[发明专利]一种基于互联网应用的用户信息识别分类方法和系统

说明书

技术领域

本发明属于通讯领域，特别是涉及一种基于互联网应用的用户信息识别 分类方法和系统。

背景技术

在互联网快速发展的今天，网络上的信息日益膨胀，面对这众多的信息 资源，广大网民发现越来越难以获得自己想要的信息。个性化的服务技术就 是在这种需求背景下诞生的，个性化服务是根据用户的设定来实现的，是一 种有针对性的服务方式，通过各种渠道对资源进行收集、整理和分类，向用 户提供和推荐相关信息，以满足用户的需求。个性化服务打破了传统被动式 的服务模式，能够充分利用各种资源优势，主动开展以满足用户个性化需求 为目的的服务。而提供个性化的关键，就在于能够对于用户的行为有着合理 的对应关系，只有拥有了这样的对应关系，才有可能进行个性化推荐和筛选。 现有的互联网应用的用户信息识别技术研究，主要集中在WEB信息的抽取 与分析，所采取的方法有关于WEB信息自动数据记录分析、基于Cookie技 术和启发式规则的用户识别，或基于WEB日志挖掘的用户信息需求识别等， 但随着APP模式的出现，大量的互联网应用软件涌现，单纯通过WEB信息 抽取与分析具有极大的局限性，难以达到有效解决互联网信息识别技术问题， 以及如何通过海量信息还原一个用户的真实行为，传统数据收集和识别方式 有其局限性，主要有以下原因：

1.浏览器Http协议无状态。Http协议是无状态协议，将同一个人的数 据聚合起来，难度本来就比较高，必须通过Cookie，URL参数等不稳定的方 式追踪一个人的行为。

2.40％的Cookie清除率。从实际的数据上来看，大约40％的用户会清除 自己的Cookie，这对于数据收集，Join非常不利。用户清除Cookie的原因很 多，包括：由于360，搜狗等现代浏览器的出现，用户清除Cookie的代价非 常小，甚至很多浏览器会主动提示；360，腾讯，百度等厂商提供的“安全卫 士”等产品会对浏览器数据进行清除，这些工作可能是在用户没有意识的情况 下进行的；网吧的还原精灵等自动还原工具的存在。

3.大量非登录用户。当前互联网很多服务为了降低用户使用门槛，很 多服务都不要求用户登录。这样进一步提高了用户识别的难度。

4.在线时间短，数据稀疏。在线时间是另外一个传统收集用户数据的软 肋。

这些问题严重制约着个性化服务的展开和发展。

发明内容

为解决上述问题，本发明提供了一种基于互联网应用的用户信息识别分 类方法包括以下步骤:

1.获取应用用户的使用信息。

2.实时数据分析。

3.离线储存。

4.离线数据分析。

5.分析结果汇总。

步骤1获取的信息为用户使用应用时产生的日志数据。

进一步的，步骤1收集的日志数据包括：用户设备ID；用户账号信息收 集；用户社会关系收集；用户地缘信息收集。

步骤2所述实时数据分析包括：

首先对收集到的日志数据进行格式化汇总：将该日志数据进行Json格式 化为一个JSON字符串：每条log包含有一个logId、一个partnerId和一个 cookieId。其中，log代表日志；logId代表日志唯一id，每条日志随机生成； partnerId代表用户分组id；cookieId代表客户端标识，同一个客户端cookieId 相同。

然后进行实时的初步分类汇总，分为：关键信息和非关键信息，关键信 息和非关键信息均包含一个或多个key-value对；关键信息的key为事件名称， value为事件发生的次数，会进入实时汇总计算；非关键信息的key和value 任意，并且不进入实时汇总计算。

最后对关键信息进行多层级分类汇总形成多个统计表，每个表格的名称 为partnerId，表格内容为关键信息和发生次数，将每条log格式化后的数据 partnerId，关键信息，发生次数，更新到表格中。

进一步的，这些表格的信息，每隔一段时间生成统计数据点，之后清零。 这样就能得到最新的数据和每个数据点间隔时间之间的数据。

优选的，间隔时间可以选择为1分钟、3分钟、5分钟或10分钟。

进一步的，所述log内容还可以分为：