CN113856207A - 用户标识处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开涉及一种用户标识处理方法、装置、电子设备及存储介质。该方法包括：获取用户标识对应的个人属性信息；个人属性信息包括对应的任务序列、任务序列中的每一任务的交互状态和用户信息，任务序列包括至少一个任务，交互状态为进行每一任务的过程中资源的交互状态；将个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；当用户类型与预设类型一致时，为用户标识启动预设保护策略。根据本公开，能判断用户是否为需要保护的预设类型，并为需要开启的用户开启预设的保护策略，实现有针对性的对需要保护的用户开启保护策略，避免无差别的开启保护策略，节省系统资源，实现提高用户体验并留存新用户的目的。

Description

用户标识处理方法、装置、电子设备及存储介质

技术领域

本公开涉及互联网技术领域，尤其涉及一种用户标识处理方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的发展以及人们对文化生活、休闲方式等多样化的需求，各种购物、短视频、游戏等应用程序的开发与应用得到了空前的发展。在开发一款应用程序产品时，需要考虑如何开发和留住新用户，将新手用户变为核心用户，提高用户的留存率。因此，在开发线上虚拟游戏场景时，传统的提高用户留存率的方法是，无差别的为新用户开启保护策略，使新用户能够更好的参与交互。

然而，传统的提高用户留存率的方法无法针对不同的用户进行灵活的调整，导致系统资源的浪费。

发明内容

本公开提供一种用户标识处理方法、装置、电子设备及存储介质，以至少解决相关技术中无法针对不同的用户进行灵活的调整的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种用户标识处理方法，包括：

获取用户标识对应的个人属性信息；所述个人属性信息包括对应的任务序列、所述任务序列中的每一任务的交互状态和用户信息，其中，所述任务序列包括至少一个任务，所述交互状态为进行每一所述任务的过程中资源的交互状态；

将所述个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；所述用户类型识别模型是根据样本用户对应的历史个人属性信息训练得到的；

当所述用户类型与预设类型一致时，为所述用户标识启动预设保护策略；其中，所述预设类型为完成所述任务的熟练度小于第一预设阈值的用户类型，所述熟练度表征所述用户完成所述任务时的熟练程度。

在一示例性实施例中，所述预设保护策略包括：在进行一个任务的过程中，为所述预设类型对应的用户分配预设资源的保护策略。

在一示例性实施例中，所述获取用户标识对应的个人属性信息，包括：

检测所述任务序列中的任务数量；

当所述任务数量小于第二预设阈值时，获取用户标识对应的个人属性信息。

在一示例性实施例中，所述用户类型识别模型的获取方式，包括：

获取所述样本用户对应的历史个人属性信息；

根据所述历史个人属性信息，确定所述用户标识对应的用户类型；

以所述历史个人属性信息为输入，所述用户类型为监督信息，对预设的初始识别模型进行训练，得到所述用户类型识别模型。

在一示例性实施例中，所述根据所述历史个人属性信息，确定所述用户标识对应的用户类型，包括：

在所述至少一个任务完成后，结束所述任务，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型；其中，所述至少一个任务的数量小于第三预设阈值。

在一示例性实施例中，所述历史个人属性信息中的用户信息包括用户标识对应的登录状态；

所述根据所述历史个人属性信息，确定所述用户标识对应的用户类型，包括：

在预设时长内，检测所述用户标识的对应的登录状态，得到所述用户标识的对应的登录次数；

若在所述预设时长内，所述用户标识的对应的登录次数小于第四预设阈值，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型。

在一示例性实施例中，所述历史个人属性信息中的交互状态包括在进行每一所述任务的过程中的交互次数；

所述根据所述历史个人属性信息，确定所述用户标识对应的用户类型，包括：

检测进行每一所述任务的过程中的交互次数；

若所述进行每一所述任务的过程中的交互次数小于第五预设阈值，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型。

根据本公开实施例的第二方面，提供一种用户标识处理装置，包括：

个人属性信息获取单元，被配置为执行获取用户标识对应的个人属性信息；所述个人属性信息包括对应的任务序列、所述任务序列中的每一任务的交互状态和用户信息，其中，所述任务序列包括至少一个任务，所述交互状态为进行每一所述任务的过程中资源的交互状态；

用户类型确定单元，被配置为执行将所述个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；所述用户类型识别模型是根据样本用户对应的历史个人属性信息训练得到的；

用户标识处理单元，被配置为执行当所述用户类型与预设类型一致时，为所述用户标识启动预设保护策略；其中，所述预设类型为完成所述任务的熟练度小于第一预设阈值的用户类型，所述熟练度表征所述用户完成所述任务时的熟练程度。

在一示例性实施例中，所述用户标识处理装置还包括保护策略存储单元，被配置为存储所述预设保护策略，所述预设保护策略包括：在进行一个任务的过程中，为所述预设类型对应的用户分配预设资源的保护策略。

在一示例性实施例中，所述个人属性信息获取单元还被配置为执行：

检测所述任务序列中的任务数量；

当所述任务数量小于第二预设阈值时，获取用户标识对应的个人属性信息。

在一示例性实施例中，所述用户标识处理装置还包括用户类型识别模型确定单元，被配置为执行：

获取所述样本用户对应的历史个人属性信息；

根据所述历史个人属性信息，确定所述用户标识对应的用户类型；

以所述历史个人属性信息为输入，所述用户类型为监督信息，对预设的初始识别模型进行训练，得到所述用户类型识别模型。

在一示例性实施例中，所述用户类型识别模型确定单元还被配置为执行：

在所述至少一个任务完成后，结束所述任务，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型；其中，所述至少一个任务的数量小于第三预设阈值。

在一示例性实施例中，所述历史个人属性信息中的用户信息包括用户标识对应的登录状态；

所述用户类型识别模型确定单元还被配置为执行：

在预设时长内，检测所述用户标识的对应的登录状态，得到所述用户标识的对应的登录次数；

若在所述预设时长内，所述用户标识的对应的登录次数小于第四预设阈值，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型。

在一示例性实施例中，所述历史个人属性信息中的交互状态包括在进行每一所述任务的过程中的交互次数；

所述用户类型识别模型确定单元还被配置为执行：

检测进行每一所述任务的过程中的交互次数；

若所述进行每一所述任务的过程中的交互次数小于第五预设阈值，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型。

根据本公开实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现上述第一方面任一项实施例中所述的用户标识处理方法。

根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由所述电子设备的处理器执行时，使得所述电子设备能够执行上述第一方面任一项实施例中所述的用户标识处理方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，设备的至少一个处理器从所述可读存储介质读取并执行所述计算机程序，使得设备执行上述第一方面任一项实施例中所述的用户标识处理方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

获取用户标识对应的个人属性信息，个人属性信息包括对应的任务序列、任务序列中的每一任务的交互状态和用户信息，其中，任务序列包括至少一个任务，交互状态为进行每一任务的过程中资源的交互状态。将个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型，并判断用户类型是否与预设类型一致，当用户类型与预设类型一致时，认为该用户类型为完成上述任务时交互技能不熟练的用户类型，需要在完成任务的过程中开启保护策略，如此，能够实现有针对性的对需要保护的用户开启保护策略，避免无差别的开启保护策略，节省系统资源，进一步个性化的保护策略能够提高用户体验和留存率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种用户标识处理方法的应用环境图。

图2是根据一示例性实施例示出的一种用户标识处理方法的流程图。

图3是根据一示例性实施例示出的步骤S100的一种可实施方式的流程图。

图4是根据一示例性实施例示出的用户类型识别模型的获取方式的流程图。

图5是根据具体一示例性实施例示出的一种用户标识处理方法的流程图。

图6是根据一示例性实施例示出的一种用户标识处理装置的框图。

图7是根据一示例性实施例示出的一种用于用户标识处理的设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种用户标识处理方法的应用环境图，本公开提供的用户标识处理方法，可以应用于如图1所示的应用环境中。其中，电子设备110通过网络与服务器120进行交互。电子设备110获取用户的用户标识，以及用户标识对应的个人属性信息，并将个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型，判断用户类型是否与预设类型一致，在用户类型与预设类型一致的情况下，为该用户标识开启预设的保护策略。其中，电子设备110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

图2是根据一示例性实施例示出的一种用户标识处理方法的流程图，如图2所示，以用户标识处理方法用于图1中的电子设备110为例进行说明，具体包括以下步骤：

在步骤S100中，获取用户标识对应的个人属性信息；个人属性信息包括对应的任务序列、任务序列中的每一任务的交互状态和用户信息，其中，任务序列包括至少一个任务，交互状态为进行每一任务的过程中资源的交互状态。

在步骤S200中，将个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；用户类型识别模型是根据样本用户对应的历史个人属性信息训练得到的。

在步骤S300中，当用户类型与预设类型一致时，为用户标识启动预设保护策略；其中，预设类型为完成任务的熟练度小于预设阈值的用户类型，熟练度表征用户完成任务时的熟练程度。

其中，用户标识是指用于识别用户身份的标识，例如用户ID、用户IP地址等。任务序列是指用户标识在完成一个或多个任务时形成的行为序列，该任务序列中包括交互时长、在预设时长内的交互轮数等信息。例如，当任务对应的场景为游戏场景时，交互时长可为用户在什么时间进行了多长时间的游戏，交互轮数可为在预设时长内参与的游戏局数等。交互状态是指在完成任务过程中的交互情况，该交互情况可包括在任务中的交互结果、资源数值变化情况等。例如，交互情况包括在游戏场景中的胜负情况、金币进出情况等。用户信息是指用户的个人信息，例如，用户登录完成一个任务时的登录状态、所处的地理位置、年龄、关注的主播等。熟练度是指衡量用户完成任务的熟练程度的量化指标，例如，可以以1为单位值，熟练度等于1表示用户能够熟练地完成任务，熟练度等于0.8表示用户能够较为熟练地完成任务，熟练度等于0.5表示用户不能较为熟练地完成任务，熟练度等于0表示用户不能熟练地完成任务。预设类型是指用户的属性类型，例如用户完成任务的熟练度小于第一预设阈值，或者用户为需要实施保护策略的新手，以便于根据用户类型为该用户开启对应的保护策略。可选地，预设保护策略包括：在进行一个任务的过程中，为预设类型对应的用户分配预设资源的保护策略。可选地，当任务为一局游戏时，预设资源可以为一幅好的游戏配置(或者为一幅差的游戏配置)，使用户可以在游戏中获得不一样的体验。

具体地，获取用户标识对应的个人属性信息，并将个人属性信息输入用户类型识别模型，对该用户标识对应的用户类型进行识别，确定出用户类型。其中，用户类型识别模型是采用选定的大量样本用户的历史人属性信息训练得到的，训练得到的用户类型识别模型可以根据输入的个人属性信息，确定出用户标识对应的用户类型。在得到用户类型后，进一步判断用户类型是否与预设类型一致，在用户类型与预设类型一致的情况下，认为用户标识对应的用户类型为需要实施保护策略的用户，则为该预设类型的用户开启预设的保护策略，能够实现有针对性的对需要保护的用户开启保护策略。

上述用户标识处理方法，获取用户标识对应的个人属性信息，个人属性信息包括对应的任务序列、任务序列中的每一任务的交互状态和用户信息，其中，任务序列包括至少一个任务，交互状态为进行每一任务的过程中资源的交互状态。将个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型，并判断用户类型是否与预设类型一致，当用户类型与预设类型一致时，认为该用户类型为完成上述任务时交互技能不熟练的用户类型，需要在完成任务的过程中开启保护策略，如此，能够实现有针对性的对需要保护的用户开启保护策略，避免无差别的开启保护策略，节省系统资源，进一步个性化的保护策略能够提高用户体验和留存率。

图3是根据一示例性实施例示出的步骤S100的一种可实施方式的流程图，如图3所示，步骤S100，具体包括以下步骤：

在步骤S110中，检测任务序列中的任务数量。

在步骤S120中，当任务数量小于第二预设阈值时，获取用户标识对应的个人属性信息。

其中，任务数量是指在任务序列中完成的任务的数量，例如，当一个任务为一局游戏时，任务数量为游戏中的对战次数，例如，在斗地主游戏中每进行一局游戏为一个任务。第二预设阈值为根据实际任务限定的用户类型为需要开启保护策略的预设类型的判定界限，第二预设阈值可以为20、30、40不等。例如，第二预设阈值为20时，新注册游戏账号的用户，在该游戏场景中的游戏次数非常少，可能只进行了10局游戏，小于等于第二预设阈值20，这种情况下可以认为该用户是一个不能熟练完成一局游戏的新手，用户类型是需要开启保护策略的预设类型。

具体地，检测任务序列中的任务数量，当任务数量小于第二预设阈值时，认为该用户标识对应的用户的熟练程度可能小于第一预设阈值，但也可能存在该用户对应的任务数量小于第二预设阈值时，但是熟练程度并不小于第一预设阈值的情况，因此，需要进一步去获取用户标识对应的个人属性信息，进一步判断该用户是否为熟练程度小于第一预设阈值，需要实施保护策略的用户类型。当任务数量不小于第二预设阈值时，则认为该用户标识对应的用户的熟练程度并不小于第一预设阈值，则无需开启保护策略，因此也无需获取用户标识对应的个人属性信息去进行用户类型的识别。如此，仅需对任务数量小于第二预设阈值的用户进行进一步的验证，无需对任务数量不小于第二预设阈值的用户进行进一步的验证，能够节省系统的运行资源。

上述示例性实施例中，检测任务序列中的任务数量，当任务数量小于第二预设阈值时，获取用户标识对应的个人属性信息，进一步验证该用户是否为熟练程度小于第一预设阈值，需要实施保护策略的用户类型。而当任务数量小于第二预设阈值时，则无需进一步的验证，也无需获取用户标识对应的个人属性信息，能够节省系统的运行资源。

图4是根据一示例性实施例示出的用户类型识别模型的获取方式的流程图，如图4所示，具体包括以下步骤：

在步骤S210中，获取样本用户对应的历史个人属性信息。

在步骤S220中，根据历史个人属性信息，确定用户标识对应的用户类型。

在步骤S230中，以历史个人属性信息为输入，用户类型为监督信息，对预设的初始识别模型进行训练，得到用户类型识别模型。

具体地，获取样本用户对应的历史个人属性信息，根据历史个人属性信息，确定出用户标识对应的用户类型，用户类型包括预设类型和其他类型。并将历史个人属性信息作为输入，对预设的初始识别模型进行训练，以用户类型为监督信息(或期望输出)调整初始识别模型的结构和参数，最终得到用户类型识别模型。

可选地，在至少一个任务完成后，结束任务，则将用户标识对应的用户类型确定为需要保护的用户类型；其中，至少一个任务的数量小于第三预设阈值。

其中，第三预设阈值为一个较小的数值，可以为1、5、10、20不等，至少一个任务的数量小于第三预设阈值，认为用户不能熟练掌握完成任务的技能，是需要开启保护的预设类型的用户。

具体地，可以根据用户的完成一个或多个任务后是否选择继续进行下一任务的意愿，来判断用户在任务中的体验，进一步判断用户类型，当用户选择继续进行下一任务说明用户在任务过程中体验良好，认为用户能熟练掌握完成任务的技能，不是需要开启保护的预设类型的用户，当用户选择退出不再进行下一任务说明用户在任务过程中可能体验并不好，认为用户不能熟练掌握完成任务的技能，是需要开启保护的预设类型的用户。当任务为游戏时，具体到游戏场景，在用户进行一轮游戏交互后结束游戏交互，则认为该用户在游戏体验中可能并不满意，这种情况一般是用户在游戏中一直输，游戏情绪低落导致的。此时，将该用户标识对应的用户类型确定为需要开启保护策略的预设类型。例如，在第M轮交互完成后，用户标识结束交互，则认为该用户在游戏体验中可能并不满意，则在第M轮交互完成后，将用户标识对应的用户类型确定为需要开启保护策略的预设类型。在第M轮交互完成后，用户标识继续进行交互，则在第M轮交互完成后，将用户标识对应的用户类型确定为不需要开启保护策略的非预设类型；在M+N轮交互完成后，用户标识结束交互，则在第M+N轮交互完成后，将用户标识对应的用户类型确定为需要开启保护策略的预设类型。

可选地，在预设时长内，检测用户标识的对应的登录状态，得到用户标识的对应的登录次数；若在预设时长内，用户标识的对应的登录次数小于第四预设阈值，则将用户标识对应的用户类型确定为需要保护的用户类型。

其中，历史个人属性信息中的用户信息包括用户标识对应的登录状态。预设时长内为一个基准的单位时间，可以为一天、两天、一周、两周、一个月不等。第四预设阈值为一个较小的数值，可以为1、5、10、20不等，登录次数小于第四预设阈值，认为用户不能熟练掌握完成任务的技能，是需要开启保护的预设类型的用户。

具体地，根据用户在预设时间内登录任务系统的次数，来判断用户在任务中的体验，进一步判断用户类型，当登录次数大于第四预设阈值时，说明用户经常登录任务系统，可能在任务过程中体验良好，认为用户能熟练掌握完成任务的技能，不是需要开启保护的预设类型的用户，当登录次数小于或等于第四预设阈值，说明用户不经常登录任务系统，可能在任务过程中体验并不好，认为用户不能熟练掌握完成任务的技能，是需要开启保护的预设类型的用户。当任务为游戏时，具体到游戏场景，根据用户标识对应的登录状态，检测该用户在预设时长内登录状态为在线的次数，并将预设时长内，比较用户标识的对应的登录次数与第四预设阈值之间的关系，当用户标识的对应的登录次数小于第四预设阈值时，说明用户在预设时长内进行游戏交互的次数较少，则认为该用户在游戏体验中可能并不满意，这种情况一般是用户在游戏中一直输，游戏情绪低落导致的，则将该用户标识对应的用户类型确定为需要开启保护策略的预设类型。

可选地，检测进行每一任务的过程中的交互次数；若进行每一任务的过程中的交互次数小于第五预设阈值，则将用户标识对应的用户类型确定为需要保护的用户类型。

其中，历史个人属性信息中的交互状态包括在进行每一任务的过程中的交互次数。第五预设阈值为一个较小的数值，可以为1、5、10、20不等，交互次数小于第五预设阈值，认为用户不能熟练掌握完成任务的技能，是需要开启保护的预设类型的用户。第五预设阈值根据样本用户确定出的每一用户的平均交互次数，该平均交互次数根据任务的发布时间和用户的使用情况不断变化，可以每隔一周、一个月、半年不等的时间，更新一次。

具体地，根据用户在在一个任务中的交互次数，来判断用户在任务中的体验，进一步判断用户类型，当交互次数大于第五预设阈值时，说明用户在一个任务的完成过程中充分参与任务，可能在任务过程中体验良好，认为用户能熟练掌握完成任务的技能，不是需要开启保护的预设类型的用户，当交互次数小于或等于第五预设阈值，说明用户在一个任务的完成过程中并未充分参与任务，可能在任务过程中体验并不好，认为用户不能熟练掌握完成任务的技能，是需要开启保护的预设类型的用户。当任务为游戏时，具体到游戏场景，检测用户标识对应的交互次数，在交互次数小于第五预设阈值，则认为该用户在游戏体验中可能并不满意，这种情况一般是用户在游戏中一直输，游戏情绪低落导致的，则将该用户标识对应的用户类型确定为需要开启保护策略的预设类型。

上述示例性实施例中，通过获取样本用户对应的历史个人属性信息，并根据历史个人属性信息，确定用户标识对应的用户类型，最终以历史个人属性信息为输入，用户类型为监督信息，对预设的初始识别模型进行训练，得到用户类型识别模型，为根据个人属性信息确定用户类型提供基础，并为预设类型的用户开启预设的保护策略，能够实现有针对性的对需要保护的用户开启保护策略。

图5是根据具体一示例性实施例示出的一种用户标识处理方法的流程图，如图5所示，以用户标识处理方法用于图1中的电子设备110为例进行说明，在具体场景中，一个任务为一局游戏，任务中的交互为游戏中的交互，具体包括以下步骤：

在步骤S501中，登录游戏；当一个新用户注册进入产品后，该用户会被标记为“新手”(预设类型的用户)并进入“新手保护期”。

在步骤S502中，进行游戏；新手用户在保护期内进行游戏，在每局游戏结束后，系统会进行一次用户类型识别模型的模型请求。

在步骤S503中，模型请求；系统将该新手用户的个人属性信息(用户信息、过往行为序列或任务序列，含该用户在其他平台的行为、本平台之前局的游戏结果等)输入用户类型识别模型，用户类型识别模型会输出1(预设类型)或0(非预设类型)。

在步骤S504中，是否使用策略；用户类型识别模型输出0时，用户继续正常参加系统的匹配。用户类型识别模型输出1时，系统会触发新手保护策略，为新手玩家一个低难度的游戏局。例如，在斗地主的场景中，匹配由简单规则构成的AI机器人作为对手，并给新手玩家发放一把“好牌”，比如有大量大牌，炸弹等。

可选地，当新手用户总游戏局数达到一个阈值后，该用户会被移除“新手”标签并结束“新手保护期”。

可选地，在应用用户类型识别模型时，为获得准确的模型的输出，是的模型输出能够指导新手保护策略的触发。为了解决这一问题，对样本数据设计了多种“Proxy Label”来近似“模型是否需要触发”。样本用户对应的历史个人属性信息中的“新手用户每局游戏结束后，下一局开始前”构成一个样本。样本的特征包括这个时间点之前用户的行为序列和统计特征(在虚拟场景中的交互状态，例如，最近的胜负情况、金币进出情况等)和用户的个人信息(例如，地理位置、年龄、在主站上关注过哪些主播等)。确定了样本用户对应的历史个人属性信息后，采用了多种方式定义Label来让模型可以正确地触发保护策略。例如，本局结束之后，用户立即下线即为1，否则为0；本局结束之后，用户再输一局立即下线即为1，否则为0；本局结束之后，用户留存是否显著低于平均水平；本局结束之后，用户平均局数是否显著低于平均水平。

在从历史数据中获得了样本、特征和Proxy Label之后，可以构建一个classification模型的训练集。这个训练集接下来会被用来训练一个GBDT分类模型。由于构建训练集的方法，该模型的输入可以抽象为“一个玩家结束一局游戏后的客观状态”，输出则可以抽象为“玩家情绪低落的风险”。在线上使用时，当风险值足够高(模型输出1)，触发保护策略。

上述示例性实施例中，可以通过Proxy Label的设计，使用历史数据训练一个能够触发保护策略的模型，能够根据历史行为，分析出不同的用户在不同的场景下是否有流失的风险，从而给出智能、个性化的保护策略，提高用户留存。

应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

图6是根据一示例性实施例示出的一种用户标识处理装置的框图。参照图6，该装置包括个人属性信息获取单元601、用户类型确定单元602和用户标识处理单元603：

个人属性信息获取单元601，被配置为执行获取用户标识对应的个人属性信息；个人属性信息包括对应的任务序列、任务序列中的每一任务的交互状态和用户信息，其中，任务序列包括至少一个任务，交互状态为进行每一任务的过程中资源的交互状态；

用户类型确定单元602，被配置为执行将个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；用户类型识别模型是根据样本用户对应的历史个人属性信息训练得到的；

用户标识处理单元603，被配置为执行当用户类型与预设类型一致时，为用户标识启动预设保护策略；其中，预设类型为完成任务的熟练度小于第一预设阈值的用户类型，熟练度表征用户完成任务时的熟练程度。

在一示例性实施例中，用户标识处理装置还包括保护策略存储单元，被配置为存储预设保护策略，预设保护策略包括：在进行一个任务的过程中，为预设类型对应的用户分配预设资源的保护策略。

在一示例性实施例中，个人属性信息获取单元601还被配置为执行：检测任务序列中的任务数量；当任务数量小于第二预设阈值时，获取用户标识对应的个人属性信息。

在一示例性实施例中，用户标识处理装置还包括用户类型识别模型确定单元，被配置为执行：获取样本用户对应的历史个人属性信息；根据历史个人属性信息，确定用户标识对应的用户类型；以历史个人属性信息为输入，用户类型为监督信息，对预设的初始识别模型进行训练，得到用户类型识别模型。

在一示例性实施例中，用户类型识别模型确定单元还被配置为执行：在至少一个任务完成后，结束任务，则将用户标识对应的用户类型确定为需要保护的用户类型；其中，至少一个任务的数量小于第三预设阈值。

在一示例性实施例中，历史个人属性信息中的用户信息包括用户标识对应的登录状态；用户类型识别模型确定单元还被配置为执行：在预设时长内，检测用户标识的对应的登录状态，得到用户标识的对应的登录次数；若在预设时长内，用户标识的对应的登录次数小于第四预设阈值，则将用户标识对应的用户类型确定为需要保护的用户类型。

在一示例性实施例中，历史个人属性信息中的交互状态包括在进行每一任务的过程中的交互次数；用户类型识别模型确定单元还被配置为执行：检测进行每一任务的过程中的交互次数；若进行每一任务的过程中的交互次数小于第五预设阈值，则将用户标识对应的用户类型确定为需要保护的用户类型。

关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。图7是根据一示例性实施例示出的一种用于用户标识处理的设备700的框图。例如，设备700可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。

参照图7，设备700可以包括以下一个或多个组件：处理组件702、存储器704、电力组件706、多媒体组件708、音频组件710、输入/输出(I/O)的接口712、传感器组件714以及通信组件716。

处理组件702通常控制设备700的整体操作，诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。

存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在设备700上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘或光盘。

电源组件706为设备700的各种组件提供电力。电源组件706可以包括电源管理系统，一个或多个电源，及其他与为设备700生成、管理和分配电力相关联的组件。

多媒体组件708包括在所述设备700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当设备700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当设备700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。

I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件714包括一个或多个传感器，用于为设备700提供各个方面的状态评估。例如，传感器组件714可以检测到设备700的打开/关闭状态，组件的相对定位，例如所述组件为设备700的显示器和小键盘，传感器组件714还可以检测设备700或设备700一个组件的位置改变，用户与设备700接触的存在或不存在，设备700方位或加速/减速和设备700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。

通信组件716被配置为便于设备700和其他设备之间有线或无线方式的通信。设备700可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。

在示例性实施例中，设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由设备700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种用户标识处理方法，其特征在于，包括：

获取用户标识对应的个人属性信息；所述个人属性信息包括对应的任务序列、所述任务序列中的每一任务的交互状态和用户信息，其中，所述任务序列包括至少一个任务，所述交互状态为进行每一所述任务的过程中资源的交互状态；

将所述个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；所述用户类型识别模型是根据样本用户对应的历史个人属性信息训练得到的；

当所述用户类型与预设类型一致时，为所述用户标识启动预设保护策略；其中，所述预设类型为完成所述任务的熟练度小于第一预设阈值的用户类型，所述熟练度表征所述用户完成所述任务时的熟练程度。

2.根据权利要求1所述的用户标识处理方法，其特征在于，所述预设保护策略包括：在进行一个任务的过程中，为所述预设类型对应的用户分配预设资源的保护策略。

3.根据权利要求1所述的用户标识处理方法，其特征在于，所述获取用户标识对应的个人属性信息，包括：

检测所述任务序列中的任务数量；

当所述任务数量小于第二预设阈值时，获取用户标识对应的个人属性信息。

4.根据权利要求1所述的用户标识处理方法，其特征在于，所述用户类型识别模型的获取方式，包括：

获取所述样本用户对应的历史个人属性信息；

根据所述历史个人属性信息，确定所述用户标识对应的用户类型；

以所述历史个人属性信息为输入，所述用户类型为监督信息，对预设的初始识别模型进行训练，得到所述用户类型识别模型。

5.根据权利要求4所述的用户标识处理方法，其特征在于，所述根据所述历史个人属性信息，确定所述用户标识对应的用户类型，包括：

在所述至少一个任务完成后，结束所述任务，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型；其中，所述至少一个任务的数量小于第三预设阈值。

6.根据权利要求4所述的用户标识处理方法，其特征在于，所述历史个人属性信息中的用户信息包括用户标识对应的登录状态；

所述根据所述历史个人属性信息，确定所述用户标识对应的用户类型，包括：

在预设时长内，检测所述用户标识的对应的登录状态，得到所述用户标识的对应的登录次数；

若在所述预设时长内，所述用户标识的对应的登录次数小于第四预设阈值，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型。

7.根据权利要求4所述的用户标识处理方法，其特征在于，所述历史个人属性信息中的交互状态包括在进行每一所述任务的过程中的交互次数；

所述根据所述历史个人属性信息，确定所述用户标识对应的用户类型，包括：

检测进行每一所述任务的过程中的交互次数；

若所述进行每一所述任务的过程中的交互次数小于第五预设阈值，则将所述用户标识对应的用户类型确定为所述需要保护的用户类型。

8.一种用户标识处理装置，其特征在于，包括：

个人属性信息获取单元，被配置为执行获取用户标识对应的个人属性信息；所述个人属性信息包括对应的任务序列、所述任务序列中的每一任务的交互状态和用户信息，其中，所述任务序列包括至少一个任务，所述交互状态为进行每一所述任务的过程中资源的交互状态；

用户类型确定单元，被配置为执行将所述个人属性信息输入用户类型识别模型进行用户类型识别，得到用户标识对应的用户类型；所述用户类型识别模型是根据样本用户对应的历史个人属性信息训练得到的；

用户标识处理单元，被配置为执行当所述用户类型与预设类型一致时，为所述用户标识启动预设保护策略；其中，所述预设类型为完成所述任务的熟练度小于第一预设阈值的用户类型，所述熟练度表征所述用户完成所述任务时的熟练程度。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的用户标识处理方法。

10.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至7中任一项所述的用户标识处理方法。

Images