[发明专利]时长的提醒方法及装置

说明书

本申请实施例提供一种时长的提醒方法及装置，应用于电子设备，方法包括：响应于接收到第一行程的预定信息，获取包括多种类型的数据的第一行程的数据，获取历史行程数据以及多种类型中的每一类的时长模型，历史行程数据包括历史时长，基于时长模型，获得历史时长的特征以及对应的权重，依据特征以及对应的权重，预测第一行程的时长，展示第一行程的时长的提醒信息。因为将包括历史时长的历史行程数据作为预测时长的依据之一，所以，使得预测得到的时长不再是固定时长，而是与历史行程数据相关的个性化的时长。并且，将多种类型中的每一类对应的时长模型也作为预测时长的依据之一，所以，能够充分挖掘历史行程数据的特征，得到更为精确的预测时长。

技术领域

本申请涉及通信技术领域，尤其涉及一种时长的提醒方法及装置。

背景技术

随着电子设备的发展，为用户提供智能化的服务，成为电子设备目前的发展趋势。智能化服务包括但不限于对用户将要发生的行为的时长进行提醒，例如候机时长或候车时长的提醒等。

发明内容

本申请提供了一种时长的提醒方法及装置，目的在于解决如何实现时长提醒的问题。

本申请实施例的第一方面提供一种时长的提醒方法，应用于电子设备，包括：响应于接收到第一行程的预定信息，获取所述第一行程的数据，所述第一行程的数据包括多种类型的数据，所述多种类型的数据包括：时间数据、位置数据、所属分类的数据以及环境数据，获取历史行程数据以及所述多种类型中的每一类对应的时长模型，所述历史行程数据包括历史时长，基于所述时长模型，获得所述历史时长的特征以及对应的权重，依据所述特征以及对应的权重，预测所述第一行程的时长，展示所述第一行程的时长的提醒信息。因为将包括历史时长的历史行程数据作为预测时长的依据之一，所以，使得预测得到的时长不再是固定时长，而是与历史行程数据相关的个性化的时长。并且，将多种类型中的每一类对应的时长模型也作为预测时长的依据之一，所以，能够充分挖掘历史行程数据的特征，从而得到更为精确的预测时长。

在一种实现方式中，所述多种类型中的每一类对应的时长模型的获取过程包括：将样本行程数据，按照所述多种类型中的每一类，划分为不同的数据集，在每一个所述数据集，以所述样本行程数据中的历史时长为维度，进行聚类，得到所述每一类对应的时长模型。每一类聚类得到一个时长模型，有利于充分学习样本行程数据的特征，以历史时长为维度进行聚类，使得时长模型能够反映时长与样本的数量之间的数量分布特征，从而提高时长模型的预测能力。

在一种实现方式中，所述进行聚类，包括：基于高斯混合模型进行聚类。高斯混合模型能够基于高斯概率密度函数精确地量化事物，有利于提高时长模型的预测准确性。

在一种实现方式中，所述多种类型中的每一类的确定过程包括：确定影响所述第一行程的时长的多种因素，确定属于所述多种因素的子因素，作为所述多种类型中的每一类。因素以及对子因素的划分，能够实现对数据挖掘更多的特征，在不易获取机场服务人员数量、机场当前客流量等正向建模特征，能够使得模型实现从有限的数据中学习到更多的特征。

在一种实现方式中，所述基于所述时长模型，获得所述历史时长的特征以及对应的权重，包括：将包含第一类型的数据的历史行程数据，作为第一历史行程数据，所述第一类型为任意一种类型，将所述第一历史行程数据中包含的历史时长，作为第一历史时长，确定所述第一历史时长在所述第一类型对应的时长模型中所属的分量，作为第一分量，基于所述第一类型对应的时长模型，获得所述第一分量的均值，作为所述特征，获得所述第一分量的方差，作为所述特征对应的权重。获取每一类型的特征以及对应的权重，为后续获得精准的预测时长奠定基础。