[發明專利]識別常見關聯關系的方法及系統

有效

• 申請號: 202010219522.6
• 申請日: 2020-03-25
• 公開（公告）號: CN111581235B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 李君陽
• 申請（專利權）人: 貝殼找房（北京）科技有限公司
• 主分類號: G06F16/245
• 分類號: G06F16/245
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 張秀程

本發明實施例提供一種識別常見關聯關系的方法及系統，其中方法包括從數據庫中選取基礎樣本；將所述基礎樣本的m種標識中的第i種標識作為第一標識，將所述基礎樣本中除所述第一標識外的任意一種標識作為第二標識；從數據庫中查找與所述基礎樣本的第一標識關聯的N個樣本，結合所述基礎樣本構建第一樣本集，從數據庫中獲取第二樣本集；獲取所述第一樣本集和第二樣本集中所有樣本的用戶行為日志，根據所述用戶行為日志，從第一樣本集中確定目標樣本，所述目標樣本為用于表征所述第一標識與所述第二標識呈常見關聯關系的樣本。本發明實施例相比現有技術的查找效率大幅提高，并且通過驗證，準確率達到98％，召回率達到87％。

技術領域

本發明涉及大數據檢索技術領域，更具體地，涉及識別常見關聯關系的方法及系統。

背景技術

隨著通信技術的不斷發展，使用應用程序越來越便利，而注冊應用程序和登錄應用程序是使用應用程序必須要完成的步驟，目前很多應用程序對于注冊應用程序以及登錄應用程序并沒有做成較多的限制，比如一個身份證號、手機號等信息可以注冊一個應用程序的多個賬號，而一個賬號也被允許登錄多臺電子設備。

應用程序在使用時通常會在后臺采集一些用戶標識，例如應用程序所在的電子設備的唯一標識——比如手機的IMEI碼(International Mobile Equipment Identity，國際移動設備識別碼)、應用程序的賬號信息、注冊該賬號信息的手機號、身份證號碼、照片等等。

目前常見的用戶識別主要通過采集用戶的姓名、身份證號，再通過手機號、設備號等與身份證號的共現，來判斷上述id背后的用戶是否為同一人。但該方法主要有兩點問題：

1.身份證號獲取困難，只有銀行、金融等行業才可合法采集，這就導致獲取的注冊信息并不準確。

2.不同標識信息的共用情況較為常見，比如手機號和設備IMEI碼共現，僅通過共現的方式進行標識的歸屬判別，會帶來大量的錯誤。

發明內容

本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的識別常見關聯關系的方法及系統。

第一個方面，本發明實施例提供一種識別常見關聯關系的方法，包括：

從數據庫中選取基礎樣本，所述數據庫中的樣本均記錄M種標識，所述基礎樣本記錄的m種標識在所述數據庫中呈多關聯關系；

將所述基礎樣本的m種標識中的第i種標識作為第一標識，將所述基礎樣本中除所述第一標識外的任意一種標識作為第二標識；

從數據庫中查找與所述基礎樣本的第一標識關聯的N個樣本，結合所述基礎樣本構建第一樣本集，從數據庫中獲取第二樣本集，所述第二樣本集中的樣本記錄的M種標識在所述數據庫中呈唯一關聯關系；

獲取所述第一樣本集和第二樣本集中所有樣本的用戶行為日志，根據所述用戶行為日志，從第一樣本集中確定目標樣本，所述目標樣本為用于表征所述第一標識與所述第二標識呈常見關聯關系的樣本；

其中，1≤i≤m；2≤M；m≤M；1≤N；i、m、M和N均為整數。

進一步地，所述根據所述用戶行為日志，從第一樣本集中確定目標樣本，具體為：

根據所述第一樣本集中的樣本的用戶行為日志以及所述第二樣本集中所有樣本的用戶行為日志，計算所述第一樣本集中的樣本與所述第二樣本集的相似度，作為所述第一樣本集中的樣本記錄的第一標識與第二標識呈常見關聯關系的概率，將第一樣本集中具有最高概率的樣本作為所述目標樣本。

進一步地，所述計算所述第一樣本集中的樣本與所述第二樣本集的相似度，具體為：

對所述第一樣本集和第二樣本集中的任意一個樣本，根據所述樣本的用戶行為日志，獲得所述樣本的樣本特征；