CN110474905A - 实体识别方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了一种实体识别方法、装置、电子设备和存储介质，涉及大数据领域。具体实现方案为：接收实体识别请求，实体识别请求用于指示识别属于同一实体的应用账号；从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，IP地址信息集中包括多个IP地址、每个IP地址对应的应用账号；根据IP地址信息集，获取多个IP地址序列，每个IP地址序列包括同一应用账号对应的IP地址的集合；根据每个IP地址序列对应的应用账号，确定属于同一实体的应用账号，并输出同一实体的应用账号。本申请中采用IP地址确定属于同一实体的应用账号，避免了现有技术中采用绑定相同信息的方式无法获取所有的同一用户的应用账号的问题。

Description

实体识别方法、装置、电子设备和存储介质

技术领域

本申请涉及大数据技术领域，尤其涉及实体识别技术。

背景技术

随着互联网技术的发展，多种多样的应用程序层出不穷。用户可以通过登录应用程序获取该应用程序提供的应用服务，对应的，一个用户可能具有多个应用账号。例如，用户具有登录社交应用的账号、登录电商应用的账号，以及登录教育类应用的账号等。在大数据的环境下，为了获取用户的画像数据、购物数据等，需要获取该用户在多个应用程序中的数据。获取用户在多个应用程序中的数据的前提是需要确定属于该用户的多个应用账号。

用户在注册应用账号时可能绑定了相同的手机号码或其他信息。现有技术中，通过将绑定相同的手机号码或其他信息的应用账号确定为同一用户的应用账号。但该方法在应用账号未绑定相同的手机号码或其他信息时，无法确定同一用户的应用账号。

发明内容

本申请提供一种实体识别方法、装置、电子设备和存储介质，避免了现有技术中采用绑定相同信息的方式无法获取所有的同一用户的应用账号的问题。

本申请第一方面提供一种实体识别方法，包括：

接收实体识别请求，所述实体识别请求用于指示识别属于同一实体的应用账号；从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，所述IP地址信息集中包括多个IP地址、每个所述IP地址对应的应用账号；根据所述IP地址信息集，获取多个IP地址序列，每个所述IP地址序列包括同一应用账号对应的IP地址的集合；根据每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，并输出所述同一实体的应用账号。

本实施例中，由于每个应用账号在请求应用服务时，应用服务器均会记录应用账号对应的IP地址，本申请中采用IP地址确定属于同一实体的应用账号，避免了现有技术中采用绑定相同信息的方式无法获取所有的同一用户的应用账号的问题。

在一种可能的设计中，所述根据每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，包括：根据所述多个IP地址序列，获取至少一个第一IP地址集，每个所述第一IP地址集中包括：至少两个IP地址序列，每任意两个IP地址序列的相似度大于相似度阈值；根据所述至少一个第一IP地址集中每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号。

在该设计中，可以根据IP地址序列的相似度将IP地址序列划分为第一IP地址集，再在每个第一IP地址集中获取属于同一实体的应用账号，可以减少计算量和计算复杂度。

在一种可能的设计中，所述IP地址信息集中还包括每个所述IP地址对应的时间戳，每个所述IP地址序列中包括的同一应用账号对应的IP地址标识有对应的时间戳；所述根据所述多个IP地址序列，获取至少一个第一IP地址集，包括：将处于同一IP地址段的IP地址序列的集合作为一个第二IP地址集，得到多个第二IP地址集；将每个所述第二IP地址集中每个所述IP地址序列中包含的每个IP地址转化为对应的特征向量，获取每个所述第二IP地址集中每个所述IP地址序列对应的多维特征向量，所述多维特征向量的维数与每个所述IP地址序列中包含的IP地址的个数相同；将每个所述第二IP地址集中相似度大于所述相似度阈值的特征向量对应的IP地址序列的集合作为一个第一IP地址集，得到所述至少一个第一IP地址集。

在该设计中，采用分类集合的方式可以将IP地址序列进行分类，减小了IP地址序列的计算量和计算复杂度，有助于提高获取属于同一实体的应用账号的效率。

在一种可能的设计中，所述获取每个所述第二IP地址集中每个所述IP地址序列对应的特征向量之前，还包括：根据每个所述IP地址序列对应的时间戳、应用账号，确定相同应用账号出现天数最多的IP地址段，并将相同应用账号对应的IP地址序列归入该出现天数最多的IP地址段中。

在该设计中，当同一应用账户在多地登录时，其IP地址可能会发生变化，对应的IP地址序列也会发生变化，但其均为同一应用账号对应的IP地址序列，属于同一实体。该设计中可以保证属于同一应用账号的IP地址序列划分在一个第二IP地址集。

在一种可能的设计中，所述方法还包括：确定每个所述第二IP地址集包含的IP地址序列的个数；若存在第二IP地址集中包含的IP地址序列的个数大于第一数量阈值，则将该第二IP地址集拆分为两个IP地址集，以使拆分后的每个所述第二IP地址集中包含的IP地址序列的个数均小于所述第一数量阈值且大于第二数量阈值，所述第二数量阈值小于所述第一数量阈值；将包含的IP地址序列的个数小于所述第二数量阈值的第二IP地址集合并，以使合并后的每个所述第二IP地址集中包含的IP地址序列的个数均大于所述第二数量阈值且小于所述第一数量阈值。

在该设计中，可以根据每个所述第二IP地址集包含的IP地址序列的个数对第二IP地址集进行调整，可以均匀各第二IP地址集中的IP地址序列的个数，便于提高计算速度。

在一种可能的设计中，所述根据所述至少一个第一IP地址集中每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，包括：将每个所述第一IP地址集中的两两IP地址序列进行合并，得到合并IP地址序列；对每个所述合并IP地址序列标记日期切换标签、序列切换标签，所述日期切换标签用于表征所述合并IP地址序列中属于不同日期的时间戳，所述序列切换标签用于表征属于不同序列的合并IP地址序列；将标记后的合并IP地址序列输入至分类模型中，得到所述标记后的合并IP地址序列中的两个IP地址序列属于同一实体的概率，所述分类模型用于表征IP地址序列与IP地址序列中包含两个IP地址序列属于同一实体的概率的对应关系；将所述概率大于概率阈值的合并IP地址序列中的两个IP地址序列对应的账号确定为属于同一实体。

在该设计中，将每个第一IP地址集中的两两IP地址序列进行集合，并采用分类模型的方式确定该合并IP地址序列中的两个地址序列是否属于同一实体。其中，采用分类模型的方式可以提高确定属于同一实体的应用账号的准确性和速度。

在一种可能的设计中，所述方法还包括：将已知属于同一用户的IP地址序列作为正样本，将已知不属于同一用户的IP地址序列作为负样本训练获取所述分类模型，所述正样本和所述负样本均为标记日期切换标签、序列切换标签的样本。

本申请的第二方面提供一种实体识别装置，包括：

收发模块，用于接收实体识别请求，所述实体识别请求用于指示识别属于同一实体的应用账号；

处理模块，用于从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，所述IP地址信息集中包括多个IP地址、每个所述IP地址对应的应用账号；根据所述IP地址信息集，获取多个IP地址序列，每个所述IP地址序列包括同一应用账号对应的IP地址的集合；根据每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，并输出所述同一实体的应用账号。

在一种可能的设计中，所述处理模块，具体用于根据所述多个IP地址序列，获取至少一个第一IP地址集，每个所述第一IP地址集中包括：至少两个IP地址序列，每任意两个IP地址序列的相似度大于相似度阈值；根据所述至少一个第一IP地址集中每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号。

在一种可能的设计中，所述IP地址信息集中还包括每个所述IP地址对应的时间戳，每个所述IP地址序列中包括的同一应用账号对应的IP地址标识有对应的时间戳。

所述处理模块，具体用于将处于同一IP地址段的IP地址序列的集合作为一个第二IP地址集，得到多个第二IP地址集；将每个所述第二IP地址集中每个所述IP地址序列中包含的每个IP地址转化为对应的特征向量，获取每个所述第二IP地址集中每个所述IP地址序列对应的多维特征向量，所述多维特征向量的维数与每个所述IP地址序列中包含的IP地址的个数相同；将每个所述第二IP地址集中相似度大于所述相似度阈值的特征向量对应的IP地址序列的集合作为一个第一IP地址集，得到所述至少一个第一IP地址集。

在一种可能的设计中，所述处理模块，还用于根据每个所述IP地址序列对应的时间戳、应用账号，确定相同应用账号出现天数最多的IP地址段，并将相同应用账号对应的IP地址序列归入该出现天数最多的IP地址段中。

在一种可能的设计中，所述处理模块，还用于确定每个所述第二IP地址集包含的IP地址序列的个数；若存在第二IP地址集中包含的IP地址序列的个数大于第一数量阈值，则将该第二IP地址集拆分为两个IP地址集，以使拆分后的每个所述第二IP地址集中包含的IP地址序列的个数均小于所述第一数量阈值且大于第二数量阈值，所述第二数量阈值小于所述第一数量阈值；将包含的IP地址序列的个数小于所述第二数量阈值的第二IP地址集合并，以使合并后的每个所述第二IP地址集中包含的IP地址序列的个数均大于所述第二数量阈值且小于所述第一数量阈值。

在一种可能的设计中，所述处理模块，具体用于将每个所述第一IP地址集中的两两IP地址序列进行合并，得到合并IP地址序列；对每个所述合并IP地址序列标记日期切换标签、序列切换标签，所述日期切换标签用于表征所述合并IP地址序列中属于不同日期的时间戳，所述序列切换标签用于表征属于不同序列的合并IP地址序列；将标记后的合并IP地址序列输入至分类模型中，得到所述标记后的合并IP地址序列中的两个IP地址序列属于同一实体的概率，所述分类模型用于表征IP地址序列与IP地址序列中包含两个IP地址序列属于同一实体的概率的对应关系；将所述概率大于概率阈值的合并IP地址序列中的两个IP地址序列对应的账号确定为属于同一实体。

在一种可能的设计中，所述处理模块，还用于将已知属于同一用户的IP地址序列作为正样本，将已知不属于同一用户的IP地址序列作为负样本训练获取所述分类模型，所述正样本和所述负样本均为标记日期切换标签、序列切换标签的样本。

上述第二方面以及各可能的设计提供的实体识别装置，其有益效果可以参见上述第一方面以及各可能的设计所带来的有益效果，在此不加赘述。

本申请的第三方面提供一种电子设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行上述第一方面的UGC处理方法。

本申请的第四方面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计算机执行指令，当所述计算机执行指令被处理器执行时，实现上述第一方面的UGC处理方法。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请提供的实体识别方法适用的场景示意图；

图2是本申请提供的实体识别方法的实施例一的流程示意图；

图3本申请提供的界面示意图；

图4是本申请提供的实体识别方法的实施例二的流程示意图；

图5是用来实现本申请实体识别方法的实体识别装置的结构示意图；

图6是用来实现本申请实体识别方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本申请中的术语释义：

实体：本申请中指用户。同一实体即为同一用户，即同一自然人。

应用账号：实体登录应用程序获取对应的应用服务的实体标识。如：登录A电商应用程序的电商应用账号，登录B社交应用程序的社交应用账号。

IP地址：(Internet Protocol Address)，又译为网际协议地址。为接入互联网中每个电子设备的编号。

IP地址段：指的是一个IP地址范围。例如：IP地址为具体的122.115.227.23，IP地址段可以为122.115.227.00-122.115.227.50。

特征向量：本申请中指采用向量转化方式，抽取每个IP地址的特征，用向量的方式表征每个IP地址。向量转化方式包括但不限于为：word2vec、matlab等。

时间戳：本申请中指的是请求各应用服务的时间。

为了更加清楚地对本申请提供的实体识别方法进行说明，首先对现有技术中实体识别方法进行简要介绍。

同一实体(用户)可能具有多个应用账号。其中，每个应用账号可能绑定了相同的手机号码或者微信号等。现有技术中，识别属于同一实体的应用账号的方式为：将绑定了相同信息(如相同的手机号码或微信号)的应用账号确定为同一实体。若实体更换了手机号码或者微信号，采用该方法获取的结果的准确性低，且若实体并未绑定相同的手机号码或者微信号，导致无法获取实体对应的多个应用账号。

为了解决上述问题，本申请提供了一种实体识别方法，通过对实体登录各应用程序的IP地址序列进行分析整合，将可能属于同一实体的IP地址序列对应的应用账号确定为该同一实体的应用账号。由于每个应用账号在请求应用服务时，应用服务器均会记录应用账号对应的IP地址，因此本申请中的实体识别方法能够准确、全面的获取每个同一实体对应的多个应用账号。

本申请中的实体识别方法，应用于对登录各应用的应用账号进行实体识别，即识别出属于同一实体(用户)的应用账号。图1是本申请提供的实体识别方法适用的场景示意图。如图1所示，本申请提供的实体识别方法适用的场景中包括：多个应用服务器和实体识别装置。

其中，应用服务器可以为各种类型的应用程序对应的服务器，其中，服务器中用于存储登录各应用程序的应用账号请求应用服务的时间、IP地址、应用账号等信息。例如，应用服务器可以为电商应用服务器、社交应用服务器或教育类应用服务器等。

本申请中的实体识别装置用于与获取各应用服务器中的IP地址等信息，确定属于同一实体的应用账号。可选的，实体识别装置可以为服务器、终端等具有处理能力的电子设备。可选的，终端可以包括但不限于为移动终端或固定终端。移动终端设备包括但不限于手机、个人数字助理(Personal Digital Assistant，简称：PDA)、平板电脑、便携设备(例如，便携式计算机、袖珍式计算机或手持式计算机)等。固定终端包括但不限于台式计算机等。

下述结合具体的实施例对本申请提供的实体识别方法进行说明。图2是本申请提供的实体识别方法的实施例一的流程示意图。图2所示方法流程的执行主体可以为实体识别装置，该实体识别装置可由任意的软件和/或硬件实现。如图2所示，本实施例提供的实体识别方法可以包括：

S201,接收实体识别请求，实体识别请求用于指示识别属于同一实体的应用账号。

本实施例中，可选的，实体识别请求可以为用户输入的。例如，实体识别装置的显示界面上显示有用于触发发送实体识别请求的控件，用户通过点击或以其他方式选择该控件以触发向实体识别装置发送实体识别请求。

可选的，实体识别请求为预先设定周期性触发的。如设置实体识别请求为一周进行触发，则在每周自动触发实体识别请求，以使实体识别装置可以周期性地接收到该实体识别请求。应理解，下述以任一一次接收实体识别请求为例进行说明。

其中，实体识别请求用于指示实体识别装置识别属于同一实体的应用账号。可选的，该实体识别请求用于指示识别所有属于同一实体的应用账号，也可以指示识别部分同一实体的应用账号，或者，指示识别部分目标实体的应用账号。

可选的，当该实体识别请求指示识别部分或者目标实体的应用账号时，该实体识别请求中可以包括应用账号。应理解，如实体识别请求中包括一个应用账号时，该实体识别请求指示识别与该应用账号对应的实体的全部的应用账号。应理解，下述以该实体识别请求用于指示识别所有属于同一实体的应用账号为例进行说明。

S202,从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，IP地址信息集中包括多个IP地址、每个IP地址对应的应用账号。

应用服务器可以记录登录其对应的应用程序请求应用服务的应用账号、登录设备的IP地址、时间等信息。本实施例中，在接收到实体识别请求后可以从多个应用服务器中获取预设时间段内请求各应用服务的IP地址信息集。其中，预设时间段可以为预先设置的时间段，也可以是周期性获取属于同一实体的应用账号的周期。

其中，IP地址信息集中包括多个IP地址、每个IP地址对应的应用账号。示例性的，应用服务器包括A电商应用服务器和B社交应用服务器，对应的，该两个应用服务器中的应用账号为电商应用账号、社交应用账号。表一为获取的IP地址信息集的示例：

表一

IP地址	应用账号
		1	Aa
2	Ab
		3	Ac
4	Bd
		5	Be
6	Bf

如上表一所示，以数字为例表征应用服务器中的IP地址。应理解，本申请中的应用账号中包括：应用服务器的标识和实体的账号。例如，上述表一中的“Aa”中A为应用服务器的标识，a为实体的账号。其中，在应用账号中增加应用服务器的标识是为了便于区分不同类型的应用服务器对应的应用账号。例如，C宝应用服务器记录的一条IP地址信息为：IP地址为1，该IP地址对应的实体账号为g。对应的，IP地址信息集该IP地址对应的应用账号为Cg。

S203,根据IP地址信息集，获取多个IP地址序列，每个IP地址序列包括同一应用账号对应的IP地址的集合。

本实施例中，在获取IP地址信息集后，可以将属于同一应用账号的IP地址进行集合，获取多个IP地址序列。

如上述表一所示，本实施例中将分别属于Aa、Ab、Ac、Bd、Be、Bf的IP地址进行集合，分别获取Aa、Ab、Ac、Bd、Be、Bf对应的IP地址序列。由于上述表一中仅示出了一个应用账号对应一个IP地址，在实际应用过程中，一个应用账号可以多次请求应用服务，且还可以在不同的电子设备上登录应用账号请求应用服务，即每个IP地址序列中可以包括该应用账号对应的多个IP地址，或多个相同的IP地址的多次记录。

如下表二所示，表二中示出了应用账号Aa请求应用服务的IP地址的集合：

表二

如上表二所示，如实体采用Aa账号在北京(对应的IP为1)登录了两次A应用程序，且在上海(对应的IP为2)登录了两次A应用程序，还在广州(对应的IP为3)登录了一次A应用程序。

S204,根据每个IP地址序列对应的应用账号，确定属于同一实体的应用账号，并输出同一实体的应用账号。

本实施例中，可以根据每个IP地址序列对应的应用账号，确定属于同一实体的应用账号。

可选的，确定属于同一实体的应用账号的一种可能的方式为：将每个IP地址序列转化为对应的特征向量，即采用向量转化的方式，提取每个IP地址序列的特征，用特征向量的方式表示每个IP地址序列。获取每两个IP地址序列对应的特征向量的相似度，将相似度大于相似度阈值的两个IP地址序列对应的应用账号确定为属于同一实体。其中，本实施例中可以采用现有技术中的向量转化方式获取每个IP地址序列对应的特征向量。可选的，每两个IP地址序列对应的特征向量的相似度可以为：特征向量之间的欧式距离、Cos距离等。

可选的，确定属于同一实体的应用账号的一种可能的方式为：本实施例中预先训练获取实体模型，该实体模型用于表征输入的两个IP地址序列属于同一实体的概率，对应的，将概率大于概率阈值的两个IP地址序列对应的应用账号确定为属于同一实体。

上述两种方式均需要对所有的IP地址序列中任意两个IP地址序列进行计算，计算量较大。本实施例中可以预先对所有的IP地址序列进行分类集合，对每个集合中的IP地址序列进行相似度或者实体模型应用可以减少计算量。

可选的，本实施例中可以根据多个IP地址序列，获取至少一个第一IP地址集。其中，获取至少一个第一IP地址集的方式可以为：获取任意两个IP地址序列的相似度，将相似度大于相似度阈值的IP地址序列划分到一个第一IP地址集。对应的，每个第一IP地址集中包括：至少两个IP地址序列，每任意两个IP地址序列的相似度大于相似度阈值。

进一步的，根据至少一个第一IP地址集中每个IP地址序列对应的应用账号，确定属于同一实体的应用账号。其中，可以在每个第一IP地址集中对任意两个IP地址序列采用上述第二种可能的方式中的实体模型，确定第一IP地址集中属于同一实体的应用账号。本实施例中将所有的IP地址序列先划分为集合，再在每个集合中确定属于同一实体的应用账号，可以大大降低计算量。

本实施例中，在确定属于同一实体的应用账号，可以并输出同一实体的应用账号。示例性的，本实施例中可以在实体识别装置的显示界面上显示属于同一实体的应用账号。

图3本申请提供的界面示意图。如图3所示，界面上显示：应用账号Aa、Bd、Cg属于同一实体，对应的，可以确定实体账号a、d、g属于同一实体。

本申请实施例提供一种实体识别方法，具体包括：接收实体识别请求，实体识别请求用于指示识别属于同一实体的应用账号；从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，IP地址信息集中包括多个IP地址、每个IP地址对应的应用账号；根据IP地址信息集，获取多个IP地址序列，每个IP地址序列包括同一应用账号对应的IP地址的集合；根据每个IP地址序列对应的应用账号，确定属于同一实体的应用账号，并输出同一实体的应用账号。由于每个应用账号在请求应用服务时，应用服务器均会记录应用账号对应的IP地址，本申请中采用IP地址确定属于同一实体的应用账号，避免了现有技术中采用绑定相同信息的方式无法获取所有的同一用户的应用账号的问题。

在上述实施例的基础上，下面结合图4对本申请提供的实体识别方法进行进一步详细说明。图4是本申请提供的实体识别方法的实施例二的流程示意图。如图4所示，本实施例提供的实体识别方法可以包括：

S401,接收实体识别请求。

S402,从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集。

S403,根据IP地址信息集，获取多个IP地址序列。

应理解，本实施例中的S401-S403中的实施方式可以参照上述实施例中的S201-S203中的相关描述，在此不做赘述。

S404,将处于同一IP地址段的IP地址序列的集合作为一个第二IP地址集，得到多个第二IP地址集。

本实施例中可以预先设置多个IP地址段，将处于同一IP地址段的IP地址序列的集合作为一个第二IP地址集，据此可以获取多个第二IP地址集。本实施例中划分地址段，获取第二IP地址集的目的是对处于同一第二集合中的IP地址序列进行计算，可以减少计算量以及计算复杂度。

如表一所示划分为5个IP地址段，分别为1-5、6-10、11-15、16-20以及21-25，将处于IP地址段1-5的IP地址序列，如Aa、Ab、Ac、Bd以及Be对应的IP地址序列的集合作为一个第二IP地址集；据此还可以获取IP地址段6-10、11-15、16-20以及21-25对应的IP地址序列的集合，也均为第二IP地址集，据此可以获取多个第二IP地址集。

可选的，本实施例也可以根据获取的多个IP地址序列中IP地址的分布，确定多个IP地址段。示例性的，如表一所示，IP地址若出现在1-6之间，可以确定IP地址段为1-3、4-6；当然也可以确定IP地址段为1-2、3-4、5-6或其他等。

本实施例中的IP地址信息集中还包括每个IP地址对应的时间戳，对应的，获取的每个IP地址序列中包括的同一应用账号对应的IP地址标识有对应的时间戳。示例性的，IP地址信息集可如下表三所示，其中括号中的为IP地址对应的时间戳：

表三

IP地址	应用账号
		1(201903030101)	Aa
2(201903030105)	Ab
		3(201903030106)	Ac
4(201903030308)	Bd
		5(201903030101)	Be
6(201903030709)	Bf

对应的，每个IP地址序列可以如下表四所示：

本实施例中可以根据每个IP地址序列对应的时间戳、应用账号，确定相同应用账号出现天数最多的IP地址段，并将相同应用账号对应的IP地址序列归入该出现天数最多的IP地址段中。

如上表四所示，若IP地址段分别为1-2、3-4，则可能会将应用账号Aa对应的IP地址序列分到两个IP地址段中，但其实其均为一个应用账号Aa对应的IP地址序列。因此，本实施例中确定相同应用账号Aa出现天数最多的IP地址段为1-2，则将原先划分在3-4中的IP地址序列3(201905030201)归入该出现天数最多的IP地址段1-2中。

其中，本实施例中这样的做法的目的是为了当同一应用账户在多地登录时，其IP地址可能会发生变化，对应的IP地址序列也会发生变化，但其均为同一应用账号对应的IP地址序列，属于同一实体。据此，可以将属于同一应用账号(即属于同一实体)的IP地址序列划分在一个第二IP地址集。

可选的，本实施例中为了均匀各第二IP地址集中的IP地址序列的个数，便于提高计算速度。还可以确定每个第二IP地址集包含的IP地址序列的个数。若存在第二IP地址集中包含的IP地址序列的个数大于第一数量阈值，则将该第二IP地址集拆分为两个IP地址集，以使拆分后的每个第二IP地址集中包含的IP地址序列的个数均小于第一数量阈值且大于第二数量阈值，第二数量阈值小于第一数量阈值。

其中，第一数量阈值和第二数量阈值均为预先设置的。示例性的，若地址段1-5、6-10、11-15、16-20以及21-25中，地址段21-25对应的第二IP地址集包含的IP地址序列的个数大于第一数量阈值，则可以将第二IP地址集对应的IP地址段分为两个IP地址段，对应的，是将IP地址段21-25对应的第二IP地址集拆分为两个IP地址集。如拆分成IP地址段21-23对应第二IP地址集，以及地址段24-25对应第二IP地址集，使得拆分后的每个第二IP地址集中的包含的IP地址序列的个数均小于第一数量阈值且大于第二数量阈值。

同理的，还可以将包含的IP地址序列的个数小于第二数量阈值的第二IP地址集合并，以使合并后的每个第二IP地址集中包含的IP地址序列的个数均大于第二数量阈值且小于第一数量阈值。

可选的，本实施例中可以将相邻的N个包含的IP地址序列的个数小于第二数量阈值的第二IP地址集合并，以便于IP地址段的分割。示例性的，若IP地址段6-10、11-15中包含的IP地址序列的个数小于第二数量阈值，则可以将IP地址段6-10、11-15进行合并。

S405,将每个第二IP地址集中每个IP地址序列中包含的每个IP地址转化为对应的特征向量，获取每个第二IP地址集中每个IP地址序列对应的多维特征向量，多维特征向量的维数与每个IP地址序列中包含的IP地址的个数相同。

本实施例中，在获取多个第二IP地址集时，可以将每个第二IP地址集中每个IP地址序列中包含的每个IP地址转化为对应的特征向量，获取每个第二IP地址集中每个IP地址序列对应的多维特征向量。

其中，多维特征向量的维数与每个IP地址序列中包含的IP地址的个数相同。应理解，本实施例中将每个IP地址转化成特征向量的方式可以采用现有的向量转化的方式。

示例性的，若第二IP地址集中包括有两个IP地址序列，第一个IP地址序列中包含有3个IP地址，第二个IP地址序列中包含有4个IP地址。对应的，第一个IP地址序列对应的特征向量为3维特征向量，第二个IP地址序列对应的特征向量为4维特征向量。

S406,将每个第二IP地址集中相似度大于相似度阈值的特征向量对应的IP地址序列的集合作为一个第一IP地址集，得到至少一个第一IP地址集。

本实施例中在第二地址集获取至少一个第一IP地址集，可以进一步的减小计算量。其中，在获取每个第二IP地址集中每个IP地址序列对应的特征向量后，可以在每个第二IP地址集中，计算两两特征向量的相似度(即两两IP地址序列的相似度)。本实施例中将每个第二IP地址集中相似度大于相似度阈值的特征向量对应的IP地址序列的集合作为一个第一IP地址集，得到至少一个第一IP地址集。应理解，其中两两特征向量的相似度可以为欧式距离或者Cos距离等。

示例性的，若第二IP地址集中包括IP地址序列x、y、z、m和n，则计算任两个IP地址序列对应的特征向量的相似度，若x、y、z的对应的特征向量的相似度，以及m和n对应的特征向量的相似度均大于相似度阈值，因此可以将第二IP地址集中的IP地址序列x、y、z作为一个第一IP地址集，将IP地址序列m和n作为一个第一IP地址集。

S407,将每个第一IP地址集中的两两IP地址序列进行合并，得到合并IP地址序列。

本实施例中在每个第一IP地址集获取两两地址序列对应的应用账号是否属于同一实体。具体的，可以将每个第一IP地址集中的两两IP地址序列进行合并，得到合并IP地址序列。

示例性的，在第一IP地址集x、y、z中，可以分别将x和y，y和z，x和z分别合并，形成三个合并IP地址序列。

S408,对每个合并IP地址序列标记日期切换标签、序列切换标签，日期切换标签用于表征合并IP地址序列中属于不同日期的时间戳，序列切换标签用于表征属于不同序列的合并IP地址序列。

在获取合并IP地址序列后，可以对每个合并IP地址序列标记日期切换标签、序列切换标签。

本实施例中对合并IP地址序列标记序列切换标签的目的是为了区分合并IP地址序列中的两个IP地址序列，以便区分每个IP地址序列对应的应用账号。另，对合并IP地址序列标记日期切换标签的目的是为了区分IP地址序列中属于不同日期的IP地址。其中，若IP地址序列中的IP地址标记的时间戳没有日期标识，则不能有效区分属于同一日期和不同日期的IP地址，据此本实施例中对每个IP地址序列中的IP地址进行日期切换标签。

其中，日期切换标签用于表征合并IP地址序列中属于不同日期的时间戳，序列切换标签用于表征属于不同序列的合并IP地址序列。

S409,将标记后的合并IP地址序列输入至分类模型中，得到标记后的合并IP地址序列中的两个IP地址序列属于同一实体的概率，分类模型用于表征IP地址序列与IP地址序列中包含两个IP地址序列属于同一实体的概率的对应关系。

本实施例中，在实体识别装置中预先设置有分类模型。其中，该分类模型为预先训练获取的，分类模型用于表征IP地址序列与IP地址序列中包含两个IP地址序列属于同一实体的概率的对应关系。即将标记后的合并IP地址序列输入至该分类模型中，该分类模型可以输出标记后的合并IP地址序列中的两个IP地址序列属于同一实体的概率。

下面对本实施例中获取该分类模型的方式进行介绍：

本实施例中，将已知属于同一用户的IP地址序列作为正样本，将已知不属于同一用户的IP地址序列作为负样本训练获取分类模型。应理解，正样本和负样本均为标记日期切换标签、序列切换标签的样本。

可选的，本实施例中的分类模型的获取方式可以基于神经网络、向量机、贝叶斯等方法获取。

S410,将概率大于概率阈值的合并IP地址序列中的两个IP地址序列对应的账号确定为属于同一实体。

本实施例中，在获第一IP地址集中合并IP地址序列属于同一实体的概率后，可以将概率大于概率阈值的合并IP地址序列中的两个IP地址序列对应的账号确定为属于同一实体。

据此，可以获取所有的第二IP地址集中所有的第一IP地址集中的属于同一实体的应用账号。

本实施例中，在获取多个IP地址序列后，可以将处于同一IP地址段的IP地址序列划分为一个第二IP地址集，接着在每个第二IP地址集中根据IP地址序列对应的特征向量，将相似度大于相似度阈值的IP地址序列划分一个第一IP地址集，并在每个第一IP地址集中将两两IP地址序列合并，根据分类模型获取属于同一实体的应用账号。本实施例中采用分类集合的方式可以将IP地址序列进行分类，减小了IP地址序列的计算量和计算复杂度，有助于提高获取属于同一实体的应用账号的效率。

图5是用来实现本申请实体识别方法的实体识别装置的结构示意图。如图5所示，本实施例中提供的实体识别装置可以包括：收发模块501和处理模块502。

收发模块501，用于接收实体识别请求，实体识别请求用于指示识别属于同一实体的应用账号；

处理模块502，用于从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，IP地址信息集中包括多个IP地址、每个IP地址对应的应用账号；根据IP地址信息集，获取多个IP地址序列，每个IP地址序列包括同一应用账号对应的IP地址的集合；根据每个IP地址序列对应的应用账号，确定属于同一实体的应用账号，并输出同一实体的应用账号。

在一种可能的设计中，处理模块502，具体用于根据多个IP地址序列，获取至少一个第一IP地址集，每个第一IP地址集中包括：至少两个IP地址序列，每任意两个IP地址序列的相似度大于相似度阈值；根据至少一个第一IP地址集中每个IP地址序列对应的应用账号，确定属于同一实体的应用账号。

在一种可能的设计中，IP地址信息集中还包括每个IP地址对应的时间戳，每个IP地址序列中包括的同一应用账号对应的IP地址标识有对应的时间戳。

处理模块502，具体用于将处于同一IP地址段的IP地址序列的集合作为一个第二IP地址集，得到多个第二IP地址集；将每个第二IP地址集中每个IP地址序列中包含的每个IP地址转化为对应的特征向量，获取每个第二IP地址集中每个IP地址序列对应的多维特征向量，多维特征向量的维数与每个IP地址序列中包含的IP地址的个数相同；将每个第二IP地址集中相似度大于相似度阈值的特征向量对应的IP地址序列的集合作为一个第一IP地址集，得到至少一个第一IP地址集。

在一种可能的设计中，处理模块502，还用于根据每个IP地址序列对应的时间戳、应用账号，确定相同应用账号出现天数最多的IP地址段，并将相同应用账号对应的IP地址序列归入该出现天数最多的IP地址段中。

在一种可能的设计中，处理模块502，还用于确定每个第二IP地址集包含的IP地址序列的个数；若存在第二IP地址集中包含的IP地址序列的个数大于第一数量阈值，则将该第二IP地址集拆分为两个IP地址集，以使拆分后的每个第二IP地址集中包含的IP地址序列的个数均小于第一数量阈值且大于第二数量阈值，第二数量阈值小于第一数量阈值；将包含的IP地址序列的个数小于第二数量阈值的第二IP地址集合并，以使合并后的每个第二IP地址集中包含的IP地址序列的个数均大于第二数量阈值且小于第一数量阈值。

在一种可能的设计中，处理模块502，具体用于将每个第一IP地址集中的两两IP地址序列进行合并，得到合并IP地址序列；对每个合并IP地址序列标记日期切换标签、序列切换标签，日期切换标签用于表征合并IP地址序列中属于不同日期的时间戳，序列切换标签用于表征属于不同序列的合并IP地址序列；将标记后的合并IP地址序列输入至分类模型中，得到标记后的合并IP地址序列中的两个IP地址序列属于同一实体的概率，分类模型用于表征IP地址序列与IP地址序列中包含两个IP地址序列属于同一实体的概率的对应关系；将概率大于概率阈值的合并IP地址序列中的两个IP地址序列对应的账号确定为属于同一实体。

在一种可能的设计中，处理模块502，还用于将已知属于同一用户的IP地址序列作为正样本，将已知不属于同一用户的IP地址序列作为负样本训练获取分类模型，正样本和负样本均为标记日期切换标签、序列切换标签的样本。

本实施例提供的实体识别装置与上述实体识别方法实现的原理和技术效果类似，在此不作赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。图6是用来实现本申请实体识别方法的电子设备的框图。

如图6所示，是根据本申请实施例的实体识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的实体识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的实体识别方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的实体识别方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的实体识别方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于实现实体识别方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至用于实现实体识别方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实体识别方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与用于实现实体识别方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种实体识别方法，其特征在于，包括：

接收实体识别请求，所述实体识别请求用于指示识别属于同一实体的应用账号；

从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，所述IP地址信息集中包括多个IP地址、每个所述IP地址对应的应用账号；

根据所述IP地址信息集，获取多个IP地址序列，每个所述IP地址序列包括同一应用账号对应的IP地址的集合；

根据每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，并输出所述同一实体的应用账号。

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，包括：

根据所述多个IP地址序列，获取至少一个第一IP地址集，每个所述第一IP地址集中包括：至少两个IP地址序列，每任意两个IP地址序列的相似度大于相似度阈值；

根据所述至少一个第一IP地址集中每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号。

3.根据权利要求2所述的方法，其特征在于，所述IP地址信息集中还包括每个所述IP地址对应的时间戳，每个所述IP地址序列中包括的同一应用账号对应的IP地址标识有对应的时间戳；

所述根据所述多个IP地址序列，获取至少一个第一IP地址集，包括：

将处于同一IP地址段的IP地址序列的集合作为一个第二IP地址集，得到多个第二IP地址集；

将每个所述第二IP地址集中每个所述IP地址序列中包含的每个IP地址转化为对应的特征向量，获取每个所述第二IP地址集中每个所述IP地址序列对应的多维特征向量，所述多维特征向量的维数与每个所述IP地址序列中包含的IP地址的个数相同；

将每个所述第二IP地址集中相似度大于所述相似度阈值的特征向量对应的IP地址序列的集合作为一个第一IP地址集，得到所述至少一个第一IP地址集。

4.根据权利要求3所述的方法，其特征在于，所述获取每个所述第二IP地址集中每个所述IP地址序列对应的特征向量之前，还包括：

根据每个所述IP地址序列对应的时间戳、应用账号，确定相同应用账号出现天数最多的IP地址段，并将相同应用账号对应的IP地址序列归入该出现天数最多的IP地址段中。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

确定每个所述第二IP地址集包含的IP地址序列的个数；

若存在第二IP地址集中包含的IP地址序列的个数大于第一数量阈值，则将该第二IP地址集拆分为两个IP地址集，以使拆分后的每个所述第二IP地址集中包含的IP地址序列的个数均小于所述第一数量阈值且大于第二数量阈值，所述第二数量阈值小于所述第一数量阈值；

将包含的IP地址序列的个数小于所述第二数量阈值的第二IP地址集合并，以使合并后的每个所述第二IP地址集中包含的IP地址序列的个数均大于所述第二数量阈值且小于所述第一数量阈值。

6.根据权利要求2-5任一项所述的方法，其特征在于，所述根据所述至少一个第一IP地址集中每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，包括：

将每个所述第一IP地址集中的两两IP地址序列进行合并，得到合并IP地址序列；

对每个所述合并IP地址序列标记日期切换标签、序列切换标签，所述日期切换标签用于表征所述合并IP地址序列中属于不同日期的时间戳，所述序列切换标签用于表征属于不同序列的合并IP地址序列；

将标记后的合并IP地址序列输入至分类模型中，得到所述标记后的合并IP地址序列中的两个IP地址序列属于同一实体的概率，所述分类模型用于表征IP地址序列与IP地址序列中包含两个IP地址序列属于同一实体的概率的对应关系；

将所述概率大于概率阈值的合并IP地址序列中的两个IP地址序列对应的账号确定为属于同一实体。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

将已知属于同一用户的IP地址序列作为正样本，将已知不属于同一用户的IP地址序列作为负样本训练获取所述分类模型，所述正样本和所述负样本均为标记日期切换标签、序列切换标签的样本。

8.一种实体识别装置，其特征在于，包括：

收发模块，用于接收实体识别请求，所述实体识别请求用于指示识别属于同一实体的应用账号；

处理模块，用于从多个应用服务器中获取预设时间段内的请求各应用服务的IP地址信息集，所述IP地址信息集中包括多个IP地址、每个所述IP地址对应的应用账号，并根据所述IP地址信息集，获取多个IP地址序列，每个所述IP地址序列包括同一应用账号对应的IP地址的集合，且根据每个所述IP地址序列对应的应用账号，确定属于所述同一实体的应用账号，并输出所述同一实体的应用账号。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。