[發明專利]一種基于可穿戴設備的用戶行為習慣預測方法

在審

• 申請號: 202210084498.9
• 申請日: 2022-01-25
• 公開（公告）號: CN114492990A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 張旭;張瑞琦;李心慧;陳香
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

1.一種基于可穿戴設備的用戶行為習慣預測方法，其特征在于，所述方法包括：

步驟1，采集用戶日常活動時的生理數據、運動相關的數據以及用戶基本特征數據，通過可穿戴設備的陀螺儀傳感器、加速度傳感器、心電傳感器采集用戶日常活動時的心率、睡眠和運動相關的特征數據，再結合收集到的用戶基本特征數據：身高、體重、年齡和性別，構建多元特征向量X_t＝{x₁,...,x_d,...,x_D}，其中，X_t代表相對某日而言，某用戶數據的特征向量，包含D個特征，D代表特征維度，x_d表示某一維特征；

步驟2，對采集的數據進行預處理；

步驟3，同時建立基于不同時刻的Attention機制改進的LSTM模型和基于不同特征的Attention機制改進的LSTM模型，再使用基于全連接網絡(FC)的用戶行為習慣預測整合模型將兩個改進模型整合在一起建立基于注意力機制和長短期記憶網絡的復合模型，即Attention-LSTM復合模型；

步驟4，使用用戶數據訓練所述的Attention-LSTM復合模型；

步驟5，通過已訓練好的Attention-LSTM復合模型預測用戶行為習慣，所述用戶行為習慣包括用戶日常活動時的生理數據和運動相關的數據走勢。

2.根據權利要求1所述的基于可穿戴設備的用戶行為習慣預測方法，其特征在于：所述的步驟2中對采集的數據進行預處理，包括：

將采集到的數據集中80％的數據作為訓練集，20％的數據作為測試集，并對訓練集和測試集進行預處理，采用離差標準化方法對輸入數據進行歸一化，歸一化公式為：

其中，x^*為歸一化后的數據，其范圍在[0，1]，x_i為原始數據，x_max為原始數據的最大值，x_min為原始數據的最小值；

采用滑動窗口方法，從訓練集中提取長度為m的連續數據，并將所述連續數據作為模型訓練集X_train，最終將X_train的數據格式轉化為[N，m，D]，其中，N代表樣本數，m代表序列數據的長度，D代表特征維度；提取心率、睡眠和運動相關的Z個特征的第m+1至第m+T的數據作為X_train的標簽Y_train，T＝1,2,…,n，n表示天數，當T＝1時Y_train的數據格式為[N，Z]，Z表示標簽的特征維度，當T不為1時Y_train的數據格式為[N，T*Z]，同時將測試集X_test的數據格式轉化為[C，m，D]，C代表測試樣本數，標簽Y_test的數據格式與訓練集的相對應。