CQ9电子基于场景的智能家居控制方法、装置、设备及存储介质与流程1.本发明涉及智能家居领域，具体而言，涉及一种基于场景的智能家居控制方法、装置、设备及存储介质。

　　2.随着科技的进步，智能家居概念的不断推广，各种智能家居产品越来越多的进入普通人的生活中，从而为人们提供了更舒适、更便利的生活环境。目前智能家居控制系统一般基于语音技术实现的，其中包括语音识别和语义理解，语音识别(asr)将语音信号转换为文本，语析将文本利用人工智能(ai)领域的自然语言处理(nlp)技术识别提取对应的控制命令，然后通过大数据平台发送控制命令给iot设备从而让对应设备响应相关操作。

　　3.目前的智能家居系统一般只支持对单个设备控制，如此导致在一些情况下用户需要进行多次语音交互来控制对应的智能设备，导致用户体验很差。

　　4.有鉴于此，本发明的目的在于提供一种基于场景的智能家居控制方法、装置、设备及存储介质，以改善上述问题。

　　8.当判断所述文本数据为控制文本时，至少根据预先构建的场景词典以及分类模型判断所述文本数据是否为场景控制文本；

　　9.当判断所述文本数据为场景控制文本时，获取所述场景控制文本对应的场景信息，并根据所述场景信息控制对应的至少一个智能家居的工作状态。

　　10.优选地，获取用户的语音数据，并对所述语音数据进行识别处理以获得对应的文本数据具体包括：

　　16.如匹配不成功，则将所述文本数据输入预先训练好的第一分类模型，获取分类结果；其中，所述第一分类模型为利用已有的语料基于tf-idf和k最近邻算法训练得到的二分类模型；

　　18.优选地，当判断所述文本数据为控制文本时，至少根据预先构建的场景词典以及分类模型判断所述文本数据是否为场景控制文本，具体包括：

　　21.如匹配不成功，则将所述文本数据输入训练好的第二分类模型，获取其对应的分类结果以及每个分类结果的概率值；其中，所述第二分类模型为基于预训练场景词向量和k近邻算法训练得到的多分类模型；

　　27.对标记好的文本数据，通过由bert和crf结合的网络结构训练得到的深度学习模型进行实体提取，以获得相应的实体；

　　35.语音处理单元，用于获取用户的语音数据，并对所述语音数据进行识别处理以获得对应的文本数据；

　　37.场景判断单元，用于当判断所述文本数据为控制文本时，至少根据预先构建的场景词典以及分类模型判断所述文本数据是否为场景控制文本；

　　38.场景控制单元，用于当判断所述文本数据为场景控制文本时，获取所述场景控制文本对应的场景信息，并根据所述场景信息控制对应的至少一个智能家居的工作状态。

　　39.本发明实施例还提供了一种基于场景的智能家居控制设备，其包括处理器以及存储器，所述存储器内存储有计算机程序，所述计算机程序能被所述处理器执行，以实现如上述的基于场景的智能家居控制方法。

　　40.本发明实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序能够被所述可读存储介质所在设备的处理器执行，以实现如上述的基于场景的智能家居控制方法。

　　41.综上所述，本实施例通过设置不同场景与各个智能家居之间的映射关系，如此可以通过发出一个包括场景的语音控制指令来实现对关联的多个智能家居的同时控制，避免了分别对多个智能家居分别控制时产生的操作繁琐的问题，提高了用户的使用体验。

　　42.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

　　45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

　　47.应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有实施例，都属于本发明保护的范围。

　　48.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

　　50.请参阅图1，本发明第一实施例提供了一种基于场景的智能家居控制方法，其可由基于场景的智能家居控制设备(以下简称控制设备)来执行，特别的，由所述控制设备内的一个或者多个处理器来执行，以实现如下步骤：

　　52.在本实施例中，所述智能家居为设置于家庭环境内的各种智能设备，如智能电视、智能照明灯、智能马桶、智能冰箱、智能音箱、智能热水器、智能风扇等，本发明不做具体限定。其中，这些智能设备一般的都具备有联网能力，并且能够通过网络连接来实现对其功能的控制。例如，这些智能设备均可连接至家庭内设备的路由器，再经由路由器连接至在家庭本地的控制设备或者位于云端的服务器等。

　　53.在本实施例中，用户可以通过渠道端，如各种智能音箱等发出语音数据，渠道端接收到所述语音数据后，通过网络将其发送给控制设备。

　　54.在本实施例中，所述控制设备可以是设置在家庭本地的控制设备，如用户的智能手机、智能路由器等，也可以是设置在云端的服务器，本发明不做具体限定。

　　55.在本实施例中，在获得所述语音数据后，所述控制设备就可以对所述语音数据进行识别处理以获得对应的文本数据。

　　信息，再对所述文本信息进行文本纠错和设备归一化得到最终的文本数据。其中，文本纠错主要是对语音识别的文字容易存在拼音相似但词不正确的问题进行纠正，纠错方案可以采用基于kenlm语言模型，其可以实时增加特定的场景错误集来进一步提高纠错效果，使用的工具是pycorrector。设备归一化指的是根据构建好的设备名词典进行类型归一，例如“莱克智能循环扇

　　58.在本实施例中，在获得文本数据后，需要判断文本数据所属领域，例如是控制文本还是聊天文本还是无效内容文本等。

　　60.s1021，构建领域词典，且利用已有的语料基于tf-idf(term frequency

　　inverse document frequency)和k最近邻(knn)算法训练二分类模型。

　　61.其中，tf-idf表示词频-逆文档词频CQ9电子官网，其中tf表示词频，即词语在文本中出现的频数，idf表示逆文档频率，和包含该词语的文档数成反比，将tf和idf值相乘，就能得到一个词的tf-idf的值。某个词在文章中的tf-idf越大，那么一般而言这个词在这篇文章的重要性会越高。k近邻算法是机器学习算法之一，是一个分类模型，分类准则为一个样本附近的k个最近样本的大多数属于某一个类别，则该样本也属于这个类别。

　　63.其中，首先对输入的文本数据通过包括控制词的词典进行规则匹配，如能匹配上，则说明该文本数据是控制文本，否则将文本数据输入上述训练好的二分类的第一分类模型，获取第一分类结果，如果第一分类结果为控制文本，则说明当前的文本数据为控制文本，否则为其他文本，如闲聊文本或者无效文本等。

　　64.在本实施例中，规则匹配优先级更高主要是考虑到语音文本是短文本，领域性较强，首先用规则匹配速度更快，而且准确率更高，后面再加上第一分类模型判断则进一步提高召回率。

　　65.s103，当判断所述文本数据为控制文本时，至少根据预先构建的场景词典以及分类模型判断所述文本数据是否为场景控制文本。

　　66.在本实施例中，对于属于控制领域的控制文本，再进行场景识别，判断是场景控制还是设备控制。

　　68.针对每一种场景构建一套匹配关键词，例如“睡眠模式”的关键词有[休息,睡觉,晚安],然后利用预训练词向量+k近邻算法训练多分类的第二分类模型，分类结果为回家，离家，睡觉，起床等不同场景。

　　还是先对输入的文本数据通过包括场景的词典进行规则匹配，则标记所述文本数据为场景文本，并获取与其匹配的场景信息。如匹配不成功，则将所述文本数据输入训练好的第二分类模型，获取其对应的分类结果以及每个分类结果的概率值。接着判断概率值最大的分类结果的概率值是否大于预设的阈值；若大于，则输出该概率值最大的分类结果，以获得所述文本数据的场景信息；若不大于，则输出为空值，并执行实体识别以获取与所述文

　　然后，对标记好的文本数据，通过由bert和crf结合的网络结构训练得到的深度学习模型进行实体提取，以获得相应的实体。

　　在本实施例中，实体的类型可包括种类(category)、功能(skill)、命令(order)、值(value)、品牌(brand)等，具体视实际需要而设定。

　　例如，文本数据为“帮我打开华为的风扇设置风扇风速为中档”，则其标记以及实体识别后的结果如表1所示：

　　文本标签文本标签帮0设b-order我0置i-order打b-order风b-category开i-order扇i-category华b-brand风b-skill为i-brand速i-skill的o为o风b-category中b-value扇i-category档i-value

　　{“category”:“电风扇”,“brand”:“华为”,“command”:{“skill”:“switch”,“order”:“set”,“value”:“1”}}

　　s104，当判断所述文本数据为场景控制文本时，获取所述场景控制文本对应的场景信息，并根据所述场景信息控制对应的至少一个智能家居的工作状态。

　　在本实施例中，例如所述场景信息为睡眠，则所述控制设备获取与该场景信息对应的各个家居的工作状态，并根据工作状态对各个智能家居进行控制。

　　例如，假设场景信息为睡眠时，其对应的智能家居的工作状态为：{“category”:“空调”,“brand”:“xx”,“command”:{“skill”:“switch”,“order”:“set”,“value”:“27”}}

　　{“category”:“灯具”,“brand”:“xx”,“command”:{“skill”:“switch”,“order”:“off”}}

　　{“category”:“电视机”,“brand”:“xx”,“command”:{“skill”:“switch”,“order”:“off”}}。

　　综上所述，本实施例通过设置不同场景与各个智能家居之间的映射关系，如此可以通过发出一个包括场景的语音控制指令来实现对关联的多个智能家居的同时控制，避免了分别对多个智能家居分别控制时产生的操作繁琐的问题，提高了用户的使用体验。

　　此外，针对家电领域，本实施例通过结合领域词典，统计学习方法，深度学习算法创造性的提出了一套完整的解决方案，能够对场景进行识别，显著的提高了语音控制命令识别率，能适应不同情况的输入语音文本，提升了用户体验。

　　语音处理单元210，用于获取用户的语音数据，并对所述语音数据进行识别处理以获得对应的文本数据；

　　场景判断单元230，用于当判断所述文本数据为控制文本时，至少根据预先构建的场景词典以及分类模型判断所述文本数据是否为场景控制文本；

　　场景控制单元240，用于当判断所述文本数据为场景控制文本时，获取所述场景控制文本对应的场景信息，并根据所述场景信息控制对应的至少一个智能家居的工作状态。

　　如匹配不成功，则将所述文本数据输入预先训练好的第一分类模型，获取分类结果；其中，所述第一分类模型为利用已有的语料基于tf-idf和k最近邻算法训练得到的二分类模型；

　　如匹配不成功，则将所述文本数据输入训练好的第二分类模型，获取其对应的分类结果以及每个分类结果的概率值；其中，所述第二分类模型为基于预训练场景词向量和k近邻算法训练得到的多分类模型；

　　对标记好的文本数据，通过由bert和crf结合的网络结构训练得到的深度学习模型进行实体提取，以获得相应的实体；

　　本发明第三实施例还提供了一种基于场景的智能家居控制设备，其包括处理器以及存储器，所述存储器内存储有计算机程序，所述计算机程序能被所述处理器执行，以实现如上述的基于场景的智能家居控制方法。

　　本发明第四实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序能够被所述可读存储介质所在设备的处理器执行，以实现如上述的基于场景的智能家居控制方法。

　　在本发明实施例所提供的几个实施例中，应该理解到，所揭露的方法，也可以通过的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

　　所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个

　　以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

　　1.计算机视觉 2.无线.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用