[发明专利]一种支持用户私有IP发现的跨屏追踪方法

摘要

本发明提供一种支持用户私有IP发现的跨屏追踪方法，涉及数据质量和数据集成技术领域。该方法首先基于半监督学习的迭代式方法计算数据集中所有IP的用户私有IP概率；并基于用户私有IP概率生成候选集；计算候选集中候选对上的各属性的TF‑IDF相似度和关联相似度以及IP属性上的PIPSim相似度，得到候选对的属性相似度向量；利用GBRT模型预测候选对的相似度；最后基于得到的相似度生成相似度图，使用图聚类算法进行用户聚类。本发明提供的支持用户私有IP发现的跨屏追踪方法，综合考虑了设备、Cookie和已知用户之间的用户识别，相比于其他的跨屏追踪方法，在准确率、召回率以及F‑0.5值上都有较大幅度的提升。

主权项

1.一种支持用户私有IP发现的跨屏追踪方法，其特征在于：包括以下步骤：步骤1、构建训练数据集和测试数据集；选取服务器日志中已知用户的记录集合作为训练数据集，其余记录集合作为测试数据集；步骤2、采用半监督学习的方式，计算训练数据集和测试数据集中所有IP为用户私有IP的概率；步骤3、生成候选集，提高跨屏追踪的处理效率；步骤4、计算候选集的属性相似度；针对每个候选对的属性，计算属性相似度，得到候选对的属性相似度向量；对于候选对，分别对日志中的各个属性计算词频‑逆文本词频(term frequency‑inverse document frequency，即TF‑IDF)的相似度以及关联度相似度，同时计算IP属性的PIPSim相似度，构成多维的相似度向量；步骤5、对步骤4得到的属性相似度向量进行聚合，得到候选对的相似度；步骤6、使用图聚类算法对设备和Cookie进行聚类，每一个类簇中的设备和Cookie属于同一用户。