[发明专利]换设备用户的识别方法、装置、计算机设备和存储介质

说明书

本申请提出一种换设备用户的识别方法、装置、计算机设备和存储介质，其中，方法包括：获取各设备的设备信息；根据设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；根据设备信息中的登录信息，将目标设备对划分为正样本和负样本；属于正样本的目标设备对具有相同的登录信息，属于负样本的目标设备对具有不同的登录信息；采用正样本和负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。由此，基于机器学习方法对不同设备进行识别，可以确定属于同一换设备用户，即同一自然人的两设备，从而对属于同一自然人的两设备中的用户行为数据进行提取，可以最大化地丰富用户的行为。

技术领域

本申请涉及互联网和机器学习技术领域，尤其涉及一种换设备用户的识别方法、装置、计算机设备和存储介质。

背景技术

目前，可以根据用户的行为模式向用户推荐较为精准的服务。其中，用户的行为模式对于推荐来说尤为关键，当行为越丰富时，得到的用户的实际意图越精准，由此服务提供者可以针对该实际意图进行针对性的服务推荐。然而，当出现冷启动用户时，在该用户行为极为稀疏的情况下，对用户意图的识别的准确性则难以保证，可能会出现较大的误差。

例如，如果冷启动用户在此之前为非冷启动的，那么当出现冷启动用户时，就表明该用户的行为未被完整地关联起来。举例而言，一个用户拥有两台虚拟设备，分别为设备X和设备Y，其中，设备X的行为较为丰富，而设备Y是一个冷启动设备，行为极少。在实际情况下，设备X和设备Y属于同一个自然人，只是在进行数据采集的时候，并未将设备X和设备Y进行关联，由此导致了冷启动用户的出现。对于行为丰富度而言，当将设备X和设备Y关联起来后，行为丰富度增大，服务提供者对于该自然人的意图可以精准定位。

相关技术中，在通用场景下，通过在时间重合度内采集到的行为，来预测是否为同一个自然人。这种方式下，只有在时间重合度内同时采集到该自然人的行为，且行为要有一定的相似性，才能对其进行预测，条件极为苛刻，即只能针对相同时间段内同时有行为的用户。当冷启动用户出现时，无法全面分析用户的个性化特征，对用户的信息掌握不全，最终出现空投行为。

因此，针对这类冷启动用户，如何丰富其行为模式，提升意图定位的准确性，成为亟待解决的难题。

发明内容

本申请提出一种换设备用户的识别方法、装置、计算机设备和存储介质，以实现针对换设备场景下的自然人预测，将用户的实际所有行为进行关联，从而得到准确的行为模式，提升用户意图识别的准确性。

本申请第一方面实施例提出了一种换设备用户的识别方法，包括：

获取各设备的设备信息；

根据所述设备信息中的地理位置和/或用户行为数据，从各设备中确定设备信息相似的目标设备对；

根据所述设备信息中的登录信息，将所述目标设备对划分为正样本和负样本；其中，属于所述正样本的目标设备对具有相同的登录信息，属于所述负样本的目标设备对具有不同的登录信息；

采用所述正样本和所述负样本训练神经网络模型，以采用训练后的神经网络模型识别不同设备属于同一换设备用户。