[发明专利]设备识别方法及装置、电子设备、存储介质

权利要求书

1.一种设备识别方法，其特征在于，包括：

获取用户使用的当前设备的第一设备指标；

获取所述用户使用的所有历史设备的第二设备指标；

通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；

根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

2.根据权利要求1所述的设备识别方法，其特征在于，通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果包括：

通过所述第一设备指标和第二设备指标确定相似度特征数据；

将所述相似度特征数据输入相似度匹配模型以获取匹配结果。

3.根据权利要求2所述的设备识别方法，其特征在于，所述方法还包括：

通过机器学习算法建立所述相似度匹配模型。

4.根据权利要求2所述的设备识别方法，其特征在于，通过所述第一设备指标和第二设备指标确定相似度特征数据包括：

计算所述第一设备指标与所述第二设备指标中的字符串指标，生成第一数据；

计算所述第一设备指标与所述第二设备指标中的集合指标，生成第二数据；

计算所述第一设备指标与所述第二设备指标中的常规参数指标，生成第三数据；

通过所述第一数据、所述第二数据以及所述第三数据生成所述相似度特征数据。

5.根据权利要求4所述的设备识别方法，其特征在于，所述第一数据的计算公式为：

其中，sim1为第一数据，Levenshtein(a，b)为字符串a和字符串b之间的编辑距离，max(|a|,|b|)为最大字符串长度。

6.根据权利要求4所述的设备识别方法，其特征在于，所述第二数据的计算公式为：

其中，sim2为第二数据，A∩B为集合A和B的交集，A∪B为集合A和B的并集。

7.根据权利要求4所述的设备识别方法，其特征在于，所述第三数据的计算公式为：

其中，sim3为第三数据，a、b为常规参数。

8.根据权利要求3所述的设备识别方法，其特征在于，通过机器学习算法建立所述相似度匹配模型包括：

将相同用户不同时间内设备标识相同的两次访问的设备指标作为训练数据的正样本；

将不同用户不同时间内设备标识不同的两次访问的设备指标作为训练数据的负样本；

通过所述正样本以及所述负样本，对一机器学习模型进行训练以获取所述相似度匹配模型。

9.根据权利要求1所述的设备识别方法，其特征在于，所述方法还包括：

如果确定用户首次请求服务器，则为所述当前设备分配一设备标识并将所述设备标识存储至浏览器缓存及服务器中；

如果确定用户非首次请求服务器，则根据所述浏览器缓存中是否存在当前设备的设备标识得到匹配结果。

10.根据权利要求9所述的设备识别方法，其特征在于，所述方法还包括：

如果所述浏览器缓存中不存在所述设备标识，则通过服务器中存储的历史浏览器指标以及当前浏览器指标计算相似度特征；

通过将所述相似度特征输入相似度匹配模型，确定所述当前设备是否能够匹配到相似的历史设备；

如果匹配成功，则将所述历史设备的设备标识作为当前设备的设备标识返回至客户端；

如果匹配失败，则为当前设备重新生成设备标识。

11.根据权利要求1所述的设备识别方法，其特征在于，所述方法还包括：

当检测到用户未登录时，为所述当前设备分配一临时标识；

在检测到用户登录时，为所述当前设备重新分配一正式标识以替换所述临时标识。