家电科技 ›› 2023, Vol. 0 ›› Issue (6): 34-37.doi: 10.19784/j.cnki.issn1672-0172.2023.06.004
吕闯, 邓苏鸣, 林沿铮, 樊其锋, 高峰
LV Chuang, DENG Suming, LIN Yanzheng, FAN Qifeng, GAO Feng
摘要: 在智能家居领域,精准预测用户潜在的使用行为是提升用户体验的一项关键技术。不当的空调操作会降低空调使用效果、增加能耗甚至降低空调使用寿命。目前,空调风险识别技术有限,不能应对复杂场景,并缺少个性化建议。提出了基于Bayesian-Transformer混合模型(BTHNM)的技术框架,通过整合用户历史行为数据、体感数据和环境数据,利用BTHNM模型可以准确地预测潜在的风险操作并给出合理的操作建议。BTHNM模型相较传统规则方法,能够捕获用户行为、时间、环境之间的深度关联关系,风险事件识别的准确率和及时性均有大幅提升。通过实验对比分析,BTHNM模型验证风险事件识别正确率比传统规则方法提升40%,建议准确率提升41%。
中图分类号: