CN104715007A - 用户标识方法及装置 - Google Patents

Abstract

本公开是关于用户标识方法及装置，用于提高用户标识的智能化。所述方法包括：预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；使用所述用户的特征类别的名称对用户进行标识。本公开能够根据相册中图片得出用户特征，使用图片所属类别标识用户，增加用户标识与用户特征间关联，通过用户标识便可直观获得用户特征，提高了用户标识的智能化。

Description

用户标识方法及装置

技术领域

本公开涉及计算机技术领域，尤其涉及用户标识方法及装置。

背景技术

在终端的各种应用中会使用用户，通常需要对用户进行标识。相关技术中，通常使用无内容含义的代码作为用户标识。例如，对于云端相册的用户，服务器中对各个用户生成一个多位代码，使用该多位代码作为标签来标识用户。相关技术的缺陷在于，用于标识用户的标签与用户自身特征间没有关联，通过用户标签无法获知用户特征。

发明内容

为克服相关技术中存在的问题，本公开实施例提供用户标识方法及装置，用于提高用户标识的智能化。

根据本公开实施例的第一方面，提供一种用户标识方法，包括：

预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；

从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

使用所述用户的特征类别的名称对用户进行标识。

在一实施例中，所述利用分类算法确定用户的相册中各个图片所属类别，可包括：

根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；

使用判定模型判定用户的相册中各个图片所属类别。

在一实施例中，所述根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，所述方法还可包括：

将预设训练集中样本图片归一化为同一分辨率。

在一实施例中，所述选择所包含的用户的图片的数量满足预设条件的类别，可包括：

选择所包含的用户的图片的数量大于预设阈值的类别；或者，

选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

在一实施例中，所述使用用户的特征类别的名称对用户进行标识，可包括：

当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。

在一实施例中，所述方法还可包括：识别所述用户的标识，根据所述用户的标识向所述用户推送信息。

根据本公开实施例的第二方面，提供一种用户标识装置，包括：

分类模块，用于预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；

选择模块，用于从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

标识模块，用于使用所述用户的特征类别的名称对用户进行标识。

在一实施例中，所述分类模块，可包括：

训练子模块，用于根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；

判定子模块，用于使用判定模型判定用户的相册中各个图片所属类别。

在一实施例中，所述装置还可包括：

归一化模块，用于在所述训练子模块根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，将预设训练集中样本图片归一化为同一分辨率。

在一实施例中，所述选择模块，可包括：

第一选择子模块，用于选择所包含的用户的图片的数量大于预设阈值的类别；或者，

第二选择子模块，用于选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

在一实施例中，所述标识模块，可包括：

标识子模块，用于当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。

在一实施例中，所述装置还可包括：

推送模块，用于识别所述用户的标识，根据所述用户的标识向所述用户推送信息。

根据本公开实施例的第三方面，提供一种用户标识装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；

从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

使用所述用户的特征类别的名称对用户进行标识。

本公开的实施例提供的技术方案可以包括以下有益效果：本公开中对用户的相册中图片进行分类，根据相册中图片所属类别对用户进行标识，如此，能够根据相册中图片得出用户特征，使用图片所属类别标识用户，增加用户标识与用户特征间关联，通过用户标识便可直观获得用户特征，提高了用户标识的智能化。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的用户标识方法的流程图。

图2是根据一示例性实施例示出的用户标识方法的流程图。

图3是根据一示例性实施例示出的一种用户标识装置的框图。

图4是根据一示例性实施例示出的另一种用户标识装置的框图。

图5是根据一示例性实施例示出的另一种用户标识装置的框图。

图6是根据一示例性实施例示出的另一种用户标识装置的框图。

图7是根据一示例性实施例示出的一种适用于用户标识装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种用户标识方法的流程图。如图1所示，该用户标识方法用于各种设备如服务器、个人电脑、手机和平板电脑中，包括以下步骤S101-S103：

在步骤S101中，预先设定多个图片的类别，利用分类算法确定相册中各个图片所属类别。

举例而言，预设多个图片的类别，例如，美食家、骑行者、聚会爱好者、风景旅游者、夜店狂。对于用户的相册中每个图片，利用分类算法确定该图片属于预设的类别中的哪个类别。

在一实施例中，上述利用分类算法确定相册中各个图片所属类别可包括如下步骤A1-A2：

在步骤A1中，根据分类算法使用预设训练集中样本图片进行分类训练，得到判定模型。

在步骤A2中，使用判定模型判定用户的相册中各个图片所属类别。

在一实施例中，步骤A1前还可包括：将预设训练集中样本图片归一化为同一分辨率。

举例而言，针对预设的多个图片的类别，预设训练集中样本图片，训练集中包含属于各个类型的样本图片，训练集中样本图片的数量可以为10万至100万张。将训练集中图片的分辨率进行归一化，例如，将各个图片的分辨率归一化为300×N，N为预设整数值。根据分类算法，例如SVM(支持向量机，Support Vector Machine)算法或深度学习算法，使用预设训练集中样本图片进行分类训练，得到判定模型。使用判定模型判定用户的相册中各个图片所属类别。

在步骤S102中，从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别。

在一实施例中，上述选择所包含的用户的图片的数量满足预设条件的类别可包括：选择所包含的用户的图片的数量大于预设阈值的类别。

举例而言，针对预设的类别，美食家、骑行者、聚会爱好者、风景旅游者、夜店狂，选择所包含的用户的图片的数量大于100张的类别作为用户的特征类别。例如，类别夜店狂中所包含的用户的图片的数量大于100张，则选择类别夜店狂作为用户的特征类别。

在一实施例中，上述选择所包含的用户的图片的数量满足预设条件的类别可包括：选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

举例而言，针对预设的类别，美食家、骑行者、聚会爱好者、风景旅游者、夜店狂，选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于5％的类别作为用户的特征类别。例如，类别美食家中包含的用户的图片的数量与用户相册中图片总量比值大于5％，则选择类别美食家作为用户的特征类别。

对于类别的选择，不限于上述实施例中选择方式，还可以使用其他方式选择类别。

在步骤S103中，使用用户的特征类别的名称对用户进行标识。

在一实施例中，步骤S103可包括：当特征类别为多个时，将各个特征类别的名称组合成标签，使用标签标识用户。

举例而言，用户的特征类别为骑行者和风景旅游者，将两个特征类别的名称组合为“骑行者+风景旅游者”，使用标签“骑行者+风景旅游者”对用户进行标识。

如此，能够通过用户标识获得用户的多个特征。

在一实施例中，本公开中方法还可包括：识别用户的标识，根据用户的标识向用户推送信息。

例如，用户的标识为“骑行者”，则根据用户标识向用户推送与自助旅游景点相关的信息，或者与GPS(全球定位系统)行程导航相关的应用APP。

又例如，用户的标识为“美食家”，则根据用户标识向用户推送与餐馆团购相关的信息，或者与网上用餐预约相关的应用APP。

本公开的实施例提供的技术方案可以包括以下有益效果：本公开中对用户的相册中图片进行分类，根据相册中图片所属类别对用户进行标识，如此，能够根据相册中图片得出用户特征，使用图片所属类别标识用户，增加用户标识与用户特征间关联，通过用户标识便可直观获得用户特征，提高了用户标识的智能化。

图2是根据一示例性实施例示出的一种用户标识方法的流程图。本实施例应用在如下场景：云端服务器对云相册用户进行标识，预设的图片的类别包括美食家、骑行者、聚会爱好者、风景旅游者、以及夜店狂；预设训练集，训练集中包括各个类别的图片。如图2所示，包括以下步骤：

在步骤S201中，将预设训练集中样本图片归一化为同一分辨率。

例如，将各个图片的分辨率归一化为300×N，N为预设整数值。

在步骤S202中，根据支持向量机算法SVM使用预设训练集中样本图片进行分类训练，得到判定模型。

在步骤S203中，使用判定模型判定用户的云相册中各个图片所属类别。

例如，使用判定模型判定用户的云相册中各个图片属于预设的多个类别中哪一类。

在步骤S204中，从各个类别中，选择所包含的云相册的图片的数量大于预设阈值的类别，作为用户的特征类别。

例如，类别夜店狂和聚会爱好者中所包含的云相册的图片的数量大于50张，则选择类别夜店狂和聚会爱好者作为用户的特征类别。

在步骤S205中，当特征类别为多个时，将各个特征类别的名称组合成标签，使用标签标识用户。

举例而言，将两个特征类别夜店狂和聚会爱好者的名称组合为“夜店狂+聚会爱好者”，使用标签“夜店狂+聚会爱好者”对云相册的用户进行标识。

在步骤S206中，识别用户的标识，根据用户的标识向用户推送信息。

例如，用户的标识为“骑行者”，则根据用户标识向用户推送与自助旅游景点相关的信息，或者与GPS(全球定位系统)行程导航相关的应用APP。

又例如，用户的标识为“美食家”，则根据用户标识向用户推送与餐馆团购相关的信息，或者与网上用餐预约相关的应用APP。

本公开的实施例提供的技术方案可以包括以下有益效果：本公开中对用户的相册中图片进行分类，根据相册中图片所属类别对用户进行标识，如此，能够根据相册中图片得出用户特征，使用图片所属类别标识用户，增加用户标识与用户特征间关联，通过用户标识便可直观获得用户特征，提高了用户标识的智能化。

图3是根据一示例性实施例示出的用户标识装置的框图。如图3所示，该用户标识装置用于各种设备，如服务器、个人电脑、手机和平板电脑中，包括：

分类模块31被配置为预先设定多个图片的类别中，利用分类算法确定用户的相册中各个图片所属类别。

选择模块32被配置为从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别。

标识模块33被配置为使用用户的特征类别的名称对用户进行标识。

在一实施例中，如图4所示，分类模块31可包括：

训练子模块41被配置为根据分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；

判定子模块42被配置为使用判定模型判定用户的相册中各个图片所属类别。

在一实施例中，如图5所示，所述装置还可包括：

归一化模块51被配置为在训练子模块41根据分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，将预设训练集中样本图片归一化为同一分辨率。

在一实施例中，选择模块可包括：

第一选择子模块被配置为选择所包含的用户的图片的数量大于预设阈值的类别；或者，

第二选择子模块被配置为选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

在一实施例中，标识模块可包括：

标识子模块被配置为当特征类别为多个时，将各个特征类别的名称组合成标签，使用标签标识用户。

在一实施例中，如图6所示，装置还包括：

推送模块61被配置为识别用户的标识，根据用户的标识向用户推送信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开的实施例提供的技术方案可以包括以下有益效果：本公开中对用户的相册中图片进行分类，根据相册中图片所属类别对用户进行标识，如此，能够根据相册中图片得出用户特征，使用图片所属类别标识用户，增加用户标识与用户特征间关联，通过用户标识便可直观获得用户特征，提高了用户标识的智能化。

图7是根据一示例性实施例示出的一种用于用户标识装置1200的框图，该装置适用于终端设备。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图7，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)的接口1212，传感器组件1214，以及通信组件1216。

处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理部件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。

存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。

多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。

I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种用户标识装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

预先设定多个图片的类别中，利用分类算法确定用户的相册中各个图片所属类别；

从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

使用所述用户的特征类别的名称对用户进行标识。

该处理器被配置为：根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；使用判定模型判定用户的相册中各个图片所属类别。

该处理器被配置为：在根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，将预设训练集中样本图片归一化为同一分辨率。

该处理器被配置为：选择所包含的用户的图片的数量大于预设阈值的类别；或者，选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

该处理器被配置为：当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。

该处理器被配置为：识别所述用户的标识，根据所述用户的标识向所述用户推送相关信息。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种用户标识方法，所述方法包括：

预先设定多个图片的类别中，利用分类算法确定用户的相册中各个图片所属类别；

从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

使用用户的特征类别的名称对用户进行标识。

所述利用分类算法确定用户的相册中各个图片所属类别，可包括：

根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；

使用判定模型判定用户的相册中各个图片所属类别。

所述根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，所述方法还包括：

将预设训练集中样本图片归一化为同一分辨率。

所述选择所包含的用户的图片的数量满足预设条件的类别，可包括：

选择所包含的用户的图片的数量大于预设阈值的类别；或者，

选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

所述使用用户的特征类别的名称对用户进行标识，可包括：

当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。

所述方法还可包括：识别所述用户的标识，根据所述用户的标识向所述用户推送相关信息。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (13)

1.一种用户标识方法，其特征在于，包括：

预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；

从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

使用所述用户的特征类别的名称对用户进行标识。

2.如权利要求1所述的方法，其特征在于，所述利用分类算法确定用户的相册中各个图片所属类别，包括：

根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；

使用判定模型判定用户的相册中各个图片所属类别。

3.如权利要求2所述的方法，其特征在于，所述根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，所述方法还包括：

将预设训练集中样本图片归一化为同一分辨率。

4.如权利要求1所述的方法，其特征在于，所述选择所包含的用户的图片的数量满足预设条件的类别，包括：

选择所包含的用户的图片的数量大于预设阈值的类别；或者，

选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

5.如权利要求1所述的方法，其特征在于，所述使用用户的特征类别的名称对用户进行标识，包括：

当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

识别所述用户的标识，根据所述用户的标识向所述用户推送信息。

7.一种用户标识装置，其特征在于，包括：

分类模块，用于预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；

选择模块，用于从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

标识模块，用于使用所述用户的特征类别的名称对用户进行标识。

8.如权利要求7所述的装置，其特征在于，所述分类模块，包括：

训练子模块，用于根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；

判定子模块，用于使用判定模型判定用户的相册中各个图片所属类别。

9.如权利要求8所述的装置，其特征在于，所述装置还包括：

归一化模块，用于在所述训练子模块根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，将预设训练集中样本图片归一化为同一分辨率。

10.如权利要求7所述的装置，其特征在于，所述选择模块，包括：

第一选择子模块，用于选择所包含的用户的图片的数量大于预设阈值的类别；或者，

第二选择子模块，用于选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。

11.如权利要求7所述的装置，其特征在于，所述标识模块，包括：

标识子模块，用于当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。

12.如权利要求7所述的装置，其特征在于，所述装置还包括：

推送模块，用于识别所述用户的标识，根据所述用户的标识向所述用户推送信息。

13.一种用户标识装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；

从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；

使用所述用户的特征类别的名称对用户进行标识。