[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

说明书

一种基于机器学习的家庭场景语义理解辅助方法，用电流感应器来采集家用电器的使用状态；使用智能终端采集用户的电器操作行为；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；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；对标准化处理后的数据标注各电器的开关状态；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；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。

技术领域

本发明属于人工智能技术领域，特别涉及一种基于机器学习的家庭场景语义理解辅助方法。

背景技术

近来语音识别技术得到了迅速发展，语音识别系统的应用领域越来越广。例如:车载语音识别系统、远场语音识别系统，语音输入法系统以及智能家居系统。

目前，虽然语音识别准确率得到了大大的提高。但是在非标普通话且在远场语音识别环境中，识别准确率会大幅度降低。语音识别中的错误，会严重降低后续语义理解准确率，从而大大影响用户体验。因此迫切需要提出各种切实可行的方案，提升非理想情况下语义理解的准确率。

发明内容

本发明提供了一种基于机器学习的家庭场景语义理解辅助方法，以提高语义理解的准确率。

一种基于机器学习的家庭场景语义理解辅助方法，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：

3.1，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；

3.2，将电视状态、空调状态、新风状态等开关量，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；

3.3，将3.2中的a,b,c,d项加入表一的结构中，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：