[發(fā)明專利]用戶軌跡識別方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110732370.4
• 申請日: 2021-06-30
• 公開（公告）號: CN113177101B
• 公開（公告）日: 2021-11-12
• 發(fā)明（設(shè)計(jì)）人: 張霖;徐賽奕;朱磊;趙文婕
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/35;G06F16/901;G06F40/216;G06F40/242;G06F40/289;G06K9/62;G06N3/04;G06N3/08;H04W4/029;G01S19/14;G06F16/215
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 姚維

1.一種用戶軌跡識別方法，其特征在于，所述用戶軌跡識別方法包括：

獲取用戶在待識別時(shí)間段的原始wifi數(shù)據(jù)和gps信息，其中，所述原始wifi數(shù)據(jù)包括wifi連接時(shí)間、Wifi名稱數(shù)據(jù)、位置指紋和wifiid；

對所述原始wifi數(shù)據(jù)中的Wifi名稱數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到待識別數(shù)據(jù)；

將所述待識別數(shù)據(jù)與預(yù)設(shè)的專家規(guī)則詞典中的地點(diǎn)單詞進(jìn)行匹配；

若匹配成功，則將所述待識別數(shù)據(jù)匹配成功的地點(diǎn)單詞對應(yīng)的地點(diǎn)類別作為一次識別結(jié)果，得到所述待識別數(shù)據(jù)的地點(diǎn)類別；

若匹配失敗，則將所述一次識別結(jié)果設(shè)為識別失敗，將所述待識別數(shù)據(jù)輸入至預(yù)先訓(xùn)練好的wifi識別模型中的詞向量層，將所述待識別數(shù)據(jù)轉(zhuǎn)化成詞向量序列，其中，所述Wifi識別模型基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建；

將所述詞向量輸入至所述wifi識別模型中的最大池化層，得到最大池化結(jié)果；

將所述最大池化結(jié)果輸入至所述wifi識別模型中的全連接隱藏層，并通過Softmax函數(shù)，對所述全連接隱藏層的輸出結(jié)果進(jìn)行分類，得到二次識別結(jié)果，其中，所述二次識別結(jié)果包括所述待識別數(shù)據(jù)的地點(diǎn)類別；

將所述待識別時(shí)間段根據(jù)所述原始wifi數(shù)據(jù)的wifi連接時(shí)間進(jìn)行切片劃分，得到至少一段wifi連接時(shí)間段；

根據(jù)所述待識別時(shí)間段中各原始wifi數(shù)據(jù)與各待識別數(shù)據(jù)的對應(yīng)關(guān)系，確定各原始wifi數(shù)據(jù)對應(yīng)的地點(diǎn)類別；

根據(jù)所述原始wifi數(shù)據(jù)的地點(diǎn)類別和所述原始wifi數(shù)據(jù)中的wifiid對所述wifi連接時(shí)間段進(jìn)行標(biāo)注，得到用戶位置標(biāo)注信息；

根據(jù)所述位置指紋和所述gps信息，對所述用戶進(jìn)行定位，并結(jié)合所述用戶位置標(biāo)注信息生成所述用戶的用戶軌跡。

2.根據(jù)權(quán)利要求1所述的用戶軌跡識別方法，其特征在于，所述對所述原始wifi數(shù)據(jù)中的Wifi名稱數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到待識別數(shù)據(jù)包括：

對所述wifi名稱數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗處理，得到數(shù)據(jù)清洗結(jié)果；

將所述數(shù)據(jù)清洗結(jié)果中的wifi名稱數(shù)據(jù)進(jìn)行分詞處理，得到wifi分詞數(shù)組；

將所述wifi分詞數(shù)組中的停用詞進(jìn)行剔除，得到待識別數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的用戶軌跡識別方法，其特征在于，所述將所述數(shù)據(jù)清洗結(jié)果中的wifi名稱數(shù)據(jù)進(jìn)行分詞處理，得到wifi分詞數(shù)組包括：

對所述數(shù)據(jù)清洗結(jié)果中的wifi名稱數(shù)據(jù)進(jìn)行單字切分，得到序列數(shù)組；

根據(jù)預(yù)設(shè)的前綴詞典，構(gòu)建所述序列數(shù)組的有向無回圖，并分別計(jì)算所述有向無回圖中各路徑的概率；

根據(jù)所述有向無回圖中最大概率對應(yīng)的路徑，得到最優(yōu)分詞結(jié)果，并根據(jù)所述最優(yōu)分詞結(jié)果對所述數(shù)據(jù)清洗結(jié)果中的wifi名稱數(shù)據(jù)進(jìn)行分詞，得到wifi分詞數(shù)組。

4.根據(jù)權(quán)利要求1-3中任一項(xiàng)所述的用戶軌跡識別方法，其特征在于，所述wifi識別模型通過以下步驟訓(xùn)練得到：

獲取歷史wifi數(shù)據(jù)和預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，并初始化所述神經(jīng)網(wǎng)絡(luò)模型中詞向量層、最大池化層和全連接隱藏層的網(wǎng)絡(luò)參數(shù)，所述歷史wifi數(shù)據(jù)包括人工標(biāo)識的地點(diǎn)類別；

將所述歷史wifi數(shù)據(jù)輸入所述神經(jīng)網(wǎng)絡(luò)模型中，得到預(yù)測的地點(diǎn)類別；

根據(jù)所述歷史wifi數(shù)據(jù)通過人工標(biāo)識的地點(diǎn)類別和通過神經(jīng)網(wǎng)絡(luò)模型預(yù)測的地點(diǎn)類別，計(jì)算預(yù)設(shè)的損失函數(shù)，得到損失值，并判斷所述損失值是否小于預(yù)設(shè)閾值；

若是，則根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型中詞向量層、最大池化層和全連接隱藏層的網(wǎng)絡(luò)參數(shù)確定wifi識別模型；

若否，則根據(jù)所述損失值通過反向傳播算法更新所述神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，反復(fù)迭代模型訓(xùn)練過程，直至損失值小于預(yù)設(shè)閾值，并確定訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型的中詞向量層、最大池化層和全連接隱藏層的網(wǎng)絡(luò)參數(shù)確定wifi識別模型。