[发明专利]模型调整方法、装置和电子设备

说明书

本申请公开了一种模型调整方法、装置和电子设备。其中，该方法包括：获取智能家居系统中各个服务的使用数据的变化量数据，其中，所述服务为所述智能家居系统中不同的家居设备所提供的功能，所述变化量数据为目标对象对所述各个服务使用有变化的数据量；基于所述变化量数据建立目标预测模型，并确定所述目标预测模型的目标回归系数；基于所述目标回归系数对原始预测模型进行调整，其中，所述原始预测模型为基于获取所述变化量数据之前的使用数据建立的预测模型。本申请解决了在数据增加时无法动态更新预测模型的技术问题。

技术领域

本申请涉及智能家居系统领域，具体而言，涉及一种模型调整方法、装置和电子设备。

背景技术

随着用户对智能家居系统的依赖，使得智能家居系统收集到的用户习惯数据呈指数增长。由于用户在不同时间段对智能家居系统中的不同服务的使用情况不同，因此需要动态预测用户对每个服务的使用情况。现有的预测方法在每次重新计算预测模型时需要耗费大量的空间和时间代价，尤其当数据集规模很大时，现有的预测方法无法快速得到新的预测模型，且当数据集在不断增加的情况下，在不同的时段用户对每个服务的使用情况也在发生变化。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种模型调整方法、装置和电子设备，以至少解决在数据增加时无法动态更新预测模型的技术问题。

根据本申请实施例的一个方面，提供了一种模型调整方法，包括：获取智能家居系统中各个服务的使用数据的变化量数据，其中，服务为智能家居系统中不同的家居设备所提供的功能，变化量数据为目标对象对各个服务使用有变化的数据量；基于变化量数据建立目标预测模型，并确定目标预测模型的目标回归系数；基于目标回归系数对原始预测模型进行调整，其中，原始预测模型为基于获取变化量数据之前的使用数据建立的预测模型。

可选地，获取智能家居系统中各个服务的使用数据的变化量数据之前，，方法还包括：获取目标对象在统计周期的不同的时间段内对智能家居系统中各个服务的第一使用概率；依据第一使用概率和第一使用概率所对应的时间段建立原始预测模型。

可选地，基于变化量数据建立目标预测模型，包括：获取目标对象在统计周期之外的目标时间段内对智能家居系统中各个服务的第二使用概率；依据第二使用概率和目标时间段建立目标预测模型。

可选地，目标时间段为在统计周期所对应时间段之后的时间段，且目标时间段的时长与时间段的时长相同。

可选地，基于目标回归系数对原始预测模型进行调整之后，方法还包括：确定目标时刻所属的目标时间周期；基于调整后的原始预测模型确定目标时间周期内智能家居系统中各个服务的第三使用概率；基于第三使用概率确定在目标时刻向目标对象推荐的候选服务集合；从候选服务集合中确定向目标对象推荐的目标服务；基于目标服务生成控制指令，并将控制指令发送至智能家居系统中与目标服务对应的家居设备。

可选地，从候选服务集合中确定向目标对象推荐的目标服务，包括：获取目标对象在目标时刻的生理数据；基于生理数据从候选服务集合中确定向目标对象推荐的目标服务。

根据本申请实施例的另一方面，还提供了一种模型调整装置，包括：获取模块，用于获取智能家居系统中各个服务的使用数据的变化量数据，其中，服务为智能家居系统中不同的家居设备所提供的功能，变化量数据为目标对象对各个服务使用有变化的数据量；确定模块，用于基于变化量数据建立目标预测模型，并确定目标预测模型的目标回归系数；调整模块，用于基于目标回归系数对原始预测模型进行调整，其中，原始预测模型为基于获取变化量数据之前的使用数据建立的预测模型。

可选地，所述获取模块，还用于获取目标对象在统计周期的不同的时间段内对所述智能家居系统中各个服务的第一使用概率；所述确定模块，还用于依据所述第一使用概率和所述第一使用概率所对应的时间段建立原始预测模型。