行为采集方法及系统与流程

本公开属于数据采集技术领域，更具体地，涉及一种行为采集方法及系统。

背景技术：

现有家庭中对孩子学习、劳动等管理大多有父母、祖父母或者外祖父母负责，而这种管理往往基于自己的想法对孩子的行为进行管理，从而存在管理不便，不能针对孩子的特点进行管理的问题。

技术实现要素：

有鉴于此，本公开实施例提供了一种行为采集方法及系统，至少解决现有技术中管理不便，不能针对行为人的特点进行管理的问题。

第一方面，本公开实施例提供了一种行为采集方法，包括：

获取行为人行为信息，所述行为信息包括行为人的行为、行为场景和行为进度；

为行为人制定日程计划，所述日程计划为利用人工智能学习模型和历史行为信息构建；

将所述行为信息与日程计划内的相应信息进行比对，根据对比结果对相应的行为信息进行评价。

可选的，所述获取行为人行为信息，包括：

将所述行为信息按照标签进行划分，所述标签包括行为标签、属性标签、场景标签和兴趣标签。

可选的，为行为人制定日程计划，包括：

基于获取的历史行为信息为样本对预构建的人工智能学习模型进行训练，得到人工智能学习模型。

可选的，所述获取行为人行为信息，包括：

根据所述人工智能学习模型的需求选择采集的行为信息。

可选的，所述获取行为人行为信息，还包括为行为人配置日程提醒参数。

可选的，所述为行为人制定日程计划，包括：

建立任务列表；

为所述任务列表中的任务设置评价等级，并根据评价等级设置相应的奖励。

第二方面，本公开实施例还提供了一种行为采集系统，使用第一方面任一所述的方法，包括：注册管理模块、任务维护模块、任交付模块和任务检查模块；

所述注册管理模块，用于对行为人的注册信息进行管理，并配置任务提醒参数；

所述任务维护模块，用于维护行为列表，并对行为列表相应的奖励进行维护；

所述任务交付模块，用于接收提交行为记录；

所述任务检查模块，用于对所述任务交付模块接收的行为记录进行检查，并对相应的行为进行评价。

可选的，所述并对相应的行为进行评价，包括：

对相应行为进行打分，并将打分结构发送至相应用户。

可选的，所述任务检查模块，还包括：基于评价结果形成报表。

可选的，所述任务维护模块，为行为列表构建数据库，所述数据库提供任务树索引、日历时间区间索引、执行人查询和/或打分筛选。

本公开通过获取行为人的行为信息，并根据行为人的特点制定日程计划，并根据日程技术对行为人的行为进行管理，从而达到针对行为人的特点进行管理的目的，并提高管理效率。

本公开的其它特征和优点将在随后具体实施方式部分予以详细说明。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1示出了本公开的一个实施例的行为采集方法的流程图；

图2示出了本公开的一个实施例的行为采集系统的架构示意图；

图3示出了本公开的一个实施例的行为采集系统的业务流程图。

具体实施方式

下面将更详细地描述本公开的优选实施方式。虽然以下描述了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。

如图1所示，一种行为采集方法，包括：

步骤s101：获取行为人行为信息，所述行为信息包括行为人的行为、行为场景和行为进度；

在具体的一个具体的应用场景中，行为人的行为可以是孩子的看书、做家务、运动等行为，行为场景可以为是屋内还是在广场等屋外，行为进度即孩子完成作业的进度、运动的时长等。

步骤s102：为行为人制定日程计划，所述日程计划为利用人工智能学习模型和历史行为信息构建；

在具体的一个具体的应用场景中，人工智能学习模型是基于算法建立的数学模型，算法如常用的神经网络算法等，通过对行为人的日常计划进行收集，从而建立样本模型，然后基于样本模型进行训练即可得到人工智能学习模型，而历史行为信息是行为人已经完成的行为信息，如以前每天运动的时间长度等。人工智能学习模型基于行为人的历史行为信息为行为人制定适当的日程计划，如每天7点早读20分钟，中午8点半至11点半学习，晚上10点睡觉等日程计划。

步骤s103：将所述行为信息与日程计划内的相应信息进行比对，根据对比结果对相应的行为信息进行评价。

然后再采集行为人的行为信息，如下午3点半至4点半是否在屋外运动，运动了多长时间，然后将采集的行为信息与日程计划内进行对比，如日程计划内下午3点半至4点半屋外运动一个小时，但行为人在3点半至4点运动了半个小时，则将其行为评价为5分，如运动满一个小时，则将其行为评价为10分，然后根据累计的评价分数决定对行为人进行奖励、鼓励等。

可选的，所述获取行为人行为信息，包括：

将所述行为信息按照标签进行划分，所述标签包括行为标签、属性标签、场景标签和兴趣标签。

可选的，为行为人制定日程计划，包括：

基于获取的历史行为信息为样本对预构建的人工智能学习模型进行训练，得到人工智能学习模型。

可选的，所述获取行为人行为信息，包括：

根据所述人工智能学习模型的需求选择采集的行为信息。

可选的，所述获取行为人行为信息，还包括为行为人配置日程提醒参数。

可选的，所述为行为人制定日程计划，包括：

建立任务列表；

为所述任务列表中的任务设置评价等级，并根据评价等级设置相应的奖励。

在一个具体的应用场景中，任务列表可以为写多长时间作业、屋外运动多长时间长，并根据完成任务的进度设置不同的奖励。

一个具体的应用场景，如在家庭中对孩子进行管理，首先收集孩子的行为信息，如爱好、学习习惯等，可通过采集孩子的日常视频，然后通过对视频数据分析，得到孩子的行为信息，然后基于该行为信息对预构建的人工智能学习模型进行训练，从而得到人工智能学习模型，该工智能学习模型为孩子定制日常计划，如一天什么时候做什么作业，什么时候玩游戏，什么时候唱歌，什么时候打扫卫生，然后根据完成的情况对孩子的行为进行评分，然后根据评分标准对孩子进行奖励，如作业写的好，可以让孩子做喜欢的事情，如在保护眼睛的前提下稍微延长看电视的时间等。

本公开还公开一种行为采集系统，使用本实施例的方法，包括：注册管理模块、任务维护模块、任交付模块和任务检查模块；

所述注册管理模块，用于对行为人的注册信息进行管理，并配置任务提醒参数；

所述任务维护模块，用于维护行为列表，并对行为列表相应的奖励进行维护；

所述任务交付模块，用于接收提交行为记录；

所述任务检查模块，用于对所述任务交付模块接收的行为记录进行检查，并对相应的行为进行评价。

可选的，所述并对相应的行为进行评价，包括：

对相应行为进行打分，并将打分结构发送至相应用户。

可选的，所述任务检查模块，还包括：基于评价结果形成报表。

可选的，所述任务维护模块，为行为列表构建数据库，所述数据库提供任务树索引、日历时间区间索引、执行人查询和/或打分筛选。

系统的架构如图2所示，包括服务器端和客户端，客户端可包括移动app或浏览器。

本实施例的系统具有行为数据后台采集功能：按照行为标签、属性标签、场景标签、属性标签、兴趣标签、定制化标签，通过家庭中家长对学生的任务管理采集行为数据。对以学生为核心家庭通过人工智能机器学习的方式，对用户进行画像。

任务管理系统功能：制定日程计划。按照任务提醒，任务打卡，提交任务相关的记录。实时查看打卡任务，对打卡任务跟踪。

自动任务功能：按照人工智能学习模型指标计算需求，对样本进行针对性任务下发，采集相关行为数据

本实施例的系统采用b/s服务器端，建设相关功能模块。

移动app(android/ios)作为终端，采集打卡信息，做任务跟踪监控。

电脑浏览器终端，作为手机app端的补充。

本实施例对行为标签、属性标签、场景标签、兴趣标签、定制化标签在任务中的指标量化。

移动app采集多样性数据，对采集数据的进行交换体验。

本实施例以孩子为核心通过任务管理系统采集家庭行为数据。

针对孩子，进行在线任务管控。创建维护任务。任务提醒，任务提交。任务进度跟踪。

本系统的业务流程图如图3所示。

服务端后台功能清单如表1所示，

表1：服务端后台功能清单表

用户浏览器端功能清单如表2所示，

表2：用户浏览器端功能清单表

用户移动app端功能清单如表3所示，

表3：用户移动app端功能清单表

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。