[发明专利]一种识别宽带网络中独立用户账户的方法

权利要求书

1.一种识别宽带网络中独立用户账户的方法，其特征在于，步骤为：

步骤1、利用一段时间内的历史Web日志识别每个网站用于标识浏览器的Cookie字段键key及该Cookie字段键key的Cookie字段值value；

步骤2、针对指定网站S，爬取其首页的指向站内的所有URL，逐一访问所有URL，访问完毕后，清洗抓取的所有Cookie数据，将相应的Cookie字段放入排除字段集，再将保持在本地的所有Cookie数据删除后重复执行步骤2直至重复N次访问了指定网站S，N≥1，其中，清洗抓取的所有Cookie数据，将相应的Cookie字段放入排除字段集的具体步骤为：

步骤401、将所有Cookie数据的各个Cookie字段按照不同的Cookie字段键key进行分组，相同Cookie字段键key的所有Cookie字段值value组成一个value集；

步骤402、依次判断每个value集中所有Cookie字段值value是否发生变化，若发生变化，则将具有与该value集对应的Cookie字段键key的Cookie字段放入排除字段集中；

步骤3、获取指定网站S的用户账户字段，其步骤为：

步骤501、获取一段时间内的历史Web日志，针对指定网站S，将每条Web日志记录所包含的每行Cookie数据分为不同的Cookie数据组，同一Cookie数据组的所有Cookie数据必须同时满足：所对应的Web日志记录具有相同的ADSL设备ID值、所对应的Web日志记录具有相同的用户代理User Agent值、所对应的Web日志记录具有相同的主机HOST名、具有相同的步骤1获得的用于标识浏览器的Cookie字段键key所对应的Cookie字段值value，并将每行Cookie数据按照Cookie字段键key-Cookie字段值value对的形式进行拆分，得到每行Cookie数据的key-value字段；

步骤502、删除每个Cookie数据组中，重复的ADSL设备ID值、用户代理User Agent值、主机HOST名及用于标识浏览器的Cookie字段键key所对应的Cookie字段值value，组成一行新的数据行，每行数据行包括ADSL设备ID值、用户代理User Agent值、主机HOST名、用于标识浏览器的Cookie字段键key所对应的Cookie字段值value及key-value字段；

步骤503、拆分每行数据行的key-value字段，将相同Cookie字段键key所对应的所有Cookie字段值value合并为value集；

步骤504、将步骤503得到的Cookie字段键key与排除字段集相匹配，若排除字段集含有该Cookie字段键key，将该Cookie字段键key及其对应的步骤503得到的value集删除；

步骤505、在全局范围内检查步骤503得到的value集中的各个Cookie字段值value是否存在重复值，若存在，则取出该value集及其对应的Cookie字段键key；

步骤506、利用清洗规则筛选由步骤505取出的所有Cookie字段键key及其对应的value集，将剩余的Cookie字段键key及将其对应的value集的值作为Cookie字段值value组成的Cookie字段作为用户账户字段，其中，清洗规则至少为：Cookie字段值value长度不能小于A1，也不能大于A2和/或Cookie字段值value不能包含特殊字符，A1及A2为经验阈值，且A1<A2。

2.如权利要求1所述的一种识别宽带网络中独立用户账户的方法，其特征在于，所述步骤1包括：

步骤101、获取一段时间内的历史Web日志，按照网站将Web日志中每条Web日志记录中的每行Cookie数据进行分组，与不同网站对应的不同Cookie数据分入不同的Cookie数据组，将每个Cookie数据组中的所有Cookie字段按照Cookie字段key出现的次数进行降序排序；

步骤102、根据删除规则删除每个Cookie数据组中不符合条件的Cookie字段，删除规则至少为：Cookie字段的Cookie字段值value为空或Cookie字段为用于网站分析的字段；

步骤103、取每个Cookie数据组排列在首位的Cookie字段为用于标识浏览器的Cookie字段。