CN115097738A - 基于数字孪生的设备控制方法、装置和存储介质及电子装置 - Google Patents
基于数字孪生的设备控制方法、装置和存储介质及电子装置 Download PDFInfo
- Publication number
- CN115097738A CN115097738A CN202210690264.9A CN202210690264A CN115097738A CN 115097738 A CN115097738 A CN 115097738A CN 202210690264 A CN202210690264 A CN 202210690264A CN 115097738 A CN115097738 A CN 115097738A
- Authority
- CN
- China
- Prior art keywords
- control instruction
- instruction information
- characters
- control
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000001960 triggered effect Effects 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001502 supplementing effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000004887 air purification Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Selective Calling Equipment (AREA)
Abstract
本申请公开了一种基于数字孪生的设备控制方法、装置和存储介质及电子装置,涉及智能家居/智慧家庭技术领域,该基于数字孪生的设备控制方法包括:获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。本申请解决了设备的控制准确性较低的技术问题。
Description
技术领域
本申请涉及计算机领域,具体而言,涉及一种基于数字孪生的设备控制方法、存储介质及电子装置。
背景技术
随着智能设备的高速发展,用户可通过更便捷的方式实现对设备的控制,如语音控制、手势控制等;但控制效率的提升往往会伴随着一些问题,以语音控制为例,如果设备对语音的识别不够精准,那么对指令的响应自然会出现纰漏或错误,进而降低了设备的控制准确性。因此,相关技术中存在设备的控制准确性较低的技术问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种基于数字孪生的设备控制方法、装置和存储介质及电子设备,以至少解决设备的控制准确性较低的技术问题。
根据本申请实施例的一个方面,提供了一种基于数字孪生的设备控制方法,包括:获取第一控制指令信息,其中,上述第一控制指令信息用于触发对待控设备的第一控制指令;根据上述第一控制指令信息对应的文本特征,对上述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,上述第二控制指令信息用于触发上述第一控制指令以及对上述待控设备的第二控制指令;响应于上述第二控制指令信息触发的上述第一控制指令以及上述第二控制指令,对上述待控设备进行控制。
根据本申请实施例的另一方面,还提供了一种基于数字孪生的设备控制装置,包括:获取单元,用于获取第一控制指令信息,其中,上述第一控制指令信息用于触发对待控设备的第一控制指令;调整单元,用于根据上述第一控制指令信息对应的文本特征,对上述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,上述第二控制指令信息用于触发上述第一控制指令以及对上述待控设备的第二控制指令;控制单元,用于响应于上述第二控制指令信息触发的上述第一控制指令以及上述第二控制指令,对上述待控设备进行控制。
作为一种可选的方案,上述调整单元,包括:调整模块,用于在基于上述N个字符确定出上述第一控制指令信息关联的M个字符的情况下,根据上述第一控制指令信息对应的文本特征,利用上述M个字符对上述N个字符进行调整,得到上述第二控制指令信息,其中,上述M个字符包括上述N个字符以及至少一个辅助调整字符。
作为一种可选的方案,上述调整模块,包括以下至少之一:替换子模块,用于使用上述M个字符中的第一字符替换上述N个字符中的第二字符;插入子模块,用于将上述M个字符中的第三字符插入上述N个字符的关联位置,其中,上述关联位置为上述N个字符中的第四字符关联的位置。
作为一种可选的方案,上述装置包括:第一确定模块,用于在上述根据上述第一控制指令信息对应的文本特征,利用上述M个字符对上述N个字符进行调整,得到上述第二控制指令信息之前,确定上述第一控制指令信息关联的配置账号,并获取上述配置账号的历史控制指令信息,其中,上述历史控制指令信息为上述配置账号已关联的控制指令信息;第二确定模块,用于在上述根据上述第一控制指令信息对应的文本特征,利用上述M个字符对上述N个字符进行调整,得到上述第二控制指令信息之前,从上述历史控制指令信息中确定出与上述配置账号的关联频率大于或等于预设阈值的字符,并将上述关联频率大于或等于预设阈值的字符确定为上述辅助调整字符。
作为一种可选的方案,上述调整单元,包括:输入模块,用于将上述第一控制指令信息输入文本识别模型,其中,上述信息识别模型为利用样本信息训练得到的、用于识别文本信息的神经网络模型;识别模块,用于利用上述文本识别模型对上述第一控制指令信息进行文本识别,得到识别结果,其中,上述识别结果包括上述第二控制指令信息。
作为一种可选的方案,上述识别模块,包括以下至少之一:提取模块,用于利用上述文本识别模型中的提取模块,提取上述第一控制指令信息对应的文本特征;编码模块,用于利用上述文本识别模型中的编码模块,对上述N个字符进行编码处理,得到第一编码结果;预测模块,用于基于上述第一控制指令信息对应的文本特征,利用上述文本识别模型中的网络模块对上述第一编码结果进行预测处理,得到第二编码结果;解码模块,用于利用上述文本识别模型的解码模块,对上述第二编码结果进行解码处理,得到上述识别结果。
作为一种可选的方案,上述控制单元,包括以下至少之一:第一控制模块,用于在上述第一控制指令用于指示控制第一设备、上述第二控制指令用于指示控制第二设备的情况下,按照上述第一控制指令对上述第一设备进行控制、以及按照上述第二控制指令对上述第二设备进行控制,其中,上述待控设备包括上述第一设备以及上述第二设备;第二控制模块,用于在上述第一控制指令的指令优先级大于上述第二控制指令的指令优先级的情况下,按照上述第一控制指令对上述待控设备进行控制;第三控制模块,用于在上述第二控制指令的指令优先级大于上述第一控制指令的指令优先级的情况下,按照上述第二控制指令对上述待控设备进行控制。
根据本申请实施例的又一个方面,提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如以上基于数字孪生的设备控制方法。
根据本申请实施例的又一方面,还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,其中,上述处理器通过计算机程序执行上述的基于数字孪生的设备控制方法。
在本申请实施例中,获取第一控制指令信息,其中,上述第一控制指令信息用于触发对待控设备的第一控制指令;根据上述第一控制指令信息对应的文本特征,对上述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,上述第二控制指令信息用于触发上述第一控制指令以及对上述待控设备的第二控制指令;响应于上述第二控制指令信息触发的上述第一控制指令以及上述第二控制指令,对上述待控设备进行控制,利用对原始的控制指令信息中的字符进行调整的方式,得到可触发更多控制指令的控制指令信息,进而达到了对控制指令信息的额外补充、提高控制指令信息的信息维度的目的,从而实现了提高设备控准确性的技术效果,进而解决了设备的控制准确性较低的技术问题。
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智能设备的交互方法的硬件环境示意图;
图2是根据本申请实施例的一种可选的基于数字孪生的设备控制方法的流程的示意图;
图3是根据本申请实施例的一种可选的基于数字孪生的设备控制方法的示意图;
图4是根据本申请实施例的另一种可选的基于数字孪生的设备控制方法的示意图;
图5是根据本申请实施例的另一种可选的基于数字孪生的设备控制方法的示意图;
图6是根据本申请实施例的另一种可选的基于数字孪生的设备控制方法的示意图;
图7是根据本申请实施例的另一种可选的基于数字孪生的设备控制方法的示意图;
图8是根据本申请实施例的一种可选的基于数字孪生的设备控制装置的示意图;
图9是根据本申请实施例的一种可选的电子设备的结构示意图。
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,提供了一种智能家居设备的交互方法。该智能家居设备的交互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(IntelligenceHouse)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,上述智能家居设备的交互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、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
可选地,作为一种可选的实施方式,如图2所示,基于数字孪生的设备控制方法包括:
S202,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;
S204,根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;
S206,响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。
可选地,在本实施例中,上述基于数字孪生的设备控制方法可以但不限于应用在多意图识别场景,其中,多意图识别是自然语言理解(Natural Language Understanding,简称NLU)的一种技术,自然语言理解是自然语言处理(Natural Language Processing,简称NLP)的一项技术,目前在对话系统和各个行业智能助手领域应用广泛;此外,多意图识别也是机器实现人工智能的重要一部分。
可选地,在本实施例中,第一控制指令信息可以但不限于为利用语音识别技术对采集到的音频信息进行识别后得到的控制指令信息,如图3所示,待控设备302采集到用户304发起的一段音频,并对该一段音频进行语音识别,得到第一控制指令信息;此外,对音频的采集、以及语音识别的执行可以但不限于由第三方设备执行,以减少待控设备302的负担与能耗;以及语音识别的执行可以但不限于由服务器执行,以提高语音识别的执行效率。
可选地,在本实施例中,第一控制指令信息对应的文本特征可以但不限于为第一控制指令信息对应的文本的基本特征,如词汇特征、上下文特征等。
可选地,在本实施例中,第一控制指令信息中的N个字符基于图3所示场景,继续例如图4所示,待控设备302采集到用户304发起的一段音频,并对该一段音频进行语音识别,得到第一控制指令信息402,则N个字符可以但不限于包括第一控制指令信息402中的“打”、“开”、“空”、“调”。
可选地,在本实施例中,第一控制指令信息用于触发对待控设备的第一控制指令可以但不限于理解为识别到第一控制指令信息用于触发对待控设备的第一控制指令的第一关键信息;第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令可以但不限于理解为识别到上述第一关键信息以及用于触发对待控设备的第二控制指令的第二关键信息;
进一步举例说明,可选地例如第一控制指令信息为“打开空调热水器”,但识别到第一控制指令信息用于触发对待控设备的第一控制指令的第一关键信息为“打开空调”;而第二控制指令信息为“打开空调,打开热水器”,进而识别到第二控制指令信息用于触发对待控设备的第一控制指令的第一关键信息为“打开空调”、以及识别到第二控制指令信息用于触发对待控设备的第二控制指令的第二关键信息为“打开热水器”。
需要说明的是,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。
进一步举例说明,可选的基于图3所示场景,继续例如图5所示,获取第一控制指令信息502,如图5中的(a)所示,其中,第一控制指令信息502用于触发对待控设备302的第一控制指令;进一步如图5中的(b)所示,根据第一控制指令信息502对应的文本特征,对第一控制指令信息502中的N个字符进行调整,得到第二控制指令信息504,其中,第二控制指令信息504用于触发第一控制指令以及对待控设备302的第二控制指令;响应于第二控制指令信息504触发的第一控制指令以及第二控制指令,对待控设备302进行控制。
通过本申请提供的实施例,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制,利用对原始的控制指令信息中的字符进行调整的方式,得到可触发更多控制指令的控制指令信息,进而达到了对控制指令信息的额外补充、提高控制指令信息的信息维度的目的,从而实现了提高设备控准确性的技术效果。
作为一种可选的方案,根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,包括:
在基于N个字符确定出第一控制指令信息关联的M个字符的情况下,根据第一控制指令信息对应的文本特征,利用M个字符对N个字符进行调整,得到第二控制指令信息,其中,M个字符包括N个字符以及至少一个辅助调整字符。
可选地,在本实施例中,辅助调整字符可以但不限用于补充第一控制指令信息中的字符,如辅助调整字符可以但不限于为符号字符(如“,”、“!”、“?”等)、助词字符(如“了”、“的”、“地”等)、高频字符(如使用频率较高的字符)等。
可选地,在本实施例中,利用M个字符对N个字符进行调整可以但不限于包括调整N个字符中的字符内容、字符位置、字符断句等。
作为一种可选的方案,利用M个字符对N个字符进行调整,包括以下至少之一:
S1,使用M个字符中的第一字符替换N个字符中的第二字符;
S2,将M个字符中的第三字符插入N个字符的关联位置,其中,关联位置为N个字符中的第四字符关联的位置。
需要说明的是,使用M个字符中的第一字符替换N个字符中的第二字符;将M个字符中的第三字符插入N个字符的关联位置,其中,关联位置为N个字符中的第四字符关联的位置。
进一步举例说明,可选的例如图6所示,使用M个字符602中的第一字符“打”替换第一控制指令信息604的N个字符中的第二字符“和”;将M个字符602中的第三字符“,”插入第一控制指令信息604的N个字符的第一关联位置,将M个字符602中的第三字符“开”插入第一控制指令信息604的N个字符的第二关联位置,得到第二控制指令信息606,其中,第一关联位置为N个字符中的第四字符“器”关联的后一位置,第二关联位置为N个字符中的第四字符“空”关联的前一位置。
通过本申请提供的实施例,使用M个字符中的第一字符替换N个字符中的第二字符;将M个字符中的第三字符插入N个字符的关联位置,其中,关联位置为N个字符中的第四字符关联的位置,进而实现了提高字符的调整效率的技术效果。
作为一种可选的方案,在根据第一控制指令信息对应的文本特征,利用M个字符对N个字符进行调整,得到第二控制指令信息之前,包括:
S1,确定第一控制指令信息关联的配置账号,并获取配置账号的历史控制指令信息,其中,历史控制指令信息为配置账号已关联的控制指令信息;
S2,从历史控制指令信息中确定出与配置账号的关联频率大于或等于预设阈值的字符,并将关联频率大于或等于预设阈值的字符确定为辅助调整字符。
可选地,在本实施例中,为提高对第一控制指令信息的补充准确性,可以但不限于参考配置账号的历史控制指令信息,如从历史控制指令信息中确定出与配置账号的关联频率大于或等于预设阈值的字符,并将关联频率大于或等于预设阈值的字符确定为辅助调整字符。
通过本申请提供的实施例,确定第一控制指令信息关联的配置账号,并获取配置账号的历史控制指令信息,其中,历史控制指令信息为配置账号已关联的控制指令信息;从历史控制指令信息中确定出与配置账号的关联频率大于或等于预设阈值的字符,并将关联频率大于或等于预设阈值的字符确定为辅助调整字符,进而实现了提高对第一控制指令信息的补充准确性的技术效果。
作为一种可选的方案,根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,包括:
S1,将第一控制指令信息输入文本识别模型,其中,信息识别模型为利用样本信息训练得到的、用于识别文本信息的神经网络模型;
S2,利用文本识别模型对第一控制指令信息进行文本识别,得到识别结果,其中,识别结果包括第二控制指令信息。
可选地,在本实施例中,文本识别模型可以但不限于为深度学习模型,如具有断句和句子补全的功能的深度学习网络,一方面,解决了多意图识别语义识别的问题,也解决了多意图句子成分补全预测不准的问题,给多意图识别提供了一个新的方向。
可选地,在本实施例中,在利用文本识别模型对第一控制指令信息进行文本识别,得到识别结果之前,利用样本信息对初始的文本识别模型进行训练;
进一步举例说明,可选地例如训练数据(样本信息)的格式为原始句子和改写后的句子,如“打开热水器调高20度”和“打开热水器,热水器调高20度”、“打开热水器和空调”和“打开热水器,打开空调”等;
可选地,训练数据改写后多出来的字是从原始的句子中抽取出来的,因此输入模型网络(文本识别模型)的数据需要增加一个比较常用的外部字源(辅助调整字符),比如的、了、逗号等。因此把训练数据处理后输入到网络的数据如下:“的了,打开热水器调高20度”和“打开热水器,热水器调高20度”、“的了,打开热水器和空调”和“打开热水器,打开空调”;
在本实施例中,采用编码器对训练数据进行编码,以例句(“的了,打开热水器和空调”和“打开热水器,打开空调”)编码的matrix为例,编码规则如图7所示,纵向的例句表示原始句子,横向的句子表示改写后的句子。矩阵的-1表示改写后的句子舍弃这个字符、0表示保留字符,1表示插入,2表示替换。从图7中可以看出改写句子的“和”对应的2的位置是逗号“,”。说明被原始句中和被逗号“,”替换了。而改写句中的空对应两个“1”是打开,所以空的前边插入了打开两个字;
进一步采用图7所示的矩阵数据训练后续的网络结果,如attention-unet网络结构、loss结果等,其中,attention-unet网络结构可以但不限于采用albert模型,Unet结构可以但不限于配置有下采用和两次上采样,Loss结构以但不限于采用sparse_cross结构;
再者,在本实施例中,利用attention-unet的网络结构预测出来的是一个matrix矩阵,进而把matrix矩阵解码为改写的句子进行输出,并判断输出是否都达到收敛条件,若是则结束训练,若否,则选取下一训练数据继续模型的训练。
通过本申请提供的实施例,将第一控制指令信息输入文本识别模型,其中,信息识别模型为利用样本信息训练得到的、用于识别文本信息的神经网络模型;利用文本识别模型对第一控制指令信息进行文本识别,得到识别结果,其中,识别结果包括第二控制指令信息,进而达到了利用模型高效完成对控制指令信息的高效调整的目的,从而实现了提高控制指令信息的调整效率的技术效果。
作为一种可选的方案,利用文本识别模型对第一控制指令信息进行文本识别,得到识别结果,包括以下至少之一:
S1,利用文本识别模型中的提取模块,提取第一控制指令信息对应的文本特征;
S2,利用文本识别模型中的编码模块,对N个字符进行编码处理,得到第一编码结果;
S3,基于第一控制指令信息对应的文本特征,利用文本识别模型中的网络模块对第一编码结果进行预测处理,得到第二编码结果;
S4,利用文本识别模型的解码模块,对第二编码结果进行解码处理,得到识别结果。
作为一种可选的方案,响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制,包括以下至少之一:
S1,在第一控制指令用于指示控制第一设备、第二控制指令用于指示控制第二设备的情况下,按照第一控制指令对第一设备进行控制、以及按照第二控制指令对第二设备进行控制,其中,待控设备包括第一设备以及第二设备;
S2,在第一控制指令的指令优先级大于第二控制指令的指令优先级的情况下,按照第一控制指令对待控设备进行控制;
S3,在第二控制指令的指令优先级大于第一控制指令的指令优先级的情况下,按照第二控制指令对待控设备进行控制。
可选地,在本实施例中,第一控制指令与第二控制指令可以但不限用于控制不同的设备,而第一控制指令与第二控制指令控制同一设备时,需进一步判断第一控制指令与第二控制指令之间是否冲突,如果冲突则判断第一控制指令与第二控制指令的优先级,在第一控制指令的指令优先级大于第二控制指令的指令优先级的情况下,按照第一控制指令对待控设备进行控制,或在第二控制指令的指令优先级大于第一控制指令的指令优先级的情况下,按照第二控制指令对待控设备进行控制。
需要说明的是,在第一控制指令用于指示控制第一设备、第二控制指令用于指示控制第二设备的情况下,按照第一控制指令对第一设备进行控制、以及按照第二控制指令对第二设备进行控制,其中,待控设备包括第一设备以及第二设备;在第一控制指令的指令优先级大于第二控制指令的指令优先级的情况下,按照第一控制指令对待控设备进行控制;在第二控制指令的指令优先级大于第一控制指令的指令优先级的情况下,按照第二控制指令对待控设备进行控制。
通过本申请提供的实施例,在第一控制指令用于指示控制第一设备、第二控制指令用于指示控制第二设备的情况下,按照第一控制指令对第一设备进行控制、以及按照第二控制指令对第二设备进行控制,其中,待控设备包括第一设备以及第二设备;在第一控制指令的指令优先级大于第二控制指令的指令优先级的情况下,按照第一控制指令对待控设备进行控制;在第二控制指令的指令优先级大于第一控制指令的指令优先级的情况下,按照第二控制指令对待控设备进行控制,进而实现了提高对设备的控制全面性的技术效果。
可以理解的是,在本申请的具体实施方式中,涉及到用户信息等相关的数据,当本申请以上实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
根据本申请实施例的另一个方面,还提供了一种用于实施上述基于数字孪生的设备控制方法的基于数字孪生的设备控制装置。如图8所示,该装置包括:
获取单元802,用于获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;
调整单元804,用于根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;
控制单元806,用于响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。
可选地,在本实施例中,上述基于数字孪生的设备控制装置可以但不限于应用在多意图识别场景,其中,多意图识别是自然语言理解(Natural Language Understanding,简称NLU)的一种技术,自然语言理解是自然语言处理(Natural Language Processing,简称NLP)的一项技术,目前在对话系统和各个行业智能助手领域应用广泛;此外,多意图识别也是机器实现人工智能的重要一部分。
可选地,在本实施例中,第一控制指令信息对应的文本特征可以但不限于为第一控制指令信息对应的文本的基本特征,如词汇特征、上下文特征等。
需要说明的是,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。
具体实施例可以参考上述基于数字孪生的设备控制装置中所示示例,本示例中在此不再赘述。
通过本申请提供的实施例,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制,利用对原始的控制指令信息中的字符进行调整的方式,得到可触发更多控制指令的控制指令信息,进而达到了对控制指令信息的额外补充、提高控制指令信息的信息维度的目的,从而实现了提高设备控准确性的技术效果。
作为一种可选的方案,调整单元804,包括:
调整模块,用于在基于N个字符确定出第一控制指令信息关联的M个字符的情况下,根据第一控制指令信息对应的文本特征,利用M个字符对N个字符进行调整,得到第二控制指令信息,其中,M个字符包括N个字符以及至少一个辅助调整字符。
具体实施例可以参考上述基于数字孪生的设备控制方法中所示示例,本示例中在此不再赘述。
作为一种可选的方案,调整模块,包括以下至少之一:
替换子模块,用于使用M个字符中的第一字符替换N个字符中的第二字符;
插入子模块,用于将M个字符中的第三字符插入N个字符的关联位置,其中,关联位置为N个字符中的第四字符关联的位置。
具体实施例可以参考上述基于数字孪生的设备控制方法中所示示例,本示例中在此不再赘述。
作为一种可选的方案,装置包括:
第一确定模块,用于在根据第一控制指令信息对应的文本特征,利用M个字符对N个字符进行调整,得到第二控制指令信息之前,确定第一控制指令信息关联的配置账号,并获取配置账号的历史控制指令信息,其中,历史控制指令信息为配置账号已关联的控制指令信息;
第二确定模块,用于在根据第一控制指令信息对应的文本特征,利用M个字符对N个字符进行调整,得到第二控制指令信息之前,从历史控制指令信息中确定出与配置账号的关联频率大于或等于预设阈值的字符,并将关联频率大于或等于预设阈值的字符确定为辅助调整字符。
具体实施例可以参考上述基于数字孪生的设备控制方法中所示示例,本示例中在此不再赘述。
作为一种可选的方案,调整单元804,包括:
输入模块,用于将第一控制指令信息输入文本识别模型,其中,信息识别模型为利用样本信息训练得到的、用于识别文本信息的神经网络模型;
识别模块,用于利用文本识别模型对第一控制指令信息进行文本识别,得到识别结果,其中,识别结果包括第二控制指令信息。
具体实施例可以参考上述基于数字孪生的设备控制方法中所示示例,本示例中在此不再赘述。
作为一种可选的方案,识别模块,包括以下至少之一:
提取模块,用于利用文本识别模型中的提取模块,提取第一控制指令信息对应的文本特征;
编码模块,用于利用文本识别模型中的编码模块,对N个字符进行编码处理,得到第一编码结果;
预测模块,用于基于第一控制指令信息对应的文本特征,利用文本识别模型中的网络模块对第一编码结果进行预测处理,得到第二编码结果;
解码模块,用于利用文本识别模型的解码模块,对第二编码结果进行解码处理,得到识别结果。
具体实施例可以参考上述基于数字孪生的设备控制方法中所示示例,本示例中在此不再赘述。
作为一种可选的方案,控制单元806,包括以下至少之一:
第一控制模块,用于在第一控制指令用于指示控制第一设备、第二控制指令用于指示控制第二设备的情况下,按照第一控制指令对第一设备进行控制、以及按照第二控制指令对第二设备进行控制,其中,待控设备包括第一设备以及第二设备;
第二控制模块,用于在第一控制指令的指令优先级大于第二控制指令的指令优先级的情况下,按照第一控制指令对待控设备进行控制;
第三控制模块,用于在第二控制指令的指令优先级大于第一控制指令的指令优先级的情况下,按照第二控制指令对待控设备进行控制。
具体实施例可以参考上述基于数字孪生的设备控制方法中所示示例,本示例中在此不再赘述。
根据本申请实施例的又一个方面,还提供了一种用于实施上述基于数字孪生的设备控制方法的电子设备,如图9所示,该电子设备包括存储器902和处理器904,该存储器902中存储有计算机程序,该处理器904被设置为通过计算机程序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,上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
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,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;
S2,根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;
S3,响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。
可选地,本领域普通技术人员可以理解,图9所示的结构仅为示意,电子设备也可以是智能手机(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 Internet Devices,MID)、PAD等终端设备。图9其并不对上述电子设备的结构造成限定。例如,电子设备还可包括比图9中所示更多或者更少的组件(如网络接口等),或者具有与图9所示不同的配置。
其中,存储器902可用于存储软件程序以及模块,如本申请实施例中的基于数字孪生的设备控制方法和装置对应的程序指令/模块,处理器904通过运行存储在存储器902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,即实现上述的基于数字孪生的设备控制方法。存储器902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902可进一步包括相对于处理器904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。其中,存储器902具体可以但不限于用于存储第一控制指令信息以及第二控制指令信息等信息。作为一种示例,如图9所示,上述存储器902中可以但不限于包括上述基于数字孪生的设备控制装置中的获取单元802、调整单元804及控制单元806。此外,还可以包括但不限于上述基于数字孪生的设备控制装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置906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,传输装置906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,传输装置906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908,用于显示上述第一控制指令信息以及第二控制指令信息等信息;和连接总线910,用于连接上述电子设备中的各个模块部件。
在其他实施例中,上述终端设备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(Peer To Peer,简称P2P)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。
根据本申请的一个方面,提供了一种计算机程序产品,该计算机程序产品包括计算机程序/指令,该计算机程序/指令包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理器执行时,执行本申请实施例提供的各种功能。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,电子设备的计算机系统仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
计算机系统包括中央处理器(Central Processing Unit,CPU),其可以根据存储在只读存储器(Read-Only Memory,ROM)中的程序或者从存储部分加载到随机访问存储器(Random Access Memory,RAM)中的程序而执行各种适当的动作和处理。在随机访问存储器中,还存储有系统操作所需的各种程序和数据。中央处理器、在只读存储器以及随机访问存储器通过总线彼此相连。输入/输出接口(Input/Output接口,即I/O接口)也连接至总线。
以下部件连接至输入/输出接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至输入/输出接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地,根据本申请的实施例,各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理器执行时,执行本申请的系统中限定的各种功能。
根据本申请的一个方面,提供了一种计算机可读存储介质,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
可选地,在本实施例中,上述计算机可读的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,获取第一控制指令信息,其中,第一控制指令信息用于触发对待控设备的第一控制指令;
S2,根据第一控制指令信息对应的文本特征,对第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,第二控制指令信息用于触发第一控制指令以及对待控设备的第二控制指令;
S3,响应于第二控制指令信息触发的第一控制指令以及第二控制指令,对待控设备进行控制。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请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全部或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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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。
另外,在本申请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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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 (10)
1.一种基于数字孪生的设备控制方法,其特征在于,包括:
获取第一控制指令信息,其中,所述第一控制指令信息用于触发对待控设备的第一控制指令;
根据所述第一控制指令信息对应的文本特征,对所述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,所述第二控制指令信息用于触发所述第一控制指令以及对所述待控设备的第二控制指令;
响应于所述第二控制指令信息触发的所述第一控制指令以及所述第二控制指令,对所述待控设备进行控制。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一控制指令信息对应的文本特征,对所述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,包括:
在基于所述N个字符确定出所述第一控制指令信息关联的M个字符的情况下,根据所述第一控制指令信息对应的文本特征,利用所述M个字符对所述N个字符进行调整,得到所述第二控制指令信息,其中,所述M个字符包括所述N个字符以及至少一个辅助调整字符。
3.根据权利要求2所述的方法,其特征在于,所述利用所述M个字符对所述N个字符进行调整,包括以下至少之一:
使用所述M个字符中的第一字符替换所述N个字符中的第二字符;
将所述M个字符中的第三字符插入所述N个字符的关联位置,其中,所述关联位置为所述N个字符中的第四字符关联的位置。
4.根据权利要求2所述的方法,其特征在于,在所述根据所述第一控制指令信息对应的文本特征,利用所述M个字符对所述N个字符进行调整,得到所述第二控制指令信息之前,包括:
确定所述第一控制指令信息关联的配置账号,并获取所述配置账号的历史控制指令信息,其中,所述历史控制指令信息为所述配置账号已关联的控制指令信息;
从所述历史控制指令信息中确定出与所述配置账号的关联频率大于或等于预设阈值的字符,并将所述关联频率大于或等于预设阈值的字符确定为所述辅助调整字符。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述第一控制指令信息对应的文本特征,对所述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,包括:
将所述第一控制指令信息输入文本识别模型,其中,所述信息识别模型为利用样本信息训练得到的、用于识别文本信息的神经网络模型;
利用所述文本识别模型对所述第一控制指令信息进行文本识别,得到识别结果,其中,所述识别结果包括所述第二控制指令信息。
6.根据权利要求5所述的方法,其特征在于,所述利用所述文本识别模型对所述第一控制指令信息进行文本识别,得到识别结果,包括以下至少之一:
利用所述文本识别模型中的提取模块,提取所述第一控制指令信息对应的文本特征;
利用所述文本识别模型中的编码模块,对所述N个字符进行编码处理,得到第一编码结果;
基于所述第一控制指令信息对应的文本特征,利用所述文本识别模型中的网络模块对所述第一编码结果进行预测处理,得到第二编码结果;
利用所述文本识别模型的解码模块,对所述第二编码结果进行解码处理,得到所述识别结果。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述响应于所述第二控制指令信息触发的所述第一控制指令以及所述第二控制指令,对所述待控设备进行控制,包括以下至少之一:
在所述第一控制指令用于指示控制第一设备、所述第二控制指令用于指示控制第二设备的情况下,按照所述第一控制指令对所述第一设备进行控制、以及按照所述第二控制指令对所述第二设备进行控制,其中,所述待控设备包括所述第一设备以及所述第二设备;
在所述第一控制指令的指令优先级大于所述第二控制指令的指令优先级的情况下,按照所述第一控制指令对所述待控设备进行控制;
在所述第二控制指令的指令优先级大于所述第一控制指令的指令优先级的情况下,按照所述第二控制指令对所述待控设备进行控制。
8.一种基于数字孪生的设备控制装置,其特征在于,包括:
获取单元,用于获取第一控制指令信息,其中,所述第一控制指令信息用于触发对待控设备的第一控制指令;
调整单元,用于根据所述第一控制指令信息对应的文本特征,对所述第一控制指令信息中的N个字符进行调整,得到第二控制指令信息,其中,所述第二控制指令信息用于触发所述第一控制指令以及对所述待控设备的第二控制指令;
控制单元,用于响应于所述第二控制指令信息触发的所述第一控制指令以及所述第二控制指令,对所述待控设备进行控制。
9.一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7中任一项所述的方法。
10.一种电子装置,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7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210690264.9A CN115097738A (zh) | 2022-06-17 | 2022-06-17 | 基于数字孪生的设备控制方法、装置和存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210690264.9A CN115097738A (zh) | 2022-06-17 | 2022-06-17 | 基于数字孪生的设备控制方法、装置和存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115097738A true CN115097738A (zh) | 2022-09-23 |
Family
ID=83291923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210690264.9A Pending CN115097738A (zh) | 2022-06-17 | 2022-06-17 | 基于数字孪生的设备控制方法、装置和存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097738A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112151035A (zh) * | 2020-10-14 | 2020-12-29 | 珠海格力电器股份有限公司 | 一种语音控制方法、装置、电子设备及可读存储介质 |
CN112163086A (zh) * | 2020-10-30 | 2021-01-01 | 海信视像科技股份有限公司 | 多意图的识别方法、显示设备 |
US20210125605A1 (en) * | 2019-10-29 | 2021-04-29 | Lg Electronics Inc. | Speech processing method and apparatus therefor |
CN112818996A (zh) * | 2021-01-29 | 2021-05-18 | 青岛海尔科技有限公司 | 指令识别方法和装置、存储介质及电子设备 |
CN113127609A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 语音控制方法、装置、服务器、终端设备及存储介质 |
-
2022
- 2022-06-17 CN CN202210690264.9A patent/CN115097738A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210125605A1 (en) * | 2019-10-29 | 2021-04-29 | Lg Electronics Inc. | Speech processing method and apparatus therefor |
CN113127609A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 语音控制方法、装置、服务器、终端设备及存储介质 |
CN112151035A (zh) * | 2020-10-14 | 2020-12-29 | 珠海格力电器股份有限公司 | 一种语音控制方法、装置、电子设备及可读存储介质 |
CN112163086A (zh) * | 2020-10-30 | 2021-01-01 | 海信视像科技股份有限公司 | 多意图的识别方法、显示设备 |
CN112818996A (zh) * | 2021-01-29 | 2021-05-18 | 青岛海尔科技有限公司 | 指令识别方法和装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844560B (zh) | 一种数据接入的方法、装置、计算机设备和可读存储介质 | |
CN105718534B (zh) | 信息推送装置、信息推送方法以及客户端 | |
CN105512182A (zh) | 语音控制方法及智能电视 | |
CN105469789A (zh) | 一种语音信息的处理方法及终端 | |
CN107733762B (zh) | 一种智能家居的语音控制方法及装置、系统 | |
CN102968190A (zh) | 基于远程应用的本地输入法映射装置及方法 | |
CN110414582B (zh) | 一种模型训练方法、装置、计算设备及存储介质 | |
CN114548110A (zh) | 语义理解方法、装置、电子设备及存储介质 | |
CN110942763A (zh) | 语音识别方法及装置 | |
CN111508472B (zh) | 一种语种切换方法、装置及存储介质 | |
CN114676689A (zh) | 语句文本的识别方法和装置、存储介质及电子装置 | |
CN112818996A (zh) | 指令识别方法和装置、存储介质及电子设备 | |
CN115047778A (zh) | 智能设备的控制方法和装置、存储介质和电子装置 | |
CN114218890A (zh) | 页面渲染方法、装置、电子设备以及存储介质 | |
CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN114237563A (zh) | 可视化程序构建方法、装置、可读介质及电子设备 | |
CN112765981A (zh) | 一种文本信息的生成方法和装置 | |
CN113836944A (zh) | 用于智能设备的控制方法、系统及其装置、电子设备 | |
CN115097738A (zh) | 基于数字孪生的设备控制方法、装置和存储介质及电子装置 | |
CN114925158A (zh) | 语句文本的意图识别方法和装置、存储介质及电子装置 | |
CN114254646A (zh) | 智能设备的控制方法、装置、电子设备及可读存储介质 | |
CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
US10104207B1 (en) | Automatic protocol discovery | |
CN111128135B (zh) | 语音交流方法及装置 | |
CN114911535A (zh) | 应用程序组件配置方法、存储介质及电子装置 |
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 |