[发明专利]用户识别方法、装置、存储介质和处理器

权利要求书

1.一种用户识别方法，其特征在于，包括：

获取用户的多维特征信息；

将所述多维特征信息转换为多维数组，其中，所述多维数组中的数值处于预定取值区间内；

根据预定机器学习模型对所述多维数组进行分析，识别所述多维数组对应的用户类型，其中，所述预定机器学习模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：多维数组和多维数组对应的用户类型。

2.根据权利要求1所述的方法，其特征在于，所述多维特征信息包括：第一特征信息、第二特征信息和第三特征信息，将所述多维特征信息转换为多维数组包括：

根据所述第一特征信息和所述第二特征信息确定所述多维数组的平面尺寸；

根据所述第三特征信息确定所述多维数组的深度。

3.根据权利要求1所述的方法，其特征在于，获取用户的多维特征信息包括：

获取所述用户的历史活跃数据，其中，所述历史活跃数据至少包括：时间信息、特征类型、和用户在不同时间，针对不同特征类型的多个特征参数；

过滤所述历史活跃数据中的无效数据，并筛选所述特征参数，得到所述多维特征信息。

4.根据权利要求3所述的方法，其特征在于，获取所述用户的历史活跃数据之后，所述方法还包括：

根据所述时间信息和所述特征参数的统计分布特征对所述历史活跃数据进行归一化处理，得到归一化数据，其中，所述归一化数据用于表示所述用户基于同一时间线，针对不同特征类型的特征参数。

5.一种用户识别装置，其特征在于，包括：

获取单元，用于获取用户的多维特征信息；

转换单元，用于将所述多维特征信息转换为多维数组，其中，所述多维数组中的数值处于预定取值区间内；

识别单元，用于根据预定机器学习模型对所述多维数组进行分析，识别所述多维数组对应的用户类型，其中，所述预定机器学习模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：多维数组和多维数组对应的用户类型。

6.根据权利要求5所述的装置，其特征在于，所述多维特征信息包括：第一特征信息、第二特征信息和第三特征信息，所述转换单元包括：

第一确定模块，用于根据所述第一特征信息和所述第二特征信息确定所述多维数组的平面尺寸；

第二确定模块，用于根据所述第三特征信息确定所述多维数组的深度。

7.根据权利要求5所述的装置，其特征在于，所述获取单元包括：

第一获取模块，用于获取所述用户的历史活跃数据，其中，所述历史活跃数据至少包括：时间信息、特征类型、和用户在不同时间，针对不同特征类型的多个特征参数；

过滤模块，用于过滤所述历史活跃数据中的无效数据，并筛选所述特征参数，得到所述多维特征信息。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

处理模块，用于在获取所述用户的历史活跃数据之后，根据所述时间信息和所述特征参数的统计分布特征对所述历史活跃数据进行归一化处理，得到归一化数据，其中，所述归一化数据用于表示所述用户基于同一时间线，针对不同特征类型的特征参数。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至4中任意一项所述的用户识别方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至4中任意一项所述的用户识别方法。