CN108415952A

CN108415952A - 用户数据存储方法、标签计算方法及计算设备

Info

Publication number: CN108415952A
Application number: CN201810107644.9A
Authority: CN
Inventors: 叶杰生
Original assignee: Beijing Tengyun World Technology Co Ltd
Current assignee: Beijing Tengyun World Technology Co Ltd
Priority date: 2018-02-02
Filing date: 2018-02-02
Publication date: 2018-08-17
Anticipated expiration: 2038-02-02
Also published as: CN108415952B

Abstract

本发明公开了一种用户数据存储方法，在计算设备中执行，计算设备分别与第一数据存储装置和第二数据存储装置相连，第一数据存储装置中按照到达第一数据存储装置的时间顺序存储有多条用户行为记录，第二数据存储装置中以位图结构存储有多个用户对多个应用的行为记录，该方法包括：从第一数据存储装置中获取一条用户行为记录，用户行为记录包括时间戳、用户标识和应用标识；根据用户标识和应用标识来确定用户行为记录所对应的目标位图；根据时间戳来确定用户行为记录在目标位图中的目标位置；将目标位图中的目标位置处的值设置为1，从而将用户行为记录从第一数据存储装置存储到第二数据存储装置中。本发明一并公开了相应的标签计算方法计算设备。

Description

用户数据存储方法、标签计算方法及计算设备

技术领域

本发明涉及数据处理技术领域，尤其涉及一种用户数据存储方法、标签计算方法及计算设备。

背景技术

用户画像是根据用户的个人属性、社会属性、生活习惯、消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心即是给用户贴“标签”，标签是通过对用户信息进行分析计算而得出的高度精炼的特征标识。基于用户标签，可以实现针对用户的个性化推荐和精准营销。

在移动互联网时代，用户在使用移动终端时产生了海量的行为记录数据。通过对这些数据进行分析，可以得出用户的标签。在现有的方案中，行为记录数据多按照时间顺序进行存储。由于数据量较大、存储空间有限，在计算用户标签时通常采用增量的方式——对一个时间单位的数据采用某种标签算法进行计算，得出一组标签；然后对下一个时间单位的数据进行计算得出另一组标签；最后将这两组标签按照某种算法进行合并。上述增量计算方式的标签均是由一个时间单位的数据计算得出，结果比较片面，无法根据全体数据进行统一的计算。此外，这种计算方式也要求每一个时间单位所采用的标签算法相一致，如果标签算法更改，则需要按照更改后的标签算法重新计算每一个时间单位的标签，不方便对标签算法的修改和替换，很不灵活。再者，由于用户的状态及行为是不断变化的，某个时刻的用户标签可能与一段时间之前的标签大相径庭。而上述增量计算方式将当前时刻的标签与前一时刻的标签相整合，使得当前时刻的标签总是带有之前时刻的标签的印记，这亦与实际情况不符。

发明内容

为此，本发明提供一种用户数据存储方法、标签计算方法及计算设备，以解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供一种用户数据存储方法，在计算设备中执行，计算设备分别与第一数据存储装置和第二数据存储装置相连，所述第一数据存储装置中按照到达第一数据存储装置的时间顺序存储有多条用户行为记录，所述第二数据存储装置中以位图结构存储有多个用户对多个应用的行为记录，其中，一个用户对一个应用的所有行为记录对应于一个位图，所述方法包括：从第一数据存储装置中获取一条用户行为记录，所述用户行为记录包括时间戳、用户标识和应用标识；根据用户标识和应用标识来确定所述用户行为记录所对应的目标位图；根据时间戳来确定所述用户行为记录在所述目标位图中的目标位置；将所述目标位图中的目标位置处的值设置为1，从而将所述用户行为记录从第一数据存储装置存储到第二数据存储装置中。

可选地，在根据本发明的用户数据存储方法中，在根据时间戳来确定所述用户行为记录在所述目标位图中的目标位置的步骤之前，还包括：将所述时间戳转化为预设时间单位。

可选地，在根据本发明的用户数据存储方法中，预设时间单位为分钟。

可选地，在根据本发明的用户数据存储方法中，根据时间戳来确定所述用户行为记录在所述目标位图中的目标位置的步骤包括：确定所述目标位图中第一个点所对应的初始时间；计算所述时间戳与所述初始时间之间的时间间隔，所述时间间隔的单位为所述预设时间单位；根据所述时间间隔来确定所述用户行为记录在所述目标位图中的目标位置。

可选地，在根据本发明的用户数据存储方法中，根据所述时间间隔来确定所述用户行为记录在所述目标位图中的目标位置的步骤包括：所述目标位置为所述目标位图中第一个点之后的第时间间隔个点。

可选地，在根据本发明的用户数据存储方法中，根据用户标识和应用标识来确定所述用户行为记录所对应的目标位图的步骤包括：若第二数据存储装置中不存在对应于所述用户标识和所述应用标识的位图，则在第二数据存储装置中创建一个位图作为所述用户标识和所述应用标识所对应的目标位图。

可选地，在根据本发明的用户数据存储方法中，在从第一数据存储装置中获取一条用户行为记录的步骤之后，还包括：判断所述用户行为记录的时间戳是否出现异常，若出现异常，则丢弃所述用户行为记录。

可选地，在根据本发明的用户数据存储方法中，异常包括：时间戳为负数。

可选地，在根据本发明的用户数据存储方法中，第二数据存储装置中的位图采用Roaring Bitmap压缩算法存储。

根据本发明的一个方面，提供一种标签计算方法，在计算设备中执行，所述计算设备与第二数据存储装置相连，所述第二数据存储装置中以位图结构存储有多个用户对多个应用的行为记录，其中，一个用户对一个应用的所有行为记录对应于一个位图，所述方法包括：获取目标用户的一个或多个位图；根据所述位图来确定目标用户的使用特征；根据所述使用特征来确定目标用户的标签。

可选地，在根据本发明的标签计算方法中，使用特征包括：各应用的使用时长、各应用在特定时间段的使用时长、各应用的总使用时长中的一种或多种。

可选地，在根据本发明的标签计算方法中，一个应用的使用时长根据该应用对应的位图中所包括的1的数量来确定；一个应用在特定时间段的使用时长根据该应用对应的位图在特定位置区域所包括的1的数量来确定，其中，所述特定位置区域根据所述特定时间段来确定；各应用的总使用时长为各应用的使用时长之和。

根据本发明的另一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，程序指令被配置为适于由上述至少一个处理器执行，程序指令包括用于执行如上所述的用户数据存储方法和/或如上所述的标签计算方法的指令。

根据本发明的又一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上所述的用户数据存储方法和/或如上所述的标签计算方法。

根据本发明的技术方案，在第二数据存储装置中采用位图结构来存储用户行为记录，位图结构可以节省大量的存储空间，使得第二数据存储装置中可以存储用户的全部行为记录。进一步地，第二数据存储装置中的位图采用Roaring Bitmap压缩算法存储，进一步节省了存储空间，提高存储效率。此外，位图结构可以实现高效的计算，通过位图内元素的求和、以及各位图之间的交、并、差等可以实现单个应用以及多个应用在不同情况下的使用时长统计，从而确定用户对应用的使用特征，并根据使用特征来确定用户的标签。

本发明的技术方案中，第二数据存储装置中以位图结构存储有用户的全部行为记录，使得在后续计算用户标签时，可以选用任意时间段的用户行为记录进行分析计算，既可以根据全部的用户行为记录来确定用户的长期标签，也可以根据一段时间内的部分用户行为记录来确定用户的短期标签，使得计算出的用户标签更加合理，具备更高的可解释性。此外，本发明在根据使用特征来确定用户标签时，可以选用任意标签算法，并支持标签算法的修改和替换，使得本发明的标签计算方法更加方便、灵活，可扩展性较强。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了根据本发明一个实施例的数据存储系统100的示意图；

图2示出了根据本发明一个实施例的计算设备200的示意图；

图3示出了根据本发明一个实施例的用户数据存储方法300的流程图；

图4示出了根据本发明一个实施例的标签计算系统400的示意图；

图5示出了根据本发明一个实施例的标签计算方法500的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的用户数据存储系统100的示意图。如图1所示，用户数据存储系统100包括计算设备200、第一数据存储装置110和第二数据存储装置120。

计算设备200是具备通信、计算、存储功能的设备，其可以实现为服务器，例如应用服务器、Web服务器等，但不限于此。应当指出，计算设备200可以实现为一台服务器，也可以实现为由多台服务器所构成的集群或分布式系统；当其是多台服务器时，这多台服务器可以部署于同一地理位置，也可以分散布置于多个地理位置，本发明对计算设备200所包括的服务器的数量以及各服务器的部署位置均不做限制。

第一数据存储装置110、第二数据存储装置120可以是MySQL等关系型数据库，也可以是NoSQL等非关系型数据库(为了提高可扩展性和读写速度，一般优选为非关系型数据库)；可以是驻留于计算设备200中的本地数据库，也可以作为分布式数据库例如HBase等设置于多个地理位置处，总之，第一数据存储装置110、第二数据存储装置120用于存储数据，本发明对数据存储装置110、120的具体部署位置、配置情况等均不做限制。第一数据存储装置110、第二数据存储装置120分别与计算设备200相连。计算设备200可以对第一数据存储装置110、第二数据存储装置120中存储的数据进行读写。例如，计算设备200可以直接读取数据存储装置110、120中的数据(在数据存储装置110、120为计算设备200的本地数据库时)，也可以通过有线或无线的方式接入互联网，并通过数据接口来获取数据存储装置110、120中的数据。

用户可以在移动终端(移动终端例如可以是手机、平板电脑、多媒体设备、智能可穿戴设备等，但不限于此)上进行操作，例如浏览网页或使用某些应用(App)等。用户在移动终端上的操作会产生用户行为记录，这种行为记录会上报至提供相应服务的应用服务器或第三方服务器，应当指出，应用服务器或第三方服务器可以是计算设备200，也可以不是。应用服务器或第三方服务器将各移动终端上报来的用户行为记录存储至第一数据存储装置110。根据一种实施例，用户行为记录按照到达第一数据存储装置110的时间顺序存储于第一数据存储装置110中，每条用户行为记录包括时间戳、用户标识和应用标识，其所表达的信息是“某个用户在某个时间点使用了某个应用”。第一数据存储装置中所存储的用户行为记录的示例如下表所示：

表1

上表中的每一行表示一条用户行为记录，各条用户行为记录按照到达第一数据存储装置110的时间的先后顺序排列，表中位于上方的用户行为记录到达第一数据存储装置110的时间先于位于下方的用户行为记录。应当指出，上表中的到达时间与时间戳并不是一个概念，如前所述，到达时间为一条行为记录到达第一数据存储装置110的时间；而时间戳为用户在移动终端上产生该条行为记录的时间，在一般情况下(到达时间、时间戳未产生异常的情况下)，时间戳的时间总是先于到达时间。此外，应当指出，尽管上表中，用户行为记录1～6的到达时间逐渐增大，但是，其时间戳并不必然是逐渐增大的，因为从用户在移动终端上产生行为记录到将行为记录存储于第一数据存储装置110的过程中需要进行网络数据传输，由于网络状况及数据链路的通信状况差异，先产生的用户行为记录不一定先到达第一数据存储装置110。

本领域技术人员应当意识到，上表中的时间戳的取值仅是一个示例，在实际实施中，时间戳可以像上表一样具体到毫秒(ms)单位，也可以具体到秒、分钟、小时等其他单位，本发明对时间戳的精度不做限制。此外，为了便于表述，上表中的用户标识、应用标识的取值也做了一定的简化。而在实际情况中，由于用户数量、应用数量通常比较大，相应地，用户标识、应用标识的字符串长度通常不会像上表中一样仅设置为1，而是设置为长度更长的包括数字、字母(可以区分大小写)的组合，本发明对用户标识、应用标识的字符串长度以及标识规则不做限制。

由于第一数据存储装置110中只是机械地堆积了各条用户行为记录，各用户行为记录之间缺乏关联性，不便于进行数据分析。此外，这种存储方式占用的存储空间较大，一个时间戳通常要采用Long类型(8个字节)来存储，每条用户行为记录均包括用户标识、应用标识，而用户标识、应用标识在用户行为记录中重复率很高，造成不必要的存储空间浪费。由于第一数据存储装置110中的数据存储效率不高，难以存储全部用户的全部行为记录，相应地，基于第一数据存储装置110中的残缺不全的数据，也难以计算出各用户的全面的或与一段时间的行为记录相符的标签。针对该问题，本发明提出一种用户数据存储方法300，由计算设备200执行，将第一数据存储装置110中的用户行为记录以更优的方式存储于第二数据存储装置120中，第二数据存储装置120中以位图(Bitmap)结构存储有多个用户对多个应用的行为记录，其中，一个用户对一个应用的所有行为记录对应于一个位图。位图结构可以节省大量的存储空间，使得第二数据存储装置中可以存储用户的全部行为记录。进一步地，第二数据存储装置中的位图采用Roaring Bitmap压缩算法存储，进一步节省了存储空间，提高存储效率。此外，位图结构可以实现高效的计算，通过位图内元素的求和、以及各位图之间的交、并、差等可以实现单个应用以及多个应用在不同情况下的使用时长统计，从而确定用户对应用的使用特征，并根据使用特征来确定用户的标签。

图2示出了根据本发明一个实施例的计算设备200的示意图。在基本的配置202中，计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。

取决于期望的配置，处理器204可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用，或者在一些实现中，存储器控制器218可以是处理器204的一个内部部分。

取决于期望的配置，系统存储器206可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统220、一个或者多个应用222以及程序数据224。应用222实际上是多条程序指令，其用于指示处理器204执行相应的操作。在一些实施方式中，应用222可以布置为在操作系统上使得处理器204利用程序数据224进行操作。

计算设备200还可以包括有助于从各种接口设备(例如，输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256，它们可以被配置为有助于经由一个或者多个I/O端口258和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260，其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。

在根据本发明的计算设备200中，应用222包括用户数据存储应用228，用户数据存储应用228包括多条程序指令，而程序数据224可以包括由数据存储装置110中获取到的各条用户行为记录。装置228可以指示处理器204执行用户数据存储方法300，对程序数据224进行分析处理，以便于将第一数据存储装置110中的用户行为记录转存于第二数据存储装置120中，以提高数据存储效率，并便于计算分析。

图3示出了根据本发明一个实施例的用户数据存储方法300的流程图。方法300适于在计算设备(例如前述计算设备200)中执行。如图3所示，方法300始于步骤S310。

在步骤S310中，从第一数据存储装置中获取一条用户行为记录，用户行为记录包括时间戳、用户标识和应用标识。应当指出，实际上，对于第一数据存储装置110中存储的每一条用户行为记录，均需要执行方法300以将其转存于第二数据存储装置120中。将每条用户行为记录转存于第二数据存储装置120中方法都是一致的，此处谨以一条用户行为记录为例，来说明方法300的实施过程。用户行为记录的示例可以参见前述表1。

根据一种实施例，在步骤S310中获取到一条用户行为记录后，还要执行步骤S312(步骤S312在图3中未示出)。在步骤S312中，判断该条用户行为记录的时间戳是否出现异常，若出现异常，则丢弃该条用户行为记录。异常例如包括时间戳为负数、时间戳的格式错误等，但不限于此。

随后，在步骤S320中，根据用户标识和应用标识来确定用户行为记录所对应的目标位图。在第二数据存储装置120中，一个用户对一个应用的所有行为记录对应于一个位图，也即，每一个位图都唯一对应于一个(用户标识，应用标识)组合。例如，用户1对应用A的所有行为记录对应于位图1-A，用户1对应用B的所有行为记录对应于位图1-B，等等。这样，根据用户标识和应用标识，即可确定用户行为记录所对应的目标位图。应当指出，存在这种情况：用户使用了一个新的应用，因此，第二数据存储装置120中不存在对应于该用户标识和该应用标识的位图。这时，需要在第二数据存储装置120中创建一个新的位图，作为该用户标识和该应用标识所对应的目标位图。

随后，在步骤S330中，根据时间戳来确定用户行为记录在目标位图中的目标位置。应当指出，位图中所采用的时间单位与时间戳的时间单位可能不同，例如，时间戳的单位为毫秒，而位图中所采用的时间单位为分钟(实际上，以分钟为时间单位更符合业务逻辑)。在这种情况下，需要先将时间戳的时间单位转化为与位图所采用的时间单位相同。因此，根据一种实施例，在执行步骤S330之前，先执行步骤S322(步骤S322在图3中未示出)，将时间戳转化为预设时间单位，预设时间单位与位图所采用的时间单位一致，例如，预设时间单位可以是分钟。当然，在其他的实施例中，本领域技术人员也可以根据实际情况将预设时间单位设置为秒、小时等，本发明对预设时间单位的具体取值不做限制。例如，预设时间单位为分钟，对于表1中的第一条用户行为记录，其时间戳为2018-1-31 17:07:01 22ms，在将其转化为预设时间单位后，其时间戳变为2018-1-31 17:07。

应当指出，用户行为记录在位图中也是按照时间顺序来进行存储的，位图中相邻两个点所对应的时间差为预设时间间隔，预设时间间隔通常为预设时间单位的整数倍。位图中的第一个点对应的时间为初始时间，随后每隔预设时间间隔新增一个点。例如，预设时间单位为分钟，预设时间间隔为1分钟，位图的第一个点所对应的初始时间为2018-01-3117:07，则第二个点对应的时间为2018-01-31 17:08，第三个点对应的时间为2018-01-3117:09，以此类推。应当指出，初始时间可以由本领域技术人员根据实际情况自行设置，本发明对此不做限制。例如，可以为一个用户的所有位图设置相同的初始时间，或者为所有用户的所有位图设置相同的初始时间，或者将用户针对一个应用的第一条行为记录的时间戳作为该用户该应用的位图的初始时间，等等。

根据一种实施例，步骤S330进一步按照以下步骤实施：首先，确定目标位图中第一个点所对应的初始时间；随后，计算时间戳与初始时间之间的时间间隔，时间间隔的单位为前述预设时间单位；最后，根据时间间隔来确定用户行为记录在目标位图中的目标位置。若位图中的预设时间间隔与预设时间单位相同，则目标位置为目标位图中第一个点之后的第时间间隔个点。

在步骤S330中确定了用户行为记录在目标位图中的目标位置后，执行步骤S340，将目标位图中的目标位置处的值设置为1，从而将用户行为记录从第一数据存储装置存储到第二数据存储装置中。实际上，目标位图中所包括的数据点的取值只有0和1两种，每个数据点对应于一个时间，一个点的取值为1，则表示用户在该时间上使用了该应用；一个点的取值为0，则表示用户在该时间上未使用该应用。

为了便于理解，以下以前述表1中的前五条用户行为记录为例，来说明本发明的用户数据存储方法300的实施过程。

用户行为记录1的时间戳为2018-1-31 17:07:01 22ms，用户标识为1，应用标识为A。首先，根据用户标识1和应用标识A来确定用户行为记录1所对应的目标位图。经过查询，第二数据存储装置120中不存在对应于用户标识1和应用标识A的位图，因此，新建一个位图1-A作为目标位图，设置预设时间单位为分钟，位图中相邻两个点的预设时间间隔为1分钟，将位图1-A的初始时间设置为2018-1-31 17:07。将时间戳2018-1-31 17:07:01 22ms转化为预设时间单位，即将时间戳转化为2018-1-31 17:07。转化后的时间戳与位图1-A的初始时间相同，即时间戳与初始时间的时间间隔为0，因此，目标位置即为位图1-A的第一个点，将该点的值置为1，得到位图1-A如下所示。

用户行为记录2的时间戳为2018-1-31 17:09:05 5ms，用户标识为1，应用标识为A。根据用户标识1和应用标识A确定目标位图为位图1-A。时间戳转化为预设时间单位后为2018-1-31 17:09，时间戳与初始时间的时间间隔为2分钟，因此，目标位置为第一个点之后的第二个点，即位图1-A的第三个点，将该点的值置为1，得到位图1-A如下所示。

用户行为记录3的时间戳为2018-1-31 17:08:22 78ms，用户标识为1，应用标识为A。根据用户标识1和应用标识A确定目标位图为位图1-A。时间戳转化为预设时间单位后为2018-1-31 17:08，时间戳与初始时间的时间间隔为1分钟，因此，目标位置为第一个点之后的第一个点，即位图1-A的第二个点，将该点的值置为1，得到位图1-A如下所示。

用户行为记录4的时间戳为2018-1-31 17:10:17 66ms，用户标识为1，应用标识为A。根据用户标识1和应用标识A确定目标位图为位图1-A。时间戳转化为预设时间单位后为2018-1-31 17:10，时间戳与初始时间的时间间隔为3分钟，因此，目标位置为第一个点之后的第三个点，即位图1-A的第四个点，将该点的值置为1，得到位图1-A如下所示。

用户行为记录5的时间戳为2018-1-31 17:12:11 123ms，用户标识为1，应用标识为A。根据用户标识1和应用标识A确定目标位图为位图1-A。时间戳转化为预设时间单位后为2018-1-31 17:12，时间戳与初始时间的时间间隔为5分钟，因此，目标位置为第一个点之后的第五个点，即位图1-A的第六个点，将该点的值置为1，得到位图1-A如下所示。

根据一种实施例，第二数据存储装置120中的位图采用Roaring Bitmap压缩算法存储，从而进一步节省存储空间。

基于方法300，第二数据存储装置120中以位图结构来存储用户行为记录，位图结构可以节省大量的存储空间，使得第二数据存储装置120中可以存储用户的全部行为记录。进一步地，第二数据存储装置中的位图采用Roaring Bitmap压缩算法存储，进一步节省了存储空间，提高存储效率。此外，位图结构可以实现高效的计算，通过位图内元素的求和、以及各位图之间的交、并、差等可以实现单个应用以及多个应用在不同情况下的使用时长统计，从而确定用户对应用的使用特征，并根据使用特征来确定用户的标签。例如，针对前述位图1-A，通过将位图中所有点的值求和，即可得出用户1对应用A的使用时长为5分钟。

基于第二数据存储装置120中的位图结构，可以方便地实现各用户的标签计算。图4示出了根据本发明一个实施例的标签计算系统400的示意图。如图4所示，标签计算系统400包括第二数据存储装置120、计算设备420和第三数据存储装置430。计算设备420可以读取第二数据存储装置120中存储的位图，并据此计算出用户标签，将用户标签存储于第三数据存储装置430中。计算设备420的结构例如可以与图2所示的计算设备200的结构类似，只是将其中的用户数据存储应用228替换为标签计算应用228。

图5示出了根据本发明一个实施例的标签计算方法500的流程图。方法500适于在计算设备(例如前述计算设备420)中执行。如图5所示，方法500始于步骤S510。

在步骤S510中，获取目标用户的一个或多个位图。应当指出，步骤S510可以根据实际需要获取目标用户的所有位图、或对应于某一个或某几个应用的特定位图，本发明对参与计算的位图不做限制。此外，实际上，对于第二数据存储装置120中的每一个用户，均需要执行方法500来确定其标签。确定每个用户的标签的方法都是一致的，此处谨以目标用户为例，来说明方法500的实施过程。

随后，在步骤S520中，根据位图来确定目标用户的使用特征。根据一种实施例，使用特征包括：各应用的使用时长、各应用在特定时间段(例如工作日、周末、工作日上午、节假日晚上等)的使用时长、各应用的总使用时长中的一种或多种。其中，一个应用的使用时长根据该应用对应的位图中所包括的1的数量来确定；一个应用在特定时间段的使用时长根据该应用对应的位图在特定位置区域所包括的1的数量来确定，其中，特定位置区域根据特定时间段来确定；各应用的总使用时长为各应用的使用时长之和。当然，除上述之外，使用特征还可以包括其他项目，本领域技术人员可以根据实际需要设计任意的使用特征，本发明对使用特征所包括的具体项目不做限制。

随后，在步骤S530中，根据使用特征来确定目标用户的标签。应当指出，本发明对确定目标用户的标签所采用的具体算法不做限制，本领域技术人员可以根据实际需要选用任意标签算法。

以下给出标签算法的一个示例：

第三数据存储装置530中存储有应用-标签列表，应用标签列表中列出了每一个应用所对应的标签，例如，“滴滴打车”应用对应于“打车”标签。

将用户对各应用的使用时长作为该用户的使用特征。根据第二数据存储装置120中所存储的用户的位图，通过将各位图中的“1”相加，可以方便、快速地统计出用户针对各应用的使用时长。

根据用户对各应用的使用时长以及应用-标签的对应关系，可以得出用户对各标签的使用时长。例如，应用所对应的标签以及用户对各应用的使用时长如下表所示：

表2

应用标识	A	B	C	D	E
						标签标识	1,2,4	1,3	2,5	2,5,7	4
应用使用时长(分钟)	2	5	4	7	6

基于表2，可以得出用户对各标签的使用时长，各标签的使用时长即为该标签所对应的应用的使用时长之和。例如，应用A、B均对应于标签1，则标签1的使用时长为应用A、B的使用时长之和，即标签1的使用时长＝2+5＝7，同理，可以得出标签2～7的使用时长如下表3所示。

表3

标签标识	1	2	3	4	5	6	7
								标签使用时长(分钟)	7	13	5	6	11	0	7

根据表3中所列出的使用时长，可以计算出用户对各标签的偏好权重。偏好权重例如可以按照以下公式计算：

其中，w_u,t为用户u对标签t的偏好权重，f_u,t为用户u对标签t的使用时长，n_label为标签的数量，n为用户的数量，n_t为标签t的使用时长不为0的用户的数量。公式(1)的计算效果是，用户u使用频繁(即使用时长较大)但是其他用户使用不频繁的标签的偏好权重较大，这种标签更适合作为用户的特征。

最后，可以根据偏好权重来对各标签进行筛选，从而确定用户所对应的标签。例如，将偏好权重大于一定阈值的标签作为用户的标签，或者将偏好权重最大的几个标签作为用户的标签，等等。

当然，以上只是根据使用特征来确定用户标签的一个算法示例，本领域技术人员可以根据实际需要选用任意算法，本发明对确定用户标签所采用的具体算法不做限制。

总之，基于第二数据存储装置120中以位图结构存储的用户的全部行为记录，在后续计算用户标签时，可以选用任意时间段的用户行为记录进行分析计算，既可以根据全部的用户行为记录来确定用户的长期标签，也可以根据一段时间内的部分用户行为记录来确定用户的短期标签，使得计算出的用户标签更加合理，具备更高的可解释性。此外，本发明在根据使用特征来确定用户标签时，可以选用任意标签算法，并支持标签算法的修改和替换，使得本发明的标签计算方法更加方便、灵活，可扩展性较强。

A8:A7所述的方法，其中，所述异常包括：时间戳为负数。

A9:A1-8中任一项所述的方法，其中，所述第二数据存储装置中的位图采用Roaring Bitmap压缩算法存储。

B11:B10所述的方法，其中，所述使用特征包括：各应用的使用时长、各应用在特定时间段的使用时长、各应用的总使用时长中的一种或多种。

B12:B11所述的方法，其中，一个应用的使用时长根据该应用对应的位图中所包括的1的数量来确定；

一个应用在特定时间段的使用时长根据该应用对应的位图在特定位置区域所包括的1的数量来确定，其中，所述特定位置区域根据所述特定时间段来确定；

各应用的总使用时长为各应用的使用时长之和。

这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的用户数据存储方法。

以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。

在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。

Claims

1.一种用户数据存储方法，在计算设备中执行，所述计算设备分别与第一数据存储装置和第二数据存储装置相连，所述第一数据存储装置中按照到达第一数据存储装置的时间顺序存储有多条用户行为记录，所述第二数据存储装置中以位图结构存储有多个用户对多个应用的行为记录，其中，一个用户对一个应用的所有行为记录对应于一个位图，所述方法包括：

从第一数据存储装置中获取一条用户行为记录，所述用户行为记录包括时间戳、用户标识和应用标识；

根据用户标识和应用标识来确定所述用户行为记录所对应的目标位图；

根据时间戳来确定所述用户行为记录在所述目标位图中的目标位置；

将所述目标位图中的目标位置处的值设置为1，从而将所述用户行为记录从第一数据存储装置存储到第二数据存储装置中。

2.如权利要求1所述的方法，其中，在所述根据时间戳来确定所述用户行为记录在所述目标位图中的目标位置的步骤之前，还包括：将所述时间戳转化为预设时间单位。

3.如权利要求2所述的方法，其中，所述预设时间单位为分钟。

4.如权利要求2或3所述的方法，其中，所述根据时间戳来确定所述用户行为记录在所述目标位图中的目标位置的步骤包括：

确定所述目标位图中第一个点所对应的初始时间；

计算所述时间戳与所述初始时间之间的时间间隔，所述时间间隔的单位为所述预设时间单位；

根据所述时间间隔来确定所述用户行为记录在所述目标位图中的目标位置。

5.如权利要求4所述的方法，其中，根据所述时间间隔来确定所述用户行为记录在所述目标位图中的目标位置的步骤包括：所述目标位置为所述目标位图中第一个点之后的第时间间隔个点。

6.如权利要求1-5中任一项所述的方法，其中，所述根据用户标识和应用标识来确定所述用户行为记录所对应的目标位图的步骤包括：

若第二数据存储装置中不存在对应于所述用户标识和所述应用标识的位图，则在第二数据存储装置中创建一个位图作为所述用户标识和所述应用标识所对应的目标位图。

7.如权利要求1-6中任一项所述的方法，其中，在所述从第一数据存储装置中获取一条用户行为记录的步骤之后，还包括：判断所述用户行为记录的时间戳是否出现异常，若出现异常，则丢弃所述用户行为记录。

8.一种标签计算方法，在计算设备中执行，所述计算设备与第二数据存储装置相连，所述第二数据存储装置中以位图结构存储有多个用户对多个应用的行为记录，其中，一个用户对一个应用的所有行为记录对应于一个位图，所述方法包括：

获取目标用户的一个或多个位图；

根据所述位图来确定目标用户的使用特征；

根据所述使用特征来确定目标用户的标签。

9.一种计算设备，包括：

至少一个处理器；和

存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-7中任一项所述的用户数据存储方法和/或如权利要求8所述的标签计算方法的指令。

10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-7中任一项所述的用户数据存储方法和/或如权利要求8所述的标签计算方法。