CN114690731A - 一种关联场景推荐方法、装置、存储介质及电子装置 - Google Patents

一种关联场景推荐方法、装置、存储介质及电子装置 Download PDF

Info

Publication number
CN114690731A
CN114690731A CN202210234289.8A CN202210234289A CN114690731A CN 114690731 A CN114690731 A CN 114690731A CN 202210234289 A CN202210234289 A CN 202210234289A CN 114690731 A CN114690731 A CN 114690731A
Authority
CN
China
Prior art keywords
sequence
action
scene
actions
determining
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.)
Granted
Application number
CN202210234289.8A
Other languages
English (en)
Other versions
CN114690731B (zh
Inventor
刘建国
孙凯
张旭
区波
张砚国
张向磊
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.)
Qingdao Haier Technology Co Ltd
Haier Smart Home Co Ltd
Original Assignee
Qingdao Haier Technology Co Ltd
Haier Smart Home 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 Qingdao Haier Technology Co Ltd, Haier Smart Home Co Ltd filed Critical Qingdao Haier Technology Co Ltd
Priority to CN202210234289.8A priority Critical patent/CN114690731B/zh
Priority to PCT/CN2022/100832 priority patent/WO2023168856A1/zh
Publication of CN114690731A publication Critical patent/CN114690731A/zh
Application granted granted Critical
Publication of CN114690731B publication Critical patent/CN114690731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/42—Recording and playback systems, i.e. in which the programme is recorded from a cycle of operations, e.g. the cycle of operations being manually controlled, after which this record is played back on the same machine
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种关联场景推荐方法、装置、存储介质及电子装置，涉及智能家居/智慧家庭技术领域，该方法包括：根据当前客户端的行为动作生成至少两个动作序列；使用关联算法确定该至少两个动作序列的第一关联动作序列；根据该第一关联动作序列确定目标场景序列，并使用该关联算法确定该目标场景序列的关联场景序列；向该客户端推荐该关联场景序列，可以解决相关技术中的以规则为中心推荐场景或推荐最多使用的场景，场景推荐效果不佳的问题，从用户的行为动作中确定关联动作，基于关联动作确定场景，再次基于场景确定关联场景并推荐，不需要获得其他维度，实现成本较低，推荐的场景更能满足用户需求，提高了场景推荐效果。

Description

一种关联场景推荐方法、装置、存储介质及电子装置
技术领域
本申请涉及智能家居/智慧家庭技术领域，具体而言，涉及一种关联场景推荐方法、装置、存储介质及电子装置。
背景技术
现在随着智能家电控制系统的普及，越来越多的智能家电支持自动控制，而使用自动控制系统一般都是有一定的场景的。每个场景将包含一个或几个连续动作，或者关联动作形成动作序列。一个动作序列可能代表一个场景例如，回家、离家、就寝、起床、睡前阅读等场景。当一个用户执行完一个场景后，又会习惯执行什么场景。
已有的其他方案仅仅是简单统计最大使用过的场景，丢失了场景之间的关联关系。而场景之间的关联关系是客观存在的，如回家、就寝等。是由几个关联动作组成的序列，组成的关联场景。现有场景推荐，都是以规则为中心，或者仅仅统计最多使用的场景。
针对相关技术中的以规则为中心推荐场景或推荐最多使用的场景，场景推荐效果不佳的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种关联场景推荐方法、装置、存储介质及电子装置，以至少解决相关技术中的以规则为中心推荐场景或推荐最多使用的场景，场景推荐效果不佳的问题。
根据本发明的一个实施例，提供了一种关联场景推荐方法，包括：
根据当前客户端的行为动作生成至少两个动作序列；
使用关联算法确定所述至少两个动作序列的第一关联动作序列；
根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
向所述客户端推荐所述关联场景序列。
在一示例性实施例中，根据当前客户端的行为动作生成至少两个动作序列包括：
获取所述行为动作中每个动作的发生时间；
确定所述行为动作中相邻两个动作的发生时间的第一时间差；
将所述第一时间差大于第一预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
在一示例性实施例中，使用关联算法确定所述至少两个动作序列的第一关联动作序列包括：
获取所述至少两个动作序列中的相同动作；
若所述相同动作为一个动作，形成包括所述动作的第一关联动作序列；
若所述相同动作为N个动作，根据所述N个动作生成所述第一关联动作序列，其中，所述第一关联动作序列包括所述N个动作中每N-i个动作的序列与N个动作的序列，i大于或等于1，且i小于N。
在一示例性实施例中，根据所述第一关联动作序列确定目标场景序列包括：
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第一关联动作序列的目标场景序列。
在一示例性实施例中，使用所述关联算法确定所述目标场景序列的关联场景序列包括：
根据所述目标场景序列生成至少两个动作序列；
使用关联算法确定所述至少两个动作序列的第二关联动作序列；
根据所述第二关联动作序列确定所述关联场景序列。
在一示例性实施例中，根据所述目标场景序列生成至少两个场景序列包括：
获取所述目标场景序列中每个动作的发生时间；
分别确定所述目标场景序列中相邻两个动作的发生时间的第二时间差；
将所述第二时间差大于第二预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
在一示例性实施例中，根据所述第二关联动作序列确定所述关联场景序列包括：
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第二关联动作序列的关联场景序列。
在一示例性实施例中，所述方法还包括：
获取所述客户端预设时间段内的多组历史动作；
分别对所述多组历史动作中每组历史动作生成至少两个动作序列；
使用关联算法确定所述每组历史动作的所述至少两个动作序列的关联动作序列；
获取所述关联动作序列对应的场景序列，并将所述关联动作序列与场景序列的对应关系存储到所述客户端的场景序列列表中。
根据本发明的另一个实施例，还提供了一种关联场景推荐装置，包括：
生成模块，用于根据当前客户端的行为动作生成至少两个动作序列；
第一确定模块，用于使用关联算法确定所述至少两个动作序列的第一关联动作序列；
第二确定模块，用于根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
推荐模块，用于向所述客户端推荐所述关联场景序列。
在一示例性实施例中，所述生成模块，还用于
获取所述行为动作中每个动作的发生时间；
确定所述行为动作中相邻两个动作的发生时间的第一时间差；
将所述第一时间差大于第一预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
在一示例性实施例中，所述第一确定模块，还用于
获取所述至少两个动作序列中的相同动作；
若所述相同动作为一个动作，形成包括所述动作的第一关联动作序列；
若所述相同动作为N个动作，根据所述N个动作生成所述第一关联动作序列，其中，所述第一关联动作序列包括所述N个动作中每N-i个动作的序列与N个动作的序列，i大于或等于1，且i小于N。
在一示例性实施例中，所述第一确定模块，还用于
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第一关联动作序列的目标场景序列。
在一示例性实施例中，所述第二确定模块包括：
生成子模块，用于根据所述目标场景序列生成至少两个动作序列；
第一确定子模块，用于使用关联算法确定所述至少两个动作序列的第二关联动作序列；
第二确定子模块，用于根据所述第二关联动作序列确定所述关联场景序列。
在一示例性实施例中，所述生成子模块，还用于
获取所述目标场景序列中每个动作的发生时间；
分别确定所述目标场景序列中相邻两个动作的发生时间的第二时间差；
将所述第二时间差大于第二预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
在一示例性实施例中，所述第二确定子模块，还用于
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第二关联动作序列的关联场景序列。
在一示例性实施例中，所述装置还包括：
获取模块，用于获取所述客户端预设时间段内的多组历史动作；
生成模块，用于分别对所述多组历史动作中每组历史动作生成至少两个动作序列；
第三确定模块，用于使用关联算法确定所述每组历史动作的所述至少两个动作序列的关联动作序列；
存储模块，用于获取所述关联动作序列对应的场景序列，并将所述关联动作序列与场景序列的对应关系存储到所述客户端的场景序列列表中。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述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。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明实施例，根据当前客户端的行为动作生成至少两个动作序列；使用关联算法确定所述至少两个动作序列的第一关联动作序列；根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；向所述客户端推荐所述关联场景序列，可以解决相关技术中的以规则为中心推荐场景或推荐最多使用的场景，场景推荐效果不佳的问题，从用户的行为动作中确定关联动作，基于关联动作确定场景，再次基于场景确定关联场景并推荐，不需要获得其他维度，实现成本较低，推荐的场景更能满足用户需求，提高了场景推荐效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
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是根据本申请实施例的一种关联场景推荐方法的硬件环境示意图；
图2是根据发明实施例的关联场景推荐方法的流程图；
图3是根据本发明实施例的关联场景推荐的流程图；
图4是根据本发明实施例的关联场景推荐装置的框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面，提供了一种关联场景推荐方法。该关联场景推荐方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(Intelligence House)生态等全屋智能数字化控制应用场景。可选地，在本实施例中，上述关联场景推荐方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示，服务器104通过网络与终端设备102进行连接，可用于为终端或终端上安装的客户端提供服务(如应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务，可在服务器上或独立于服务器配置云计算和/或边缘计算服务，用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：WIFI(Wireless Fidelity，无线保真)，蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能洗衣机等。
图2是根据发明实施例的关联场景推荐方法的流程图，如图2所示，包括：
步骤S202，根据当前客户端的行为动作生成至少两个动作序列；
步骤S204，使用关联算法确定所述至少两个动作序列的第一关联动作序列；
步骤S206，根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
步骤S208，向所述客户端推荐所述关联场景序列。
通过上述步骤S202至S208，根据当前客户端的行为动作生成至少两个动作序列；使用关联算法确定所述至少两个动作序列的第一关联动作序列；根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；向所述客户端推荐所述关联场景序列，可以解决相关技术中的以规则为中心推荐场景或推荐最多使用的场景，场景推荐效果不佳的问题，从用户的行为动作中确定关联动作，基于关联动作确定场景，再次基于场景确定关联场景并推荐，不需要获得其他维度，实现成本较低，推荐的场景更能满足用户需求，提高了场景推荐效果。
上述步骤S202中，具体可以通过行为动作的发生时间生成动作序列，在一示例性实施例中，获取所述行为动作中每个动作的发生时间；确定所述行为动作中相邻两个动作的发生时间的第一时间差；将所述第一时间差大于第一预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。假设动作为a,b,d,c,f。每个动作发生的时刻为t1,t2,t3,t4,t5。设以第一预设时间为Δ来分割动作，当ti-ti-1>Δ时，将动作进行分割，如t3-t2>Δ，则a,b为一个序列，d,c,f为一个序列。
上述步骤S204中，具体可以通过相同动作确定动作序列的关联动作序列，在一示例性实施例中，获取所述至少两个动作序列中的相同动作；若相同动作为一个动作，形成包括所述动作的第一关联动作序列，如动作序列1为<a,b,d>,动作序列2为<b,c,f>,则相同动作为<b>，组成的第一关联动作为<b>；若所述相同动作为N个动作，根据所述N个动作生成所述第一关联动作序列，其中，所述第一关联动作序列包括所述N个动作中每N-i个动作的序列与N个动作的序列，i大于或等于1，且i小于N，如动作序列1为<a,b,d>,动作序列2为<b,c,d,f>,则相同动作为<b>、<d>、<b,d>，组成的第一关联动作序列为<b>、<d>、<b,d>。
上述步骤S206中，可以基于预先存储的场景序列列表确定场景序列，在该场景序列列表中存储有关联动作序列与场景序列的对应关系，在一示例性实施例中，从场景序列列表中获取包含第一关联动作序列的目标场景序列，例如，若第一关联动作序列为<b>，通过查询场景序列列表得到包含<b>的场景序列为<b,e,f>，即确定目标场景序列为<b,e,f>；若第一关联动作序列为<b>、<d>、<b,d>，通过查询场景序列列表得到包含<b>的目标场景序列为<b,e,f>，<d,c>，<b,d,e,f>。
上述步骤S206中，可以通过关联动作序列确定关联场景序列，在一示例性实施例中，根据目标场景序列生成至少两个动作序列，具体可以根据目标场景序列中的动作的发生时间，基于大于第一预设时间的第二预设时间划分为至少两个动作序列，具体的，通过以下方式生成：获取目标场景序列中每个动作的发生时间；分别确定所述目标场景序列中相邻两个动作的发生时间的第二时间差；将所述第二时间差大于第二预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列，若目标场景序列为<b,e,f>，<d,c>，<b,d,e,f>，将目标场景序列组合为一个场景序列<b,e,f,d,c,b,d,e,f>，根据每相邻动作的发生时间差值，生成两个动作序列<b,e,f,d,c>，<b,d,e,f>；使用关联算法确定所述至少两个动作序列的第二关联动作序列，基于上述第一关联动作序列类似的方式确定第二关联动作序列,例如两个动作序列<b,e,f,d,c>，<b,d,e,f>，则第二关联动作序列为<b,d,e,f>；根据所述第二关联动作序列确定所述关联场景序列，具体的，可以基于上述的场景序列列表确定场景序列的关联场景序列，在该场景序列列表中存储有关联动作序列与场景序列的对应关系，从场景序列列表中获取包含第二关联动作序列的关联场景序列。在一示例性实施例中，从场景序列列表中获取包含第二关联动作序列的关联场景序列，例如，若第二关联动作序列为<b,d,c,f>，通过查询场景序列列表得到包含<b,d,e,f>的场景序列为<b,d,e,f，g,h>，即关联场景序列为<b,d,e,f,g,h>，即当动作<b,d>发生后，则推荐关联场景<e,f,g,h>。
在一示例性实施例中，根据客户端的历史数据确定客户端的关联动作序列与场景序列的对应关系，并存储到场景序列列表中，便于后续确定该客户端的目标场景序列，具体的，获取所述客户端预设时间段内的多组历史动作；分别对所述多组历史动作中每组历史动作生成至少两个动作序列；使用关联算法确定所述每组历史动作的所述至少两个动作序列的关联动作序列；获取所述关联动作序列对应的场景序列，并将所述关联动作序列与场景序列的对应关系存储到所述客户端的场景序列列表中。
图3是根据本发明实施例的关联场景推荐的流程图，如图3所示，包括：
步骤S301，将用户的原始动作，生成动作序列。方法如下：假设动作为a1,a2,a3,a4,a5。每个动作发生的时刻为t1,t2,t3,t4,t5。设以时间间隔为Δ来分割动作，当ti-ti-1>Δ时，将动作进行分割，如t3-t2>Δ则a1,a2为一个序列，a3,a4,a5为一个序列。如此做，将所有用户动作都变成动作序列。
步骤S302，将用户的动作序列，使用关联算法计算出关联动作序列。
Apriori算法将发现关联规则的过程分为两个步骤：第一步通过迭代，检索出事务数据库1中的所有频繁项集，即支持度不低于用户设定的阈值的项集；第二步利用频繁项集构造出满足用户最小信任度的规则。其中，挖掘或识别出所有频繁项集是该算法的核心，占整个计算量的大部分。
如动作序列1<a,b,d>,序列2<b,c,d,f>,则关联动作为<b>、<d>、<b,d>两个动作以上组成的关联动作可以是有序的，也可以是无序的，如动作序列1<a,b,d>,动作序列2<d,c,b,f>的关联动作也是<b,d>。
步骤S303，以关联动作序列，形成场景序列。如此形成用户动作的一个个关联动作如<b>,<d>,<b,d>，其中将关联动作序列作为频繁项，如动作序列<a,b,d>包含关联动作<b>,<d>,<b,d>。设动作序列<a,b,d>的开始时刻为ta，即动作a的发生时刻。动作序列结束的时间为td即动作d发生的时刻。则关联动作<b>,<d>,<b,d>的开始时刻均为ta，结束时刻均为td。如此设关联动作<b>,<d>,<b,d>分别为A,B,C。其开始结束时间分别为：ta、td。则每个动作序列都包含一些关联项，或者没有关联项。步骤一中的每个时间序列，认为是一个完整的事件，则每个时间如A1,A2,A3,A4,A5之间的时间间隔一定大于Δ。以更大的时间间隔Δ为间隔将A1,A2,A3,A4,A5再形成更大的时间序列如<A1,A2>为一个序列<A3,A4,A5>为序列。将其中的A1,A2,A3,A4,A5变成其中包含的最大的关联序列如A1包含关联序列<b,d>,假设A2包含最长的关联序列<e,f>并设<b,d>为x,<e,f>为y。将序列的序列换成包含的关联动作的指代值如<A1,A2>变成<x,y>。
步骤S304，使用关联算法计算场景序列的关联场景序列。将步骤S303计算处理过的场景序列变成一些关联动作组合的序列的指代值的序列如<A1,A2>变成<x,y>。以形如<x,y>这类序列为关联算法输入再次使用关联算法计算关联规则。如<A1,A2>变成<x,y>,<A3,A4,A5>变成<x,y,z>。如此<x,y>为关联值。x代表的动作为b,d，而y代表的动作为e,f此关联规则代表的含义为当发生b,d两个关联动作后，会发生e,f这组关联动作。关联动作可以取前向的，也可以取不分方向的。
步骤S305，将计算出的关联场景序列进行推荐，如当b,d动作发生后，推荐一组动作e,f。
本发明实施例使用无监督学习，完全基于用户个人历史数据计算，不需要额外获得其他属性，仅仅使用公司积累的大数据即可。可以制定遗忘曲线，对用户最新的习惯加以识别。使用场景推荐，获得场景的前提下，能够理解用户更宏观的使用习惯。可以对场景进行推荐。使用关联动作计算关联场景，可以在无监督不需要采集额外属性的情况下，学习到用户更宏观的使用习惯。除了个人习惯外，该方法可以非常容易的得到群体习惯。学习到群体用户使用场景的习惯。以最低成本实现，场景推荐系统。计算上成本较低不需要昂贵的硬件及复杂的人工智能算法。
根据本发明的另一个实施例，还提供了一种关联场景推荐装置，图4是根据本发明实施例的关联场景推荐装置的框图，如图4所示，包括：
生成模块42，用于根据当前客户端的行为动作生成至少两个动作序列；
第一确定模块44，用于使用关联算法确定所述至少两个动作序列的第一关联动作序列；
第二确定模块46，用于根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
推荐模块48，用于向所述客户端推荐所述关联场景序列。
在一示例性实施例中，所述生成模块，还用于
获取所述行为动作中每个动作的发生时间；
确定所述行为动作中相邻两个动作的发生时间的第一时间差；
将所述第一时间差大于第一预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
在一示例性实施例中，所述第一确定模块，还用于
获取所述至少两个动作序列中的相同动作；
若所述相同动作为一个动作，形成包括所述动作的第一关联动作序列；
若所述相同动作为N个动作，根据所述N个动作生成所述第一关联动作序列，其中，所述第一关联动作序列包括所述N个动作中每N-i个动作的序列与N个动作的序列，i大于或等于1，且i小于N。
在一示例性实施例中，所述第一确定模块，还用于
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第一关联动作序列的目标场景序列。
在一示例性实施例中，所述第二确定模块包括：
生成子模块，用于根据所述目标场景序列生成至少两个动作序列；
第一确定子模块，用于使用关联算法确定所述至少两个动作序列的第二关联动作序列；
第二确定子模块，用于根据所述第二关联动作序列确定所述关联场景序列。
在一示例性实施例中，所述生成子模块，还用于
获取所述目标场景序列中每个动作的发生时间；
分别确定所述目标场景序列中相邻两个动作的发生时间的第二时间差；
将所述第二时间差大于第二预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
在一示例性实施例中，所述第二确定子模块46，还用于
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第二关联动作序列的关联场景序列。
在一示例性实施例中，所述装置还包括：
获取模块，用于获取所述客户端预设时间段内的多组历史动作；
生成模块，用于分别对所述多组历史动作中每组历史动作生成至少两个动作序列；
第三确定模块，用于使用关联算法确定所述每组历史动作的所述至少两个动作序列的关联动作序列；
存储模块，用于获取所述关联动作序列对应的场景序列，并将所述关需要说明的是，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。
可选地，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，根据当前客户端的行为动作生成至少两个动作序列；
S2，使用关联算法确定所述至少两个动作序列的第一关联动作序列；
S3，根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
S4，向所述客户端推荐所述关联场景序列。
可选地，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。
可选地，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。
可选地，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，根据当前客户端的行为动作生成至少两个动作序列；
S2，使用关联算法确定所述至少两个动作序列的第一关联动作序列；
S3，根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
S4，向所述客户端推荐所述关联场景序列。
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，可选地，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。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (11)

1.一种关联场景推荐方法，其特征在于，包括：
根据当前客户端的行为动作生成至少两个动作序列；
使用关联算法确定所述至少两个动作序列的第一关联动作序列；
根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
向所述客户端推荐所述关联场景序列。
2.根据权利要求1所述的方法，其特征在于，根据当前客户端的行为动作生成至少两个动作序列包括：
获取所述行为动作中每个动作的发生时间；
确定所述行为动作中相邻两个动作的发生时间的第一时间差；
将所述第一时间差大于第一预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
3.根据权利要求1所述的方法，其特征在于，使用关联算法确定所述至少两个动作序列的第一关联动作序列包括：
获取所述至少两个动作序列中的相同动作；
若所述相同动作为一个动作，形成包括所述动作的第一关联动作序列；
若所述相同动作为N个动作，根据所述N个动作生成所述第一关联动作序列，其中，所述第一关联动作序列包括所述N个动作中每N-i个动作的序列与N个动作的序列，i大于或等于1，且i小于N。
4.根据权利要求1所述的方法，其特征在于，根据所述第一关联动作序列确定目标场景序列包括：
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第一关联动作序列的目标场景序列。
5.根据权利要求1所述的方法，其特征在于，使用所述关联算法确定所述目标场景序列的关联场景序列包括：
根据所述目标场景序列生成至少两个动作序列；
使用关联算法确定所述至少两个动作序列的第二关联动作序列；
根据所述第二关联动作序列确定所述关联场景序列。
6.根据权利要求5所述的方法，其特征在于，根据所述目标场景序列生成至少两个场景序列包括：
获取所述目标场景序列中每个动作的发生时间；
分别确定所述目标场景序列中相邻两个动作的发生时间的第二时间差；
将所述第二时间差大于第二预设时间的两个相邻动作分割到不同动作序列中，得到所述至少两个动作序列。
7.根据权利要求5所述的方法，其特征在于，根据所述第二关联动作序列确定所述关联场景序列包括：
根据预先存储的所述客户端的场景序列列表，其中，所述场景序列列表中存储有关联动作序列与场景序列的对应关系；
从所述场景序列列表中获取包含所述第二关联动作序列的关联场景序列。
8.根据权利要求4或7所述的方法，其特征在于，所述方法还包括：
获取所述客户端预设时间段内的多组历史动作；
分别对所述多组历史动作中每组历史动作生成至少两个动作序列；
使用关联算法确定所述每组历史动作的所述至少两个动作序列的关联动作序列；
获取所述关联动作序列对应的场景序列，并将所述关联动作序列与场景序列的对应关系存储到所述客户端的场景序列列表中。
9.一种关联场景推荐装置，其特征在于，包括：
生成模块，用于根据当前客户端的行为动作生成至少两个动作序列；
第一确定模块，用于使用关联算法确定所述至少两个动作序列的第一关联动作序列；
第二确定模块，用于根据所述第一关联动作序列确定目标场景序列，并使用所述关联算法确定所述目标场景序列的关联场景序列；
推荐模块，用于向所述客户端推荐所述关联场景序列。
10.一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权利要求1至8中任一项所述的方法。
11.一种电子装置，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权利要求1至8中任一项所述的方法。
CN202210234289.8A 2022-03-09 2022-03-09 一种关联场景推荐方法、装置、存储介质及电子装置 Active CN114690731B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210234289.8A CN114690731B (zh) 2022-03-09 2022-03-09 一种关联场景推荐方法、装置、存储介质及电子装置
PCT/CN2022/100832 WO2023168856A1 (zh) 2022-03-09 2022-06-23 一种关联场景推荐方法、装置、存储介质及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210234289.8A CN114690731B (zh) 2022-03-09 2022-03-09 一种关联场景推荐方法、装置、存储介质及电子装置

Publications (2)

Publication Number Publication Date
CN114690731A true CN114690731A (zh) 2022-07-01
CN114690731B CN114690731B (zh) 2024-05-24

Family

ID=82139742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210234289.8A Active CN114690731B (zh) 2022-03-09 2022-03-09 一种关联场景推荐方法、装置、存储介质及电子装置

Country Status (2)

Country Link
CN (1) CN114690731B (zh)
WO (1) WO2023168856A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115167164A (zh) * 2022-07-12 2022-10-11 青岛海尔科技有限公司 设备场景的确定方法和装置、存储介质及电子装置
CN115327934A (zh) * 2022-07-22 2022-11-11 青岛海尔科技有限公司 智能家居场景推荐方法、系统、存储介质及电子装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014101637A1 (en) * 2012-12-25 2014-07-03 Tencent Technology (Shenzhen) Company Limited Method and device for generating sounds effects for game
US20180088677A1 (en) * 2016-09-29 2018-03-29 Alibaba Group Holding Limited Performing operations based on gestures
CN110825973A (zh) * 2019-11-15 2020-02-21 珠海格力电器股份有限公司 场景和联动的推荐方法及系统、存储介质和网络侧设备
CN112861011A (zh) * 2021-03-04 2021-05-28 海尔(深圳)研发有限责任公司 场景推荐方法及装置、终端设备
CN113552938A (zh) * 2020-04-26 2021-10-26 京东方科技集团股份有限公司 基于物联网的动作关联方法、电子设备和存储介质
EP3913584A2 (en) * 2020-05-22 2021-11-24 Facebook, Inc. Outputting warped images from captured video data

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104503253A (zh) * 2014-12-17 2015-04-08 宇龙计算机通信科技(深圳)有限公司 设备控制方法、设备控制系统和终端
CN109947029B (zh) * 2019-04-10 2022-05-10 广东工业大学 智能家居设备的控制方法、装置及设备
US10972792B2 (en) * 2019-06-27 2021-04-06 Rovi Guides, Inc. Systems and methods for scene change recommendations
CN111650842A (zh) * 2020-05-09 2020-09-11 珠海格力电器股份有限公司 一种家电设备控制方法及装置
CN113341743B (zh) * 2021-06-07 2023-11-28 深圳市欧瑞博科技股份有限公司 智能家居设备控制方法、装置、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014101637A1 (en) * 2012-12-25 2014-07-03 Tencent Technology (Shenzhen) Company Limited Method and device for generating sounds effects for game
US20180088677A1 (en) * 2016-09-29 2018-03-29 Alibaba Group Holding Limited Performing operations based on gestures
CN110825973A (zh) * 2019-11-15 2020-02-21 珠海格力电器股份有限公司 场景和联动的推荐方法及系统、存储介质和网络侧设备
CN113552938A (zh) * 2020-04-26 2021-10-26 京东方科技集团股份有限公司 基于物联网的动作关联方法、电子设备和存储介质
EP3913584A2 (en) * 2020-05-22 2021-11-24 Facebook, Inc. Outputting warped images from captured video data
CN112861011A (zh) * 2021-03-04 2021-05-28 海尔(深圳)研发有限责任公司 场景推荐方法及装置、终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
文娜;张英卓;陈达;: "多粒度时空对象属性关联关系的组成与交互式构建方法", 地理信息世界, no. 02, 25 April 2018 (2018-04-25) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115167164A (zh) * 2022-07-12 2022-10-11 青岛海尔科技有限公司 设备场景的确定方法和装置、存储介质及电子装置
CN115327934A (zh) * 2022-07-22 2022-11-11 青岛海尔科技有限公司 智能家居场景推荐方法、系统、存储介质及电子装置

Also Published As

Publication number Publication date
WO2023168856A1 (zh) 2023-09-14
CN114690731B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
CN107728874A (zh) 提供用户快捷操作的方法、装置及设备
CN107404541B (zh) 一种对等网络传输邻居节点选择的方法及系统
CN104053023B (zh) 一种确定视频相似度的方法及装置
CN106874416A (zh) 排行榜单生成方法及排行榜单生成装置
CN113254472B (zh) 一种参数配置方法、装置、设备及可读存储介质
CN109951725B (zh) 一种直播间的推荐方法以及相关设备
CN111259231A (zh) 应用程序的推荐方法和装置
CN104376083A (zh) 一种基于关注关系和多用户行为的图推荐方法
CN114690731B (zh) 一种关联场景推荐方法、装置、存储介质及电子装置
CN108055387B (zh) 一种推荐信息显示方法、装置、电子设备及可读存储介质
CN105022807A (zh) 信息推荐方法及装置
CN114855416B (zh) 洗涤程序的推荐方法及装置、存储介质及电子装置
CN111008873B (zh) 一种用户确定方法、装置、电子设备及存储介质
CN114697150B (zh) 命令的下发方法和装置、存储介质及电子装置
CN105095258B (zh) 一种媒体信息排序方法、装置和媒体信息推荐系统
CN112989211B (zh) 一种确定信息相似度的方法及系统
CN108810089B (zh) 一种信息推送方法、装置及存储介质
CN113009839B (zh) 场景推荐方法和装置、存储介质及电子设备
CN111353001B (zh) 对用户进行分类的方法和装置
CN115345225A (zh) 推荐场景的确定方法及装置、存储介质及电子装置
CN115714810A (zh) 推送消息的发送方法及装置、存储介质及电子装置
EP3314903B1 (en) Digital content provision
CN114691752A (zh) 使用意图的预测方法和装置、存储介质及电子装置
CN113392130B (zh) 数据处理方法、装置及设备
CN113051126A (zh) 画像构建方法、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