[发明专利]用户轨迹识别方法、装置、设备及存储介质

权利要求书

1.一种用户轨迹识别方法，其特征在于，所述用户轨迹识别方法包括：

获取用户在待识别时间段的原始wifi数据和gps信息，其中，所述原始wifi数据包括wifi连接时间、Wifi名称数据、位置指纹和wifiid；

对所述原始wifi数据中的Wifi名称数据进行数据预处理，得到待识别数据；

将所述待识别数据与预设的专家规则词典中的地点单词进行匹配；

若匹配成功，则将所述待识别数据匹配成功的地点单词对应的地点类别作为一次识别结果，得到所述待识别数据的地点类别；

若匹配失败，则将所述一次识别结果设为识别失败，将所述待识别数据输入至预先训练好的wifi识别模型中的词向量层，将所述待识别数据转化成词向量序列，其中，所述Wifi识别模型基于深度神经网络构建；

将所述词向量输入至所述wifi识别模型中的最大池化层，得到最大池化结果；

将所述最大池化结果输入至所述wifi识别模型中的全连接隐藏层，并通过Softmax函数，对所述全连接隐藏层的输出结果进行分类，得到二次识别结果，其中，所述二次识别结果包括所述待识别数据的地点类别；

将所述待识别时间段根据所述原始wifi数据的wifi连接时间进行切片划分，得到至少一段wifi连接时间段；

根据所述待识别时间段中各原始wifi数据与各待识别数据的对应关系，确定各原始wifi数据对应的地点类别；

根据所述原始wifi数据的地点类别和所述原始wifi数据中的wifiid对所述wifi连接时间段进行标注，得到用户位置标注信息；

根据所述位置指纹和所述gps信息，对所述用户进行定位，并结合所述用户位置标注信息生成所述用户的用户轨迹。

2.根据权利要求1所述的用户轨迹识别方法，其特征在于，所述对所述原始wifi数据中的Wifi名称数据进行数据预处理，得到待识别数据包括：

对所述wifi名称数据进行数据清洗处理，得到数据清洗结果；

将所述数据清洗结果中的wifi名称数据进行分词处理，得到wifi分词数组；

将所述wifi分词数组中的停用词进行剔除，得到待识别数据。

3.根据权利要求2所述的用户轨迹识别方法，其特征在于，所述将所述数据清洗结果中的wifi名称数据进行分词处理，得到wifi分词数组包括：

对所述数据清洗结果中的wifi名称数据进行单字切分，得到序列数组；

根据预设的前缀词典，构建所述序列数组的有向无回图，并分别计算所述有向无回图中各路径的概率；

根据所述有向无回图中最大概率对应的路径，得到最优分词结果，并根据所述最优分词结果对所述数据清洗结果中的wifi名称数据进行分词，得到wifi分词数组。

4.根据权利要求1-3中任一项所述的用户轨迹识别方法，其特征在于，所述wifi识别模型通过以下步骤训练得到：

获取历史wifi数据和预设的神经网络模型，并初始化所述神经网络模型中词向量层、最大池化层和全连接隐藏层的网络参数，所述历史wifi数据包括人工标识的地点类别；

将所述历史wifi数据输入所述神经网络模型中，得到预测的地点类别；

根据所述历史wifi数据通过人工标识的地点类别和通过神经网络模型预测的地点类别，计算预设的损失函数，得到损失值，并判断所述损失值是否小于预设阈值；

若是，则根据所述神经网络模型中词向量层、最大池化层和全连接隐藏层的网络参数确定wifi识别模型；

若否，则根据所述损失值通过反向传播算法更新所述神经网络模型的网络参数，反复迭代模型训练过程，直至损失值小于预设阈值，并确定训练后的神经网络模型的中词向量层、最大池化层和全连接隐藏层的网络参数确定wifi识别模型。