物联网(Internetofthings,IoT)技术是泛在计算与信息技术应用的一个重要研究方向,其应用包括智慧城市、智慧物流、智能穿戴以及智能家居等各类场景。随着微电子技术与计算机软件水平的提升,智能家居系统以及各类智能设备逐渐走入人们的生活,它们通过提供不同类型的服务,逐渐成为人们日常生活中的好帮手和提升用户生活品质的必要选择。同时,以机器学习、深度学习为代表的人工智能算法在图像、文字等领域获得了空前的发展,为智能家居系统的进一步发展带来了新的机遇。随着智能家居系统功能与指令的不断增多,各类不合理指令极易产生智能设备之间使用效果的矛盾与冲突。通过科研工作者的不懈努力,旨在解决上述问题的指令合理性检测系统与技术在各个方面都已经取得长足的发展与进步,但难点与挑战依然存在。例如,现有的指令合理性检测主要是通过引入环境参数作为中间变量,导致现有方法在检测智能设备的指令合理性时不够全面、自动化程度低且灵活性不够。另一方面,现有的方法未结合人工智能与深度学习的最新研究成果,原有的通过构建冲突字典以及机器学习的方法具有人力成本高、过程复杂等缺点,导致系统的冗余度较高。本论文结合智能家居系统的实际应用需求,针对上述问题与不足,做出如下研究:(1)构建一种基于自然语言处理(NaturalLanguageProcessing,NLP)的智能家居指令合理性检测系统。该系统能够对各类智能设备的功能语句进行学习与分析,通过自然语言处理的相关技术对各类智能设备的功能冲突与否进行识别,用于对智能设备相关的指令做出合理性分析与检测。(2)对上述所提系统的关键技术做出进一步深入研究,本论文以文本分类子问题之一的意见挖掘问题作为背景,在简单循环单元(SimpleRecurrentUnit,SRU)、注意力机制和空洞卷积的基础上,提出了一种基于时空多特征提取的意见挖掘算法并进行了算法验证。同时,还根据自然语言的特点,从单词、语法、语义和意见四个语言级别对所提算法进行了解释和分析。(3)为更好地对所提系统以及算法进行验证,通过爬虫技术处理海量的网络资源,将训练文本分类神经网络模型的功能语句文本资源以及用于进行系统验证的指令集进行本地化操作,形成数据集,以便于后续研究工作的深入开展。通过上述研究,对智能家居系统的指令合理性检测系统与其应用提供了切实可行的方法,拓宽了该系统的应用范围。一方面,实验结果表明,所提出的系统能够利用自然语言处理的相关技术,对智能家居背景下的指令合理性进行有效检测,并且该系统框架还可以应用到多个领域,具有广阔的应用前景。另一方面,对于本论文提出的意见挖掘算法,通过互联网电影资料库(InternetMovieDatabase,IMDb)公开数据集进行验证,该算法的所有评估指标均得到了提升,在文本分类乃至指令合理性检测系统领域都具有较大的应用与研究价值。