CN113009839B - 场景推荐方法和装置、存储介质及电子设备 - Google Patents

Abstract

本发明公开了一种场景推荐方法和装置、存储介质及电子设备。该方法包括：确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；根据所述最大频繁项集得到场景之间的强关联规则；将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。本发明解决了相关技术中无法向用户自动推荐关联场景的技术问题。

Description

场景推荐方法和装置、存储介质及电子设备

技术领域

本发明涉及智能家居领域，具体而言，涉及一种场景推荐方法和装置、存储介质及电子设备。

背景技术

智能家居领域中提供了多种场景，场景可以充分满足用户在生活中对于家居设备的各类应用需求。然而，由于随着技术的发展，智能家居领域中的场景多种多样，在开启场景时，用户选择起来非常不便，需要逐一选择和查找场景。例如，当用户启动某一场景后，想要启动另一关联的场景时，用户需要从智能家居系统中的多个场景中进行逐一查找。因此，相关技术中无法向用户自动推荐关联场景。

针对相关技术中，无法向用户自动推荐关联场景的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种场景推荐方法和装置、存储介质及电子设备，以至少解决相关技术中无法向用户自动推荐关联场景的技术问题。

根据本发明实施例的一个方面，提供了一种场景推荐方法，包括：确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；根据所述最大频繁项集得到场景之间的强关联规则；将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。

可选地，在确定当前用户对应的多个场景项集中的最大频繁项集之前，所述方法还包括：根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

可选地，所述确定当前用户对应的多个场景项集中的最大频繁项集，包括：将所述多个场景项集包括的所有场景组成的所有集合中的目标集合确定为所述最大频繁项集，其中，所述目标集合为所述所有集合中支持度计数超过预设支持度计数、且场景数量最大的一个集合。

可选地，所述将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户，包括：在确定出的所述至少一个待推荐场景的数量为1的情况下，将一个待推荐场景推荐给所述当前用户；在确定出的所述至少一个待推荐场景的数量大于1的情况下，将从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户。

可选地，所述将从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户，包括：从所述历史数据中确定出与所述至少一个待推荐场景中的每个待推荐场景对应的时间信息和用户信息；根据所述每个待推荐场景对应的时间信息和用户信息，从所述至少一个待推荐场景中筛选出与当前时间和所述当前用户的用户信息匹配的场景；将筛选出的场景推荐给所述当前用户，其中，所述目标场景为所述筛选出的场景。

可选地，所述根据所述最大频繁项集得到场景之间的强关联规则，包括：从所述最大频繁项集中确定所述最大频繁项集包括的场景组成的非空集合之间的关联规则；将所述关联规则中置信度超过预设置信度阈值的规则确定为所述强关联规则。

根据本发明的另一方面，提供了一种场景推荐装置，包括：第一确定模块，用于确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；第二确定模块，用于根据所述最大频繁项集得到场景之间的强关联规则；推荐模块，用于将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。

可选地，所述装置还包括预处理模块，用于：在确定当前用户对应的多个场景项集中的最大频繁项集之前：根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述语音检测方法。

根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的语音检测方法。

在本发明实施例中，确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；根据所述最大频繁项集得到场景之间的强关联规则；将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。由于根据用户的历史数据挖掘出了场景之间的强关联规则，并根据用户最近一次启动的场景和强关联规则确定出了至少一个待推荐场景并推荐给用户，即将关联场景推荐给用户，从而解决了相关技术中无法向用户自动推荐关联场景的技术问题，实现了向用户自动推荐关联场景。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，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为根据本发明实施例的场景推荐方法的流程图；

图2为根据本发明另一实施例的场景推荐方法的流程图；

图3为根据本发明又一实施例的场景推荐方法的流程图(一)；

图4为根据本发明又一实施例的场景推荐方法的流程图(二)；

图5为根据本发明又一实施例的场景推荐方法的流程图(三)；

图6是根据本发明实施例的场景推荐装置的结构框图；

图7是根据本发明另一实施例的场景推荐装置的结构框图；

图8是根据本发明又一实施例的场景推荐装置的结构框图(一)；

图9是根据本发明又一实施例的场景推荐装置的结构框图(二)；

图10是根据本发明实施例的一种可选的电子装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

对本发明实施例中涉及到的技术术语作如下解释：

关联规则：事务之间存在的隐藏的关系。关联规则的表示方法为：事务A＝>事务B[支持度＝2％；置信度＝70％]。其中，支持度(support)和(置信度)confidence是两个衡量这个规则是否有效的度量标准。

支持度(support)：support(A＝>B)＝P(A∪B)，表示在所有事务中，事务A和事务B同时出现的概率。

置信度(confidence)：confidence(A＝>B)＝support(A∪B)/support(A)，表示事务A和事务B同时出现的概率占事务A出现概率的比值。

强关联规则：超过预设支持度计数阈值和预设置信度阈值的关联关系。

项集：项集就是项的集合，以项为场景为例，例如：{场景1，场景2，场景3}这是一个3项集。项集的出现频度是同时包含项集中所有项的事务数，记作支持度计数。

频繁项集：支持度超过预定义的最小支持阈值的项集，可以简单理解为事务集中经常一起出现的项集。

本发明实施例提供了一种场景推荐方法，图1为根据本发明实施例的场景推荐方法的流程图，如图1所示，包括：

步骤S102，确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；

步骤S104，根据所述最大频繁项集得到场景之间的强关联规则；

步骤S106，将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。

在本发明实施例中，确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；根据所述最大频繁项集得到场景之间的强关联规则；将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。由于根据用户的历史数据挖掘出了场景之间的强关联规则，并根据用户最近一次启动的场景和强关联规则确定出了至少一个待推荐场景并推荐给用户，即将关联场景推荐给用户，从而解决了相关技术中无法向用户自动推荐关联场景的技术问题，实现了向用户自动推荐关联场景。

需要说明的是，上述实施例中的场景可以是智能家居系统中的各类场景，包括但不限于与灯光、窗帘、电视频道相关的各类场景。例如多个场景项集可以是：{场景1，场景3，场景7}，{场景5，场景2，场景3}，{场景4，场景6，场景8}。其中，场景1可以是灯光亮度为80％，场景2可以是窗帘开启，场景3可以是电视频道6等等场景。

在上述实施例中，如图2所示，在确定当前用户对应的多个场景项集中的最大频繁项集之前，所述方法还包括：

步骤S202，根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；

步骤S204，将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

其中，历史数据可以是用户在智能家居系统中的历史使用记录。

需要说明的是，所述确定当前用户对应的多个场景项集中的最大频繁项集，包括：将所述多个场景项集包括的所有场景组成的所有集合中的目标集合确定为所述最大频繁项集，其中，所述目标集合为所述所有集合中支持度计数超过预设支持度计数、且场景数量最大的一个集合。

可选地，根据所述多个场景项集生成候选1项集，删除候选1项集中支持度计数小于预设支持度计数的候选1项集，得到频繁1项集；将所述频繁1项集进行自连接得到候选2项集，删除所述候选2项集中支持度计数小于所述预设支持度计数的候选2项集，得到频繁2项集；并重复上述迭代过程，直至得到最大频繁项集。

在上述实施例中，某个集合(即项集)的支持度计数为该项集在上述多个场景项集中出现的总次数，某个集合(即项集)的场景数量为该项集中包括的场景的总项数。例如，对于3项集：{场景1，场景3，场景7}，其共包括了3个场景。

作为一种可选的实施方式，确定当前用户对应的多个场景项集中的最大频繁项集包括但不限于使用Apriori算法从上述多个场景项集中挖掘出上述最大频繁项集，或其他挖掘算法。

其中，所述将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户，包括：在确定出的所述至少一个待推荐场景的数量为1的情况下，将一个待推荐场景推荐给所述当前用户；在确定出的所述至少一个待推荐场景的数量大于1的情况下，将从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户。

在上述实施例中，当仅确定出一个待推荐场景时，可以直接将确定出的这一个待推荐场景推荐给用户；当确定出多个待推荐场景时，对多个待推荐场景进行筛选。

作为一种可选的实施方式，如图3所示，所述将从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户，包括：

步骤S302，从所述历史数据中确定出与所述至少一个待推荐场景中的每个待推荐场景对应的时间信息和用户信息；

步骤S304，根据所述每个待推荐场景对应的时间信息和用户信息，从所述至少一个待推荐场景中筛选出与当前时间和所述当前用户的用户信息匹配的场景；

步骤S306，将筛选出的场景推荐给所述当前用户，其中，所述目标场景为所述筛选出的场景。

需要说明的是，历史数据中记录了每个场景对应的时间信息和用户信息，其中，用户信息包括但不限于启动场景的用户的年龄、性别等信息，时间信息包括但不限于用户启动该场景的时间。

在上述实施例中，可以根据每个待推荐场景对于的时间信息和用户信息，从确定出的多个待推荐场景中筛选出与当前时间和当前用户的用户信息匹配的一个待推荐场景，并将该一个待推荐场景推荐给当前用户。

作为一种可选的实施方式，目标场景对应的时间信息与当前时间匹配，包括但不限于二者处于同一时间段内，其中，时间段可以是上午、下午、晚上等范围上的时间段内，或是小时。并且目标场景对应的用户信息与当前用户的用户信息匹配，包括但不限于目标场景对应的用户信息中性别与当前用户的用户信息中的性别相同，并且目标场景对应的用户信息中的年龄与当前用户的用户信息中的年龄处于相同年龄段。

基于上述实施例，如图4所示，所述根据所述最大频繁项集得到场景之间的强关联规则，包括：

步骤S402，从所述最大频繁项集中确定所述最大频繁项集包括的场景组成的非空集合之间的关联规则；

步骤S404，将所述关联规则中置信度超过预设置信度阈值的规则确定为所述强关联规则。

作为一种可选的实施方式，可以使用Apriori算法根据最大频繁项集得到场景之间的强关联规则，或者使用其他挖掘算法从最大频繁项集中得到强关联规则。

以下结合一示例对上述实施例中的场景推荐方法进行解释说明，但不用于限定本发明实施例的技术方案。以当前用户对应的历史数据中包括表1中的5个场景模式，上述实施例中的场景为电视频道，并且使用Apriori算法挖掘多个场景项集中的最大频繁项集为例：

表1

其中，每个场景模式中包括了多个场景。

如图5所示，一个可选实施例提供的场景推荐方法包括以下步骤：

步骤S502，将上述9个场景模式预处理为表2中的9个场景项集(其中每个场景项集看作是一个事务)：

表2

步骤S504，计算场景间的强关联规则；

步骤S506，确定待推荐场景。

其中，步骤S504包括以下步骤：

以上述实施例中的当前用户为儿童为例，在当前用户使用智能电视机时，可以通过语音控制的方式进入选择模式，并从中对电视频道进行选择。预设支持度计数阈值60％，以表2中的事务为例，事务总数为5，则支持度计数阈值为：5*60％＝3。

首先进行第一次迭代：扫描所有的事务数据，对每个项进行计数得到候选1项集，记为C1，结果如表3所示。

表3

其中，每个1项集的支持度计数为该1项集中的场景在所有事务中的出现次数。

从所有候选1项集中，剔除支持度计数未超过预设支持度计数阈值的项集(即项集：{场景5}、{场景6})，得到了表4中所示的频繁1项集，记作L1。

表4

接下来，进行第二轮迭代，目的是得出频繁2项集。其中，频繁1项集进行自连接得到如表5所示的候选2项集(其中，每个项集中的相同项合并)，记作C2。

表5

其中，以{场景1，场景4}为例，该项集的支持度计数为所有事务中同时包括了场景1和场景4的事务总数。

对候选2项集进行剪枝：剔除其中不满足预设支持度计数阈值的项集：{场景1，场景4}、{场景1，场景4}，得到如表6所示的频繁2项集，记作L2。

表6

重复进行上述迭代，即频繁2项集自连接得到如表7所示的候选3项集，记作C3。

表7

对候选3项集进行剪枝：剔除其中不满足预设支持度计数阈值的项集得到频繁3项集。由于候选3项集中的所有项集的支持度计数均不超过2，因此，得到的频繁3项集为空。结束迭代，并将得到的频繁2项集确定为上述事务中的最大频繁项集。

需要说明的是，在上述实施例中，在进行迭代时，直至没有发现频繁(n+1)项集)(即频繁(n+1)项集为空)，则将得到的频繁n项集确定为最大频繁项集，并结束迭代。

根据最大频繁项集得到强关联规则：对于一个最大频繁项集Y，可以按照以下方式提取其中的强关联规则：将项集Y划分成两个非空的子集X和Y-X，使得X->Y-X满足预设置信度阈值。

在另一个可选实施例中，以通过执行上述步骤得到的最大频繁项集为：{场景1，场景2，场景3}为例，则可以得到如下候选关联规则：

{场景1，场景2}->{场景3}，

{场景1，场景3}->{场景2}，

{场景2，场景3}->{场景1}，

{场景1}->{场景2，场景3}，

{场景2}->{场景1，场景3}，

{场景3}->{场景1，场景2}。

其中，以置信度超过预设置信度阈值的规则(即强关联规则)为：{场景1，场景2}->{场景3}，{场景1，场景3}->{场景2}为例，则步骤S506具体为：

以当前用户最近一次启动的场景为场景1为例，由于根据强关联规则可知：场景1、2与场景3之间存在强关联关系，并且场景1、3与场景2之间存在强关联关系，从而场景1与场景2、场景3之间存在强关联关系，因此，得到2个待推荐场景：场景2和场景3。

从当前用户对应的历史数据中查找场景2和场景3分别对应的时间信息和用户信息如表8所示：

表8

场景	时间信息和用户信息
		场景2	10:00；12岁，男
场景3	14:00；20岁，女

由于当前时间是10:30，当前用户的用户信息为9岁，性别为男，由于当前用户的用户信息与场景2对应的用户信息匹配，并且当前时间与场景2对应的时间信息匹配，因此确定将场景2推荐给当前用户。

需要说明的是，在上述实施例中，在当前用户打开电视机时，对当前用户进行定位，即得到当前用户的用户信息，并对当前用户启动(或称为打开或执行)的场景进行记录，进而通过上述实施例向当前用户推荐确定出的关联场景。

通过上述实施例，可以实现自动向用户推送关联的场景。

在本实施例中还提供了一种场景推荐装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是根据本发明实施例的场景推荐装置的结构框图，如图6所示，该装置包括：

第一确定模块62，用于确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；

第二确定模块64，用于根据所述最大频繁项集得到场景之间的强关联规则；

推荐模块66，用于将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。

在本发明实施例中，确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；根据所述最大频繁项集得到场景之间的强关联规则；将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。由于根据用户的历史数据挖掘出了场景之间的强关联规则，并根据用户最近一次启动的场景和强关联规则确定出了至少一个待推荐场景并推荐给用户，即将关联场景推荐给用户，从而解决了相关技术中无法向用户自动推荐关联场景的技术问题，实现了向用户自动推荐关联场景。

其中，如图7所示，所述装置还包括预处理模块72，用于：在确定当前用户对应的多个场景项集中的最大频繁项集之前：根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

在上述实施例中，预处理模块72还用于：根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

需要说明的是，第一确定模块62，还用于：将所述多个场景项集包括的所有场景组成的所有集合中的目标集合确定为所述最大频繁项集，其中，所述目标集合为所述所有集合中支持度计数超过预设支持度计数、且场景数量最大的一个集合。

其中，推荐模块66，还用于：在确定出的所述至少一个待推荐场景的数量为1的情况下，将一个待推荐场景推荐给所述当前用户；在确定出的所述至少一个待推荐场景的数量大于1的情况下，将从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户。

可选地，如图8所示，推荐模块66，包括：第一确定单元82，用于从所述历史数据中确定出与所述至少一个待推荐场景中的每个待推荐场景对应的时间信息和用户信息；筛选单元84，用于根据所述每个待推荐场景对应的时间信息和用户信息，从所述至少一个待推荐场景中筛选出与当前时间和所述当前用户的用户信息匹配的场景；推荐单元86，用于将筛选出的场景推荐给所述当前用户，其中，所述目标场景为所述筛选出的场景。

作为一种可选的实施方式，如图9所示，第二确定模块64，包括：第二确定单元92，用于从所述最大频繁项集中确定所述最大频繁项集包括的场景组成的非空集合之间的关联规则；第三确定单元94，用于将所述关联规则中置信度超过预设置信度阈值的规则确定为所述强关联规则。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；

S2，根据所述最大频繁项集得到场景之间的强关联规则；

S3，将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。

在一个示例性实施例中，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

在一个示例性实施例中，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，确定当前用户对应的多个场景项集中的最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景；

S2，根据所述最大频繁项集得到场景之间的强关联规则；

S3，将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户。

在一个示例性实施例中，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

图10是根据本发明实施例的一种可选的电子装置的结构示意图。可选地，本领域普通技术人员可以理解，图10所示的结构仅为示意，电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图10其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图10中所示更多或者更少的组件(如网络接口等)，或者具有与图10所示不同的配置。

其中，存储器1002可用于存储软件程序以及模块，如本发明实施例中的场景推荐方法和场景推荐装置对应的程序指令/模块，处理器1004通过运行存储在存储器1002内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的场景推荐方法。存储器1002可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1002可进一步包括相对于处理器1004远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。作为一种示例，上述存储器1002中可以但不限于包括上述场景推荐装置的第一确定模块62，第二确定模块64和推荐模块66。此外，还可以包括但不限于上述场景推荐装置中的其他模块单元，本示例中不再赘述。

可选地，上述的传输设备1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输设备1006包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输设备1006为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

此外，上述电子设备还包括：显示器1008，用于显示画面；和连接总线1010，用于连接上述电子装置中的各个模块部件。

在其他实施例中，上述终端或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点(P2P，Peer To Peer)网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，在一个示例性实施例中，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种场景推荐方法，其特征在于，包括：

根据当前用户的语音控制操作进入场景选择模式时，对所述当前用户进行定位，得到所述当前用户的用户信息，并获取当前时间信息；

将当前用户对应的多个场景项集中包括的所有场景组成的所有集合中的目标集合确定为最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景，所述目标集合为所述所有集合中支持度计数超过预设支持度计数阈值、且场景数量最大的一个集合，所述预设支持度计数阈值为根据与所述场景项集对应的事务的数量和预设阈值比例计算得到；根据所述最大频繁项集得到场景之间的强关联规则；

将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户，包括：在确定出的所述至少一个待推荐场景的数量为1的情况下，将一个待推荐场景推荐给所述当前用户；在确定出的所述至少一个待推荐场景的数量大于1的情况下，根据所述当前用户的所述用户信息和所述当前时间信息从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户；

所述当前用户对应的多个场景项集中包括的所有场景组成的所有集合中的目标集合确定为所述最大频繁项集，包括：删除根据多个场景项集生成的候选1项集中支持度计数小于预设支持度计数的候选1项集，得到频繁1项集；将所述频繁1项集进行自连接得到候选2项集，删除所述候选2项集中支持度计数小于所述预设支持度计数的候选2项集，得到频繁2项集；重复迭代，直至频繁(n+1)项集为空，则将得到的频繁n项集确定为最大频繁项集。

2.根据权利要求1所述的方法，其特征在于，在将当前用户对应的多个场景项集中包括的所有场景组成的所有集合中的目标集合确定为所述最大频繁项集之前，所述方法还包括：

根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；

将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述当前用户的所述用户信息和所述当前时间信息从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户，包括：

从所述历史数据中确定出与所述至少一个待推荐场景中的每个待推荐场景对应的时间信息和用户信息；

根据所述每个待推荐场景对应的时间信息和用户信息，从所述至少一个待推荐场景中筛选出与当前时间和所述当前用户的用户信息匹配的场景；

将筛选出的场景推荐给所述当前用户，其中，所述目标场景为所述筛选出的场景。

4.根据权利要求1所述的方法，其特征在于，所述根据所述最大频繁项集得到场景之间的强关联规则，包括：

从所述最大频繁项集中确定所述最大频繁项集包括的场景组成的非空集合之间的关联规则；

将所述关联规则中置信度超过预设置信度阈值的规则确定为所述强关联规则。

5.一种场景推荐装置，其特征在于，包括：

第一确定模块，用于将当前用户对应的多个场景项集中包括的所有场景组成的所有集合中的目标集合确定为最大频繁项集，其中，所述多个场景项集是根据所述当前用户对应的历史数据得到的，所述多个场景项集中的每个场景项集包括了至少一个场景，所述目标集合为所述所有集合中支持度计数超过预设支持度计数阈值、且场景数量最大的一个集合，所述预设支持度计数阈值为根据与所述场景项集对应的事务的数量和预设阈值比例计算得到；第一确定模块还用于根据当前用户的语音控制操作进入场景选择模式时，对所述当前用户进行定位，得到所述当前用户的用户信息，并获取当前时间信息；

第二确定模块，用于根据所述最大频繁项集得到场景之间的强关联规则；

推荐模块，用于将根据所述当前用户最近一次启动的场景以及所述强关联规则确定出的至少一个待推荐场景推荐给所述当前用户，包括：在确定出的所述至少一个待推荐场景的数量为1的情况下，将一个待推荐场景推荐给所述当前用户；在确定出的所述至少一个待推荐场景的数量大于1的情况下，根据所述当前用户的所述用户信息和所述当前时间信息从所述至少一个待推荐场景中筛选出的目标场景推荐给所述当前用户；

所述当前用户对应的多个场景项集中包括的所有场景组成的所有集合中的目标集合确定为所述最大频繁项集，包括：删除根据多个场景项集生成的候选1项集中支持度计数小于预设支持度计数的候选1项集，得到频繁1项集；将所述频繁1项集进行自连接得到候选2项集，删除所述候选2项集中支持度计数小于所述预设支持度计数的候选2项集，得到频繁2项集；重复迭代，直至频繁(n+1)项集为空，则将得到的频繁n项集确定为最大频繁项集。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括预处理模块，用于：在确定当前用户对应的多个场景项集中的最大频繁项集之前：

根据所述当前用户的用户标识，从数据库中查找与所述用户标识对应的所述历史数据，其中，所述历史数据包括至少一个场景模式，所述至少一个场景模式中的每个场景模式包括所述当前用户在启动所述最近一次启动的场景之前启动的至少一个场景；

将所述每个场景模式中包括的场景组成的集合确定为一个所述场景项集。

7.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至4任一项中所述的方法。

8.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至4任一项中所述的方法。