CN112954666A - 一种用户画像方法、装置、设备和存储介质 - Google Patents

一种用户画像方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112954666A
CN112954666A CN201911176851.0A CN201911176851A CN112954666A CN 112954666 A CN112954666 A CN 112954666A CN 201911176851 A CN201911176851 A CN 201911176851A CN 112954666 A CN112954666 A CN 112954666A
Authority
CN
China
Prior art keywords
user
characteristic data
network access
data
access characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911176851.0A
Other languages
English (en)
Inventor
刘继业
吕伟初
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201911176851.0A priority Critical patent/CN112954666A/zh
Priority to PCT/CN2020/131306 priority patent/WO2021104279A1/zh
Publication of CN112954666A publication Critical patent/CN112954666A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • H04W8/183—Processing at user equipment or user record carrier
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请提出一种用户画像方法、装置、设备和存储介质，其中，该方法包括：根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据；根据所述用户网络访问特征数据进行用户画像。本申请实施例的技术方案，通过用户行为数据集中设备特征数据与网络访问特征数据间的关联关系实现了相同用户网络访问特征数据的合并，拓宽了用户网络行为数据维度和数量，增强用户行为画像的准确度。

Description

一种用户画像方法、装置、设备和存储介质
技术领域
本申请涉及计算机应用技术领域，具体涉及一种用户画像方法、装置、设备和存储介质。
背景技术
用户画像，简单来说就是根据用户社会属性、生活习惯和消费行为等信息抽象出标签化的用户模型，对用户信息进行标签化处理。
现有用户网络访问行为中包含用户的游戏偏好、体育偏好、阅读偏好、视频观看偏好和消费偏好等行为信息及部分网站账号信息。参见图1，传统的用户画像方法中，电信运营商通过对用户网络访问行为、宽带账户和手机号码进行分析，建立对应用户的画像。然而传统的用户画像模型构建方法，仅能刻画使用单台网络访问设备的用户，用户使用多台网络设备访问网络时，采用传统技术往往不能刻画出真实有效的用户画像。
发明内容
本申请提供了一种用户画像方法、装置、设备和存储介质。
本申请实施例提供一种用户画像方法，该方法包括：
根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据；根据所述用户网络访问特征数据进行用户画像。
本申请实施例提供一种用户画像装置，该装置包括：
数据处理模块，用于根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据；用户画像模块，用于根据所述用户网络访问特征数据进行用户画像。
本申请实施例提供一种设备，该设备包括：
一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例中任一所述的用户画像方法。
本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中的任意一种方法。
本申请实施例的技术方案，通过确定用户行为数据集中设备特征数据和网络访问特征数据之间的关联关系，根据关联关系合并同一用户的网络访问特征数据，获取到用户网络访问特征数据，基于用户网络访问特征数据对用户进行画像，实现了用户多台网络设备下网络访问特征数据的合并，拓宽了网络访问特征的维度，可增强用户画像的准确度。
关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。
附图说明
图1为现有技术的用户画像方法的示例图；
图2为本申请实施例的用户画像方法的示例图；
图3为本申请实施例的用户画像方法的步骤流程图；
图4为本申请实施例的用户画像方法的步骤流程图；
图5为本申请实施例的关联关系分析图的结构示意图；
图6为本申请实施例的用户画像装置的结构示意图；
图7为本申请实施例的一种设备结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。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任意组合。
图2为本申请实施例的用户画像方法的示例图，参见图2，现有用户多采用多台网络终端进行网络访问，由于各网络设备的标识号不一致，导致在生成用户行为数据集时，不同的网络设备的网络访问特征数据分别作为不同用户的网络访问特征数据集，但是对于相同用户的不同网络设备，网络设备的特征数据与网络访问特征数据存在一定的联系，相同的网络访问特征对应的不同网络设备的设备特征数据可以认为属于同一用户，可以根据设备特征数据和网络访问特征数据之间的关联关系将属于相同用户的网络访问特征数据合并，可以通过合并后的网络访问特征数据刻画用户画像以提高画像的准确度。
图3为本申请实施例的用户画像方法的步骤流程图；本申请实施例可适用于使用多网络设备的用户网络访问行为画像的情况，该方法可以由用户画像装置来执行，该装置可以采用硬件和/或软件的方式来实现，参见图3，本申请实施例的方法包括：
步骤101、根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据。
其中，用户行为数据集可以是用户使用网络设备访问网络时产生行为数据的集合，用户行为数据集可以包括用户设备特征数据和网络访问特征数据，用户行为数据集可以由网络运营商收集并整理，用户行为数据集中设备特征数据和网络访问特征数据可以一一对应存储，设备特征数据可以是标识用户访问网络的网络设备的标识数据，网络访问特征数据可以是用户访问网络使用的数据，可以理解的是，网络访问特征数据可以包括多种特征数据，可以包括用户手机号、软件账户、手机号码和认证信息等，网络访问特征数据可以对应设备特征数据的行为数据，也就是一台网络设备的访问网络产生的行为数据作为该网络设备的网络访问特征数据，用户网络访问特征数据可以将属于相同用户的网络访问特征数据进行合并后的数据，不同的用户网络访问特征数据可以对应不同的用户。
具体的，关联关系可以是设备特征数据与网络访问特征数据之间的对应关系，可以使用设备特征数据的标识号与网络访问特征数据的标识号共同标识，例如，设备特征数据的标识号可以表示为a，网络访问特征数据可以表示为b，那么a与b之间若存在关联关系，则关联关系可以表示为a——b，设备特征数据与网络访问特征数据存在关联关系可以是该网络访问特征数据在该设备特征数据对应的网络设备中产生，若两个设备特征数据对应的网络访问特征数据存在相同的特征数据时，可以将这两个设备特征数据对应的网络访问特征数据合并作为同一用户的用户网络访问特征数据。例如，设备特征数据A具有关联关系的网络访问特征数据a1、a2和a3，设备特征数据B具有关联关系的网络访问特征数据b1、a2、a3，设备特征数据C具有关联关系的网络访问特征数据c1、c2和b1，由于A和B存在相同的网络特征数据a2和a3，B和C存在相同的网络特征数据b1，可以确定A、B和C为同一用户的不同网络设备的设备特征数据，可以将a1、a2、a3、b1、c1和c2作为同一用户的用户网络访问特征数据。
步骤102、根据所述用户网络访问特征数据进行用户画像。
具体的，可以根据用户网络访问特征数据进行用户画像，可以对用户网络访问特征数据进行特征提取获取到行为特征数据，可以基于行为特征数据对用户进行标签设定，可以将各标签形成的标签集作为用户画像。
示例性的，用户网络访问特征数据可以使用矩阵的形式表示为下式：
Figure BDA0002290181770000041
其中，矩阵中每行的用户网络表示相同用户的用户网络访问特征数据，矩阵可以包括多个用户的不同用户网络访问特征数据，可以使用矩阵的形式同时对多个用户进行用户画像，根据不同的用户网络访问特征数据可以对应不同的数据标签，url_1可以对应标签a、url_2可以对应标签b，可以获取到各用户的特征标签集合作为对应的用户画像。
本申请实施例的技术方案，通过用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，将属于相同用户的网络访问特征数据合并为用户网络访问特征数据，根据用户网络访问特征数据进行用户画像，实现了用户多网络设备情况下的访问特征数据合并，拓展了用户的数据种类，提高了用户网络访问画像的准确度。
图4为本申请实施例的用户画像方法的步骤流程图，本申请实施例提供的用户画像方法通过分析图表示设备特征数据与网络访问特征数据的关联关系，便于合并同一用户的网络访问特征数据，参见图4，本申请实施例的方法具体包括：
步骤201、通过画像数据矩阵提取所述用户行为数据集中的网络设备标识作为所述设备特征数据，以及手机串号、软件账户、手机号码和网络访问地址中至少一种作为所述网络访问特征数据。
本申请实施例中，画像数据矩阵可以用于从用户行为数据集中提取数据的矩阵，可以将获取到的数据进行暂存，画像数据矩阵中每行元素可以是用户行为数据集中的一用户的行为数据，可以包括网络设备标识、手机串号、软件账户、手机号码和网络访问地址等，可以将用户行为数据集以字段的形式分别存储为画像数据矩阵的元素，其中，可以将用于区分网络设备的网络设备标识作为设备特征数据，可以将手机串号、软件账户、手机号码和网络访问地址等数据作为网络访问特征数据，可以理解的是，不同网络设备对应的网络访问特征数据的种类可以不同，一个网络设备对应的网络访问特征数据可以包括手机串号、软件账户和网络访问地址等类型的数据，另一个网络设备对应的网络访问特征数据可以包括手机串号、软件账户、手机号码和网络访问地址等类型的数据，示例性的，画像数据矩阵可以表示为下式的形式：
Figure BDA0002290181770000051
其中，AP_MAC1可以表示网络设备标识、IMEI_1可以表示手机串号、email_1可以表示软件账户、mobile_num1可以表示手机号码、url_1可以表示网络访问地址，为了减少数据处理量，可以将画像数据矩阵中的设备特征数据和网络访问特征数据使用唯一标识号的形式进行表示，AP_MAC1和url_1等可以具体为唯一标识号，而不是具体的数据内容。
步骤202、去除所述行为特征数据集中重复的所述设备特征数据和所述网络访问特征数据。
本申请实施例中，用户行为数据集可以来自于多个运营商，用户行为数据集中可能存在重复的数据，可以在画像数据矩阵中对设备特征数据和网络访问特征数据进行去重操作。
步骤203、将所述用户行为数据集中的各设备特征数据与各网络访问特征数据分别作为关联关系分析图的顶点，并绘制属于单个用户行为数据的设备特征数据与网络访问特征数据之间的连线用于标识设备特征数据与网络访问特征数据之间的关联关系。
具体的，关联关系分析图可以是用于分析各设备特征数据与网络访问特征数据之间关联关系的分析图，图5为本申请实施例的关联关系分析图的结构示意图，参见图5，关联关系分析图中设备特征数据21和网络访问特征数据22可以表示为顶点，当设备特征数据21和网络访问特征数据22属于单个用户行为数据时，例如，设备特征数据21和网络访问特征数据22在用户行为数据集中具有相同的主键或者标识号，可以将设备特征数据21和网络访问特征数据22使用连线23连接，可以将连线23作为设备特征数据和网络访问特征数据之间的关联关系。
步骤204、根据各关联关系确定极大连通子图，将属于相同所述极大连通子图的各所述关联关系确定为待连接关系。
其中，极大连通子图可以是由设备特征数据和网络访问特征数据构成的最大连通子图，任意的设备特征数据和网络访问特征数据可以通过标识关联关系的连线进行关联，参见图5，AP_MAC1和AP_MAC2可以通过连线关联，可以标识AP_MAC1和AP_MAC2属于相同的极大连通子图；待连接关系可以是属于相同极大连通子图的关系。
具体的，可以根据关联关系分析图中获取到基于各关联关系相连的极大连通子图，可以理解的是，关联关系分析图中可以包括一个或者多个极大连通子图，各极大连通子图之间可以不存在标识关联关系的连线，在获取到极大连通子图后，可以针对各极大连通子图，将属于相同极大连通子图的关联关系确定为待连接关系，待连接关系中可以包括一个或多个关联关系，可以理解的是，属于相同待连接关系的关联关系可以对应同一用户。
一种实施方式中，根据各关联关系确定极大连通子图，包括：
获取所述关联关系分析图中处于连接状态的连线；将各所述连接的连线组成的连通子图作为所述连线对应关联关系的极大连通子图。
在本申请实施例中，可以对关联关系分析图进行分析，可以将所有处于连接状态的连线组成的图像作为连通子图，在关联关系分析图中，可以存在多个连通子图，各连通子图之间可以不存在连线，可以将获取到的各连通子图分别作为连线对应的关联关系的极大连通子图。
步骤205、将各所述待连接关系对应的网络特征访问数据作为同一用户的网络访问特征数据合并，得到用户网络访问特征数据。
其中，待连接关系可以是属于相同用户的关联关系，待连接关系中关联关系对应的各网络访问特征数据可以属于同一用户。
具体的，可以根据待连接关系中的各关联关系，可以获取各关联关系对应的网络访问特征数据，可以将网访问特征数据进行合并，可以将合并后的网络访问特征数据作为用户网络访问特征数据。示例性的，可以将画像数据矩阵中属于相同用户的用户网络访问特征数据和设备特征数据存储在画像数据矩阵的同一行中。例如，可以将存储用户网络访问特征数据的画像数据矩阵表示为下式：
Figure BDA0002290181770000071
步骤206、提取所述网络访问特征数据的行为特征。
具体的，行为特征可以是用户对网络进行访问的特征，可以包括常浏览的网络地址、常使用的账户和登录时间等，行为特征数据可以对网络访问特征数据进行整理提取获得，示例性的，可以提取网络访问特征数据中访问次数最多的网络地址作为行为特征数据。
步骤207、根据所述行为特征在预设行为标签集查找行为标签。
其中，预设行为标签集可以是存储预先设定的用于用户画像的标签集，预设行为标签集中的行为标签可以与对应的行为特征关联存储。
具体的，可以根据提取的行为特征在预先存储的预设行为标签集中查找对应的行为标签，可以将查找到的行为标签对用户进行用户画像，行为特征可以与各用户对应，根据行为特征查找到的行为标签可以对应各用户的行为标签。
步骤208、将所述行为标签组成的标签集作为对应用户的用户画像。
在本申请实施例中，可以将对应各用户的行为标签进行整理，由各行为标签组成行为标签集，可以将获取到的行为标签集作为对应用户的用户画像。
本申请实施例的技术方案，通过画像数据矩阵获取网络设备标识作为设备特征数据，将手机串号、软件账户、手机号码和网络地址作为网络访问特征数据，对获取到的设备特征数据和网络访问特征数据进行去重操作，根据设备特征数据、网络访问特征数据和设备特征数据和网络访问特征数据之间的关联关系构建关联关系分析图，基于各关联关系确定极大连通子图，将属于相同极大连通子图的关联关系作为待连接关系，根据待连接关系将对应的网络特征访问数据作为同一用户的网络访问特征数据合并，得到用户网络访问特征数据，提取各用户网络访问特征数据的行为特征数据，根据各行为特征数据确定行为标签集作为用户画像，实现了用户多网络设备情况下的访问特征数据合并，拓展了用户的数据种类，提高了用户网络访问画像的准确度。
图6为本申请实施例的用户画像装置的结构示意图，参见图6，图中所示的装置可以执行本申请任意实施例所提供的用户画像方法，具备执行方法相应的功能模块和有益效果。该装置可以由软件和/或硬件实现，具体包括：数据处理模块301和用户画像模块302。
数据处理模块301，用于根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据。
用户画像模块302，用于根据所述用户网络访问特征数据进行用户画像。
本申请实施例的技术方案，通过数据处理模块获取用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，将属于相同用户的网络访问特征数据合并为用户网络访问特征数据，用户画像模块根据用户网络访问特征数据进行用户画像，实现了用户多网络设备情况下的访问特征数据合并，拓展了用户的数据种类，提高了用户网络访问画像的准确度。
一种实施方式中，本申请实施例的用户画像装置还包括：数据提取模块，用于通过画像数据矩阵提取所述用户行为数据集中的网络设备标识作为所述设备特征数据，以及手机串号、软件账户、手机号码和网络访问地址中至少一种作为所述网络访问特征数据。
一种实施方式中，本申请实施例的用户画像装置还包括：图像标识模块，用于将所述用户行为数据集中的各设备特征数据与各网络访问特征数据分别作为关联关系分析图的顶点，并绘制属于单个用户行为数据的设备特征数据与网络访问特征数据之间的连线用于标识设备特征数据与网络访问特征数据之间的关联关系。
一种实施方式中，数据处理模块301包括：
待连接单元，用于根据各关联关系确定极大连通子图，将属于相同所述极大连通子图的各所述关联关系确定为待连接关系。
数据合并单元，用于将各所述待连接关系对应的网络特征访问数据作为同一用户的网络访问特征数据合并，得到用户网络访问特征数据。
一种实施方式中，待连接单元具体用于：获取所述关联关系分析图中处于连接状态的连线；将各所述连接的连线组成的连通子图作为所述连线对应关联关系的极大连通子图。
一种实施方式中，用户画像模块302包括：
行为特征单元，用于提取所述网络访问特征数据的行为特征。
标签查找单元，用于根据所述行为特征在预设行为标签集查找行为标签。
画像单元，用于将所述行为标签组成的标签集作为对应用户的用户画像。
一种实施方式中，还包括：去重模块，用于去除所述行为特征数据集中重复的所述设备特征数据和所述网络访问特征数据。
图7为本申请实施例的一种设备结构示意图，如图7所示，该设备包括处理器40、存储器41、输入装置42和输出装置43；设备中处理器40的数量可以是一个或多个，图7中以一个处理器40为例；设备处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的用户画像装置对应的模块(数据处理模块301和用户画像模块302)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的用户画像方法。
存储器41可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。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。
输入装置42可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种用户画像方法，该方法包括：
根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据；根据所述用户网络访问特征数据进行用户画像。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本申请任意实施例所提供的用户方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是，上述用户画像装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
以上所述，仅为本申请的示例性实施例而已，并非用于限定本申请的保护范围。
本领域内的技术人员应明白，术语用户终端涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。
一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。
本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。
本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(ROM)、随机访问存储器(RAM)、光存储器装置和系统(数码多功能光碟DVD或CD光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(FGPA)以及基于多核处理器架构的处理器。
通过示范性和非限制性的示例，上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑，对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的，但不偏离本申请的范围。因此，本申请的恰当范围将根据权利要求确定。

Claims (10)

1.一种用户画像方法，其特征在于，包括：
根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据；
根据所述用户网络访问特征数据进行用户画像。
2.根据权利要求1所述的方法，其特征在于，在根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据之前，还包括：
通过画像数据矩阵提取所述用户行为数据集中的网络设备标识作为所述设备特征数据，以及手机串号、软件账户、手机号码和网络访问地址中至少一种作为所述网络访问特征数据。
3.根据权利要求1所述的方法，其特征在于，在根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据之前，还包括：
将所述用户行为数据集中的各设备特征数据与各网络访问特征数据分别作为关联关系分析图的顶点，并绘制属于单个用户行为数据的设备特征数据与网络访问特征数据之间的连线用于标识设备特征数据与网络访问特征数据之间的关联关系。
4.根据权利要求1所述的方法，其特征在于，所述根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据，包括：
根据各关联关系确定极大连通子图，将属于相同所述极大连通子图的各所述关联关系确定为待连接关系；
将各所述待连接关系对应的网络特征访问数据作为同一用户的网络访问特征数据合并，得到用户网络访问特征数据。
5.根据权利要求3或4所述的方法，其特征在于，所述根据各关联关系确定极大连通子图，包括：
获取所述关联关系分析图中处于连接状态的连线；
将各所述连接的连线组成的连通子图作为所述连线对应关联关系的极大连通子图。
6.根据权利要求1所述的方法，其特征在于，所述根据所述用户网络访问特征数据进行用户画像，包括：
提取所述网络访问特征数据的行为特征；
根据所述行为特征在预设行为标签集查找行为标签；
将所述行为标签组成的标签集作为对应用户的用户画像。
7.根据权利要求1-4中任一所述的方法，其特征在于，在根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系之前，还包括：
去除所述行为特征数据集中重复的所述设备特征数据和所述网络访问特征数据。
8.一种用户画像装置，其特征在于，包括：
数据处理模块，用于根据用户行为数据集的设备特征数据与网络访问特征数据之间的关联关系，合并同一用户的网络访问特征数据，得到用户网络访问特征数据；
用户画像模块，用于根据所述用户网络访问特征数据进行用户画像。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的用户画像方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的用户画像方法。
CN201911176851.0A 2019-11-26 2019-11-26 一种用户画像方法、装置、设备和存储介质 Pending CN112954666A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911176851.0A CN112954666A (zh) 2019-11-26 2019-11-26 一种用户画像方法、装置、设备和存储介质
PCT/CN2020/131306 WO2021104279A1 (zh) 2019-11-26 2020-11-25 用户画像构建方法和装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911176851.0A CN112954666A (zh) 2019-11-26 2019-11-26 一种用户画像方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN112954666A true CN112954666A (zh) 2021-06-11

Family

ID=76129971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911176851.0A Pending CN112954666A (zh) 2019-11-26 2019-11-26 一种用户画像方法、装置、设备和存储介质

Country Status (2)

Country Link
CN (1) CN112954666A (zh)
WO (1) WO2021104279A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115022009A (zh) * 2022-05-30 2022-09-06 广东太平洋互联网信息服务有限公司 一种多网多端多时效融合消费垂直运营方法、装置及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9009258B2 (en) * 2012-03-06 2015-04-14 Google Inc. Providing content to a user across multiple devices
WO2015069659A1 (en) * 2013-11-05 2015-05-14 Tealium Inc. Universal visitor identification system
CN105677844B (zh) * 2016-01-06 2017-03-08 北京摩比万思科技有限公司 一种移动广告大数据的定向推送及用户跨屏识别方法
CN108876434B (zh) * 2018-05-24 2022-08-16 北京五八信息技术有限公司 用户画像构建方法、装置、计算设备及可读存储介质
CN109241421B (zh) * 2018-08-24 2021-02-23 北京奇虎科技有限公司 Id数据网处理方法、装置、计算设备及计算机存储介质
CN109842688B (zh) * 2019-03-07 2022-03-01 北京达佳互联信息技术有限公司 一种内容推荐方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115022009A (zh) * 2022-05-30 2022-09-06 广东太平洋互联网信息服务有限公司 一种多网多端多时效融合消费垂直运营方法、装置及系统
CN115022009B (zh) * 2022-05-30 2024-01-30 广东太平洋互联网信息服务有限公司 一种多网多端多时效融合消费垂直运营方法、装置及系统

Also Published As

Publication number Publication date
WO2021104279A1 (zh) 2021-06-03

Similar Documents

Publication Publication Date Title
CN107463331B (zh) 手势轨迹模拟方法、装置及电子设备
CN109086377B (zh) 设备画像的生成方法、装置及计算设备
CN109669795B (zh) 崩溃信息处理方法及装置
US10834105B2 (en) Method and apparatus for identifying malicious website, and computer storage medium
CN111198976B (zh) 云上资产关联分析系统、方法、电子设备及介质
CN109194689B (zh) 异常行为识别方法、装置、服务器及存储介质
CN111949702B (zh) 异常交易数据的识别方法、装置及设备
CN111090807A (zh) 一种基于知识图谱的用户识别方法及装置
CN114208135B (zh) 信息推送方法、装置、服务器及存储介质
CN110647895B (zh) 一种基于登录框图像的钓鱼页面识别方法及相关设备
WO2023040530A1 (zh) 网页内容溯源方法、知识图谱构建方法以及相关设备
CN107577943B (zh) 基于机器学习的样本预测方法、装置及服务器
CN112149570A (zh) 多人活体检测方法、装置、电子设备及存储介质
CN114157568B (zh) 一种浏览器安全访问方法、装置、设备及存储介质
US20130322682A1 (en) Profiling Activity Through Video Surveillance
CN112954666A (zh) 一种用户画像方法、装置、设备和存储介质
WO2019242156A1 (zh) 终端中的应用控制方法和装置及计算机可读存储介质
CN113762303B (zh) 图像分类方法、装置、电子设备及存储介质
CN106612283B (zh) 一种识别下载文件来源的方法及装置
CN107071553B (zh) 一种修改视频语音的方法、装置和计算机可读存储介质
US8751508B1 (en) Contextual indexing of applications
US20160350318A1 (en) Method, system for classifying comment record and webpage management device
CN108268545B (zh) 一种分级的用户标签库的创建的方法和装置
CN111177450A (zh) 一种图像检索云识别方法、系统及计算机可读存储介质
US10631050B2 (en) Determining and correlating visual context on a user device with user behavior using digital content on the user device

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination