李克宇　杜謙　曾祥正　周泓余　徐海森

摘 要：隨著物聯(lián)網(wǎng)技術的發(fā)展，智能家居技術不再僅僅是遠程操控這么簡單。對用戶行為進行分析，個性化的控制體驗將會成為未來發(fā)展的主流。文章通過建C4.5決策樹的方法建立用戶行為模型，通過統(tǒng)一用戶行為數(shù)據(jù)形式，以信息增益率的高低分裂屬性，直觀高效地對用戶行為進行分析。對智能家居環(huán)境下高效且個性化的控制提供幫助。

關鍵詞：C4.5決策樹；用戶行為分析；智能家居

中圖分類號：TP29 文獻標志碼：A 文章編號：2095-2945（2018）15-0015-02

Abstract： With the development of Internet of things technology， smart home technology is no longer just remote control. For the analysis of user behavior， personalized control experience will become the mainstream of future development. This paper establishes user behavior model by building C4.5 decision tree and analyzes user behavior directly and efficiently by unifying user behavior data form and splitting attributes of information gain rate. It is helpful to the high efficiency and individuation control in the smart home environment.

Keywords： C4.5 decision tree； user behavior analysis； smart home

引言

隨著互聯(lián)網(wǎng)技術的成熟，物聯(lián)網(wǎng)技術的興起，智能家居領域正迅速發(fā)展。在近幾年的智能家居技術發(fā)展過程中，環(huán)境數(shù)據(jù)檢測，數(shù)據(jù)傳輸?shù)燃夹g已經取得較為成熟的成果，但是大多數(shù)研究也僅是實現(xiàn)其網(wǎng)絡部署和遠程操作，針對用戶行為分析定制個性化服務的研究較少。

本文介紹了一種基于決策樹的用戶行為分析算法，可以較為有效地對智能家居環(huán)境下的用戶行為進行分析。

1 決策樹算法

1.1 算法概述

決策樹（Decision Tree）算法是在已有樣本數(shù)據(jù)概率已知的情況下，通過建立決策樹來判斷目標事件的可行性，并且可以用圖表進行表示，是一種直觀的概率分析算法。而決策樹算法又有很多不同的類型，本文選擇C4.5算法[1]。

1.2 算法優(yōu)點

（1）可以通過圖表的方式建立模型，使用戶和開發(fā)者一目了然。

（2）該算法有較好的魯棒性，可以較好的處理數(shù)據(jù)丟失和抗噪聲的干擾。

（3）與傳統(tǒng)算法相比學習過程快速。

2 基于C4.5決策樹的用戶行為分析算法

2.1 用戶行為數(shù)據(jù)表示

C4.5決策樹算法是對已有的數(shù)據(jù)進行學習，從而找到一個從屬性值到類別的一一對應關系[2]。在這個算法中，為了實現(xiàn)對用戶行為進行分析，需要對數(shù)據(jù)的格式進行統(tǒng)一規(guī)范，并提取有價值的特征屬性描述用戶行為。本文假設數(shù)據(jù)形式如下表所示：

2.2 分裂屬性選擇

想要將一個包含很多屬性的數(shù)據(jù)集建立成樹，需要對數(shù)據(jù)集進行屬性的分裂。本文以最大增益率為指標選擇分裂屬性[3]。信息增益率（information gain ratio）為信息增益對所分割的信息量的比值。

2.3 建立決策樹

根據(jù)上文中假定的用戶行為數(shù)據(jù)樣例和通過信息增益率選擇分裂屬性的方法，可以得到初步的用戶行為決策樹模型如圖：

3 結束語

智能家居絕非遠程控制開關這么簡單，分析用戶行為習慣，為用戶指定個性化的智能服務才應該是智能家居的發(fā)展方向。本文介紹了一種基于決策樹的用戶行為分析算法，隨著用戶操作次數(shù)的增多，時間的延長，運算結果將越接近用戶行為習慣，可以更好的聯(lián)系家居系統(tǒng)為用戶提供更加方便快捷個性化的服務。

參考文獻：

[1]童世華，張昱東.基于用戶行為分析的智能家居控制軟件的設計[J].電視技術，2017，41（z2）：104-109.

[2]馬強.數(shù)據(jù)挖掘中決策樹算法的優(yōu)化應用研究[J].電子測試，2016（4x）：30-31.

[3]鄒方林，冷晟，廉鵬飛，等.基于決策樹的制造瓶頸改善方法[J].現(xiàn)代制造工程，2016（6）：121-128.

[4]李運娣.大數(shù)據(jù)環(huán)境下決策樹算法并行化研究[J].河南工程學院學報（自然科學版），2017，29（2）：57-61.

[5]胡金濤.基于C4.5決策樹的學生成績預測教學系統(tǒng)的研究與實現(xiàn)[D].西南交通大學，2017.

[6]呂晨.基于用戶行為的網(wǎng)絡論壇水軍檢測研究與實現(xiàn)[D].西南交通大學，2017.

[7]何芝蘭.無線通信在智能家居中的應用分析[J].科技創(chuàng)新與應用，2015（30）：49.