[发明专利]对象行为数据存储和对象行为预估方法、装置和系统

权利要求书

1.一种对象行为数据存储方法，其特征在于，包括：

获取对象针对展示信息的当前操作行为；

当所述当前操作行为是所述对象累计做出的第N个操作行为时，根据所述N的取值和预设的记忆网络模型的记忆槽更新规则，确定所述记忆网络模型中需更新的记忆槽的层级，所述记忆网络模型用于记录所述对象的行为记忆数据；

用所述当前操作行为产生的行为数据更新确定的层级对应的记忆槽中记录的所述对象的行为记忆数据。

2.如权利要求1所述的方法，其特征在于，所述根据所述N的取值和预设的记忆网络模型的记忆槽更新规则，确定所述记忆网络模型中需更新的记忆槽的层级，包括：

用所述N对更新周期分别进行取余计算，记忆网络模型的每个层级的记忆槽对应一个预设的更新周期；

将取余计算结果为0的记忆槽的层级确定为需更新的记忆槽的层级。

3.一种对象行为预估方法，其特征在于，包括：

获取记忆网络模型中各层级的记忆槽中记录的待预估对象的行为记忆数据；

对从不同层级的记忆槽中获取的所述对象的行为记忆数据进行加权计算，得到所述对象的长期行为记忆数据；

将展示信息的特征数据、所述对象的静态特征数据和所述对象的长期行为记忆数据作为点击预估模型的输入，得到所述对象对所述展示信息的行为概率预估结果。

4.如权利要求3所述的方法，其特征在于，所述对从不同层级的记忆槽中获取获取的所述对象的行为记忆数据进行加权计算，得到所述对象的长期行为记忆数据，包括：

根据预设的能量模型确定记忆网络模型各层级的记忆槽的权值；

用每个层级的记忆槽的权值对该层级的记忆槽中的行为记忆数据进行加权，将各层级的记忆槽的加权结果进行求和，得到所述对象的长期行为记忆数据。

5.如权利要求4所述的方法，其特征在于，所述方法进一步包括：

从预设的短期数据记忆模型中获取表征所述对象短期行为的短期行为记忆数据；

对所述长期行为记忆数据和短期行为记忆数据进行加权求和，得到所述对象融合短期行为的长期行为记忆数据。

6.如权利要求3所述的方法，其特征在于，还包括：

获取展示信息的下列至少一项特征数据：展示信息ID、展示信息所在位置和展示信息的描述信息；

使用预设的网络模型处理所述展示信息的特征数据，得到用于输入点击预估模型的展示信息的特征数据。

7.如权利要求3所述的方法，其特征在于，还包括：

获取对象的静态特征数据，所述静态特征数据是不因对象对展示信息进行操作而发生变化的特征对应的数据；

使用预设的网络模型处理所述静态特征数据，得到用于输入点击预估模型的静态特征数据。

8.如权利要求3-7任一所述的方法，其特征在于，还包括：

获取对象针对展示信息的当前操作行为；

当所述当前操作行为是所述对象累计做出的第N个操作行为时，根据所述N的取值和预设的记忆网络模型的记忆槽更新规则，确定所述记忆网络模型中需更新的记忆槽的层级，所述记忆网络模型用于记录所述对象的行为记忆数据；

用所述当前操作行为产生的行为数据更新确定的层级对应的记忆槽中记录的所述对象的行为记忆数据。

9.一种对象行为数据存储装置，其特征在于，包括：

行为获取模块，用于获取对象针对展示信息的当前操作行为；

更新模块，用于当所述当前操作行为是所述对象累计做出的第N个操作行为时，根据所述N的取值和预设的记忆网络模型的记忆槽更新规则，确定所述记忆网络模型中需更新的记忆槽的层级，所述记忆网络模型用于记录所述对象的行为记忆数据；用所述当前操作行为产生的行为数据更新确定的层级对应的记忆槽中记录的所述对象的行为记忆数据。