[發明專利]用戶識別方法、裝置、存儲介質和處理器

在審

• 申請號: 201910339945.9
• 申請日: 2019-04-25
• 公開（公告）號: CN110188796A
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 李剛毅;文詩奇;李瑋巍
• 申請（專利權）人: 博彥科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/906;G06F16/9535
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙囡囡

1.一種用戶識別方法，其特征在于，包括：

獲取用戶的多維特征信息；

將所述多維特征信息轉換為多維數組，其中，所述多維數組中的數值處于預定取值區間內；

根據預定機器學習模型對所述多維數組進行分析，識別所述多維數組對應的用戶類型，其中，所述預定機器學習模型為通過機器學習對至少一組訓練數據進行訓練得到的，每組所述訓練數據包括：多維數組和多維數組對應的用戶類型。

2.根據權利要求1所述的方法，其特征在于，所述多維特征信息包括：第一特征信息、第二特征信息和第三特征信息，將所述多維特征信息轉換為多維數組包括：

根據所述第一特征信息和所述第二特征信息確定所述多維數組的平面尺寸；

根據所述第三特征信息確定所述多維數組的深度。

3.根據權利要求1所述的方法，其特征在于，獲取用戶的多維特征信息包括：

獲取所述用戶的歷史活躍數據，其中，所述歷史活躍數據至少包括：時間信息、特征類型、和用戶在不同時間，針對不同特征類型的多個特征參數；

過濾所述歷史活躍數據中的無效數據，并篩選所述特征參數，得到所述多維特征信息。

4.根據權利要求3所述的方法，其特征在于，獲取所述用戶的歷史活躍數據之后，所述方法還包括：

根據所述時間信息和所述特征參數的統計分布特征對所述歷史活躍數據進行歸一化處理，得到歸一化數據，其中，所述歸一化數據用于表示所述用戶基于同一時間線，針對不同特征類型的特征參數。

5.一種用戶識別裝置，其特征在于，包括：

獲取單元，用于獲取用戶的多維特征信息；

轉換單元，用于將所述多維特征信息轉換為多維數組，其中，所述多維數組中的數值處于預定取值區間內；

識別單元，用于根據預定機器學習模型對所述多維數組進行分析，識別所述多維數組對應的用戶類型，其中，所述預定機器學習模型為通過機器學習對至少一組訓練數據進行訓練得到的，每組所述訓練數據包括：多維數組和多維數組對應的用戶類型。

6.根據權利要求5所述的裝置，其特征在于，所述多維特征信息包括：第一特征信息、第二特征信息和第三特征信息，所述轉換單元包括：

第一確定模塊，用于根據所述第一特征信息和所述第二特征信息確定所述多維數組的平面尺寸；

第二確定模塊，用于根據所述第三特征信息確定所述多維數組的深度。

7.根據權利要求5所述的裝置，其特征在于，所述獲取單元包括：

第一獲取模塊，用于獲取所述用戶的歷史活躍數據，其中，所述歷史活躍數據至少包括：時間信息、特征類型、和用戶在不同時間，針對不同特征類型的多個特征參數；

過濾模塊，用于過濾所述歷史活躍數據中的無效數據，并篩選所述特征參數，得到所述多維特征信息。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：

處理模塊，用于在獲取所述用戶的歷史活躍數據之后，根據所述時間信息和所述特征參數的統計分布特征對所述歷史活躍數據進行歸一化處理，得到歸一化數據，其中，所述歸一化數據用于表示所述用戶基于同一時間線，針對不同特征類型的特征參數。

9.一種存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，所述程序執行權利要求1至4中任意一項所述的用戶識別方法。

10.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序運行時執行權利要求1至4中任意一項所述的用戶識別方法。