[发明专利]一种基于机器学习的家庭场景语义理解辅助方法

权利要求书

1.一种基于机器学习的家庭场景语义理解辅助方法，其特征在于，该方法包括步骤：

步骤1，用电流感应器来采集家用电器的使用状态；

步骤2，使用智能终端采集用户的电器操作行为；

步骤3，智能终端还采集温湿度传感器、天气数据、PM2.5、室内外光照数据；

步骤4，所述智能终端按采集时间对采集到的数据进行合并，相同采集时间整理为一条记录，对合并后的数值数据进行标准化处理，使各数值均为0～1之间的小数；

步骤5，对标准化处理后的数据标注各电器的开关状态；

步骤6，对标准化的数据进行特征工程，再进行训练得到模型后，通过该模型对家用电器状态进行预测；

步骤7，在用户发出电器控制的语音指令，无法准确判定其含义时，参照机器学习模型对电器的预测结果，综合进行判断，实现语义识别，

在步骤4中，将采集的数据与电器的开关状态按照采集时间合并为一条记录，并进行标准化，将所有温度、湿度等连续数值标准化为0～1之间的小数，开关状态为0或1，采集的数据组成数据表，包括：采集时间、室内温度、室内湿度、室内光照、室内PM2.5、室内氧气、吸顶灯亮度、室外温度、室外光照、电视状态、空调状态和新风状态，

所述步骤6进一步包括，将标准化的数据进行特征工程，用作机器学习算法的输入，具体步骤有：

将所述0～1之间的小数，划分为：高(0.8～1.0)，偏高(0.6～0.8)，中(0.4～0.6),偏低(0.2～0.4)，低(0.0～0.2)，用来减少模型的复杂度；

将电视状态、空调状态、新风状态开关量，整理为：

a.平均每天打开的时间

b.已经打开时间

c.距离上次关闭的时间

d.距离上次最高打开时长的时间；

a,b,c,d项加入数据表结构中，其中电视状态、空调状态、新风状态作为预测目标，其余选项作为特征输入模型，从而进行建模，

所述步骤6进一步包括：

将训练后的模型部署在智能终端，采集后的数据进行标准化，特征处理后，作为参数输入给模型，对家用电器的使用状态做出预测，其预测结果N为0～100之间的整数；

使用语义理解+传感器辅助的方式，进行综合判断用户的实际意图，以此给所有意图进行打分，得分高者认定为最终意图，

其公式为：

M80分时，Y＝M

M＝80分，且M70时，Y＝M

M＝80分，且M＝70时，Y＝M+Wb*N

Y代表此时用户的意图；

M：代表基于语音语义理解的评分，此评分由语音语义模块输出；

Wb：传感器数据的权重，此数值会动态调整，其值为0～1之间的小数；

N：代表传感器的评分，即为由所述模型给出的预测结果；

Wb的调整方法包括，以M来来确定Wb，当M的评分超过设定值，则判定此时语音语义模块输出为正确，此时判定传感器答案是否正确，如正确则有：Wb＝Wb+0.05，否则Wb＝Wb–0.05，

进一步的，Wb不可超过最大值，且不可小于最小值，这里的最大值与最小值为预设值。