[發明專利]一種支持用戶私有IP發現的跨屏追蹤方法

有效

• 申請號: 201810826981.3
• 申請日: 2018-07-25
• 公開（公告）號: CN108924246B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 申德榮;亓建順;聶鐵錚;寇月;于戈
• 申請（專利權）人: 東北大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06F16/9535;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 劉曉嵐

本發明提供一種支持用戶私有IP發現的跨屏追蹤方法，涉及數據質量和數據集成技術領域。該方法首先基于半監督學習的迭代式方法計算數據集中所有IP的用戶私有IP概率；并基于用戶私有IP概率生成候選集；計算候選集中候選對上的各屬性的TF?IDF相似度和關聯相似度以及IP屬性上的PIPSim相似度，得到候選對的屬性相似度向量；利用GBRT模型預測候選對的相似度；最后基于得到的相似度生成相似度圖，使用圖聚類算法進行用戶聚類。本發明提供的支持用戶私有IP發現的跨屏追蹤方法，綜合考慮了設備、Cookie和已知用戶之間的用戶識別，相比于其他的跨屏追蹤方法，在準確率、召回率以及F?0.5值上都有較大幅度的提升。

技術領域

本發明涉及數據質量和數據集成技術領域，尤其涉及一種支持用戶私有IP發現的跨屏追蹤方法。

背景技術

隨著智能設備的興起，互聯網用戶可能會使用多臺設備同時瀏覽網頁，這對廣告商和網站主的個性化服務造成了很大的困擾。對于同時使用電腦和手機的用戶，廣告商不能依據電腦端的瀏覽記錄在用戶的手機端推送廣告，造成廣告推送的割裂，這對廣告商會造成巨大的利潤損失；而網站主會由于不能推送用戶的興趣點而造成用戶粘度下降，損失用戶。

跨屏追蹤是根據網絡日志識別同一互聯網用戶的多臺設備。對于用戶的手機、Pad等移動端設備可以使用設備號(如安卓設備的IMEI號和蘋果設備的IDFA號)來唯一標識一臺設備，設備號和移動設備之間是一一對應的關系；對于用戶PC，可以使用用戶瀏覽網頁的Cookie來唯一標識PC，但是同一PC可能會對應多個Cookie，PC和Cookie之間是一對多的關系。跨屏追蹤就是識別哪些設備和哪些Cookie屬于同一個用戶。

現有的跨屏追蹤方法主要分為四個過程：候選集生成、特征工程、模型訓練和后期處理。

對于候選集生成過程，由于服務器日志數量巨大，候選集生成過程直接影響了跨屏追蹤的效率。現有方法主要使用IP來生成候選集，將使用過同一IP的Cookie和設備作為候選對。然而并不是所有的IP都能用于候選集生成，對于有大量設備和Cookie接入的IP不能用于候選集生成。使用這種IP生成候選集將導致候選集的準確率大大降低。且這種基于設備和Cookie數量的生成方法具有數據敏感性，需要針對不同的數據集設計不同的生成規則，不具有通用性；而且現有的候選集生成方法只能保證較高的召回率，具有準確率比較低的局限性。

同時，現有跨屏追蹤方法中主要將跨屏追蹤問題看作是一個二分圖問題，只對移動設備和Cookie進行用戶識別，沒有考慮Cookie和Cookie的用戶識別，也沒有充分利用已知用戶的信息，導致預測結果的召回率偏低。如圖1所示，已知Cookie₁、Cookie₂屬于同一用戶u₁，p_ij表示設備dev_i和cookie_j屬于同一用戶的概率，表示設備dev_i與用戶u₁屬于同一用戶的概率。由于現有的用戶識別過程沒有對Cookie₁和Cookie₂的信息進行聚合，可能會認為dev₁、Cookie₁以及Cookie₂不屬于同一用戶，造成召回率降低；假設dev₁、Cookie₃和Cookie₄也屬于同一用戶，通過圖1，可能會認為dev₁和Cookie₄屬于同一用戶，而dev₁和Cookie₃不屬于同一用戶，造成召回率降低。

發明內容

針對現有技術的缺陷，本發明提供一種支持用戶私有IP發現的跨屏追蹤方法，實現對服務器日志的用戶識別。

一種支持用戶私有IP發現的跨屏追蹤方法，包括以下步驟：