CN111815375B - 广告投放中的用户画像方法及装置 - Google Patents

Abstract

本发明实施例提供了一种广告投放中的用户画像方法、装置及设备，获取应用软件的多个用户数据以及每个用户数据对应的设备标识；将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的样本用户数据；基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签。本发明可以提高用户标签的丰富程度。

Description

广告投放中的用户画像方法及装置

技术领域

本发明涉及广告投放技术领域，特别是涉及一种广告投放中的用户画像方法及装置。

背景技术

在通过应用软件投放广告时，为了保证投放有广告的应用软件的用户为符合广告主要求的目标人群，需要对应用软件的用户进行用户画像。具体的，可以基于用户使用应用软件产生的用户数据，挖掘用户特征，进而利用用户特征为用户标记标签，实现用户画像。

但是，发明人在实现本发明的过程中发现，通过上述方式实现的用户画像，存在标签不够丰富的情况，导致广告投放中的用户画像不够准确。

发明内容

本发明实施例的目的在于提供一种广告投放中的用户画像方法及装置，以实现提高广告投放中的用户画像准确度的效果。具体技术方案如下：

第一方面，本发明实施例提供了一种广告投放中的用户画像方法，该方法包括：

获取应用软件的多个用户数据以及每个用户数据对应的设备标识；其中，任一用户数据对应的设备标识为用户操作所述应用软件产生该用户数据时，使用的设备的标识；

将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；

分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；其中，所述二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的样本用户数据；

基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签。

第二方面，本发明实施例提供了一种广告投放中的用户画像装置，该装置包括：

数据获取模块，用于获取应用软件的多个用户数据以及每个用户数据对应的设备标识；其中，任一用户数据对应的设备标识为用户操作所述应用软件产生该用户数据时，使用的设备的标识；

数据关联模块，用于将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；其中，所述二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的用户数据；

标签标记模块，用于基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签。

第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的广告投放中的用户画像方法步骤。

第四方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的广告投放中的用户画像方法。

本发明实施例有益效果：

本发明实施例提供的方案中，二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型，且针对每组样本用户数据，该组样本用户数据包括不同的至少两个设备标识分别对应的用户数据。因此，将多个用户数据中，不同的至少两个设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据，进而分别基于多组用户数据，利用预先训练得到的二分类模型，可以获得关于该组用户数据是否属于同一用户的分类结果。在此基础上，任一用户数据对应的设备标识为用户操作应用软件产生该用户数据时，使用的设备的标识，那么将应用软件的多个用户数据中，不同的至少两个设备标识分别对应的用户数据划分为一组用户数据，可以保证同一用户的一组用户数据，是该用户使用不同的至少两个设备产生的用户数据。并且，同一用户使用不同设备很可能对应用软件进行不同的操作，相应的产生不同的用户数据。因此，基于分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签，相当于为该用户标记不同设备产生的用户数据对应的用户标签，使得为该用户标记的用户标签不再局限于一个设备产生的用户数据对应的用户标签，可以增加该用户的用户标签的丰富程度，提高广告投放中的用户画像准确度。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

图1为本发明一实施例提供的广告投放中的用户画像方法的流程示意图；

图2为本发明一实施例提供的广告投放中的用户画像方法中，特征提取规则的获取流程示例图；

图3为本发明一实施例提供的广告投放中的用户画像方法中，用户标签的获取流程示例图；

图4为本发明一实施例提供的广告投放中的用户画像装置的结构示意图；

图5为本发明一实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

为了便于理解，下面对本发明一实施例提供的广告投放中的用户画像方法进行介绍。

在具体应用中，本发明实施例提供的广告投放中的用户画像方法，可以应用于电子设备，该电子设备可以是DSP（demind side platform，需求方平台，为广告主和广告媒体的中间媒介，帮助广告主实现自动化的广告投放)的设备。示例性的，该电子设备具体可以是服务器、计算机、以及智能移动终端等设备。

如图1所示，本发明一实施例提供的广告投放中的用户画像方法的流程，该方法可以包括如下步骤：

S101，获取应用软件的多个用户数据以及每个用户数据对应的设备标识。

其中，任一用户数据对应的设备标识为用户操作应用软件产生该用户数据时，使用的设备的标识。

在具体应用中，用户可以使用安装有应用软件的电子设备对该应用软件进行操作，从而产生用户数据，且用户所使用的电子设备的标识会被应用软件记录。因此，可以从应用软件或者应用软件对应的服务器，或者存储关于应用软件用户的数据的存储设备中，获取应用软件的多个用户数据以及每个用户数据对应的设备标识，不同的设备具有不同的设备标识。示例性的，设备标识可以包括：移动终端的设备标识“Device id”，计算机的设备标识“Cookie”，以及互联网电视的设备标识“TV id”等等。其中，对于移动终端的设备标识，还可以按照操作系统分为：移动终端的操作系统为iOS时，设备标识可以为IDFA（Identifier For Advertising， 广告标识，一种关于设备的唯一标识符）；移动终端的操作系统为Android时，设备标识可以为IMEI（International Mobile Equipment Identity，国际移动设备识别码，一种关于设备的唯一标识符）。

S102，将多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据。

同一用户使用不同的设备很可能对应用软件进行不同的操作，相应的产生不同的用户数据，也就可以获得不同的用户标签。因此，为了提高利用用户数据获得的用户标签的丰富程度，可以打通同一个用户的不同设备对应的用户数据：基于同一用户使用不同设备产生的用户数据，获取该用户的用户标签。为此，将多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到的多组用户数据，可以将属于同一用户的不同设备的用户数据划分为一组用户数据。

另外，为了提高用户画像的效率，在获取多组用户数据时，可以按一定条件对不同的设备标识分别对应的用户数据进行选择。为了便于理解和合理布局，后续以可选实施例的形式进行具体说明。

S103，分别基于多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果。

其中，二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的样本用户数据。

在具体应用中，可以预先将多个样本用户数据中，至少两个不同的设备标识分别对应的样本用户数据，作为一组样本用户数据，并为，每组样本用户数据标注该组样本数据是否属于同一用户的标注信息。由此，利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型，就是能够获得每组用户数据是否属于同一用户的分类结果的二分类模型。其中，二分类模型具体可以是FM (Factorization Machine，因子分解机)。FM是一种通用的预测模型，即使在数据非常稀疏的情况下，依然能估计出可靠的参数，并进行预测。与传统的简单线性模型不同的是，FM考虑了特征间的交叉，对所有特征变量交互进行建模，因此，在推荐系统和计算广告领域关注的CTR（Click-Through Rate，点击率）和CVR（Conversion Rate，转化率）两项指标上有着良好的表现。

S104，基于分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签。

在具体应用中，对于属于同一用户的数据，获取该用户的用户标签的方式可以是多种的。为了便于理解和合理布局，后续以可选实施例的形式进行具体说明。并且，为该用户标记所获取的用户标签，具体可以包括：针对属于同一用户的用户数据设置用户标识，针对每个用户标识，建立该用户标识、该用户标识对应的设备标识以及基于该用户标识对应的用户数据获取的用户标签之间的对应关系。其中， 用户标识与用户数据对应，用户数据与设备标识对应，因此，用户标识与设备标识对应。

示例性的，可以针对属于同一用户的用户数据设置标识用户标识gid，用于打通同一用户的Device id，Cookie以及TV id等不同设备标识代表的不同设备对应的用户标签。并且，某一用户的Device id对应的用户标签包括标签L1至L6，Cookie对应的用户标签包括标签L7至L9，TV id对应的用户标签包括标签L10至L14。由此，建立gid、Device id、Cookie、TV id、L1至L6、L7至L9以及L10至L14之间的对应关系，即为用户gid标记标签L1至L14。与仅为用户标记L1至L6、L7至L9或者L10至L14相比，可以提高用户标签的丰富程度。

本发明实施例提供的方案中，任一用户数据对应的设备标识为用户操作应用软件产生该用户数据时，使用的设备的标识，那么将应用软件的多个用户数据中，不同的至少两个设备标识分别对应的用户数据划分为一组用户数据，可以保证同一用户的一组用户数据，是该用户使用不同的至少两个设备产生的用户数据。并且，同一用户使用不同设备很可能对应用软件进行不同的操作，相应的产生不同的用户数据。因此，基于分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签，相当于为该用户标记不同设备产生的用户数据对应的用户标签，使得为该用户标记的用户标签不再局限于一个设备产生的用户数据对应的用户标签，可以增加该用户的用户标签的丰富程度，提高广告投放中的用户画像准确度。

在一种可选的实施方式中， 任一用户数据可以包括：用户的IP地址，以及该用户数据的产生时间；

相应的，上述将多个用户数据中，不同的至少两个设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据，具体可以包括如下步骤：

将不同的至少两个设备标识分别对应的用户数据中，IP地址相同的用户数据划分为一个数据对；

针对每个数据对，统计该数据对中产生时间属于预设时间段的用户数据的个数；

将用户数据的个数大于预设个数阈值的数据对，作为一组用户数据，得到多组用户数据。

由于同一用户使用不同设备时，利用的IP地址很可能相同，且在一定时间窗口，也就是一定时间段内，用户可能会多次交替使用不同设备，因此，在获取多组用户数据时，可以利用IP地址和不同设备在预设时间段内共同出现的次数对用户数据进行选择。并且，用户数据的产生时间可以表明用户在该时间使用了该用户数据对应的用户设备，因此，属于预设时间段的用户数据个数，可以表明用户在预设时间段使用该用户数据对应的设备的次数。由此，用户数据的个数大于预设个数阈值的数据对，表明用户使用的不同设备在预设时间段内共同出现的次数较多，可以作为一组用户数据。

本可选实施例通过对用户数据的选择，可以减少多组用户数据中，不属于同一用户的用户数据成为一组造成的冗余数据，减少后续确定每组用户数据是否属于同一用户时，对冗余的计算，提高用户画像的效率。

在一种可选的实施方式中，上述基于分类结果为属于同一用户的一组用户数据，获取该用户的用户标签，具体可以包括如下步骤：

获取与广告投放的投放场景匹配的特征提取规则；

从分类结果为属于同一用户的一组用户数据中，选择符合所述特征提取规则的数据，作为该用户的特征信息；

针对每个用户，获取该用户的特征信息的类型；任一特征信息的类型按照该特征信息包含的指定字段的差异划分；

针对每个用户，利用与该用户的特征信息的类型对应的标签获取模型，获取该用户的用户标签。

在具体应用中，广告的投放场景不同时，获取的用户标签可能不同，相应的，需要针对不同的投放场景获取不同的特征信息。为此，可以获取与广告投放的投放场景匹配的特征提取规则，以提高用户画像的准确度。例如，投放场景S1需要获取用户标签“性别”，特征提取规则可以是提取用户性别；投放场景S2需要获取用户标签“喜欢的电影”，特征提取规则可以是提取一周内用户观看电影的历史记录。并且，为了便于理解和合理布局，对于获取利用与用户的特征信息的类型对应的标签获取模型，获取用户标签的具体方式，后续以可选实施例的形式进行具体说明。

其中，获取与广告投放的投放场景匹配的特征提取规则的方式可以是多种的，下面以可选实施例的形式进行具体说明。

在一种可选的实施方式中，上述获取与广告投放的投放场景匹配的特征提取规则，具体可以包括如下步骤：

从预存的广告投放场景与特征提取规则的对应关系中，查找本次广告投放场景对应的特征提取规则。

其中，预存的广告投放场景与特征提取规则的对应关系，可以是根据广告投放的历史经验归纳存储的。

在另一种可选的额实施方式中，上述获取与广告投放的投放场景匹配的特征提取规则，具体可以包括如下步骤：

展示关于刻画目标用户的刻画指标的选取界面；

获取被选取的刻画指标，并基于所获取的刻画指标，确定与广告投放的投放场景匹配的特征提取规则。

示例性的，如图2所示。获取特征提取规则的流程，可以包括如下步骤：

S201，展示关于刻画目标用户的刻画指标的选取界面；

S202，运营人员以及产品人员勾选刻画指标；

S203，获取被选取的刻画指标；

S204，基于所获取的刻画指标，确定与广告投放的投放场景匹配的特征提取规则；

S205，按照特征提取规则，提取特征信息。

在具体应用中，可以在关于用户画像或者广告投放的前端中，展示关于刻画目标用户的刻画指标的选取界面，运营人员以及产品人员可以在选取界面中选取与广告投放的投放场景匹配的刻画指标。其中，刻画指标用于表明特征提取规则，例如，关于用户上网行为的刻画指标，关于用户消费喜好的刻画指标。获取被选取的刻画指标，可以是接收前端在运营人员以及产品人员提交选取结果时，反馈的刻画指标选取结果。另外，步骤S205相当于上述可选实施例中的步骤：从分类结果为属于同一用户的一组用户数据中，选择符合特征提取规则的数据，作为该用户的特征信息。

并且，基于所获取的刻画指标，确定与广告投放的投放场景匹配的特征提取规则，可以是多种的。示例性的，可以直接将被选取的刻画指标作为特征提取规则，或则，可以从预存的刻画指标与特征提取规则的对应关系中，查找与被选取的刻画指标对应的特征提取规则。本可选实施例通过展示关于刻画目标用户的刻画指标的选取界面，可以实现对用户标签的灵活扩展：技术人员可持续针对不同的广告投放的场景，通过步骤S201和S202开发不同的刻画指标，进而通过步骤S204和步骤S205提取特征信息，从而利用特征信息获取更加全面以及准确的用户标签。

在一种可选的实施方式中，上述特征提取规则可以包括：标识符；

相应的，上述从分类结果为属于同一用户的用户数据中，选择符合特征提取规则的数据，作为该用户的特征信息，可以包括如下步骤：

从分类结果为属于同一用户的用户数据中，选择具有标识符的数据，作为该用户的特征信息。

示例性的，用户数据可以是用户日志，标识符可以是用户日志中的字段，例如“IP”，“地址”，“应用软件名称”以及“设备信息”等等。由此，可以从分类结果为属于同一用户的用户数据中，选择具有标识符“IP”的数据，得到该用户的关于IP地址的特征信息；选择具有标识符“设备信息”的数据，得到该用户的关于设备信息的特征信息，例如，设备的操作系统，品牌以及型号等等。类似的，可以得到关于地址的特征信息，例如，城市，小区，公司以及消费场所等等；关于喜好的特征信息，例如，应用软件的使用次数，歌曲的播放次数以及观看视频的历史数据等等。

在一种可选的实施方式中，上述从分类结果为属于同一用户的用户数据中，选择符合特征提取规则的数据，作为该用户的特征信息，具体可以包括如下步骤：

从分类结果为属于同一用户的用户数据中，选择符合特征提取规则的数据，作为该用户的原始特征；

在预存的原始特征与爬取规则以及指定网站的对应关系中，分别查找与每个用户的原始特征对应的爬取规则和指定网站；其中，任一原始特征对应的爬取规则用于爬取与该原始特征关联，且表明的特征与该原始特征不同的数据；

针对每个用户，爬取该用户对应的指定网站中，满足该用户对应的爬取规则的数据，作为该用户的扩展特征；

针对每个用户，将该用户的原始特征和该用户的扩展特征，作为该用户的特征信息。

在具体应用中，由于用户数据中记录的信息有限，因此，为了提高用户画像的全面性和准确度，可以将从用户数据中选择的特征信息作为原始特征，进而利用原始特征爬取扩展特征，以挖掘与原始特征不同的、且能够表明用户特征的信息。为此，任一原始特征对应的爬取规则，需要为用于爬取与该原始特征关联，且表明的特征与该原始特征不同的数据。例如，原始特征为用户的设备型号，爬取规则可以为该设备型号的设备的价格，可以利用爬虫，从指定网站，如某一电商网站中，爬取设备型号对应的设备价格。其中，指定网站通常可以为专业网站，和/或者，垂直网站等等，并且，从指定网站爬取的数据可以为允许爬虫爬取的外部公开数据。

另外，在获得原始特征之前，为了减少异常数据造成的原始特征不准确，以及原始特征获取失败等问题，可以对用户数据进行清洗。并且，在得到原始特征时，为了减少表明同一特征的不同形式的特征信息形成的冗余特征，可以在获取扩展特征前，对原始特征进行预处理。示例性的，用户数据清洗可以包括去除异常字段、填充缺失值、重新获取数据以及噪音数据的处理等等；原始特征的预处理可以包括过滤相似特征。

在一种可选的实施方式中，上述任一特征信息的类型可以包括：第一类型，第二类型或者第三类型；

其中，第一类型的特征信息包含关于特征信息中主体的固有属性，或者，用户对应用软件进行操作的行为数据的指定字段；

第二类型的特征信息包含关于应用软件实现的业务的指定字段；

第三类型的特征信息包含用于获取用户喜好的指定字段；

相应的，上述针对每个用户，利用与该用户的特征信息的类型对应的标签获取模型，获取该用户的用户标签，具体可以包括如下步骤：

针对每个用户，当该用户的特征信息的类型为第一类型时，如果该用户的特征信息包含主体的固有属性，将该用户的特征信息作为该用户的用户标签，否则，基于该用户的特征信息，计算以统计结果，和/或者，频率数据表明的该用户对应用软件的使用行为，得到该用户的用户标签；

针对每个用户，当该用户的特征信息的类型为第二类型时，获取应用软件的业务流程，并按照业务流程，利用该用户的特征信息构建该用户的用户标签；

针对每个用户，当该用户的特征信息的类型为第三类型时，将该用户的特征信息输入预先训练得到的机器学习模型，得到该用户的用户标签；其中，机器学习模型为利用多个样本特征信息，以及每个样本特征信息的喜好标注训练得到的模型。

示例性的，主体的固有属性可以包括用户的自然人属性，例如，性别以及年龄；用户的社会属性，例如，学历以及职业等等；用户操作应用软件时使用的设备的操作系统以及型号等等。并且，用户对应用软件进行操作的行为数据的指定字段，可以包括上线时间点，上线次数以及安装时间点等等。其中，用户对应用软件的使用行为，可以包括统计上线时间点得到的上线高峰期和上线低谷期，计算上线次数和预设时间段得到的上线频率等等。

并且，应用软件通过一定的业务流程实现业务，业务流程中产生的操作数据可能无法单独反映用户对业务的使用情况。因此，对于用于表明用户对应用软件实现业务的使用情况的用户标签，可以按照应用软件实现业务的业务流程，对包含关于应用软件实现的业务的指定字段的第二特征信息进行构建得到。例如，应用软件实现的业务是视频播放业务，业务流程包括：用户点击首页展示的视频观看、用户在搜索栏中搜索视频观看以及用户在上次观看界面中点击视频观看。对此，关于应用软件实现的业务的指定字段可以包括：点击首页视频，搜索栏中输入信息以及点击上次观看界面，相应的，第二特征信息可以包括：先点击首页视频，然后在搜索栏中搜索，以及最后点击上次观看界面。以此为基础，按照应用软件实现业务的业务流程，构建得到的标签可以包括：观看视频的操作习惯标签“先看推荐，再搜索，最后继续上次观看”。

并且，针对不同的应用软件，用于获取用户喜好的指定字段可以不同，例如，对于音乐软件，用于获取用户喜好的指定字段可以包括：音乐播放次数，收藏标签，评论以及不喜欢标签等等；对于购物软件，用于获取用户喜好的指定字段可以包括：商品浏览记录，收藏标签，评论以及不喜欢标签等等。示例性的，如图3所示。对于第三类型的特征信息，可以采用如下步骤获得用于获取用户标签的机器学习模型：

S301，定义样本特征信息；

S302，对样本特征信息进行特征工程；

S303，将经过特征工程之后的样本特征信息划分为训练集和测试集；

S304，利用训练集训练得到机器学习模型；

S305，利用机器学习模型获取测试集的用户标签。

在具体应用中，步骤S301至S305相当于本可选实施例中预先训练得到机器学习模型的步骤。其中，步骤S305是为了检验机器学习模型的效果。对此，当获取测试集的用户标签的准确度小于预设准确度阈值时，可以调整机器学习模型或者检查训练集是否存在异常，进而利用训练集或者排除异常的训练集继续训练调整后的机器学习模型，以得到可用的机器学习模型。在得到机器学习模型后，每次获取用户标签可以直接执行本可选实施例中针对第三类型的特征信息获取用户标签的步骤，无需重新执行步骤S301至步骤S305。

其中，定义样本特征信息具体可以是获取样本特征信息。并且，对样本特征信息进行特征工程是为了最大限度地从原始数据中提取特征以供模型使用，可以包括数据预处理、特征选择以及降维等等处理。其中，为了提高特征工程的处理效率，可以利用Spark（一种大数据处理引擎）处理样本特征信息，实现特征工程。并且，机器学习模型具体可以是XGboost4j（开源机器学习项目XGboost中的一种算法），或者神经网络模型等。

另外，用户标签可以是多种的。示例性的，用户标签可以包括：针对用户基础属性的标签，针对用户对媒体的喜好的标签，针对用户的消费喜好的标签以及针对上网行为的标签等等。

在一种可选的实施方式中，任一用户数据可以包括：用户的IP地址，以及该用户数据的产生时间；

相应的，在上述分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果之后，本发明实施例提供的广告投放中的用户画像方法，还可以包括如下步骤：

将多个用户数据中，IP地址相同的至少两个不同用户的用户数据，划分为一个候选家庭数据，得到多个候选家庭数据；

针对每个候选家庭数据，统计该候选家庭数据中产生时间属于预设时间段的用户数据的个数，作为该候选家庭数据对应的不同用户的共现信息；

针对每个候选家庭数据，将该候选家庭数据对应的共现信息输入预设的线性模型，得到该候选家庭数据对应的不同用户是否属于一个家庭的概率；

将概率满足预设概率阈值的候选家庭数据对应的不同用户，确定为一组家庭用户；

相应的，在基于分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签之后，本发明实施例提供的广告投放中的用户画像方法，还可以包括如下步骤：

针对每组家庭用户，利用该组家庭用户中每个用户的用户标签，为该组家庭用户标记家庭标签；其中，所述家庭标签用于反映针对家庭维度的用户特征。

在具体应用中，将多个用户数据中，IP地址相同的至少两个不同用户的用户数据，划分为一个候选家庭数据，得到多个候选家庭数据；针对每个候选家庭数据，统计该候选家庭数据中产生时间属于预设时间段的用户数据的个数，作为该候选家庭数据对应的不同用户的共现信息，相当于通过时间窗口的滑动计算获得不同用户的共现信息。具体的：可以将7天作为一个时间窗口，将一个月划分为4个时间窗口，统计每个时间窗口内，候选家庭数据中用户数据的个数。其中，线性模型是一类统计模型的总称，具体可以包括线性回归模型、方差分析模型等等模型。

并且，针对每组家庭用户，利用该组家庭用户中每个用户的用户标签，为该组家庭用户标记家庭标签，具体可以包括：针对每组家庭用户，设置该组家庭用户的家庭标识，例如OTT_ID；建立家庭标识、用户标签、设备标识以及该组家庭用户中每个用户的用户标签之间的对应关系。其中，家庭标签与用户标签类似，区别在于家庭标签可以包括关于家庭结构的标签，例如，三代同堂，单身或者独自居住，育儿家庭以及二人世界等等；家庭拥有的设备数量，例如，大于7个，1至3个，以及4至6个等等。

本可选实施例实现了家庭画像，有利于通过家庭画像提供更加丰富的广告投放形式。例如，广告主要定向一个育儿家庭时，可以针对每个家庭，根据家庭标签中，家庭成员的年龄，性别，对育儿类的媒体喜好和消费喜好等标签，判断该家庭是否为一个育儿家庭。

相应于上述方法实施例，本发明还提供一种广告投放中的用户画像装置。

如图4所示，本发明一实施例提供的广告投放中的用户画像装置的结构，该装置可以包括：

数据获取模块401，用于获取应用软件的多个用户数据以及每个用户数据对应的设备标识；其中，任一用户数据对应的设备标识为用户操作所述应用软件产生该用户数据时，使用的设备的标识；

数据关联模块402，用于将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；其中，所述二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的用户数据；

标签标记模块403，用于基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签。

本发明实施例提供的方案中，任一用户数据对应的设备标识为用户操作应用软件产生该用户数据时，使用的设备的标识，那么将应用软件的多个用户数据中，不同的至少两个设备标识分别对应的用户数据划分为一组用户数据，可以保证同一用户的一组用户数据，是该用户使用不同的至少两个设备产生的用户数据。并且，同一用户使用不同设备很可能对应用软件进行不同的操作，相应的产生不同的用户数据。因此，基于分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签，相当于为该用户标记不同设备产生的用户数据对应的用户标签，使得为该用户标记的用户标签不再局限于一个设备产生的用户数据对应的用户标签，可以增加该用户的用户标签的丰富程度，提高广告投放中的用户画像准确度。

本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：

获取应用软件的多个用户数据以及每个用户数据对应的设备标识；其中，任一用户数据对应的设备标识为用户操作所述应用软件产生该用户数据时，使用的设备的标识；

将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；

分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；其中，所述二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的样本用户数据；

基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签。

本发明实施例提供的方案中，任一用户数据对应的设备标识为用户操作应用软件产生该用户数据时，使用的设备的标识，那么将应用软件的多个用户数据中，不同的至少两个设备标识分别对应的用户数据划分为一组用户数据，可以保证同一用户的一组用户数据，是该用户使用不同的至少两个设备产生的用户数据。并且，同一用户使用不同设备很可能对应用软件进行不同的操作，相应的产生不同的用户数据。因此，基于分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签，相当于为该用户标记不同设备产生的用户数据对应的用户标签，使得为该用户标记的用户标签不再局限于一个设备产生的用户数据对应的用户标签，可以增加该用户的用户标签的丰富程度，提高广告投放中的用户画像准确度。

上述电子设备提到的通信总线可以是PCI（Peripheral ComponentInterconnect，外设部件互连标准）总线或EISA（Extended Industry StandardArchitecture，扩展工业标准结构）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括RAM（Random Access Memory，随机存取存储器），也可以包括NVM（Non-Volatile Memory，非易失性存储器），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括CPU（Central Processing Unit，中央处理器）、NP（Network Processor，网络处理器）等；还可以是DSP（Digital Signal Processing，数字信号处理器）、ASIC（Application Specific Integrated Circuit，专用集成电路）、FPGA（Field-Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一广告投放中的用户画像方法的步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一广告投放中的用户画像方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、DSL（数字用户线））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如SSD(Solid State Disk，固态硬盘)）等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (9)

1.一种广告投放中的用户画像方法，其特征在于，所述方法包括：

获取应用软件的多个用户数据以及每个用户数据对应的设备标识；其中，任一用户数据对应的设备标识为用户操作所述应用软件产生该用户数据时，使用的设备的标识；

将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；

分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；其中，所述二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的样本用户数据；

基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签；所述基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签，包括：基于所述分类结果，为用户标记该用户的不用设备产生的用户数据对应的用户标签；

任一用户数据包括：用户的IP地址，以及该用户数据的产生时间；

所述将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据，包括：

将至少两个不同的设备标识分别对应的用户数据中，所述IP地址相同的用户数据划分为一个数据对；

针对每个数据对，统计该数据对中所述产生时间属于预设时间段的用户数据的个数；

将所述用户数据的个数大于预设个数阈值的数据对，作为一组用户数据，得到多组用户数据。

2.根据权利要求1所述的方法，其特征在于，所述基于所述分类结果为属于同一用户的一组用户数据，获取该用户的用户标签，包括：

获取与所述广告投放的投放场景匹配的特征提取规则；

从所述分类结果为属于同一用户的一组用户数据中，选择符合所述特征提取规则的数据，作为该用户的特征信息；

针对每个用户，获取该用户的特征信息的类型；任一特征信息的类型按照该特征信息包含的指定字段的差异划分；

针对每个用户，利用与该用户的特征信息的类型对应的标签获取模型，获取该用户的用户标签。

3.根据权利要求2所述的方法，其特征在于，所述获取与所述广告投放的投放场景匹配的特征提取规则，包括：

展示关于刻画目标用户的刻画指标的选取界面；

获取被选取的刻画指标，并基于所获取的刻画指标，确定与所述广告投放的投放场景匹配的特征提取规则。

4.根据权利要求2所述的方法，其特征在于，所述特征提取规则包括：标识符；

所述从所述分类结果为属于同一用户的用户数据中，选择符合所述特征提取规则的数据，作为该用户的特征信息，包括：

从所述分类结果为属于同一用户的用户数据中，选择具有所述标识符的数据，作为该用户的特征信息。

5.根据权利要求2所述的方法，其特征在于，所述从所述分类结果为属于同一用户的用户数据中，选择符合所述特征提取规则的数据，作为该用户的特征信息，包括：

从所述分类结果为属于同一用户的用户数据中，选择符合所述特征提取规则的数据，作为该用户的原始特征；

在预存的原始特征与爬取规则以及指定网站的对应关系中，分别查找与每个用户的原始特征对应的爬取规则和指定网站；其中，任一原始特征对应的爬取规则用于爬取与该原始特征关联，且表明的特征与该原始特征不同的数据；

针对每个用户，爬取该用户对应的指定网站中，满足该用户对应的爬取规则的数据，作为该用户的扩展特征；

针对每个用户，将该用户的原始特征和该用户的扩展特征，作为该用户的特征信息。

6.根据权利要求2所述的方法，其特征在于，所述任一特征信息的类型包括：第一类型，第二类型或者第三类型；其中，所述第一类型的特征信息包含关于特征信息中主体的固有属性，或者，用户对所述应用软件进行操作的行为数据的指定字段；所述第二类型的特征信息包含关于所述应用软件实现的业务的指定字段；所述第三类型的特征信息包含用于获取用户喜好的指定字段；

所述针对每个用户，利用与该用户的特征信息的类型对应的标签获取模型，获取该用户的用户标签，包括：

针对每个用户，当该用户的特征信息的类型为第一类型时，如果该用户的特征信息包含所述主体的固有属性，将该用户的特征信息作为该用户的用户标签，否则，基于该用户的特征信息，计算以统计结果，和/或者，频率数据表明的该用户对所述应用软件的使用行为，得到该用户的用户标签；

针对每个用户，当该用户的特征信息的类型为第二类型时，获取所述应用软件的业务流程，并按照所述业务流程，利用该用户的特征信息构建该用户的用户标签；

针对每个用户，当该用户的特征信息的类型为第三类型时，将该用户的特征信息输入预先训练得到的机器学习模型，得到该用户的用户标签；其中，所述机器学习模型为利用多个样本特征信息，

以及每个样本特征信息的喜好标注训练得到的模型。

7.根据权利要求1所述的方法，其特征在于，任一用户数据包括：用户的IP地址，以及该用户数据的产生时间；

在所述分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果之后，所述方法还包括：

将所述多个用户数据中，所述IP地址相同的至少两个不同用户的用户数据，划分为一个候选家庭数据，得到多个候选家庭数据；

针对每个候选家庭数据，统计该候选家庭数据中所述产生时间属于预设时间段的用户数据的个数，作为该候选家庭数据对应的不同用户的共现信息；

针对每个候选家庭数据，将该候选家庭数据对应的共现信息输入预设的线性模型，得到该候选家庭数据对应的不同用户是否属于一个家庭的概率；

将所述概率满足预设概率阈值的候选家庭数据对应的不同用户，确定为一组家庭用户；

在所述基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签之后，所述方法还包括：

针对每组家庭用户，利用该组家庭用户中每个用户的用户标签，为该组家庭用户标记家庭标签；其中，所述家庭标签用于反映针对家庭维度的用户特征。

8.一种广告投放中的用户画像装置，其特征在于，所述装置包括：

数据获取模块，用于获取应用软件的多个用户数据以及每个用户数据对应的设备标识；其中，任一用户数据对应的设备标识为用户操作所述应用软件产生该用户数据时，使用的设备的标识；

数据关联模块，用于将所述多个用户数据中，至少两个不同的设备标识分别对应的用户数据划分为一组用户数据，得到多组用户数据；分别基于所述多组用户数据，利用预先训练得到的二分类模型，获得关于该组用户数据是否属于同一用户的分类结果；其中，所述二分类模型为预先利用多组样本用户数据，以及每组样本用户数据是否属于同一用户的标注信息训练得到的模型；针对每组样本用户数据，该组样本用户数据包括至少两个不同的设备标识分别对应的用户数据；

标签标记模块，用于基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签；所述基于所述分类结果为属于同一用户的用户数据，获取该用户的用户标签，并为该用户标记所获取的用户标签，包括：基于所述分类结果，为用户标记该用户的不用设备产生的用户数据对应的用户标签；

任一用户数据包括：用户的IP地址，以及该用户数据的产生时间；

所述数据关联模块，具体用于：将至少两个不同的设备标识分别对应的用户数据中，所述IP地址相同的用户数据划分为一个数据对；针对每个数据对，统计该数据对中所述产生时间属于预设时间段的用户数据的个数；将所述用户数据的个数大于预设个数阈值的数据对，作为一组用户数据，得到多组用户数据。

9.一种电子设备，其特征在于，所述设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。

Images