CN112052379A - 智能终端、智能家居设备的推荐方法及系统 - Google Patents

智能终端、智能家居设备的推荐方法及系统 Download PDF

Info

Publication number
CN112052379A
CN112052379A CN202010066057.7A CN202010066057A CN112052379A CN 112052379 A CN112052379 A CN 112052379A CN 202010066057 A CN202010066057 A CN 202010066057A CN 112052379 A CN112052379 A CN 112052379A
Authority
CN
China
Prior art keywords
recommendation
devices
days
vector
historical data
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
CN202010066057.7A
Other languages
English (en)
Inventor
叶龙
马涛
姜红梅
田涵朴
刘田园
孙学宾
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.)
Henan Zilian Internet Of Things Technology Co ltd
Original Assignee
Henan Zilian Internet Of Things 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 Henan Zilian Internet Of Things Technology Co ltd filed Critical Henan Zilian Internet Of Things Technology Co ltd
Priority to CN202010066057.7A priority Critical patent/CN112052379A/zh
Publication of CN112052379A publication Critical patent/CN112052379A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种智能终端、智能家居设备的推荐方法及系统，属于智能家居应用技术领域。其中方法包括：在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。本发明通过在历史数据中找到用户最近一次使用设备的时间，也即找到用户的有效历史数据，以该时间以前的、T天内有效历史数据为基础进行推荐，有效的避免推荐内容为空的概率，而且连续的数据提高推荐的准确性，提高用户的体验效果。

Description

智能终端、智能家居设备的推荐方法及系统
技术领域
本发明涉及一种智能终端、智能家居设备的推荐方法及系统，属于智能家居应用技术领域。
背景技术
随着大数据时代到来，推荐系统迎来了空前的热潮，作为一种信息过滤的重要手段，可以更快捷的帮助用户找到自己需要的信息。智能家居作为新型的创新性行业，用户对智能家居APP的使用相对陌生，而APP的设计由于自身功能的复杂性，往往导致用户设置的场景及绑定的设备等功能的设置层级较深，导致用户难以快速启用场景和设备，影响用户体验。因此，对于智能家居APP，采用推荐系统向用户准确的推荐场景和设备成为提高用户体验的重要手段。
目前常用的快速、简便的推荐算法为时间衰减算法：电商行业在给用户推荐商品时，会分析用户对于平台商品的兴趣偏好度，同时这个兴趣偏好度也会随着时间的流逝而发生变化。
时间衰减算法考虑了用户兴趣偏好与时间远近有关，为了提高时间衰减算法推荐的准确率，往往在算法中会更加关注用户近期的操作，使得推荐时采用的天数较短。然而智能家居领域在很多情况下会出现用户连续多天未操作的情况，比如：家中连续多天无人等，在时间衰减推荐算法中，长期无操作将会导致推荐列表为空的弊端，使得用户的体验效果不佳。
发明内容
本发明的目的在于提供一种智能家居设备的推荐方法，用以解决现有推荐方法推荐列表为空，用户体验效果不佳的问题；同时还提供一种智能家居设备的推荐系统，用以解决现有推荐系统推荐列表为空，用户体验效果不佳的问题；同时还提供一种智能终端，用以解决现有智能终端推荐列表为空，用户体验效果不佳的问题。
为实现上述目的，本发明提出一种智能家居设备的推荐方法，包括以下步骤：
在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；
将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。
另外，本发明还提出一种智能家居设备的推荐系统，包括移动终端以及控制终端，移动终端包括输入输出设备和用于与控制终端通信的通信模块；控制终端包括用于与移动终端通信的通讯装置、存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现上述的智能家居设备的推荐方法。
另外，本发明还提出一种智能终端，包括输入输出设备，存储器，处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现上述的智能家居设备的推荐方法。
有益效果是：本发明通过在历史数据中找到用户最近一次使用设备的时间，也即找到用户的有效历史数据，以该时间以前的、连续的有效历史数据为基础进行推荐，有效的避免推荐内容为空的概率，而且连续的数据提高推荐的准确性，提高用户的体验效果。
进一步的，上述智能终端、智能家居设备的推荐方法及系统中，为了提高推荐的准确性，所述时间衰减模型为：
Figure BDA0002375997710000021
其中，Y为第一推荐向量，G为时间衰减系数，x1,x2,...,xT为距推荐日1天、2天、……、T天，用户每日的各设备点击次数向量，X为用户在T日内各设备的累计操作天数向量，a为调控X比重的权重系数。
进一步的，上述智能终端、智能家居设备的推荐方法及系统中，为了提高有效历史数据的天数较长时推荐的准确性，若该使用时间以前的、连续T天内点击设备的有效历史数据的天数大于设定阈值；则还将该使用时间以前、连续T天内点击设备的有效历史数据输入回归模型中，得到第二推荐向量，根据第二推荐向量得到第二推荐列表；将第一推荐列表和第二推荐列表组合得到第三推荐列表，按照第三推荐列表进行推荐。
进一步的，上述智能终端、智能家居设备的推荐方法及系统中，回归模型为：
Y'＝β0+β1x1+β2x2+…+βTxT+ε；
其中，Y′为第二推荐向量，β0为偏移量，是常数，x1、x2、…、xT为距推荐日1天、2天、…、T天，用户每日的各设备点击次数向量，β1、β2、…、βT为距推荐日1天、2天、…、T天每日的权重系数，ε为期望为0的噪声项。
进一步的，上述智能终端、智能家居设备的推荐方法及系统中，为了避免推荐设备过多而无法显示，所述第一推荐列表中，设备的数量为：
N＝max+k(max-mean)；
其中，N为设备的数量；max为用户连续点击设备的天数内，使用设备数量的最大值；mean为用户连续点击设备的天数内，使用设备数量的平均值；k为权重值。
进一步的，上述智能终端、智能家居设备的推荐方法及系统中，为了避免推荐设备过多而无法显示，所述第一推荐列表或者第三推荐列表中，设备的数量为：
N＝max+k(max-mean)；
其中，N为设备的数量；max为用户连续点击设备的天数内，使用设备数量的最大值；mean为用户连续点击设备的天数内，使用设备数量的平均值；k为权重值。
进一步的，上述智能终端、智能家居设备的推荐方法及系统中，为了提高推荐的准确性，将第一推荐向量中的各设备对应的值进行降序排列，取前b个设备得到第一推荐列表，将第二推荐向量中的各设备对应的值进行降序排列，取前b个设备得到第二推荐列表。
附图说明
图1为本发明智能家居设备的推荐方法的原理图；
图2为本发明智能家居设备的推荐方法的流程图。
具体实施方式
智能家居设备的推荐系统实施例：
本实施例提出的智能家居设备的推荐系统，包括移动终端以及控制终端，移动终端包括输入输出设备和用于与控制终端通信的通信模块；控制终端包括用于与移动终端通信的通讯装置、存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，处理器在执行计算机程序时实现智能家居设备的推荐方法。
这里的移动终端是一种为用户提供操作界面的终端，可以是android和ios等形式的终端设备，其中包括有基于手机、pad等电子产品的智能家居App，输入输出设备是触屏，控制终端为智能家居主机(以下简称主机)，所实现的智能家居设备的推荐方法，将所得到的推荐列表发送至移动终端进行显示。当然控制终端也可以为主机加后台，实现控制终端相应的功能即可。而且关于通信模块，这里可以是蓝牙模块、WIFI模块、或者3G、4G、GPRS等，甚至也可以为有线通信模块，本发明对通信模块的具体实现方式不做限制。
为了解决推荐内容为空的情况，本发明的主要构思如图1所示，找出用户最新的操作日期c，也即最后一次使用某设备(这里的设备包括设备和场景两种)的使用时间，将该日期前连续T天内点击设备的有效历史数据(一般情况下，连续T天内点击设备的有效历史数据的天数S≤T，S天的数据在T日内未必是连续的，可能是几段连续的有效历史数据之和)作为时间衰减模型的输入，然后输出第一推荐向量，将该向量中的各设备对应的值进行降序排列，得到第一推荐列表进行推荐，其中点击次数不为零(比如：某天用户没有点击任何设备，为点击次数为零，只要某天用户点击一个设备，认为点击次数不为零)的历史数据为有效历史数据。
具体的，智能家居设备的推荐方法如图2所示，包括如下步骤：
1)通过采集M个月的用户使用获取用户的历史数据，历史数据中包括各设备每天的点击次数，以及使用时间。
2)在历史数据中找出最后一次使用某设备的使用时间c，找出该使用时间以前的连续T天内点击设备的有效历史数据。
3)判断连续T天内点击设备的有效历史数据的天数S的大小，若S＞设定阈值f，则采用混合推荐方式进行推荐，若S≤f，则采用时间衰减算法进行推荐。
具体的，若S≤f，则将该使用时间以前的连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，将第一推荐向量中的各设备对应的值进行降序排列，取前b个设备，得到第一推荐列表，按照第一推荐列表进行推荐。
时间衰减模型为：
Figure BDA0002375997710000051
其中，Y为第一推荐向量，G为时间衰减系数，x1,x2,...,xT为距推荐日1天、2天、……、T天，用户每日的各设备点击次数向量，X为用户在T日内各设备的累计操作天数向量，a为调控X比重的权重系数。
若S＞f，考虑到时间衰减的不准确性，则将该使用时间以前的连续T天内点击设备的有效历史数据分别输入时间衰减模型和回归模型中，分别得到第一推荐向量和第二推荐向量，将第一推荐量和第二推荐向量中各设备对应的值进行降序排列，取前b个设备，得到第一推荐列表B和第二推荐列表A，将第一推荐列表B和第二推荐列表A按照设定的规则组合得到第三推荐列表(也即最终的推荐清单)，这里的组合为直接将第一推荐列表B和第二推荐列表A中相同的设备只保留一个设备对应的较大值，然后将所有设备按照各设备对应的值进行降序排列，或者将将第一推荐列表B和第二推荐列表A中相同设备对应的值相加，然后将所有设备按照各设备对应的值进行降序排列等，本发明对此不做限制。
回归模型为：
Y'＝β0+β1x1+β2x2+…+βTxT+ε；
其中，Y′为第二推荐向量，β0为偏移量，是常数(这里的常数为待估计的常量参数)，x1、x2、…、xT为距推荐日1天、2天、…、T天，用户每日的各设备点击次数向量，β1、β2、…、βT为距推荐日1天、2天、…、T天每日的权重系数，ε为期望为0的噪声项。
作为其他实施方式，也可以不进行天数T的判断，直接采用时间衰减模型进行推荐。而且第一推荐向量也可以直接选择值大于0的设备生成第一推荐列表，第二推荐向量也可以值大于0的设备直接生成第二推荐列表，本发明对此不做限制。
如果最终的推荐列表(最终的推荐列表可能为第一推荐列表，也可能为第三推荐列表)中，推荐设备的数量过多，显示终端无法显示时，将最终的推荐列表中前N个设备进行推荐：
N＝max+k(max-mean)；
其中，N为设备的数量；max为用户连续点击设备的天数内，使用设备数量的最大值；mean为用户连续点击设备的天数内，使用设备数量的平均值；k为权重值。
当然，在数量不足N个的情况下，全部推荐即可。
4)推荐列表生成后，待用户登录APP，即可进行推荐。
关于时间衰减模型中的G、a；回归模型中的β1、β2、…、βT、ε；推荐数量N公式中的k，这些参数的确定都是根据测试数据、精确率和召回率进行确定的，确定过程为现有技术，这里不做赘述。
精确率，精确率旨在衡量推荐的图标是否被用户点击，点击的图标个数占推荐总个数的比例越大，说明推荐越有效，推荐的命中率越高，公式如下：
Figure BDA0002375997710000061
召回率，召回率计算的是用户推荐清单中命中的个数占想要点击的设备/场景个数的比例，召回率旨在衡量用户想要的是否都出现推荐清单里，公式如下：
Figure BDA0002375997710000062
本发明通过对有效历史数据的查找，采用有效历史数据为推荐的基础，大大降低了推荐内容为空的概率，又保证推荐的精度较高。
智能终端实施例：
本实施例提出的智能终端与智能家居设备的推荐系统的不同之处在于，智能家居设备的推荐系统中，控制终端对所采集的数据进行处理并生成第三应用推荐列表，将第三应用推荐列表在移动终端中进行显示，是两个可以进行通信、独立的设备，而智能终端是将采集、处理与显示集为一体的设备。
智能终端包括输入输出设备，存储器，处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器在执行所述计算机程序时实现智能家居设备的推荐方法。
智能家居设备的推荐方法的具体实施过程在上述智能家居设备的推荐系统实施例中已经介绍，这里不做赘述。
智能家居设备的推荐方法实施例：
本实施例提出的智能家居设备的推荐方法，包括以下步骤：
在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；
将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。
智能家居设备的推荐方法的具体实施过程在上述智能家居设备的推荐系统实施例中已经介绍，这里不做赘述。

Claims (9)

1.一种智能家居设备的推荐方法，其特征在于，包括以下步骤：
在历史数据中找出最后一次使用某设备的使用时间；历史数据中包括所有设备每天的点击次数，以及使用时间，其中点击次数不为零的历史数据为有效历史数据；
将该使用时间以前的、连续T天内点击设备的有效历史数据输入时间衰减模型中，得到第一推荐向量，根据第一推荐向量得到第一推荐列表；按照第一推荐列表进行推荐。
2.根据权利要求1所述的智能家居设备的推荐方法，其特征在于，所述时间衰减模型为：
Figure FDA0002375997700000011
其中，Y为第一推荐向量，G为时间衰减系数，x1,x2,...,xT为距推荐日1天、2天、……、T天，用户每日的各设备点击次数向量，X为用户在T日内各设备的累计操作天数向量，a为调控X比重的权重系数。
3.根据权利要求1所述的智能家居设备的推荐方法，其特征在于，若该使用时间以前的、连续T天内点击设备的有效历史数据的天数大于设定阈值；则还将该使用时间以前、连续T天内点击设备的有效历史数据输入回归模型中，得到第二推荐向量，根据第二推荐向量得到第二推荐列表；将第一推荐列表和第二推荐列表组合得到第三推荐列表，按照第三推荐列表进行推荐。
4.根据权利要求3所述的智能家居设备的推荐方法，其特征在于，回归模型为：
Y'＝β0+β1x1+β2x2+…+βTxT+ε；
其中，Y′为第二推荐向量，β0为偏移量，是常数，x1、x2、…、xT为距推荐日1天、2天、…、T天，用户每日的各设备点击次数向量，β1、β2、…、βT为距推荐日1天、2天、…、T天每日的权重系数，ε为期望为0的噪声项。
5.根据权利要求1所述的智能家居设备的推荐方法，其特征在于，所述第一推荐列表中，设备的数量为：
N＝max+k(max-mean)；
其中，N为设备的数量；max为用户连续点击设备的天数内，使用设备数量的最大值；mean为用户连续点击设备的天数内，使用设备数量的平均值；k为权重值。
6.根据权利要求3所述的智能家居设备的推荐方法，其特征在于，所述第一推荐列表或者第三推荐列表中，设备的数量为：
N＝max+k(max-mean)；
其中，N为设备的数量；max为用户连续点击设备的天数内，使用设备数量的最大值；mean为用户连续点击设备的天数内，使用设备数量的平均值；k为权重值。
7.根据权利要求3所述的智能家居设备的推荐方法，其特征在于，将第一推荐向量中的各设备对应的值进行降序排列，取前b个设备得到第一推荐列表，将第二推荐向量中的各设备对应的值进行降序排列，取前b个设备得到第二推荐列表。
8.一种智能家居设备的推荐系统，包括移动终端以及控制终端，移动终端包括输入输出设备和用于与控制终端通信的通信模块；控制终端包括用于与移动终端通信的通讯装置、存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时实现如权利要求1-7中任意一项所述的智能家居设备的推荐方法。
9.一种智能终端，包括输入输出设备，存储器，处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时实现如权利要求1-7中任意一项所述的智能家居设备的推荐方法。
CN202010066057.7A 2020-01-20 2020-01-20 智能终端、智能家居设备的推荐方法及系统 Pending CN112052379A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010066057.7A CN112052379A (zh) 2020-01-20 2020-01-20 智能终端、智能家居设备的推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010066057.7A CN112052379A (zh) 2020-01-20 2020-01-20 智能终端、智能家居设备的推荐方法及系统

Publications (1)

Publication Number Publication Date
CN112052379A true CN112052379A (zh) 2020-12-08

Family

ID=73609350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010066057.7A Pending CN112052379A (zh) 2020-01-20 2020-01-20 智能终端、智能家居设备的推荐方法及系统

Country Status (1)

Country Link
CN (1) CN112052379A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485562A (zh) * 2015-09-01 2017-03-08 苏宁云商集团股份有限公司 一种基于用户历史行为的商品信息推荐方法及系统
CN107844525A (zh) * 2017-10-12 2018-03-27 广州艾媒数聚信息咨询股份有限公司 一种基于用户行为的资讯个性化推荐方法、系统及装置
US10127596B1 (en) * 2013-12-10 2018-11-13 Vast.com, Inc. Systems, methods, and devices for generating recommendations of unique items
CN109408665A (zh) * 2018-12-29 2019-03-01 咪咕音乐有限公司 一种信息推荐方法及装置、存储介质
CN109978642A (zh) * 2017-12-27 2019-07-05 中移（杭州）信息技术有限公司 一种信息推荐方法、装置和通信设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10127596B1 (en) * 2013-12-10 2018-11-13 Vast.com, Inc. Systems, methods, and devices for generating recommendations of unique items
CN106485562A (zh) * 2015-09-01 2017-03-08 苏宁云商集团股份有限公司 一种基于用户历史行为的商品信息推荐方法及系统
CN107844525A (zh) * 2017-10-12 2018-03-27 广州艾媒数聚信息咨询股份有限公司 一种基于用户行为的资讯个性化推荐方法、系统及装置
CN109978642A (zh) * 2017-12-27 2019-07-05 中移（杭州）信息技术有限公司 一种信息推荐方法、装置和通信设备
CN109408665A (zh) * 2018-12-29 2019-03-01 咪咕音乐有限公司 一种信息推荐方法及装置、存储介质

Similar Documents

Publication Publication Date Title
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
CN109062919B (zh) 一种基于深度强化学习的内容推荐方法及装置
EP3605355A1 (en) Predicting user navigation events
CN109274987B (zh) 一种视频集合排序方法、服务器及可读存储介质
JP5533880B2 (ja) コンテンツ推薦システム、推薦方法及び推薦プログラム
CN110928739B (zh) 一种进程监控方法、装置以及计算设备
CN106502504B (zh) 一种图标排序的方法及移动终端
CN109241437A (zh) 一种广告识别模型的生成方法、广告识别方法及系统
CN108259638A (zh) 个人群组列表智能排序方法、智能终端及存储介质
CN108307068A (zh) 副屏显示界面切换方法、移动终端及存储介质
CN109492153A (zh) 一种产品推荐方法和装置
CN108876751A (zh) 图像处理方法、装置、存储介质及终端
CN111263176A (zh) 直播间页面的加载方法、装置、终端、服务器及存储介质
CN104699798A (zh) 样本数据的处理方法和装置
CN110674433B (zh) 一种图表显示方法、存储介质及电子设备
CN113626734B (zh) 用户行为引导方法、装置、电子设备及存储介质
CN112052378B (zh) 智能终端、智能家居应用的推荐方法及系统
CN107194680B (zh) 一种可配置化资源数量控制方法及装置
CN112052379A (zh) 智能终端、智能家居设备的推荐方法及系统
CN107886433A (zh) 用户资金监测跟进方法、装置、设备及可读存储介质
Li et al. When user interest meets data quality: A novel user filter scheme for mobile crowd sensing
JP5053783B2 (ja) 情報配信装置
JP2015064849A (ja) 情報提示装置、情報提示方法、及びプログラム
CN117824063B (zh) 一种基于智能手表的空调远程调控方法、系统及介质
US20240086972A1 (en) Information distribution method, apparatus and computer readable storage medium

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