CN105224606A - 一种用户标识的处理方法及装置 - Google Patents

Abstract

本申请公开了一种用户标识的处理方法，用以准确识别属于同一用户的各用户标识。方法包括：获得至少两个用户标识；其中，获得的用户标识包括：终端设备保存的用户标识；和/或用户在浏览数据平台时使用的用户标识；确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；根据所述关联关系和获得的用户标识，构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。本申请还公开一种用户标识的处理装置。

Description

一种用户标识的处理方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种用户标识的处理方法及装置。

背景技术

随着互联网技术的日益革新，在互联网上进行广告投放也越来越成为广告投放的主要途径。广告商在进行广告投放时，往往希望在确定出用户的需求后，根据该需求，通过多种渠道对该用户进行广告投放。

目前，用户可以通过不同的终端设备进行上网活动，比如，用户可以通过个人电脑(PersonalComputer，PC)、智能手机、平板电脑以及智能电视等终端设备进行网上活动。在进行上网活动的过程中，用户往往使用不同的用户账号对互联网上的不同数据平台进行浏览，比如，用户使用新浪账号登录新浪微博，用户使用百度账号登录百度贴吧，用户使用腾讯账号登录腾讯微博，以及用户使用网易账号登录网易邮箱，等等。

基于用户上网活动的上述特点，可以向同一用户的不同终端设备进行广告投放。例如，假设同一用户分别使用手机以及平板电脑登录了新浪微博，则广告商期望根据该用户的需求，向该用户的手机以及平板电脑均投放广告。或者，还可以针对同一用户在浏览不同数据平台时使用的不同账号进行广告投放。例如，假设同一用户使用新浪账号浏览新浪微博，使用百度账号浏览百度贴吧，则广告商期望根据该用户的需求，针对该用户的新浪账号以及百度账号均投放广告。

达到上述目的的关键在于，准确识别出属于同一用户的各用户标识。

然而，现有技术中，还没有提供能够准确识别属于同一用户的各用户标识的方案。

需要说明的是，同一用户的不同用户标识可以是下述标识中的至少一种：

保存在终端设备的、可作为用户标识的终端设备唯一标识(如终端设备的MAC地址等)；

用户在使用不同的终端设备进行上网活动时，产生并保存在不同终端设备上的用户标识(如cookie等)；

用户对不同的数据平台进行访问时，使用不同的用户标识(如注册账号、用户名等)。

发明内容

本申请实施例提供一种用户标识的处理方法，用以准确识别出属于同一用户的各用户标识。

本申请实施例还提供一种用户标识的处理装置，用于准确识别出属于同一用户的各用户标识。

本申请实施例采用下述技术方案：

一种用户标识的处理方法，包括：

获得至少两个用户标识；其中，获得的用户标识包括：终端设备保存的用户标识；和/或用户在浏览数据平台时使用的用户标识；确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；根据所述关联关系和获得的用户标识，构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。

一种用户标识的处理装置，包括：

用户标识获取单元，用于获得至少两个用户标识；其中，获得的用户标识包括：终端设备保存的用户标识；和/或用户在浏览数据平台时使用的用户标识；关联关系确定单元，用于确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；分布式连通子图处理单元，用于根据所述关联关系和获得的用户标识，构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；唯一标识生成单元，用于分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

在构建分布式连通子图时，利用了在同一业务行为中表示同一用户的用户标识之间的关联关系，此外，在对获取的用户标识进行聚类时，也利用了所述关联关系，因此，采用本方案聚类生成的用户标识集中的各用户标识均属于同一用户，从而实现了从不同的用户标识中，准确识别出属于同一用户的各用户标识。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种用户标识的处理方法的具体实现流程示意图；

图2为本申请实施例提供的分布式连通子图的具体示意图；

图3为本申请实施例提供的通过分布式连通子图进行聚类的具体实现流程示意图；

图4为本申请实施例提供的分布式连通子图的具体示意图；

图5为本申请实施例提供的分布式连通子图的具体示意图；

图6为本申请实施例提供的分布式连通子图的具体示意图；

图7为本申请实施例提供的分布式连通子图的具体示意图；

图8为本申请实施例提供的分布式连通子图的具体示意图；

图9为本申请实施例提供的分布式连通子图的具体示意图；

图10为本申请实施例提供的一种跨屏打通方法的具体流程示意图；

图11为本申请实施例提供的一种用户标识的处理装置的具体结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

本申请实施例提供的识别用户标识的方法的执行主体可以是服务器，例如，视频网站的服务器、游戏网站的服务器、微博网站的服务器，等等。所述的执行主体并不构成对本申请的限定，为了便于描述，本申请实施例均以执行主体是微博网站的服务器为例进行说明。

本申请实施例提供一种识别用户标识的方法，用以从不同的用户标识中，准确识别出属于同一用户的各用户标识。该方法的具体实现流程示意图如图1所示，主要包括下述步骤：

步骤11，微博网站的服务器获得至少两个用户标识；

其中，所述用户标识包括：不同终端设备保存的用户标识；和/或用户在浏览数据平台时使用的用户标识。

具体而言，所述的用户标识可以有以下三种：

1、用户标识可以是同一用户使用不同终端设备进行上网活动时，产生并保存在不同终端设备上的用户标识。例如，假设用户通过手机访问新浪微博时，产生cookie1并保存在手机上；该用户通过电脑访问新浪微博时，产生cookie2并保存在电脑上。则所述cookie1以及cookie2均可以作为该用户在不同终端设备上进行上网活动时的用户标识。

2、用户标识也可以是保存在终端设备的、可作为用户标识的终端设备唯一标识。例如，假设用户通过手机访问新浪微博，该手机的媒体访问控制(MediaAccessControl，MAC)地址为MAC1；该用户通过平板电脑访问新浪微博，该平板电脑的MAC地址为MAC2；则所述手机的MAC地址MAC1以及所述平板电脑的MAC地址MAC2作为该用户的用户标识。

3、用户标识还可以是用户对不同的数据平台进行访问时使用的、可作为用户标识的用户认证信息。例如，用户使用新浪账号访问新浪微博，使用百度账号访问百度贴吧，使用京东账号访问京东商城，则用户的新浪账号、百度账号以及京东账号均可以作为该用户的用户标识。

需要说明的是，本申请实施例获得的用户标识至少包括：两个不同的用户标识。

在一种实施方式中，当用户使用不同终端设备进行上网活动时，获得的用户标识可以包括：用户所使用的不同终端设备的唯一标识、用户使用不同终端设备访问同一数据平台时产生的至少两个不同的用户标识(如cookie等)和/或用户通过不同终端设备对不同数据平台访问时使用的不同的用户标识(如，用户账号、用户名等)，等。

本申请实施例中，用户标识可以从服务器的系统日志中获得。例如，假设用户通过MAC地址为“MAC1”的手机使用“购物网站账号1”访问某购物网站时，购物网站服务器会在系统日志中记录“MAC地址为‘MAC1’的手机使用‘购物网站账号1’访问某购物网站”这条日志记录，该日志记录中包含用户标识：“MAC1”以及“购物网站账号1”。当需要获取用户标识时，微博网站的服务器可以通过向购物网站服务器发送请求，触发购物网站服务器发回“MAC1”以及“购物网站账号1”。

此外，用户标识也可以是用户使用的终端设备提供的。比如，同一用户使用不同终端设备进行上网活动时，可以产生特定的用户标识并保存在不同终端设备上，后续可以从终端设备处获取用户标识。例如，假设用户通过手机访问新浪微博时，则可以产生作为用户标识的cookie1并保存在手机上；该用户通过电脑访问新浪微博时，则可以产生作为用户标识的cookie2并保存在电脑上。所述cookie1以及cookie2均可以作为该用户在不同终端设备上进行上网活动时的用户标识。本申请实施例中，微博网站的服务器可以通过向用户使用的终端设备发送用户标识获取指令的方式，触发终端设备向微博网站的服务器反馈用户标识。

例如，同一用户使用不同终端设备进行上网活动时，假设下述条件成立：

1、使用MAC地址为“MAC1”的手机访问微博网站的服务器时，产生“cookie1”并保存在手机上；

2、使用MAC地址为“MAC2”的平板电脑访问微博网站的服务器时，产生“cookie2”并保存在平板电脑上；

3、访问微博网站的服务器时使用的账号为“123456”，并且，在登录微博网站的服务器成功后，该账号保存在该服务器处。

则通过执行步骤11，微博网站的服务器可以从手机、平板电脑以及微博网站的服务器本地，分别获得用户标识“MAC1和cookie1”、“MAC2和cookie2”以及“123456”。采用类似方式，微博网站的服务器可以获取不同用户的用户标识。

在一种实施方式中，当用户使用同一终端设备进行上网活动时，获得的用户标识可以包括：用户使用的终端设备的唯一标识以及用户在使用终端设备访问不同的数据平台时使用的不同的用户标识(如，用户账号、用户名等)，等。

例如，同一用户使用同一终端设备进行上网活动时，假设下述条件成立：

使用MAC地址为“MAC3”的手机访问新浪微博时，产生“cookie3”并保存在手机；

使用MAC地址为“MAC3”的手机访问百度贴吧时，产生“cookie4”并保存在手机；

访问微博网站的服务器时使用的账号为“1234567”，并且，在登录微博网站的服务器成功后，该账号保存在该服务器处；

访问百度贴吧时使用的账号为“abcdefg”，并且，在登录百度贴吧的服务器成功后，该账号保存在百度贴吧的服务器处。

则通过执行步骤11，微博网站的服务器可以从手机、微博网站的服务器本地以及百度贴吧的服务器处，分别获得用户标识“MAC3和cookie3、MAC3和cookie4”、“1234567”、“abcdefg”。

步骤12，确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；

需要说明的是，举例而言，针对“用户使用手机访问新浪微博”这一业务行为而言，该用户使用的手机的MAC地址，访问的新浪微博账号以及基于该访问产生的cookie，为在“用户使用手机访问新浪微博”这一业务行为中表示同一用户的用户标识。则通过执行步骤12，确定该手机MAC地址、访问的新浪微博账号以及访问产生的cookie之间存在关联关系。

又比如，针对“用户使用同一平板电脑利用数据平台账号登录数据平台”这一业务行为而言，该平板电脑的MAC地址以及该数据平台账号，为在“用户使用同一平板电脑利用数据平台账号登录数据平台”这一业务行为中表示同一用户的用户标识。则通过执行步骤12，确定该平板电脑的MAC地址以及该数据平台账号之间存在关联关系。

需要说明的是，对用户标识的预处理并不影响同一业务行为中表示同一用户的用户标识之间的关联关系，因此，确定在同一业务行为中表示同一用户的用户标识之间的关联关系，可以在预处理之前，也可以在预处理之后。

步骤13，根据所述关联关系和获得的用户标识，构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；

其中，用户标识集，是根据所述关联关系对获得的用户标识进行聚类而得到的、由具备关联关系的用户标识构成的集合。集合中用户标识之间的关联关系，可以是直接的关联关系，也可以是间接的关联关系。

其中，不同用户标识之间有直接的关联关系，是指在同一业务行为中表示同一用户的用户标识之间的关联关系；不同用户标识之间有间接的关联关系，是指在不同的业务行为中表示同一用户的用户标识之间的关联关系。

在一种实施方式中，步骤13的具体实现方式包括：对获得的用户标识进行预处理；根据所述关联关系和经过预处理的用户标识，构建分布式连通子图；利用构建的分布式连通子图，根据通过执行步骤12得到的关联关系对经过预处理的用户标识进行聚类，得到用户标识集。

需要说明的是，为了避免无法对包含有不可用字符的用户标识进行聚类，从而达到充分利用获得的用户标识的目的，本申请实施例可以通过下述方式1进行预处理，具体包括：

方式1：对获得的含有不可用字符的用户标识进行处理，去除所述用户标识中的不可用字符。

其中，所述的不可用字符一般为：空格、null、以及汉字等。例如，假设通过步骤11获得的用户标识为“weibo123456马甲789”，则通过方式1提供的预处理方法，将该用户标识中的空格以及汉字“马甲”这样的不可用字符进行去除，经过预处理后的用户标识为“weibo123456789”。其中，不可用字符可以是预先规定的。

需要说明的是，为了避免对相同的用户标识分别进行重复的聚类操作而耗费不必要的处理资源，本申请实施例可以通过下述方式2进行预处理，具体包括：

方式2：对获得的重复出现的用户标识进行处理，去除重复的用户标识。

一般地，用户通过相同的终端设备对同一个数据平台进行访问时，会产生cookie，当用户使用相同的终端设备多次对同一个数据平台进行访问时，则会产生多个相同的cookie。

例如，用户使用同一部手机分别访问了三次新浪微博，每次访问均产生一个cookie-1，则通过执行步骤11，将获得到3个相同的cookie-1，通过方式2提供的预处理方法，可以去除两个相同的cookie-1，只保留一个cookie-1。

还需要说明的是，为了可以方便对获得的用户标识的区分以及关联，本申请实施例可以通过下述方式3进行预处理，具体包括：

方式3：对获得的每个用户标识添加预定的属性信息。

需要说明的是，为了便于对获得的用户标识进行管理以及处理，在一种实施方式中，其中预定的属性信息可以为：用户标识的类型信息以及用户标识的日期信息(如，用户标识最近一次出现的日期的信息)。

例如，假设用户使用新浪账号“456789123”在2015年7月20日访问了新浪微博，通过执行步骤11获得的用户标识为新浪账号“456789123”，则通过方式3提供的预处理方法，对获得的用户标识“456789123”添加类型信息：“weibo”以及日期信息：“20150720”，经过预处理后得到的用户标识为“456789123：[tag：weibo，date：20150720]”。

还需要说明的是，为了降低预处理的处理时间，在一种实施方式中，可以先通过方式2提供的预处理方法，去除重复的用户标识，再进一步的对去除重复后的用户标识进行诸如方式1或方式3所述的其他预处理。

还需要说明的是，也可以直接对获得的用户标识进行聚类，而不对用户标识进行预处理，则步骤13的具体实现方式也可以包括：根据所述关联关系和获得的用户标识，构建分布式连通子图；并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集。

其中，所述分布式连通子图中的节点表示用户标识，所述分布式连通子图中用于连接两个节点的边表示该两个节点所表示的用户标识之间具有关联关系。

在一种实施方式中，所述的分布式连通子图，可以由Map/reduce模型构建，进而将通过执行步骤11获得的用户标识分别分配到构建的分布式连通子图的各个节点上，并根据通过步骤12确定的关联关系，在彼此之间具有直接关联关系的节点间生成边，从而使得具有关联关系的节点连接到一起。

例如，假设用户使用同一部手机，分别通过新浪账号“xinlang”访问了新浪微博，通过百度账号“baidu”访问了百度贴吧，且该手机的MAC地址为MAC-1，则通过执行步骤11获得的用户标识为：“MAC-1”、“xinlang”、“baidu”。若进一步假设通过执行步骤12，确定用户标识“MAC-1”与用户标识“xinlang”存在关联关系，且用户标识“MAC-1”与用户标识“baidu”存在关联关系。则构建的分布式连通子图如图2所示，其中，图2中的圆形表示节点，圆形中的字符表示分配给节点的用户标识，而圆形之间的线段表示节点之间的边，即表示节点间存在的直接关联关系。

在一种实施方式中，利用构建的分布式连通子图，根据通过执行步骤12得到的关联关系对经过预处理的用户标识进行聚类，得到用户标识集，具体包括如图3所示的四个阶段：

1、Map阶段：

通过Map阶段，将初始的无向图，转化为有向图，从而实现将节点转化为边，即由节点间的边来表示节点。

其中所述的无向图是指边没有方向的图，所述的有向图为边具有方向的图，假设如图4所示分布式连通子图，当该分布式连通子图为无向图时，则该分布式连通子图中边的集合为：{(1,2)，(1,3)，(2,3)}。当该分布式连通子图为有向图时，则该分布式连通子图中边的集合为：{(1,2)，(1,3)，(2,1)，(2,3)，(3,1)，(3,2)}。

若节点的取值是节点上被分配的用户标识，那么，假设分布式连通子图中的两个节点u和v，节点u的取值为节点v的取值为则Map阶段中将节点转化为边的具体实现方式如下：

上述实现方式的含义在于：

当节点u的取值与节点v的取值相等，即成立时，说明所述两个节点上被分配的用户标识为相同的用户标识，即所述的两个节点为同一个节点，从而执行emit(u,v)，以使得节点u和v均转化为边(u，v)。

当节点u的取值与节点v的取值不相等，即成立时，说明所述两个节点上被分配的用户标识为不同的用户标识，从而执行emit(u,v)和emit(v,u)，以实现节点u与节点v分别转化为两条边(u，v)和(v，u)。

2、Reduce阶段：

需要说明的是，为了便于Reduce阶段对分布式连通子图中节点的聚类，在一种实施方式中，从Map阶段进入Reduce阶段之前，还可以将可能聚类到同一簇的节点放入同一个分区，以便提高聚类过程的效率。

具体而言，本申请实施例中，从Map阶段进入Reduce阶段之前，可以将具备间接关联关系的节点放入同一个分区，和/或将同一节点及其所有相邻节点放入同一个分区。

其中，“将具备间接关联关系的节点放入同一个分区”的过程，可以称为“分区阶段”。以下举例说明分区阶段的实现过程：

假设经过Map阶段得到如图5所示的有向图，由图可以得出，节点1、节点4、节点6、节点10以及节点12可能聚类到同一簇，节点3、节点7以及节点9可能聚类到同一簇，则经过分区阶段，将图5所示的分布式连通子图转化为图6所示的分布式连通子图，以实现将具备间接关联关系的节点放入同一个分区。

本申请实施例中，“将同一节点及其所有相邻节点放入同一个分区”的过程，可以称为“排序阶段”。其中，某节点的相邻节点，是指与所述某节点之间存在边的节点。以下举例说明排序阶段的实现过程：

如图7所示，节点a的相邻节点构成的集合分别为：{节点3，节点4，节点10}，{节点7，节点9，节点16}，则通过排序阶段，将上述的两个分布式连通子图子图中的各节点放入同一分区。

需要说明的是，经过分区阶段和/或排序阶段的处理，使得将可能聚类到同一簇的节点放入同一个分区，进而可以进入Reduce阶段。

若假设节点v以及节点v的邻居节点集合为Γ(v)，取值最小的节点为v_min，并将集合Γ(v)中除去取值最小的节点的剩余节点与节点v组成集合Γ⁺(v)，则Reduce阶段的目的，是将节点v与节点v的邻居节点集合Γ(v)的边转化为节点v_min与节点集合Γ⁺(v)的边。

其中，所述的取值最小的节点，是通过比较各个节点上被分配的用户标识得到的。例如，假设两个节点上被分配的用户标识可以转换为字符串1和字符串2，则可以确定通过逐位比较两个字符串中各字符大小的方式，判断两个字符串哪个更小，并将较小的字符串对应的用户标识，确定为较小的用户标识。本申请实施例中，逐位比较两个字符串中各字符大小，可以是指逐位比较字符串中各字符的ASCII编码的大小。需要说明的是，当作为比较对象的两个字符串的长度不一致时，可以仅比较较短的字符串包含的各字符与较长的字符串包含的相应数目的各字符串。

需要说明的是，可以通过计算机程序语言将Reduce阶段的具体实现方式表示如下：

1)、输入：v和Γ(v)＝{w|(v,w)∈E}；

2)、求最小节点：

3)、输出局部子图结果：

通过获得节点v以及节点v所对应的邻居节点集合Γ(v)中取值最小的节点v_min，从而执行使得节点v与邻居节点集合Γ(v)的边转化为节点v_min与节点集合Γ⁺(v)的边。

例如，假设如图8所示，对图中取值为6的节点以及该节点所对应的邻居节点集合{2，5，7，9}，进行Reduce阶段处理，经过处理后，输出的结果如图9所示。

3、聚类阶段：

利用通过执行步骤12确定的关联关系，对经过Reduce阶段处理后输出局部子图结果进行聚类，以使得具有关联关系的用户标识聚类到同一用户标识集。聚类阶段的输出为用户标识集。

4、判断迭代收敛阶段：

根据设置的迭代收敛条件，判断聚类阶段输出的用户标识集是否满足迭代收敛条件。

需要说明的是，通过分布式连通子图进行聚类是一个需要不断迭代的计算过程，因此迭代收敛条件的设置，决定了最终聚类结果是否正确，以及迭代的次数。

假设，设置迭代收敛条件如下：

其中，此处的Γ(v)为聚类阶段输出的单个用户标识集，比如可以假设该用户标识集包含节点v及其邻居节点；

v_min表示该单个用户标识集Γ(v)中的取值最小的节点的值，

v_max表示单个用户标识集Γ(v)中的取值最大的节点的值，

则，基于上述迭代收敛条件判断聚类结果是否收敛具体为：

针对聚类阶段输出的每个用户标识集分别执行下述操作：

判断该用户标识集中的节点是否满足上述设置的迭代收敛条件，当该用户标识集中的节点满足迭代条件时，可以判定该用户标识集所在的分布式连通子图的局部区域达到收敛，从而输出该用户标识集；当该用户标识集中的节点不满足迭代条件时，则继续重复Map阶段、Reduce阶段、聚类阶段和判断迭代收敛阶段。

例如，假设设置的迭代收敛条件为：1＜v≤50，即v_min＝1，v_max＝50，则当通过聚类阶段得到的分布式连通子图中各节点的值为{2，5，7，9，20，30，40}时，则该用户标识集满足迭代收敛条件；当通过聚类阶段得到的分布式连通子图中各节点的值为{2，5，7，9，20，30，40，50，60，70}时，则该用户标识集不满足迭代收敛条件，并重复Map阶段、Reduce阶段、聚类阶段和判断迭代收敛阶段。

或者，基于上述迭代收敛条件判断聚类结果是否收敛具体为：

判断聚类阶段输出的每个用户标识集的节点是否均满足上述设置的迭代收敛条件，在判断结果为是时，可以判定对于用户标识的聚类达到全局收敛，从而输出聚类得到的各用户标识集；当该用户标识集中的节点不满足迭代条件时，则继续重复Map阶段、Reduce阶段、聚类阶段和判断迭代收敛阶段，直至判断出对于用户标识的聚类达到全局收敛。

需要说明的是，通过设置的迭代收敛条件，可以将迭代次数控制在较低的范围内，进而减少了进行迭代计算时所占用的处理资源以及处理时间。

还需要说明的是，本申请实施例还提供了准确率、打通率以及ID丢失率这三个指标，以衡量上述利用分布式连通子图进行用户标识聚类的算法的优劣。

其中，准确率用来衡量上述聚类方法针对单个用户的正确性。具体计算准确率的方式可以如下式所示：

$\underset{n=1}{\overset{N}{\Σ}}\frac{M_{n1}}{M_{n0}}$

其中，N为通过执行步骤11获得的各用户标识分别所属的用户的总数目；n为N个用户的编号，取值范围为[1，N]；M_n0为获得的用户标识中归属于第n个用户的用户标识的数目；M_n1为通过执行步骤11～步骤13而获得的、归属于第n个用户的用户标识集中包含的用户标识的数目。

本申请实施例中，可以通过抽样的方式，实现通过上述公式计算针对某用户的所述准确率。

打通率，是用来衡量单个用户标识集的打通效果的指标。其中，所述的打通是指，在聚类得到的同一用户标识集中，存在至少两个不同的用户标识。具体的计算方法如下：

$through\_rate=\frac{\#num\_through\_uv}{\#uid}$

其中，#num_through_uv是指单个用户标识集包含的用户标识的数目，#uid是指通过执行步骤11获得的归属于特定用户的用户标识的数量，其中，这里所说的特定用户，是指该单个用户标识集中的用户标识归属的用户。

ID丢失率，是指单个用户的用户标识中，没有没有聚类到某个用户标识集中用户标识的数量在获得的该单个用户的用户标识总数量中的占比。具体的计算方法如下：

$id\_loss\_rate=1-\frac{\#num\_before\_id}{\#num\_after\_id};$

其中，#num_before_id是指通过执行步骤11获得的该用户的用户标识的总数量，#num_after_id是指聚类得到的该用户的用户标识集包含的用户标识的数量。

步骤14，分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。

需要说明的是，为了能够长期的、统一的对通过分布式连通子图聚类得到的用户标识集进行管理，在一种实施方式中，本申请实施例提供的方法可以为：采用MD5签名技术，分别对每个用户标识集生成唯一标识。具体的，利用MD5签名技术，对聚类后处于分布式连通子图中心的节点上被分配的用户标识进行签名，生成该用户标识集的唯一标识。

还需要说明的是，为了可以通过生成的唯一标识，完成对与该唯一标识相应的用户标识集中的各用户标识进行信息推荐，在一种实施方式中，本申请实施例提供的方法包括：建立唯一标识与相应的用户标识集中的各用户标识之间的映射关系。

例如，假设对与用户A相关联的用户标识进行聚类，得到用户A的用户标识集，并为该用户标识集生成唯一标识A，当某个广告商期望对用户A进行广告投放时，则可以获取针对用户标识集生成的唯一标识A，并根据获取的唯一标识A，确定与唯一标识A映射的各用户标识(如，新浪账号、百度账号、手机的MAC地址，等)，进而通过确定出的各用户标识，进行多渠道的广告投放(如，通过新浪微博、通过百度贴吧、以及手机，等渠道)。从而可以通过同渠道、准确的向用户A进行广告投放。

还比如，假设广告商期望对拥有某个用户标识(如，新浪账号)的用户B进行广告投放，则首先确定该用户标识所在的用户标识集，并获取针对用户标识集生成的唯一标识B，并根据获取的唯一标识B，确定与唯一标识B映射的各用户标识(如，百度账号、手机的MAC地址，等)，进而通过确定出的各用户标识，进行多渠道的广告投放(如，通过百度贴吧以及手机，等渠道)。从而可以通过同渠道、准确的向用户B进行广告投放。

通过实施例1提供的方法，在构建分布式连通子图时，利用了在同一业务行为中表示同一用户的用户标识之间的关联关系，此外，在对获取的用户标识进行聚类时，也利用了所述关联关系。因此，聚类生成的用户标识集中的各用户标识均属于同一用户，从而可以从不同的用户标识中，准确识别出属于同一用户的各用户标识。

实施例2

本申请实施例提供识别用户标识的方法，用以实现用户标识的跨屏打通。该方法的具体实现流程图如图10所示，主要包括数据准备阶段、跨屏打通阶段以及结果指标评估阶段。

其中，所述的数据(即用户标识)，可以从服务器的系统日志上获得，也可以从不同的终端设备(如，电脑、手机、平板电脑等)上获得。

需要说明的是，收集到的用户标识可以有以下三种：

1、同一用户使用不同终端设备进行上网活动时，产生并保存在不同终端设备上的用户标识。2、保存在终端设备的、可作为用户标识的终端设备唯一标识。3、用户对不同的数据平台进行访问时使用的、可作为用户标识的用户认证信息。

还需要说明的是，所述的数据准备阶段包括：数据收集阶段(获得用户标识阶段)以及数据预处理阶段(用户标识预处理阶段)。

其中，具体的获得用户标识的方式可以参照实施例1的相关内容，此处不再赘述。

还需要说明的是，数据预处理可以包括以下三种预处理方式：

方式1：对获得的含有不可用字符的用户标识进行处理，以去除所述用户标识中的不可用字符。

方式2：对获得的重复的用户标识进行处理，以去除重复的用户标识。

方式3：对获得的每个用户标识添加预定的属性信息。

三种预处理方式的具体实现过程可以参照实施例1的相关内容，此处不再赘述。

其中，需要说明的是，所述跨屏打通(cross-screen)，又称为跨设备打通(cross-device)，可以是指将用户在使用不同的终端设备进行上网活动时，产生并保存在不同终端设备上的用户标识关联在一起，实现互通，从而可以识别多个设备上的用户标识是标识同一个用户。也可以是指，将同一用户对不同的数据平台进行访问时，使用不同的用户标识关联在一起，从而可以识别不同数据平台上的账号是标识同一个用户。所述的设备是指用户的进行上网活动的终端设备，如电脑、智能手机、平板电脑、智能电视以及智能手环等。

需要说明的是，在一种实施方式中，所述的跨屏打通是利用构建的分布式连通子图，对收集到的用户标识进行聚类而实现的。主要包括问题建模阶段以及分布式连通子图挖掘阶段。

其中，所述分布式连通子图中的节点表示用户标识，所述分布式连通子图中用于连接两个节点的边表示该两个节点所表示的用户标识之间具有关联关系。

分布式连通子图挖掘阶段，利用Hadoop分布式系统基础框架，，对通过问题建模阶段得到的节点以及节点之间的边，通过重复Map阶段、Reduce阶段直到满足迭代收敛条件进行计算，并输出聚类得到的用户标识集。

具体的聚类算法可以参照实施例1的相关内容，此处不再赘述。

需要说明的是，为了能够长期的、统一的对通过分布式连通子图聚类得到的用户标识集进行管理，在一种实施方式中，可以为聚类得到的各个用户标识集合生成各个不同的唯一标识。具体的生成唯一标识的方法可以参照实施例1的相关内容，此处不再赘述。

还需要说明的是，效果评估阶段主要可以是对准确率、打通率以及ID丢失率这三个指标进行的评估。

其中，准确率用来衡量上述聚类方法针对单个用户的正确性。具体计算准确率的方式可以如下式所示：

$\underset{n=1}{\overset{N}{\Σ}}\frac{M_{n1}}{M_{n0}}$

其中，N为通过执行步骤11获得的各用户标识分别所属的用户的总数目；n为N个用户的编号，取值范围为[1，N]；M_n0为获得的用户标识中归属于第n个用户的用户标识的数目；M_n1为通过执行步骤11～步骤13而获得的、归属于第n个用户的用户标识集中包含的用户标识的数目。

本申请实施例中，可以通过抽样的方式，实现通过上述公式计算针对某用户的所述准确率。

打通率，是用来衡量单个用户标识集的打通效果的指标。其中，所述的打通是指，在聚类得到的同一用户标识集中，存在至少两个不同的用户标识。具体的计算方法如下：

$through\_rate=\frac{\#num\_through\_uv}{\#uid}$

其中，#num_through_uv是指单个用户标识集包含的用户标识的数目，#uid是指通过执行步骤11获得的归属于特定用户的用户标识的数量，其中，这里所说的特定用户，是指该单个用户标识集中的用户标识归属的用户。

ID丢失率，是指指单个用户的用户标识中，没有进行聚类的用户标识的数量在获得的该单个用户的用户标识总数量中的占比。具体的计算方法如下：

$id\_loss\_rate=1-\frac{\#num\_before\_id}{\#num\_after\_id};$

其中，#num_before_id是指通过执行步骤11获得的该用户的用户标识的总数量，#num_after_id是指进行聚类得到的该用户的用户标识集包含的用户标识的数量。

通过实施例2提供的方法，在构建分布式连通子图时，利用了在同一业务行为中表示同一用户的用户标识之间的关联关系，此外，在对获取的用户标识进行聚类时，也利用了所述关联关系。因此，采用本方案聚类生成的用户标识集中的各用户标识均属于同一用户，从而实现用户标识的跨屏打通。

实施例3

本申请实施例提供一种用户标识的处理装置，用以从不同的用户标识中，准确识别出属于同一用户的各用户标识。该装置的结构示意图如图11所示，主要包括以下单元：

用户标识获取单元，用于获得至少两个用户标识；其中，获得的用户标识包括：终端设备保存的用户标识；和/或用户在浏览数据平台时使用的用户标识；

关联关系确定单元，确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；

分布式连通子图处理单元，用于根据所述关联关系和获得的用户标识构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；

唯一标识生成单元，用于分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。

在一种实施方式中，分布式连通子图处理单元，用于：对获得的用户标识进行预处理；根据所述关联关系和经过预处理的用户标识，构建分布式连通子图；利用构建的分布式连通子图，根据所述关联关系对经过预处理的用户标识进行聚类，得到用户标识集。

在一种实施方式中，分布式连通子图处理单元，用于：对获得的含有不可用字符的用户标识进行处理，去除所述用户标识中的不可用字符；对获得的重复的用户标识进行处理，去除重复的用户标识；对获得的每个用户标识添加预定的属性信息。

在一种实施方式中，所述分布式连通子图中的节点表示用户标识；所述分布式连通子图中用于连接两个节点的边表示该两个节点所表示的用户标识之间具有关联关系，分布式连通子图处理单元，用于：根据构建的分布式连通子图中的节点以及边，对所述分布式连通子图中的所有节点进行聚类，获得在满足迭代收敛条件时聚类得到的各节点集合，每一个节点集合对应一个用户标识集。

在一种实施方式中，唯一标识生成单元用于分别针对每个用户标识集生成唯一标识后，还包括：信息推荐单元，用于：在将要进行信息推荐时，获取针对用户标识集生成的唯一标识；确定获取的唯一标识映射的各用户标识；根据确定出的各用户标识进行信息推荐。

通过本实施例3提供的装置，在构建分布式连通子图时，利用了在同一业务行为中表示同一用户的用户标识之间的关联关系，此外，在对获取的用户标识进行聚类时，也利用了所述关联关系。因此，采用本方案聚类生成的用户标识集中的各用户标识均属于同一用户，从而可以从不同的用户标识中，准确识别出属于同一用户的各用户标识。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种用户标识的处理方法，其特征在于，包括：

获得至少两个用户标识；其中，获得的用户标识包括：终端设备保存的用户标识，和/或用户在浏览数据平台时使用的用户标识；

确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；

根据所述关联关系和获得的用户标识，构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；

分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。

2.如权利要求1所述的方法，其特征在于，根据所述关联关系和获得的用户标识，构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集，具体包括：

对获得的用户标识进行预处理；

根据所述关联关系和经过预处理的用户标识，构建分布式连通子图；

利用构建的分布式连通子图，对经过预处理的用户标识进行聚类，得到用户标识集。

3.如权利要求2所述的方法，其特征在于，对获得的用户标识进行预处理，包括下述至少一种：

对获得的含有不可用字符的用户标识进行处理，去除所述用户标识中的不可用字符；

对获得的重复的用户标识进行处理，去除重复的用户标识；

对获得的每个用户标识添加预定的属性信息。

4.如权利要求2所述的方法，其特征在于，所述分布式连通子图中的节点表示用户标识；所述分布式连通子图中用于连接两个节点的边表示该两个节点所表示的用户标识之间具有关联关系；以及所述利用构建的分布式连通子图，对经过预处理的用户标识进行聚类，得到用户标识集，具体包括：

根据构建的分布式连通子图中的节点以及边，对所述分布式连通子图中的所有节点进行聚类，获得在满足迭代收敛条件时聚类得到的各节点集合，每一个节点集合对应一个用户标识集。

5.如权利要求1所述的方法，其特征在于，分别针对每个用户标识集生成唯一标识后，所述方法还包括：

在将要进行信息推荐时，获取针对用户标识集生成的唯一标识；

确定获取的唯一标识映射的各用户标识；

根据确定出的各用户标识进行信息推荐。

6.一种用户标识的处理装置，其特征在于，包括：

用户标识获取单元，用于获得至少两个用户标识；其中，获得的用户标识包括：终端设备保存的用户标识，和/或用户在浏览数据平台时使用的用户标识；

关联关系确定单元，用于确定获得的用户标识中的、在同一业务行为中表示同一用户的用户标识之间的关联关系；

分布式连通子图处理单元，用于根据所述关联关系和获得的用户标识构建分布式连通子图，并利用构建的分布式连通子图，对获得的用户标识进行聚类，得到用户标识集；

唯一标识生成单元，用于分别针对每个用户标识集生成唯一标识，并建立唯一标识与相应的用户标识集中各用户标识之间的映射关系。

7.如权利要求6所述的装置，其特征在于，分布式连通子图处理单元，用于：

对获得的用户标识进行预处理；

根据所述关联关系和经过预处理的用户标识，构建分布式连通子图；

利用构建的分布式连通子图，对经过预处理的用户标识进行聚类，得到用户标识集。

8.如权利要求7所述的装置，其特征在于，分布式连通子图处理单元，用于：

对获得的含有不可用字符的用户标识进行处理，以去除所述用户标识中的不可用字符；

对获得的重复的用户标识进行处理，以去除重复的用户标识；

对获得的每个用户标识添加预定的属性信息。

9.如权利要求7所述的装置，其特征在于，所述分布式连通子图中的节点表示用户标识；所述分布式连通子图中用于连接两个节点的边表示该两个节点所表示的用户标识之间具有关联关系，分布式连通子图处理单元，具体用于：

根据构建的分布式连通子图中的节点以及边，对所述分布式连通子图中的所有节点进行聚类，获得在满足迭代收敛条件时聚类得到的各节点集合，每一个节点集合对应一个用户标识集。

10.如权利要求7所述的装置，其特征在于，唯一标识生成单元用于分别针对每个用户标识集生成唯一标识后，还包括：信息推荐单元，用于：

在将要进行信息推荐时，获取针对用户标识集生成的唯一标识；

确定获取的唯一标识映射的各用户标识；

根据确定出的各用户标识进行信息推荐。