CN114855414A - 家电设备的程序推荐方法、装置、设备和存储介质 - Google Patents

Abstract

本发明公开一种家电设备的程序推荐方法、装置、设备和存储介质，方法包括：获取家电设备对应的神经网络模型和所处的时间信息；基于所述神经网络模型和所述时间信息输出预测使用程序；显示所述预测使用程序。考虑到用户使用程序与时间维度相关性，通过获取家电设备当前所处的时间信息以及对应的神经网络模型，并基于神经网络模型和时间信息进行使用程序的预测并显示，以为用户推荐当前时间最想要的程序，达到主动推荐的目的，提升家电智能化程度。本方案中的家电设备为衣物处理设备时，通过利用深度学习方式基于当前时间进行程序的推荐，相较于现有方案中频率统计推荐方式的程序推荐，推荐准确度更高。

Description

家电设备的程序推荐方法、装置、设备和存储介质

技术领域

本发明涉及家电控制技术领域，具体涉及一种家电设备的程序推荐方法、装置、设备和存储介质。

背景技术

随着智能家电技术的不断发展，通常家电设备上配置有多种处理程序，特别是衣物处理设备在出厂时通常配置有多种衣物处理程序，以便适应各种材质、面料衣物的洗涤需求。目前为了提高衣物处理设备的智能化程度，在使用衣物处理设备时，通过计算用户历史同时段洗涤程序的使用频率，并根据使用频率高低进行排名后按顺序显示在面板上，作为推荐结果供用户选择。

然而，这种频率统计推荐方式并未达到主动推荐的目标，智能化程度比较低。

发明内容

本发明的目的是针对上述现有技术的不足提出的一种家电设备的程序推荐方法、装置、设备和存储介质，该目的是通过以下技术方案实现的。

本发明的第一方面提出了一种家电设备的程序推荐方法，所述方法包括：

获取家电设备所处的时间信息和对应的神经网络模型；

基于所述神经网络模型和所述时间信息输出预测使用程序；

显示所述预测使用程序。

在本申请的一些实施例中，所述基于所述神经网络模型和所述时间信息输出预测使用程序，包括：

获取所述家电设备所处的天气信息；确定获取到天气信息，基于所述神经网络模型、所述时间信息和所述天气信息输出预测使用程序。

在本申请的一些实施例中，所述获取所述家电设备所处的天气信息，包括：

获取所述家电设备的定位信息；确定获取到定位信息，根据所述定位信息确定所述家电设备所处的天气信息。

在本申请的一些实施例中，所述方法还包括所述神经网络模型的训练过程如下：

获取所述家电设备的多条历史数据；每条所述历史数据包括天气信息、时间、执行的程序；利用所述多条历史数据对预先构建的神经网络模型进行训练，直至模型收敛。

在本申请的一些实施例中，所述方法还包括：

确定所述家电设备本次使用的程序；利用本次使用的程序、所述天气信息、所述当前时间更新历史数据；利用更新后的历史数据对所述神经网络模型中的参数进行优化。

在本申请的一些实施例中，所述获取家电设备所处的时间信息，包括：

获取所述家电设备的开机时间；将所述开机时间作为所述时间信息。

在本申请的一些实施例中，所述获取家电设备所处的时间信息，包括：

获取所述家电设备的当前系统时间；将所述当前系统时间作为所述时间信息。

本发明的第二方面提供了一种家电设备的程序推荐装置，所述装置包括：

模型获取模块，用于获取家电设备对应的神经网络模型和所处的时间信息；

程序预测模块，用于基于所述神经网络模型和所述时间信息输出预测使用程序；

程序推荐模块，用于显示所述预测使用程序。

本发明的第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所述方法的步骤。

本发明的第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述第一方面所述方法的步骤。

基于上述家电设备的程序推荐方法、装置、设备和存储介质，本发明技术方案具有如下有益效果或好处：

考虑到用户使用程序与时间维度相关性，通过获取家电设备当前所处的时间信息以及对应的神经网络模型，并基于神经网络模型和时间信息进行使用程序的预测并显示，以为用户推荐当前时间最想要的程序，达到主动推荐的目的，提升家电智能化程度。

本方案中的家电设备为衣物处理设备时，通过利用深度学习方式基于当前时间进行程序的推荐，相较于现有方案中频率统计推荐方式的程序推荐，推荐准确度更高。

附图说明

为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明根据一示例性实施例示出的一种家电设备的程序推荐方法的实施例流程示意图；

图2为本发明示出的一种在APP界面上开启智能推荐功能的操作示意图；

图3为本发明根据图2示出的一种开启/关闭智能推荐的操作流程示意图；

图4为本发明根据一示例性实施例示出的一种洗衣机的程序推荐逻辑示意图；

图5为本发明根据一示例性实施例示出的另一种家电设备的程序推荐方法的实施例流程示意图；

图6为本发明根据图5所示实施例示出的一种APP路径的程序推荐示意图；

图7为本发明根据一示例性实施例示出的又一种家电设备的程序推荐方法的实施例流程示意图；

图8为本发明根据一示例性实施例示出的一种家电设备的程序推荐装置的结构示意图；

图9为本发明根据一示例性实施例示出的一种电子设备的硬件结构示意图；

图10为本发明根据一示例性实施例示出的一种存储介质的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

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，所描述的实施例仅仅是本发明的一部分实施例，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。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)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。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“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。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

为了解决现有频率统计推荐方式未达到主动推荐的目标，智能化程度比较低的问题，本申请提出一种家电设备的程序推荐方法，即通过获取家电设备所处的时间信息和对应的神经网络模型，并基于神经网络模型和时间信息输出预测使用程序，并显示预测使用程序。

基于上述描述可达到的技术效果有：

考虑到用户使用程序与时间维度相关性，通过获取家电设备当前所处的时间信息以及对应的神经网络模型，并基于神经网络模型和时间信息进行使用程序的预测并显示，以为用户推荐当前时间最想要的程序，达到主动推荐的目的，提升家电智能化程度。

本方案中的家电设备为衣物处理设备时，通过利用深度学习方式基于当前时间进行程序的推荐，相较于现有方案中频率统计推荐方式的程序推荐，推荐准确度更高。

为了使本技术领域的人员更好地理解本申请方案，下面将分别以云端服务器、移动终端、以及家电设备三侧，对本申请实施例中的技术方案进行清楚、完整地描述。

实施例一：

图1为本发明根据一示例性实施例示出的一种家电设备的程序推荐方法的实施例流程示意图，该程序推荐方法可以适应于家电设备本地执行，当然也可以在移动终端侧执行。当在移动终端侧执行时，需要在移动终端上安装家电设备的应用程序app，该app与某一家电设备绑定之后，用户通过在app界面上操作，可以控制家电设备运行；当在家电设备侧执行时，需要在家电设备上设置显示面板，用户通过在显示面板上操作，可以控制家电设备运行。

下面以家电设备为衣物处理设备的洗涤程序推荐为例进行示例性说明，如图1所示，该家电设备的程序推荐方法包括如下步骤：

步骤101：获取家电设备所处的时间信息和对应的神经网络模型。

在本实施例中，家电设备的使用时间会影响用户对家电设备程序的选择，以衣物处理设备为例，用户在工作日的早上由于时间有限，通常使用快速程序洗涤衣物；在工作日晚上由于时间比较充裕，通常使用常规程序洗涤衣物，因此家电设备的使用时间维度可以作为用户使用程序预测的参考参数。

进一步地，考虑到每个用户的不同使用习惯，因此每台家电设备需要单独训练一个神经网络模型使用。

在一种可能的实现方式中，针对家电设备所处时间信息的获取过程，可以通过获取家电设备的开机时间，并将开机时间作为时间信息。

在另一种可能的实现方式中，还可以通过获取家电设备的当前系统时间，并将当前系统时间作为时间信息。

在执行步骤101之前，可以先判断该家电设备是否有开启智能推荐功能，在判断开启时，再执行步骤101的过程，以进行后续的程序自动推荐。

基于此，针对家电设备智能推荐功能的开启过程，以家电设备是洗衣机，在移动终端侧开启为例，参见图2为开启智能推荐功能的操作示意图，参见图3为具体的操作流程示意图，手机上安装洗衣机的APP并与家里洗衣机绑定成功之后，APP通过调用云端服务器的接口，对用户操作进行记录，用户点击“智能推荐”按钮后打开插件页，在插件页面上显示功能开关，用户可以选择是否开启智能推荐功能。

如图3所示，如果原本未开启智能推荐功能，当用户选择开启时，APP通过调用云端服务器的OpenAI接口，以记录家电设备的智能推荐功能开启记录；如果原本智能推荐功能已开启，当用户选择关闭时，APP通过调用云端服务器的CloseAI接口，以记录家电设备的智能推荐功能关闭记录。

需要说明的是，用户通过APP可以根据实际需求修改家电设备上配有的各个程序的参数。

步骤102：基于神经网络模型和时间信息输出预测使用程序。

在具体实施时，通过将时间信息输入神经网络模型，由神经网络模型基于时间信息输出预测使用程序。

在一个实施例中，考虑到用户使用程序的时序维度相关性，神经网络模型可以采用基于时序预测的深度学习模型实现，以提升程序推荐的准确度，进而达到“更懂用户”的目标。

在一个例子中，神经网络模型可以是TCN(Temporal Convolution Networks时间卷积网络)，或者也可以是SVM(support vector machine,支持向量机模型)。

在一种可能的实现方式中，除了家电设备使用时间会影响用户对程序的选择之外，家电设备所处的天气情况也会影响对家电设备程序的选择，以衣物处理设备为例，在高温干燥的盛夏与寒冷的没有阳光的冬日，用户对衣物处理设备洗涤程序的选择不同。

基于此，针对步骤102的过程，可以通过获取家电设备所处的天气信息，如果成功获取到天气信息，则基于神经网络模型、时间信息和天气信息输出预测使用程序。

具体地，将天气信息和时间信息一起输入神经网络模型，由神经网络模型基于输入的天气信息和时间信息一起预测用户可能使用的程序，以进一步提升程序推荐的准确性。

针对家电设备所处天气信息的获取过程，在一可选实施例中，可以通过获取家电设备的定位信息，并在获取到定位信息时，根据定位信息确定家电设备所处的天气信息。

其中，家电设备的定位信息指的是家电设备开启定位功能前提下由定位导航模块在网络上自动获取的信息，例如定位信息可以是**市**区**街道**小区。

在一个实施例中，获取的天气信息可以包括气温、湿度、空气污染度等信息。

在执行步骤102之前，需要预先为家电设备单独训练一个神经网络模型，由于不同用户的使用习惯不同，因此在训练模型时，也需要使用家电设备自身已产生的历史数据来训练模型。

基于此，对于神经网络模型的训练过程，在一个实施例中，通过获取该家电设备的多条历史数据，其中每条历史数据包括天气信息、时间信息、执行的程序，然后利用该多条历史数据对预先构建的神经网络模型进行训练，直至模型收敛。

其中，通过将家电设备每次使用的程序、以及当时使用时的天气信息、时间信息作为一条数据记录下来，可以便于训练模型使用。

对于前期历史数据的收集，在一个具体实现过程中，在家电设备是新机首次使用时，由于无历史数据，可以通过推荐默认程序，并记录用户最终选择的程序、以及当时使用时的天气信息、时间信息，在前期使用过程中，由于有历史数据了，但是数量比较少，无法用来训练模型，可以通过推荐上一次使用的程序，并记录用户最终选择的程序、以及当时使用时的天气信息和时间信息。以此类推，当历史数据数量达到训练模型需求时，利用这些历史数据进行模型训练，在后面使用过程中，可以直接将获取到的天气信息和时间信息输入模型进行预测。

进一步地，随着家电设备的长期使用，在不同时间范围里用户的使用习惯有可能发生变化，为了保证神经网络模型输出预测结果能够是用户最想使用的程序，可以通过用户实际使用的反馈来优化模型，以提升模型预测的准确度。

在一些实施例中，可以通过确定家电设备本次使用的程序，并利用本次使用的程序、天气信息、时间信息更新历史数据，进而可以利用更新后的历史数据对神经网络模型中的参数进行优化，使得神经网络模型输出预测结果能够符合用户近期的使用需求。

需要说明的是，由于家电设备的联网情况不稳定导致定位信息有误，或者用户未开启家电设备的定位功能，从而无法成功获取到家电设备所处的天气信息，此时可以利用时间信息这一项参数和神经网络模型输出预测使用程序。

步骤103：显示预测使用程序。

其中，在家电设备本地侧时，可以直接向用户显示预测使用程序，在移动终端侧时，显示预测使用程序之后，可以根据用户选择将预测使用程序推荐给家电设备。

需要说明的是，在向家电设备推荐预测使用程序的同时，还可以将用户为该程序自定义的参数也推荐给家电设备，从而家电设备可以使用该程序的自定义参数运行。

针对上述步骤101至步骤103所述的推荐过程，下面以洗衣机的程序推荐为例进行具体介绍：

参见图4所示，新机首次使用时，由于无历史数据，可以推荐混合洗及默认参数，并记录用户最终选择的程序、以及当时使用时的天气信息和时间信息，在新机前期使用过程中，由于有历史数据了，但是数量比较少，不足30条，无法用来训练模型，可以推荐上一次使用的程序及参数，并记录用户最终选择的程序、以及当时使用时的天气信息和时间信息。以此类推，当历史数据在30条以上时，可以将这些历史数据用于模型训练，在后面使用过程中，如果可以获取到天气信息，通过训练好的模型基于时间信息和天气信息预测用户最可能使用的程序，如果无法获取到天气信息，那么通过训练好的模型基于时间信息预测用户最可能使用的程序。

至此，完成上述图1所示的程序推荐流程，考虑到用户使用程序与时间维度相关性，通过获取家电设备当前所处的时间信息以及对应的神经网络模型，并基于神经网络模型和时间信息进行使用程序的预测并显示，以为用户推荐当前时间最想要的程序，达到主动推荐的目的，提升家电智能化程度。

本方案中的家电设备为衣物处理设备时，通过利用深度学习方式基于当前时间进行程序的推荐，相较于现有方案中频率统计推荐方式的程序推荐，推荐准确度更高。

基于上述实施例描述的技术方案，一种是移动终端进行程序推荐的应用场景，另一种是家电设备本地进行程序推荐的应用场景，在实际应用场景中，还可以由移动终端与服务器进行交互实现家电设备的程序推荐，或者由家电设备与服务器进行交互实现家电设备的程序推荐。因此相当于在移动终端APP和机身两条路径上都有方便用户使用的运行入口，进一步提升了用户智能化体验，避免用户每次使用前繁琐和重复的操作。

下面分别对家电设备与服务器的交互场景，以及移动终端、家电设备与服务器的交互场景进行示例性说明。

实施例二：

图5为本发明根据一示例性实施例示出的另一种家电设备的程序推荐方法的实施例流程示意图，该程序推荐方法以移动终端、家电设备与服务器的交互场景为例，该移动终端可以是手机、平板设备等，其上安装有家电设备的APP，并已经与家电设备绑定，结合上述图1所示实施例的基础上，该家电设备的程序推荐方法包括如下步骤：

步骤501：移动终端向服务器发送针对家电设备的程序推荐请求。

其中，用户需要使用APP操控家电设备时，打开APP显示家电设备的操作页面，如果已开启智能推荐功能，则触发程序推荐功能，以向云端服务器发送程序推荐请求。

在一个实施例中，移动终端向云端服务器发送的程序推荐请求可以包含家电设备的定位信息、家电设备的唯一标识、开机时间等信息。

在执行步骤501之前，移动终端打开APP，并向绑定的家电设备发送开机指令，以控制家电设备开机，无需用户再走到家电设备跟前手动开机。

步骤502：服务器基于程序推荐请求为家电设备推荐预测使用程序。

针对步骤502的具体实现，可以参见上述实施例中的相关描述，本申请在此不再赘述。

值得注意的是，云端服务器除了返回推荐程序之外，还可以返回用户为该推荐程序自定义的参数。

步骤503：移动终端接收服务器返回的预测使用程序，并将预测使用程序下发至家电设备执行。

在执行步骤503之前，移动终端可以将服务器推荐的程序输出显示，在接收到用户的选择指令时，执行步骤503的过程。

基于此，在使用移动终端的APP路径进行程序推荐时，服务器可以向移动终端返回多个推荐结果和每个推荐结果的推荐度，并根据推荐度高低的顺序显示推荐结果。

在一个实施例中，移动终端APP通过将服务器推荐的程序及参数下发至家电设备，以控制家电设备跳转到推荐的程序，并利用下发的参数运行。

针对上述步骤501至步骤503的过程，下面以洗衣机的程序推荐场景为例进行详细说明：

参见图6所示，用户需要使用APP操控洗衣机时，打开APP后操作洗衣机开机，并进入程序选择插件页面，也即智能推荐页面，插件页通过接口请求方式向服务器发送程序推荐请求，服务器返回推荐的洗涤程序和参数，并在APP中显示推荐的程序，如图中显示有“节能洗”的洗涤程序，用户可以选择使用推荐的洗涤程序，当然也可以选择其他洗涤程序。

至此，完成上述图5所示的程序推荐流程，通过使用移动终端发送程序推荐请求，并通过移动终端将服务器的推荐结果下发到家电设备，控制家电设备按照推荐结果运行，从而实现在移动终端APP路径上的家电程序推荐，无需用户走到家电设备跟前，提升了用户智能化体验，同时也避免了用户每次使用家电前的繁琐操作。

实施例三：

图7为本发明根据一示例性实施例示出的又一种家电设备的程序推荐方法的实施例流程示意图，该程序推荐方法以家电设备与服务器的交互场景为例，该家电设备为衣物处理设备时，其可以是洗衣机、干衣机、洗干一体机中的任意一种，结合上述所示实施例的基础上，该家电设备的程序推荐方法包括如下步骤：

步骤601：家电设备向服务器发送本家电设备的程序推荐请求。

其中，如果用户直接操控家电设备，在执行步骤601之前，用户通过触发机身开机键启动家电，在家电设备联网情况下，执行步骤601的过程。

在一个实施例中，程序推荐请求可以包括家电设备的定位信息、家电设备的唯一标识、开机时间等信息。

步骤602：服务器基于程序推荐请求为家电设备推荐预测使用程序。

针对步骤502的具体实现，可以参见上述实施例中的相关描述，本申请在此不再赘述。

步骤603：家电设备接收服务器返回的预测使用程序，并根据该预测使用程序运行。

在一个实施例中，家电设备接收到推荐的程序时，可以将程序显示在家电显示面板上，供用户选择，并在接收到用户的启动指令时，运行推荐的程序。

值得注意的是，服务器除了返回推荐程序之外，还可以返回用户为该推荐程序自定义的参数，从而家电设备可以利用推荐程序的自定义参数运行。

至此，完成上述图7所示的程序推荐流程，通过家电设备自身向服务器发送程序推荐请求，并按照服务器的推荐结果运行，从而实现在机身路径上的家电程序推荐，提升了用户智能化体验，避免用户每次使用家电前的繁琐操作。

本发明实施方式还提供一种与前述实施方式所提供的家电设备的程序推荐方法对应的家电设备的程序推荐装置，以执行上述家电设备的程序推荐方法。

图8为本发明根据一示例性实施例示出的一种家电设备的程序推荐装置的结构示意图，该装置用于执行上述任一实施例提供的家电设备的程序推荐方法，如图8所示，该家电设备的程序推荐装置包括：

模型获取模块810，用于获取家电设备对应的神经网络模型和所处的时间信息；

程序预测模块820，用于基于所述神经网络模型和所述时间信息输出预测使用程序；

程序推荐模块830，用于显示所述预测使用程序。

图9为本发明根据一示例性实施例示出的一种电子设备的硬件结构图，该电子设备包括：通信接口701、处理器702、存储器703和总线704；其中，通信接口701、处理器702和存储器703通过总线704完成相互间的通信。处理器702通过读取并执行存储器703中与家电设备的程序推荐方法的控制逻辑对应的机器可执行指令，可执行上文描述的家电设备的程序推荐方法，该方法的具体内容参见上述实施例，此处不再累述。

本发明中提到的存储器703可以是任何电子、磁性、光学或其它物理存储装置，可以包含存储信息，如可执行指令、数据等等。具体地，存储器703可以是RAM(Random AccessMemory，随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。通过至少一个通信接口701(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。

总线704可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器703用于存储程序，所述处理器702在接收到执行指令后，执行所述程序。

处理器702可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器702中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器702可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。

本申请实施例提供的家电设备的程序推荐装置与本申请实施例提供的家电设备的程序推荐方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。

本申请实施方式还提供一种与前述实施方式所提供的家电设备的程序推荐方法对应的计算机可读存储介质，请参考图10所示，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的家电设备的程序推荐方法。

需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。

本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的家电设备的程序推荐方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种家电设备的程序推荐方法，其特征在于，所述方法包括：

获取家电设备对应的神经网络模型和所处的时间信息；

基于所述神经网络模型和所述时间信息输出预测使用程序；

显示所述预测使用程序。

2.如权利要求1所述的方法，其特征在于，所述基于所述神经网络模型和所述时间信息输出预测使用程序，包括：

获取所述家电设备所处的天气信息；

确定获取到天气信息，基于所述神经网络模型、所述时间信息和所述天气信息输出预测使用程序。

3.如权利要求2所述的方法，其特征在于，所述获取所述家电设备所处的天气信息，包括：

获取所述家电设备的定位信息；

确定获取到定位信息，根据所述定位信息确定所述家电设备所处的天气信息。

4.如权利要求2所述的方法，其特征在于，所述方法还包括，所述神经网络模型的训练过程如下：

获取所述家电设备的多条历史数据；每条所述历史数据包括天气信息、时间信息、执行的程序；

利用所述多条历史数据对预先构建的神经网络模型进行训练，直至模型收敛。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

确定所述家电设备本次使用的程序；

利用本次使用的程序、所述天气信息、所述时间信息更新历史数据；

利用更新后的历史数据对所述神经网络模型中的参数进行优化。

6.如权利要求1所述的方法，其特征在于，所述获取家电设备所处的时间信息，包括：

获取所述家电设备的开机时间；

将所述开机时间作为所述时间信息。

7.如权利要求1所述的方法，其特征在于，所述获取家电设备所处的时间信息，包括：

获取所述家电设备的当前系统时间；

将所述当前系统时间作为所述时间信息。

8.一种家电设备的程序推荐装置，其特征在于，所述装置包括：

模型获取模块，用于获取家电设备对应的神经网络模型和所处的时间信息；

程序预测模块，用于基于所述神经网络模型和所述时间信息输出预测使用程序；

程序推荐模块，用于显示所述预测使用程序。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述方法的步骤。

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，所述程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。

Images