行为习惯的识别方法和装置、存储介质及电子装置与流程

1.本技术涉及智慧家庭技术领域，具体而言，涉及一种行为习惯的识别方法和装置、存储介质及电子装置。

背景技术：

2.近几年物联网技术不断地更新迭代，使得智能家居行业得到日新月异的发展，智能家居的产品和服务逐渐给用户带来更丰富、更优质、更有效的推荐服务。为了能够精准识别用户行为习惯，提供更贴心的推荐服务，智能家居厂商以及服务商，对于消息推荐应用进行不断探索与研究，以便来满足各种用户的精准化需求。相关技术中，用户习惯识别技术方案，存在以下缺点：对于用户行为区分度不足，没有过滤无效的用户操作关联行为信息；对于获取的用户行为信息，没有考虑用户行为关联的支持度信息，使得最终挖掘出的用户习惯信息不够精确。
3.因此，针对相关技术中，在挖掘目标对象对应的行为习惯时，对于行为的区分度不够，对目标对象存在的关联行为无法识别统计等问题，尚未提出有效的解决方案。

技术实现要素：

4.本技术实施例提供了一种行为习惯的识别方法和装置、存储介质及电子装置，以至少解决相关技术中，在挖掘目标对象对应的行为习惯时，对于行为的区分度不够，对目标对象存在的关联行为无法识别统计等问题。
5.根据本技术实施例的一个实施例，提供了一种行为习惯的识别方法，包括：获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。
6.在一个示例性实施例中，使用预设规则对所述动作内容进行确认，包括：在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备；在所述第一关联结果信息集合中存在自然配对行为的动作内容的情况下，将在所述自然配对行为中首先发生的动作内容对应的第二操作动作标识为有效动作，将所述自然配对行为中除首先发生的动作内容对应第二操作动作之外的其他第二操作动作标识为无效动作。
7.在一个示例性实施例中，在所述第一关联结果信息集合中存在动作内容相同的任
意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备之后，上述方法还包括：在所述任意两个连续的第二操作动作对应的目标家电设备为同一家电设备的情况下，将所述任意两个连续的第二操作动作中时间点在前的第二操作动作标识为有效动作，将时间点在后的第二操作动作标识为无效动作；在所述任意两个连续的第二操作动作对应的目标家电设备不为同一家电设备的情况下，将所述任意两个连续的第二操作动作均标识为有效动作。
8.在一个示例性实施例中，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，包括：获取所述预设分组对应的第一分组信息和第二分组信息，其中，所述第一分组信息包括：目标对象、目标对象操作家电设备的总用时、操作动作的发生位置、操作动作对应的家电设备的运行结果；所述第二分组信息包括：目标对象、操作动作的发生位置、操作动作对应的家电设备的运行结果、与所述操作动作存在关联的关联行为；基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计。
9.在一个示例性实施例中，基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计，包括：基于所述第一分组信息对所述多个第三操作动作中每一种操作动作的发生次数进行统计，得到第一统计信息；基于所述第二分组信息确定所述多个第三操作动作中每一种操作动作对应的关联动作，并确定所述关联动作的发生概率，得到第二统计信息。
10.在一个示例性实施例中，根据统计结果识别出所述目标对象对应的行为习惯，包括：利用所述目标对象作为数据对齐标识对所述第一统计信息和所述第二统计信息进行汇总，得到第三统计信息；在所述第三统计信息中确定次数发生最多且关联动作的发生概率最大的目标第三操作动作；获取当前所述目标第三操作动作对应的目标家电设备，基于目标对象使用所述目标第三操作动作操作所述目标家电设备的行为数据确定所述目标对象的行为偏好；通过所述行为偏好确定出所述目标对象对应的行为习惯。
11.在一个示例性实施例中，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯之后，上述方法还包括：确定所述行为习惯包含的行为偏好的类型数量；在所述类型数量大于预设数量的情况下，生成所述行为习惯对应的家电设备操作场景；向所述目标对象发送携带所述家电设备操作场景的场景更新消息。
12.根据本技术实施例的另一个实施例，还提供了一种行为习惯的识别装置，包括：获取模块，用于获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；去除模块，用于将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定模块，用于确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；统计模块，用于对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。
13.在一个示例性实施例中，上述确定模块，还用于在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备；在所述第一关联结果信息集合中存在自然配对行为的动作内容的情况下，将在所述自然配对行为中首先发生的动作内容对应的第二操作动作标识为有效动作，将所述自然配对行为中除首先发生的动作内容对应第二操作动作之外的其他第二操作动作标识为无效动作。
14.在一个示例性实施例中，上述确定模块还包括：标识单元，用于在所述任意两个连续的第二操作动作对应的目标家电设备为同一家电设备的情况下，将所述任意两个连续的第二操作动作中时间点在前的第二操作动作标识为有效动作，将时间点在后的第二操作动作标识为无效动作；在所述任意两个连续的第二操作动作对应的目标家电设备不为同一家电设备的情况下，将所述任意两个连续的第二操作动作均标识为有效动作。
15.在一个示例性实施例中，上述统计模块，还用于获取所述预设分组对应的第一分组信息和第二分组信息，其中，所述第一分组信息包括：目标对象、目标对象操作家电设备的总用时、操作动作的发生位置、操作动作对应的家电设备的运行结果；所述第二分组信息包括：目标对象、操作动作的发生位置、操作动作对应的家电设备的运行结果、与所述操作动作存在关联的关联行为；基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计。
16.在一个示例性实施例中，上述统计模块还包括：第一统计单元，用于基于所述第一分组信息对所述多个第三操作动作中每一种操作动作的发生次数进行统计，得到第一统计信息；第二统计单元，用于基于所述第二分组信息确定所述多个第三操作动作中每一种操作动作对应的关联动作，并确定所述关联动作的发生概率，得到第二统计信息。
17.在一个示例性实施例中，上述统计模块，还用于利用目标对象作为数据对齐标识对第一统计信息和第二统计信息进行汇总，得到第三统计信息；在第三统计信息中确定次数发生最多且关联动作的发生概率最大的目标第三操作动作；获取当前目标第三操作动作对应的目标家电设备，基于目标对象使用所述目标第三操作动作操作所述目标家电设备的行为数据确定所述目标对象的行为偏好；通过所述行为偏好确定出所述目标对象对应的行为习惯。。
18.在一个示例性实施例中，上述装置还包括：场景模块，用于确定所述行为习惯包含的行为偏好的类型数量；在所述类型数量大于预设数量的情况下，生成所述行为习惯对应的家电设备操作场景；向所述目标对象发送携带所述家电设备操作场景的场景更新消息。
19.根据本技术实施例的又一方面，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行为习惯的识别方法。
20.根据本技术实施例的又一方面，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行为习惯的识别方法。
21.在本技术实施例中，获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，行为数据包括：对多个家电设备的第一操作动作；将行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，
其中，不关联动作为行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对动作内容进行确认，得到第二关联结果信息集合；对第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合；采用上述技术方案，解决了相关技术中，在挖掘目标对象对应的行为习惯时，对于行为的区分度不够，对目标对象存在的关联行为无法识别统计等问题，通过使用包含时序规则和匹配性规则的关联信息模型，对行为数据中操作动作对应的关联有效性以及操作动作对应的支持度进行确定，利用逐级分类对行为数据进行缩小，提升了最终从所述行为数据中确定的行为习惯对应的数据准确度，并且通过分级筛选使得对于大数据量的行为数据的处理数据大大提升，使得可以通过行为数据快速且有效的提取出多个行为习惯。
附图说明
22.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
23.为了更清楚地说明本技术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。
24.图1是本技术实施例的一种行为习惯的识别方法的硬件环境示意图；
25.图2是根据本技术实施例的行为习惯的识别方法的流程图；
26.图3为本发明可选实施例的用户习惯识别技术方案的流程图；
27.图4为本发明可选实施例的一种基于用户家电操作行为识别用户习惯的系统的结构示意图；
28.图5为本发明可选实施例的基于用户家电操作行为识别用户习惯的系统对应数据流转示意图；
29.图6为本发明可选实施例的一种行为关联算法的用户习惯识别的流程图；
30.图7是根据本技术实施例的一种行为习惯的识别装置的结构框图；
31.图8是根据本技术实施例的一种电子装置的结构框图。
具体实施方式
32.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，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，都应当属于本技术保护的范围。
33.需要说明的是，本技术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，以便这里描述的本技术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。
34.根据本技术实施例的一个方面，提供了一种行为习惯的识别方法。该行为习惯的识别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，上述行为习惯的识别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。
35.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。
36.在本实施例中提供了一种行为习惯的识别方法，应用于上述计算机终端，图2是根据本技术实施例的行为习惯的识别方法的流程图，该流程包括如下步骤：
37.步骤s202，获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；
38.需要说明的是，上述家电设备是与目标对象进行了关联绑定的设备，可以通过目标对象对应的用户信息对对应的行为数据进行标识，其中，上述用户信息可以识别唯一用户，进而当用户在设备端操作家电设备后，家电设备的设备底板采集操作记录信息，通过网络实时发送到云服务器；通过分布式发布订阅消息系统kafka将数据传输到数据平台对应的服务器中，并在数据平台中进行用户家电操作记录信息(相当于上述行为数据)的关联处理。
39.步骤s204，将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；
40.可选的，上述第一预设间隔时间用于与连续两个第一操作动作发生时间对应的当前间隔时间进行比较，从而快速去除行为数据中间隔时间大于该第一预设间隔时间的连续两个第一操作动作，上述第一预设间隔时间可以是5分钟、10分钟也可以是30秒，这是根据行为数据的处理要求灵活设置的。
41.步骤s206，确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；
42.步骤s208，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分
组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。
43.通过上述步骤，获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，行为数据包括：对多个家电设备的第一操作动作；将行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，不关联动作为行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对动作内容进行确认，得到第二关联结果信息集合；对第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合；采用上述技术方案，解决了相关技术中，在挖掘目标对象对应的行为习惯时，对于行为的区分度不够，对目标对象存在的关联行为无法识别统计等问题，通过使用包含时序规则和匹配性规则的关联信息模型，对行为数据中操作动作对应的关联有效性以及操作动作对应的支持度进行确定，利用逐级分类对行为数据进行缩小，提升了最终从所述行为数据中确定的行为习惯对应的数据准确度，并且通过分级筛选使得对于大数据量的行为数据的处理数据大大提升，使得可以通过行为数据快速且有效的提取出多个行为习惯。
44.在一个示例性实施例中，使用预设规则对所述动作内容进行确认，包括：在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备；在所述第一关联结果信息集合中存在自然配对行为的动作内容的情况下，将在所述自然配对行为中首先发生的动作内容对应的第二操作动作标识为有效动作，将所述自然配对行为中除首先发生的动作内容对应第二操作动作之外的其他第二操作动作标识为无效动作。
45.在一个示例性实施例中，在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备之后，上述方法还包括：在所述任意两个连续的第二操作动作对应的目标家电设备为同一家电设备的情况下，将所述任意两个连续的第二操作动作中时间点在前的第二操作动作标识为有效动作，将时间点在后的第二操作动作标识为无效动作；在所述任意两个连续的第二操作动作对应的目标家电设备不为同一家电设备的情况下，将所述任意两个连续的第二操作动作均标识为有效动作。
46.可以理解的是，在家电操作记录中，同一设备在一定时间间隔内，出现连续两次相同的行为动作，或者出现连续两次行为动作为自然匹配对行为，则认为第二个行为动作记录，相对于第一个行为记录为无效记录。可选的，当在实际应用中可能产生如下表1所示的数据，其中，第3条记录
‘
打开冰箱门’与第2条记录
‘
打开冰箱门’的行为动作相同；那么，第3条记录相对于第2条记录，为无效关联行为记录。第4条记录
‘
关闭冰箱门’与第3条记录
‘
打开冰箱门’的行为动作为自然匹配对行，即两个动作存在因果关系；那么，第4条记录相对于第3条记录，为无效关联行为记录。
47.表1
[0048][0049]
在一个示例性实施例中，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，包括：获取所述预设分组对应的第一分组信息和第二分组信息，其中，所述第一分组信息包括：目标对象、目标对象操作家电设备的总用时、操作动作的发生位置、操作动作对应的家电设备的运行结果；所述第二分组信息包括：目标对象、操作动作的发生位置、操作动作对应的家电设备的运行结果、与所述操作动作存在关联的关联行为；基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计。
[0050]
在一个示例性实施例中，基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计，包括：基于所述第一分组信息对所述多个第三操作动作中每一种操作动作的发生次数进行统计，得到第一统计信息；基于所述第二分组信息确定所述多个第三操作动作中每一种操作动作对应的关联动作，并确定所述关联动作的发生概率，得到第二统计信息。
[0051]
简单来说，在对行为数据进行不关联动作进行去除以及通过预设规则对动作内容进行确认之后，得到了一个有效、且内容比较准确的行为数据对应的第二关联结果信息集合，之后为了提升确定出的行为习惯更符合当前目标对象，通过预设分组对第二关联结果信息集合中的操作动作记性不同维度的统计，得到每个行为动作发生的次数统计信息和每个行为动作发生对应的关联行为动作的支持度信息(相当于上述发生概率)。
[0052]
在一个示例性实施例中，根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合，包括：利用所述目标对象作为数据对齐标识对所述第一统计信息和所述第二统计信息进行汇总，得到第三统计信息；在所述第三统计信息中确定次数发生最多且关联动作的发生概率最大
的目标第三操作动作；获取当前所述目标第三操作动作对应的目标家电设备，基于目标对象使用所述目标第三操作动作操作所述目标家电设备的行为数据确定所述目标对象的行为偏好；通过所述行为偏好确定出所述目标对象对应的行为习惯。
[0053]
作为一种可选的示例，上述统计信息可以通过表格方式进行展现，或者是通过图形的方式进行展现，对比本谁去本技术不作过多限定，以表格展示为例，例如，上述第一统计信息为如下表2所示；上述第二统计信息为如下表3所示。
[0054]
表2
[0055]
用户时间(小时)位置行为次数u0117客厅打开空调4u0118客厅打开空调5u0119客厅打开空调6
[0056]
表3
[0057]
用户位置行为关联行为支持度u01客厅打开空调打开电视20％u01客厅打开空调开灯30％u01客厅打开空调打开热水器40％
[0058]
将上述表2、表3综合后得到第三统计信息对应的表4；表4如下：
[0059]
表4
[0060][0061]
此时，将表4中发生次数最多，支持度最大的信息为用户习惯记录信息(相当于上述行为偏好)，则对应的是支持度为40％，次数为6的表4中的行为习惯数据。
[0062]
在一个示例性实施例中，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合之后，上述方法还包括：确定所述行为习惯包含的行为偏好的类型数量；在所述类型数量大于预设数量的情况下，生成所述行为习惯对应的家电设备操作场景；向所述目标对象发送携带所述家电设备操作场景的场景更新消息。
[0063]
可以理解的是，当目标对象的行为习惯中包含操作多个家电设备的行为偏好时，说明目标对象在操作第一家电设备的情况下，可能对第二家电设备或者第三家电设备进行了关联操作，因此，可以基于该行为习惯生成对应的依据关联次序控制当前第一家电设备、第二家电设备、第三家电设备的家电设备操作场景，需要说明的是，该家电设备操作场景是
根据行为习惯的内容灵活变化的。
[0064]
为了更好的理解上述行为习惯的识别方法的过程，以下再结合可选实施例对上述行为习惯的识别的实现方法流程进行说明，但不用于限定本技术实施例的技术方案。
[0065]
近几年物联网技术不断地更新迭代，使得智能家居行业得到日新月异的发展，智能家居的产品和服务逐渐给用户带来更丰富、更优质、更有效的推荐服务。为了能够精准识别用户行为习惯，提供更贴心的推荐服务，智能家居厂商以及服务商，对于消息推荐应用进行不断探索与研究，以便来满足各种用户的精准化需求。
[0066]
作为一种可选的实施方式，图3为本发明可选实施例的用户习惯识别技术方案的流程图，通过在完成用户与家电设备之间的绑定后，采集用户家电操作数据，再对用户行为统计，最终根据统计结果对用户习惯进行标记，但上述用户习惯识别技术方案，存在以下缺点：
[0067]
1、用户行为区分度不足，没有过滤无效的用户操作关联行为信息。
[0068]
2、对于获取的用户行为信息，没有考虑用户行为关联的支持度信息。
[0069]
因此，针对上述技术中的缺点，本发明可选实施例还提供了一种基于用户家电操作行为识别用户习惯的方法，在用户使用家电设备前，需要将用户信息与家电设备进行绑定。当用户进行家电设备操作时，采集设备实时收集用户操作行为记录信息，可以识别用户信息和操作行为信息，通过用户行为关联算法模型计算，标记用户习惯信息。即核心基于用户与信息采集设备的绑定关系；根据用户家电操作行为的记录信息，剔除无效关联行为记录，采用行为关联算法，挖掘得到用户习惯信息。
[0070]
可选的，图4为本发明可选实施例的一种基于用户家电操作行为识别用户习惯的系统的结构示意图，包括：用户绑定家电、云服务器、数据计算服务器；其中通过用户绑定家电和云服务器之间的信息交互完成用户绑定信息的确定收集以及用户家电操作数据的收集，在云服务器收集完成数据之后，发送至数据计算服务器，通过数据计算服务器中的行为关联模型计算出最终的用户习惯标记。
[0071]
具体的通过以下几步实现：
[0072]
第一步：用户与信息采集设备进行绑定操作。
[0073]
第二步：用户家电操作记录，通过云服务器进行上传，然后加载到hadoop服务器进行数据存储和处理。根据用户家电操作记录，按照业务规则，将用户行为进行分类，过滤掉无效关联行为记录信息。
[0074]
可选的，图5为本发明可选实施例的基于用户家电操作行为识别用户习惯的系统对应数据流转示意图；当前用户对应绑定多个家电设备的情况下，通过在多个家电设备对应的目标区域放置云服务器，利用蓝牙技术将多个家电设备的用户家电操作记录收集到云服务器，云服务器通过分布式消息订阅系统kafka将对应的用户家电操作记录上传至hadoop服务器对应hadoop大数据平台，并通过hadoop大数据平台中设置的用户习惯识别模型对用户家电操作记录进行过滤处理。
[0075]
第三步：对有效用户行为进行关联分析，得到用户关联行为，并将用户关联行为通过行为关联模型计算，确定出对应的计算结果信息
[0076]
第四步：根据用户关联行为的计算结果信息，标记用户习惯信息。
[0077]
可选的，图6为本发明可选实施例的一种行为关联算法的用户习惯识别的流程图；
包括以下步骤：
[0078]
步骤一、用户绑定信息处理，对现有绑定的用户信息进行标准化处理，可以识别唯一用户。
[0079]
步骤二、用户家电操作记录信息关联处理，包括数据采集和规则处理；其中，所述数据采集为用户在设备端操作家电后，设备地板采集操作记录信息，通过网络实时发送到云服务器；通过kafka将数据传输到数据平台，以便进行数据计算。其中，规则处理包括：时序规则处理和匹配性规则处理。
[0080]
可选的，按照时序规则处理：根据用户家电操作记录信息a(k)，按照时序规则对用户家电操作信息进行行为关联处理，得到用户关联行为结果信息集合b1，可选的，可以当连续两个动作发生时间，间隔超过5分钟，则定义为无效行为关联信息。
[0081]
例如，用户家电操作记录信息a(k)如下表5所示：
[0082]
表5
[0083][0084]
第5条记录
‘
打开热水器’与第4条记录
‘
关闭冰箱门’时间间隔超过大于5分钟；那么，第5条记录相对于第4条记录，为无效关联行为记录。则可以得到用户关联行为结果信息集合b1，如下表6所示。
[0085]
表6
[0086][0087]
可选的，按照匹配性规则处理：根据用户关联行为结果信息集合b1，按照匹配规则对用户家电操作信息进行行为关联处理，得到用户关联行为结果信息集合b2。上述匹配性规则为在家电操作记录中，同一设备在一定时间间隔内，出现连续两次相同的行为动作，或者出现连续两次行为动作为自然匹配对行为，则认为第二个行为动作记录，相对于第一个行为记录为无效记录。
[0088]
例如，上述用户关联行为结果信息集合b1对应的表6，其中，第3条记录
‘
打开冰箱门’与第2条记录
‘
打开冰箱门’的行为动作相同；那么，第3条记录相对于第2条记录，为无效关联行为记录。第4条记录
‘
关闭冰箱门’与第3条记录
‘
打开冰箱门’的行为动作为自然匹配对行，即两个动作存在因果关系；那么，第4条记录相对于第3条记录，为无效关联行为记录。经过匹配性规则处理得到用户关联行为结果信息集合b2，对应下表7。
[0089]
表7
[0090][0091]
步骤三、行为关联模型计算，可选的，分为两种方式，方式一：用户行为次数计算：根据用户有效家电操作记录信息集合b2，按照用户、时间、位置、行为进行分组，计算每个行为动作发生的次数统计信息。方式二：用户行为支持度计算：根据用户有效家电操作记录信息集合b2，按照用户、位置、行为、关联行为进行分组，计算每个行为动作发生对应的关联行为动作的支持度信息。
[0092]
步骤四、用户习惯标记根据行为关联模型计算结果信息，标记行为发生次数最多，支持度最大的信息为用户习惯记录信息。
[0093]
本实施例通过建用户习惯模型：根据用户家电操作行为信息，区分无效关联行为信息，将无效信息进行过滤，缩小有效关联行为数据范围；采用行为关联算法模型，挖掘得到用户习惯信息。继而通过将用户家电操作行为信息进行分类，缩小有效关联行为数据范围，提升数据准确度和计算效率；对用户进行关联分析，根据支持度和置信度参数，计算得到有效的用户关联行为，标记用户习惯信息。
[0094]
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，本技术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)执行本技术各个实施例的方法。
[0095]
图7是根据本技术实施例的一种行为习惯的识别装置的结构框图。如图7所示，包括：
[0096]
获取模块52，用于获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；
[0097]
去除模块54，用于将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；
[0098]
确定模块56，用于确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；
[0099]
统计模块58，用于对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。
[0100]
通过上述装置，获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，行为数据包括：对多个家电设备的第一操作动作；将行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，不关联动作为行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对动作内容进行确认，得到第二关联结果信息集合；对第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合；采用上述技术方案，解决了相关技术中，在挖掘目标对象对应的行为习惯时，对于行为的区分度不够，对目标对象存在的关联行为无法识别统计等问题，通过使用包含时序规则和匹配性规则的关联信息模型，对行为数据中操作动作对应的关联有效性以及操作动作对应的支持度进行确定，利用逐级分类对行为数据进行缩小，提升了最终从所述行为数据中确定的行为习惯对应的数据准确度，并且通过分级筛选使得对于大数据量的行为数据的处理数据大大提升，使得可以通过行为数据快速且有效的提取出多个行为习惯。
[0101]
在一个示例性实施例中，上述确定模块，还用于在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备；在所述第一关联结果信息集合中存在自然配对行为的动作内容的情况下，将在所述自然配对行为中首先发生的动作内容对应的第二操作动作标识为有效动作，将所述自然配对行为中除首先发生的动作内容对应第二操作动作之外的其他第二操作动作标识为无效动作。
[0102]
在一个示例性实施例中，上述确定模块还包括：标识单元，用于在所述任意两个连续的第二操作动作对应的目标家电设备为同一家电设备的情况下，将所述任意两个连续的第二操作动作中时间点在前的第二操作动作标识为有效动作，将时间点在后的第二操作动作标识为无效动作；在所述任意两个连续的第二操作动作对应的目标家电设备不为同一家电设备的情况下，将所述任意两个连续的第二操作动作均标识为有效动作。
[0103]
在一个示例性实施例中，上述统计模块，还用于获取所述预设分组对应的第一分组信息和第二分组信息，其中，所述第一分组信息包括：目标对象、目标对象操作家电设备的总用时、操作动作的发生位置、操作动作对应的家电设备的运行结果；所述第二分组信息包括：目标对象、操作动作的发生位置、操作动作对应的家电设备的运行结果、与所述操作动作存在关联的关联行为；基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计。
[0104]
在一个示例性实施例中，上述统计模块还包括：第一统计单元，用于基于所述第一分组信息对所述多个第三操作动作中每一种操作动作的发生次数进行统计，得到第一统计信息；第二统计单元，用于基于所述第二分组信息确定所述多个第三操作动作中每一种操作动作对应的关联动作，并确定所述关联动作的发生概率，得到第二统计信息。
[0105]
在一个示例性实施例中，上述统计模块，还用于利用目标对象作为数据对齐标识对第一统计信息和第二统计信息进行汇总，得到第三统计信息；在第三统计信息中确定次数发生最多且关联动作的发生概率最大的目标第三操作动作；获取当前目标第三操作动作对应的目标家电设备，基于目标对象使用所述目标第三操作动作操作所述目标家电设备的行为数据确定所述目标对象的行为偏好；通过所述行为偏好确定出所述目标对象对应的行为习惯。
[0106]
在一个示例性实施例中，上述装置还包括：场景模块，用于确定所述行为习惯包含的行为偏好的类型数量；在所述类型数量大于预设数量的情况下，生成所述行为习惯对应的家电设备操作场景；向所述目标对象发送携带所述家电设备操作场景的场景更新消息。
[0107]
本技术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。
[0108]
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：
[0109]
s1，获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；s2，将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；
[0110]
s3，确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；
[0111]
s4，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。
[0112]
本技术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。
[0113]
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。
[0114]
可选的，如图8所示，该电子装置包括存储器702和处理器704，该存储器702中存储有计算机程序，该处理器704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。
[0115]
可选地，在本实施例中，上述电子装置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。
[0116]
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：
[0117]
s1，获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行
为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；
[0118]
s2，将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；
[0119]
s3，确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；
[0120]
s4，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。
[0121]
可选地，本领域普通技术人员可以理解，图8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 internet devices，mid)、pad等终端设备。图8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8中所示更多或者更少的组件(如网络接口等)，或者具有与图8所示不同的配置。
[0122]
其中，存储器702可用于存储软件程序以及模块，如本公开实施例中的通信连接方法和装置对应的程序指令/模块，处理器704通过运行存储在存储器702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，即实现上述的通信连接方法。存储器702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702可进一步包括相对于处理器704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，如图8所示，上述存储器702中可以但不限于包括上述通信连接装置中的获取模块52、去除模块54、确定模块56、统计模块58。此外，还可以包括但不限于上述通信连接装置中的其他模块单元，本示例中不再赘述。
[0123]
可选地，上述的传输装置706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706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1106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。
[0124]
此外，上述电子装置还包括：显示器708，用于显示上述行为数据和行为习惯；和连接总线710，用于连接上述电子装置中的各个模块部件。
[0125]
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 accessmemory，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。
[0126]
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。
[0127]
显然，本领域的技术人员应该明白，上述的本技术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，本技术不限制于任何特定的硬件和软件结合。
[0128]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：

1.一种行为习惯的识别方法，其特征在于，包括：获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。2.根据权利要求1所述的行为习惯的识别方法，其特征在于，使用预设规则对所述动作内容进行确认，包括：在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备；在所述第一关联结果信息集合中存在自然配对行为的动作内容的情况下，将在所述自然配对行为中首先发生的动作内容对应的第二操作动作标识为有效动作，将所述自然配对行为中除首先发生的动作内容对应第二操作动作之外的其他第二操作动作标识为无效动作。3.根据权利要求2所述的行为习惯的识别方法，其特征在于，在所述第一关联结果信息集合中存在动作内容相同的任意两个连续的第二操作动作的情况下，确定所述任意两个连续的第二操作动作对应的目标家电设备之后，所述方法还包括：在所述任意两个连续的第二操作动作对应的目标家电设备为同一家电设备的情况下，将所述任意两个连续的第二操作动作中时间点在前的第二操作动作标识为有效动作，将时间点在后的第二操作动作标识为无效动作；在所述任意两个连续的第二操作动作对应的目标家电设备不为同一家电设备的情况下，将所述任意两个连续的第二操作动作均标识为有效动作。4.根据权利要求1所述的行为习惯的识别方法，其特征在于，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，包括：获取所述预设分组对应的第一分组信息和第二分组信息，其中，所述第一分组信息包括：目标对象、目标对象操作家电设备的总用时、操作动作的发生位置、操作动作对应的家电设备的运行结果；所述第二分组信息包括：目标对象、操作动作的发生位置、操作动作对应的家电设备的运行结果、与所述操作动作存在关联的关联行为；基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计。5.根据权利要求4所述的行为习惯的识别方法，其特征在于，基于所述第一分组信息和所述第二分组信息对所述第二关联结果信息集合中存在的多个第三操作动作进行统计，包括：基于所述第一分组信息对所述多个第三操作动作中每一种操作动作的发生次数进行
统计，得到第一统计信息；基于所述第二分组信息确定所述多个第三操作动作中每一种操作动作对应的关联动作，并确定所述关联动作的发生概率，得到第二统计信息。6.根据权利要求5所述的行为习惯的识别方法，其特征在于，根据统计结果识别出所述目标对象对应的行为习惯，包括：利用所述目标对象作为数据对齐标识对所述第一统计信息和所述第二统计信息进行汇总，得到第三统计信息；在所述第三统计信息中确定次数发生最多且关联动作的发生概率最大的目标第三操作动作；获取当前所述目标第三操作动作对应的目标家电设备，基于目标对象使用所述目标第三操作动作操作所述目标家电设备的行为数据确定所述目标对象的行为偏好；通过所述行为偏好确定出所述目标对象对应的行为习惯。7.根据权利要求1所述的行为习惯的识别方法，其特征在于，对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯之后，所述方法还包括：确定所述行为习惯包含的行为偏好的类型数量；在所述类型数量大于预设数量的情况下，生成所述行为习惯对应的家电设备操作场景；向所述目标对象发送携带所述家电设备操作场景的场景更新消息。8.一种行为习惯的识别装置，其特征在于，包括：获取模块，用于获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，其中，所述行为数据包括：对多个所述家电设备的第一操作动作；去除模块，用于将所述行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合，其中，所述不关联动作为所述行为数据中间隔时间大于第一预设间隔时间的任意两个连续的第一操作动作；确定模块，用于确定所述第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对所述动作内容进行确认，得到第二关联结果信息集合；统计模块，用于对所述第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出所述目标对象对应的行为习惯，其中，所述行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。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上述权利要求1至7任一项中所述的行为习惯的识别方法。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任一项中所述的行为习惯的识别方法。

技术总结

本申请公开了一种行为习惯的识别方法和装置、存储介质及电子装置，涉及智慧家庭技术领域，上述方法包括：获取服务器中存储的用于指示目标对象控制目标区域内的多个家电设备的行为数据，行为数据包括：对多个家电设备的第一操作动作；将行为数据中存在的不关联动作进行去除，得到包含多个第二操作动作的第一关联结果信息集合；确定第一关联结果信息集合中每一个第二操作动作对应的动作内容，使用预设规则对动作内容进行确认，得到第二关联结果信息集合；对第二关联结果信息集合中存在的多个第三操作动作依据预设分组进行统计，以根据统计结果识别出目标对象对应的行为习惯，行为习惯为目标对象控制目标区域内多个家电设备的行为偏好对应的集合。行为偏好对应的集合。行为偏好对应的集合。