CN109660980B - 基于历史连接WiFi构建用户画像的方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种基于历史连接WiFi构建用户画像的方法，所述方法包括以下步骤：获取用户终端历史连接的WiFi数据；对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；将所送用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；根据所述用户的出行数据以及消费标签构建用户画像。本发明还公开了一种基于历史连接WiFi构建用户画像的装置、设备及计算机可读存储介质。本发明能够对用户进行高精准度的特征分析，从而有效提高了用户画像体系的准确性。

Description

基于历史连接WiFi构建用户画像的方法、装置、设备及介质

技术领域

本发明涉及无线网络数据分析领域，尤其涉及基于历史连接WiFi构建用户画像的方法、装置、设备及计算机可读存储介质。

背景技术

随着终端的普及以及其功能的丰富，用户每天沉浸在终端的时间越来越多，终端成为用户每天获取信息的渠道，例如，用户可以使用终端查看资讯信息、网上购物、观看、下载音视频等。

而用户在使用终端查看资讯信息、网上购物、观看、下载音视频时，必然会耗费大量的流量，因此，在有WiFi的情况下，用户一般都会选择连接WiFi，通过WiFi进行网页浏览、观看视频等操作，因此连接WiFi后的终端占据了用户大量时间，然而目前在对用户进行分析兴趣爱好，构建用户画像时，只能通过用户的浏览记录进行分析，在用户只连接了WiFi，但是没有具体进行浏览操作时，无法对用户进行分析，判断用户特征，从而造成对用户画像构建不精准。

发明内容

本发明的主要目的在于提出一种基于历史连接WiFi构建用户画像的方法、装置、设备及计算机可读存储介质，旨在解决在用户只连接了WiFi，但是没有具体进行浏览操作时，无法对用户进行分析，判断用户特征，从而造成对用户画像构建不精准的技术问题。

为实现上述目的，本发明提供一种基于历史连接WiFi构建用户画像的方法，所述方法包括：

获取用户终端历史连接的WiFi数据；

对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；

将所述用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；

根据所述用户的出行数据以及消费标签构建用户画像。

此外，为实现上述目的，本发明还提供一种基于历史连接WiFi构建用户画像的装置，所述装置包括：

获取模块，用于获取用户终端历史连接的WiFi数据；

分析模块，用于对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；将所送用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；

构建模块，用于根据所述用户的出行数据以及消费标签构建用户画像。

此外，为实现上述目的，本发明还提供一种基于历史连接WiFi构建用户画像的设备，所述基于历史连接WiFi构建用户画像的设备包括基于历史连接WiFi构建用户画像的程序，所述基于历史连接WiFi构建用户画像的程序被所述基于历史连接WiFi构建用户画像的设备执行时实现如上所述的基于历史连接WiFi构建用户画像的方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于历史连接WiFi构建用户画像的程序，所述基于历史连接WiFi构建用户画像的程序被处理器执行时实现如上所述的基于历史连接WiFi构建用户画像的方法的步骤。

本发明提出的基于历史连接WiFi构建用户画像的方法、装置、设备及计算机可读存储介质，首先获取用户终端历史连接的WiFi数据；然后对所述用户终端历史连接的WiFi数据进行分析，即可获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；再将所送用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；即可根据所述用户的出行数据以及消费标签构建用户画像，通过上述方式，即可通过用户历史连接WiFi对用户进行高精准度的特征分析，从而有效提高了用户画像体系的准确性。

附图说明

图1为本发明基于历史连接WiFi构建用户画像的方法第一实施例的流程示意图；

图2为本发明基于历史连接WiFi构建用户画像的方法第二实施例的流程示意图；

图3为本发明基于历史连接WiFi构建用户画像的方法第三实施例的流程示意图；

图4为本发明基于历史连接WiFi构建用户画像的方法第四实施例的流程示意图；

图5为本发明基于历史连接WiFi构建用户画像的方法第五实施例的流程示意图；

图6为本发明基于历史连接WiFi构建用户画像的方法第六实施例中将查到的推送内容向用户进行推送的步骤的细化流程示意图；

图7为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于历史连接WiFi构建用户画像的方法。

参照图1，图1为本发明基于历史连接WiFi构建用户画像的方法第一实施例的流程示意图。

在本实施例中，该方法包括：

步骤S10，获取用户终端历史连接的WiFi数据；

在本实施例中，通过用户终端历史连接的WiFi数据构建用户画像，因此，在构建用户画像之前，首先需要获取用户终端历史连接的WiFi数据，其中，WiFi数据可以包括wifi标识信息，比如wifi的无线AP(路由器)的MAC地址，以及wifi名称、wifi所处的地理位置信息等；因此，为了便于后续获得用户终端历史连接的wifi数据，在用户使用终端过程中，需要对用户终端连接wifi的操作进行监测，当监测到用户终端连接wifi时，获取连接的wifi的无线AP(路由器)以及周边的无线AP的唯一的MAC地址；可以理解的是，用户终端在开启WiFi的情况下，即可扫描并收集周围的AP信号，无论是否加密，是否已连接，甚至信号强度不足以显示在无线信号列表中，都可以获取到AP广播的MAC地址；在检测到用户终端连接wifi时，用户终端将各个AP广播的MAC地址发送到位置服务器，位置服务器通过接收到的MAC地址检索出每一个AP对应的地理位置，并结合每个wifi信号的强弱程度，计算出用户终端所处的地理位置并返回到用户终端，然后用户终端对连接wifi的具体起始时间、wifi的无线AP(路由器)的MAC地址、wifi名称以及用户终端所处的地理位置信息进行记录，进一步地，还可以通过连接wifi的具体起始时间计算连接wifi的具体时长，并对连接wifi的具体时长进行记录，从而获知用户在各个位置的具体停留时间；

步骤S20，对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；

在获取到用户终端历史连接的WiFi数据之后，即可对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；具体地，提取用户终端历史连接的WiFi数据中的用户终端所处的地理位置信息，对应的连接wifi的具体起始时间，以及连接wifi的具体时长，然后将用户在各个wifi连接地点与具体的停留时间进行关联，即可获得用户的出行数据，比如，若用户连接A商场wifi的时间为工作日晚上19:30-21:00，连接B办公楼的wifi的时间为工作日的9:00-18:00，连接C游乐场wifi的时间为周末的白天，可知用户的运行轨迹为工作日白天在B办公楼-工作日晚上在A商场，周末白天在C游乐场，出行数据即一般为工作日的9:00-18:00到B办公楼-工作日晚上19:30-21:00到A商场，周末白天到C游乐场；

步骤S30，将所述用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；

在获得用户的出行数据之后，即可将所述用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签，具体地，可以首先把用户的出行数据量化成对应的数组，其中将用户的出行数据量化成数组的方式可以为，将用户的出行数据中的出行地点输入对应区域的地图中，获得对应的坐标，然后将坐标量化为数组，然后将用户数据中的出行时间，量化为具体的数组，进一步地，还可以查找用户出行的地点所在区域，并根据所在区域查找所在区域的消费水平，然后将所在区域的消费水平量化为数组，然后将量化后的数组输入训练好的神经网络模型中，通过训练好的神经网络模型对用户的消费偏好进行分析，即可获得用户的消费标签，从而提高了分析用户消费标签的准确性，避免通过人工进行分析造成得到的分析结论不准确的问题；进一步地，训练神经网络模型的可以具体包括，在创建神经网络模型之后，将预设的样本用户出行数据输入至创建的神经网络模型中，然后设置参数，参数可以从最小值进行设置，即可开始训练，然后将训练输出的结果与预设的结果进行对比，获得训练结果与预设结果之间的差值，并在差值小于第一预设差值时将设置的参数保存为训练的参数，在差值大于或等于第一预设差值时，对参数进行更改，并继续进行训练，直到差值小于第一预设差值，即可获得训练好的神经网络模型，或者通过迭代算法(Baum-welch算法)对该神经网络模型的参数进行更新，并对预设的样本用户出行数据进行迭代训练，不断地循环迭代，直到达到先前设置的迭代次数或已经收敛，即可获得训练好的神经网络模型。

步骤S40，根据所述用户的出行数据以及消费标签构建用户画像。

在获得用户的出行数据以及消费标签之后，即可根据所述用户的出行数据以及消费标签构建用户画像，具体地，首先获取用户消费标签对应的标签分值；然后提取预设的用户画像模板，并将所述用户消费标签对应的标签分值与所述用户的出行数据配置至预设的用户画像模板，即可生成用户画像。

进一步地，参照图2，所述步骤S40包括：

步骤S41，获取用户消费标签对应的标签分值；

具体地，在获得用户出行数据之后，可以进一步获取用户消费标签对应的标签分值，可以理解的是，在获取之前，需要预设消费标签对应的分值，具体分值可以根据消费标签对应的物品的价值进行设置，比如消费标签为电子产品所对应的物品为电子产品，价值相对而言较高，可以设置对应的分值为3分，消费标签为新鲜食品对应的物品为蔬菜水果等，价值相对而言较低，可以设置对应的分值为2分，然后将设置好的分值与对应的消费标签进行关联，然后进行保存，以便后续进行获取。

步骤S42，将所述用户消费标签对应的标签分值与所述用户的出行数据配置至预设的用户画像模板，生成用户画像。

然后将所述用户消费标签对应的标签分值与所述用户的出行数据配置至预设的用户画像模板，即可生成用户画像，消费标签包括消费的具体偏好类别，比如运动，购买食品或者购买书籍等，然后根据预设的用户消费标签，抓取对应的用户消费标签数据项，然后将所述消费标签与抓取到的用户消费标签数据项进行关联，即可获得用户消费标签，进一步地，还可以获取用户其他特征标签，比如出行区域，出行时间等，然后通过各个特征与对应的数据项，构建用户画像，比如用户的消费水平为每月7000，出行区域为A区，出行时间为工作日晚上19-21点，消费的具体偏好类别为购买化妆品、书籍，则根据特征标签抓取对应的用户特征标签数据项A区，19-21点，7000，化妆品，书籍，然后出行区域与A区进行关联，将出行时间19-21点进行关联，将消费水平与7000进行关联，将消费偏好类别与化妆品、书籍进行关联，即可获得用户特征标签为消费水平7000，消费偏好类别为化妆品、书籍。然后提取预设的用户画像模板，并将用户特征标签填入所述用户画像模板中，即可生成用户画像，使得更加直观地获知用户的出行轨迹、出行习惯以及消费偏好，在对用户进行推送时，从而实现精准的推送。其中，所述用户画像模板可以为表格，或者数据库、页签等，在此不做限制，可以进一步建立用户账户或用户ID，然后将用户画像与用户账户或用户ID进行关联，以便直观地获知用户的需求。

本实施例提出的基于历史连接WiFi构建用户画像的方法，首先获取用户终端历史连接的WiFi数据；然后对所述用户终端历史连接的WiFi数据进行分析，即可获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；再将所送用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；即可根据所述用户的出行数据以及消费标签构建用户画像，通过上述方式，即可通过用户历史连接WiFi对用户进行高精准度的特征分析，从而有效提高了用户画像体系的准确性。

进一步地，参照图2，基于本发明基于历史连接WiFi构建用户画像的方法第一实施例提出本发明基于历史连接WiFi构建用户画像的方法第二实施例。

在本实施例中，所述步骤S20之后的步骤，还包括：

步骤S50，将所述用户的出行数据输入对应的区域地图模型中进行分析，获得所述用户的出行数据的坐标；

在本实施例中，获得用户的出行数据之后，可以进一步将所述出行数据进行量化，具体地，将所述用户的出行数据输入对应的区域地图模型中进行分析，获得所述用户的出行数据的坐标，比如假设用户出行的场所所属区域为深圳市南山区，则将用户的出行数据中的出行场所输入至深圳市南山区对应的区域地图中，即可获得所述用户的出行数据的坐标；

步骤S60，将所述用户的出行数据的坐标量化为对应数组。

然后将所述用户的出行数据的坐标量化为对应数组即可。

进一步地，参照图3，基于本发明基于历史连接WiFi构建用户画像的方法第一实施例提出本发明基于历史连接WiFi构建用户画像的方法第三实施例。

在本实施例中，所述步骤S20之后的步骤，还包括：

步骤S70，查找所述用户出行场所的所属区域，并查找所述所属区域的消费水平；

在本实施例中，获得用户的出行数据之后，可以进一步查找所述用户出行场所的所属区域，并查找所述所属区域的消费水平，然后结合所属区域，进行量化为对应的数组。

步骤S80，将所属区域的消费水平量化为对应数组。

具体地，可以预先为各个区域编号，然后提取用户出行场所所属区域对应的编号，并以编号为纵坐标，消费水平为横坐标进行量化，即可获得消费水平的对应数组。

进一步地，参照图4，基于本发明基于历史连接WiFi构建用户画像的方法第一实施例提出本发明基于历史连接WiFi构建用户画像的方法第四实施例。

在本实施例中，所述步骤S40之后的步骤，还包括：

步骤S90，当接收到将所述用户画像发送至第三方应用的授权指令时，将所述用户图像发送至所述第三方应用。

在本实施例中，在生成用户画像之后，可以进一步将生成的用户画像发送给用户，以便用户授权给其他的应用进行使用，以便其他应用快速获取用户信息，从而有针对性地查找到用户所需的物品、内容等，或者可以根据用户的授权指令直接将用户画像发送至其他应用；因此当接收到将所述用户画像发送至第三方应用的授权指令时，将所述用户图像发送至所述第三方应用。

进一步地，参照图5，基于本发明基于历史连接WiFi构建用户画像的方法第一实施例提出本发明基于历史连接WiFi构建用户画像的方法第五实施例。

在本实施例中，所述步骤S40之后的步骤，还包括：

步骤S100，根据所述用户画像查找推送内容，所述推送内容包括推送类别以及推送类别对应价格；

步骤S110，将查到的推送内容向用户进行推送。

在获得用户画像之后，即可根据用户画像查找进行推送的内容，可以包括推送的类别以及对应的价格等，比如假设用户画像中，用户消费的商品类型为化妆品，消费水平为3000，消费单价为500，即可查500左右的化妆品向用户进行推送。

进一步地，参照图6，基于本发明基于历史连接WiFi构建用户画像的方法第一实施例提出本发明基于历史连接WiFi构建用户画像的方法第六实施例。

在本实施例中，所述步骤S40之后的步骤，还包括：

步骤S111，创建用户推送内容推荐列表，计算用户消费标签对应的标签分值的比例；

步骤S112，根据设置的推荐列表的推送数量提取各个对应的标签分值对应的推送内容；

在本实施例中，在查找到推送内容之后，可以根据用户特征标签以及对应的标签分值创建推荐列表，首先将所述标签分值进行归一化处理，以便获知各个特征标签之间的占比，具体地，比如消费标签为电子产品所对应的物品为电子产品，对应的分值为3分，消费标签为新鲜食品对应的物品为蔬菜水果等，对应的分值为2分，可以将用户的得分进行归一化，比如，假设用户所有的得分为1，则通过归一化处理，用户在新鲜食品得分为2/(2+3)＝0.4分，用户在消费标签为电子产品得分为3/(2+3)＝0.6分，从而获知各个特征标签之间的占比。然后根据具体的占比挑选进行推送的内容，比如新鲜食品占比为0.4，电子产品占比为0.6，然后将对应占比乘以挑选的总数量，即可获得挑选的推送内容数量，然后按照挑选的顺序进行排列，从而获得用户推荐列表。

步骤S113，将提取到的推送内容按照设置的顺序在推荐列表进行排列，并将排列后的推荐列表向用户进行推送。

具体地，可以将计算得到的比重与每页显示的总数量相乘，即可得到每页显示的具体类别对应的推送数量，而各个类别之间的显示顺序，则可根据占比进行排序，比如根据的占比，将计算得到的推送内容根据占比高低进行排序，或者进行相间排序，比如，假设每页显示的推送总数为10个，计算得到电子产品数量为6，新鲜食品数量为4，可以将显示排序为先显示6个电子产品的推送内容，再显示新鲜食品的推送内容，或者先显示3个电子产品的推送内容，再显示2个新鲜食品的推送内容，然后再显示3个电子产品的推送内容，然后根据所述用户推荐列表向用户进行推送。从而实现推送的多样化。避免一次挑选同类型的推送类别数量过多，造成由于越往后用户的浏览欲望越低，而造成用户不想浏览后面的内容的情况，。

本发明实施例进一步提供一种基于历史连接WiFi构建用户画像的装置，所述装置包括：

获取模块，用于获取用户终端历史连接的WiFi数据；

分析模块，用于对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；将所送用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；

构建模块，用于根据所述用户的出行数据以及消费标签构建用户画像。

本发明基于历史连接WiFi构建用户画像的装置的具体实施例与上述基于历史连接WiFi构建用户画像的方法各实施例基本相同，在此不作赘述。

本发明实施例进一步提供一种基于历史连接WiFi构建用户画像的设备。

参照图7，图7为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

如图7所示，该基于历史连接WiFi构建用户画像的设备可以包括：处理器1001，例如CPU，网络接口1002，用户接口1003，存储器1004。这些组件之间的连接通信可以通过通信总线实现。网络接口1002可选的可以包括标准的有线接口(用于连接有线网络)、无线接口(如WI-FI接口、蓝牙接口、红外线接口等，用于连接无线网络)。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口(例如用于连接有线键盘、有线鼠标等)和/或无线接口(例如用于连接无线键盘、无线鼠标)。存储器1004可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。

可选地，该基于历史连接WiFi构建用户画像的设备还可以包括摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。

本领域技术人员可以理解，图中示出的基于历史连接WiFi构建用户画像的设备结构并不构成对基于历史连接WiFi构建用户画像的设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图7所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信模块、用户接口模块以及基于历史连接WiFi构建用户画像的程序。其中，操作系统是管理和控制基于历史连接WiFi构建用户画像的设备硬件与软件资源的程序，支持网络通信模块、用户接口模块、基于历史连接WiFi构建用户画像的程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。

在图7所示的基于历史连接WiFi构建用户画像的设备中，网络接口1002主要用于连接数据库，与数据库进行数据通信；用户接口1003主要用于连接客户端(可以理解为用户端)，与客户端进行数据通信，如通过窗口展示信息给客户端，或者接收客户端发送的操作信息；而处理器1001可以用于执行存储器1004中存储的基于历史连接WiFi构建用户画像的程序，以实现上述基于历史连接WiFi构建用户画像的方法各实施例中的步骤，在此不作赘述。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述基于历史连接WiFi构建用户画像的方法各实施例中的步骤，在此不作赘述。

还需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种基于历史连接WiFi构建用户画像的方法，其特征在于，所述方法包括以下步骤：

获取用户终端历史连接的WiFi数据，所述WiFi数据包括：WiFi标识信息、WiFi名称、WiFi所处的地理位置信息；

对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；

将所述用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签，所述消费标签包括消费的具体偏好类别；

根据所述用户的出行数据以及消费标签构建用户画像；

所述根据所述用户的出行数据以及消费标签构建用户画像的步骤包括：

获取用户消费标签对应的标签分值；

将所述用户消费标签对应的标签分值与所述用户的出行数据配置至预设的用户画像模板，生成用户画像。

2.如权利要求1所述的基于历史连接WiFi构建用户画像的方法，其特征在于，所述对所述用户历史连接的WiFi数据进行分析，获得用户的出行数据的步骤之后，还包括：

将所述用户的出行数据输入对应的区域地图模型中进行分析，获得所述用户的出行数据的坐标；

将所述用户的出行数据的坐标量化为对应数组。

3.如权利要求1所述的基于历史连接WiFi构建用户画像的方法，其特征在于，所述对所述用户历史连接的WiFi数据进行分析，获得用户的出行数据的步骤之后，还包括：

查找所述用户出行场所的所属区域，并查找所述所属区域的消费水平；

将所属区域的消费水平量化为对应数组。

4.如权利要求1-3任一项所述的基于历史连接WiFi构建用户画像的方法，其特征在于，所根据所述用户的出行数据以及消费标签构建用户画像的步骤之后，还包括：

当接收到将所述用户画像发送至第三方应用的授权指令时，将所述用户画像发送至所述第三方应用。

5.如权利要求1所述的基于历史连接WiFi构建用户画像的方法，其特征在于，所述根据所述用户的出行数据以及消费标签构建用户画像的步骤之后，还包括：

根据所述用户画像查找推送内容，所述推送内容包括推送类别以及推送类别对应价格；

将查到的推送内容向用户进行推送。

6.如权利要求5所述的基于历史连接WiFi构建用户画像的方法，其特征在于，所述将查到的推送内容向用户进行推送的步骤包括：

创建用户推送内容推荐列表，计算用户消费标签对应的标签分值的比例；

根据设置的推荐列表的推送数量提取各个对应的标签分值对应的推送内容；

将提取到的推送内容按照设置的顺序在推荐列表进行排列，并将排列后的推荐列表向用户进行推送。

7.一种基于历史连接WiFi构建用户画像的装置，其特征在于，所述装置包括：

获取模块，用于获取用户终端历史连接的WiFi数据，所述WiFi数据包括：WiFi标识信息、WiFi名称、WiFi所处的地理位置信息；

分析模块，用于对所述用户终端历史连接的WiFi数据进行分析，获得用户的出行数据，其中，所述出行数据包括用户出行场所、出行时间以及各个所述出行场所的停留时间；将所送用户的出行数据输入至训练好的神经网络模型中进行分析，获得所述神经网络模型输出的消费标签；

构建模块，用于根据所述用户的出行数据以及消费标签构建用户画像；

所述构建模块，还用于获取用户消费标签对应的标签分值；将所述用户消费标签对应的标签分值与所述用户的出行数据配置至预设的用户画像模板，生成用户画像。

8.一种基于历史连接WiFi构建用户画像的设备，其特征在于，所述基于历史连接WiFi构建用户画像的设备包括基于历史连接WiFi构建用户画像的程序，所述基于历史连接WiFi构建用户画像的程序被所述基于历史连接WiFi构建用户画像的设备执行时实现如权利要求1至6中任一项所述的基于历史连接WiFi构建用户画像的方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于历史连接WiFi构建用户画像的程序，所述基于历史连接WiFi构建用户画像的程序被处理器执行时实现如权利要求1至6中任一项所述的基于历史连接WiFi构建用户画像的方法的步骤。

Images