پیش بینی ویژگی های کاربر بر اساس داده های بزرگ شبکه هوشمند اهمیت زیادی برای ساخت سیستم تجزیه و تحلیل شبکه هوشمند و ساختمان هوشمند دارد. روش های یادگیری ماشین های سنتی براساس تجزیه و تحلیل ویژگی یک کاربر می توانند دقت را با استفاده از رابطه بین صفات مختلف، از بین بردن داده ها، این دو موضوع محدودیت طراحی سیستم های هوشمند شبکه و پیچیدگی سیستم های ساختمان هوشمند را محدود کرده اند.
موسسه Shenyang از اتوماسیون آکادمی چینی محقق علوم یانگ کانگ بر اساس سال تحقیق در الگوریتم یادگیری ماشین، پیش بینی شده توسط هر یک از اموال به عنوان یک وظیفه، چند tasking را پیشنهاد تحت نظارت آموزش / نیمه تحت نظارت کاربران بر ویژگی مدل های پیش بینی برای رسیدن به در مقدار کمی از داده ها در دسترس وظایف متعدد در همان زمان یادگیری و تصمیم گیری در همان زمان، حفاری از رابطه ی میان خواص کاربری چندگانه بهبود ویژگی های متعدد دقت پیش بینی؛ استفاده کامل از اطلاعات از دست رفته نمونه داده ها، برای بهبود بیشتر تعمیم مدل.
نتایج تحقیقات، به ترتیب پیش بینی مشخصه مشترک خانگی از طریق Smart متر داده و کشف ویژگی کاربر با برچسب از دست رفته در عنوان، در معاملات IEEE در شبکه هوشمند و الگوی RECOGNITON کار تحقیقاتی با حمایت آزمایشگاه اصلی ملی رباتیک، بنیاد ملی علوم طبیعی چین منتشر شده پشتیبانی می کند.
