均使用信息时,判定所述个人使用信息不满足预设使用条件;
所述分类模块,还用于当所述个人使用信息不小于所述人均使用信息时,判定所述个人使用信息满足预设使用条件。
可选的,所述装置还包括:
第三获取模块,用于获取所述用户发出的历史语音指令的识别准确率;
所述分类模块具体用于当所述识别准确率大于预设的识别准确率阈值、且所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户。
可选的,所述装置还包括:
第四获取模块,用于获取所述用户所属地理区域的用户活跃度,所述用户活跃度用于表示一地理区域中用户使用智能家居设备的活跃程度;
所述分类模块具体用于当所述用户活跃度大于预设的用户活跃度阈值、且所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户。
可选的,所述第四获取模块包括:
获取子模块,用于获取所述用户所属地理区域中智能家居设备的日使用人次和月使用人次;
计算子模块,用于根据所述日使用人次和所述月使用人次,计算所述用户所属地理区域的用户活跃度。
可选的,所述装置还包括:
判断模块,用于当接收到低粘度用户发出的语音指令、且未查找到与所述语音指令匹配的响应信息时,判断所述语音指令是否包含预设关键字;
确定模块,用于当所述语音指令包含预设关键字,在预先存储的多个响应信息中时,确定包含所述预设关键字的目标响应信息;
输出模块,用于输出所述目标响应信息。
第三方面,本申请还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现任一第一方面所述的方法步骤。
第四方面,本申请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任一第一方面所述的方法步骤。
第五方面,本申请还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的用户分类方法。
本申请实施例有益效果:
本申请实施例提供了一种用户分类方法、装置、电子设备及存储介质,可以在接收到用户分类指令时,获取待分类的用户的个人使用信息,个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;如果个人使用信息不满足预设使用条件,则将用户分类为低粘度用户;如果个人使用信息满足预设使用条件,则将用户分类为非低粘度用户。由于在待分类的用户的个人使用信息不满足预设使用条件时,将用户分类为低粘度用户,因此,能够确定低粘度用户。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种用户分类方法的流程图;
图2为本申请实施例提供的一种用户分类方法的流程图;
图3为本申请实施例提供的一种用户分类方法的流程图;
图4为本申请实施例提供的一种用户分类装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
本申请实施例提供了一种用户分类方法,可以应用于电子设备,电子设备可以是智能家居设备,智能家居设备例如智能空调、智能电饭煲,电子设备也可以是智能家居设备的后台服务器。
下面将结合具体实施方式,对本申请实施例提供的一种用户分类方法进行详细的说明,如图1所示,具体步骤如下:
步骤101、当接收到用户分类指令时,获取待分类的用户的个人使用信息。
其中,个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种,用户使用智能家居设备指的是用户使用智能家居设备的预设功能,预设功能例如语音功能。
在实施中,智能家居设备的管理人员可以向电子设备发送用户分类指令,电子设备可以在接收到用户分类指令后,获取待分类的用户的个人使用信息。电子设备也可以按照预设的分类周期,获取待分类的用户在该分类周期内的个人使用信息。
本申请实施例中,电子设备可以将使用智能家居设备的每个用户作为待分类的用户,电子设备也可以将上一次进行用户分类时分类结果为低粘度用户的用户,作为待分类的用户。
本申请实施例还提供了一种获取待分类用户的个人使用信息的实现方式:电子设备可以获取待分类的用户的历史使用信息,历史使用信息可以包括:语音指令的接收时间,语音指令的响应时间,语音指令的识别结果,识别结果可以为识别成功或识别失败,智能家居设备在网络中的IP地址。
然后,电子设备可以根据接收到的语音指令的个数,确定使用次数。例如,电子设备可以将接收到的语音指令的个数,作为使用次数。当电子设备在单位时长内接收到多个语音指令时,电子设备可以将该单位时长内的使用次数记为1,由此,电子设备可以确定某一时间段内用户的使用次数。例如,电子设备在1个月内接收到135个语音指令,单位时长为5分钟,当电子设备在单位时长5分钟内接收到3个语音指令时,电子设备可以将该5分钟内的使用次数记为1,由此,电子设备可以确定1个月内用户的使用次数为88次。
电子设备还可以根据语音指令的接收时间与响应时间,计算用户每次使用智能家居设备的使用时长,然后根据多次使用智能家居设备的使用时长,计算使用时长。
例如,第一次语音指令的接收时间为上午9时30分10秒,最后一次语音指令的响应时间为上午9时31分5秒,电子设备可以将接收时间与响应时间的时间差55s,作为该次使用智能家居设备的使用时长。
步骤102,判断个人使用信息是否满足预设使用条件。
在实施中,预设使用条件可以是多种多样的,例如,当个人使用信息包含使用时长时,预设使用条件可以是使用时长大于预设使用时长阈值;当个人使用信息包含使用次数时,预设使用条件可以是使用次数大于预设使用次数阈值;当个人使用信息包含使用时长和使用次数时,预设使用条件可以是使用时长大于预设使用时长阈值、且使用次数大于预设使用次数阈值。
电子设备可以判断个人使用信息是否满足预设使用条件,如果个人使用信息不满足预设使用条件,则电子设备可以执行步骤103,如果个人使用信息满足预设使用条件,则电子设备可以执行步骤104。
步骤103,将用户分类为低粘度用户。
步骤104,将用户分类为非低粘度用户。
本申请实施例中,电子设备可以在接收到用户分类指令时,获取待分类的用户的个人使用信息,个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;如果个人使用信息不满足预设使用条件,则将用户分类为低粘度用户;如果个人使用信息满足预设使用条件,则将用户分类为非低粘度用户。由于在待分类的用户的个人使用信息不满足预设使用条件时,将用户分类为低粘度用户,因此,能够确定低粘度用户,从而能够实现对用户进行分类。
可选的,本申请实施例提供了一种基于用户所属地理区域中用户的人均使用信息,判断用户的个人使用信息是否满足预设使用条件的实现方式,具体处理过程包括:
步骤1、获取用户所属地理区域中多个用户的人均使用信息。
在实施中,电子设备可以确定待分类的用户的所属地理区域,然后,电子设备可以确定所属地理区域为该地理区域的多个用户,再获取确定出的每个用户的个人使用信息。电子设备获取多个用户的个人使用信息的处理过程,与电子设备获取待分类的用户的个人使用信息的处理过程类似,此处不再赘述。
之后,电子设备可以计算多个用户的个人使用信息的平均值,得到多个用户的人均使用信息。
本申请实施例中,电子设备可以通过多种方式确定用户所属地理区域,在一种可行的实现方式中,电子设备可以根据用户所使用的智能家居设备在网络中的IP地址,确定用户所属地理区域。在另一种可行的实现方式中,电子设备也可以根据预先存储的用户与地理区域的对应关系,确定与待分类的用户对应的地理区域,得到用户所属地理区域。
步骤2、判断个人使用信息是否小于人均使用信息。
在实施中,电子设备可以判断待分类的用户的个人使用信息是否小于人均使用信息。如果个人使用信息小于人均使用信息,则电子设备可以执行步骤3;如果个人使用信息不小于人均使用信息,则电子设备可以执行步骤4。
例如,待分类的用户的个人使用信息为:使用时长为1小时,使用次数为15次,用户所属地理区域为广州,广州中多个用户的人均使用信息为:人均使用时长为2小时,人均使用次数为25次。电子设备可以判定待分类的用户的个人使用信息小于人均使用信息,待分类的用户的个人使用信息不满足预设使用条件。
步骤3、判定个人使用信息不满足预设使用条件。
步骤4、判定个人使用信息满足预设使用条件。
本申请实施例中,电子设备可以获取用户所属地理区域中多个用户的人均使用信息,然后,判断个人使用信息是否小于人均使用信息。在个人使用信息小于人均使用信息的情况下,电子设备可以判定个人使用信息不满足预设使用条件;在个人使用信息不小于人均使用信息的情况下,电子设备可以判定个人使用信息不满足预设使用条件。由于将用户的个人使用信息与用户所属地理区域中多个用户的人均使用信息进行比较,当个人使用信息小于人均使用信息的情况下,判定个人使用信息不满足预设使用条件,从而将该用户分类为低粘度用户,因此,能够确保用户分类的合理性和准确性。
可选的,电子设备还可以基于智能家居设备识别用户发出的语音指令的识别准确率,对用户进行分类,如图2所示,包括以下步骤:
步骤201,获取待分类的用户的个人使用信息。
在实施中,此步骤的具体处理过程可以参照步骤101的处理过程,此处不再赘述。
步骤202,获取用户发出的历史语音指令的识别准确率。
在实施中,电子设备可以根据使用信息中记录的历史语音指令的识别结果,确定用户发出的历史语音指令的第一数目、对历史语音指令的识别结果为识别成功的第二数目,然后电子设备可以根据第一数目和第二数目,计算用户的历史语音指令的识别准确率。
步骤203,判断个人使用信息是否满足预设使用条件。
在实施中,电子设备判断个人使用信息是否满足预设使用条件的具体处理过程可以参照步骤102的处理过程,此处不再赘述。
如果个人使用信息满足预设使用条件,则电子设备可以执行步骤204,如果个人使用信息不满足预设使用条件,则电子设备可以执行步骤206。
步骤204,判断识别准确率是否大于预设的识别准确率阈值。
其中,预设的识别准确率阈值可以是90%。
在实施中,电子设备可以判断识别准确率是否大于预设的识别准确率阈值,如果识别准确率大于识别准确率阈值,则电子设备可以执行步骤205,如果识别准确率不大于识别准确率阈值,则电子设备可以执行步骤206。
步骤205,将该用户分类为低粘度用户。
步骤206,将该用户分类为非低粘度用户。
本申请实施例中,电子设备可以获取待分类的用户的个人使用信息,并获取用户发出的历史语音指令的识别准确率,然后,电子设备可以判断个人使用信息是否满足预设使用条件,以及判断识别准确率是否大于预设的识别准确率阈值。在个人使用信息不满足预设使用条件、且识别准确率大于识别准确率阈值的情况下,电子设备可以将该用户分类为低粘度用户。由于在个人使用信息不满足预设使用条件的情况下,进一步考虑语音指令的识别准确率,即,在识别准确率大于识别准确率阈值时,才将用户分类为低粘度用户,因此,能够排除语音指令识别错误导致用户使用频率低的情况,从而可以精确定位低粘度用户,提高用户分类的准确度。
可选的,电子设备还可以基于用户所属地理区域的用户活跃度,对用户进行分类,如图3所示,包括以下步骤:
步骤301,获取待分类的用户的个人使用信息。
在实施中,此步骤的具体处理过程可以参照步骤101的处理过程,此处不再赘述。
步骤302,获取用户所属地理区域的用户活跃度。
其中,地理区域的用户活跃度用于表示该地理区域中用户使用智能家居设备的活跃程度。
在实施中,电子设备可以确定用户所属地理区域,然后,电子设备可以获取用户所属地理区域的用户活跃度。
本申请实施例提供了一种计算用户活跃度的实现方式,包括:获取用户所属地理区域中智能家居设备的日使用人次和月使用人次。根据日使用人次和月使用人次,计算用户所属地理区域的用户活跃度。
在实施中,以用户使用智能家居设备为使用智能家居设备的语音功能为例,电子设备可以获取用户所属地理区域中各用户使用语音功能的个人使用信息,根据各用户的个人使用信息统计语音功能的日使用人次和月使用人次。然后,电子设备可以将日使用人次与月使用人次的比值,作为地理区域的用户活跃度。
例如,用户所属地理区域为广州,广州中各用户使用语音功能的日使用人次为9.5k,月使用人次为10k,由此,电子设备可以将日使用人次9.5k与月使用人次10k的比值0.95,作为广州的用户活跃度。
步骤303,判断个人使用信息是否满足预设使用条件。
在实施中,电子设备判断个人使用信息是否满足预设使用条件的具体处理过程可以参照步骤102的处理过程,此处不再赘述。
如果个人使用信息满足预设使用条件,则电子设备可以执行步骤304,如果个人使用信息不满足预设使用条件,则电子设备可以执行步骤306。
步骤304,判断用户活跃度是否大于预设的用户活跃度阈值。
在实施中,电子设备可以判断用户活跃度是否大于预设的用户活跃度阈值,如果用户活跃度大于用户活跃度阈值,则电子设备可以执行步骤305,如果用户活跃度不大于用户活跃度阈值,则电子设备可以执行步骤306。
步骤305,将该用户分类为低粘度用户。
步骤306,将该用户分类为非低粘度用户。
本申请实施例中,电子设备可以获取待分类的用户的个人使用信息,并获取用户所属地理区域的用户活跃度,判断个人使用信息是否满足预设使用条件、以及判断用户活跃度是否大于预设的用户活跃度阈值。在个人使用信息不满足预设使用条件、且用户活跃度大于用户活跃度阈值的情况下,电子设备可以将该用户分类为低粘度用户。由于在个人使用信息不满足预设使用条件的情况下,进一步考虑用户所属地理区域的用户活跃度,即,在用户活跃度大于用户活跃度阈值时,才将用户分类为低粘度用户,因此,能够排除用户所属地理区域普遍存在用户使用频率低的情况,从而可以精确定位低粘度用户,提高用户分类的准确度。
可选的,电子设备还可以在用户的使用时长小于人均使用时长、使用次数小于人均使用时长、用户发出的历史语音指令的识别准确率大于预设的识别准确率阈值、且用户所属地理区域的用户活跃度大于用户活跃度阈值时,将用户分类为低粘度用户。由此,能够考虑使用时长、使用次数、识别准确率以及用户活跃度等多方面因素,精确定位低粘度用户,提高用户分类的准确度。
相关技术中,电子设备中可以预先存储有预设语音指令与响应信息的对应关系,预设语音指令例如“Siri,打开空调”。当电子设备接收到的语音指令为预设语音指令时,电子设备可以根据预设语音指令与响应信息的对应关系,确定与预设语音指令对应的响应信息,再输出该响应信息。当电子设备接收到的语音指令不是预设语音指令时,电子设备无法找到与该语音指令匹配的响应信息,只能输出预设的识别失败信息。由此,当低粘度用户发出的语音指令不是预设语音指令时,低粘度用户无法得到想要的处理结果,导致用户体验差,进一步降低用户的使用频率。
可选的,在确定出低粘度用户后,电子设备可以对低粘度用户采用主动引导的方式,引导用户正确使用语音功能,具体处理过程包括:
步骤1、如果接收到低粘度用户发出的语音指令、且未查找到与语音指令匹配的响应信息,判断语音指令是否包含预设关键字。
在实施中,在接收到低粘度用户发出的语音指令后,电子设备可以判断该语音指令是否为预设语音指令。如果该语音指令为预设语音指令,则电子设备可以根据预先存储的预设语音指令与响应信息的对应关系,确定与该预设语音指令对应的响应信息,将该响应信息作为与语音指令匹配的响应信息。然后,电子设备可以输出该响应信息。
如果该语音指令不是预设语音指令,则电子设备可以确定未查找到与语音指令匹配的响应信息,这种情况下,电子设备可以判断该语音指令是否包含预设关键字。
如果该语音指令包含预设关键字,电子设备可以执行步骤2。如果该语音指令不包含预设关键字,则电子设备可以输出预设的识别失败信息。
步骤2、如果语音指令包含预设关键字,在预先存储的多个响应信息中,确定包含预设关键字的目标响应信息。
例如,在接收到低粘度用户发出的语音指令“我想要用空调”,且未查找到与该语音指令匹配的响应信息的情况下,电子设备可以判定语音指令“我想要用空调”中包含预设关键词“空调”。然后,电子设备可以确定包含预设关键字“空调”的目标响应信息“主人可以试试对我说,打开空调降低温度,或,开启制冷模式”。
步骤3、输出目标响应信息。
本申请实施例中,电子设备可以在接收到低粘度用户发出的语音指令、且未查找到与语音指令匹配的响应信息时,判断语音指令是否包含预设关键字。并在语音指令包含预设关键字时,在预先存储的多个响应信息中,确定包含预设关键字的目标响应信息,输出目标响应信息。由于对低粘度用户采用主动引导的方式,引导用户正确使用语音功能,因此,能够提高用户的使用频率,从而提高智能家居设备的用户粘度。
基于相同的技术构思,本申请实施例还提供了一种用户分类装置,如图4所示,该装置包括:
第一获取模块410,用于当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;
分类模块420,用于当所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户;
所述分类模块,还用于当所述个人使用信息满足所述预设使用条件时,将所述用户分类为非低粘度用户。
可选的,所述装置还包括:
第二获取模块,用于获取所述用户所属地理区域中多个用户的人均使用信息;
所述分类模块,还用于当所述个人使用信息小于所述人均使用信息时,判定所述个人使用信息不满足预设使用条件;
所述分类模块,还用于当所述个人使用信息不小于所述人均使用信息时,判定所述个人使用信息满足预设使用条件。
可选的,所述装置还包括:
第三获取模块,用于获取所述用户发出的历史语音指令的识别准确率;
所述分类模块具体用于当所述识别准确率大于预设的识别准确率阈值、且所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户。
可选的,所述装置还包括:
第四获取模块,用于获取所述用户所属地理区域的用户活跃度,所述用户活跃度用于表示一地理区域中用户使用智能家居设备的活跃程度;
所述分类模块具体用于当所述用户活跃度大于预设的用户活跃度阈值、且所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户。
可选的,所述第四获取模块包括:
获取子模块,用于获取所述用户所属地理区域中智能家居设备的日使用人次和月使用人次;
计算子模块,用于根据所述日使用人次和所述月使用人次,计算所述用户所属地理区域的用户活跃度。
可选的,所述装置还包括:
判断模块,用于当接收到低粘度用户发出的语音指令、且未查找到与所述语音指令匹配的响应信息时,判断所述语音指令是否包含预设关键字;
确定模块,用于当所述语音指令包含预设关键字,在预先存储的多个响应信息中时,确定包含所述预设关键字的目标响应信息;
输出模块,用于输出所述目标响应信息。
本申请实施例有益效果:
本申请实施例提供了一种用户分类装置,可以在接收到用户分类指令时,获取待分类的用户的个人使用信息,个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;如果个人使用信息不满足预设使用条件,则将用户分类为低粘度用户;如果个人使用信息满足预设使用条件,则将用户分类为非低粘度用户。由于在待分类的用户的个人使用信息不满足预设使用条件时,将用户分类为低粘度用户,因此,能够确定低粘度用户。
基于相同的技术构思,本申请实施例还提供了一种电子设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信,
存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现如下步骤:
当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;
如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户;
如果所述个人使用信息满足所述预设使用条件,则将所述用户分类为非低粘度用户。
可选的,所述方法还包括:
获取所述用户所属地理区域中多个用户的人均使用信息;
如果所述个人使用信息小于所述人均使用信息,则判定所述个人使用信息不满足预设使用条件;
如果所述个人使用信息不小于所述人均使用信息,则判定所述个人使用信息满足预设使用条件。
可选的,所述方法还包括:
获取所述用户发出的历史语音指令的识别准确率;
所述如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户,包括:
如果所述识别准确率大于预设的识别准确率阈值、且所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户。
可选的,所述方法还包括:
获取所述用户所属地理区域的用户活跃度,所述用户活跃度用于表示一地理区域中用户使用智能家居设备的活跃程度;
所述如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户,包括:
如果所述用户活跃度大于预设的用户活跃度阈值、且所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户。
可选的,所述获取所述用户所属地理区域的用户活跃度,包括:
获取所述用户所属地理区域中智能家居设备的日使用人次和月使用人次;
根据所述日使用人次和所述月使用人次,计算所述用户所属地理区域的用户活跃度。
可选的,所述方法还包括:
如果接收到低粘度用户发出的语音指令、且未查找到与所述语音指令匹配的响应信息,判断所述语音指令是否包含预设关键字;
如果所述语音指令包含预设关键字,在预先存储的多个响应信息中,确定包含所述预设关键字的目标响应信息;
输出所述目标响应信息。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例有益效果:
本申请实施例提供了一种电子设备,可以在接收到用户分类指令时,获取待分类的用户的个人使用信息,个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;如果个人使用信息不满足预设使用条件,则将用户分类为低粘度用户;如果个人使用信息满足预设使用条件,则将用户分类为非低粘度用户。由于在待分类的用户的个人使用信息不满足预设使用条件时,将用户分类为低粘度用户,因此,能够确定低粘度用户。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一用户分类方法的步骤。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一用户分类方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用户分类方法,其特征在于,所述方法包括:
当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;
如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户;
如果所述个人使用信息满足所述预设使用条件,则将所述用户分类为非低粘度用户;
所述方法还包括:
获取所述用户发出的历史语音指令的识别准确率;
所述如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户,包括:
如果所述识别准确率大于预设的识别准确率阈值、且所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户;
所述方法还包括:
获取所述用户所属地理区域的用户活跃度,所述用户活跃度用于表示一地理区域中用户使用智能家居设备的活跃程度;
所述如果所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户,包括:
如果所述用户活跃度大于预设的用户活跃度阈值、且所述个人使用信息不满足预设使用条件,则将所述用户分类为低粘度用户。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述用户所属地理区域中多个用户的人均使用信息;
如果所述个人使用信息小于所述人均使用信息,则判定所述个人使用信息不满足预设使用条件;
如果所述个人使用信息不小于所述人均使用信息,则判定所述个人使用信息满足预设使用条件。
3.根据权利要求1所述的方法,其特征在于,所述获取所述用户所属地理区域的用户活跃度,包括:
获取所述用户所属地理区域中智能家居设备的日使用人次和月使用人次;
根据所述日使用人次和所述月使用人次,计算所述用户所属地理区域的用户活跃度。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果接收到低粘度用户发出的语音指令、且未查找到与所述语音指令匹配的响应信息,判断所述语音指令是否包含预设关键字;
如果所述语音指令包含预设关键字,在预先存储的多个响应信息中,确定包含所述预设关键字的目标响应信息;
输出所述目标响应信息。
5.一种用户分类装置,其特征在于,所述装置包括:
第一获取模块,用于当接收到用户分类指令时,获取待分类的用户的个人使用信息,所述个人使用信息包括用户使用智能家居设备的使用时长、使用次数中的至少一种;
分类模块,用于当所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户;
所述分类模块,还用于当所述个人使用信息满足所述预设使用条件时,将所述用户分类为非低粘度用户;
所述装置还包括:
第三获取模块,用于获取所述用户发出的历史语音指令的识别准确率;
所述分类模块具体用于当所述识别准确率大于预设的识别准确率阈值、且所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户;
所述装置还包括:
第四获取模块,用于获取所述用户所属地理区域的用户活跃度,所述用户活跃度用于表示一地理区域中用户使用智能家居设备的活跃程度;
所述分类模块具体用于当所述用户活跃度大于预设的用户活跃度阈值、且所述个人使用信息不满足预设使用条件时,将所述用户分类为低粘度用户。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述用户所属地理区域中多个用户的人均使用信息;
所述分类模块,还用于当所述个人使用信息小于所述人均使用信息时,判定所述个人使用信息不满足预设使用条件;
所述分类模块,还用于当所述个人使用信息不小于所述人均使用信息时,判定所述个人使用信息满足预设使用条件。
7.根据权利要求5所述的装置,其特征在于,所述第四获取模块包括:
获取子模块,用于获取所述用户所属地理区域中智能家居设备的日使用人次和月使用人次;
计算子模块,用于根据所述日使用人次和所述月使用人次,计算所述用户所属地理区域的用户活跃度。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
判断模块,用于当接收到低粘度用户发出的语音指令、且未查找到与所述语音指令匹配的响应信息时,判断所述语音指令是否包含预设关键字;
确定模块,用于当所述语音指令包含预设关键字,在预先存储的多个响应信息中时,确定包含所述预设关键字的目标响应信息;
输出模块,用于输出所述目标响应信息。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-4任一所述的方法步骤。
10.一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权利要求1-4任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102563.7A CN111415191B (zh) | 2020-02-19 | 2020-02-19 | 一种用户分类方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102563.7A CN111415191B (zh) | 2020-02-19 | 2020-02-19 | 一种用户分类方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111415191A CN111415191A (zh) | 2020-07-14 |
CN111415191B true CN111415191B (zh) | 2024-02-13 |
Family
ID=71492742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102563.7A Active CN111415191B (zh) | 2020-02-19 | 2020-02-19 | 一种用户分类方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415191B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488590B (zh) * | 2020-12-21 | 2022-12-30 | 青岛海尔科技有限公司 | 目标对象的分类方法及装置、存储介质、电子装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014044363A (ja) * | 2012-08-28 | 2014-03-13 | Nippon Telegr & Teleph Corp <Ntt> | 識別的音声認識精度推定装置、識別的音声認識精度推定方法、プログラム |
CN107592346A (zh) * | 2017-08-31 | 2018-01-16 | 江西博瑞彤芸科技有限公司 | 基于用户行为分析的用户分类方法 |
CN107707759A (zh) * | 2017-10-16 | 2018-02-16 | 北京小米移动软件有限公司 | 终端控制方法、装置以及系统、存储介质 |
CN109409949A (zh) * | 2018-10-17 | 2019-03-01 | 北京字节跳动网络技术有限公司 | 用户群体分类的确定方法、装置、电子设备及存储介质 |
-
2020
- 2020-02-19 CN CN202010102563.7A patent/CN111415191B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014044363A (ja) * | 2012-08-28 | 2014-03-13 | Nippon Telegr & Teleph Corp <Ntt> | 識別的音声認識精度推定装置、識別的音声認識精度推定方法、プログラム |
CN107592346A (zh) * | 2017-08-31 | 2018-01-16 | 江西博瑞彤芸科技有限公司 | 基于用户行为分析的用户分类方法 |
CN107707759A (zh) * | 2017-10-16 | 2018-02-16 | 北京小米移动软件有限公司 | 终端控制方法、装置以及系统、存储介质 |
CN109409949A (zh) * | 2018-10-17 | 2019-03-01 | 北京字节跳动网络技术有限公司 | 用户群体分类的确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111415191A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544166B (zh) | 一种风险识别方法和装置 | |
CN109598414B (zh) | 风险评估模型训练、风险评估方法、装置及电子设备 | |
WO2020062803A1 (zh) | 基于模型树算法的异常流量分析方法、装置、电子设备及非易失性可读存储介质 | |
CN111027428A (zh) | 一种多任务模型的训练方法、装置及电子设备 | |
CN111984867B (zh) | 一种网络资源确定方法及装置 | |
CN111104419A (zh) | 一种数据查询方法及装置 | |
CN111415191B (zh) | 一种用户分类方法、装置、电子设备及存储介质 | |
CN110046235B (zh) | 一种知识库评估方法、装置及设备 | |
CN110427358B (zh) | 数据清洗方法及装置和信息推荐方法及装置 | |
CN111429920B (zh) | 用户区分方法、用户行为库确定方法、装置及设备 | |
CN111951808B (zh) | 语音交互方法、装置、终端设备及介质 | |
CN107861769B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN113380241B (zh) | 语义交互的调整方法、装置、语音设备及存储介质 | |
CN111273555B (zh) | 一种智能家居的控制方法、装置、终端及计算机可读介质 | |
CN113327601B (zh) | 有害语音的识别方法、装置、计算机设备和存储介质 | |
CN111047042B (zh) | 一种推理服务模型的运行方法及装置 | |
CN114463345A (zh) | 基于动态自适应网络的多参数乳腺磁共振图像分割方法 | |
CN112906909A (zh) | 深度学习模型训练方法及其装置、电子设备及存储介质 | |
CN112929238A (zh) | 一种网络信息采集方法、装置、设备及可读存储介质 | |
CN112926608A (zh) | 一种图像分类方法、装置、电子设备及存储介质 | |
CN111400677A (zh) | 一种用户检测方法及装置 | |
CN112860388A (zh) | 调控策略更新方法及相关设备 | |
CN114257958B (zh) | 一种信息确定方法、装置、电子设备及存储介质 | |
CN113139084B (zh) | 一种视频去重方法及装置 | |
CN111782702B (zh) | 一种元数据热度排序方法、装置、设备及存储介质 |
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 |