[發明專利]一種基于Hadoop的智能家居操控行為推薦方法

在審

• 申請號: 201710977086.7
• 申請日: 2017-10-19
• 公開（公告）號: CN107920109A
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 梁天愷;曾碧
• 申請（專利權）人: 廣東工業大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;H04L12/28;G06N99/00
• 代理公司: 廣東廣信君達律師事務所44329
• 代理人: 楊曉松

技術領域

本發明涉及智能家居的技術領域，尤其涉及到一種基于Hadoop的智能家居操控行為推薦方法。

背景技術

智能家居是在互聯網影響之下物聯化的體現，其通過物聯網技術將家中的各種設備(如音視頻設備、照明系統、窗簾控制、空調控制、安防系統、數字影院系統、影音服務器、影柜系統、網絡家電等)連接到一起，提供家電控制、照明控制、電話遠程控制、室內外遙控、防盜報警、環境監測、暖通控制、紅外轉發以及可編程定時控制等多種功能和手段。而智能家居操控行為推薦更為用戶控制自己需要的設備帶來方便。

然而，傳統的推薦方法所產生的智能家居操控行為推薦方案不具備強烈的規則時序關聯性，或僅根據時間進行單一化聚類，不具備智能產生情景推薦方案的功能；而且，傳統的推薦方法用到的關聯規則算法只支持單節點計算，耗費較大的計算開支，不具備云計算的功能。

發明內容

本發明的目的在于克服現有技術的不足，提供一種應用于智能家居的分布式推薦方法，將一堆用戶行為習慣的操作數據進行數據分割并實現分布式存儲，然后通過云計算從中提取出具有時間約束的時序關聯規則以構建智能家居操控行為推薦方案的過程。

為實現上述目的，本發明所提供的技術方案為：具體包括以下步驟：

S1、結合無線或有線網絡進行用戶行為習慣數據的采集；

S2、進行用戶行為習慣數據的分割，生成多個子數據塊；

S3、將生成的多個子數據塊分發到各節點進行云存儲；

S4、在各節點實現對子數據塊的運算，得到相應的具有時間約束的子時序關聯規則；

S5、主節點合成各從節點生成的子時序關聯規則；

S6、形成最終的智能家居操控行為推薦方案。

進一步地，步驟S3多個子數據塊基于Hadoop平臺的HDFS(HadoopDistributed File System)進行云存儲，步驟S4-S6通過Hadoop平臺的MapReduce實現。

進一步地，步驟S4對各子數據塊進行運算，得到相應的具有時間約束的子時序關聯規則的具體步驟如下：

S4-1、形成學習器輸入事務集；

S4-2、形成粗關聯規則；

S4-3、添加時序約束與時間約束。

其中，進行步驟S4-1形成學習器輸入事務集時，主要采用有向無環圖的深度遍歷的思想，將用戶行為習慣數據看成一張有向無環圖，然后對該圖進行深度遍歷；圖的深度遍歷過程如下：

首先訪問圖中的某一個起點v，然后由v出發訪問與v相連接且文被訪問的某一個節點w₁，接著繼續訪問與w₁鄰接且未被訪問的頂點，如此不斷重復直至所有節點均被訪問位置；

由于圖的深度遍歷不同的起點可產生多個DFS序列集合，取具有最長DFS序列的DFS序列集合則作為學習器的輸入事務集。

而進行步驟S4-2形成粗關聯規則時，其根據步驟S4-1形成的學習器輸入事務集，結合機器學習算法中的關聯規則分析算法，對用戶行為習慣進行關聯規則學習，最后形成粗關聯規則，具體過程如下：

設I＝{I₁,I₂,...,I_n}表示智能家居設備列表，給定一個交易數據庫D，其中每個事務T為I的非空子集，即每一個交易都與一個唯一的標識符對應，關聯規則在D中的支持度表示D中事務同時包含X事件、Y事件的的百分比，通過公式求解支持度；置信度表示D中事務已經包含X的情況下，包含Y的百分比，通過公式求解置信度；在關聯分析中，學習器所學習到規則只要滿足最小支持度閾值和最小置信度閾值則認為該關聯規則是有效的，同時通過計算每個智能家居設備所對應的平均操作時間，得到成形如{(A,t_A)→(B,t_B)→...→(N,t_N)}的粗關聯規則，其中t_N表示智能家居設備N的平均操作時間。

最后，步驟S4-3添加時序約束與時間約束的具體步驟為：

S4-3-1、依據粗關聯規則的每個元組所記錄的設備和設備所對應的時間戳進行時序化處理從而產生時序關聯規則，具體為：