基於灰色模型算法的自動推動方法和系統與流程
2023-08-13 04:39:07
本發明屬於智慧機器人技術領域，具體地說，是涉及一種基於灰色模型算法的自動推送方法和系統。
背景技術：
隨著計算機和通訊技術的發展，智慧機器人可以根據用戶指令作出準確回應，為了不斷提高用戶的體驗，現有的機器人逐漸加入主動交互功能，能夠根據用戶的使用習慣作出相關的推動通知，提高用戶使用體驗。
現有的推送方法，例如新聞推動和社交軟體推動等，基本上都是根據用戶使用歷史數據向用戶推送相關信息；或者，以定期、定時的方式的向用戶推送用戶定製的、或者根據市場規則優先推送的信息。可見，現有的這些推送方式比較生硬，不能很好的貼合用戶實際需求。
技術實現要素：
本申請提供了一種基於灰色模型算法的自動推送方法和系統，解決現有的推送方式不貼合用戶實際需求的技術問題。
為解決上述技術問題，本申請採用以下技術方案予以實現：
提出一種基於灰色模型算法的自動推送方法，包括：獲取原始數據，並基於所述原始數據得到一次累加數據；基於所述一次累加數據構造背景值序列；所述背景值序列為，其中，p為權重，為所述一次累加數據，k為大於等於2的正整數；針對所述權重p，以m為遞增值、n為階數，基於所述背景值序列計算得到n組原始預測值；其中m（n+1）=1；基於所述n組原始預測值中與所述原始數據誤差最小的一組原始預測值對應的背景值序列得到自動推送預測值。
進一步的，所述原始數據包括第一設定時間段內的用戶輸入指令和/或第二設定時間段內的用戶應用程式數據。
進一步的，在得到自動推送預測值之後，所述方法還包括：基於所述自動推送預測值確定推送信息並向推送設備發送。
提出一種基於灰色模型算法的自動推送系統，包括推送設備，用於產生原始數據；還包括背景值序列構造模塊、權重更新模塊、原始預測值計算單元和自動推送預測模塊；所述背景值序列構造模塊，用於從所述推送設備獲取所述原始數據，並基於所述原始數據得到一次累加數據；基於所述一次累加數據構造背景值序列；所述背景值序列為，其中，p為權重，為所述一次累加數據，k為大於等於2的正整數；所述權重更新模塊，用於針對所述權重p，以m為遞增數、n為階數更新所述權重；所述原始預測值計算單元，用於根據所述權重更新模塊更新的n組權重，基於所述背景值序列計算得到n組原始預測值；所述自動推送預測模塊，用於基於所述n組原始預測值中與所述原始數據誤差最小的一組原始預測值對應的背景值序列得到自動推送預測值。
進一步的，所述原始數據包括第一設定時間段內的用戶輸入指令和/或第二設定時間段內的用戶應用程式數據。
進一步的，所述系統還包括推送信息確定模塊和推送信息發送模塊；所述推送信息確定模塊，用於基於所述自動推送預測值確定推送信息；所述推送信息發送模塊，用於向所述推送設備發送所述推送信息。
進一步的，所述推送設備包括語音模塊；所述語音模塊，用於廣播所述推送信息。
進一步的，所述系統還包括移動終端；所述推送信息發送模塊，還用於向所述移動終端發送所述推送信息；所述移動終端，用於顯示所述推送信息。
與現有技術相比，本申請的優點和積極效果是：本申請提出的基於灰色模型算法的自動推送方法和系統中，將用戶輸入指令和/或用戶應用程式數據作為原始數據輸入，基於灰色模型算法，建立變形的背景值序列，通過改變權重p的值，計算出n個不同權重下的n組原始預測值，找到與原始數據誤差最小的一組原始預測值，並以該誤差最小的原始預測值對應權重表述的背景值序列作為自動推送預測值的最終背景值序列，因為原始數據是基於用戶使用頻率和使用習慣的，因此，採用本申請提出的基於灰色模型算法的自動推送方法得到的自動推送預測值也是基於用戶使用頻率和使用習慣的，則基於自動推動預測值得到的推送信息是符合用戶實際需求的，解決了現有的推送方式不貼合用戶實際需求的技術問題，提高了用戶使用體驗。
結合附圖閱讀本申請實施方式的詳細描述後，本申請的其他特點和優點將變得更加清楚。
附圖說明
圖1為本申請提出的基於灰色模型算法的自動推送方法的方法流程圖；
圖2為本申請提出的基於灰色模型算法的自動推送系統的系統框圖。
具體實施方式
下面結合附圖對本申請的具體實施方式作進一步詳細地說明。
本申請提出的基於灰色模型算法的自動推送方法，如圖1所示包括如下步驟：
步驟s11：獲取原始數據，並基於原始數據得到一次累加數據。
本申請中，原始數據由諸如機器人、移動終端、電腦等的能夠向用戶推送信息的推送設備產生；該原始數據包括但不限於諸如第一設定時間段內的用戶輸入指令和/或第二設定時間段內的用戶應用程式數據等能夠表徵用戶使用頻率和使用習慣的數據；例如7天之內的用戶輸入指令、30天之內的用戶應用程式數據等，用戶應用程式為推送設備中運行的應用程式，例如支付應用、學習應用、就餐應用、購物應用、繳費應用等在使用過程中產生的數據，能夠真實反應用戶生活習慣、繳費時間規律、就餐愛好、穿著喜好等。
灰色模型算法中，根據原始數據計算一次累加數據中，，其中k=1,2,…，n，也即，一次累加數據中，原始數據中的第一個數據維持不變，第二個數據是原始數據的第一個數據與第二個數據之和，第三個數據是第一個、第二個和第三個數據之和，以此類推。
步驟s12：基於一次累加數據構造背景值序列。
灰色模型算法中，令為的緊鄰均值生成序列，也即背景值序列，其中，k為大於等於2的正整數。
本申請中，p為權重，不同的權重配置對應不同的背景值序列。
步驟s13：針對權重p，以m為遞增值、n為階數，基於背景值序列計算得到n組原始預測值；其中m（n+1）=1。
對於一個灰色系統而言，一般認為在很短的時間內，相鄰變量之間不會出現較大的圖變量，因此在很短的時間內背景值序列的權重p採用均值，也即權重p採用0.5即可適應很多系統，然而對於一些特殊系統，兩個變量之間不可避免的出現突變，則為了更加符合系統規律，本申請中採用權重p的方式來確定背景值。
以初始權重為0.01，m為0.01，n為99為例，針對每個權重對應有一個背景值序列，根據背景值序列計算出一組原始預測值，因此本申請中，以權重為分別為0.01,0.02,0.03，……，0.99能夠計算出99組原始預測值。
具體的，針對每一個權重計算一次原始預測值，在建立背景值序列後，建立灰色預測模型，其中a為發展灰數，b為控制灰數，將數據帶入該灰色預測模型，得到
；
；
……
;
寫成矩陣形式有y=φθ，其中，y=，θ=，φ=
根據灰色預測模型的白化方程的解的離散化序列得到預測值，再對預測值進行逆處理，得到原始預測值。
步驟s14：基於n組原始預測值中與原始數據誤差最小的一組原始預測值對應的背景值序列得到自動推送預測值。
在得到99組原始預測值後，從99組原始預測值中找出與原始數據誤差最小的一組，並以該誤差最小的原始預測值對應權重表述的背景值序列作為自動推送預測值的最終背景值序列。
步驟s15：基於自動推送預測值確定推送信息並向推送設備發送。
在得到自動推送預測值之後，可以通過諸如微軟雲的服務將結果發送給相關的通知服務中心，通知服務中心則根據自動推送預測值確定相關的推送信息，並將推送信息下發給機器人、移動終端等推送設備，使得推送設備向用戶推送這些信息，推送方式可以是語音播報，也可以是彈出窗口顯示等方式，本申請實施例不予限制。
上述基於灰色模型算法的自動推動方法中，因為原始數據是基於用戶使用頻率和使用習慣的，因此，採用本申請提出的基於灰色模型算法的自動推送方法得到的自動推送預測值也是基於用戶使用頻率和使用習慣的，則基於自動推動預測值得到的推送信息是符合用戶實際需求的，解決了現有的推送方式不貼合用戶實際需求的技術問題，提高了用戶使用體驗。
基於上述提出的基於灰色模型算法的自動推送方法，本申請還提出一種基於灰色模型算法的自動推送系統，如圖2所示，該系統包括用於產生原始數據推送設備21、背景值序列構造模塊22、權重更新模塊23、原始預測值計算單元24、自動推送預測模塊25、推送信息確定模塊26和推送信息發送模塊27；背景值序列構造模塊22用於從推送設備21獲取原始數據，並基於原始數據得到一次累加數據；基於一次累加數據構造背景值序列；背景值序列為，其中，p為權重，為一次累加數據，k為大於等於2的正整數；權重更新模塊23用於針對權重p，以m為遞增數、n為階數更新權重；原始預測值計算單元24用於根據權重更新模塊更新的n組權重，基於背景值序列計算得到n組原始預測值；自動推送預測模塊25用於基於n組原始預測值中與原始數據誤差最小的一組原始預測值對應的背景值序列得到自動推送預測值；推送信息確定模塊26用於基於自動推送預測值確定推送信息；推送信息發送模塊27用於向推送設備發送推送信息。上述原始數據包括第一設定時間段內的用戶輸入指令和/或第二設定時間段內的用戶應用程式數據，用戶輸入指令和/或用戶應用程式數據在獲取之後，可以存儲在存儲器或者資料庫中，本申請不予限定。
具體的n組原始預測值以及背景值序列的確定已經在上述提出的基於灰色模型算法的自動推送方法中詳述，此處不予贅述。
本申請提出的推送設備，可以是智慧機器人、移動終端、電腦等能夠運行包括但不限定於財務、支付、生活、學習、繳費方面等應用程式的智能設備，在向其下發推送信息後，推送設備可以以彈窗等方式顯示該推送信息，或者基於其包括的語音模塊來廣播推送信息，使得用戶接收到的推送信息都是基於個人習慣和喜好的消息，更貼合用戶的實際需求。
實際應用中，可以設定推送主體為機器人，若機器人不在用戶身邊，則可以將推送信息下發給與機器人關聯的移動終端以供用戶參考。
上述本申請提出的基於灰色模型算法的自動推送方法和系統，採用灰色模型算法預測推送信息，為用戶推送的信息都是基於用戶使用習慣和喜好的，解決了現有的推送方式不貼合用戶實際需求的技術問題，提高了用戶使用體驗。
應該指出的是，上述說明並非是對本發明的限制，本發明也並不僅限於上述舉例，本技術領域的普通技術人員在本發明的實質範圍內所做出的變化、改型、添加或替換，也應屬於本發明的保護範圍。