一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法
【專利摘要】本發(fā)明涉及一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，用以將同一個(gè)用戶的不同ID合并，包括以下步驟：1)獲取多個(gè)待確認(rèn)ID用戶的至少兩個(gè)ID類型以及ID類型對(duì)應(yīng)的ID類型值記錄，所述的ID類型包括瀏覽器cookie、設(shè)備ID、Email、手機(jī)號(hào)、微信號(hào)和APP用戶ID；2)根據(jù)待確認(rèn)ID用戶的ID類型值，將具有相同ID類型值對(duì)應(yīng)的記錄合并，并且判定為同一個(gè)用戶。與現(xiàn)有技術(shù)相比，本發(fā)明具有合并高效、準(zhǔn)確等優(yōu)點(diǎn)。
【專利說明】
一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及用戶標(biāo)簽合并方法，尤其是涉及一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方 法。
【背景技術(shù)】
[0002] 不同人群信息收集平臺(tái)中判別人的標(biāo)識(shí)都不一樣，例如，PC瀏覽器下通常用 cookie來區(qū)分，手機(jī)app上用設(shè)備ID等來區(qū)分。
[0003] 同一個(gè)人在不同平臺(tái)上聯(lián)網(wǎng)時(shí)，系統(tǒng)獲知的ID有很多個(gè)，但事實(shí)上這些ID代表同 一個(gè)人;如何能將多種ID統(tǒng)一為一個(gè)人的ID事情就是目前業(yè)界的一個(gè)問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種合并高效、準(zhǔn)確 的基于大數(shù)據(jù)的用戶標(biāo)簽合并方法。
[0005] 本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：
[0006] 一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，用以將同一個(gè)用戶的不同ID合并，包括以 下步驟：
[0007] 1)獲取多個(gè)待確認(rèn)ID用戶的至少兩個(gè)ID類型以及ID類型對(duì)應(yīng)的ID類型值記錄，所 述的ID類型包括瀏覽器cookie、設(shè)備ID、Email、手機(jī)號(hào)、微信號(hào)和APP用戶ID;
[0008] 2)根據(jù)待確認(rèn)ID用戶的ID類型值，將具有相同ID類型值對(duì)應(yīng)的記錄合并，并且判 定為同一個(gè)用戶。
[0009] 所述的步驟2)中，具體包括以下步驟：
[0010]當(dāng)兩條記錄中同一 ID類型對(duì)應(yīng)的ID類型值相同時(shí)，則將兩條記錄保留并統(tǒng)一具有 相同ID類型值及其對(duì)應(yīng)的ID類型，同時(shí)合并其余ID類型對(duì)應(yīng)的ID類型值。
[0011]所述的步驟2)中，當(dāng)一條記錄中含有多種ID類型，且其中至少有一種ID類型含有 至少一個(gè)對(duì)應(yīng)的ID類型值時(shí)，按照可靠性的優(yōu)先級(jí)順序?qū)τ涗涍M(jìn)行合并，當(dāng)高可靠性優(yōu)先 級(jí)的ID類型與低可靠性優(yōu)先級(jí)的ID類型均有對(duì)應(yīng)的ID類型值時(shí)，按照高可靠性優(yōu)先級(jí)的ID 類型進(jìn)行合并，并舍棄低可靠性優(yōu)先級(jí)的ID類型的ID類型值。
[0012]所述的可靠性的優(yōu)先級(jí)順序?yàn)椋?br>[0013]個(gè)人專用的ID類型的可靠性高于公用的ID類型，其中，個(gè)人專用的ID類型包括 Email、手機(jī)號(hào)和微信號(hào)，公用的ID類型包括瀏覽器cookie、設(shè)備ID和APP用戶ID。
[0014]當(dāng)舍棄低可靠性優(yōu)先級(jí)的ID類型的ID類型值后，該條記錄僅有一個(gè)ID類型且對(duì)應(yīng) 多個(gè)ID類型值時(shí)，則將該條記錄拆分為多條子記錄，重新進(jìn)行合并。
[0015]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0016] 一、合并高效:本發(fā)明能夠從用戶ID的大數(shù)據(jù)記錄中提取相應(yīng)的ID類型值，并且進(jìn) 行合并，使得不同用戶的記錄能夠高效的合并，為根據(jù)用戶特征處理數(shù)據(jù)的系統(tǒng)(例如廣告 投放系統(tǒng))提供更為準(zhǔn)確的信息。
[0017]二、合并準(zhǔn)確:本發(fā)明通過建立可靠性的優(yōu)先級(jí)順序進(jìn)行記錄的合并，考慮到當(dāng)一 條記錄中含有多種ID類型，且其中至少有一種ID類型含有至少一個(gè)對(duì)應(yīng)的ID類型值時(shí)的復(fù) 雜情況，并且還考慮到了剔除低可靠性的ID類型值后僅有一個(gè)ID類型有多個(gè)ID值的情況， 考慮全面，合并準(zhǔn)確。
【附圖說明】
[0018]圖1為本發(fā)明的方法流程圖。
【具體實(shí)施方式】
[0019] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說明。
[0020] 實(shí)施例：
[0021] 本發(fā)明的基本思路如圖1所示：
[0022]表1搜集到的初始數(shù)據(jù)表
[0025]如表1所示，當(dāng)收集到的每個(gè)人的ID只有1個(gè)時(shí)，沒有辦法確認(rèn)多個(gè)記錄其實(shí)是一 個(gè)人；
[0026]如果收集的信息中至少有兩種ID時(shí)，就可以根據(jù)相同ID合并的方法來判斷多個(gè)記 錄是否為同一個(gè)人。
[0027]具體方法為：
[0028]當(dāng)兩條記錄在同一種ID下的值是相同的情況下，可判定為同一人，合并兩條記錄， 并將其他類型的ID合并;合并時(shí)，同一種ID的不同值放在一起。
[0029] 舉例說明：假設(shè)收集到的數(shù)據(jù)如表2所示：
[0030] 表2收集到的數(shù)據(jù)表
[0032] 對(duì)于記錄A、B，因?yàn)閑mail相同，于是可以判定其為同一個(gè)人，同理，因?yàn)橛涗汣和D， 因?yàn)槭謾C(jī)號(hào)相同，也可以判定為同一個(gè)人；
[0033]最終數(shù)據(jù)合并為表3:
[0034]表3合并后的最終數(shù)據(jù)表
[0036]注意，合并后的記錄C中，設(shè)備ID會(huì)有兩個(gè)值，也就是表示這個(gè)人會(huì)使用兩個(gè)設(shè)備； [0037] ID類型可靠性問題：
[0038]上述步驟初步合并后的數(shù)據(jù)，會(huì)存在這種現(xiàn)在，一條記錄中，包含多種類型的ID， 并且至少有一種ID包含多個(gè)值；
[0039] 例如表4所示：
[0040] 表4包含多種類型的ID，并且至少有一種ID包含多個(gè)值時(shí)的情況表
[0043]上述數(shù)據(jù)中記錄bl和b2其實(shí)有問題，通常來說，cookie信息區(qū)分一個(gè)人的可靠性 不高，手機(jī)不同一般認(rèn)為是不同的人，所以記錄bl、b2、d中的cookie數(shù)據(jù)已經(jīng)沒有意義，應(yīng) 該去除；
[0044] 去除cookie之后，bl，b2記錄只包含手機(jī)號(hào)一種ID，所以還需要還原為獨(dú)立的記 錄；
[0045] 但是，設(shè)備ID也屬于可靠性不高的ID，因此，記錄c還是有效的；
[0046]另外，email、手機(jī)號(hào)同屬于高可靠的ID，所以記錄d中email、手機(jī)號(hào)的信息仍然有 效；
[0047]最后的結(jié)果將變成：
[0049] 總結(jié)一下判定有效性的方法：
[0050] 1.先對(duì)系統(tǒng)中可采集的各類型ID標(biāo)記"高可靠性"或"低可靠性"；
[0051] a)-般手機(jī)號(hào)、email、微信號(hào)...等個(gè)人專用的賬號(hào)都屬于"高可靠性" ID;
[0052] b)C〇〇kie，設(shè)備號(hào)...等可能為多人使用的ID屬于"低可靠性" ID;
[0053] c)每種類型的ID，在接入系統(tǒng)的時(shí)候，就需要根據(jù)采集渠道的具體情況來確認(rèn)其 可靠性高低，上文所述僅為示例，本方法不作強(qiáng)制限定；
[0054] 2.當(dāng)一條記錄中，高可靠性ID為多值，同時(shí)低可靠性ID也有數(shù)據(jù)的情況下，此條記 錄中的低可靠性ID值沒有意義，需要去除該記錄中的第可靠性ID的值。
[0055] 3.去除了ID值的記錄如果僅包含一種ID，且為多值的時(shí)候，需要重新將這條記錄 拆分為多條；
[0056] 反復(fù)運(yùn)用上述兩個(gè)方法即可正確合并所有記錄；
[0057] 上述方法是一種思路，在具體實(shí)現(xiàn)的過程中可以進(jìn)行各種優(yōu)化來提高合并的效 率，這里就不贅述。
[0058] 模糊ID的問題
[0059]有些平臺(tái)上采集的ID可能不是一個(gè)精確值，而是一個(gè)模糊值，比如拍攝的頭像。 [0060]對(duì)于此類ID需要使用與數(shù)據(jù)類型相應(yīng)的模糊匹配算法來認(rèn)定是否算作一個(gè)ID(比 如，圖像類的ID就要用圖像識(shí)別中的相似度算法來匹配，當(dāng)判斷完兩個(gè)圖像相似度〉某個(gè)閾 值時(shí)，就可以認(rèn)為兩個(gè)ID相同），然后運(yùn)用上述算法合并數(shù)據(jù)，示例:表2中的兩個(gè)記錄E、F， 假設(shè)"其它ID"這一列屬于需要模糊匹配的情況，其ID值"1"和"1"'以模糊匹配規(guī)則可以算 作相等的情況下，也就可以合并記錄。
[0061]合并完數(shù)據(jù)之后，一條記錄上將包含一個(gè)人的多種ID，當(dāng)任意一個(gè)ID被捕捉到時(shí)， 都可以查詢到這條記錄。為根據(jù)人群特征處理數(shù)據(jù)的系統(tǒng)(例如廣告投放系統(tǒng))提供更為準(zhǔn) 確的信息。
【主權(quán)項(xiàng)】
1. 一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，用以將同一個(gè)用戶的不同ID合并，其特征在 于，包括以下步驟： 1) 獲取多個(gè)待確認(rèn)ID用戶的至少兩個(gè)ID類型以及ID類型對(duì)應(yīng)的ID類型值記錄，所述的 ID類型包括瀏覽器cookie、設(shè)備ID、Email、手機(jī)號(hào)、微信號(hào)和APP用戶ID; 2) 根據(jù)待確認(rèn)ID用戶的ID類型值，將具有相同ID類型值對(duì)應(yīng)的記錄合并，并且判定為 同一個(gè)用戶。2. 根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，其特征在于，所述的步 驟2)中，具體包括以下步驟： 當(dāng)兩條記錄中同一 ID類型對(duì)應(yīng)的ID類型值相同時(shí)，則將兩條記錄保留并統(tǒng)一具有相同 ID類型值及其對(duì)應(yīng)的ID類型，同時(shí)合并其余ID類型對(duì)應(yīng)的ID類型值。3. 根據(jù)權(quán)利要求2所述的一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，其特征在于，所述的步 驟2)中，當(dāng)一條記錄中含有多種ID類型，且其中至少有一種ID類型含有至少一個(gè)對(duì)應(yīng)的ID 類型值時(shí)，按照可靠性的優(yōu)先級(jí)順序?qū)τ涗涍M(jìn)行合并，當(dāng)高可靠性優(yōu)先級(jí)的ID類型與低可 靠性優(yōu)先級(jí)的ID類型均有對(duì)應(yīng)的ID類型值時(shí)，按照高可靠性優(yōu)先級(jí)的ID類型進(jìn)行合并，并 舍棄低可靠性優(yōu)先級(jí)的ID類型的ID類型值。4. 根據(jù)權(quán)利要求3所述的一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，其特征在于，所述的可 靠性的優(yōu)先級(jí)順序?yàn)椋?個(gè)人專用的ID類型的可靠性高于公用的ID類型，其中，個(gè)人專用的ID類型包括Email、 手機(jī)號(hào)和微信號(hào)，公用的ID類型包括瀏覽器cookie、設(shè)備ID和APP用戶ID。5. 根據(jù)權(quán)利要求3所述的一種基于大數(shù)據(jù)的用戶標(biāo)簽合并方法，其特征在于，當(dāng)舍棄低 可靠性優(yōu)先級(jí)的ID類型的ID類型值后，該條記錄僅有一個(gè)ID類型且對(duì)應(yīng)多個(gè)ID類型值時(shí)， 則將該條記錄拆分為多條子記錄，重新進(jìn)行合并。
【文檔編號(hào)】G06F17/30GK105912663SQ201610223304
【公開日】2016年8月31日
【申請(qǐng)日】2016年4月12日
【發(fā)明人】商志營
【申請(qǐng)人】寧波極動(dòng)精準(zhǔn)廣告?zhèn)髅接邢薰?br>