[發(fā)明專利]一種互聯(lián)網(wǎng)用戶最大似然地理位置發(fā)現(xiàn)方法及發(fā)現(xiàn)系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201410762954.6
• 申請日: 2014-12-11
• 公開（公告）號: CN104484389A
• 公開（公告）日: 2015-04-01
• 發(fā)明（設(shè)計）人: 黃建鵬;陳靜
• 申請（專利權(quán)）人: 焦點科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;H04L29/12
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 陳建和

技術(shù)領(lǐng)域

本發(fā)明涉及一種互聯(lián)網(wǎng)用戶最大似然地理位置發(fā)現(xiàn)方法及發(fā)現(xiàn)系統(tǒng)，用于提供互聯(lián)網(wǎng)用戶地理位置的最大似然估計，屬于互聯(lián)網(wǎng)技術(shù)。

背景技術(shù)

在互聯(lián)網(wǎng)企業(yè)每天都有大量用戶點擊產(chǎn)生的訪問日志數(shù)據(jù)，專利“一種基于IP地址信息獲取計算機精確地理位置信息的方法”(專利申請?zhí)枺?00710070601.X)通過訪問日志中的IP和IP地址庫匹配，可以即時知道每一條訪問行為所在國家、省份和城市地理信息。而專利“一種用于監(jiān)控網(wǎng)站訪客地理位置和訪問狀態(tài)的系統(tǒng)及方法”(專利申請?zhí)枺?00710101333.3)利用實時得到的用戶IP地理信息可實時監(jiān)控并展示網(wǎng)站訪客的詳細(xì)數(shù)據(jù)信息，也能夠有效地定位網(wǎng)站中的異常流量、惡意訪問源IP地址的地理位置與INTERNET注冊信息。

但是對于互聯(lián)網(wǎng)企業(yè)來講除了即時用戶地理位置外，還希望知道用戶中長期所在的主要地理位置，這對于相對穩(wěn)定的分析用戶、了解用戶及對用戶服務(wù)都非常需要。對于用戶中長期最可能的地理位置估計(下面我們統(tǒng)一稱為用戶最大似然地理位置)還面臨如下兩重挑戰(zhàn)：

1、很多互聯(lián)網(wǎng)允許未登錄用戶進(jìn)行訪問，造成大量訪問日志的用戶身份信息為空，為了擴大分析樣本數(shù)據(jù)，我們有必要為這部分?jǐn)?shù)據(jù)盡可能確定其用戶身份；

2、用戶涉及多地理位置訪問，我們還需要確定其最大似然地理位置。

發(fā)明內(nèi)容

發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種互聯(lián)網(wǎng)用戶最大似然地理位置發(fā)現(xiàn)方法及發(fā)現(xiàn)系統(tǒng)，解析目前互聯(lián)網(wǎng)用戶中長期訪問網(wǎng)絡(luò)地理位置信息問題。

技術(shù)方案：為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種互聯(lián)網(wǎng)用戶最大似然地理位置發(fā)現(xiàn)方法，首先從網(wǎng)站平臺數(shù)據(jù)源系統(tǒng)中的原始訪問日志中按提取規(guī)則和提取周期提取基礎(chǔ)數(shù)據(jù)；然后對基礎(chǔ)數(shù)據(jù)進(jìn)行加工分類形成用戶信息和Cookie集相關(guān)聯(lián)的中間層數(shù)據(jù)；接著對中間層數(shù)據(jù)進(jìn)行提取，具體提取規(guī)則為：將中間層數(shù)據(jù)中未登錄用戶(登錄用戶名為空)的Cookie集置空，抽取出登錄用戶(登錄用戶名不為空)的Cookie集，將登錄用戶的Cookie集關(guān)聯(lián)原始訪問日志得到登錄用戶的所有訪問信息集，進(jìn)而得到將登錄用戶的IP集，將登錄用戶的IP集關(guān)聯(lián)IP地址庫得到登錄用戶在訪問互聯(lián)網(wǎng)時的地理位置，將得到的地理位置信息存儲到后臺服務(wù)器中并實時或周期性更新；最后對新用戶(登錄用戶和未登錄用戶)的訪問信息集使用最大似然算法計算出該用戶最經(jīng)常活動的地理位置；其中，基礎(chǔ)數(shù)據(jù)包括一定時長內(nèi)的非爬蟲的訪問互聯(lián)網(wǎng)的時間、用戶名、IP和Cookie信息，IP地址庫用于存放IP段對應(yīng)的地理位置信息。

上述發(fā)現(xiàn)方法具體包括如下步驟：

(1)從網(wǎng)站平臺數(shù)據(jù)源系統(tǒng)中的原始訪問日志中按提取規(guī)則和提取周期提取非爬蟲的訪問日志，該部分訪問日志包含用戶訪問互聯(lián)網(wǎng)的時間、用戶名、IP和Cookie信息；

(2)從步驟(1)獲得的部分訪問日志中抽取登錄用戶訪問日志，該登錄用戶訪問日志包含用戶訪問互聯(lián)網(wǎng)的時間、用戶名、IP和Cookie信息；

(3)從步驟(2)得到的登錄用戶訪問日志中提取登錄用戶的Cookie集；

(4)將登錄用戶的Cookie集關(guān)聯(lián)原始訪問日志得到登錄用戶的所有訪問信息集，該訪問信息集包括用戶訪問互聯(lián)網(wǎng)的時間、用戶名、IP和Cookie；

(5)建立IP地址庫用于存放IP段對應(yīng)的地理位置信息(國家、省份和城市)，IP地址庫中的數(shù)據(jù)按照IP段遞增或遞減順序排列并建立代理關(guān)鍵字；

(6)生成用戶訪問地理位置集，具體方法為：將步驟(4)獲取的登錄用戶的所有訪問信息集與步驟(5)獲得的IP地址庫相關(guān)聯(lián)，生成用戶訪問地理位置集，該用戶訪問地理位置集包括登錄用戶訪問互聯(lián)網(wǎng)的時間、用戶名、IP和地理位置；將用戶訪問地理位置集存儲到后臺服務(wù)器中并實時或周期性更新；

(7)基于步驟(6)獲得的用戶訪問地理位置集，建立用戶最大似然地理位置算法；

(8)使用步驟(7)得到的用戶最大似然地理位置算法對新的用戶(登錄用戶和未登錄用戶)的訪問信息集進(jìn)行計算，獲得該新的用戶最經(jīng)常或最可能的進(jìn)行生產(chǎn)經(jīng)營活動的地理位置。