CN117892171A - 基于gpt模型的场景规则信息的生成方法和装置 - Google Patents
基于gpt模型的场景规则信息的生成方法和装置 Download PDFInfo
- Publication number
- CN117892171A CN117892171A CN202311864647.4A CN202311864647A CN117892171A CN 117892171 A CN117892171 A CN 117892171A CN 202311864647 A CN202311864647 A CN 202311864647A CN 117892171 A CN117892171 A CN 117892171A
- Authority
- CN
- China
- Prior art keywords
- scene
- information
- rule information
- equipment
- scene rule
- 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 62
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000012795 verification Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000000547 structure data Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种基于GPT模型的场景规则信息的生成方法和装置,涉及智慧家庭技术领域,该场景规则信息的生成方法包括:在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息;采用上述方案,解决了现有技术中在意图解析和场景规则生成方面缺乏智能化和自动化的能力,无法快速、准确地生成想要的场景规则的问题。
Description
技术领域
本申请涉及智慧家庭技术领域,具体而言,涉及一种基于GPT模型的场景规则信息的生成方法和装置。
背景技术
随着智能设备的功能越来越丰富,市面上大多数的智能设备都具备物联网能力,在智慧家庭领域,若用户想要基于智能设备配置场景,往往需要具备一定的专业知识和技能,同时需要了解设备模型和场景规范,这对于非专业人士来说可能是一项困难的任务。
针对现有技术中,在意图解析和场景规则生成方面缺乏智能化和自动化的能力,无法快速、准确地生成想要的场景规则等问题,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GPT模型的场景规则信息的生成方法和装置,以至少解决现有技术中,在意图解析和场景规则生成方面缺乏智能化和自动化的能力,无法快速、准确地生成想要的场景规则的问题。
根据本申请实施例的一个实施例,提供了一种基于GPT模型的场景规则信息的生成方法,包括:在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
在一个示例性实施例中,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理之前,所述方法还包括:根据设备品类对所述多个设备的设备信息进行分类;根据第一设备品类的设备信息生成所述第一设备品类对应的设备模型信息,其中,所述设备模型信息包括:设备功能,设备参数。
在一个示例性实施例中,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理之前,所述方法还包括:获取目标区域的结构数据,其中,所述多个设备均位于所述目标区域中;根据所述结构数据确定所述目标区域包含的不同子区域;根据所述目标区域对应的环境数据确定所述不同子区域对应的场景子规范信息,得到所述预设场景规范信息,其中,所述场景子规范信息用于指示以下至少之一:在不同条件下的目标环境数据,在不同条件下设备参数的数值范围。
在一个示例性实施例中,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息,包括:确定所述初始场景规则信息所指示的第二设备品类、确定所述初始场景规则信息所指示的所述第二设备品类对应的目标设备参数,以及确定所述第二设备品类对应的目标子区域;根据所述目标子区域和所述第二设备品类从所述多个设备中筛选出第一设备;根据所述第一设备的设备参数的数值范围和所述目标设备参数确定出第二设备,并根据所述第二设备对所述初始场景规则信息进行处理,得到所述场景规则信息,其中,所述第一设备包括所述第二设备。
在一个示例性实施例中,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息之后,所述方法还包括:将所述场景规则信息发送至所述目标应用,并通过所述目标应用接收反馈信息,其中,所述反馈信息用于指示所述场景规则信息与所述场景创建意图是否匹配;在所述反馈信息指示所述场景规则信息与所述场景创建意图匹配的情况下,根据所述场景规则信息创建目标场景;在所述反馈信息指示所述场景规则信息与所述场景创建意图不匹配的情况下,根据所述目标应用发送的修改操作对所述场景规则信息进行修改,并根据修改后的场景规则信息创建所述目标场景。
在一个示例性实施例中,创建目标场景之后,所述方法还包括:将最终得到的场景规则信息和所述场景创建意图保存至预设数据库中;在接收到所述目标应用发送的第二场景创建请求的情况下,在所述预设数据库中匹配所述第二场景创建请求携带的第二场景创建意图;在匹配到第三场景创建意图的情况下,将所述第三场景创建意图对应的目标场景规则信息发送至所述目标应用,其中,所述第三场景创建意图与所述第二场景创建意图的相似度大于预设阈值。
在一个示例性实施例中,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息之后,所述方法还包括:根据所述预设场景规范信息对所述初始场景规则信息进行规范校验,以确定所述GPT模型生成的所述初始场景规则信息是否符合所述预设场景规范信息所指示的场景规范;在所述初始场景规则信息通过校验的情况下,根据所述多个设备的设备信息对所述初始场景规则信息进行处理。
根据本申请实施例的另一个实施例,还提供了一种基于GPT模型的场景规则信息的生成装置,包括:获取模块,用于在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;发送模块,用于将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;处理模块,用于根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
根据本申请实施例的又一方面,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场景规则信息的生成方法。
根据本申请实施例的又一方面,还提供了一种电子装置,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场景规则信息的生成方法。
在本申请实施例中,在接收到目标应用发送的场景创建请求的情况下,根据目标应用绑定的对象标识获取该对象标识对应的多个设备的设备信息;将场景创建请求携带的场景创建意图、该多个设备对应的设备模型信息和预设场景规范信息发送到GPT模型中进行处理,得到初始场景规则信息;最后根据该多个设备的设备信息对初始场景规则进行处理,得到场景规则信息;采用上述方案,通过训练GPT模型,使得用户只需输入想要创建场景的意图,即可通过GPT模型快速生成符合用户意图的场景规则,从而解决了相关技术中在意图解析和场景规则生成方面缺乏智能化和自动化的能力,无法快速、准确地生成想要的场景规则的问题。
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可选的场景规则信息的生成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场景规则信息的生成方法的流程图;
图3是根据本申请实施例的一种可选的场景规则信息的生成方法的流程示意图;
图4是根据本申请实施例的一种可选的场景规则信息生成系统的系统架构图;
图5是根据本申请实施例的一种可选的场景规则信息的生成装置的结构框图。
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,提供了一种场景规则信息的生成方法。该场景规则信息的生成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,上述场景规则信息的生成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、冰箱设备、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。
在本实施例中提供了一种场景规则信息的生成方法,应用于场景编排服务,图2是根据本申请实施例的一种可选的场景规则信息的生成方法的流程图,该流程包括如下步骤:
步骤S202,在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;
需要说明的是,上述多个设备可以理解为该对象标识所绑定的多个设备,也可以理解为该对象标识所在家庭中的所有设备,还可以根据具体应用场景确定为其他设备,本申请对此不作限制。
步骤S204,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;
步骤S206,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
在本申请实施例中,在接收到目标应用发送的场景创建请求的情况下,根据目标应用绑定的对象标识获取该对象标识对应的多个设备的设备信息;将场景创建请求携带的场景创建意图、该多个设备对应的设备模型信息和预设场景规范信息发送到GPT模型中进行处理,得到初始场景规则信息;最后根据该多个设备的设备信息对初始场景规则进行处理,得到场景规则信息;采用上述方案,通过训练GPT模型,使得用户只需输入想要创建场景的意图,即可通过GPT模型快速生成符合用户意图的场景规则,从而解决了相关技术中在意图解析和场景规则生成方面缺乏智能化和自动化的能力,无法快速、准确地生成想要的场景规则的问题。
可选的,执行上述步骤S204:将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理之前,所述方法还包括:根据设备品类对所述多个设备的设备信息进行分类;根据第一设备品类的设备信息生成所述第一设备品类对应的设备模型信息,其中,所述设备模型信息包括:设备功能,设备参数。
在通过GPT模型自动生成场景规则信息之前,还需要根据用户家里的设备提取出设备的品类模型,即定义用户家中的设备模型规范(相当于上述设备模型信息),使用设备模型来描述设备的属性、功能和操作方式等信息,设备模型规范可以基于物理模型、数学模型或其他模型进行描述,以便用户能够了解设备的特性和操作方法;设备模型信息具体可以包括设备的属性标识、属性名称、属性类型、属性取值范围等;如表1所示,将家庭中所有品类相同的设备抽象成一种设备模型,例如,空调的功能模型定义(以下只定义了一个功能模式):
表1
可选的,执行上述步骤S204:将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理之前,所述方法还包括:获取目标区域的结构数据,其中,所述多个设备均位于所述目标区域中;根据所述结构数据确定所述目标区域包含的不同子区域;根据所述目标区域对应的环境数据确定所述不同子区域对应的场景子规范信息,得到所述预设场景规范信息,其中,所述场景子规范信息用于指示以下至少之一:在不同条件下的目标环境数据,在不同条件下设备参数的数值范围。
在通过GPT模型自动生成场景规则之前,还需要配置好场景规范,场景规范描述了设备在特定场景下的工作要求和参数设置等信息。场景规范主要包含了场景名称、场景触发条件、场景执行动作3大组成部分,场景触发条件包含条件类型(设备类型条件、天气条件、定时条件)、条件的属性标识、条件的值、条件之间的关系符,比如设备条件:当空调温度大于30度时。如果是多条件组合需要有一个标识指定条件与条件之间的逻辑关系,比如且或者或关系。定义场景规范信息是为了告诉GPT模型场景规则的条件有哪些类型,动作有哪些类型以及用户如果表达了条件应该生成什么样的格式,没有表达条件时应该生成什么样的格式等。场景规范的定义如表2所示,举例说明,当室内温度大于35度时开启制冷模式的场景规则定义如下:
表2
可选的,可以通过以下方式来实现根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息的技术方案,包括:确定所述初始场景规则信息所指示的第二设备品类、确定所述初始场景规则信息所指示的所述第二设备品类对应的目标设备参数,以及确定所述第二设备品类对应的目标子区域;根据所述目标子区域和所述第二设备品类从所述多个设备中筛选出第一设备;根据所述第一设备的设备参数的数值范围和所述目标设备参数确定出第二设备,并根据所述第二设备对所述初始场景规则信息进行处理,得到所述场景规则信息,其中,所述第一设备包括所述第二设备。
在得到GPT模型生成的初始场景规则信息之后,需要根据初始场景规则信息匹配用户家里的满足条件或动作的设备,以及当前系统所具备的其他非设备条件和动作的功能详细信息,组成系统可支持的场景规则。具体包括以下流程:先确定初始场景规则信息所指示的第二设备品类,即待执行动作的设备类别,确定初始场景规则信息中指示该设备待调节的目标设备参数,以及目标子区域(即作用范围);根据目标子区域和第二设备品类从家庭中的设备中筛选出第一设备;最后确定该第一设备的设备参数的数值范围是否能满足目标设备参数,从而确定出第二设备,最后将第二设备代入到初始场景规则信息中,得到最终向用户展示的场景规则信息。
可选的,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息之后,所述方法还包括:将所述场景规则信息发送至所述目标应用,并通过所述目标应用接收反馈信息,其中,所述反馈信息用于指示所述场景规则信息与所述场景创建意图是否匹配;在所述反馈信息指示所述场景规则信息与所述场景创建意图匹配的情况下,根据所述场景规则信息创建目标场景;在所述反馈信息指示所述场景规则信息与所述场景创建意图不匹配的情况下,根据所述目标应用发送的修改操作对所述场景规则信息进行修改,并根据修改后的场景规则信息创建所述目标场景。
将最后得到的场景规则信息展示给用户或者通过语音播报提示等方式告知用户,用户进行确认,或直接查看该场景规则信息是否满足当前用户意图;接收用户的反馈信息,若用户确认无误,则根据该场景规则信息生成场景;若用户觉得不满意,可以基于当前生成的场景规则进行进一步修改,然后再创建场景。
基于上述步骤,创建目标场景之后,所述方法还包括:将最终得到的场景规则信息和所述场景创建意图保存至预设数据库中;在接收到所述目标应用发送的第二场景创建请求的情况下,在所述预设数据库中匹配所述第二场景创建请求携带的第二场景创建意图;在匹配到第三场景创建意图的情况下,将所述第三场景创建意图对应的目标场景规则信息发送至所述目标应用,其中,所述第三场景创建意图与所述第二场景创建意图的相似度大于预设阈值。
场景编排服务会缓存用户意图和GPT模型生成的场景规则,在后续用户表达相似话语后可直接输出该场景规则。在后续接收到用户发送的其他场景创建请求后,会先在预设数据库中匹配用户意图,若匹配到相似度大于预设阈值的第三场景创建意图,则直接输出该第三场景创建意图对应的目标场景规则信息。
可选的,场景编排服务也可以缓存经过用户最终确认的场景规则信息,保证匹配后直接输出的场景规则信息更加符合用户需求。
可选的,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息之后,所述方法还包括:根据所述预设场景规范信息对所述初始场景规则信息进行规范校验,以确定所述GPT模型生成的所述初始场景规则信息是否符合所述预设场景规范信息所指示的场景规范;在所述初始场景规则信息通过校验的情况下,根据所述多个设备的设备信息对所述初始场景规则信息进行处理。
在得到GPT模型输出的初始场景规则信息之后,还可以根据预设场景规范信息对该初始场景规则信息进行规范校验,预设场景规范信息用于限定GPT模型生成的场景规则的规范,若初始场景规则信息未通过规范校验,则可以将本次输出结果作为负面反馈继续训练GPT模型;若通过规范校验,则继续根据设备信息对初始场景规则信息进行处理。
通过上述实施例,通过GPT模型能够准确解析用户意图并生成符合用户要求的场景规则,用户可以更准确地实现他们所期望的场景设置;这提高了用户对智能设备的满意度和使用体验,使用户能够更好地享受智能化生活带来的便利。
在一个可选的实施例中,本申请提出了一种可选的场景规则信息的生成方法,如图3所示,图3是本申请实施例的一种可选的场景规则信息的生成方法的流程示意图,包括以下步骤:
步骤1、用户在APP上通过输入一段文本或者通过音箱或屏端语音入口发起场景创建意图。如:“当我回家门锁打开后,帮我打开客厅的灯和电视,关闭客厅窗帘,音箱播放舒缓音乐”;
步骤2、APP或音箱等语音设备接收到用户场景创建请求后,请求后端场景编排服务进行处理;
步骤3、场景编排服务受到用户场景创建意图请求(相当于上述场景创建请求)后,根据用户信息查找用户当前家里有哪些设备,以及用户当前家庭的房间信息有哪些;
步骤4、场景编排服务请求设备服务获取当前家庭下的设备名称,设备型号,设备所属品类有哪些;
步骤5、场景编排服务根据用户家里的设备信息、房间信息、设备功能,组装功能模型规范定义(即上述设备模型信息),以及组装场景的规范定义(即上述预设场景规范信息);
步骤6、将用户意图(即上述场景创建意图)、设备模型信息和场景的规范定义信息(即上述预设场景规范信息)发送至HomeGPT模型(即上述GPT模型)中解析;
步骤7、HomeGPT根据用户意图和设备模型以及场景规范进行规则匹配,生成场景的规则信息(即上述初始场景规则信息);
步骤8、场景编排服务根据HomeGPT解析后的场景规则再次进行转换生成用户可理解的场景规则信息;
步骤9、将解析后的规则返回给APP或音箱或屏端;
步骤10、用户对最终生成的场景规则进行查看和确认。
通过上述方法,将HomeGPT模型应用于解析用户意图和生成场景规范的过程中,HomeGPT模型是一种基于深度学习的自然语言处理模型,具有强大的语义理解和生成能力。通过训练和应用HomeGPT模型,本申请能够实现智能化的意图解析和场景规范生成,为用户提供便捷的操作体验。
在一个可选的实施例中,上述场景规则的生成方法可以应用于如图4所示的场景规则生成系统中,图4是本申请实施例的一种可选的场景规则生成系统的系统架构图,包括:
交互入口:APP、音箱、屏端等。
用户可以通过APP(即上述目标应用)、智能音箱设备和屏端设备等与场景自编排服务(即上述场景编排服务)进行交互,包括输入场景创建意图,接收生成的场景规则等。
场景自编排服务:用于将用户表达的意图、设备的功能模型定义、场景规则说明生成最终的数据模型(数据模型包括上述场景创建意图、设备模型信息和预设场景规范信息)输送给HomeGPT,通过HomeGPT解析后生成的场景规则(即上述初始场景规则信息)返回给场景自编排服务,场景自编排服务再根据返回的场景规则解析后,匹配筛选用户家里的设备,如果是非设备条件或动作,匹配非设备条件或动作信息,组成最终的场景详细规则数据结构(即上述场景规则信息);以及将用户意图和场景规则进行缓存,用于后续相似性判断。
HomeGPT,用于对场景自编排服务提供过来的数据进行解析,并生成最终的场景规则数据。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
在本实施例中还提供了场景规则信息的生成装置,该场景规则信息的生成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5根据本申请实施例的一种可选的场景规则信息的生成装置的结构框图,如图5所示,包括:
获取模块52,用于在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;
发送模块54,用于将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;
处理模块56,用于根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
通过上述装置,在接收到目标应用发送的场景创建请求的情况下,根据目标应用绑定的对象标识获取该对象标识对应的多个设备的设备信息;将场景创建请求携带的场景创建意图、该多个设备对应的设备模型信息和预设场景规范信息发送到GPT模型中进行处理,得到初始场景规则信息;最后根据该多个设备的设备信息对初始场景规则进行处理,得到场景规则信息;采用上述方案,通过训练GPT模型,使得用户只需输入想要创建场景的意图,即可通过GPT模型快速生成符合用户意图的场景规则,从而解决了相关技术中在意图解析和场景规则生成方面缺乏智能化和自动化的能力,无法快速、准确地生成想要的场景规则的问题。
可选的,上述发送模块54,还用于根据设备品类对所述多个设备的设备信息进行分类;根据第一设备品类的设备信息生成所述第一设备品类对应的设备模型信息,其中,所述设备模型信息包括:设备功能,设备参数。
在通过GPT模型自动生成场景规则信息之前,还需要根据用户家里的设备提取出设备的品类模型,即定义用户家中的设备模型规范(相当于上述设备模型信息),使用设备模型来描述设备的属性、功能和操作方式等信息,设备模型规范可以基于物理模型、数学模型或其他模型进行描述,以便用户能够了解设备的特性和操作方法;设备模型信息具体可以包括设备的属性标识、属性名称、属性类型、属性取值范围等。
可选的,上述发送模块54,还用于获取目标区域的结构数据,其中,所述多个设备均位于所述目标区域中;根据所述结构数据确定所述目标区域包含的不同子区域;根据所述目标区域对应的环境数据确定所述不同子区域对应的场景子规范信息,得到所述预设场景规范信息,其中,所述场景子规范信息用于指示以下至少之一:在不同条件下的目标环境数据,在不同条件下设备参数的数值范围。
在通过GPT模型自动生成场景规则之前,还需要配置好场景规范,场景规范描述了设备在特定场景下的工作要求和参数设置等信息。场景规范主要包含了场景名称、场景触发条件、场景执行动作3大组成部分,场景触发条件包含条件类型(设备类型条件、天气条件、定时条件)、条件的属性标识、条件的值、条件之间的关系符,比如设备条件:当空调温度大于30度时。如果是多条件组合需要有一个标识指定条件与条件之间的逻辑关系,比如且或者或关系。定义场景规范信息是为了告诉GPT模型场景规则的条件有哪些类型,动作有哪些类型以及用户如果表达了条件应该生成什么样的格式,没有表达条件时应该生成什么样的格式等。
可选的,上述处理模块56,还用于确定所述初始场景规则信息所指示的第二设备品类、确定所述初始场景规则信息所指示的所述第二设备品类对应的目标设备参数,以及确定所述第二设备品类对应的目标子区域;根据所述目标子区域和所述第二设备品类从所述多个设备中筛选出第一设备;根据所述第一设备的设备参数的数值范围和所述目标设备参数确定出第二设备,并根据所述第二设备对所述初始场景规则信息进行处理,得到所述场景规则信息,其中,所述第一设备包括所述第二设备。
在得到GPT模型生成的初始场景规则信息之后,需要根据初始场景规则信息匹配用户家里的满足条件或动作的设备,以及当前系统所具备的其他非设备条件和动作的功能详细信息,组成系统可支持的场景规则。具体包括以下流程:先确定初始场景规则信息所指示的第二设备品类,即待执行动作的设备类别,确定初始场景规则信息中指示该设备待调节的目标设备参数,以及目标子区域(即作用范围);根据目标子区域和第二设备品类从家庭中的设备中筛选出第一设备;最后确定该第一设备的设备参数的数值范围是否能满足目标设备参数,从而确定出第二设备,最后将第二设备代入到初始场景规则信息中,得到最终向用户展示的场景规则信息。
可选的,上述处理模块56,还用于将所述场景规则信息发送至所述目标应用,并通过所述目标应用接收反馈信息,其中,所述反馈信息用于指示所述场景规则信息与所述场景创建意图是否匹配;在所述反馈信息指示所述场景规则信息与所述场景创建意图匹配的情况下,根据所述场景规则信息创建目标场景;在所述反馈信息指示所述场景规则信息与所述场景创建意图不匹配的情况下,根据所述目标应用发送的修改操作对所述场景规则信息进行修改,并根据修改后的场景规则信息创建所述目标场景。
将最后得到的场景规则信息展示给用户或者通过语音播报提示等方式告知用户,用户进行确认,或直接查看该场景规则信息是否满足当前用户意图;接收用户的反馈信息,若用户确认无误,则根据该场景规则信息生成场景;若用户觉得不满意,可以基于当前生成的场景规则进行进一步修改,然后再创建场景。
可选的,上述处理模块56,还用于将最终得到的场景规则信息和所述场景创建意图保存至预设数据库中;在接收到所述目标应用发送的第二场景创建请求的情况下,在所述预设数据库中匹配所述第二场景创建请求携带的第二场景创建意图;在匹配到第三场景创建意图的情况下,将所述第三场景创建意图对应的目标场景规则信息发送至所述目标应用,其中,所述第三场景创建意图与所述第二场景创建意图的相似度大于预设阈值。
场景编排服务会缓存用户意图和GPT模型生成的场景规则,在后续用户表达相似话语后可直接输出该场景规则。在后续接收到用户发送的其他场景创建请求后,会先在预设数据库中匹配用户意图,若匹配到相似度大于预设阈值的第三场景创建意图,则直接输出该第三场景创建意图对应的目标场景规则信息。
可选的,场景编排服务也可以缓存经过用户最终确认的场景规则信息,保证匹配后直接输出的场景规则信息更加符合用户需求。
可选的,上述处理模块56,还用于根据所述预设场景规范信息对所述初始场景规则信息进行规范校验,以确定所述GPT模型生成的所述初始场景规则信息是否符合所述预设场景规范信息所指示的场景规范;在所述初始场景规则信息通过校验的情况下,根据所述多个设备的设备信息对所述初始场景规则信息进行处理。
在得到GPT模型输出的初始场景规则信息之后,还可以根据预设场景规范信息对该初始场景规则信息进行规范校验,预设场景规范信息用于限定GPT模型生成的场景规则的规范,若初始场景规则信息未通过规范校验,则可以将本次输出结果作为负面反馈继续训练GPT模型;若通过规范校验,则继续根据设备信息对初始场景规则信息进行处理。
本申请的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项的方法。
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程序代码:
S1,在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;
S2,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;
S3,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
本申请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,在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;
S2,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;
S3,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
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程序代码的介质。
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,上述的本申请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,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于GPT模型的场景规则信息的生成方法,其特征在于,包括:
在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;
将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;
根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
2.根据权利要求1所述的场景规则信息的生成方法,其特征在于,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理之前,所述方法还包括:
根据设备品类对所述多个设备的设备信息进行分类;
根据第一设备品类的设备信息生成所述第一设备品类对应的设备模型信息,其中,所述设备模型信息包括:设备功能,设备参数。
3.根据权利要求1所述的场景规则信息的生成方法,其特征在于,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理之前,所述方法还包括:
获取目标区域的结构数据,其中,所述多个设备均位于所述目标区域中;
根据所述结构数据确定所述目标区域包含的不同子区域;
根据所述目标区域对应的环境数据确定所述不同子区域对应的场景子规范信息,得到所述预设场景规范信息,其中,所述场景子规范信息用于指示以下至少之一:在不同条件下的目标环境数据,在不同条件下设备参数的数值范围。
4.根据权利要求3所述的场景规则信息的生成方法,其特征在于,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息,包括:
确定所述初始场景规则信息所指示的第二设备品类、确定所述初始场景规则信息所指示的所述第二设备品类对应的目标设备参数,以及确定所述第二设备品类对应的目标子区域;
根据所述目标子区域和所述第二设备品类从所述多个设备中筛选出第一设备;
根据所述第一设备的设备参数的数值范围和所述目标设备参数确定出第二设备,并根据所述第二设备对所述初始场景规则信息进行处理,得到所述场景规则信息,其中,所述第一设备包括所述第二设备。
5.根据权利要求1所述的场景规则信息的生成方法,其特征在于,根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息之后,所述方法还包括:
将所述场景规则信息发送至所述目标应用,并通过所述目标应用接收反馈信息,其中,所述反馈信息用于指示所述场景规则信息与所述场景创建意图是否匹配;
在所述反馈信息指示所述场景规则信息与所述场景创建意图匹配的情况下,根据所述场景规则信息创建目标场景;
在所述反馈信息指示所述场景规则信息与所述场景创建意图不匹配的情况下,根据所述目标应用发送的修改操作对所述场景规则信息进行修改,并根据修改后的场景规则信息创建所述目标场景。
6.根据权利要求5所述的场景规则信息的生成方法,其特征在于,创建目标场景之后,所述方法还包括:
将最终得到的场景规则信息和所述场景创建意图保存至预设数据库中;
在接收到所述目标应用发送的第二场景创建请求的情况下,在所述预设数据库中匹配所述第二场景创建请求携带的第二场景创建意图;
在匹配到第三场景创建意图的情况下,将所述第三场景创建意图对应的目标场景规则信息发送至所述目标应用,其中,所述第三场景创建意图与所述第二场景创建意图的相似度大于预设阈值。
7.根据权利要求3所述的场景规则信息的生成方法,其特征在于,将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息之后,所述方法还包括:
根据所述预设场景规范信息对所述初始场景规则信息进行规范校验,以确定所述GPT模型生成的所述初始场景规则信息是否符合所述预设场景规范信息所指示的场景规范;
在所述初始场景规则信息通过校验的情况下,根据所述多个设备的设备信息对所述初始场景规则信息进行处理。
8.一种基于GPT模型的场景规则信息的生成装置,其特征在于,包括:
获取模块,用于在接收到目标应用发送的场景创建请求的情况下,根据所述目标应用绑定的对象标识获取所述对象标识对应的多个设备的设备信息;
发送模块,用于将所述场景创建请求携带的场景创建意图、所述多个设备对应的设备模型信息和预设场景规范信息发送给GPT模型中进行处理,得到初始场景规则信息;
处理模块,用于根据所述多个设备的设备信息对所述初始场景规则信息进行处理,得到场景规则信息。
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所述权利要求1至7任一项中所述的方法。
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所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311864647.4A CN117892171A (zh) | 2023-12-29 | 2023-12-29 | 基于gpt模型的场景规则信息的生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311864647.4A CN117892171A (zh) | 2023-12-29 | 2023-12-29 | 基于gpt模型的场景规则信息的生成方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117892171A true CN117892171A (zh) | 2024-04-16 |
Family
ID=90642116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311864647.4A Pending CN117892171A (zh) | 2023-12-29 | 2023-12-29 | 基于gpt模型的场景规则信息的生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117892171A (zh) |
-
2023
- 2023-12-29 CN CN202311864647.4A patent/CN117892171A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051743A (zh) | 设备控制方法、冲突处理方法、相应的装置及电子设备 | |
CN111665737B (zh) | 一种智能家居场景控制方法及系统 | |
CN112488555A (zh) | 智能场景配置方法、装置、存储介质及电子设备 | |
CN114740748A (zh) | 智能家居场景创建方法、装置、存储介质及电子装置 | |
CN110579977B (zh) | 一种电器设备的控制方法、装置及计算机可读存储介质 | |
WO2023098002A1 (zh) | 家电设备的控制方法、系统、装置、存储介质及电子装置 | |
CN115685765A (zh) | 一种设备联动方案推荐方法、设备及介质 | |
CN114821236A (zh) | 智慧家庭环境感知方法、系统、存储介质及电子装置 | |
CN108932947B (zh) | 语音控制方法及家电设备 | |
CN114755931A (zh) | 控制指令的预测方法和装置、存储介质及电子装置 | |
CN115047778A (zh) | 智能设备的控制方法和装置、存储介质和电子装置 | |
CN114493028A (zh) | 预测模型的建立方法和装置、存储介质及电子装置 | |
CN111538881B (zh) | 一种基于行为数据的活跃度分析方法、设备及存储介质 | |
CN117892171A (zh) | 基于gpt模型的场景规则信息的生成方法和装置 | |
CN116540556A (zh) | 基于用户习惯的设备控制方法及装置 | |
CN116165931A (zh) | 智能设备的控制方法和系统、装置、存储介质及电子装置 | |
CN116072113A (zh) | 控制指令的确定方法及装置、存储介质及电子装置 | |
CN109872722B (zh) | 一种语音交互方法、装置、存储介质及空调 | |
CN117689020B (zh) | 基于大模型构建智能家居本体的方法及装置、电子设备 | |
CN116364079A (zh) | 设备控制方法、装置和存储介质及电子装置 | |
CN115171702B (zh) | 数字孪生声纹特征处理方法、存储介质及电子装置 | |
CN117809629B (zh) | 基于大模型的交互系统更新方法、装置及存储介质 | |
CN118158012A (zh) | 组合命令的确定方法和装置、存储介质及电子装置 | |
CN118519710A (zh) | 虚拟界面的生成方法和装置、存储介质及电子装置 | |
CN115373283A (zh) | 控制指令的确定方法及装置、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 |