[发明专利]一种基于AI的跨设备上网用户识别方法

权利要求书

1.一种基于AI的跨设备上网用户识别方法，其特征在于，所述方法包括：

步骤S1、提取不同屏下的每个用户上网的URL数据和时间戳数据，并针对每条数据添加该用户的身份id；

步骤S2、分别统计该用户的上网意向特征、强识别URL特征及上网时间特征；

步骤S3、根据统计完成的上述三个特征中的一种或者多种建立该用户的基础模型，并通过梯度增强回归树算法对上述每个特征进行权重训练，得到该用户最终的上网行为模型；

步骤S4、通过形成的所述上网行为模型，识别出跨屏用户身份。

2.如权利要求1所述的跨设备上网用户识别方法，其特征在于，在所述步骤S2中，所述上网意向特征的获取方法包括：

通过相似度计算，对用户上网的URL进行归并，将子级URL网址同归到其上一级URL网址，并作为一个上网意向特征。

3.如权利要求1所述的跨设备上网用户识别方法，其特征在于，在所述步骤S2中，所述强识别URL特征的获取方法包括：

检测用户不同屏下是否出现相同的URL，如果是，且该URL均指向同一用户，则从该URL提取数据集作为强识别URL特征。

4.如权利要求1所述的跨设备上网用户识别方法，其特征在于，在所述步骤S2中，所述上网时间特征的获取方法包括：

检测用户在不同的设备上的上网时间分布规律。

5.如权利要求1所述的跨设备上网用户识别方法，其特征在于，所述方法还包括：

根据每次的识别结果，对模型的权重进行相应的更新。

6.如权利要求2所述的跨设备上网用户识别方法，其特征在于，所述上网意向特征的获取方法还包括：

统计用户在不同设备下的访问意愿是否存在相似点；

根据不同的用户不同的访问意愿，对用户的上网行为进行切分；

通过对每次上网行为所访问的上网意向进行一次权重匹配，计算出每一个用户的每一个上网意向的权重；

将计算的权重作为用户基础模型的一个特征。

7.如权利要求6所述的跨设备上网用户识别方法，其特征在于，所述对用户的上网行为进行切分的方法包括：

每间隔一段时间就对用户的上网行为进行一次记录。

8.如权利要求6所述的跨设备上网用户识别方法，其特征在于，所述权重匹配通过TF-IDF进行。

9.如权利要求1所述的跨设备上网用户识别方法，其特征在于，所述梯度增强回归树算法为GBRT梯度增强回归树算法，通过权重训练得到每个权重的最佳值。

10.如权利要求1所述的跨设备上网用户识别方法，其特征在于，所述基础模型由所述用户的上网意向特征、强识别URL特征及上网时间特征三种特征综合判断并建立。