一种智能设备上的闹钟实现方法和装置与流程

本发明涉及智能设备技术领域，具体涉及一种智能设备上的闹钟实现方法和装置。

背景技术：

闹钟是人们日常生活、工作必备功能之一，在日常生活中，大多数人利用智能设备的闹钟提醒功能。现在的智能设备上的闹钟实现一般是在特定时间，进行特定时长的提醒。为了达到提醒效果，用户会对同一事项设定重复的闹钟，比如，对起床事项，用户提前30分钟设定了一个闹钟，提前10分钟再设定一个闹钟，目标时间再设定一个。设定多个闹钟进行提醒的方式不仅增加了闹钟维护的时间和精力，而且也增加了用户的心理负担，往往起不到有效提醒的功能。由此可知，现有闹钟提醒功能有效性和智能化程度低，用户体验不佳。

技术实现要素：

本发明提供了一种智能设备上的闹钟实现方法和装置，以解决现有智能设备上的闹钟提醒功能有效性和智能化程度低，用户体验不佳的问题。

根据本发明的一个方面，提供了一种智能设备上的闹钟实现方法，包括：

根据用户指令在智能设备上设置闹钟的提醒时间和提醒方式，当闹钟的提醒时间到达时，对用户进行提醒并获取用户在相应提醒方式下的反应方式，根据反应方式生成相应提醒方式下对应的使用习惯数据并保存；

对使用习惯数据进行统计分析得到该闹钟的智能提醒时间及智能提醒方式；

智能闹钟模式启动后，到达该闹钟的智能提醒时间时，按照该闹钟的智能提醒方式对用户进行提醒。

根据本发明的另一个方面，提供了一种智能设备上的闹钟实现装置，包括：

样本数据获取单元，用于根据用户指令在智能设备上设置闹钟的提醒时间和提醒方式，当闹钟的提醒时间到达时，对用户进行提醒并获取用户在相应提醒方式下的反应方式，根据反应方式生成相应提醒方式下对应的使用习惯数据并保存；

训练单元，用于对使用习惯数据进行统计分析得到该闹钟的智能提醒时间及智能提醒方式；

智能提醒单元，用于智能闹钟模式启动后，到达该闹钟的智能提醒时间时，按照该闹钟的智能提醒方式对用户进行提醒。

本发明的有益效果是：本发明实施例的这种智能设备上的闹钟实现方法和装置，通过获取用户感受到闹钟提醒后的反应方式得到相应数据，并通过计算和训练相应数据进而重新调整闹钟的提醒时间及提醒方式，以达到提高闹钟提醒效率保证用户正常完成特定事项的效果。与现有的普通闹钟提醒相比，避免了设置多个闹钟带来的麻烦和不便，也避免了闹钟固定、单一时长和固定时间提醒导致的提醒效率低的问题，提高了闹钟的智能化程度，优化了用户体验。

附图说明

图1是本发明实施例一的智能设备上的闹钟实现方法的流程图；

图2是本发明实施例二的智能设备上的闹钟实现方法的流程图；

图3是本发明实施例三的智能设备上的闹钟实现装置的框图。

具体实施方式

本发明的设计构思是：针对现有技术中闹钟提醒智能化程度低的问题，本发明提供了一种智能设备上的闹钟实现方案，通过前期采集用户对闹钟的反应并记录下来进行统计分析后得到用户对闹钟的使用模式，当进入智能提醒模式后，根据学习到的使用模式重新调整闹钟的提醒时间和提醒方式，提高闹钟提醒的有效性和智能化程度，满足用户需求。

实施例一

图1是本发明一个实施例的智能设备上的闹钟实现方法的流程图，参见图1，本实施例的智能设备上的闹钟实现方法，包括如下步骤：

步骤s101，根据用户指令在智能设备上设置闹钟的提醒时间和提醒方式，当闹钟的提醒时间到达时，对用户进行提醒并获取用户在相应提醒方式下的反应方式，根据反应方式生成相应提醒方式下对应的使用习惯数据并保存；其中反应方式指的是用户感受到闹钟提醒后做出的生理活动状态。

步骤s102，对使用习惯数据进行统计分析得到该闹钟的智能提醒时间及智能提醒方式；

步骤s103，智能闹钟模式启动后，到达该闹钟的智能提醒时间时，按照该闹钟的智能提醒方式对用户进行提醒。

由图1所示的方法可知，本实施例的闹钟实现方法能够根据用户对闹钟后的历史感受数据，智能调整闹钟的提醒时间和提醒方式，解决了只在特定时间进行特定时长提醒的普通闹钟提醒效率低的问题，也解决了现有技术中用户为实现特定事项需要设定多个闹钟，并需要对多个闹钟进行维护导致的用户体验不佳的问题。

实施例二

本实施例中对智能设备上闹钟实现方法的实现步骤进行具体描述。如图2所示，本实施例的智能设备上闹钟实现方法主要包括如下步骤s201至步骤s205。本实施例的智能设备是任何具有计算处理能力的设备或者机器，包括智能手机、智能机器人、智能手表等。一般的，智能设备中设置有数据采集模块，例如各种生物特征传感器、运动传感器和图像采集装置等。

首先介绍本实施例的智能设备上闹钟实现方法的数据收集过程，包括步骤s201和步骤s202，数据收集过程主要是收集用户对闹钟的使用习惯数据，因为用户对闹钟的使用习惯数据最能体现用户对闹钟的反应，从而利用用户的使用习惯数据训练智能模式才更符合用户的个性化闹钟提醒需求，提高闹钟提醒的有效性和智能化程度。

步骤s201，根据用户指令在智能设备上设置闹钟的不同提醒时间以及不同提醒方式。在本实施例中，提醒方式包括：声音提醒、振动提醒和光电提醒中的至少一种，不同提醒方式包括声音的不同。

步骤s202，获取用户的反应方式，根据苏醒反应方式，获取用户的苏醒反应时间和苏醒反应程度数据，根据做出预定动作反应方式，获取自提醒时间到达时至做出预定动作时的持续时间。

在本发明的一个实施例中，反应方式，例如用户的苏醒反应方式和做出预定动作反应方式，并根据用户的苏醒反应方式，获取用户的苏醒反应时间和苏醒反应程度数据，根据用户的做出预定动作反应方式，获取自提醒时间到达时至做出预定动作时的持续时间。

这里需要说明的是，苏醒反应时间指的是用户感受到闹钟提醒后由睡眠状态切换到苏醒反应状态经过的时间，苏醒反应例如心率加快、睁眼、做出肢体动作等。苏醒反应程度则指的是苏醒反应变化量的幅度，例如心率加快的速率、做出动作幅度大小等。做出预定动作反应方式指的是针对起床提醒事项而言，代表用户彻底清醒且短时间内不会发生再次睡眠的那些动作反应方式，例如，起身离床等。本实施例中在闹钟初始化之后为闹钟设定一个数据收集期，数据收集期可以按照固定期限设定，如设置期限为30天的数据收集期，或者按照用户对闹钟的使用次数对应的期限设定，如用户对闹钟的使用次数累计达到40次时对应的期限。

需要强调的是，本实施例中不同提醒方式包括声音的不同。举例而言，星期三，用户张三设定了一个进行起床提醒的第一闹钟，提醒时间为：早上七点，提醒方式为：铃声a。星期四，用户张三又设定了一个进行起床提醒的第二闹钟，提醒时间为：早上七点，提醒方式为：铃声b。虽然第一闹钟和第二闹钟均采用铃声提醒，但是由于铃声a和铃声b不同，所以本实施例中，确定第一闹钟和第二闹钟的提醒方式不同。另外，声音的不同包括：声音的类型不同和/或声音的内容不同，声音类型包括：舒缓型，激烈型，高亢型，轻快型；声音内容包括：通过获取智能设备实时时间，并进行声音转换后得到的对应的声音内容；或者，通过获取智能设备中的新闻应用中的实时新闻信息进行声音转换后得到的对应的声音内容；或者，通过获取智能设备中的天气应用中的实时天气信息进行声音转换后得到的对应的声音内容。

实际应用过程中，可通过智能设备的铃声库提供多首铃声供用户选择作为提醒方式，铃声的类型尽量不同，铃声类型可包括舒缓型，激烈型等。本实施例中可以按照铃声类型对闹钟提醒方式分类，之所以将不同铃声作为不同的提醒方式是由于在闹钟提醒时，用户对不同铃声的反应方式通常不同，例如，对舒缓型的铃声，用户的反应程度通常较小，而对于激烈型的铃声，用户的反应程度往往较大。这样通过收集用户对不同铃声的反应方式，后续基于用户的反应方式智能确定提醒方式，避免“鸡尾酒会效应”，提高闹钟提醒的有效性。“鸡尾酒会效应”在声学中是指人耳的掩蔽效应，掩蔽效应指人的耳朵只对最明显的声音反应敏感，而对于不敏感的声音，反应则较不为敏感。例如在声音的整个频率谱中，如果某一个频率段的声音比较强，则人就对其它频率段的声音不敏感了。本实施例的方法正是通过对海量用户数据的收集和统计分析找出对用户来说最敏感的提醒方式，例如，最敏感的铃声，并利用该提醒方式对用户进行提醒。

上面介绍了对用户设定的闹钟提醒的记录过程，在记录用户设定的提醒后，本实施例的方法还需要采集用户对该提醒的反应方式，以及反应方式对应的反应程度数据和反应时间。

如前述，反应方式可包括两种：苏醒反应和做出预定动作(例如起床动作)的反应。接上例，用户张三设定了进行起床提醒的第一闹钟，提醒时间为：早上七点，提醒方式为：铃声a。在信息收集阶段，具体收集和记录的是当智能设备的系统时间到达用户设定的闹钟提醒时间(即，早上七点)，闹钟提醒后用户对闹钟提醒的反应时间。例如，用户在听到铃声a的多长时间后苏醒。通过获取用户对闹钟提醒方式的反应时间能够在智能模式下确定闹钟后续提醒的时间。

本实施例步骤s202中的获取苏醒反应程度数据包括：获取用户苏醒后在智能设备的闹钟提醒显示界面上输入的苏醒反应程度数据；和/或，获取智能设备中数据采集模块对应的数据变化值，根据数据变化值得到用户的苏醒反应程度数据，这里的数据采集模块包括如下的一种或多种：生物特征传感器，运动传感器和摄像头。也就是说，苏醒反应程度数据可以通过两种方式来获取，一种方式是获取用户直接反馈的反应程度，例如，在智能设备的闹钟提醒界面上设置一个或多个指示在闹钟提醒后的用户心情对应的图标(比如，愉悦，愤怒，再也不想听到，没感觉等)，通过获取用户点击的某个图标来确定用户的反应程度。另一种方式是，获取用户间接反馈的反应程度，这种方式是静默的获取方式，对用户而言是无感知的。智能设备如智能手机中通常自带有多种传感器，例如，加速度传感器、gps接收机以及摄像头、光感(光感用来记录用户开灯的习惯，表明对光的敏感程度)，如果有智能手环等可穿戴设备，还可以同时利用智能手环中的温度传感器、心率传感器检测用户的其它身体参数例如心率，体表温度(可用于确定用户反应，如苏醒的程度)等。

本实施例中通过这些传感器数据的变化值来确定出用户的反应程度。例如，加速度传感器变化的剧烈程度，这些剧烈程度可以简单定义为对当前闹铃的反应，用此数据来反应用户对不同铃音的反应。再例如，从心率传感器中获取闹钟提醒之前用户的心率数据记为a1，获取闹钟提醒后的用户心率数据记为a2，计算a2与a1的变化值，并将变化值作为用户针对本次提醒方式的反应程度。

进一步地，本实施例步骤s202中根据用户的做出预定动作反应方式，获取自提醒时间到达时至做出预定动作时的持续时间包括：自提醒时间到达时起开始计时，当收到智能设备的微处理器发送的用户完成预定动作的指令信号时停止计时，将累计的时间段作为自提醒时间到达时至做出预定动作时的持续时间t，其中，指令信号是微处理器在根据用户的行为数据进行比较并确定出用户的行为特征数据满足预先设置的用户行为特征阈值时发送的。

在得到自提醒时间到达时至做出预定动作时的持续时间t后，计算闹钟的智能提醒时间，具体是将智能提醒时间设置为比用户当前设置的闹钟提醒时间早t。

这里需要说明的是，本实施例的智能设备的微处理器能够根据闹钟的首次提醒时间向智能设备中指定的数据采集模块，例如，麦克风mic发送数据采集信号，并根据mic采集到的声音信号判断用户当前的声音信号是否与之的声音信号一致，一致则确定用户发生了指定动作。这么做的原理是用户在发生某一指定动作时会对应有典型的声音状态，以起床为例，当用户发生起床动作时mic采集的录音信号的声压级变高，超过一定阈值并且有一定比例的突发噪声。如果mic当前采集的数据满足了上述典型的声音状态则可判断出用户完成了预定动作。可选地，当智能设备为在家用智能机器人等立体智能设备上时，因为智能机器人(通过摄像头)可以“看”到用户，所以在记录反应时间，周围的环境声音的同时，可以采集图像进行分析处理以记录用户的特定行为特征，例如是否离开床。

在得到用户对提醒方式的反应时间和反应程度后，基于反应程度和反应时间这两个维度的数据确定每个提醒方式的提醒有效性程度。即，执行步骤s203，

步骤s203，根据使用习惯数据中用户的苏醒反应时间与苏醒反应程度数据的乘积值对提醒方式进行计算统计和排序。

例如，在过去的一周内，用户周一至周五共设定了五个闹钟，分别为闹钟一、二、三、四和五，五个闹钟的提醒方式各不同。那么在机器学习过程中本实施例的方法以提醒方式为主键对应保存五个闹钟，并计算每个提醒方式下使用习惯数据中用户的苏醒反应时间与苏醒反应程度数据的乘积值，按照乘积值的大小，按照从大到小的顺序对提醒方式进行排序。

另外，实践中用户也可以设定提醒方式相同的闹钟，例如上述五个闹钟中闹钟二和闹钟四的提醒方式相同(如均以铃声a作为提醒方式)，其余三个闹钟的提醒方式各不同，则这种情况下可以将闹钟二和闹钟四都归入铃声a对应的集合中，并在此集合中分别计算闹钟二和闹钟四对应的用户的苏醒反应时间与苏醒反应程度数据的乘积值，最后以预设时间段内(例如一周时间)多个闹钟对应的苏醒反应时间与苏醒反应程度数据乘积值并进行平均后的值作为该提醒方式对应的提醒有效性程度值，以便于后续和数据库中其它的提醒方式进行比较。

进一步的，为了提高用户闹钟提醒的有效性，本实施例的方案在对提醒方式进行机器学习时可以引入时间变量，利用时间对使用习惯数据进行筛选，具体的是执行步骤s204。

步骤s204，比较使用习惯数据的生成时间，选取新的使用习惯数据进行训练，作为获得智能提醒时间和提醒方式的依据。

也就是说，本实施例的方法在计算智能提醒时间和智能提醒方式时优选采用新的使用习惯数据进行训练，由于使用习惯数据的生成时间越近，参考价值越大，所以，可以将与用户当前设定的闹钟时间较近的使用习惯数据(例如，利用最近10天的使用习惯数据)进行训练作为获得智能提醒时间和提醒方式的依据，从而可以将时间比较旧的数据删除，以节省存储空间，提高训练效率，降低计算复杂度。

在机器学习完成后即可进入闹钟的智能提醒。当用户在智能设备上设置了闹钟后，本实施例的智能提醒过程是这样的：

首先，根据保存的使用习惯数据中的自提醒时间到达时至做出预定动作时的持续时间t，计算闹钟的智能提醒时间，智能提醒时间比用户当前设置的闹钟提醒时间早t。例如，用户设定了起床提醒闹钟，提醒时间为早上七点，本实施例的方法查找前期学习到的使用模式数据得到用户自闹钟提醒后到完成起床动作所花费的时间为10分钟，则，闹钟在六点五十分时开始第一次提醒用户。

其次，执行步骤s205，按照智能提醒方式对用户进行提醒后，判断用户对智能提醒方式的苏醒反应程度数据是否与使用习惯数据中的苏醒反应程度数据一致，是则，继续按照智能提醒方式对用户进行提醒，否则，更换智能提醒方式。

判断用户对智能提醒方式的苏醒反应程度数据是否与使用习惯数据中的苏醒反应程度数据一致可以通过比较数据采集模块采集的数据来实现。这里继续以数据采集模块为心率传感器进行说明。在响铃后通过心率传感器采集用户的心率数据，当采集的用户本次的心率数据s4与保存的心率数据s3一致时，等待用户反应。当本次采集的用户的心率数据s4与保存的心率数据s3不一致时，则更换智能提醒方式，并利用更换后的提醒方式对用户进行后续提醒。之所以更换智能提醒方式是由于当前智能提醒方式没有起到有效提醒用户的效果，所以需要从其它提醒方式中选择一个能够更温和而迅速的完成提醒的提醒方式。温和而迅速的提醒方式对应的就是前述机器学习过程中反应时间和反应程度数据乘积最小值对应的提醒方式。实践中，本实施例的方法从按反应时间和反应程度数据乘积值由小到大顺序排列的多个提醒方式中，选择苏醒反应时间和苏醒反应程度数据的乘积值最小所对应的提醒方式，作为更换后的提醒方式。

接着，根据保存的使用习惯数据中的苏醒反应时间计算进行后续提醒的提醒时间。

举例而言，在前期的机器学习过程中得知用户在使用铃声a作为提醒方式时的苏醒反应时间为30秒。如，闹钟响起，30s用户会关闭闹钟，但是在根据智能提醒方式进行提醒后，如，闹钟响起，1分钟后用户还没有反应，则确定用户反应延迟了，所以需要继续提醒。例如，在第一次智能提醒后的第31秒(或更晚的时间，)利用更换后智能提醒方式进行第二次提醒。这里即根据用户的苏醒反应时间来确定进行后续提醒的时间。

最后，在智能闹钟模式下，当到达智能提醒时间时，继续采集用户在智能提醒方式下的反应方式，并根据反应方式生成用于更新或补充已保存使用习惯数据的新数据。需要说明的是，为了保证训练出的用户闹钟使用模式更具参考价值，本实施例将机器学习设置为持续的过程，也就是说本实施例中在智能闹钟模式下，继续采集用户对闹钟的提醒方式的反应方式，并根据反应方式生成相应提醒方式下的对应的使用习惯数据并用采集的新使用习惯数据对保存的使用习惯数据进行更新或补充。如此，能够利用更能代表用户当下使用习惯的数据进行训练从而能够保证闹钟提醒更贴近用户当前需求，起到提醒效果。

由此可知，本实施例的闹钟实现方法改变了现有普通闹钟中使用单一的提醒方式在设置的固定时间进行提醒导致的提醒有效性差，不够智能化的问题，满足了用户的需求，最大程度的发挥闹钟的提醒作用，优化了用户体验。

在本发明的其他实施例中，还可以获取智能设备中日历应用记录的工作日信息和休息日信息，根据获取的工作日信息和休息日信息判断用户是否在休息日设定了闹钟，当判断出用户在休息日设定了闹钟时，按照预设的休息日闹钟对应的提醒方式对用户进行提醒，或者，在到达闹钟提醒时间时，不对用户进行提醒。

实施例三

本实施例提供了智能设备上的闹钟实现装置，参见图3，本实施例的智能设备上的闹钟实现装置300，包括：

样本数据获取单元301，用于根据用户指令在智能设备上设置闹钟的提醒时间和提醒方式，当闹钟的提醒时间到达时，对用户进行提醒并获取用户在相应提醒方式下的反应方式，根据反应方式生成相应提醒方式下对应的使用习惯数据并保存；其中反应方式指的是用户感受到闹钟提醒后做出的生理活动状态。

训练单元302，用于对使用习惯数据进行统计分析得到该闹钟的智能提醒时间及智能提醒方式；

智能提醒单元303，用于智能闹钟模式启动后，到达该闹钟的智能提醒时间时，按照该闹钟的智能提醒方式对用户进行提醒。

如图3所示，训练单元202中还包括微调子单元，微调子单元能够在智能闹钟模式下，当到达智能提醒时间时，继续采集用户在智能提醒方式下的反应方式，并根据反应方式生成用于更新或补充已保存使用习惯数据的新数据。

本方案的智能设备上的闹钟实现装置主要针对特定人群，典型人群为赖床人群。首先需要开启一个信息收集模式。在特定时间内，收集用户对闹钟的反应模式并记录下来，主要收集的信息包括闹钟达到目标所需要的时间、用户每次对闹钟的反应时间，对不同类型的闹钟的反应程度。

在本发明的一个实施例中，样本数据获取单元包括：闹钟提醒数据获取子单元，用于根据用户指令在智能设备上设置闹钟的不同提醒时间以及不同提醒方式，其中，提醒方式包括：声音提醒、振动提醒和光电提醒中的至少一种，不同提醒方式包括声音的不同；反应方式数据获取子单元，用于获取用户在相应提醒方式下的反应方式包括：获取用户的苏醒反应方式和做出预定动作反应方式，使用习惯数据获取子单元，用于根据用户的苏醒反应方式，获取用户的苏醒反应时间和苏醒反应程度数据，根据用户的做出预定动作反应方式，获取自提醒时间到达时至做出预定动作时的持续时间。

在本发明的一个实施例中，智能提醒单元，包括提醒方式更换确定子单元在智能闹钟模式下，按照设定的智能提醒方式对用户进行一次提醒之后，判断用户对本次智能提醒方式的苏醒反应程度数据是否与使用习惯数据中的苏醒反应程度数据一致，是则，继续按照设定的智能提醒方式对用户进行后续提醒，否则，更换智能提醒方式，并利用更换后的提醒方式对用户进行后续提醒。

在本发明的一个实施例中，智能提醒单元还用于对保存的每个提醒方式下对应的使用习惯数据，按照使用习惯数据中用户的苏醒反应时间与苏醒反应程度数据的乘积值对提醒方式进行排序，

提醒方式更换确定子单元用于，从按序排列的多个提醒方式中，选择苏醒反应时间和苏醒反应程度数据的乘积值最小所对应的提醒方式，作为更换后的提醒方式。

在本发明的一个实施例中，反应方式数据获取子单元，用于获取用户苏醒后在智能设备的闹钟提醒显示界面上输入的苏醒反应程度数据；和/或，获取智能设备中数据采集模块对应的数据变化值，根据数据变化值得到用户的苏醒反应程度数据，其中，数据采集模块包括如下的一种或多种：生物特征传感器，运动传感器和摄像头。

在本发明的一个实施例中，智能提醒单元还用于，根据保存的使用习惯数据中的自提醒时间到达时至做出预定动作时的持续时间t，计算闹钟的智能提醒时间，并在到达智能提醒时间时进行提醒，智能提醒时间比用户当前设置的闹钟提醒时间早t，根据保存的使用习惯数据中的苏醒反应时间计算进行后续提醒的后续提醒时间，并在到达后续提醒时间时进行后续提醒。

在本发明的一个实施例中声音的不同包括：声音的类型不同和/或声音的内容不同，声音类型包括：舒缓型，激烈型，高亢型，轻快型；声音内容包括：通过获取智能设备实时时间，并进行声音转换后得到的对应的声音内容；或者，通过获取智能设备中的新闻应用中的实时新闻信息进行声音转换后得到的对应的声音内容；或者，通过获取智能设备中的天气应用中的实时天气信息进行声音转换后得到的对应的声音内容。

在本发明的一个实施例中，该装置还包括：休息日闹钟提醒确定单元获取智能设备中日历应用记录的工作日信息和休息日信息，根据获取的工作日信息和休息日信息判断用户是否在休息日设定了闹钟，当判断出用户在休息日设定了闹钟时，按照预设的休息日闹钟对应的提醒方式对用户进行提醒，或者，在到达闹钟提醒时间时，不对用户进行提醒。

训练单元具体用于，自提醒时间到达时起开始计时，当收到智能设备的微处理器发送的用户完成预定动作的指令信号时停止计时，将累计的时间段t作为自提醒时间到达时至做出预定动作时的持续时间，其中，指令信号是微处理器在根据用户的行为数据进行比较并确定出用户的行为特征数据满足预先设置的用户行为特征阈值时发送的。

需要说明的是，本实施例的智能设备上的闹钟实现装置是和前述智能设备上的闹钟实现方法相对应的，因而本实施例中对智能设备上的闹钟实现装置没有描述的内容可参见前述实施例中的说明，这里不再赘述。

综上可知，本实施例的智能设备上闹钟实现方案，通过获取用户在相应提醒方式下的反应方式，根据反应方式生成相应提醒方式下的对应的使用习惯数据并保存；然后分析得到该闹钟的智能提醒时间及智能提醒方式；如此当智能闹钟模式启动后，到达该闹钟的智能提醒时间时，即可按照该闹钟的智能提醒方式对用户进行提醒。由此基于用户的历史使用习惯数据进行训练得到用户使用闹钟的模式，以便后续用户进行智能化提醒，与现有的普通闹钟提醒方式相比，提高了闹钟的提醒有效性和智能化程度，避免了用户设定多个闹钟进行提醒需要进行维护占用用户时间和精力的问题。

以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围以权利要求的保护范围为准。