根据采集到的用户的心电数据，确定用户当前的睡眠行为，所述睡眠行为至少包括入睡行为和清醒行为。
[0049]根据采集到的用户的运动数据，确定用户当前的运动行为，所述运动行为包括动态行为和静态行为，更为具体的，动态行为又可以包括步行行为、骑车行为、锻炼行为等行为，动态行为又可以包括静止行为和乘车行为等行为，这些行为之间的主要差异体现在用户的加速度上。
[0050]根据采集到的用户的移动终端元数据，确定用户当前移动终端使用行为，所述移动终端使用行为包括:忙碌行为和空闲行为，更为具体的，忙碌行为又可以包括通话行为、上网行为和游戏行为等行为。
[0051]在本发明的具体实施例中，用户当前的睡眠行为是基于心电节点采集的原始心电数据，提取QRS波和RR间期分析得出。用户当前的运动行为是基于运动节点采集的原始运动数据，如加速度数据，采用活动频率分析、KNN分类等算法分析得出。以上行为分析的具体算法可以参考现有技术中的实现，本发明不做具体限定。另外，移动终端使用行为则可以根据移动通信系统获取移动终端的元数据，例如，终端的通话状态、数据连接状态等状态数据，分析得到终端的使用行为。
[0052]在本发明的上述实施例中，预设规则包括:
[0053]当移动终端使用行为确定为忙碌行为，其持续时长超出预设时长，且当前时间为预设的睡眠时间，则对应的用户行为建议为睡眠建议；
[0054]当移动终端使用行为确定为忙碌行为，其持续时长超出预设时长，且当前时间为预设的运动时间，则对应的用户行为建议为运动建议。
[0055]根据具体需要，本发明实施例中还可以设置更为精细的规则，来实现更为精准的行为建议。
[0056]在本发明的具体实施例中，当移动终端使用行为确定为忙碌行为，其持续时长超出预设时长，且当前时间为预设的睡眠时间例如当前时间为22-24或0-7点之间的某个时亥IJ，则对应的用户行为建议为睡眠建议，包括:实施例一，当用户当前移动终端使用行为为上网行为并且上网持续时间超出预设时长例如I小时、运动行为为静止行为、睡眠行为为清醒行为，且当前时间为22-24或0-7点之间的某个时刻，则对应的用户行为建议为睡眠建议。实施例二，当用户当前移动终端使用行为为游戏行为并且在预设时间段例如I小时内游戏累积时间超出预设时长例如0.5小时、运动行为为静止行为、睡眠行为为清醒行为，且当前时间为22-24或0-7点之间的某个时刻，则对应的用户行为建议为睡眠建议。
[0057]若某一时刻实时确定到用户当前的三维行为模式及其持续时间与上述实施例一或实施例二中的规则正好匹配，那么在这一时刻生成相对应的睡眠提醒。
[0058]当然，预设规则还包含很多种更为精细的规则，实时确定用户当前的三维行为模式及其持续时间，用同样的方式与所有预设规则相对比，并根据匹配上的规则所对应的用户行为建议，生成相关的提醒，方法同上，预设规则可以根据实际情况中专家建议来设置，这里不做详述。
[0059]在本发明的上述实施例中，所述相关提醒具有不同的级别，且不同级别的提醒具有不同的初始权值，若在相关提醒生成以后的预设时间段内确定的用户行为模式与该相关提醒建议的行为模式相符，则将该相关提醒的初始权值增大。
[0060]在本发明的具体实施例中，根据预设的规则，会生成不同级别的相关提醒，且不同级别的相关提醒具有不同的初始权值，优选地，等级数为5时，I级相关提醒至5级相关提醒分别对应初始权值为1、0.8,0.6,0.4,0.2，如果相关提醒生成以后的预设时间段(例如30分钟)内确定的用户行为模式与该相关提醒建议的行为模式相符，那么该相关提醒的权值对应增大，例如，在初始权值的基础上，按照预定步长增大该相关提醒的的权值，或者，将该相关提醒的权值在初始权值的基础上乘一个大约I的系数，例如乘以1.2或2等等。
[0061]在实际情况，相关提醒的等级数和不同等级的相关提醒设置的初始权值可以随意设定，这里不做详述。
[0062]在本发明的上述实施例中，所述方法还包括:
[0063]统计预设天数内用户每一时刻的三维行为模式和生成的所有相关提醒；
[0064]计算预设天数内每一类相关提醒的权值和与预设天数内所有同一时间区间内每一类相关提醒的权值和，其中每个所述时间区间具有相同的预设长度；
[0065]比较预设天数所有同一预设时间区间内每一类相关提醒的权值和与预设天数内对应种类相关提醒的权值和的比值与预设阈值的大小，若预设天数内同一时间区间内每一类相关提醒的权值和与预设天数内对应种类相关提醒的权值和的比值大于预设阈值，则将该时间区间设为该类相关提醒建议的用户行为的时间。
[0066]在本发明的具体实施例中，优选地，预设天数设置为30天，计算30天内生成的所有运动提醒的权值和，也即汇总30天内生成的所有级别的运动提醒，然后分别统计所有级别的运动提醒对应的权值，再将这些权值相加得到30天内所有运动提醒的权值和，优选地，预设长度可以设为30分钟，若设为30分钟，则一天内包括48个30分钟的时间段，计算30天内所有同一时间区间的所有运动提醒的权值和，即为统计每天中预设长度为30分钟的同一时间区间的运动提醒，然后计算30天内同一时间区间的运动提醒的权值和，这样的权值和总共有48个，然后依次比较30天内每一时间区间内的所有运动提醒的权值和与30天内所有运动提醒的权值和的比值与预定阈值的大小，如果30天内某一时间区间内所有运动提醒的权值和与30天内所有运动提醒的权值和的比值大于预定阈值，那么将该时间区间设为建议运动的时间，在该区间内最常见的用户运动方式设为建议的运动方式，该区间内最常见的运动方式是指在每天的这个时间段最常出现的运动方式。
[0067]当然具体地，预设天数和预设长度的取值可以根据具体实际情况选择，例如预设天数可以选为10天或20天，预设长度可以选为I小时或2小时，具体步骤是相似的，这里不做详述。
[0068]在本发明的具体实施例中，计算30天内生成的所有睡眠提醒的权值和，也即将汇总30天内生成的所有级别的睡眠提醒，然后分别统计所有级别的睡眠提醒对应的权值，再将这些权值相加得到30天内所有睡眠提醒的权值和，优选地，预设长度若设为30分钟，则每天包括48个30分钟的时间段，计算30天内所有同一时间区间的所有睡眠提醒的权值和，即为统计每天中预设长度为30分钟的同一时间区间的睡眠提醒，然后计算30天内同一时间区间的睡眠提醒的权值和，这样的权值和总共有48个，然后依次比较30天内每一时间区间内的所有睡眠提醒的权值和与30天内所有睡眠提醒的权值和的比值与预定阈值的大小，如果30天内某一时间区间内所有睡眠提醒的权值和与30天内所有睡眠提醒的权值和的比值大于预定阈值，那么将该时间区间设为建议睡眠的时间，。
[0069]运动时间建议、运动方式建议和睡眠时间建议共同构成了为健康生活方式给用户提供信息的方法，根据用户长期的生活方式，实现对用户健康生活方式提供信息。
[0070]如图2所示，本发明的实施例还提供了一种向用户提示信息的装置，包括:
[0071]获取模块21，用于获取用户三维行为模式，所述三维行为模式包括用户睡眠行为、用户运动行为和用户移动终端使用行为；
[0072]提醒生成模块22，用于确定用户当前的三维行为模式及其持续时间，并与预设规则相匹配，并根据匹配上的规则所对应的用户行为建议，生成相关提醒。
[0073]在本发明的上述实施例中，所述获取模块包括:
[0074]数据采集子模块，用于采集用户的心电数据、运动数据和用户的移动终端元数据；
[0075]第一模式分析子模块，根据分析采集到的用户的心电数据，确定用户当前的睡眠行为，所述睡眠行为至少包括入睡行为和清醒行为；
[