一种用户识别方法、装置、电子设备和存储介质
阅读：703发布：2020-05-08
专利汇可以提供一种用户识别方法、装置、电子设备和存储介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种用户识别方法、装置、 电子 设备和存储介质。所述方法包括：获取各用户的用户行为数据；从所述用户行为数据中提取出若干个特征，根据提取的特征生成 特征向量 ；将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。该技术方案利用 机器学习 训练得到的用户识别模型，从原生的用户行为数据中提取特征进行用户识别，区别于人工规则的方式，能够从用户行为数据中挖掘出更多信息和潜在规律，相较于 现有技术 中的用户识别方式，识别 精度 更高，效率也更高。，下面是一种用户识别方法、装置、电子设备和存储介质专利的具体信息内容。
1.一种用户识别方法，包括：
获取各用户的用户行为数据；
从所述用户行为数据中提取出若干个特征，根据提取的特征生成特征向量；
将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
2.如权利要求1所述的方法，其中，所述获取各用户的用户行为数据包括：
从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
3.如权利要求2所述的方法，其中，该方法还包括：
提供包含若干个埋点的前端页面，根据所述埋点收集所述用户行为打点日志；
所述前端页面包括：注册页面和/或产品页面。
4.如权利要求1所述的方法，其中，所述各用户的用户行为数据为与用户注册相关的用户行为数据。
5.一种用户识别装置，包括：
获取单元，适于获取各用户的用户行为数据；
提取单元，适于从所述用户行为数据中提取出若干个特征，根据提取的特征生成特征向量；
识别单元，适于将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
6.如权利要求5所述的装置，其中，
所述获取单元，适于从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
7.如权利要求6所述的装置，其中，
所述获取单元，适于提供包含若干个埋点的前端页面，根据所述埋点收集所述用户行为打点日志；所述前端页面包括：注册页面和/或产品页面。
8.如权利要求5所述的装置，其中，所述各用户的用户行为数据为与用户注册相关的用户行为数据。
9.一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-4中任一项所述的方法。
一种用户识别方法、装置、电子设备和存储介质
技术领域
[0001] 本发明涉及计算机技术领域，具体涉及一种用户识别方法、装置、电子设备和存储介质。
背景技术
[0002] 在各行各业，产品都离不开用户的支撑。为了吸收更多用户(也称为“获客”)，产品往往通过不同的渠道来推广内容，例如依赖于广告进行推广，在互联网时代，用户可以非常方便地通过点击广告跳转到产品的注册页面，注册成为产品的用户。
[0003] 产品往往会选择多个内容渠道进行推广，通常会按照推广效果进行付费。例如，通过某广告渠道进行注册的用户数量就是一个考察的因素。部分广告渠道提供方为了牟利，进行了作弊，使得注册的用户中实际存在一部分作弊用户。因此需要一种能够识别出作弊等特定类型用户的方法。
发明内容
[0004] 鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种用户识别方法、装置、电子设备和存储介质。
[0005] 依据本发明的一个方面，提供了一种用户识别方法，包括：
[0006] 获取各用户的用户行为数据；
[0007] 从所述用户行为数据中提取出若干个特征，根据提取的特征生成特征向量；
[0008] 将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
[0009] 可选地，所述获取各用户的用户行为数据包括：
[0010] 从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
[0011] 可选地，该方法还包括：
[0012] 提供包含若干个埋点的前端页面，根据所述埋点收集所述用户行为打点日志；
[0013] 所述前端页面包括：注册页面和/或产品页面。
[0014] 可选地，所述各用户的用户行为数据为与用户注册相关的用户行为数据。
[0015] 可选地，所述特征包括如下的一类或多类：
[0016] 设备特征、手机号码特征、网络特征、内容渠道特征、行为特征。
[0017] 可选地，所述设备特征包括如下的一种或多种：
[0018] 设备信息、系统信息。
[0019] 可选地，所述手机号码特征包括如下的一种或多种：
[0020] 手机号码前三位、手机号码中间四位。
[0021] 可选地，所述网络特征包括如下的一种或多种：
[0022] 点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数、IP地址的数目、IP地址对应的地理位置的数目。
[0023] 可选地，所述内容渠道特征为内容渠道数目。
[0024] 可选地，所述行为特征包括如下的一种或多种：
[0025] 点击次数、发送第一次点击时的时间、页面停留时长、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差。
[0026] 可选地，所述用户识别模型是基于梯度提升树GBDT训练得到的。
[0027] 可选地，该方法还包括：
[0028] 从用户行为数据中选取训练用数据；
[0029] 根据所述训练用数据和人工标注数据训练所述用户识别模型。
[0030] 依据本发明的另一方面，提供了一种用户识别装置，包括：
[0031] 获取单元，适于获取各用户的用户行为数据；
[0032] 提取单元，适于从所述用户行为数据中提取出若干个特征，根据提取的特征生成特征向量；
[0033] 识别单元，适于将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
[0034] 可选地，所述获取单元，适于从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
[0035] 可选地，所述获取单元，适于提供包含若干个埋点的前端页面，根据所述埋点收集所述用户行为打点日志；所述前端页面包括：注册页面和/或产品页面。
[0036] 可选地，所述各用户的用户行为数据为与用户注册相关的用户行为数据。
[0037] 可选地，所述特征包括如下的一类或多类：
[0038] 设备特征、手机号码特征、网络特征、内容渠道特征、行为特征。
[0039] 可选地，所述设备特征包括如下的一种或多种：
[0040] 设备信息、系统信息。
[0041] 可选地，所述手机号码特征包括如下的一种或多种：
[0042] 手机号码前三位、手机号码中间四位。
[0043] 可选地，所述网络特征包括如下的一种或多种：
[0044] 点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数、IP地址的数目、IP地址对应的地理位置的数目。
[0045] 可选地，所述内容渠道特征为内容渠道数目。
[0046] 可选地，所述行为特征包括如下的一种或多种：
[0047] 点击次数、发送第一次点击时的时间、页面停留时长、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差。
[0048] 可选地，所述用户识别模型是基于梯度提升树GBDT训练得到的。
[0049] 可选地，该装置还包括：
[0050] 训练单元，适于从用户行为数据中选取训练用数据；根据所述训练用数据和人工标注数据训练所述用户识别模型。
[0051] 依据本发明的又一方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
[0052] 依据本发明的再一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一所述的方法。
[0053] 由上述可知，本发明的技术方案，通过获取各用户的用户行为数据，从用户行为数据中提取出若干个特征，根据提取的特征生成特征向量，将特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。该技术方案利用机器学习训练得到的用户识别模型，从原生的用户行为数据中提取特征进行用户识别，区别于人工规则的方式，能够从用户行为数据中挖掘出更多信息和潜在规律，相较于现有技术中的用户识别方式，识别精度更高，效率也更高。
[0054] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明
[0055] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0056] 图1示出了根据本发明一个实施例的一种用户识别方法的流程示意图；
[0057] 图2示出了根据本发明一个实施例的一种用户识别装置的结构示意图；
[0058] 图3示出了根据本发明一个实施例的电子设备的结构示意图；
[0059] 图4示出了根据本发明一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
[0060] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0061] 图1示出了根据本发明一个实施例的一种用户识别方法的流程示意图。如图1所示，该方法包括：
[0062] 步骤S110，获取各用户的用户行为数据。
[0063] 在实际数据收集的过程中，用户行为数据可以包括用户行为的种类、发生用户行为的时间、发生用户行为的设备信息、用户行为对应的网络环境信息等等。
[0064] 步骤S120，从用户行为数据中提取出若干个特征，根据提取的特征生成特征向量。
[0065] 如前所述，用户行为的种类、生用户行为的时间可以看做是各个维度的特征，根据这些特征进一步生成特征向量，就可以利用机器学习的方式进行用户的识别。
[0066] 步骤S130，将特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
[0067] 可见，图1所示的方法，通过获取各用户的用户行为数据，从用户行为数据中提取出若干个特征，根据提取的特征生成特征向量，将特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。该技术方案利用机器学习训练得到的用户识别模型，从原生的用户行为数据中提取特征进行用户识别，区别于人工规则的方式，能够从用户行为数据中挖掘出更多信息和潜在规律，相较于现有技术中的用户识别方式，识别精度更高，效率也更高。
[0068] 在本发明的一个实施例中，上述方法中，获取各用户的用户行为数据包括：从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
[0069] 通过预先埋点收集指定信息是互联网相关产品的一种较为方便的方法，在本实施例中，可以通过这种方式收集到用户行为打点日志，具体来说，在本发明的一个实施例中，上述方法还包括：提供包含若干个埋点的前端页面，根据埋点收集用户行为打点日志；前端页面包括：注册页面和/或产品页面。
[0070] 例如，对注册页面的输入手机号、输入验证码进行埋点，则当用户输入手机号后，就会触发埋点，上报这一用户行为，在用户行为打点日志中进行记录。
[0071] 可见，由于埋点较多，用户行为打点日志中收集有关于各个用户、各类用户行为的记录。在上述实施例中，可以根据设备信息等确定一个用户标识。这样在需要某一指定用户的用户行为数据时，可以根据用户标识，对用户行为打点日志进行处理、整合，得到同一个用户的用户行为数据。以注册场景为例，可以得到注册用户在注册前后完整的行为链条数据。
[0072] 还需要说明的是，在本发明的实施例中可以不仅仅关注注册页面上发生的用户行为，还可以关注产品页面上发生的用户行为。因为许多内容渠道通过批量注册用户来进行作弊，这些用户在注册后也不登录产品，不能为产品创造收益，因此许多产品运营方选择根据注册后有行为的用户来为推广进行付费。因此，作弊不仅仅局限在注册时，也存在于注册后。所以，本发明的实施例还可以采集产品页面上的用户行为数据。正如背景技术中所述，内容的推广形式之一就是广告，本发明实施例中的内容可以是广告，相应的内容渠道即为广告渠道。
[0073] 在本发明的一个实施例中，上述方法中，各用户的用户行为数据为与用户注册相关的用户行为数据。
[0074] 结合前述说明可知，用户在产品的日常使用过程中也会在产品页面产生用户行为，因此，为了获取为与用户注册相关的用户行为数据，可以根据用户注册事件发生的时间点，来获取某一时间段(例如注册当天)内的用户行为数据，将其作为与用户注册相关的用户行为数据，或者，获取输入验证码、输入手机号等指定类型的用户行为的用户行为数据。
[0075] 在本发明的一个实施例中，上述方法中，特征包括如下的一类或多类：设备特征、手机号码特征、网络特征、内容渠道特征、行为特征。
[0076] 在机器学习领域，模型的准确度往往依赖于特征的选取和参数的确定。在本实施例中给出了一些有助于用户识别的特征选取，优选地，可以将设备特征、手机号码特征、网络特征、内容渠道特征、行为特征全部作为目标特征进行提取。下面分别给出各类特征的一些具体示例，并给出相应的解释性说明。
[0077] 在本发明的一个实施例中，上述方法中，设备特征包括如下的一种或多种：设备信息、系统信息。
[0078] 设备信息可以为设备型号，系统信息可以包括系统版本等等。绝大多数情况下，安卓系统不能运行在苹果设备上，反之亦然，如果二者不匹配，则用户可能是采用模拟器方式批量注册实现的。
[0079] 在本发明的一个实施例中，上述方法中，手机号码特征包括如下的一种或多种：手机号码前三位、手机号码中间四位。
[0080] 一般而言，手机号码前三位对应于运营商信息，中间四位对应于地域信息，如果通过某内容渠道进行注册的用户的这类特征较为集中，则可能是批量使用手机号进行注册，也就并非是真实用户进行注册，而是“刷量”。例如，选择手机小号服务提供商提供的号码就可以实现这类行为。因此选取这两种特征可以从手机号码的集中性角度辅助进行用户识别。
[0081] 在本发明的一个实施例中，上述方法中，网络特征包括如下的一种或多种：点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数、IP地址的数目、IP地址对应的地理位置的数目。
[0082] 类似于手机号，如果通过某内容渠道进行注册用户的IP地址较为集中，则也有可能是批量注册，在这里可以选取点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数这几种特征。
[0083] 另外，用户注册过程具有时间相对较短，场景相对单一的特点，在这个过程中，一般用户的IP地址不会发生多次切换，当然，如果将网络从4G切换到WIFI，则IP地址可能会切换。但是无论是何种正当途径下，IP地址的切换不会过于频繁，也就是在与注册事件相关的用户行为不应该对应于多个IP地址。如果对应于多个IP地址，则说明是不正常的，例如是使用脚本程序批量注册等等，这个过程有可能出现上述情况，而这种作弊行为则是产品运营方所不乐意见到的。因此IP地址的数目也可以作为一个特征进行考量。IP地址对应的地理位置的数目也可以进行类似的解释，在此不再赘述。
[0084] 在本发明的一个实施例中，上述方法中，内容渠道特征为内容渠道数目。一般而言，用户点击一个广告，跳转到注册页面进行注册，整个过程中携带的渠道标识应当为一个。但是有一些作弊渠道采取的方式能够实现点击其他渠道的广告，但是最终用户注册时，上报的却是自己的渠道标识，这无疑对其他广告渠道方和产品运营方都造成了欺骗。因此，收集整个注册过程中的内容渠道数目，也有助于识别用户是否为虚假用户或作弊用户。
[0085] 在本发明的一个实施例中，上述方法中，行为特征包括如下的一种或多种：点击次数、发送第一次点击时的时间、页面停留时长、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差。
[0086] 行为特征可以反映出是真实操作还是采用脚本模拟操作，例如，单位时间内点击次数过多，点击间隔过短，页面停留时长过短，同一时间内触发点击、拖动等多个操作，一般不是正常用户所为，很可能是脚本程序所实现。在本实施例中给出了一些可以选取的特征示例。
[0087] 在本发明的一个实施例中，上述方法中，用户识别模型是基于梯度提升树GBDT训练得到的。
[0088] GBDT作为树模型具有较强的可解释性，结合上面实施例示出的各特征进行训练，可以实现识别精度高、泛化能力强的有益效果。仅依赖于特征，只能进行粗略的定性判断，不够准确，结合多个特征和模型进行识别，能够大大提高识别精度和效率，泛化能力强。
[0089] 在本发明的一个实施例中，上述方法还包括：从用户行为数据中选取训练用数据；根据训练用数据和人工标注数据训练用户识别模型。
[0090] 例如，为产品运营方带来收益的用户的浏览、点击等行为可以从用户行为打点日志中收集，如点击次数、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差等，另外还可以根据经验，如半夜三点一般很少有用户注册，等等。
[0091] 现有技术中，对于虚假用户或是作弊用户的识别可以通过特征工程以及决策树分类模型来判定是否有作弊行为，等等诸多方式。这些方式的缺点通常在于：1)可解释性较差，且需要多维数据支撑，对数据质量有较高的要求，但实际业务场景中，可能不能保证数据高质量，进而影响模型识别质量；2)需要借助历史数据库进行查询，需要大量历史数据积累，或购买三方数据库，增加运营成本；3)需要观察相对长时间维度上的数据异常分布，没有基于用户粒度的识别，也无法进行短期或实时的识别，时效性较差。
[0092] 而结合上述实施例可以看出，采用本发明的技术方案识别虚假用户或是作弊用户的优势在于：1)利用的是原生的用户行为数据，提取的特征全面、丰富，能够满足监督学习算法对输入特征的要求；2)使用GBDT模型简单易训练，可解释性较强，易于理解。并且相比于人工提取的规则，GBDT模型能够挖掘用户点击行为序列中更多的信息以及潜在规律，检测精度更高；3)可以利用用户注册相关的用户行为数据进行识别，例如注册当天的用户行为数据，无需长期的数据积累，异常判定时效为T+1，时效性大大提高，便于及时追回，减少产品运营方损失。
[0093] 图2示出了根据本发明一个实施例的一种用户识别装置的结构示意图。如图2所示，用户识别装置200包括：
[0094] 获取单元210，适于获取各用户的用户行为数据。
[0095] 在实际数据收集的过程中，用户行为数据可以包括用户行为的种类、发生用户行为的时间、发生用户行为的设备信息、用户行为对应的网络环境信息等等。
[0096] 提取单元220，适于从用户行为数据中提取出若干个特征，根据提取的特征生成特征向量。
[0097] 如前所述，用户行为的种类、生用户行为的时间可以看做是各个维度的特征，根据这些特征进一步生成特征向量，就可以利用机器学习的方式进行用户的识别。
[0098] 识别单元230，适于将特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
[0099] 可见，图2所示的装置，通过各单元的相互配合，获取各用户的用户行为数据，从用户行为数据中提取出若干个特征，根据提取的特征生成特征向量，将特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。该技术方案利用机器学习训练得到的用户识别模型，从原生的用户行为数据中提取特征进行用户识别，区别于人工规则的方式，能够从用户行为数据中挖掘出更多信息和潜在规律，相较于现有技术中的用户识别方式，识别精度更高，效率也更高。
[0100] 在本发明的一个实施例中，上述装置中，获取单元210，适于从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
[0101] 通过预先埋点收集指定信息是互联网相关产品的一种较为方便的方法，在本实施例中，可以通过这种方式收集到用户行为打点日志，具体来说，在本发明的一个实施例中，上述装置中，获取单元210，适于提供包含若干个埋点的前端页面，根据埋点收集用户行为打点日志；前端页面包括：注册页面和/或产品页面。
[0102] 例如，对注册页面的输入手机号、输入验证码进行埋点，则当用户输入手机号后，就会触发埋点，上报这一用户行为，在用户行为打点日志中进行记录。
[0103] 可见，由于埋点较多，用户行为打点日志中收集有关于各个用户、各类用户行为的记录。在上述实施例中，可以根据设备信息等确定一个用户标识。这样在需要某一指定用户的用户行为数据时，可以根据用户标识，对用户行为打点日志进行处理、整合，得到同一个用户的用户行为数据。以注册场景为例，可以得到注册用户在注册前后完整的行为链条数据。
[0104] 还需要说明的是，在本发明的实施例中可以不仅仅关注注册页面上发生的用户行为，还可以关注产品页面上发生的用户行为。因为许多内容渠道通过批量注册用户来进行作弊，这些用户在注册后也不登录产品，不能为产品创造收益，因此许多产品运营方选择根据注册后有行为的用户来为推广进行付费。因此，作弊不仅仅局限在注册时，也存在于注册后。所以，本发明的实施例还可以采集产品页面上的用户行为数据。正如背景技术中所述，内容的推广形式之一就是广告，本发明实施例中的内容可以是广告，相应的内容渠道即为广告渠道。
[0105] 在本发明的一个实施例中，上述装置中，各用户的用户行为数据为与用户注册相关的用户行为数据。
[0106] 结合前述说明可知，用户在产品的日常使用过程中也会在产品页面产生用户行为，因此，为了获取为与用户注册相关的用户行为数据，可以根据用户注册事件发生的时间点，来获取某一时间段(例如注册当天)内的用户行为数据，将其作为与用户注册相关的用户行为数据，或者，获取输入验证码、输入手机号等指定类型的用户行为的用户行为数据。
[0107] 在本发明的一个实施例中，上述装置中，特征包括如下的一类或多类：设备特征、手机号码特征、网络特征、内容渠道特征、行为特征。
[0108] 在机器学习领域，模型的准确度往往依赖于特征的选取和参数的确定。在本实施例中给出了一些有助于用户识别的特征选取，优选地，可以将设备特征、手机号码特征、网络特征、内容渠道特征、行为特征全部作为目标特征进行提取。下面分别给出各类特征的一些具体示例，并给出相应的解释性说明。
[0109] 在本发明的一个实施例中，上述装置中，设备特征包括如下的一种或多种：设备信息、系统信息。
[0110] 设备信息可以为设备型号，系统信息可以包括系统版本等等。绝大多数情况下，安卓系统不能运行在苹果设备上，反之亦然，如果二者不匹配，则用户可能是采用模拟器方式批量注册实现的。
[0111] 在本发明的一个实施例中，上述装置中，手机号码特征包括如下的一种或多种：手机号码前三位、手机号码中间四位。
[0112] 一般而言，手机号码前三位对应于运营商信息，中间四位对应于地域信息，如果通过某内容渠道进行注册的用户的这类特征较为集中，则可能是批量使用手机号进行注册，也就并非是真实用户进行注册，而是“刷量”。例如，选择手机小号服务提供商提供的号码就可以实现这类行为。因此选取这两种特征可以从手机号码的集中性角度辅助进行用户识别。
[0113] 在本发明的一个实施例中，上述装置中，网络特征包括如下的一种或多种：点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数、IP地址的数目、IP地址对应的地理位置的数目。
[0114] 类似于手机号，如果通过某内容渠道进行注册用户的IP地址较为集中，则也有可能是批量注册，在这里可以选取点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数这几种特征。
[0115] 另外，用户注册过程具有时间相对较短，场景相对单一的特点，在这个过程中，一般用户的IP地址不会发生多次切换，当然，如果将网络从4G切换到WIFI，则IP地址可能会切换。但是无论是何种正当途径下，IP地址的切换不会过于频繁，也就是在与注册事件相关的用户行为不应该对应于多个IP地址。如果对应于多个IP地址，则说明是不正常的，例如是使用脚本程序批量注册等等，这个过程有可能出现上述情况，而这种作弊行为则是产品运营方所不乐意见到的。因此IP地址的数目也可以作为一个特征进行考量。IP地址对应的地理位置的数目也可以进行类似的解释，在此不再赘述。
[0116] 在本发明的一个实施例中，上述装置中，内容渠道特征为内容渠道数目。一般而言，用户点击一个广告，跳转到注册页面进行注册，整个过程中携带的渠道标识应当为一个。但是有一些作弊渠道采取的方式能够实现点击其他渠道的广告，但是最终用户注册时，上报的却是自己的渠道标识，这无疑对其他广告渠道方和产品运营方都造成了欺骗。因此，收集整个注册过程中的内容渠道数目，也有助于识别用户是否为虚假用户或作弊用户。
[0117] 在本发明的一个实施例中，上述装置中，行为特征包括如下的一种或多种：点击次数、发送第一次点击时的时间、页面停留时长、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差。
[0118] 行为特征可以反映出是真实操作还是采用脚本模拟操作，例如，单位时间内点击次数过多，点击间隔过短，页面停留时长过短，同一时间内触发点击、拖动等多个操作，一般不是正常用户所为，很可能是脚本程序所实现。在本实施例中给出了一些可以选取的特征示例。
[0119] 在本发明的一个实施例中，上述装置中，用户识别模型是基于梯度提升树GBDT训练得到的。
[0120] GBDT作为树模型具有较强的可解释性，结合上面实施例示出的各特征进行训练，可以实现识别精度高、泛化能力强的有益效果。仅依赖于特征，只能进行粗略的定性判断，不够准确，结合多个特征和模型进行识别，能够大大提高识别精度和效率，泛化能力强。
[0121] 在本发明的一个实施例中，上述装置还包括：训练单元(未在图2中示出)，适于从用户行为数据中选取训练用数据；根据训练用数据和人工标注数据训练用户识别模型。
[0122] 例如，为产品运营方带来收益的用户的浏览、点击等行为可以从用户行为打点日志中收集，如点击次数、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差等，另外还可以根据经验，如半夜三点一般很少有用户注册，等等。
[0123] 现有技术中，对于虚假用户或是作弊用户的识别可以通过特征工程以及决策树分类模型来判定是否有作弊行为，等等诸多方式。这些方式的缺点通常在于：1)可解释性较差，且需要多维数据支撑，对数据质量有较高的要求，但实际业务场景中，可能不能保证数据高质量，进而影响模型识别质量；2)需要借助历史数据库进行查询，需要大量历史数据积累，或购买三方数据库，增加运营成本；3)需要观察相对长时间维度上的数据异常分布，没有基于用户粒度的识别，也无法进行短期或实时的识别，时效性较差。
[0124] 而结合上述实施例可以看出，采用本发明的技术方案识别虚假用户或是作弊用户的优势在于：1)利用的是原生的用户行为数据，提取的特征全面、丰富，能够满足监督学习算法对输入特征的要求；2)使用GBDT模型简单易训练，可解释性较强，易于理解。并且相比于人工提取的规则，GBDT模型能够挖掘用户点击行为序列中更多的信息以及潜在规律，检测精度更高；3)可以利用用户注册相关的用户行为数据进行识别，例如注册当天的用户行为数据，无需长期的数据积累，异常判定时效为T+1，时效性大大提高，便于及时追回，减少产品运营方损失。
[0125] 综上所述，本发明的技术方案，通过各单元的相互配合，获取各用户的用户行为数据，从用户行为数据中提取出若干个特征，根据提取的特征生成特征向量，将特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。该技术方案利用机器学习训练得到的用户识别模型，从原生的用户行为数据中提取特征进行用户识别，区别于人工规则的方式，能够从用户行为数据中挖掘出更多信息和潜在规律，相较于现有技术中的用户识别方式，识别精度更高，效率也更高。
[0126] 需要说明的是：
[0127] 在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
[0128] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0129] 类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
[0130] 本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0131] 此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
[0132] 本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的用户识别装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0133] 例如，图3示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备包括处理器310和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器320。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码331的存储空间330。例如，用于存储计算机可读程序代码的存储空间330可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码331。计算机可读程序代码331可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图4所述的计算机可读存储介质。图4示出了根据本发明一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质400存储有用于执行根据本发明的方法步骤的计算机可读程序代码331，可以被电子设备300的处理器310读取，当计算机可读程序代码331由电子设备300运行时，导致该电子设备300执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码331可以执行上述任一实施例中示出的方法。计算机可读程序代码331可以以适当形式进行压缩。
[0134] 应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0135] 本发明的实施例公开了A1、一种用户识别方法，包括：
[0136] 获取各用户的用户行为数据；
[0137] 从所述用户行为数据中提取出若干个特征，根据提取的特征生成特征向量；
[0138] 将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
[0139] A2、如A1所述的方法，其中，所述获取各用户的用户行为数据包括：
[0140] 从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
[0141] A3、如A2所述的方法，其中，该方法还包括：
[0142] 提供包含若干个埋点的前端页面，根据所述埋点收集所述用户行为打点日志；
[0143] 所述前端页面包括：注册页面和/或产品页面。
[0144] A4、如A1所述的方法，其中，所述各用户的用户行为数据为与用户注册相关的用户行为数据。
[0145] A5、如A1所述的方法，其中，所述特征包括如下的一类或多类：
[0146] 设备特征、手机号码特征、网络特征、内容渠道特征、行为特征。
[0147] A6、如A5所述的方法，其中，所述设备特征包括如下的一种或多种：
[0148] 设备信息、系统信息。
[0149] A7、如A5所述的方法，其中，所述手机号码特征包括如下的一种或多种：
[0150] 手机号码前三位、手机号码中间四位。
[0151] A8、如A5所述的方法，其中，所述网络特征包括如下的一种或多种：
[0152] 点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数、IP地址的数目、IP地址对应的地理位置的数目。
[0153] A9、如A5所述的方法，其中，所述内容渠道特征为内容渠道数目。
[0154] A10、如A5所述的方法，其中，所述行为特征包括如下的一种或多种：
[0155] 点击次数、发送第一次点击时的时间、页面停留时长、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差。
[0156] A11、如A1所述的方法，其中，所述用户识别模型是基于梯度提升树GBDT训练得到的。
[0157] A12、如A1所述的方法，其中，该方法还包括：
[0158] 从用户行为数据中选取训练用数据；
[0159] 根据所述训练用数据和人工标注数据训练所述用户识别模型。
[0160] 本发明的实施例还公开了B13、一种用户识别装置，包括：
[0161] 获取单元，适于获取各用户的用户行为数据；
[0162] 提取单元，适于从所述用户行为数据中提取出若干个特征，根据提取的特征生成特征向量；
[0163] 识别单元，适于将所述特征向量输入预先训练得到的用户识别模型，得到各用户的用户识别结果。
[0164] B14、如B13所述的装置，其中，
[0165] 所述获取单元，适于从用户行为打点日志中，根据用户标识提取并整理得到各用户的用户行为数据。
[0166] B15、如B14所述的装置，其中，
[0167] 所述获取单元，适于提供包含若干个埋点的前端页面，根据所述埋点收集所述用户行为打点日志；所述前端页面包括：注册页面和/或产品页面。
[0168] B16、如B13所述的装置，其中，所述各用户的用户行为数据为与用户注册相关的用户行为数据。
[0169] B17、如B13所述的装置，其中，所述特征包括如下的一类或多类：
[0170] 设备特征、手机号码特征、网络特征、内容渠道特征、行为特征。
[0171] B18、如B17所述的装置，其中，所述设备特征包括如下的一种或多种：
[0172] 设备信息、系统信息。
[0173] B19、如B17所述的装置，其中，所述手机号码特征包括如下的一种或多种：
[0174] 手机号码前三位、手机号码中间四位。
[0175] B20、如B17所述的装置，其中，所述网络特征包括如下的一种或多种：
[0176] 点分十进制IP地址的第一段、点分十进制IP地址的第二段、点分十进制IP地址的第三段、点分十进制IP地址转成的整数、IP地址的数目、IP地址对应的地理位置的数目。
[0177] B21、如B17所述的装置，其中，所述内容渠道特征为内容渠道数目。
[0178] B22、如B17所述的装置，其中，所述行为特征包括如下的一种或多种：
[0179] 点击次数、发送第一次点击时的时间、页面停留时长、同时发生的行为数目、点击时间间隔的最大值、点击时间间隔的平均值、点击时间间隔的标准差。
[0180] B23、如B13所述的装置，其中，所述用户识别模型是基于梯度提升树GBDT训练得到的。
[0181] B24、如B13所述的装置，其中，该装置还包括：
[0182] 训练单元，适于从用户行为数据中选取训练用数据；根据所述训练用数据和人工标注数据训练所述用户识别模型。
[0183] 本发明的实施例还公开了C25、一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如A1-A12中任一项所述的方法。
[0184] 本发明的实施例还公开了D26、一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如A1-A12中任一项所述的方法。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 空调的检测方法和装置 | 2020-05-11 | 416 |
| 基于滑动输入来确定输入字符的系统和方法 | 2020-05-08 | 699 |
| 用于运行机器人控制系统的方法、设备和计算机程序 | 2020-05-08 | 549 |
| 基于序回归学习的数值模式订正的方法 | 2020-05-08 | 743 |
| 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法 | 2020-05-08 | 852 |
| 一种基于区块链的安全SVM训练方法 | 2020-05-08 | 630 |
| 基于神经网络的k-NN算法中k值预测方法及装置 | 2020-05-08 | 116 |
| 基于GAN的染色体结构异常检测方法、系统及存储介质 | 2020-05-08 | 611 |
| 一种用于5G系统的智慧组网方法 | 2020-05-11 | 4 |
| 一种Web站点安全防护方法及装置 | 2020-05-08 | 388 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈