[发明专利]同人识别方法、装置、设备和存储介质

说明书

本发明实施例涉及一种同人识别方法、装置、设备和存储介质，其中所述方法包括：获取各个业务域的用户信息数据及各个所述用户信息数据之间的关联关系；依据所述用户信息数据及所述关联关系构建无向连通图，所述无向连通图中的每一个节点对应一个所述用户信息数据，每一条无向边对应一个所述关联关系；给所述无向连通图中的每一个连通子图分配唯一标识符。本发明实施例通过利用无向连通图实现同人识别，能够将同一用户在公司全域的行为特征串联在一起，消除数据孤岛，不仅易理解、易落地，而且还可扩展性强、计算成本低，有效地解决了现有技术存在的识别过程繁琐、技术实现门槛高以及可落地性差的问题，具有较高的推广应用价值。

技术领域

本发明实施例涉及大数据处理技术领域，尤其涉及一种同人识别方法、装置、设备和存储介质。

背景技术

随着互联网技术的日渐成熟，人们的消费和行为习惯发生了巨大的变化，人们连入互联网的方式也呈多元发展。在日常生活中，用户可以随时随地的通过手机APP、PC、微信小程序、H5、O2O中的任意一种方式去连入某公司不同域的业务系统，使得用户能够浏览、查询或咨询相关感兴趣的内容。相应的，该公司不同域的业务系统中就会产生同一个用户的不同行为特征数据。在未进行处理前，这些行为特征数据彼此之间可能是孤立的，不仅无法利用起来，而且还不便于管理，所以出于加强数据管理的目的，很多公司会建立以“人”为中心的“一人一档”数据管理业务，简单来说就是会将各种业务系统中的行为特征数据进行汇聚起来，然后将同一个用户在该公司全域的行为特征数据串联在一起，消除数据孤岛。这个过程需要应用到同人识别技术，也就是需要从大量的行为特征数据中快速确定哪些行为特征数据是属于同一个用户的。目前，现有技术中，业界较多的是通过MapReduce以置信度为基础，再通过多轮迭代收敛的方式来实现同人识别的。MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。概念“Map(映射)”和“Reduce(归约)”是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。然而，采用这种方式进行的同人识别存在诸多弊端，比如实现过程较为繁琐、技术实现的门槛较高、可落地性较差等等。

因此，对现有的同人识别技术进行改进，以克服上述缺陷，或者是研究一种全新的同人识别技术就显得非常有必要。

发明内容

本发明实施例公开了一种同人识别方法、装置、设备和存储介质，能够引导车辆行驶，进而提高用户驾车到达目的地的效率。

第一方面，提供了一种同人识别方法，所述方法包括：

获取各个业务域的用户信息数据及各个所述用户信息数据之间的关联关系；

依据所述用户信息数据及所述关联关系构建无向连通图，所述无向连通图中的每一个节点对应一个所述用户信息数据，每一条无向边对应一个所述关联关系；

给所述无向连通图中的每一个连通子图分配唯一标识符。

进一步地，所述同人识别方法中，在所述给所述无向连通图中的每一个连通子图分配唯一标识码的步骤之后，所述方法还包括：

周期性获取各个业务域新增的用户信息数据及各个所述用户信息数据之间新增的关联关系；

将新增的所述用户信息数据作为新的节点添加到所述无向连通图中；

依据新增的所述关联关系将所述无向连通图中彼此关联的所述用户信息数据通过所述无向边相连接；

给所述无向连通图中未分配唯一标识符的连通子图分配唯一标识符；

判断所述无向连通图中是否存在具有两个或多个唯一标识符的连通子图；

若是，则按照设定规则从所述两个或多个唯一标识符中选择其中一个作为最终的唯一标识符。