据，得到包括物理空间特征和 虚拟空间特征的新的样本数据；上述第一物理空间样本数据为任意一个物理空间样本数 据。
[0154] 举例来说，在另一种可行的实施方式中，对齐迁移单元804可W包括：
[0155] 对齐模块，用于将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样 本数据特征对齐，得到包含物理空间特征的新的样本数据和包含虚拟空间特征的新的样本 数据。
[0156] 举例来说，上述对齐模块可W包括：
[0157] 第二判断子模块，用于判断是否存在与第二物理空间样本数据包括相同特征或相 同子特征的第二虚拟空间样本数据；
[0158] 特征对齐子模块，用于当上述第二判断子模块的判断结果为是，将上述第二物理 空间样本数据和上述第二虚拟空间样本数据均作为上述新的样本数据；上述第二物理空间 样本数据为任意一个物理空间样本数据。
[0159] 优选地，本实施例中使用的训练模型可W是二项逻辑回归模型化ogistic Regression)，当然本领域技术人员还可W选择其它合适的训练模型，在此不对训练模型的 具体类型进行限制。
[0160] 相应的，训练单元807可W具体用于将上述样本数据代入二项逻辑回归模型，利 用极大似然估计法估计上述逻辑回归模型的参数，得到活动识别模型。
[0161] 需要说明的是，用于估计上述二项逻辑回归模型的参数并不限于极大似然估计 法，例如也可W采用梯度下降法或拟牛顿法估算向量W的值。
[0162] 需要说明的是，W上各实施例均属于同一发明构思，各实施例的描述各有侧重，在 个别实施例中描述未详尽之处，可参考其他实施例中的描述。
[0163] 本领域普通技术人员可W理解上述实施例的各种方法中的全部或部分步骤是可 W通过程序来指令相关的硬件来完成，该程序可W存储于一计算机可读存储介质中，存储 介质可W包括；闪存盘、只读存储器（ReacH3nlyMemcxry，R0M)、随机存取器（RandomAccess Memoir,RAM)、磁盘或光盘等。
[0164]W上对本发明实施例所提供的活动识别方法和系统进行了详细介绍，本文中应用 了具体个例对本发明的原理及实施方式进行了阐述，W上实施例的说明只是用于帮助理解 本发明的方法及其核必思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具 体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明 的限制。
【主权项】
1. 一种活动识别方法，其特征在于，所述方法包括： 接收用户数据； 通过活动识别模型对所述用户数据进行识别，获取用户活动信息；所述活动识别模型 是根据物理空间数据和虚拟空间数据进行训练得到的，所述物理空间数据是从物理空间获 取的，所述虚拟空间数据是从虚拟空间获取的。2. 根据权利要求1所述的活动识别方法，其特征在于，在所述通过活动识别模型对所 述用户数据进行识别之前，所述方法还包括： 获取物理空间数据和虚拟空间数据； 对所述物理空间数据进行分析，得到包括物理空间特征的物理空间样本数据； 对所述虚拟空间数据进行分析，得到包括虚拟空间特征的虚拟空间样本数据； 利用所述物理空间特征和所述虚拟空间特征的共有特征，对所述物理空间样本数据和 所述虚拟空间样本数据进行特征对齐或迁移，得到新的样本数据； 将所述新的样本数据代入训练模型进行训练，得到活动识别模型。3. 根据权利要求2所述的方法，其特征在于，所述利用所述物理空间特征和所述虚拟 空间特征的共有特征，对所述物理空间样本数据和所述虚拟空间样本数据进行特征对齐或 迁移，得到新的样本数据包括： 将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本数据进行特征迁 移，得到包含物理空间特征和虚拟空间特征的新的样本数据。4. 根据权利要求3所述的方法，其特征在于，所述将包括相同特征的物理空间样本数 据和虚拟空间样本数据进行特征迁移，得到包含物理空间特征和虚拟空间特征的新的样本 数据具体包括： 判断是否存在与第一物理空间样本数据包括相同特征或相同子特征的第一虚拟空间 样本数据，如果存在，将所述第一虚拟空间样本数据包括的特征迁移到所述第一物理空间 样本数据，得到包括物理空间特征和虚拟空间特征的新的样本数据；所述第一物理空间样 本数据为任意一个物理空间样本数据。5. 根据权利要求2所述的方法，其特征在于，所述利用所述物理空间特征和所述虚拟 空间特征的共有特征，对所述物理空间的样本数据和所述虚拟空间的样本数据进行特征对 齐或迁移，得到新的样本数据包括： 将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本数据进行特征对 齐，得到包含物理空间特征的新的样本数据和包含虚拟空间特征的新的样本数据。6. 根据权利要求5所述的方法，其特征在于，所述将包括相同特征的物理空间样本数 据和虚拟空间样本数据进行特征对齐，得到包含物理空间特征的新的样本数据和包含虚拟 空间特征的新的样本数据具体包括： 判断是否存在与第二物理空间样本数据包括相同特征或相同子特征的第二虚拟空间 样本数据，如果存在，将所述第二物理空间样本数据和所述第二虚拟空间样本数据均作为 所述新的样本数据；所述第二物理空间样本数据为任意一个物理空间样本数据。7. 根据权利要求2-6任一项所述的方法，其特征在于，所述训练模型为二项逻辑回归 模型； 所述将所述新的样本数据代入训练模型进行训练，得到活动识别模型包括： 将所述新的样本数据代入二项逻辑回归模型，利用极大似然估计法估计所述逻辑回归 模型的参数，得到活动识别模型。8. -种活动识别系统，其特征在于，包括： 接收单元，用于接收用户数据； 活动识别单元，用于通过活动识别模型对所述用户数据进行识别，获取用户活动信息； 所述活动识别模型是根据物理空间数据和虚拟空间数据进行训练得到的，所述物理空间数 据是从物理空间获取的，所述虚拟空间数据是从虚拟空间获取的。9. 根据权利要求8所述的系统，其特征在于，所述系统还包括： 获取单元，用于获取物理空间数据和虚拟空间数据； 第一分析单元，用于对所述物理空间数据进行分析，得到包括物理空间特征的物理空 间样本数据； 第二分析单元，用于对所述虚拟空间数据进行分析，获取包括虚拟空间特征的虚拟空 间样本数据； 对齐迁移单元，用于利用所述物理空间特征和所述虚拟空间特征的共有特征，对所述 物理空间样本数据和所述虚拟空间样本数据进行特征对齐或迁移，得到新的样本数据； 训练单元，用于将所述新的样本数据代入训练模型进行训练，得到活动识别模型。10. 根据权利要求9所述的系统，其特征在于，所述对齐迁移单元包括： 迁移模块，用于将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本数 据进行特征迁移，得到包含物理空间特征和虚拟空间特征的新的样本数据。11. 根据权利要求10所述的系统，其特征在于，所述迁移模块包括： 第一判断子模块，用于判断存在与第一物理空间样本数据包括相同特征或相同子特征 的第一虚拟空间样本数据； 特征迁移子模块，用于当所述第一判断子模块的判断结果为是，将将所述第一虚拟空 间样本数据包括的特征迁移到所述第一物理空间样本数据，得到包括物理空间特征和虚拟 空间特征的新的样本数据；所述第一物理空间样本数据为任意一个物理空间样本数据。12. 根据权利要求9所述的系统，其特征在于，所述对齐迁移单元包括： 对齐模块，用于将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本 数据特征对齐，得到包含物理空间特征的新的样本数据和包含虚拟空间特征的新的样本数 据。13. 根据权利要求12所述的系统，其特征在于，所述对齐模块包括： 第二判断子模块，用于判断是否存在与第二物理空间样本数据包括相同特征或相同子 特征的第二虚拟空间样本数据； 特征对齐子模块，用于当所述第二判断子模块的判断结果为是，将所述第二物理空间 样本数据和所述第二虚拟空间样本数据均作为所述新的样本数据；所述第二物理空间样本 数据为任意一个物理空间样本数据。14. 根据权利要求9-13任一项所述的系统，其特征在于，所述训练模型为二项逻辑回 归模型； 所述训练单元具体用于将所述新的样本数据代入二项逻辑回归模型，利用极大似然估 计法估计所述逻辑回归模型的参数，得到活动识别模型。
【专利摘要】本发明实施例涉及数据分析技术领域，公开了一种活动识别方法和系统。其中，该方法包括：接收用户数据；通过活动识别模型对所述用户数据进行识别，获取用户活动信息；所述活动识别模型是根据物理空间数据和虚拟空间数据进行训练得到的，所述物理空间数据是从物理空间获取的，所述虚拟空间数据是从虚拟空间获取的。实施本发明实施例，可以解决物理空间数据匮乏的问题，提高活动识别的准确性和可解释性。
【IPC分类】G06F17/30
【公开号】CN105279170
【申请号】CN201410300973
【发明人】董振华, 梁颖琪, 袁明轩, 杨强
【申请人】华为技术有限公司
【公开日】2016年1月27日
【申请日】2014年6月27日