我知道你的意图：通过对比学习实现图增强的意图感知用户设备交互预测

随着智能家居市场的蓬勃发展，智能物联网设备越来越多地用于家庭生活。为了改善智能家居的用户体验，先前的一些工作探索了如何使用机器学习来预测用户与设备之间的交互。然而，现有解决方案的用户设备交互（UDI）预测准确性较差，因为它们忽略了三个关键因素：习惯、意图和人类行为的多层次周期性。在本文中，我们提出了 SmartUDI，一种用于智能家居的新型准确 UDI 预测方法。首先，我们提出了一种基于消息传递的习惯提取（MPRE）算法来挖掘习惯行为，然后将对比损失应用于缩小来自相同习惯的行为表示与来自不同习惯的行为表示之间的差距。其次，我们提出了意图感知胶囊图注意力网络（ICGAT）来编码用户的多重意图，同时考虑不同行为之间的复杂转换。第三，我们设计了基于聚类的历史注意力机制（CHAM），通过注意力机制聚合当前序列和语义上最接近的历史序列表示来捕获多层次周期性。SmartUDI 可以无缝部署在物联网设备供应商的云基础设施和边缘节点上，实现向用户交付个性化的设备服务推荐。在四个真实世界数据集上的综合实验表明，SmartUDI 以更准确和高度可解释的结果始终优于最先进的基线方法。