[发明专利]用户识别方法及相关产品

权利要求书

1.一种用户识别方法，其特征在于，包括：

当需要对目标用户ID进行用户识别时，确定是否存在已识别的N个刷量群体，所述N个刷量群体是按照群体用户规则分类得到，所述N个刷量群体中任意一个刷量群体包含的刷量用户ID大于预设数量阈值，N为正整数；

若存在，获取所述目标用户ID的输入特征，所述输入特征包括用户位置特征、用户APP使用特征、用户设备使用特征和用户点击通过率CTR特征；所述用户位置特征包括所述目标用户ID登录的设备的位置特征，所述用户APP使用特征包括所述目标用户ID登录的目标APP的使用时长、目标APP的使用频次、目标APP的使用时间分布中的至少一种，所述用户设备使用特征包括该目标用户ID登录的设备的使用特征；

基于所述目标用户ID的输入特征识别所述目标用户ID与所述N个刷量群体中每个刷量群体的相似度；

若所述N个刷量群体中存在与所述目标用户ID相似度大于预设相似度阈值的刷量群体，确定所述目标用户ID为刷量用户ID；

若所述N个刷量群体中不存在与所述目标用户ID相似度大于预设相似度阈值的刷量群体，将所述目标用户ID的输入特征输入训练好的二分类模型，得到所述目标用户ID的输入特征的初步分类结果；

将所述初步分类结果输入训练好的分类器进行计算，得到中间计算结果，将所述中间计算结果输入训练好的神经网络模型进行训练，得到所述目标用户ID的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标用户ID的输入特征输入训练好的二分类模型，得到所述目标用户ID的输入特征的初步分类结果之前，所述方法还包括：

提取第一用户ID的输入特征，所述第一用户ID为M个待识别用户ID中的任一个，M为正整数；

采用单用户规则识别所述M个待识别用户ID中的刷量用户ID和非刷量用户ID；

将所述M个待识别用户ID的输入特征输入初始二分类模型进行训练，得到M个训练结果；

当所述M个训练结果的准确度达到第一预设准确度阈值时，确定训练后的所述初始二分类模型为训练好的二分类模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述初步分类结果输入训练好的分类器进行计算，得到中间计算结果之前，所述方法还包括：

将所述M个训练结果输入初始分类器进行计算，得到M个中间计算结果；

当所述M个中间计算结果的准确度达到第二预设准确度阈值时，确定训练后的所述初始分类器为训练好的分类器。

4.根据权利要求3所述的方法，其特征在于，所述将所述中间计算结果输入训练好的神经网络模型进行训练，得到所述目标用户ID的识别结果之前，所述方法还包括：

将所述M个中间计算结果输入初始神经网络模型进行训练，得到M个识别结果；

当所述M个识别结果的准确度达到第三预设准确度阈值时，确定训练后的所述初始神经网络模型为训练好的神经网络模型。

5.根据权利要求1~4任一项所述的方法，其特征在于，所述群体用户规则基于用户ID对应的设备位置以及用户ID对应的应用程序使用的时间序列确定，所述确定是否存在已识别的N个刷量群体之前，所述方法还包括：

将已识别的多个刷量用户ID中对应的设备位置之间的距离小于预设距离阈值、并且所述多个刷量用户ID中应用程序使用的时间序列在第一预设时间段内的刷量用户ID归入第一类刷量群体。

6.根据权利要求1~4任一项所述的方法，其特征在于，所述方法还包括：

若不存在已识别的N个刷量群体，确定是否存在已识别的多个刷量用户ID；

若存在所述已识别的多个刷量用户ID，识别所述目标用户ID与所述已识别的多个刷量用户ID之间的相似度；

若所述多个刷量用户ID中存在与所述目标用户ID相似度大于预设相似度阈值的刷量用户ID，在所述目标用户ID的输入特征中增加刷量用户关联特征；

执行所述将所述目标用户ID的输入特征输入训练好的二分类模型，得到所述目标用户ID的输入特征的初步分类结果的步骤。