[發明專利]設備間用戶識別方法、系統、計算機設備及存儲介質在審
| 申請號： | 202011517605.X | 申請日： | 2020-12-21 |
| 公開（公告）號： | CN112559872A | 公開（公告）日： | 2021-03-26 |
| 發明（設計）人： | 付金偉 | 申請（專利權）人： | 上海明略人工智能（集團）有限公司 |
| 主分類號： | G06F16/9535 | 分類號： | G06F16/9535;G06K9/62 |
| 代理公司： | 青島清泰聯信知識產權代理有限公司 37256 | 代理人： | 趙燕 |
| 地址： | 200030 上海市徐匯區*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 設備 用戶 識別 方法 系統 計算機 存儲 介質 | ||
1.一種設備間用戶識別方法，其特征在于，包括：
構建訓練集和測試集步驟：使用已知用戶的設備id和cookie的匹配對構建訓練集，使用日志的記錄集合構建測試集；
計算ip私密度步驟：根據所述訓練集及所述測試集通過基于半監督學習的迭代式方法獲得ip私密度；
生成候選集步驟：根據所述訓練集、所述測試集及所述ip私密度獲得候選集；
相似度向量獲得步驟：計算所述候選集的屬性相似度，并構成多維度的相似度向量；
獲得候選對相似度步驟：使用所述訓練集訓練XGBoost模型，根據所述相似度向量通過所述訓練后的XGBoost模型得到候選對以及候選對的相似度；
節點聚類步驟：根據所述候選對的相似度創建相似度圖，在相似度圖上使用圖聚類算法，將不同的節點進行聚類，在一個類中的節點屬于同一個用戶。
2.如權利要求1所述的設備間用戶識別方法，其特征在于，所述計算ip私密度步驟包括：
打通結果集合初始化步驟：將所述訓練集的數據作為打通結果集合的初始化；
構建ip的倒排索引步驟：構建預測集合中ip的倒排索引；
計算ip私密度步驟：根據公式pri(IPi)＝sum_max(IPi，m)/∑ci計算ip私密度，其中IPi為倒排索引，sum_max(IPi，m)為IPi對應的前m個最大的的和；
計算ip集合相似度步驟：整合用戶、設備和Cookie信息后計算ip集合相似度；
更新ip私密度步驟：根據所述ip集合相似度對所述ip私密度進行更新。
3.如權利要求1所述的設備間用戶識別方法，其特征在于，所述生成候選集步驟包括：
id和cookie信息進行整合步驟：將所述訓練集中的用戶信息以及所述測試集中的設備id和cookie信息進行整合獲得整合信息；
候選集生成步驟：對所述整合信息進行判斷后構建所述候選集。
4.如權利要求1所述的設備間用戶識別方法，其特征在于，所述相似度向量獲得步驟包括：根據設備特征、ip特征、多層次時間周期及媒體行為特征計算所述候選集的屬性相似度，并構成多維度的相似度向量。
5.一種設備間用戶識別系統，其特征在于，包括：
構建訓練集和測試集模塊，所述構建訓練集和測試集模塊使用已知用戶的設備id和cookie的匹配對構建訓練集，使用日志的記錄集合構建測試集；
計算ip私密度模塊，所述計算ip私密度模塊根據所述訓練集及所述測試集通過基于半監督學習的迭代式方法獲得ip私密度；
生成候選集模塊，所述生成候選集模塊根據所述訓練集、所述測試集及所述ip私密度獲得候選集；
相似度向量獲得模塊，所述相似度向量獲得模塊計算所述候選集的屬性相似度，并構成多維度的相似度向量；
獲得候選對相似度模塊，所述獲得候選對相似度模塊使用所述訓練集訓練XGBoost模型，根據所述相似度向量通過所述訓練后的XGBoost模型得到候選對以及候選對的相似度；
節點聚類模塊，所述節點聚類模塊根據所述候選對的相似度創建相似度圖，在相似度圖上使用圖聚類算法，將不同的節點進行聚類，在一個類中的節點屬于同一個用戶。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海明略人工智能（集團）有限公司，未經上海明略人工智能（集團）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011517605.X/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種主動學習自迭代的圖像分類方法和系統
- 下一篇：鋼索塔的自爬式安裝系統
