场景推荐方法、电子设备、存储介质和产品与流程

1.本技术涉及计算机技术领域，尤其一种场景推荐方法、电子设备、存储介质和产品。


背景技术：

2.家庭场景挖掘是智能家居中一个重要的服务，该服务利用用户家庭数据，通过数据分析或挖掘算法来学习和识别用户在不同生活场景的智能家电使用模式。精准的家庭场景挖掘可以基于用户的真实使用习惯为其提供更舒适、安全、节能的自动化控制，并为用户推荐更多有趣的新场景。
3.然而，现有的家庭场景挖掘需要依靠人工预定义和预标注场景，难以进行新场景的发掘，也难以对预定义场景进行更新。


技术实现要素：

4.本技术旨在至少解决相关技术中存在的技术问题之一。为此，本技术提出一种场景推荐方法，运用知识图谱替代人工标注，能够在解析查询请求后，通过查询待关联本体在家电知识图谱中的关联关系，获得查询请求下的场景推荐结果，同时，还能根据知识图谱自动发现新场景。
5.本技术还提出一种场景推荐装置。
6.本技术还提出一种电子设备。
7.本技术还提出一种非暂态计算机可读存储介质。
8.本技术还提出一种计算机程序产品。
9.根据本技术第一方面实施例的一种场景推荐方法，包括：
10.确定场景查询请求；
11.基于所述场景查询请求，确定待关联实体；
12.基于所述待关联实体查询家电知识图谱，确定场景推荐结果；
13.其中，所述家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的关联关系，所述场景推荐结果包括与所述待关联实体存在关联关系的关联场景，所述待关联实体包括待关联家电实体和待关联场景实体。
14.根据本技术实施例的场景推荐方法，在获取场景查询请求后，利用家电知识图谱对待关联实体进行识别和挖掘，最终获得于待关联实体相关联的推荐场景。该方法可以通过查询请求中希望推送的场景，通过查询待关联本体在家电知识图谱中的关联关系，自动发现新场景。避免了传统方法只能识别预设场景，不易识别新场景的局限性，有效提升了场景识别效率。
15.根据本技术的一个实施例，所述场景推荐结果还包括：所述关联场景下的关联家电和/或所述关联家电的启动顺序。
16.根据本技术的一个实施例，所述基于所述待关联实体查询家电知识图谱，确定场
景推荐结果，包括：
17.基于所述待关联实体对所述家电知识图谱进行查询，确定与所述待关联实体存在关联关系的备选关联场景；
18.对所述备选关联场景进行筛选，确定所述待关联实体的关联场景；
19.基于所述待关联实体的关联场景下家电的优先级，确定所述关联场景下的关联家电和所述关联家电的启动顺序。
20.根据本技术的一个实施例，所述对所述备选关联场景进行筛选，确定所述待关联实体的关联场景，包括：
21.确定所述备选关联场景中与所述待关联实体存在冲突关系的备选关联场景；
22.从所述备选关联场景中删除与所述待关联实体存在冲突关系的备选关联场景，确定所述待关联实体的关联场景。
23.根据本技术的一个实施例，所述基于所述场景查询请求，确定待关联实体，包括：
24.对所述场景查询请求进行文本提取，得到实体信息，其中，所述实体信息包括实体和所述实体的状态；
25.基于语义贡献度筛选所述实体信息，确定所述待关联实体。
26.根据本技术的一个实施例，所述确定场景查询请求，之前还包括：
27.获取用户信息；
28.将用户信息与所述家电知识图谱进行关联，确定关联用户信息的家电实体和关联用户信息的场景实体；
29.基于所述关联用户信息的家电实体和关联用户信息的场景实体，确定更新的家电知识图谱。
30.根据本技术的一个实施例，所述基于所述待关联实体查询家电知识图谱，确定场景推荐结果，包括：
31.确定关联用户信息的待关联实体；
32.基于所述关联用户信息的待关联实体查询所述更新的家电知识图谱，确定场景推荐结果；
33.其中，所述场景推荐结果包括与所述关联用户信息的待关联实体存在关联关系的关联场景。
34.根据本技术的一个实施例，所述家电知识图谱的构建，包括：
35.采集家电信息；
36.对所述家电信息进行实体抽取，确定家电实体和场景实体；
37.对所述家电信息进行关系抽取，以及所述家电实体和所述场景实体间的关联关系；
38.对所述家电实体和所述场景实体，结合所述家电实体和所述场景实体间的关系进行匹配，确定所述家电知识图谱。
39.根据本技术的一个实施例，对所述家电实体和所述场景实体，结合所述家电实体和所述场景实体间的关系进行匹配，包括：
40.对所述家电实体和所述场景实体进行向量化，确定家电向量和场景向量；
41.基于家电向量和场景向量的相似度，结合所述家电实体和所述场景实体间的关
系，对同一场景下的家电进行匹配。
42.根据本技术的一个实施例，所述家电知识图谱的构建，还包括：
43.基于不同时间段内所述家电实体的关联关系的变化，在所述家电知识图谱中创建新的场景本体。
44.根据本技术的一个实施例，所述基于不同时间段内所述家电实体的关联关系的变化，在所述家电知识图谱中创建新的场景本体，包括：
45.对不同时间段内所述家电实体的关联关系的变化进行可视化，得到家电关系热图；
46.基于所述家电关系热图，确定所述家电实体在不同时间段内的使用时间和优先级；
47.基于所述家电实体在所述不同时间段内的使用时间和优先级，在所述家电知识图谱中创建新的场景本体。
48.根据本技术第二方面实施例的一种场景推荐装置，包括：
49.输入模块、用于确定场景查询请求；
50.解析模块，用于基于所述场景查询请求，确定待关联实体；
51.推荐模块、用于基于所述待关联实体查询家电知识图谱，确定场景推荐结果；
52.其中，所述家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的多维关联关系，所述场景推荐结果包括与所述待关联实体存在关联关系的关联场景，所述待关联实体包括待关联家电实体和待关联场景实体。
53.根据本技术实施例的场景推荐装置，在获取场景查询请求后，利用家电知识图谱进行识别和挖掘，最终获得推荐的场景。该装置可以通过查询请求中包含的家电实体在家电知识图谱中的关联关系，自动发现新场景。避免了传统方法只能识别预设场景，不易识别新场景的局限性，有效提升了场景识别效率。
54.根据本技术第三方面实施例的一种电子设备，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，所述处理器执行所述程序时实现所述场景推荐方法或家电知识图谱构建方法。
55.根据本技术第四方面实施例的一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述场景推荐方法或家电知识图谱构建方法。
56.根据本技术第五方面实施例的一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述场景推荐方法或家电知识图谱构建方法。
57.本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：由于场景推荐结果还包括所述关联家电的启动顺序，因此本技术实施例解决多个智能场景叠加和联动时，家电相互干扰矛盾的情况，能够在多个智能场景联动情况下实现对家电实现有序控制。
58.进一步的，本技术实施例能在目标家电的关联场景存在冲突关系的情况下，向用户提示场景存在冲突关系，并能存在冲突关系的关联场景，对所述家电知识图谱的场景进行自更新。
59.更进一步的，本技术实施例能够根据用户在不同场景下的行为信息，向建立好的家电知识图谱中添加用户画像以及用户行为数据，实现家电知识图谱的更新，还能依据用
户喜好，进行场景的自动推荐。
60.再进一步的，本技术实施例运用知识图谱替代人工标注，节省人力同时实体标注质量提高，并基于现实中的用户信息进行场景库更新、纠错和补全。相对传统的有监督和无监督学习方法在自动化程度、漏判率、可解释性方面有大幅改善，保留用户个性化特征的同时跨平台适用性强。
61.本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
62.为了更清楚地说明本技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
63.图1是本发明实施例提供的场景推荐方法流程示意图；
64.图2是本发明实施例提供的家电知识图谱的结构示意图；
65.图3是本发明实施例提供的家电知识图谱的家电-场景关系热图；
66.图4是本技术实施例提供的家电知识图谱构建方法流程示意图；
67.图5是本技术实施例提供的场景推荐装置结构示意图；
68.图6是本技术实施例提供的电子设备的结构示意图。
具体实施方式
69.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术中的附图，对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
70.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术实施例的至少一个实施例或示例中。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
71.下面结合附图和实施例对本技术的实施方式作进一步详细描述。以下实施例用于说明本技术，但不能用来限制本技术的范围。
72.当前的基于家庭场景挖掘的场景推荐方法中，基于人工的场景识别通常通过根据历史数据分析进行高频场景挖掘。并针对高频场景进行定制式的开发，定义预先设置的控制程序和规则重复运行，例如：基于电器定时开关机的定时清扫、提前开启或关闭场景；异常入侵警报模式、燃气泄露报警模式等。但是，该方法不能根据用户日常生活习惯提供更精
细化、个性化的服务。
73.根据发明人研究发现,基于家庭场景挖掘的场景推荐方法主要分为两大类：基于人工的方法与基于人工智能算法的方法。基于人工的方法通常通过根据历史数据分析进行高频场景挖掘，并针对高频场景进行定制式的开发，定义预先设置的控制程序和规则重复运行。但是，该方法只能基于预先设置运行不能根据用户日常生活习惯提供更精细化、个性化的服务。基于人工智能算法的方法则是基于摄像头、语音、红外、智能电表等传感器进行对用户智能家电使用信息的搜集，运用监督学习和非监督学习，通过人工预定义的已标注场景，对传感器数据与已标注场景进行建模，找出多次联动的设备，从而进行场景的发掘与构建。但是，基于人工智能算法的方法存在依赖人工标注、可解释性差、用户行为信息采集难等实际问题。
74.但是现有的监督或非监督学习方法存在以下问题：1、依赖人工标注：监督学习型发明依赖人工对大量智能设备进行标注，但现实情况中，很多场景没有即时信息，缺少有效标注。2、可解释性差：非监督学习算法可解释性较低，无法提供用户具体的场景识别规则，不方便后续用户根据个人偏好调试。对家电数量要求较高，比如家电设备有限时，学习出的场景数量有限。3、用户行为信息采集难：数据采集对网络要求高，在传输时间上可能存在延迟，不像物理开关精准度高，在运用有监督和无监督学习对用户使用场景进行短期电器联动模式预测时，受传感器传输时间间隔的影响较大，导致模型准确性降低。
75.因此，在现有的基于家庭场景挖掘的场景推荐方案存在诸多问题的基础上，本技术实施例提出了一种于家庭场景挖掘的场景推荐方法，下面结合图1-图4描述本技术实施例的场景推荐方法。
76.该场景推荐方法的执行主体可以为场景推荐装置，或者为服务器，或者还可以为用户的终端，包括但不限于手机、平板电脑、pc端、车载终端以及家用智能电器等。
77.本技术实施例所说的场景或家庭场景，是指终端所处的地理位置处于家里时的典型场景，即用户长时间生活起居的场所的场景。本技术实施例所说的家电即为家庭场景下使用的电器。
78.图1示例了本技术实施例提供的场景推荐方法的流程示意图，该方法至少包括以下步骤：
79.步骤101、确定场景查询请求；
80.步骤102、基于场景查询请求，确定待关联实体；
81.步骤103、基于待关联实体查询家电知识图谱，确定场景推荐结果；
82.其中，家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的关联关系，场景推荐结果包括与待关联实体存在关联关系的关联场景，待关联实体包括待关联家电实体和待关联场景实体。
83.针对步骤101，需要说明的是，本实施例中场景查询请求可以为用户输入的一条指令信息，该指令信息包括用户对需要查询的场景的描述。指令信息可以是对需要查询的场景中包含的家电的描述，例如：“电风扇开启时对应的场景是什么”、“智能床垫和智能灯能组成什么场景吗”；指令信息也可以是根据实时状态信息对需要查询的场景的描述。例如：“厨房中运作的电器对应什么场景”。
84.针对步骤102，需要说明的是，对于场景查询请求，需要解析后得到待关联实体，作
为下一步查询的输入。除此之外，解析后还会得到待关联实体状态信息或隐含的状态信息，本发明实施例的待关联实体中包含了该实体的状态信息。例如，以待关联家电实体为例，场景查询请求为：“加湿器启动时对应什么场景”，待关联实体为“加湿器启动”。又如，以待关联场景实体为例，则场景查询请求例如：“与睡眠场景关联的场景是什么”，待关联实体为“睡眠场景”。
85.另外，需要说明的是，一般来说，场景查询请求中若没有出现表明待关联实体的状态用词，默认状态为启动或使用。例如“加湿器对应什么场景”，其中没有明示状态信息，则经过解析后待关联实体为“加湿器启动”，隐含的状态信息为“启动”，则该条指令信息实际应为“加湿器启动时对应什么场景”。
86.针对步骤103，需要说明的是，本技术实施例的家电知识图谱是预先建立的，同时由于知识图谱的可扩展性，家电知识图谱还会适应环境变化和用户的输入进行自更新。本实施例中家电知识图谱的本体包括家电本体和场景本体，家电是工作于居家场景下的电器，比如：电视、冰箱、空调、跑步机和洗衣机等。场景是基于居家生活的特点得到的电器联动工作时的生活场景，比如：开窗场景、运动场景、离家场景、洗浴场景和睡眠场景等。家电和场景间的多维关联关系，主要是家电的状态、家电的状态家电的状态技能和家电的状态功效等属性与场景之间的关系。
87.本技术实施例提供的场景推荐方法在应用时，首先需要获取场景查询请求，基于场景查询请求，确定待关联实体。然后待关联实体对家电知识图谱进行场景搜索，最终得到场景的推荐结果。比如，获取“智能床垫对应什么场景”的场景查询请求后，对家电知识图谱中与智能床垫有关的场景子图进行搜索，最终推荐与智能床垫相关的睡眠场景。
88.本技术实施例的场景推荐方法，在获取场景查询请求后，利用家电知识图谱进行识别和挖掘，最终获得推荐的场景。该方法可以通过场景查询请求中包含的待关联实体在家电知识图谱中的关联关系，自动发现新场景。避免了传统方法只能识别预设场景，不易识别新场景的局限性，有效提升了场景识别效率。
89.现有的发明或技术存在多场景联动的困难，包括多场景隐式冲突。具体来说，由于智能设备有多功能性，已标注的预定义场景没有统一标准，业务人员通常只能关注显式冲突，却难以标注出隐式冲突。比如：“关上窗户”只标注了需要遮光休息的场景，而遗漏了空调制冷这种会与窗户互相影响的隐式场景。
90.本技术实施例的场景推荐方法，通过构建的家电知识图谱，能够标注出场景与家电的多维关联关系，并在获得查询请求后对家电知识图谱进行搜索，从而达到最优场景的推荐，避免了多场景的隐式冲突。
91.可以理解的是，场景推荐结果还包括：关联场景下的关联家电。
92.需要说明的是，关联场景下的关联家电是一种是额外推荐信息，有了关联家电的推荐，用户可以更明确的获知关联场景与家电的关系，有利于进一步的控制家电。
93.例如，获取“智能床垫对应什么场景”的场景查询请求后，对家电知识图谱中与智能床垫有关的场景子图进行搜索，最终推荐与智能床垫相关场景为睡眠场景，另外还会推荐睡眠场景下的电器如：空调、智能床垫、加湿器等。
94.可以理解的是，场景推荐结果还包括：关联家电的关联关系。
95.例如，获取“智能床垫和门磁传感器有什么关系”时，除推荐睡眠场景和场景下的
电器外，还会输出这些家电与睡眠场景之间的关系，比如，在睡眠场景下空调设置的温度和时间，加湿器是否打开等。
96.现有的发明或技术存在的多场景联动的困难，还包括：多场景设备优先级冲突。具体来说，现有方法通常对多个同时进行的活动实行完全隔离的独立分析，基于单个场景作为一个单元输出识别结果，未考虑到同时多个场景可能造成的设备优先级需要识别的细节，导致相互干扰的情况。
97.本技术实施例的场景推荐方法，由于构建的家电知识图谱包括家电和场景的多维关联关系，其中包括各个电器在各个场景下关联的优先级，因此在获取场景查询请求后，利用家电知识图谱进行识别和挖掘，考虑到多个场景可能造成的设备优先级需要识别的细节，通过识别不同场景下电器的不同优先级，最终推荐关联场景下的目标关联家电。该方法可以通过场景查询请求中包含的家电实体在家电知识图谱中的关联关系，先获得预测的关联场景，然后获得该关联场景下可能运作的电器。
98.可以理解的是，场景推荐结果还包括：关联家电的启动顺序。
99.需要说明的是，基于场景查询请求结合家电知识图谱进行场景推荐时，还需要结合关联家电的优先级，确定关联家电的启动顺序。优先级一般由设备联合使用时间长度以及构建知识图谱时从语义信息处得到的执行顺序决定，优先级高的电器启动顺序靠前。
100.本技术实施例的场景推荐方法，能够有效解决多场景联动情境下，对于关联电器的推荐问题。比如在查询到的某一场景下的电器属于多个场景时，现有方法通常对多个同时进行的活动场景实行完全隔离的独立分析，基于单个场景作为一个单元输出识别结果，未考虑到同时多个场景可能造成每个场景下家电执行顺序不同，导致的不同场景相互干扰的情况。本技术实施例的方法可以基于家电的优先级获取对关联家电间的最优路径进行输出，并依据优先级确定关联家电的启动顺序。
101.可以理解的是，基于待关联实体查询家电知识图谱，确定场景推荐结果，包括：
102.步骤201、基于待关联实体对家电知识图谱进行查询，确定与待关联实体存在关联关系的备选关联场景；
103.需要说明的是，备选关联场景可能包括很多个，但是并不需要对所有的备选关联场景均进行输出，因此需要对备选关联场景进行进一步的筛选。
104.步骤202、对备选关联场景进行筛选，确定待关联实体的关联场景；
105.需要说明的是，对备选关联场景进行筛选包括初筛和精筛，初筛时可以通过待关联实体与备选关联场景的关联关系进行筛选，筛选出需要的关联关系对应的备选关联场景。然后在精筛时需要依据通过语义识别获得的需求信息以及家电节点的度中心性，找到与需求信息语义贡献度最高且度中心性最高的场景。同时，确定出的关联场景也不一定只有一个，关联场景的数量依据筛选结果决定。
106.步骤203、基于待关联实体的关联场景下家电的优先级，确定关联场景下的关联家电和关联家电的启动顺序。
107.需要说明的是，步骤203在执行时，首先需要对确定的关联场景下所有的家电节点进行路径筛选和度中心性筛选，获得目标路径上的所有家电作为关联家电，其次需要对选中的关联家电上标注的启动优先级确定关联家电的启动顺序，最后进行输出。寻找特定场景下局部实体链接和全局实体链接的最佳实体项，解决同一家电设备中场景冲突的问题。
108.本技术实施例的场景推荐方法，能够利用知识图谱的度中心性，确定出备选关联场景中最合适的，然后可以在结构级别挖掘场景下多电器联合使用情况，寻找电器与电器之间，电器与场景之间的目标路径。同时，还可以进行基于图的推理，用于新场景的自发现。本技术实施例的度中心性结合基于语义贡献度的权重分配策略，可以根据优先级判断控制冲突，解决多个智能场景叠加和联动时，家电相互干扰矛盾的情况。
109.可以理解的是，对备选关联场景进行筛选，确定待关联实体的关联场景，包括：
110.确定备选关联场景中与待关联实体存在冲突关系的备选关联场景；
111.从备选关联场景中删除与待关联实体存在冲突关系的备选关联场景，确定待关联实体的关联场景。
112.需要说明的是，不同的备选关联场景之间可能会出现冲突，比如，归家和离家场景。因此在筛选到存在冲突关系的场景时，需要向用户报告冲突情况，并将冲突场景从备选中筛除。另外，由于存在冲突的判断不一定是正确的，因此需要基于报告获得用户反馈，判断是否需要对家电知识图谱中的关系进行修正或补充。
113.同时，在某些情况下，用户会需要通过场景查询关联场景和冲突场景，例如，“查询与回家场景关联的和冲突的场景分别是什么”，此时，对场景查询请求的备选关联场景进行筛选时，保留与目标场景存在冲突关系的备选关联场景，确定目标场景的关联场景。
114.本技术实施例的场景推荐方法，能够通过排除存在冲突关系的备选关联场景，提升最终关联场景筛选的有效性。
115.可以理解的是，基于场景查询请求，确定待关联实体，包括：
116.对场景查询请求进行文本提取，得到实体信息，其中，实体信息包括实体和实体的状态；
117.基于语义贡献度筛选实体信息，确定待关联实体。
118.需要说明的是，用户输入的指令很有可能是不规范的，因此获取到的场景查询请求可能是不清楚的，因此往往需要结合语义贡献度对指令信息进行文本提取。进行文本提取后会得到包含了实体以及实体的状态信息的实体信息。此时需优先选择语义贡献度较高的实体作为待关联实体，待关联实体还包含其对应的状态信息。以待关联实体为场景实体为例，用户输入的指令信息可以是“关上窗户”，此时文本提取出的实体为窗户，状态信息为关闭，此时确定待关联实体为“关窗场景”，场景查询指令可以为：“关窗场景关联什么场景”。以待关联实体为家电实体为例，用户输入的场景指令信息可以是“空调和加湿器”，此时文本提取出的实体信息为空调和加湿器，状态信息均为开启，此时确定待关联实体为“空调开启”和“加湿器开启”，场景查询指令可以为：“空调开启和加湿器开启关联什么场景”。
119.可以理解的是，确定场景查询请求，之前还包括：
120.获取用户信息；
121.将用户信息与家电知识图谱进行关联，确定关联用户信息的家电实体和关联用户信息的场景实体；
122.基于关联用户信息的家电实体和关联用户信息的场景实体，确定更新的家电知识图谱。
123.需要说明的是，更新的家电知识图谱还用于表征用户和家电间以及用户和场景间的关联关系。通过在家电知识图谱中加入用户的信息，此时的用户信息可以是用户画像，如
性别、年龄、身高、职业等，可以做出更多的个性化场景推荐。
124.除此之外，需要说明的是，用户信息还包括用户在不同场景下的行为信息，例如用户在不同场景下对电器的使用频率和用户标注信息。
125.需要说明的是，用户在不同场景下对电器的使用频率决定了家电实体的优先级，本技术实施例会检测不同家电的使用频率，设置电器-场景共同出现次数的阈值进行场景的自发现。比如，若两个电器同时高频使用，需要考虑这两个电器是否存在一个家庭场景，并据此对知识图谱进行更新。用户标注信息可以是针对实际应用中出现的问题进行的人工标注和校对，用户标注信息会进一步对知识图谱进行场景库更新、纠错和补全。另外，对于电器使用行为数据相似度高的用户，可以适度基于图谱做出相同的电器使用预测。
126.在图谱更新方面，根据融入的关于用户的新数据流进行家电信息概念层和数据层的更新。自动将新的电器、场景概念添加到家电百科知识库的概念层。用户标注信息可以考虑数据源的可靠性、一致性，排除家电信息的矛盾、冗杂后，选择在各个用户使用信息中高频出现的场景、关系加入家电知识图谱中。
127.本技术实施例的场景推荐方法，通过注入用户在不同场景下的行为信息等新的数据流，方便对于异常数据进行标注和校正，将新的电器、场景添加到知识图谱中。其他方法只要涉及电器-场景知识图谱的更新，基于知识图谱的场景下多电器使用情况的推理、用户可能使用场景预测，用户交互式推荐均在本技术的保护范围内。
128.可以理解的是，基于待关联实体查询家电知识图谱，确定场景推荐结果，包括：
129.确定关联用户信息的待关联实体；
130.基于关联用户信息的待关联实体查询更新的家电知识图谱，确定场景推荐结果；
131.其中，场景推荐结果包括与关联用户信息的待关联实体存在关联关系的关联场景。
132.需要说明的是，通过识别场景查询指令中，关联用户信息的待关联实体，可以将查询特定带有用户偏好的场景，比如，在家电知识图谱中加入用户信息为女性，对应会关联多个关联场景和关联家电，例如睡眠场景下，除了常规的关联家电外，香薰机会开启，此时将香薰机加入睡眠场景的子图，当下一次场景查询指令识别到关联用户信息为女性时，会推荐包括包含香薰机在内的睡眠场景。又如，通过加入用户的信息的家电知识图谱可以通过用户标签查询推荐场景，场景查询指令为：“给小孩子推荐的场景是什么”。
133.本技术实施例的场景推荐方法，能够基于知识图谱的家电关系预测，在已知正在运作的少数家电的情况下，根据关联预测场景，及该场景下可能运作的其他电器。基于用户相似度，借鉴用户之间的使用习惯，做出新场景的预测更新，给使用习惯相同的用户做出相似推荐。
134.可以理解的是，本技术实施例还提供的家电知识图谱构建方法，该方法至少包括以下步骤：
135.步骤301、采集家电信息；
136.步骤302、对家电信息进行实体抽取，确定家电实体和场景实体；
137.步骤303、对家电信息进行关系抽取，以及家电实体和场景实体间的关联关系；
138.步骤304、对家电实体和场景实体，结合家电实体和场景实体间的关系进行匹配，确定家电知识图谱。
139.针对步骤301，需要说明的是，家电信息是通过在互联网语料库、公开知识图谱、人工标记家庭场景数据等关系型数据库、图数据库中提取结构化、半结构化、非结构化数据得到的数据库，在一种实施例中，数据库为rdf本体库。
140.具体的，结构化数据来源于业务人员根据用户使用情况预定义的场景和家电数据。半结构化数据包括但不限于xml、json、百科以及开源的图数据库如freebase等，非结构化数据可从互联网文本语料库中获得，此外图片、音频、视频等都作为被保护的家电知识信息来源，其他方法只要涉及构建家电相关图数据库的也在本专利的保护范围内。
141.针对步骤302和步骤303，需要说明的是，步骤302在步骤301得到的rdf本体库的基础上引入模式层。对于家电信息的数据进行基于实体、关系的联合抽取，基于粗粒度和细粒度方法对已有信息进行筛选，获取最可能的实体项，并提取出场景中家电实体相关的基本属性知识、关联知识、事件知识、时序知识、资源知识等，存入知识库的模式层，构建rdfs三元组模式库，补全rdfs三元组模式库场景中的等价、互斥关系后建立owl家电-场景库。
142.本技术实施例中实体抽取是指对半结构化数据和非结构化数据先进行粗粒度的实体识别，目的是获取潜在实体候选项，再基于细粒度方法获取最可能的实体项。关系抽取是指实体确定完毕后根据词汇关系模板、句法关系模板使用机器学习方法完成自动化的家电-场景关系提取。提取电器实体、电器-场景间的关系、涉及电器实体起的作用，并设置唯一id号，构成rdfs三元组模式库。
143.具体的，粗粒度方法包括基于词典、模糊匹配、词向量的抽取方法，实体抽取方法包括基于规则、词典、机器学习方法，例如隐式马尔可夫模型、条件随机场、支持向量机，深度学习，迁移学习等方法进行细粒度的家电-场景实体信息提取，根据选出的家电实体及上下文信息，获取时间类如使用开关时间、日期，数字类如型号、电器价格等能暗示家电-场景实体间层次、互斥等关系的信息，构成owl家电-场景库。其他方法只要涉及家电-场景实体提取，关系提取的方法均在本技术实施例的保护范围内。
144.针对步骤304，需要说明的是，结合家电实体和场景实体间的关系进行匹配是指，对于模式层数据进行实体匹配和结构匹配。实体匹配是指在家电实体级别，成对、协同的实体对齐，实现家电实体统一和指代消解。结构匹配是指在结构级别挖掘本体库中的数据规律，对同一场景下运作的家电结合时序知识进行分组聚合。
145.由于抽取出的家电实体信息可能存在冗余，家电-实体关系呈现扁平化与缺乏优先级的层次问题。对现有owl库中的关系信息进行基于逻辑、图、深度学习的家电-场景实体级别和结构级别的推理和计算。根据实体向量间的关系进行相似度计算，达到实体统一和指代消解的效果，除去冗余的家电实体。建立结构化、网络化的知识体系，并对家电-场景的可信度进行量化，舍弃置信度较低的家电-场景关系。
146.具体的，实体匹配可以通过生成的owl库信息，将知识信息图嵌入向量化，通过三元组置信度、实体相似度计算进行家电、场景实体消歧和共指消解，确认正确的家电实体链接到知识库对应实体，进行基于数据聚类、模式树挖掘、层次损失标准化的层次化构建。
147.结构匹配可以通过合并外部知识库，运用整数规划等方法检查某个场景下连接的所有实体，投票法、afet模型等进行冲突检查，处理数据层和模式层的冲突，对于冗余、错误的实体关系进行清洗。其他方法只要涉及家电-场景图谱构建中的实体链接、数据聚类挖掘、去噪的方法均在本技术实施例的保护范围内。
148.本技术实施例构建出的家电知识图谱如图3所示，在该知识图谱中，家电包括：油烟机、燃气灶、智能床垫、门磁传感器、空调、空气质量传感器、智能门锁、跑步机、热水器和燃气报警器。场景包括：烹饪、睡眠、开窗、离家、回家、洗浴、运动和语音。c1、c2、c3表示优先级关系且从c1到c3优先级依次递减，c1、c2、c3分别表示高优先级关系、中优先级关系和低优先级关系，me表示两个节点存在互斥关系(mutually exclusive)。
149.可以理解的是，对家电实体和场景实体，结合家电实体和场景实体间的关系进行匹配，包括：
150.对家电实体和场景实体进行向量化，确定家电向量和场景向量；
151.基于家电向量和场景向量的相似度，结合家电实体和场景实体间的关系，对同一场景下的家电进行匹配。
152.需要说明的是，针对生成的owl家电-场景库，将家电实体和场景实体嵌入向量化，通过三元组置信度、实体相似度计算进行家电、场景实体消歧和共指消解，解决同名歧义、同实体多指称问题，确认正确的家电实体链接到知识库对应实体，进行基于数据聚类、模式树挖掘、层次损失标准化的层次化构建。
153.本技术实施例的场景推荐方法，通过图嵌入操作将实体及其关系转化为向量，可进行多属性的嵌入式编码，具有可扩展性。其基于内容相似度可以获得多种电器间的定性关系，在后续家电智能问答、多轮对话等方面有更多应用。
154.本技术实施例的家电知识图谱的构建流程示意图如图2所示，包括(1)构建家电百科、(2)家电-场景知识提取、(3)家电-场景信息融合、(4)新场景自发现及更新四个步骤，每个步骤的实现可能存在多种方法。
155.对于步骤(1)，本技术实施例通过采集结构化数据、半结构化数据和非结构化数据构建家电百科知识，输入步骤(2)。其中，结构化数据来源于业务人员根据用户使用情况预定义的场景和家电数据。半结构化数据包括但不限于xml、json、百科以及开源的图数据库如freebase等，非结构化数据可从互联网文本语料库中获得，此外图片、音频、视频等都作为被保护的家电知识信息来源。
156.对于步骤(2)，本技术实施例通过对步骤(1)中半结构化数据和非结构化数据先进行粗粒度的实体识别，提取家电实体、场景实体、家电实体和场景实体间的关联关系。关联关系包括家电-场景实体间等价、互斥等关系。由此构成owl家电-场景库。
157.对于步骤(3)，本技术实施例针对步骤(2)生成的owl库信息，将知识信息图嵌入向量化，实体统一和指代消解，解决同名歧义、同实体多指称问题，实现家电实体级别匹配。另外，还要结合步骤(2)生成的结构化数据，合并外部知识库，对同一场景下的家电实体根据时序分组聚合，然后基于语音贡献度和权重分配，将全局实体均连接最佳实体项，实现了家电结构级别的匹配。经过步骤(3)的两步匹配，构建好家电知识图谱。
158.对于步骤(4)，本技术实施对步骤(3)构建好的知识图谱，注入真实行为信息、用户画像等新的数据流，通过人机交互对此图谱的知识信息进行语义可视化。对于异常数据进行标注和校正，将新的电器、场景添加到知识图谱中，并设置电器-场景共同出现次数的阈值进行场景的自发现。此外，对于电器使用行为数据相似度高的用户，可以适度基于图谱做出相同的电器使用预测。
159.根据本技术的一个实施例，家电知识图谱的构建，还包括：
160.基于不同时间段内家电实体的关联关系的变化，在家电知识图谱中创建新的场景本体。
161.需要说明的是，对不同时间段内家电实体的关联关系的变化进行监控，可以实时获知家电实体的最新状态，并据此对已有的家电知识图谱进行进一步地场景挖掘，实现场景的自发现。同时，还可以实现基于家电知识图谱实现新的场景下多电器使用情况的推理，或者加入用户的使用信息根据用户偏好创建新的场景本体。关联关系的变化可以是家电间关联关系的参数还原过程，经过观察，可以将同时间段密集出现的家电划分为新的场景并添加进家电知识图谱中，还可以根据家电的优先级进行挖掘，获得新的步骤类场景。例如：识别出先打开电脑上的游戏，然后打开空调，并依次关闭窗帘，打开智能灯，将被创建为游戏场景。
162.根据本技术的一个实施例，基于不同时间段内家电实体的关联关系的变化，在家电知识图谱中创建新的场景本体，包括：
163.对不同时间段内家电实体的关联关系的变化进行可视化，得到家电关系热图；
164.基于家电关系热图，确定家电实体在不同时间段内的使用时间和优先级；
165.基于家电实体在不同时间段内的使用时间和优先级，在家电知识图谱中创建新的场景本体。
166.需要说明的是，本技术实施例还可以进行家电知识图谱的语义可视化，构建除了家电关系热图，家电关系热图体现在一天中的不同时间段各个家电的使用时间和优先级。结合各个点起使用时间在每天各时间段的分布，探寻用户常用电器和常见行为模式。比如，基于电器优先级可以挖掘出步骤类场景，基于使用时间可以挖掘用户常用电器和行为模式，通过同一时间内的共现关系可以挖掘出联动类场景等。
167.例如，本技术实施例中，可以对图3所示的家电知识图谱的知识信息进行语义可视化，通过对电器关系的参数还原过程创建密集关系的热图，将多个电器-场景关系可视化为热图，如图4所示，显示了在一天中的不同时间段空调、智能门锁、门磁传感器、空气质量传感器、热水器和语音家电的优先级，如图所示，颜色越深表示优先级越高。通过可视化的展示方便对于异常数据进行标注和校正，将新的电器、场景添加到知识图谱中，并设置电器-场景共同出现次数的阈值进行场景的自发现。本技术实施例能实现场景中家电实体关系的可视化表达图谱，进行新场景的自动检测，在实际应用后进行概念层、数据层更新，完成进一步的场景发现。
168.下面对本技术提供的场景推荐装置进行描述，下文描述的场景推荐装置与上文描述的场景推荐方法可相互对应参照。如图5所示，本技术实施例还公开了一种摔倒检测装置，包括：
169.输入模块501、用于确定场景查询请求；
170.解析模块502，用于基于场景查询请求，确定待关联实体；
171.推荐模块503、用于基于待关联实体查询家电知识图谱，确定场景推荐结果；
172.其中，家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的关联关系，场景推荐结果包括与待关联实体存在关联关系的关联场景，待关联实体包括待关联家电实体和待关联场景实体。
173.本技术实施例提供的场景推荐装置，运用了知识图谱替代人工标注，节省人力同
时实体标注质量提高，方便对于进行场景库更新、纠错和补全。相对传统的有监督和无监督学习方法在自动化程度、漏判率、可解释性方面有大幅改善，保留用户个性化特征的同时跨平台适用性强。
174.可以理解的是，场景推荐结果还包括：关联场景下的关联家电和/或关联家电的启动顺序。
175.可以理解的是，基于待关联实体查询家电知识图谱，确定场景推荐结果，包括：
176.基于待关联实体对家电知识图谱进行查询，确定与待关联实体存在关联关系的备选关联场景；
177.对备选关联场景进行筛选，确定待关联实体的关联场景；
178.基于待关联实体的关联场景下家电的优先级，确定关联场景下的关联家电和关联家电的启动顺序。
179.可以理解的是，对备选关联场景进行筛选，确定待关联实体的关联场景，包括：
180.确定备选关联场景中与待关联实体存在冲突关系的备选关联场景；
181.从备选关联场景中删除与待关联实体存在冲突关系的备选关联场景，确定待关联实体的关联场景。
182.可以理解的是，基于场景查询请求，确定待关联实体，包括：
183.对场景查询请求进行文本提取，得到实体信息，其中，实体信息包括实体和实体的状态；
184.基于语义贡献度筛选实体信息，确定待关联实体。
185.可以理解的是，确定场景查询请求，之前还包括：
186.获取用户信息；
187.将用户信息与家电知识图谱进行关联，确定关联用户信息的家电实体和关联用户信息的场景实体；
188.基于关联用户信息的家电实体和关联用户信息的场景实体，确定更新的家电知识图谱。
189.可以理解的是，基于待关联实体查询家电知识图谱，确定场景推荐结果，包括：
190.确定关联用户信息的待关联实体；
191.基于关联用户信息的待关联实体查询更新的家电知识图谱，确定场景推荐结果；
192.其中，场景推荐结果包括与关联用户信息的待关联实体存在关联关系的关联场景。
193.可以理解的是，家电知识图谱的构建，包括：
194.采集家电信息；
195.对家电信息进行实体抽取，确定家电实体和场景实体；
196.对家电信息进行关系抽取，以及家电实体和场景实体间的关联关系；
197.对家电实体和场景实体，结合家电实体和场景实体间的关系进行匹配，确定家电知识图谱。
198.可以理解的是，对家电实体和场景实体，结合家电实体和场景实体间的关系进行匹配，包括：
199.对家电实体和场景实体进行向量化，确定家电向量和场景向量；
200.基于家电向量和场景向量的相似度，结合家电实体和场景实体间的关系，对同一场景下的家电进行匹配。
201.可以理解的是，家电知识图谱的构建，还包括：
202.基于不同时间段内家电实体的关联关系的变化，在家电知识图谱中创建新的场景本体。
203.可以理解的是，基于不同时间段内家电实体的关联关系的变化，在家电知识图谱中创建新的场景本体，包括：
204.对不同时间段内家电实体的关联关系的变化进行可视化，得到家电关系热图；
205.基于家电关系热图，确定家电实体在不同时间段内的使用时间和优先级；
206.基于家电实体在不同时间段内的使用时间和优先级，在家电知识图谱中创建新的场景本体。
207.图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(communications interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行如下方法：
208.确定场景查询请求；
209.基于场景查询请求，确定待关联实体；
210.基于待关联实体查询家电知识图谱，确定场景推荐结果；
211.其中，家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的关联关系，场景推荐结果包括与待关联实体存在关联关系的关联场景，待关联实体包括待关联家电实体和待关联场景实体。
212.此外，上述的存储器630中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
213.另一方面，本技术实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
214.确定场景查询请求；
215.基于场景查询请求，确定待关联实体；
216.基于待关联实体查询家电知识图谱，确定场景推荐结果；
217.其中，家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的关联关系，场景推荐结果包括与待关联实体存在关联关系的关联场景，待关联实体包括待关联家电实体和待关联场景实体。
218.又一方面，本技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计
算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：
219.确定场景查询请求；
220.基于场景查询请求，确定待关联实体；
221.基于待关联实体查询家电知识图谱，确定场景推荐结果；
222.其中，家电知识图谱包括家电实体、场景实体以及家电实体和场景实体间的关联关系，场景推荐结果包括与待关联实体存在关联关系的关联场景，待关联实体包括待关联家电实体和待关联场景实体。
223.以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
224.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各实施方式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。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
225.最后应说明的是，以上实施方式仅用于说明本技术，而非对本技术的限制。尽管参照实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，对本技术的技术方案进行各种组合、修改或者等同替换，都不脱离本技术技术方案的精神和范围，均应涵盖在本技术范围中。