CN114399057A - 权重的调整方法和装置、存储介质及电子装置 - Google Patents

Abstract

本发明公开了一种权重的调整方法和装置、存储介质及电子装置，其中，上述方法包括：获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重，采用上述技术方案，解决了根据历史数据对用户行为习惯进行预测，导致预测结果不准确的问题。

Description

权重的调整方法和装置、存储介质及电子装置

技术领域

本发明涉及通信领域，具体而言，涉及一种权重的调整方法和装置、存储介质及电子装置。

背景技术

智家大脑是一个无处不在，与用户自然交流，为用户主动贴心服务，安全可靠的系统，并且拥有持续学习进化的能力。在大脑的各项能力中用户的行为习惯预测是一个重要的功能，在进行预测前首先大脑需要学习用户的行为习惯并生成用户的行为习惯。如果用户在操作设备的时候我们通过大脑判断出用户还有很大可能操作其他行为，我们主动提示用户并给用户进行操作将带来极大的用户体验。

现有技术的行为习惯挖掘主要是分析用户的离线行为习惯，即在今天分析昨天以前的历史数据，通过历史数据进行一些偏好处理，行为统计的方式得到长期行为。这样通过离线行为分析用户行为的方法就缺少了用户当天的行为变化偏移，会导致用户行为习惯的预测不准确。

针对相关技术中，根据历史数据对用户行为习惯进行预测，导致预测结果不准确的问题，尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种权重的调整方法和装置、存储介质及电子装置，以至少解决相关技术中，根据历史数据对用户行为习惯进行预测，导致预测结果不准确的问题。

根据本发明实施例的一个实施例，提供了一种权重的调整方法，包括：获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

在一个示例性实施例中，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：确定所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作；根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重。

在一个示例性实施例中，根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：在所述多个第二连续动作中存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重；在所述多个第二连续动作中存在与所述第一连续动作部分一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重，以及将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；在所述多个第二连续动作中存在与所述第一连续动作全部和部分一致的多个第三连续动作的情况下，分别将所述多个第三连续动作分别对应的第一权重增加至第二权重。

在一个示例性实施例中，根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：在所述多个第二连续动作中不存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；在所述多个第二连续动作中不存在与所述第一连续动作部分一致的第三连续动作的情况下，不调整所述多个第二连续动作分别对应的多个第一权重；在所述多个第二连续动作中不存在与所述第一连续动作全部和部分一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重，以及不调整所述多个第二连续动作分别对应的多个第一权重。

在一个示例性实施例中，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重之后，所述方法还包括：确定所述行为数据集是否到达衰减周期；在所述行为数据集到达衰减周期的情况下，获取当前时刻、上一次衰减时刻；根据所述当前时刻、所述上一次衰减时刻确定所述行为数据集的衰减因子；根据所述衰减因子调整所述行为数据集中的多个第二连续动作的第一权重。

在一个示例性实施例中，根据所述衰减因子调整所述行为数据集中的多个第二连续动作的第一权重，包括：根据以下公式确定所述行为数据集的衰减因子：

其中，t为当前时刻、t0为上一次衰减时刻，α为可变参数；将所述衰减因子乘调整后的第一权重，以得到所述行为数据集中的多个第二连续动作的第三权重。

在一个示例性实施例中，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重之后，所述方法还包括：获取所述目标对象的第一动作，其中，所述第一动作为用于指示所述目标对象的单独动作；在所述目标数据集中确定包含所述第一动作的第四连续动作和所述第四连续动作对应的第四权重；根据所述第四连续动作和所述第四权重预测所述目标对象的待执行动作。

根据本发明实施例的另一个实施例，还提供了一种权重的调整装置，包括：第一获取模块，用于获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；第二获取模块，用于获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；调整模块，用于根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述权重的调整方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的权重的调整方法。

在本发明实施例中，获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重；采用上述技术方案，解决了根据历史数据对用户行为习惯进行预测，导致预测结果不准确的问题，本发明实施例中将实时学习的行为和离线行为相结合得到最终的用户行为习惯，这样会使行为预测更加可靠准确。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种权重的调整方法的计算机终端的硬件结构框图；

图2是根据本发明实施例的权重的调整方法的流程图；

图3是根据本发明实施例的权重的调整方法的整体框图；

图4是根据本发明实施例的权重的调整方法的整体流程图；

图5是根据本发明实施例的权重的调整方法的明细图；

图6是根据本发明实施例的连续行为的权重的曲线变化图；

图7是根据本发明实施例的一种权重的调整装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种权重的调整方法的计算机终端的硬件结构框图。如图1所示，计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，在一个示例性实施例中，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的权重的调整方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种权重的调整方法，应用于上述计算机终端，图2是根据本发明实施例的权重的调整方法的流程图，该流程包括如下步骤：

步骤S202，获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；

步骤S204，获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；

步骤S206，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

通过上述步骤，获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重，解决了相关技术中，根据历史数据对用户行为习惯进行预测，导致预测结果不准确的问题，进而本发明实施例中将实时学习的行为和离线行为相结合得到最终的用户行为习惯，这样会使行为预测更加可靠准确。

在一个示例性实施例中，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：确定所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作；根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重。

也就是说，根据当前的连续动作(相当于上述实施例中的第一连续动作)和历史的连续动作(相当于上述实施例中的第二连续动作)进行对比，根据当前的连续动作和历史的连续动作的一致性调整所述历史的连续动作分别对应的多个第一权重。

在一个示例性实施例中，根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：在所述多个第二连续动作中存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重；在所述多个第二连续动作中存在与所述第一连续动作部分一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重，以及将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；在所述多个第二连续动作中存在与所述第一连续动作全部和部分一致的多个第三连续动作的情况下，分别将所述多个第三连续动作分别对应的第一权重增加至第二权重。

举例来讲，在多个第二连续动作中包括：动作1)：动作A、动作B、动作C；动作2)：动作A、动作B；动作3)：动作A、动作C，在第一连续动作为动作A、动作B、动作C、动作D的情况下，将动作1)；动作2)的权重增加至第二权重，并且在行为数据集中增加：动作4)：动作A、动作B、动作C、动作D，并为动作4)赋予默认权重。在第一连续动作为动作A、动作B的情况下，将动作2)的权重增加至第二权重。需要说明的是，上述实施例仅是为了更好的理解本发明，本发明实施例对动作顺序不做限定。

在一个示例性实施例中，根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：在所述多个第二连续动作中不存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；在所述多个第二连续动作中不存在与所述第一连续动作部分一致的第三连续动作的情况下，不调整所述多个第二连续动作分别对应的多个第一权重；在所述多个第二连续动作中不存在与所述第一连续动作全部和部分一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重，以及不调整所述多个第二连续动作分别对应的多个第一权重。

举例来讲，在多个第二连续动作中包括：动作1)：动作A、动作B、动作C；动作2)：动作A、动作B；动作3)：动作A、动作C，在第一连续动作为动作A、动作D的情况下，不调整动作1)；动作2)；动作3)的权重，并且在行为数据集中增加：动作4)：动作A、动作D，并为动作4)赋予默认权重。需要说明的是，上述实施例仅是为了更好的理解本发明，本发明实施例对动作顺序不做限定。

在一个示例性实施例中，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重之后，确定所述行为数据集是否到达衰减周期；在所述行为数据集到达衰减周期的情况下，获取当前时刻、上一次衰减时刻；根据所述当前时刻、所述上一次衰减时刻确定所述行为数据集的衰减因子；根据所述衰减因子调整所述行为数据集中的多个第二连续动作的第一权重。

具体的，根据以下公式确定所述行为数据集的衰减因子：

其中，t为当前时刻、t0为上一次衰减时刻，α为可变参数；将所述衰减因子乘调整后的第一权重，以得到所述行为数据集中的多个第二连续动作的第三权重。

也就是说，本发明实施例会定期刷新行为，如果行为到了衰减周期则统一衰减行为，为了让长期行为和短期行为对接数据平滑，衰减因子设计为：

其中t为当前时刻时间，单位为分钟，t0为上一衰减时刻时间，α为可变参数，此公式满足了在越近的情况下衰减越快，在越远的情况下衰减越慢的特性，符合人脑的记忆。

在一个示例性实施例中，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重之后，获取所述目标对象的第一动作，其中，所述第一动作为用于指示所述目标对象的单独动作；在所述目标数据集中确定包含所述第一动作的第四连续动作和所述第四连续动作对应的第四权重；根据所述第四连续动作和所述第四权重预测所述目标对象的待执行动作。

也就是说，根据调整后的权重，用户在操作设备的时候通过上述数据权重判断出用户还有很大可能操作其他行为，主动提示用户并给用户进行操作将带来极大的用户体验。本方案中将实时学习的行为和离线行为相结合得到最终的用户行为习惯，这样会使行为预测更加可靠准确。

为了更好的理解上述权重的调整方法的过程，以下再结合可选实施例对上述权重的调整的实现方法流程进行说明，但不用于限定本发明实施例的技术方案。

在本实施例中提供了一种权重的调整方法，图3是根据本发明实施例的权重的调整方法的整体框图、图4是根据本发明实施例的权重的调整方法的整体流程图，如图3和图4所示，具体如下步骤：

步骤S301：历史长期行为初始化；

具体的，加载用户历史行为作为初始化行为记录，如图5中的长期行为初始化。

步骤S302：实时行为分析；

具体的，实时接入用户行为，并记录进入算法的每一个行为，并形成行为序列，如图5中时刻1中的A行为；时刻2的A、B连续行为；时刻3的A、B、C连续行为；

步骤S303：纠正长期行为；

具体的，1)处理前后连续行为，如果在历史行为中有相同行为则行为权重增大，如图5中的时刻3的B，C连续行为权重增大；时刻2的增加A、B连续行为的权重；2)定期刷新行为，如果行为到了衰减周期则统一衰减行为，为了让长期行为和短期行为对接数据平滑，衰减因子设计为

其中t为当前时刻时间，单位为分钟，t0为上一衰减时刻时间，α为可变参数，此公式满足了在越近的情况下衰减越快，在越远的情况下衰减越慢的特性，符合人脑的记忆。

步骤S304：新行为记录。

具体的，新行为更新到新的行为记录中。

如图6所示，图6是根据本发明实施例的连续行为的权重的曲线变化图，不同的衰减因子下，连续行为的权重不同的变化曲线。

现有技术的行为习惯挖掘主要是分析用户的离线行为习惯，即在今天分析昨天以前的历史数据，通过历史数据进行一些偏好处理，行为统计的方式得到长期行为。这样通过离线行为分析用户行为的方法就缺少了用户当天的行为变化偏移，会导致用户行为习惯的预测不准确。因此本发明实施例中将实时学习的行为和离线行为相结合得到最终的用户行为习惯，这样会使行为预测更加可靠准确。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

在本实施例中还提供了权重的调整装置，该权重的调整装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7是根据本发明实施例的一种权重的调整装置的结构框图；如图7所示，包括：

第一获取模块72，用于获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；

第二获取模块74，用于获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；

调整模块76，用于根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

通过上述装置，获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重，解决了相关技术中，根据历史数据对用户行为习惯进行预测，导致预测结果不准确的问题，进而本发明实施例中将实时学习的行为和离线行为相结合得到最终的用户行为习惯，这样会使行为预测更加可靠准确。

在一个示例性实施例中，调整模块76，用于确定所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作；根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重。

在一个示例性实施例中，调整模块76，用于在所述多个第二连续动作中存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重；在所述多个第二连续动作中存在与所述第一连续动作部分一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重，以及将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；在所述多个第二连续动作中存在与所述第一连续动作全部和部分一致的多个第三连续动作的情况下，分别将所述多个第三连续动作分别对应的第一权重增加至第二权重。

在一个示例性实施例中，调整模块76，用于在所述多个第二连续动作中不存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；在所述多个第二连续动作中不存在与所述第一连续动作部分一致的第三连续动作的情况下，不调整所述多个第二连续动作分别对应的多个第一权重；在所述多个第二连续动作中不存在与所述第一连续动作全部和部分一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重，以及不调整所述多个第二连续动作分别对应的多个第一权重。

在一个示例性实施例中，调整模块76，用于确定所述行为数据集是否到达衰减周期；在所述行为数据集到达衰减周期的情况下，获取当前时刻、上一次衰减时刻；根据所述当前时刻、所述上一次衰减时刻确定所述行为数据集的衰减因子；根据所述衰减因子调整所述行为数据集中的多个第二连续动作的第一权重。

在一个示例性实施例中，调整模块76，用于根据以下公式确定所述行为数据集的衰减因子：

其中，t为当前时刻、t0为上一次衰减时刻，α为可变参数；将所述衰减因子乘调整后的第一权重，以得到所述行为数据集中的多个第二连续动作的第三权重。

在一个示例性实施例中，第一获取模块，用于获取所述目标对象的第一动作，其中，所述第一动作为用于指示所述目标对象的单独动作；在所述目标数据集中确定包含所述第一动作的第四连续动作和所述第四连续动作对应的第四权重；根据所述第四连续动作和所述第四权重预测所述目标对象的待执行动作。

本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：

S1，获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；

S2，获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；

S3，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；

S2，获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；

S3，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种权重的调整方法，其特征在于，包括：

获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；

获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；

根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

2.根据权利要求1所述的权重的调整方法，其特征在于，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：

确定所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作；

根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重。

3.根据权利要求2所述的权重的调整方法，其特征在于，根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：

在所述多个第二连续动作中存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重；

在所述多个第二连续动作中存在与所述第一连续动作部分一致的第三连续动作的情况下，将所述第三连续动作的第一权重增加至第二权重，以及将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；

在所述多个第二连续动作中存在与所述第一连续动作全部和部分一致的多个第三连续动作的情况下，分别将所述多个第三连续动作分别对应的第一权重增加至第二权重。

4.根据权利要求2所述的权重的调整方法，其特征在于，根据所述多个第二连续动作中是否存在与所述第一连续动作全部和/或部分一致的第三连续动作调整所述多个第二连续动作分别对应的多个第一权重，包括：

在所述多个第二连续动作中不存在与所述第一连续动作全部一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重；

在所述多个第二连续动作中不存在与所述第一连续动作部分一致的第三连续动作的情况下，不调整所述多个第二连续动作分别对应的多个第一权重；

在所述多个第二连续动作中不存在与所述第一连续动作全部和部分一致的第三连续动作的情况下，将所述第一连续动作添加至所述行为数据集，并为所述第一连续动作赋予默认权重，以及不调整所述多个第二连续动作分别对应的多个第一权重。

5.根据权利要求1所述的权重的调整方法，其特征在于，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重之后，所述方法还包括：

确定所述行为数据集是否到达衰减周期；

在所述行为数据集到达衰减周期的情况下，获取当前时刻、上一次衰减时刻；

根据所述当前时刻、所述上一次衰减时刻确定所述行为数据集的衰减因子；

根据所述衰减因子调整所述行为数据集中的多个第二连续动作的第一权重。

6.根据权利要求5所述的权重的调整方法，其特征在于，根据所述衰减因子调整所述行为数据集中的多个第二连续动作的第一权重，包括：

根据以下公式确定所述行为数据集的衰减因子：

其中，t为当前时刻、t0为上一次衰减时刻，α为可变参数；

将所述衰减因子乘调整后的第一权重，以得到所述行为数据集中的多个第二连续动作的第三权重。

7.根据权利要求1所述的权重的调整方法，其特征在于，根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重之后，所述方法还包括：

获取所述目标对象的第一动作，其中，所述第一动作为用于指示所述目标对象的单独动作；

在所述目标数据集中确定包含所述第一动作的第四连续动作和所述第四连续动作对应的第四权重；

根据所述第四连续动作和所述第四权重预测所述目标对象的待执行动作。

8.一种权重的调整装置，其特征在于，包括：

第一获取模块，用于获取目标对象预设时间段内的第一连续动作，其中，所述预设时间段为当前时刻之前的时间段；

第二获取模块，用于获取所述目标对象的行为数据集，其中，所述行为数据集包括：多个第二连续动作，以及多个第二连续动作分别对应的多个第一权重；所述第二连续动作与所述第一权重一一对应；

调整模块，用于根据所述第一连续动作调整所述多个第二连续动作分别对应的多个第一权重。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。

Images