换设备用户的识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请提出一种换设备用户的识别方法、装置、计算机设备和存储介质，其中，方法包括：获取各设备的设备信息；根据设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；根据设备信息中的登录信息，将目标设备对划分为正样本和负样本；属于正样本的目标设备对具有相同的登录信息，属于负样本的目标设备对具有不同的登录信息；采用正样本和负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。由此，基于机器学习方法对不同设备进行识别，可以确定属于同一换设备用户，即同一自然人的两设备，从而对属于同一自然人的两设备中的用户行为数据进行提取，可以最大化地丰富用户的行为。

Identification method, device, computer equipment and storage medium of equipment changing user

【技术实现步骤摘要】
换设备用户的识别方法、装置、计算机设备和存储介质
本申请涉及互联网和机器学习
，尤其涉及一种换设备用户的识别方法、装置、计算机设备和存储介质。
技术介绍
目前，可以根据用户的行为模式向用户推荐较为精准的服务。其中，用户的行为模式对于推荐来说尤为关键，当行为越丰富时，得到的用户的实际意图越精准，由此服务提供者可以针对该实际意图进行针对性的服务推荐。然而，当出现冷启动用户时，在该用户行为极为稀疏的情况下，对用户意图的识别的准确性则难以保证，可能会出现较大的误差。例如，如果冷启动用户在此之前为非冷启动的，那么当出现冷启动用户时，就表明该用户的行为未被完整地关联起来。举例而言，一个用户拥有两台虚拟设备，分别为设备X和设备Y，其中，设备X的行为较为丰富，而设备Y是一个冷启动设备，行为极少。在实际情况下，设备X和设备Y属于同一个自然人，只是在进行数据采集的时候，并未将设备X和设备Y进行关联，由此导致了冷启动用户的出现。对于行为丰富度而言，当将设备X和设备Y关联起来后，行为丰富度增大，服务提供者对于该自然人的意图可以精准定位。相关技术中，在通用场景下，通过在时间重合度内采集到的行为，来预测是否为同一个自然人。这种方式下，只有在时间重合度内同时采集到该自然人的行为，且行为要有一定的相似性，才能对其进行预测，条件极为苛刻，即只能针对相同时间段内同时有行为的用户。当冷启动用户出现时，无法全面分析用户的个性化特征，对用户的信息掌握不全，最终出现空投行为。因此，针对这类冷启动用户，如何丰富其行为模式，提升意图定位的准确性，成为亟待解决的难题。
技术实现思路
本申请提出一种换设备用户的识别方法、装置、计算机设备和存储介质，以实现针对换设备场景下的自然人预测，将用户的实际所有行为进行关联，从而得到准确的行为模式，提升用户意图识别的准确性。本申请第一方面实施例提出了一种换设备用户的识别方法，包括：获取各设备的设备信息；根据所述设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；根据所述设备信息中的登录信息，将所述目标设备对划分为正样本和负样本；其中，属于所述正样本的目标设备对具有相同的登录信息，属于所述负样本的目标设备对具有不同的登录信息；采用所述正样本和所述负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。本申请实施例的换设备用户的识别方法，通过获取各设备的设备信息，并根据设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对，之后，根据设备信息中的登录信息，将目标设备对划分为正样本和负样本；其中，属于正样本的目标设备对具有相同的登录信息，属于负样本的目标设备对具有不同的登录信息，最后，采用正样本和负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。由此，基于机器学习方法对不同设备进行识别，可以确定属于同一换设备用户，即同一自然人的两设备，从而对属于同一自然人的两设备中的用户行为数据进行提取，可以最大化地丰富用户的行为，从而服务提供者可以通过对丰富后的行为模式进行丰富，进而准备地识别自然人的意图，为其提供个性化业务服务和推荐，提升用户体验，并且，从而最大可能地避免空投和对用户的错误分析的情况。本申请第二方面实施例提出了一种换设备用户的识别装置，包括：获取模块，用于获取各设备的设备信息；确定模块，用于根据所述设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；划分模块，用于根据所述设备信息中的登录信息，将所述目标设备对划分为正样本和负样本；其中，属于所述正样本的目标设备对具有相同的登录信息，属于所述负样本的目标设备对具有不同的登录信息；识别模块，用于采用所述正样本和所述负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。本申请实施例的换设备用户的识别装置，通过获取各设备的设备信息，并根据设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对，之后，根据设备信息中的登录信息，将目标设备对划分为正样本和负样本；其中，属于正样本的目标设备对具有相同的登录信息，属于负样本的目标设备对具有不同的登录信息，最后，采用正样本和负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。由此，基于机器学习方法对不同设备进行识别，可以确定属于同一换设备用户，即同一自然人的两设备，从而对属于同一自然人的两设备中的用户行为数据进行提取，可以最大化地丰富用户的行为，从而服务提供者可以通过对丰富后的行为模式进行丰富，进而准备地识别自然人的意图，为其提供个性化业务服务和推荐，提升用户体验，并且，从而最大可能地避免空投和对用户的错误分析的情况。本申请第三方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本申请第一方面实施例提出的换设备用户的识别方法。本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请第一方面实施例提出的换设备用户的识别方法。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例一提供的换设备用户的识别方法的流程示意图；图2为本申请实施例中设备信息的采集过程示意图；图3为本申请实施例二所提供的换设备用户的识别方法的流程示意图；图4为本申请实施例中换设备场景示意图一；图5为本申请实施例中换设备场景示意图二；图6为本申请实施例三所提供的换设备用户的识别方法的流程示意图；图7为本申请实施例四所提供的换设备用户的识别装置的结构示意图；图8为本申请实施例五所提供的换设备用户的识别装置的结构示意图；图9示出了适于用来实现本申请实施方式的示例性计算机设备的框图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。为了丰富用户的行为，进一步提升意图定位的准确性，本申请提出了一种基于机器学习的换设备用户的识别方法，针对换设备场景下的自然人预测，将用户的实际所有行为进行关联，从而得到准确的行为模式，提升用户意图识别的准确性。下面参考附图描述本申请实施例的换设备用户的识别方法、装置、计算机设备和存储介质。图1为本申请实施例一所提供的换设备用户的识别方法的流程示意图。本申请实施例以该换设备用户的本文档来自技高网...

【技术保护点】
1.一种换设备用户的识别方法，其特征在于，所述方法包括以下步骤：/n获取各设备的设备信息；/n根据所述设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；/n根据所述设备信息中的登录信息，将所述目标设备对划分为正样本和负样本；其中，属于所述正样本的目标设备对具有相同的登录信息，属于所述负样本的目标设备对具有不同的登录信息；/n采用所述正样本和所述负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。/n

【技术特征摘要】
1.一种换设备用户的识别方法，其特征在于，所述方法包括以下步骤：
获取各设备的设备信息；
根据所述设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；
根据所述设备信息中的登录信息，将所述目标设备对划分为正样本和负样本；其中，属于所述正样本的目标设备对具有相同的登录信息，属于所述负样本的目标设备对具有不同的登录信息；
采用所述正样本和所述负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。


2.根据权利要求1所述的识别方法，其特征在于，所述根据所述设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对，包括：
根据所述设备信息中的地理位置，对各设备聚类得到地理位置相似的候选设备，采用同一数据桶存储所述候选设备的设备信息；
根据所述设备信息中的用户行为数据，从所述同一数据桶中确定相似的用户行为数据；
将所述相似的用户行为数据对应的两候选设备作为所述目标设备对。


3.根据权利要求2所述的识别方法，其特征在于，所述用户行为数据用于指示搜索、订阅和/或关注行为。


4.根据权利要求1所述的识别方法，其特征在于，所述从各设备中确定设备信息相似的目标设备对之后，还包括：
根据所述设备信息中的活跃时段，对所述目标设备对进行筛选，以保留活跃时段重叠的目标设备对，以及保留活跃时段间隔在设定时长内的目标设备对。


5.根据权利要求1-4任一项所述的识别方法，其特征在于，所述采用训练后的神经网络模型识别不同设备属于同一换设备用户，包括：
针对获取到设备信息的各设备，将除所述目标设备对以外的其余设备作为待识别设备；
对两待识别设备的设备信息进行特征提取，将提取的特征输入所述神经网络模型，以使所述神经网络模型根据两待识别设备的特征之间相似度，确定所述两待识别设备是否为换设备前后的两设备。


6.一种换设备用户的识别装置，其特征在于，所述装置包括：
获取模块，用于获取各设备的设备信息；
确定模块，用于根据所...

【专利技术属性】
技术研发人员：孙杰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11