CN112734132A - 一种设备的推荐方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明提供了一种设备的推荐方法、装置、电子设备及存储介质，解决了目前的推荐设备时，不能预测出用户的兴趣特点，因此无法满足用户的个性化要求的问题。本发明一实施例提供的一种设备的推荐方法、装置、电子设备及存储介质，其中所述设备的推荐方法包括：采集并处理家居数据；将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；基于用户历史行为数据和所述知识图谱进行设备推荐。

Description

一种设备的推荐方法、装置、电子设备及存储介质

技术领域

本发明涉及智能家居技术领域，具体涉及一种设备的推荐方法、装置、电子设备及存储介质。

背景技术

在万物互联的时代，基于人工智能算法的智能家居蓬勃发展，以语音助手为智能家居的核心，多种智能设备进行联动的形式成为了一种新兴的生活方式。当前的语音助手可以理解用户发出的具体指令，然而目前的智能家居仅仅是基于出厂时设置的模板对用户进行推荐，不能预测出用户的兴趣特点，因此无法满足用户的个性化要求。

发明内容

有鉴于此，本发明提供了一种设备的推荐方法、装置、电子设备及存储介质，解决了目前的推荐设备时，不能预测出用户的兴趣特点，因此无法满足用户的个性化要求的问题。

本发明一实施例提供的一种设备的推荐方法、装置、电子设备及存储介质，其中所述设备的推荐方法包括：

采集并处理家居数据；

将处理后的家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；

基于用户历史行为数据和所述知识图谱进行设备推荐。

在一种实施方式中，采集并处理家居数据包括：从原始语料中抽取所述家居数据，其中所述家居数据包括至少两个数据元素；

生成所述至少两个数据元素之间的对应关系。

在一种实施方式中，原始语料包括：非结构化数据所包含的设备相关信息、半结构化数据所包含的设备相关信息和结构化数据所包含的设备相关信息中的至少一种。

在一种实施方式中，从原始语料中抽取所述家居数据包括：从原始语料中通过实体抽取、关系抽取以及属性抽取中的至少一种抽取所述家居数据。

在一种实施方式中，所述家居数据包括：设备信息、控制信息、时间信息和功能效果中的至少一种。

在一种实施方式中，将处理后的家居数据输入推荐模型，基于处理后的所述家居数据获得知识图谱包括：所述推荐模型对所述家居数据进行分析，基于分析结果判断多个设备间是否存在逻辑冲突，若是，则回避所述逻辑冲突，获得所述知识图谱，且对设备之间的冲突关系加入标签。

在一种实施方式中，采用WordNet和/或WSD(Word Sense Disambiguation)技术回避所述逻辑冲突。

在一种实施方式中，将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱之前还包括：构建所述推荐模型，构建所述推荐模型包括：

构建设备本体库；

对所述设备本体库内的设备本体进行实例化操作，填充知识图谱数据层以构建推荐模型。

在一种实施方式中，构建设备本体库包括：基于网络本体语言与手工登记构建设备本体库。

在一种实施方式中，基于用户历史行为数据和所述知识图谱进行设备推荐包括：

将所述知识图谱中的设备实体映射到低维向量空间，并计算各个所述设备实体之间的内容相似度矩阵，基于用户的历史行为生成行为矩阵；

基于各个所述设备实体之间的内容相似度矩阵和所述行为矩阵生成知识图谱和用户历史行为之间的相似度矩阵；

基于所述知识图谱和用户历史行为之间的相似度矩阵预测当前环境下用户的行为；

基于所述当前环境下用户的行为生成设备推荐列表。

一种设备的推荐装置，包括

采集模块，作用为采集并处理家居数据；

处理模块，作用为将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；基于用户历史行为数据和所述知识图谱进行设备推荐。

一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述任一项所述的设备的推荐方法。

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现上述任一项所述的设备的推荐方法。

本发明实施例提供的一种设备的推荐方法、装置、电子设备及存储介质，所述设备的推荐方法包括采集并处理家居数据；将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；基于用户历史行为数据和所述知识图谱进行设备推荐。本发明通过基于知识图谱的设备推荐方法，根据家中设备的家居数据与用户对设备的行为信息通过预置模型进行预测，仅通过模糊的需求便能完成相关的推荐，且能够预测出用户的兴趣特点，完成个性化的相关推荐。

附图说明

图1所示为本发明一实施例提供的一种设备的推荐方法的流程示意图。

图2所示为本发明一实施例提供的一种知识图谱生成过程的流程示意图。

图3所示为本发明一实施例提供的一种推荐列表生成方法的流程示意图。

图4所示为本发明一实施例提供的一种设备的推荐装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有的智能家居推荐方法通常通过统计家庭中智能家居信息，然后使用推荐系统将智能家居设备的方案推送给用户，但此方法并不能针对用户的个性化需求给出智能家居推荐的具体解决方案。此外，知识图谱被应用于影视择优推荐系统，通过引入影响因素权重因子，实现双层元路径的影视个性化推荐算法，而此方法中的知识图谱仅仅是被应用在了影视推荐当中，然而智能家居场景应用中图谱之间的连接相对固定，此方法不适合应用在智能家居当中。针对上述问题，本发明提出了一种设备的推荐方法，具体如下述实施例中所述。

实施例一：

图1所示为本发明一实施例提供的一种设备的推荐方法的流程示意图。图2所示为本发明一实施例提供的一种知识图谱生成过程的流程示意图。

参考图1～图2，本实施例提供了一种设备的推荐方法，该设备的推荐方法基于设备推荐系统实现，可选地，所述设备包括智能家居设备。所述设备推荐方法包括：

步骤S1：采集并处理家居数据。

系统从原始语料中抽取家居数据，其中所述家居数据包括设备信息、控制信息、时间信息和功能效果中的至少一种，除此之外，家居数据还可以包括其它类型的数据，家居数据包括的具体数据类型可以根据实际的需求进行设定，本发明对家居数据包括的数据类型不做限定。系统从原始语料中抽取家居数据的方式包括实体抽取、关系抽取以及属性抽取中的至少一种，除此之外，系统从原始语料中抽取家居数据的方式是可选地，本发明对系统从原始语料中抽取家居数据的方式不做限定。其中，原始语料可以包括非结构化数据(例如，网站、文档等)所包含的设备相关信息、半结构化数据(例如，HTML等)所包含的设备相关信息以及结构化数据(例如，相关数据库、Excel等)所包含的设备相关信息的至少一种，原始语料的具体类型是可选地，本发明对原始语料的具体类型不做限定。

其中所述家居数据包括至少两个数据元素，处理家居数据包括生成所述至少两个数据元素之间的对应关系。例如，家居数据可以包括设备信息，控制信息和时间信息，那么处理家居数据即根据采集到的设备信息，控制信息和时间信息，生成设备信息，控制信息和时间信息之间的对应关系。

步骤S2：将处理后的家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱。将处理后的家居数据输入训练的推荐模型，所述推荐模型经由属性图聚类算法生成预置的知识图谱。

其中，将处理后的家居数据输入推荐模型，基于家居数据获得知识图谱包括：推荐模型对处理后的家居数据进行分析，基于分析结果判断多个设备之间对于某些操作是否会造成逻辑冲突，例如房间的通风需要开窗换气，与此同时为了保证房间的整体温度需要关窗保温，这便造成了逻辑冲突；若存在逻辑冲突的情况，则尽量回避逻辑冲突，获得没有逻辑冲突的知识图谱。且对设备之间的冲突关系加入标签，并保存在系统中，以便形成逻辑冲突数据库，可选地，可以在Neo4j完成基于图存储的NoSQL(泛指非关系型的数据库)数据库构建。形成逻辑冲突数据库后，再对设备进行推荐时，可以直接调用，节约时间，提高效率。其中，回避设备间的逻辑冲突的方法包括通过对设备功能语义具有极性判断功能的WordNet来避免功能之间的冲突,或者对于语义近似的问题，还需要使用WSD(Word SenseDisambiguation)技术进行消歧。

构建所述推荐模型的方法包括：

步骤S01:构建设备本体库。可选地，基于网络本体语言(OWL)与手工登记相结合的方式构建设备本体库。

步骤S02:对所述设备本体库内的设备本体进行实例化操作，填充知识图谱数据层以构建推荐模型。

步骤S3：基于用户历史行为数据和所述知识图谱进行设备推荐。应用于用户家庭的知识图谱需要用户登记家中设备调整图之间的相互关系，再根据用户的生活习惯生成实际知识图谱，完成对用户的个性化推荐。

图3所示为本发明一实施例提供的一种推荐列表生成方法的流程示意图。

参考图3，可选地，基于用户历史行为数据和所述知识图谱进行设备推荐的方法，包括：

步骤S10:将所述知识图谱中的设备实体映射到低维向量空间，并计算各个所述设备实体之间的内容相似度矩阵，可选地，可通过计算各个实体设备的欧式距离获得其相似度；同时，基于用户的历史行为生成行为矩阵。

步骤S20:基于各个所述设备实体之间的内容相似度矩阵和所述行为矩阵生成知识图谱和用户历史行为之间的相似度矩阵；

步骤S30：基于所述知识图谱和用户历史行为之间的相似度矩阵预测当前环境下用户的行为。可选地，基于TF-IDF算法计算出各个行为的权重，对预测得到的用户行为进行评分。

步骤S40：基于所述当前环境下用户的行为生成设备推荐列表。根据用户的行为评分生成设备推荐列表。

举例说明，根据用户日常对潮湿条件的行为(例如：空调、除湿机、无行为等，这里实际跟时间、湿度与温度等因素均有关系，例如晚上开空调、白天除湿机，同时跟用户体感与心情也有关系。)生成用户的行为矩阵，将其向量化后与各个设备实体之间的内容相似度矩阵进行加权融合，获得最终的知识图谱和用户历史行为之间的相似度矩阵。该方法通过综合设备之间的相似度、使用历史以及相似推荐等条件生成的矩阵，可以对用户在特定条件下使用某种设备进行TOP-N的预测，生成前N(N大于等于1)名设备的推荐列表供用户选择。

本发明通过基于知识图谱的推荐方法，根据家中的设备的家居数据与用户对产品的行为信息通过预置模型进行预测，仅通过模糊的需求便能完成相关的推荐，且能够预测出用户的兴趣特点，完成个性化的相关推荐。

实施例二：

图4所示为本发明一实施例提供的一种设备的推荐装置的结构示意图。

参考图4，本实施例提供一种设备的推荐装置100，包括：采集模块10和处理模块20。可选地，设备包括智能家居设备。其中，采集模块10作用为采集并处理家居数据；处理模块20作用为将所述家居数据输入推荐模型，基于所述家居数据获得知识图谱；基于用户历史行为数据和所述知识图谱进行设备推荐。

采集模块10采集到家居数据后对家居数据进行处理，得到家居数据间的对应关系，将处理后的家居数据输入处理模块20中的推荐模型，处理模块20对处理后的家居数据进行分析，基于分析结果判断多个设备之间对于某些操作是否会造成逻辑冲突，例如房间的通风需要开窗换气，与此同时为了保证房间的整体温度需要关窗保温，这便造成了逻辑冲突；若存在逻辑冲突的情况，则尽量回避逻辑冲突，获得没有逻辑冲突的知识图谱。且对设备之间的冲突关系加入标签，并保存在系统中，以便形成逻辑冲突数据库。再获得知识图谱后，处理模块20基于用户历史行为数据和所述知识图谱进行设备推荐，具体方法参考实施例一，在此不再赘述。

除此之外，处理模块20的作用还包括构建推荐模型，包括构建设备本体库；对所述设备本体库内的设备本体进行实例化操作，填充知识图谱数据层以构建推荐模型。

本发明中的知识图谱的推荐装置，能够根据家中的设备的家居数据与用户对产品的行为信息通过预置模型进行预测，仅通过模糊的需求便能完成相关的推荐，且能够预测出用户的兴趣特点，完成个性化的相关推荐。

实施例三：

本实施例提供了一种电子设备，该电子设备可以包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时实现如实施例一中的设备的推荐方法。可以理解，电子设备还可以包括，输入/输出(I/O)接口，以及通信组件。

其中，处理器用于执行如实施例一中的设备的推荐方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。

所述处理器可以是专用集成电路(Application Specific Integrated Cricuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable GateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的设备的推荐方法。

所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memery，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM),可编程只读存储器(Programmable Read-Only Memory，简称PROM),只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

实施例四：

本实施例还提供一种计算机可读存储介质。在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

而前述的存储介质包括：闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、APP应用商城等等各种可以存储程序校验码的介质，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如下方法步骤：

步骤S1：采集并处理家居数据；

步骤S2：将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；

步骤S3：基于用户历史行为数据和所述知识图谱进行设备推荐。

具体的实施方式和产生的效果可以参考实施例一中所述，本发明在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置、设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后、顶、底……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

另外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种设备的推荐方法，其特征在于，包括：

采集并处理家居数据；

将处理后的家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；

基于用户历史行为数据和所述知识图谱进行设备推荐。

2.根据权利要求1所述的设备的推荐方法，其特征在于，所述采集并处理家居数据包括：从原始语料中抽取所述家居数据，其中所述家居数据包括至少两个数据元素；

生成所述至少两个数据元素之间的对应关系。

3.根据权利要求2述的设备的推荐方法，其特征在于，所述原始语料包括：非结构化数据所包含的设备相关信息、半结构化数据所包含的设备相关信息和结构化数据所包含的设备相关信息中的至少一种。

4.根据权利要求2所述的设备的推荐方法，其特征在于，所述从原始语料中抽取所述家居数据包括：从原始语料中通过实体抽取、关系抽取以及属性抽取中的至少一种抽取所述家居数据。

5.根据权利要求1所述的设备的推荐方法，其特征在于，所述家居数据包括：设备信息、控制信息、时间信息和功能效果中的至少一种。

6.根据权利要求1所述的设备的推荐方法，其特征在于，所述将处理后的家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱包括：所述推荐模型对所述家居数据进行分析，基于分析结果判断多个设备间是否存在逻辑冲突，若是，则回避所述逻辑冲突，获得所述知识图谱，且对设备之间的冲突关系加入标签。

7.根据权利要求1所述的设备的推荐方法，其特征在于，所述将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱之前还包括：构建所述推荐模型，构建所述推荐模型包括：

构建设备本体库；

对所述设备本体库内的设备本体进行实例化操作，填充知识图谱数据层以构建推荐模型。

8.根据权利要求7所述的设备的推荐方法，其特征在于，所述构建设备本体库包括：基于网络本体语言与手工登记构建设备本体库。

9.根据权利要求1所述的设备的推荐方法，其特征在于，所述基于用户历史行为数据和所述知识图谱进行设备推荐包括：

将所述知识图谱中的设备实体映射到低维向量空间，并计算各个所述设备实体之间的内容相似度矩阵，基于用户的历史行为生成行为矩阵；

基于各个所述设备实体之间的内容相似度矩阵和所述行为矩阵生成知识图谱和用户历史行为之间的相似度矩阵；

基于所述知识图谱和用户历史行为之间的相似度矩阵预测当前环境下用户的行为；

基于所述当前环境下用户的行为生成设备推荐列表。

10.一种设备的推荐装置，其特征在于，包括

采集模块，作用为采集并处理家居数据；

处理模块，作用为将所述家居数据输入推荐模型，基于所述处理后的家居数据获得知识图谱；基于用户历史行为数据和所述知识图谱进行设备推荐。

11.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求1-9任一项所述的设备的推荐方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1-9任一项所述的设备的推荐方法。

Images