專利名稱：用戶識別方法與裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種用戶識別方法與裝置。
背景技術(shù)：
目前隨著互聯(lián)網(wǎng)技術(shù)應(yīng)用的越來越廣泛，人們很多的日常工作和娛樂都在網(wǎng)絡(luò)上進行。在很多網(wǎng)絡(luò)應(yīng)用場景下，用戶在訪問網(wǎng)絡(luò)時，服務(wù)器需要對用戶進行識別。較為廣泛采用的用戶識別方法包括通過IP地址識別、通過ADSL賬號識別和通過網(wǎng)站的COOKIE識別坐寸ο
其中，通過IP地址識別用戶時，由于IP資源有限，而上網(wǎng)用戶卻越來越多，目前的寬帶用戶一般都使用動態(tài)IP，以避免用戶不上網(wǎng)也占用寶貴的IP資源，這樣，就造成同一個IP地址被多個不同用戶使用，無法準確識別用戶。
通過ADSL賬號識別用戶時，通常與UA (用戶使用的瀏覽器版本)相結(jié)合，但是這種通過ADSL+UA的方式的粒度太粗，會出現(xiàn)一個ADSL對應(yīng)多個用戶，同樣難以精確確定用戶。
當(dāng)通過網(wǎng)站的COOKIE識別用戶時，網(wǎng)站采用COOKIE技術(shù)跟蹤用戶在本網(wǎng)站下的行為，然而每個網(wǎng)站只能跟蹤用戶在本網(wǎng)站或者是嵌入本網(wǎng)站COOKIE的第三方網(wǎng)站的訪問行為，無法對整個互聯(lián)網(wǎng)的用戶行為進行跟蹤，因而也無法準確識別用戶。
可見，不論上述哪種情況，都無法達到準確識別用戶，而只有服務(wù)器能夠準確識別客戶端和用戶，才能進行后續(xù)的高精度操作，如高精度投放廣告等，以減低信息交互成本和信息交互量，提升用戶對網(wǎng)絡(luò)的訪問體驗。發(fā)明內(nèi)容
本發(fā)明提供了一種用戶識別方法與裝置，以解決現(xiàn)有方案無法準確識別用戶的問題。
為了解決上述問題，本發(fā)明公開了一種用戶識別方法，包括從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且所述用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE—一對應(yīng)的報文；從獲取的所述報文中獲取四元組信息，其中，所述四元組信息包括所述用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、所述用戶標(biāo)識、所述用戶訪問網(wǎng)站的COOKIE字段、和所述 COOKIE字段的值；對所述四元組信息進行統(tǒng)計，獲得每個所述用戶訪問網(wǎng)站的訪問信息； 對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段；建立獲取的所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)所述對應(yīng)關(guān)系識別所述用戶。
優(yōu)選地，所述用戶標(biāo)識包括用戶賬號和瀏覽器版本號；所述用戶訪問網(wǎng)站的訪問信息包括所述用戶訪問網(wǎng)站的域名、所述域名的頁面瀏覽量、所述域名的頁面瀏覽量占比、所述用戶訪問網(wǎng)站的COOKIE字段、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏 覽次數(shù)、所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、所述用戶標(biāo)識不同的獨立訪客比例。
優(yōu)選地，在所述對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾的步驟之前，還包括按照所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或所述用戶標(biāo)識不同的獨立訪客比例對所述每個用戶訪問網(wǎng)站的訪問信息進行排序。
優(yōu)選地，所述對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段的步驟包括使用所述域名的頁面瀏覽量、或者互信息，或者信息增益，對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述單用戶的COOKIE字段。
優(yōu)選地，所述用戶識別方法還包括根據(jù)所述獲取的報文，獲取COOKIE名相同的兩個網(wǎng)站的網(wǎng)站訪問信息，其中，所述網(wǎng)站訪問信息包括所述兩個網(wǎng)站的COOKIE字段、 所述COOKIE字段的值、所述兩個網(wǎng)站的域名、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、所述用戶標(biāo)識不同的獨立訪客比例；按照所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或所述用戶標(biāo)識不同的獨立訪客比例對所述兩個網(wǎng)站的訪問信息進行排序；對排序后的所述訪問信息進行過濾，確定所述兩個網(wǎng)站是否使用相同的 COOKIE字段；若是，則建立所述兩個網(wǎng)站的關(guān)聯(lián)，根據(jù)所述關(guān)聯(lián)和所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系識別所述用戶。
優(yōu)選地，所述用戶識別方法還包括若用于標(biāo)識所述用戶的所述COOKIE字段包括多個COOKIE字段的值，則在所述多個COOKIE字段的值之間進行關(guān)聯(lián)；根據(jù)所述關(guān)聯(lián)和所述 COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系識別所述用戶。
為了解決上述問題，本發(fā)明還公開了一種用戶識別裝置，包括第一獲取模塊，用于從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且所述用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE—一對應(yīng)的報文；第二獲取模塊，用于從獲取的所述報文中獲取四元組信息， 其中，所述四元組信息包括所述用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、所述用戶標(biāo)識、所述用戶訪問網(wǎng)站的COOKIE字段、和所述COOKIE字段的值；第三獲取模塊，用于對所述四元組信息進行統(tǒng)計，獲得每個所述用戶訪問網(wǎng)站的訪問信息；第四獲取模塊，用于對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段；識別模塊，用于建立獲取的所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)所述對應(yīng)關(guān)系識別所述用戶。
優(yōu)選地，所述用戶標(biāo)識包括用戶賬號和瀏覽器版本號；所述用戶訪問網(wǎng)站的訪問信息包括所述用戶訪問網(wǎng)站的域名、所述域名的頁面瀏覽量、所述域名的頁面瀏覽量占比、所述用戶訪問網(wǎng)站的COOKIE字段、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、所述用戶標(biāo)識 不同的獨立訪客比例。
優(yōu)選地，所述用戶識別裝置還包括排序模塊，用于在所述第四獲取模塊對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾之前，按照所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和 /或所述用戶標(biāo)識不同的獨立訪客比例對所述每個用戶訪問網(wǎng)站的訪問信息進行排序。
優(yōu)選地，所述第四獲取模塊，用于使用所述域名的頁面瀏覽量、或者互信息，或者信息增益，對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述單用戶的C00KIE字段。
與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點
本發(fā)明中，先通過確定設(shè)定網(wǎng)站的COOKIE與用戶標(biāo)識的對應(yīng)關(guān)系，從而確定該用戶標(biāo)識標(biāo)示的用戶是否是單個用戶，進而獲取該單個用戶的報文。
其中，設(shè)定網(wǎng)站通常為訪問量較大的網(wǎng)站，其COOKIE公知且唯一，能夠根據(jù)這些網(wǎng)站與用戶標(biāo)識是否是一一對應(yīng)而確定該用戶標(biāo)識標(biāo)示的用戶是否是單用戶。
在確定用戶標(biāo)識標(biāo)示的用戶是單用戶的情況下，對該用戶的所訪問網(wǎng)站的網(wǎng)絡(luò)訪問日志報文進行一系列的提取、統(tǒng)計和過濾等處理，從而獲取用戶訪問的網(wǎng)站可以用來唯一標(biāo)識用戶的COOKIE字段，進而建立該COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系，在后續(xù)的訪問中，網(wǎng)站可以根據(jù)該對應(yīng)關(guān)系識別用戶。
因為網(wǎng)絡(luò)訪問日志報文中包含有大量的信息，其中某些COOKIE字段的信息實際上可以作為身份信息來使用，本發(fā)明的方案根據(jù)COOKIE信息的這一特點，自動化地將能作為身份信息的C00KIE字段從大量的信息中解析出來，然后分析確定各個網(wǎng)站中哪些 COOKIE字段是可以唯一標(biāo)識用戶身份的，建立這些COOKIE字段和用戶標(biāo)識的對應(yīng)關(guān)系，使用該對應(yīng)關(guān)系來準確識別用戶。
通過本發(fā)明，解決了現(xiàn)有方案無法準確識別用戶的問題，達到了準確識別用戶的效果，進而，網(wǎng)站能夠根據(jù)該高精度的識別結(jié)果進行后續(xù)的高精度操作，如高精度投放廣告等，減低了信息交互成本和信息交互量，提升了用戶對網(wǎng)絡(luò)的訪問體驗。


圖1是根據(jù)本發(fā)明實施例一的一種用戶識別方法的步驟流程圖
圖2是根據(jù)本發(fā)明實施例二的一種用戶識別方法的步驟流程圖
圖3是根據(jù)本發(fā)明實施例三的一種用戶識別方法的步驟流程圖
圖4是根據(jù)本發(fā)明實施例四的一種用戶識別裝置的結(jié)構(gòu)框圖。
具體實施方式
為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步詳細的說明。
實施例一
參照圖1，示出了根據(jù)本發(fā)明實施例一的一種用戶識別方法的步驟流程圖。
本實施例的用戶識別方法包括以下步驟
步驟S102 :從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE——對應(yīng)的報文。
其中，設(shè)定時間段可以由本領(lǐng)域技術(shù)人員根據(jù)實際情況適當(dāng)設(shè)置，如一天或幾個小時或幾天等，本發(fā)明對此不作限制。設(shè)定網(wǎng)站通常是訪問量較大的、用戶經(jīng)常使用的，其能標(biāo)識用戶身份的COOKIE字段可以通過統(tǒng)計分析方法獲得的那些網(wǎng)站，如百度、谷歌、淘寶等，這些網(wǎng)站，其COOKIE公知且唯一，能夠根據(jù)這些網(wǎng)站與用戶標(biāo)識是否是一一對應(yīng)而確定該用戶標(biāo)識標(biāo)示的用戶是否是單用戶，進而獲取相應(yīng)的單用戶報文。
步驟S104 :從獲取的報文中獲取四元組信息。
其中，四元組信息包括用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、用戶標(biāo)識、用戶訪問網(wǎng)站的COOKIE字段、和COOKIE字段的值。
獲取的四元組信息可以包括上述設(shè)定網(wǎng)站的四元組信息，也可以是包括除上述設(shè)定網(wǎng)站之外的那些網(wǎng)站的四元組信息。
步驟S106 :對四元組信息進行統(tǒng)計，獲得每個用戶訪問網(wǎng)站的訪問信息。
網(wǎng)站的訪問信息是與網(wǎng)站訪問相關(guān)的信息，如PV (PageView,頁面瀏覽量)信息、 UV (Unique Visitor,獨立訪客)信息等。如,可以根據(jù)每個網(wǎng)站的訪問報文,統(tǒng)計一個網(wǎng)站下的COOKIE值的不同個數(shù)以及用戶標(biāo)識如userid的不同個數(shù)，獲取每個用戶訪問網(wǎng)站的訪問信息。
步驟S108 :對每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段。
對訪問信息進行過濾的目的是過濾掉那些不能標(biāo)識用戶的COOKIE字段。
步驟SllO :建立獲取的COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)對應(yīng)關(guān)系識別所述用戶。
例如，假設(shè)通過上述過程確定某一網(wǎng)站的COOKIE字段中的COOKIE ID能夠唯一標(biāo)識一個用戶，則建立的對應(yīng)關(guān)系為UID — >C00KIE ID，其中UID表示用戶標(biāo)識，如一個用戶的用戶標(biāo)識為ADSL1+UA1，COOKIE ID為4500，則當(dāng)該用戶訪問該網(wǎng)站時，服務(wù)器獲取到網(wǎng)站的訪問報文，從中獲取到COOKIE ID為4500時，則可以確定相對應(yīng)的用戶為ADSL1+UA1。
通過本實施例，先通過確定設(shè)定網(wǎng)站的COOKIE與用戶標(biāo)識的——對應(yīng)關(guān)系，從而確定該用戶標(biāo)識標(biāo)示的用戶是否是單個用戶，進而獲取該單個用戶的報文。其中，設(shè)定網(wǎng)站通常為訪問量較大的網(wǎng)站，其COOKIE公知且唯一，能夠根據(jù)這些網(wǎng)站與用戶標(biāo)識是否是一一對應(yīng)而確定該用戶標(biāo)識標(biāo)示的用戶是否是單用戶。在確定用戶標(biāo)識標(biāo)示的用戶是單用戶的情況下，對該用戶的所訪問網(wǎng)站的網(wǎng)絡(luò)訪問日志報文進行一系列的提取、統(tǒng)計和過濾等處理，從而獲取用戶訪問的網(wǎng)站可以用來唯一標(biāo)識用戶的COOKIE字段，進而建立該 COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系，在后續(xù)的訪問中，網(wǎng)站可以根據(jù)該對應(yīng)關(guān)系識別用戶。 因為網(wǎng)絡(luò)訪問日志報文中包含有大量的信息，其中某些COOKIE字段的信息實際上可以作為身份信息來使用，本發(fā)明的方案根據(jù)C00KIE信息的這一特點，自動化地將能作為身份信息的COOKIE字段從大量的信息中解析出來，然后分析確定各個網(wǎng)站中哪些COOKIE字段是可以唯一標(biāo)識用戶身份的，建立這些COOKIE字段和用戶標(biāo)識的對應(yīng)關(guān)系，使用該對應(yīng)關(guān)系來準確識別用戶。通過本實施例，解決了現(xiàn)有方案無法準確識別用戶的問題，達到了準確識別用戶的效果，進而，網(wǎng)站能夠根據(jù)該高精度的識別結(jié)果進行后續(xù)的高精度操作，如高精度投放廣告等，減低了信息交互成本和信息交互量，提升了用戶對網(wǎng)絡(luò)的訪問體驗。
實施例二`
參照圖2，示出了根據(jù)本發(fā)明實施例二的一種用戶識別方法的步驟流程圖。
本實施例的用戶識別方法包括以下步驟
步驟S202 :服務(wù)器從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE——對應(yīng)的報文。
本實施例中，用戶標(biāo)識包括用戶賬號和瀏覽器版本號。用戶賬號包括但不限于上網(wǎng)賬號如ADSL賬號或ADSL賬號+UA，用戶郵箱等等。
以一個用戶標(biāo)識為例，假設(shè)該用戶標(biāo)識為ADSL1+UA1，則服務(wù)器從網(wǎng)絡(luò)訪問日志報文中獲取用戶標(biāo)識為ADSL1+UA1的所有報文。當(dāng)然，用戶賬號不限于ADSL賬號，其它用戶賬號也同樣適用。
然后，在同一用戶標(biāo)識的報文中，可以先對設(shè)定時間段的報文進行分析，如，該用戶標(biāo)識對應(yīng)的當(dāng)天的報文，因設(shè)定網(wǎng)站的COOKIE —般都有代表性，能夠標(biāo)識訪問該網(wǎng)站的用戶，因此，判斷用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE是否是一一對應(yīng)的，可以確定該用戶標(biāo)識代表了一個單用戶，則獲取該單用戶的報文；對于用戶標(biāo)識與網(wǎng)站COOKIE不是一一對應(yīng)的，則說明該用戶標(biāo)識不能只代表一個用戶，可以丟棄該類型的報文。
步驟S204 :服務(wù)器從獲取的報文中獲取四元組信息。
其中，四元組信息包括用戶標(biāo)識指示的用戶所訪問的網(wǎng)站的域名、用戶標(biāo)識、用戶訪問網(wǎng)站的COOKIE字段、和COOKIE字段的值。
步驟S206 :服務(wù)器對四元組信息進行統(tǒng)計，獲得每個用戶訪問網(wǎng)站的訪問信息。
本實施例中，用戶訪問網(wǎng)站的訪問信息包括用戶訪問網(wǎng)站的域名、域名的PV (頁面瀏覽量)、域名的PV (頁面瀏覽量)占比、用戶訪問網(wǎng)站的COOKIE字段、用戶標(biāo)識相同的 PV (頁面瀏覽)次數(shù)、用戶標(biāo)識不同的PV (頁面瀏覽)次數(shù)、用戶標(biāo)識不同的PV (頁面瀏覽次數(shù))比例、用戶標(biāo)識相同的UV (獨立訪客)次數(shù)、用戶標(biāo)識不同的UV (獨立訪客)次數(shù)、用戶標(biāo)識不同的UV (獨立訪客)比例。
步驟S208 :服務(wù)器按照用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或用戶標(biāo)識不同的獨立訪客比例對每個用戶訪問網(wǎng)站的訪問信息進行排序。
本步驟為優(yōu)選步驟，通過對網(wǎng)站訪問信息的排序，可以在后續(xù)更為有效和快速地對訪問信息進行過濾。顯然，不進行排序而直接進行過濾也是可行的。
步驟S210 :服務(wù)器對每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取每個用戶訪問網(wǎng)站標(biāo)識用戶的COOKIE字段。
優(yōu)選地，服務(wù)器可以使用域名的頁面瀏覽量、或者互信息，或者信息增益，對每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取每個用戶訪問網(wǎng)站標(biāo)識單用戶的COOKIE字段。
互信息和信息增量 是信息論里的兩個術(shù)語，一般在使用文本分類的時候考慮這些度量關(guān)系。互信息只兩個事件集合之間的可能性的關(guān)系，在本實施例中是通過計算用戶ID (用戶標(biāo)識)與COOKIE值之間的對應(yīng)關(guān)系來衡量這個COOKIE字段是否為有效字段。信息增益是非對稱的關(guān)系，用來度量兩種概率分布的差異，即通過用戶ID的比值以及COOKIE對應(yīng)的比值設(shè)定不同的閾值來判斷。也即，可以從多個維度計算概率來確定每個用戶訪問網(wǎng)站的唯一標(biāo)識用戶身份的cookie字段。
步驟S212 :服務(wù)器建立獲取的COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)對應(yīng)關(guān)系識別用戶。
優(yōu)選地，若用于標(biāo)識用戶的COOKIE字段包括多個COOKIE字段的值，則在多個 COOKIE字段的值之間進行關(guān)聯(lián)；根據(jù)關(guān)聯(lián)和COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系識別用戶。 如，假設(shè)唯一標(biāo)識用戶的COOKIE字段中既有用戶的郵箱又有用戶的個人賬號，那么，可以建立該用戶的郵箱和個人賬號的關(guān)聯(lián)關(guān)系，也即對應(yīng)關(guān)系，則用戶可以通過郵箱來獲得用戶標(biāo)識，也可以通過個人賬號獲得用戶標(biāo)識，當(dāng)然也可以通過郵箱和個人賬號的結(jié)合獲得用戶標(biāo)識。
需要說明的是，在某些情況下兩個或兩個以上的網(wǎng)站存在關(guān)聯(lián)關(guān)系，如淘寶和天貓，這些網(wǎng)站之間有可能使用相同的COOKIE標(biāo)示用戶，則本實施例的方案還可以包括根據(jù)獲取的報文，獲取COOKIE名相同的兩個網(wǎng)站的網(wǎng)站訪問信息，其中，網(wǎng)站訪問信息包括 兩個網(wǎng)站的COOKIE字段、COOKIE字段的值、兩個網(wǎng)站的域名、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客比例；按照用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或用戶標(biāo)識不同的獨立訪客比例對兩個網(wǎng)站的訪問信息進行排序；對排序后的訪問信息進行過濾，確定兩個網(wǎng)站是否使用相同的COOKIE字段；若是， 則建立兩個網(wǎng)站的關(guān)聯(lián)，根據(jù)關(guān)聯(lián)和COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系識別用戶。例如， 假設(shè)淘寶和天貓具有相同的COOKIE名，通過獲取這兩個網(wǎng)站的網(wǎng)站訪問信息，對該網(wǎng)站訪問信息進行排序、過濾等處理后，確定這兩個網(wǎng)站使用了相同的COOKIE字段，如使用了相同的COOKIE ID，則建立淘寶和天貓的對應(yīng)關(guān)系，則不管用戶訪問淘寶還是訪問天貓，服務(wù)器都可以根據(jù)訪問報文中的該COOKIE字段，按照相同的用戶標(biāo)識與網(wǎng)站COOKIE的對應(yīng)關(guān)系確定用戶標(biāo)識，進而確定訪問網(wǎng)站的用戶。
通過本實施例，在實現(xiàn)準確識別用戶的基礎(chǔ)上，還對使用相同COOKIE字段標(biāo)識用戶的網(wǎng)站建立關(guān)聯(lián)關(guān)系，在COOKIE字段具有多個值時對多個值建立關(guān)聯(lián)關(guān)系，進一步實現(xiàn)了關(guān)聯(lián)信息的統(tǒng)一組織和管理，提高了用戶識別效率，且節(jié)約了信息占用資源。
實施例三
參照圖3，示出了根據(jù)本發(fā)明實施例三的一種用戶識別方法的步驟流程圖。
本實施例的用戶識別方法包括以下步驟
步驟S302 :獲取網(wǎng)站可以唯一標(biāo)識用戶身份的COOKIE字段。
COOKIE 信息中包含大量的，諸如YYID=D4A741CDC23704C21D8E99150E94F9C4 ；SU ID=96F7B43C26420A0A4EA94973000407AE等沒有標(biāo)注的COOKIE字段信息，這些字段可以作為身份信息來使用。通過本步驟，可以自動化地將這些字段從COOKIE中解析出來，然后來判斷各個網(wǎng)站中哪些COOKIE字段是可以標(biāo)識用戶唯一身份的。
本步驟具體包括
步驟S3022 :獲取一天的原始ptu日志(產(chǎn)生報文的日志)，通過上下線信息，標(biāo)記每一條log (日志)的ADSL ID0
步驟S3024 :從上述日志數(shù)據(jù)當(dāng)中，選取所有單用戶的數(shù)據(jù)。
其中，單用戶是指ADSL ID+UA相同，且在一天內(nèi)的訪問記錄當(dāng)中,baidu cookie、 taobao cookie等幾個主流網(wǎng)站的COOKIE與ADSL ID+UA--對應(yīng)。
步驟S3026 :從單用戶數(shù)據(jù)當(dāng)中，抽取四元組信息{host, userid, cookie字段， cookie字段具體的值}。
其中，host表示用戶訪問的網(wǎng)站的域名；userid表示用戶標(biāo)識,本實施例中為 ADSL ID+UA ;c00kie字段表示用戶訪問的網(wǎng)站的COOKIE字段；c00kie字段具體的值表示用戶訪問的網(wǎng)站的COOKIE字段的值。
步驟S3028 :根據(jù) 四元組信息,統(tǒng)計得到如下數(shù)據(jù){host, host pv, host pv占比， cookie字段,用戶id相同pv次數(shù),用戶id不同pv次數(shù),用戶id不同pv次數(shù)比例,用戶 id相同Uv次數(shù),用戶id不同Uv次數(shù),用戶id不同uv比例}。
其中，host如上所述表示用戶訪問的網(wǎng)站的域名，pv表示頁面瀏覽量，uv表示獨立訪客，用戶id表示用戶標(biāo)識也即userid。
步驟S30210 :根據(jù)上一步所得到的數(shù)據(jù)，對與每一個網(wǎng)站，根據(jù)用戶id不同次數(shù)比例、獨立用戶不相同比例進行排序，然后以host PV閾值過濾，或者互信息或者信息增益來過濾，找到每個host下哪個COOKIE字段是用來標(biāo)識唯一用戶的。
其中，用戶id不同次數(shù)比例以分子/分母的形式表示為分子是在一個網(wǎng)站下的一個cookie字段,一個用戶id對應(yīng)的唯--個cookie值的不同的用戶id的個數(shù)；分母是在該網(wǎng)站下的該cookie字段，所有不同的用戶id的個數(shù)，包括一個用戶id對應(yīng)多個 cookie值的情況。
獨立用戶不相同比例以分子/分母的形式表示為分子是在一個網(wǎng)站下的一個cookie字段,一個cookie值對應(yīng)的唯--個用戶id的cookie值的個數(shù)；分母是在該網(wǎng)站下的該cookie字段,所有不同的cookie值。
從標(biāo)識用戶的COOKIE字段的數(shù)據(jù)當(dāng)中，可以分析出大量的郵箱、賬號等信息。
通過上述過程，可以自動化地找到每個網(wǎng)站可以用來標(biāo)識用戶的COOKIE字段。
步驟S304 :獲取跨網(wǎng)站的用來標(biāo)識唯一用戶的COOKIE字段。
在許多不同網(wǎng)站，比如說很多網(wǎng)站用到了 “BAIDnD= ”相關(guān)的信息，目前除了 BAIDUID,還有諸如taobao、cnzz等一些其他網(wǎng)站的規(guī)則，可以用統(tǒng)計的方法，挖掘出 BAIDUID類似的跨網(wǎng)站標(biāo)識用戶的COOKIE字段。
本步驟具體包括
步驟S3042 :從單用戶數(shù)據(jù)中,抽取如下數(shù)據(jù){cookie字段,cookie字段值,hostl, host2,用戶id相同pv次數(shù),用戶id不同pv次數(shù),用戶id不同pv次數(shù)比例,用戶id相同 uv次數(shù)，用戶id不同uv次數(shù)，用戶id不同uv比例}。
優(yōu)選地，host,如hostl和host2可以使用一級域名，用戶id也即userid。
步驟S3044 :根據(jù)用戶id不同次數(shù)比例、獨立用戶不相同比例進行排序，然后使用host PV閾值過濾，也可以互信息或者信息增益來過濾，統(tǒng)計出·網(wǎng)站之間是否兩兩公用 COOKIE 字段。
步驟S3046 :如果網(wǎng)站之間是否兩兩公用C00KIE字段，則根據(jù)上一步驟的數(shù)據(jù)，進行host合并，將可能出現(xiàn)在多個網(wǎng)站的COOKIE字段找到。得到數(shù)據(jù)表項{cookie字段， cookie 字段值，[hostl, host2......]}。
通過上述過程，可以自動化地找到哪些網(wǎng)站在共同使用同一種COOKIE種植算法， 這些網(wǎng)站之間可以靠這些COOKIE字段進行關(guān)聯(lián)。
步驟S306 建立標(biāo)識用戶的COOKIE字段和用戶標(biāo)識之間的關(guān)聯(lián)。
包括
在同一個COOKIE字段當(dāng)中，可能同時存在兩個或者多個標(biāo)識用戶的標(biāo)識符(如同時存在用戶的郵箱和賬號信息)，可以建立這些標(biāo)識符之間的關(guān)系，進而建立這些標(biāo)識符和用戶標(biāo)識之間的對應(yīng)關(guān)系；
根據(jù)跨網(wǎng)站COOKIE搭橋，建立更多標(biāo)識符之間的映射關(guān)系；如，淘寶的cna cookie字段與tmail以及阿里巴巴的cna字段一致，則可以通過這個相同的cna字段關(guān)聯(lián)這兩個網(wǎng)站下的其他cookie字段；
根據(jù)步驟S302獲得的賬號信息(包括用戶郵箱和登陸賬號信息等一些通用的信息)，建立不同ID (即用戶標(biāo)識userid)、不同COOKIE的關(guān)聯(lián)關(guān)系；
通過refer樹信息，建立不同COOKIE、賬號之間的對應(yīng)關(guān)系。如，根據(jù)用戶訪問網(wǎng)站的跳轉(zhuǎn)關(guān)系建立refer樹，如用戶通過百度搜索跳轉(zhuǎn)到新浪，然后再從新浪跳轉(zhuǎn)到其他網(wǎng)站，進而根據(jù)該refer樹建立不同COOKIE、賬號之間的對應(yīng)關(guān)系。
步驟S308 :根據(jù)建立的COOKIE字段和用戶標(biāo)識之間的關(guān)聯(lián)，識別用戶。
通過本實施例，自動化地將能作為身份信息的COOKIE字段從大量的信息中解析出來，然后分析確定各個網(wǎng)站中哪些COOKIE字段是可以唯一標(biāo)識用戶身份的，建立這些 COOKIE字段和用戶標(biāo)識的對應(yīng)關(guān)系，使用該對應(yīng)關(guān)系來準確識別用戶，解決了現(xiàn)有方案無法準確識別用戶的問題，達到了準確識別用戶的效果。
實施例四
參照圖4，示出了根據(jù)本發(fā)明實施例四的一種用戶識別裝置的結(jié)構(gòu)框圖。
本實施例的用戶識別裝置包括第一獲取模塊402，用于從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE —一對應(yīng)的報文； 第二獲取模塊404，用于從獲取的報文中獲取四元組信息，其中，四元組信息包括用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、用戶標(biāo)識、用戶訪問網(wǎng)站的COOKIE字段、和COOKIE字段的值； 第三獲取模塊406，用于對四元組信息進行統(tǒng)計，獲得每個用戶訪問網(wǎng)站的訪問信息；第四獲取模塊408，用于對每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取每個用戶訪問網(wǎng)站唯一標(biāo)識用戶的COOKIE字段；識別模塊410，用于建立獲取的COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)對應(yīng)關(guān)系識別用戶。
優(yōu)選地，用戶標(biāo)識包括用戶賬號和瀏覽器版本號；用戶訪問網(wǎng)站的訪問信息包括: 用戶訪問網(wǎng)站的域名、域名的頁面瀏覽量、域名的頁面瀏覽量占比、用戶訪問網(wǎng)站的COOKIE 字段、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客比例。
優(yōu)選地，本實施例的用戶識別裝置還包括排序模塊412，用于在第四獲取模塊 408對每個用戶訪問網(wǎng)站的訪問信息進行過濾之前，按照用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或用戶標(biāo)識不同的獨立訪客比例對每個用戶訪問網(wǎng)站的訪問信息進行排序。
優(yōu)選地，第四獲取模塊408，用于使用域名的頁面瀏覽量、或者互信息，或者信息增益，對每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取每個用戶訪問網(wǎng)站標(biāo)識所述單用戶的 COOKIE 字段。
優(yōu)選地，本實 施例的用戶識別裝置還包括第一關(guān)聯(lián)模塊414，用于根據(jù)獲取的報文，獲取COOKIE名相同的兩個網(wǎng)站的網(wǎng)站訪問信息，其中，網(wǎng)站訪問信息包括兩個網(wǎng)站的 COOKIE字段、COOKIE字段的值、兩個網(wǎng)站的域名、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、 用戶標(biāo)識不同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客比例；按照用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或用戶標(biāo)識不同的獨立訪客比例對兩個網(wǎng)站的訪問信息進行排序；對排序后的訪問信息進行過濾，確定兩個網(wǎng)站是否使用相同的COOKIE字段；若是，則建立兩個網(wǎng)站的關(guān)聯(lián)，根據(jù)關(guān)聯(lián)和COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系識別用戶。
優(yōu)選地，本實施例的用戶識別裝置還包括第二關(guān)聯(lián)模塊416，用于若用于標(biāo)識用戶的COOKIE字段包括多個COOKIE字段的值，則在多個COOKIE字段的值之間進行關(guān)聯(lián)；根據(jù)關(guān)聯(lián)和COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系識別用戶。
本實施例的用戶識別裝置用于實現(xiàn)前述多個方法實施例中相應(yīng)的用戶識別方法， 并具有相應(yīng)的方法實施例的有益效果，在此不再贅述。
本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。
以上對本發(fā)明所提供的一種用戶識別方法和裝置進行了詳細介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實 施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。
權(quán)利要求
1.ー種用戶識別方法，其特征在于，包括 從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且所述用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE——對應(yīng)的報文； 從獲取的所述報文中獲取四元組信息，其中，所述四元組信息包括所述用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、所述用戶標(biāo)識、所述用戶訪問網(wǎng)站的COOKIE字段、和所述COOKIE字段的值； 對所述四元組信息進行統(tǒng)計，獲得每個所述用戶訪問網(wǎng)站的訪問信息；· 對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段； 建立獲取的所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)所述對應(yīng)關(guān)系識別所述用戶。
2.根據(jù)權(quán)利要求1所述的方法，其特征在干， 所述用戶標(biāo)識包括用戶賬號和瀏覽器版本號； 所述用戶訪問網(wǎng)站的訪問信息包括 所述用戶訪問網(wǎng)站的域名、所述域名的頁面瀏覽量、所述域名的頁面瀏覽量占比、所述用戶訪問網(wǎng)站的COOKIE字段、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、所述用戶標(biāo)識不同的獨立訪客比例。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾的步驟之前，還包括 按照所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或所述用戶標(biāo)識不同的獨立訪客比例對所述每個用戶訪問網(wǎng)站的訪問信息進行排序。
4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段的步驟包括 使用所述域名的頁面瀏覽量、或者互信息，或者信息増益，對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述單用戶的COOKIE字段。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括 根據(jù)所述獲取的報文，獲取COOKIE名相同的兩個網(wǎng)站的網(wǎng)站訪問信息，其中，所述網(wǎng)站訪問信息包括 所述兩個網(wǎng)站的COOKIE字段、所述COOKIE字段的值、所述兩個網(wǎng)站的域名、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、所述用戶標(biāo)識不同的獨立訪客比例； 按照所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或所述用戶標(biāo)識不同的獨立訪客比例對所述兩個網(wǎng)站的訪問信息進行排序； 對排序后的所述訪問信息進行過濾，確定所述兩個網(wǎng)站是否使用相同的COOKIE字段； 若是，則建立所述兩個網(wǎng)站的關(guān)聯(lián)，根據(jù)所述關(guān)聯(lián)和所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系識別所述用戶。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括若用于標(biāo)識所述用戶的所述COOKIE字段包括多個COOKIE字段的值，則在所述多個COOKIE字段的值之間進行關(guān)聯(lián)； 根據(jù)所述關(guān)聯(lián)和所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系識別所述用戶。
7.ー種用戶識別裝置，其特征在于，包括 第一獲取模塊，用于從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且所述用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE——對應(yīng)的報文； 第二獲取模塊，用于從獲取的所述報文中獲取四元組信息，其中，所述四元組信息包括所述用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、所述用戶標(biāo)識、所述用戶訪問網(wǎng)站的COOKIE字段、和所述COOKIE字段的值； 第三獲取模塊，用于對所述四元組信息進行統(tǒng)計，獲得每個所述用戶訪問網(wǎng)站的訪問信息； 第四獲取模塊，用于對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述用戶的COOKIE字段； 識別模塊，用于建立獲取的所述COOKIE字段與所述用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)所述對應(yīng)關(guān)系識別所述用戶。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在干， 所述用戶標(biāo)識包括用戶賬號和瀏覽器版本號； 所述用戶訪問網(wǎng)站的訪問信息包括所述用戶訪問網(wǎng)站的域名、所述域名的頁面瀏覽量、所述域名的頁面瀏覽量占比、所述用戶訪問網(wǎng)站的COOKIE字段、用戶標(biāo)識相同的頁面瀏覽次數(shù)、用戶標(biāo)識不同的頁面瀏覽次數(shù)、所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例、用戶標(biāo)識相同的獨立訪客次數(shù)、用戶標(biāo)識不同的獨立訪客次數(shù)、所述用戶標(biāo)識不同的獨立訪客比例。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，還包括 排序模塊，用于在所述第四獲取模塊對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾之前，按照所述用戶標(biāo)識不同的頁面瀏覽次數(shù)比例和/或所述用戶標(biāo)識不同的獨立訪客比例對所述每個用戶訪問網(wǎng)站的訪問信息進行排序。
10.根據(jù)權(quán)利要求8或9所述的裝置，其特征在于，所述第四獲取模塊，用于使用所述域名的頁面瀏覽量、或者互信息，或者信息増益，對所述每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取所述每個用戶訪問網(wǎng)站標(biāo)識所述單用戶的COOKIE字段。
全文摘要
本發(fā)明提供了一種用戶識別方法與裝置，其中，用戶識別方法包括從網(wǎng)絡(luò)訪問日志報文中獲取設(shè)定時間段內(nèi)用戶標(biāo)識相同，且用戶標(biāo)識與設(shè)定網(wǎng)站的網(wǎng)站COOKIE一一對應(yīng)的報文；從獲取的報文中獲取四元組信息，其中，四元組信息包括用戶標(biāo)識指示的用戶訪問網(wǎng)站的域名、用戶標(biāo)識、用戶訪問網(wǎng)站的COOKIE字段、和COOKIE字段的值；對四元組信息進行統(tǒng)計，獲得每個用戶訪問網(wǎng)站的訪問信息；對每個用戶訪問網(wǎng)站的訪問信息進行過濾，獲取每個用戶訪問網(wǎng)站標(biāo)識用戶的COOKIE字段；建立獲取的COOKIE字段與用戶標(biāo)識的對應(yīng)關(guān)系，根據(jù)對應(yīng)關(guān)系識別用戶。通過本發(fā)明，達到了準確識別用戶的效果。
文檔編號H04L29/06GK103051637SQ20121059322
公開日2013年4月17日 申請日期2012年12月31日 優(yōu)先權(quán)日2012年12月31日
發(fā)明者羅峰, 黃蘇支, 李娜 申請人:北京億贊普網(wǎng)絡(luò)技術(shù)有限公司