CN105306495A - 用户识别方法和装置 - Google Patents

Abstract

本申请公开了用户识别方法和装置。所述方法的一具体实施方式包括：获取多组用户行为数据；将任意两组用户行为数据共同作为样本集合中的一个训练样本；使用样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。该实施方式实现了准确的用户识别。

Description

用户识别方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用户识别方法和装置。

背景技术

在对用户的网络访问行为进行研究时，通常会将一个用户ID(Identity，身份标识号码)，例如用户账号，对应的用户行为日志作为一个数据样本，然后进行特征提取和机器学习。这种做法的优点是特征提取方便，样本数量相对较少，计算效率较高。

但是，由于一个用户通常可以在同一或不同网络平台中注册多个用户账号，因此现有技术会将这多个账号对应的网络行为数据作为多个样本而不是作为同一个用户的样本进行学习。另外，用户在访问某些网络资源时，很有可能不需要登陆任何用户账号，此时现有技术就没办法对这部分数据进行学习。由此可见，现有技术中获取的样本特征总是与用户ID相对应，缺乏泛化能力，其通过机器学习得到的数据模型难以针对用户进行识别。

发明内容

本申请的目的在于提出一种用户识别方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种用户识别方法，所述方法包括：获取多组用户行为数据；将任意两组所述用户行为数据共同作为样本集合中的一个训练样本；使用所述样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

在一些实施例中，所述将任意两组所述用户行为数据共同作为样本集合中的一个训练样本，包括：将任意两组所述用户行为数据中相应特征之间的相似度值，作为所述训练样本的特征值。

在一些实施例中，一组所述用户行为数据包括以下至少一个特征：用户地址、访问时间、访问地址、搜索词和终端标识。

在一些实施例中，还包括：判断所述任意两组所述用户行为数据是否具有相同的终端标识；若是，将所述训练样本确定为正例训练样本，否则，将所述训练样本确定为负例训练样本。

在一些实施例中，所述任意两组所述用户行为数据包括：具有相同用户地址的两组所述用户行为数据。

在一些实施例中，还包括：确定每组所述用户行为数据对应的用户标识；判断所述任意两组所述用户行为数据是否对应同一所述用户标识；若是，将所述训练样本作为正例训练样本，否则，将所述训练样本作为负例训练样本。

在一些实施例中，还包括：若通过所述训练后的模型确定出所述两组待识别的用户行为数据对应于同一用户，则将所述两组待识别的用户行为数据对应的两个用户标识均确定为该用户的用户标识。

第二方面，本申请提供了一种用户识别装置，所述装置包括：获取模块，用于获取多组用户行为数据；提取模块，用于将任意两组所述用户行为数据共同作为样本集合中的一个训练样本；识别模块，用于使用所述样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

在一些实施例中，所述提取模块进一步用于：将任意两组所述用户行为数据中相应特征之间的相似度值，作为所述训练样本的特征值。

在一些实施例中，一组所述用户行为数据包括以下至少一个特征：用户地址、访问时间、访问地址、搜索词和终端标识。

在一些实施例中，还包括：第一判断模块，用于判断所述任意两组所述用户行为数据是否具有相同的终端标识；所述提取模块进一步用于：若是，将所述训练样本确定为正例训练样本，否则，将所述训练样本确定为负例训练样本。

在一些实施例中，所述任意两组所述用户行为数据包括：具有相同用户地址的两组所述用户行为数据。

在一些实施例中，还包括：确定模块，用于确定每组所述用户行为数据对应的用户标识；第二判断模块，用于判断所述任意两组所述用户行为数据是否对应同一所述用户标识；所述提取模块进一步用于：若是，将所述训练样本作为正例训练样本，否则，将所述训练样本作为负例训练样本。

在一些实施例中，还包括：标识确定模块，用于若通过所述训练后的模型确定出所述两组待识别的用户行为数据对应于同一用户，则将所述两组待识别的用户行为数据对应的两个用户标识均确定为该用户的用户标识。

本申请提供的用户识别方法和装置，可以将两组用户行为数据共同作为一个训练样本来进行模型训练，从而提高了样本的泛化能力，使得训练后的模型能够准确的确定出两组待识别的用户行为数据是否对应于同一用户，从而实现了对用户的准确识别。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用户识别方法的一个实施例的流程图；

图3是根据本申请的用户识别方法的又一个实施例的流程图；

图4是根据本申请的用户识别装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用户识别方法或用户识别装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览和搜索的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的网页和运行的应用提供支持的后台服务器。后台服务器可以获取终端的行为日志，并对得到的数据进行分析和学习。

需要说明的是，本申请实施例所提供的用户识别方法一般由服务器105执行，相应地，用户识别装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用户识别方法的一个实施例的流程200。所述的用户识别方法，包括以下步骤：

步骤201，获取多组用户行为数据。

在本实施例中，用户识别方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行网络访问或应用操作的多个终端上获取多组用户行为数据。一组用户行为数据可以代表用户某一次访问网络时的访问记录。在实践中，用户行为数据一般可以从用户的行为日志中获取。用户的行为日志可以记录用户在终端上执行的所有行为，例如，网页浏览行为、网络搜索行为、信息的收发行为以及各种网络应用的使用行为。这些终端可以是移动终端也可以是固定终端(例如图1所示的终端设备)。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，将任意两组用户行为数据共同作为样本集合中的一个训练样本。

在本实施例中，基于步骤201中得到的多组用户行为数据，上述电子设备(例如图1所示的服务器)可以从上述多组数据中任意选择两组数据共同形成一个数据对，然后将该数据对作为一个训练样本。这样，通过对上述多组用户行为数据的多次随机组合，就可以得到多个数据对。若将每一个数据对都作为一个训练样本，就可以得到样本集合。

在本实施例的一些可选的实现方式中，可以将任意两组用户行为数据中相应特征之间的相似度值，作为上述训练样本的特征值。对于每一组用户行为数据来说，可以根据网络访问的特点从该组数据中提取出多个特征。每组用户行为数据所包括的特征数量和种类应该都是相同的。在将两组用户行为数据共同作为一个训练样本时，可以首先计算两组用户行为数据中相应的即属于同一类的两个特征之间的相似度值，然后再将得到的多个相似值均作为一个训练样本的特征值。

在本实施例的一些可选的实现方式中，一组用户行为数据包括以下至少一个特征：用户地址、访问时间、访问地址、搜索词和终端标识。用户地址可以是用户在访问网络时自己所使用的IP(InternetProtocol，网络互连协议)地址。访问时间可以是用户接入网络或访问某个网站的时间。访问地址可以是指用户所访问的网页的IP地址。搜索词可以是用户进行网页搜索或在搜索应用中进行搜索时所输入的关键词。终端标识可以是电子设备所具备的唯一的设备标识，例如，设备的物理地址，即MAC(MediaAccessControl或者MediumAccessControl)地址。

这样，在将两组用户行为数据共同作为一个训练样本时，可以计算从两组用户行为数据中得到的两个用户地址之间的相似度值，然后将该值作为训练样本的一个特征值。类似的，可以得到访问时间、访问地址、搜索词以及终端标识的相似度值，并均可以作为训练样本的特征值。需要说明的是，上述相似度可以通过例如谷本系数(Jaccard)、余弦相似度、欧几里得距离或皮尔森相关性等相似度计算方法获得，由于上述各种方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤203，使用样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

在本实施例中，用户识别方法运行于其上的电子设备上可以预先存储有机器学习模型。本实施例中的模型可以是现有技术中常见的机器学习模型，例如DNN(DeepNeuralNetwork，深度神经网络)模型。

在本实施例中，上述电子设备可以首先使用在上述步骤202中得到的样本集合对预先存储的基础模型进行训练。在对模型进行训练之前，还可以对样本集合中的多个训练样本进行分类，也就是确定出属于同一个用户的训练样本以及不属于同一个用户的训练样本。然后使用模型同时对这两类样本的特征进行学习，就可以得到训练后的模型。此时，训练后的模型具备对用户进行识别的能力。如果将两组待识别的用户行为数据输入训练后的模型，该模型就可以输出对这两组数据是否对应于同一用户的判断结果。

在一种可选的实现方式中，在对训练样本进行分类时，可以判断上述任意两组用户行为数据是具有相同的终端标识；若是，将上述训练样本确定为正例训练样本，否则，将上述训练样本确定为负例训练样本。具体地，可以将两组用户行为数据所包括的两个终端标识进行匹配。如果匹配成功，则可以确认这两组用户行为数据是通过同一台终端设备产生的。由于在实践中，每个终端设备通常都由一个固定的用户使用，因此当两组数据具有相同的终端标识时，可以认为它们都是同一个用户产生的。这样，通过这两组数据得到的训练样本就可以作为样本集合中的一个正例训练样本。相反地，如果两组数据的终端标识不同，则可以认为它们是由不同用户产生的。此时，通过这两组数据得到的训练样本就可以作为样本集合中的一个负例训练样本。

在一种可选的实现方式中，上述任意两组用户行为数据包括：具有相同用户地址的两组用户行为数据。在从多组用户行为数据中选择任意两组时，可以首先筛选出那些具有相同用户地址的用户行为数据，然后再从这些具有相同用户地址的用户行为数据中任选两组，共同作为一个训练样本。由于同一个用户通常会通过几个固定的IP地址(例如，公司和家里IP地址)访问网络，因此通过用户地址对用户行为数据进行筛选，可以更容易得到同一个用户的行为数据，从而能够得到更加可靠的正例训练样本。

本申请的上述实施例提供的用户识别方法，可以将两组用户行为数据共同作为一个训练样本来进行模型训练，从而提高了样本的泛化能力，使得训练后的模型能够准确的确定出两组待识别的用户行为数据是否对应于同一用户，从而实现了对用户的准确识别。

进一步参考图3，其示出了用户识别方法的又一个实施例的流程300。该用户识别方法的流程300，包括以下步骤：

步骤301，获取多组用户行为数据。

在本实施例中，用户识别方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行网络访问或应用操作的多个终端上获取多组用户行为数据。

步骤302，将任意两组用户行为数据共同作为样本集合中的一个训练样本。

在本实施例中，上述电子设备(例如图1所示的服务器)可以从上述多组数据中任意选择两组数据共同形成一个数据对，然后将该数据对作为一个训练样本。

步骤303，确定每组用户行为数据对应的用户标识。

在本实施例中，用户标识可以是用户在网络平台中自主注册的用户账号，例如用户名或邮箱地址。如果用户在终端上进网络访问或应用操作时，在网络平台上登录了自己的用户账号，那么在获取这一次用户行为数据时，就可以同时获取与该用户行为数据对应的用户标识。如果用户未登录任何账号，则可以将该用户行为数据对应的用户标识设置为空。

步骤304，判断上述任意两组用户行为数据是否对应同一用户标识。

在本实施例中，当在步骤303中确定出每组用户行为数据对应的用户标识后，可以进一步对步骤302中选定的两组用户行为数据所对应的两个用户标识进行匹配，以判断该两组用户行为数据是否对应同一用户标识。

步骤305，若是，将上述训练样本确定为正例训练样本，否则，将上述训练样本确定为负例训练样本。

两组用户行为数据所对应的两个用户标识相匹配，则可以确认这两组用户行为数据对应同一用户标识。由于在网络平台中，每个用户标识都是唯一的，因此当两组数据对应同一用户标识时，可以认为它们都是由同一个用户产生的。这样，通过这两组数据得到的训练样本就可以作为样本集合中的一个正例训练样本。相反地，如果两组数据对应的不是同一个用户标识，则可以认为它们是不同用户产生的。此时，通过这两组数据得到的训练样本就可以作为样本集合中的一个负例训练样本。

步骤306，使用样本集合进行模型训练，并训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

在本实施例中，上述电子设备可以使用在步骤305中确定出的正例训练样本和负例训练样本，对预先存储的模型进行训练，以便通过练后的模型确定出两组待识别的用户行为数据是否对应于同一用户。

在本实施例的一些可选的实现方式中，上述电子设备若通过训练后的模型确定出两组待识别的用户行为数据对应于同一用户，则可以将两组待识别的用户行为数据对应的两个用户标识均确定为该用户的用户标识。在本实施例中，在获取待识别的用户行为数据时，可以同时获取与其对应的用户标识。此时，如果训练后的模型确定出两组待识别的用户行为数据对应于同一用户，则可以将对应的两个用户标识均确定为该用户的用户标识。例如，如果两组待识别的用户行为数据分别记录了在不同网络平台上的用户行为，此时用户在两个平台上登录的用户账号很有可能是不同的。若训练后的模型确定出这两组待识别的用户行为数据对应于同一用户，则可以将这两个用户标识均确定为该用户的用户标识。这样，就可以以用户为单位，建立不同网络平台间用户标识的对应关系，从而为不同平台间的数据交换与共享奠定了基础。

从图3中可以看出，与图2对应的实施例相比，本实施例中的用户识别方法的流程300通过用户标识来确定训练样本的类别。由此，本实施例描述的方案可以得到更加准确可靠的训练样本，从而使得训练后的模型能够更加准确地进行用户识别。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用户识别装置的一个实施例，该装置实施例与图2-3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例所述的用户识别装置400包括：获取模块410、提取模块420和识别模块430。其中，获取模块410，用于获取多组用户行为数据；提取模块420，用于将任意两组上述用户行为数据共同作为样本集合中的一个训练样本；识别模块430，用于使用上述样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

在本实施例中，用户识别装置400的获取模块410可以通过有线连接方式或者无线连接方式从用户利用其进行网络访问或应用操作的终端获取多组用户行为数据。

在本实施例中，基于获取模块410得到的多组用户行为数据，上述提取模块420可以从上述多组数据中任意选择两组数据共同形成一个数据对，然后将该数据对作为一个训练样本。

在本实施例中，用户识别装置400上可以预先存储有机器学习模型。用户识别装置400的识别模块430，可以首先使用上述提取模块420得到的样本集合对模型进行训练，然后将两组待识别的用户行为数据输入训练后的模型，以便该模型输出对这两组数据是否对应于同一用户的判断结果。

在本实施例的一些可选的实现方式中，提取模块420进一步用于：将任意两组用户行为数据中相应特征之间的相似度值，作为训练样本的特征值。

在本实施例的一些可选的实现方式中，一组用户行为数据包括以下至少一个特征：用户地址、访问时间、访问地址、搜索词和终端标识。

在本实施例的一些可选的实现方式中，用户识别装置400还可以包括：第一判断模块，用于判断所述任意两组所述用户行为数据是否具有相同的终端标识；上述提取模块420进一步用于：若是，将所述训练样本确定为正例训练样本，否则，将所述训练样本确定为负例训练样本。

在本实施例的一些可选的实现方式中，任意两组用户行为数据包括：具有相同用户地址的两组用户行为数据。

在本实施例的一些可选的实现方式中，用户识别装置400还可以还包括：确定模块，用于确定每组所述用户行为数据对应的用户标识；第二判断模块，用于判断所述任意两组所述用户行为数据是否对应同一所述用户标识；所述提取模块420进一步用于：若是，将所述训练样本作为正例训练样本，否则，将所述训练样本作为负例训练样本。

在本实施例的一些可选的实现方式中，用户识别装置400还可以还包括：标识确定模块，用于若通过所述训练后的模型确定出所述两组待识别的用户行为数据对应于同一用户，则将所述两组待识别的用户行为数据对应的两个用户标识均确定为该用户的用户标识。

本领域技术人员可以理解，上述用户识别装置400还包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图4中未示出。

下面参考图5，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统500的结构示意图。

图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、提取模块和识别模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“用于获取多组用户行为数据的模块”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取多组用户行为数据；将任意两组所述用户行为数据共同作为样本集合中的一个训练样本；使用所述样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用户识别方法，其特征在于，所述方法包括：

获取多组用户行为数据；

将任意两组所述用户行为数据共同作为样本集合中的一个训练样本；

使用所述样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

2.根据权利要求1所述的用户识别方法，其特征在于，所述将任意两组所述用户行为数据共同作为样本集合中的一个训练样本，包括：

将任意两组所述用户行为数据中相应特征之间的相似度值，作为所述训练样本的特征值。

3.根据权利要求2所述的用户识别方法，其特征在于，一组所述用户行为数据包括以下至少一个特征：

用户地址、访问时间、访问地址、搜索词和终端标识。

4.根据权利要求3所述的用户识别方法，其特征在于，还包括：

判断所述任意两组所述用户行为数据是否具有相同的终端标识；

若是，将所述训练样本确定为正例训练样本，否则，将所述训练样本确定为负例训练样本。

5.根据权利要求3所述的用户识别方法，其特征在于，所述任意两组所述用户行为数据包括：

具有相同用户地址的两组所述用户行为数据。

6.根据权利要求2所述的用户识别方法，其特征在于，还包括：

确定每组所述用户行为数据对应的用户标识；

判断所述任意两组所述用户行为数据是否对应同一所述用户标识；

若是，将所述训练样本确定为正例训练样本，否则，将所述训练样本确定为负例训练样本。

7.根据权利要求1至6任一项所述的用户识别方法，其特征在于，还包括：

若通过所述训练后的模型确定出所述两组待识别的用户行为数据对应于同一用户，则将所述两组待识别的用户行为数据对应的两个用户标识均确定为该用户的用户标识。

8.一种用户识别装置，其特征在于，所述装置包括：

获取模块，用于获取多组用户行为数据；

提取模块，用于将任意两组所述用户行为数据共同作为样本集合中的一个训练样本；

识别模块，用于使用所述样本集合进行模型训练，并通过训练后的模型确定两组待识别的用户行为数据是否对应于同一用户。

9.根据权利要求8所述的用户识别装置，其特征在于，所述提取模块进一步用于：

将任意两组所述用户行为数据中相应特征之间的相似度值，作为所述训练样本的特征值。

10.根据权利要求9所述的用户识别装置，其特征在于，一组所述用户行为数据包括以下至少一个特征：

用户地址、访问时间、访问地址、搜索词和终端标识。

11.根据权利要求10所述的用户识别装置，其特征在于，还包括：

第一判断模块，用于判断所述任意两组所述用户行为数据是否具有相同的终端标识；

所述提取模块进一步用于：若是，将所述训练样本确定为正例训练样本，否则，将所述训练样本确定为负例训练样本。

12.根据权利要求10所述的用户识别装置，其特征在于，所述任意两组所述用户行为数据包括：

具有相同用户地址的两组所述用户行为数据。

13.根据权利要求9所述的用户识别装置，其特征在于，还包括：

确定模块，用于确定每组所述用户行为数据对应的用户标识；

第二判断模块，用于判断所述任意两组所述用户行为数据是否对应同一所述用户标识；

所述提取模块进一步用于：若是，将所述训练样本作为正例训练样本，否则，将所述训练样本作为负例训练样本。

14.根据权利要求8至13任一项所述的用户识别装置，其特征在于，还包括：

标识确定模块，用于若通过所述训练后的模型确定出所述两组待识别的用户行为数据对应于同一用户，则将所述两组待识别的用户行为数据对应的两个用户标识均确定为该用户的用户标识。