用户标识方法及装置的制造方法
【技术领域】
[0001]本公开涉及计算机技术领域，尤其涉及用户标识方法及装置。
【背景技术】
[0002]在终端的各种应用中会使用用户，通常需要对用户进行标识。相关技术中，通常使用无内容含义的代码作为用户标识。例如，对于云端相册的用户，服务器中对各个用户生成一个多位代码，使用该多位代码作为标签来标识用户。相关技术的缺陷在于，用于标识用户的标签与用户自身特征间没有关联，通过用户标签无法获知用户特征。
【发明内容】
[0003]为克服相关技术中存在的问题，本公开实施例提供用户标识方法及装置，用于提高用户标识的智能化。
[0004]根据本公开实施例的第一方面，提供一种用户标识方法，包括:
[0005]预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；
[0006]从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；
[0007]使用所述用户的特征类别的名称对用户进行标识。
[0008]在一实施例中，所述利用分类算法确定用户的相册中各个图片所属类别，可包括:
[0009]根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；
[0010]使用判定模型判定用户的相册中各个图片所属类别。
[0011]在一实施例中，所述根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，所述方法还可包括:
[0012]将预设训练集中样本图片归一化为同一分辨率。
[0013]在一实施例中，所述选择所包含的用户的图片的数量满足预设条件的类别，可包括:
[0014]选择所包含的用户的图片的数量大于预设阈值的类别；或者，
[0015]选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。
[0016]在一实施例中，所述使用用户的特征类别的名称对用户进行标识，可包括:
[0017]当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。
[0018]在一实施例中，所述方法还可包括:识别所述用户的标识，根据所述用户的标识向所述用户推送信息。
[0019]根据本公开实施例的第二方面，提供一种用户标识装置，包括:
[0020]分类模块，用于预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；
[0021]选择模块，用于从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；
[0022]标识模块，用于使用所述用户的特征类别的名称对用户进行标识。
[0023]在一实施例中，所述分类模块，可包括:
[0024]训练子模块，用于根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型；
[0025]判定子模块，用于使用判定模型判定用户的相册中各个图片所属类别。
[0026]在一实施例中，所述装置还可包括:
[0027]归一化模块，用于在所述训练子模块根据所述分类算法使用预设训练集中样本图片进行分类训练，得到判定模型之前，将预设训练集中样本图片归一化为同一分辨率。
[0028]在一实施例中，所述选择模块，可包括:
[0029]第一选择子模块，用于选择所包含的用户的图片的数量大于预设阈值的类别；或者，
[0030]第二选择子模块，用于选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。
[0031 ] 在一实施例中，所述标识模块，可包括:
[0032]标识子模块，用于当特征类别为多个时，将各个特征类别的名称组合成标签，使用所述标签标识用户。
[0033]在一实施例中，所述装置还可包括:
[0034]推送模块，用于识别所述用户的标识，根据所述用户的标识向所述用户推送信息。
[0035]根据本公开实施例的第三方面，提供一种用户标识装置，包括:
[0036]处理器；
[0037]用于存储处理器可执行指令的存储器；
[0038]其中，所述处理器被配置为:
[0039]预先设定多个图片的类别，利用分类算法确定用户的相册中各个图片所属类别；
[0040]从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别；
[0041]使用所述用户的特征类别的名称对用户进行标识。
[0042]本公开的实施例提供的技术方案可以包括以下有益效果:本公开中对用户的相册中图片进行分类，根据相册中图片所属类别对用户进行标识，如此，能够根据相册中图片得出用户特征，使用图片所属类别标识用户，增加用户标识与用户特征间关联，通过用户标识便可直观获得用户特征，提高了用户标识的智能化。
[0043]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【附图说明】
[0044]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0045]图1是根据一示例性实施例示出的用户标识方法的流程图。
[0046]图2是根据一示例性实施例示出的用户标识方法的流程图。
[0047]图3是根据一示例性实施例示出的一种用户标识装置的框图。
[0048]图4是根据一示例性实施例示出的另一种用户标识装置的框图。
[0049]图5是根据一示例性实施例示出的另一种用户标识装置的框图。
[0050]图6是根据一示例性实施例示出的另一种用户标识装置的框图。
[0051]图7是根据一示例性实施例示出的一种适用于用户标识装置的框图。
【具体实施方式】
[0052]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0053]图1是根据一示例性实施例示出的一种用户标识方法的流程图。如图1所示，该用户标识方法用于各种设备如服务器、个人电脑、手机和平板电脑中，包括以下步骤S101-S103:
[0054]在步骤SlOl中，预先设定多个图片的类别，利用分类算法确定相册中各个图片所属类别。
[0055]举例而言，预设多个图片的类别，例如，美食家、骑行者、聚会爱好者、风景旅游者、夜店狂。对于用户的相册中每个图片，利用分类算法确定该图片属于预设的类别中的哪个类别。
[0056]在一实施例中，上述利用分类算法确定相册中各个图片所属类别可包括如下步骤A1-A2:
[0057]在步骤Al中，根据分类算法使用预设训练集中样本图片进行分类训练，得到判定模型。
[0058]在步骤A2中，使用判定模型判定用户的相册中各个图片所属类别。
[0059]在一实施例中，步骤Al前还可包括:将预设训练集中样本图片归一化为同一分辨率。
[0060]举例而言，针对预设的多个图片的类别，预设训练集中样本图片，训练集中包含属于各个类型的样本图片，训练集中样本图片的数量可以为10万至100万张。将训练集中图片的分辨率进行归一化，例如，将各个图片的分辨率归一化为300XN，N为预设整数值。根据分类算法，例如SVM(支持向量机，Support Vector Machine)算法或深度学习算法，使用预设训练集中样本图片进行分类训练，得到判定模型。使用判定模型判定用户的相册中各个图片所属类别。
[0061 ] 在步骤S102中，从各个类别中，选择所包含的用户的图片的数量满足预设条件的类别，作为用户的特征类别。
[0062]在一实施例中，上述选择所包含的用户的图片的数量满足预设条件的类别可包括:选择所包含的用户的图片的数量大于预设阈值的类别。
[0063]举例而言，针对预设的类别，美食家、骑行者、聚会爱好者、风景旅游者、夜店狂，选择所包含的用户的图片的数量大于100张的类别作为用户的特征类别。例如，类别夜店狂中所包含的用户的图片的数量大于100张，则选择类别夜店狂作为用户的特征类别。
[0064]在一实施例中，上述选择所包含的用户的图片的数量满足预设条件的类别可包括:选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于预设百分比的类别。
[0065]举例而言，针对预设的类别，美食家、骑行者、聚会爱好者、风景旅游者、夜店狂，选择所包含的用户的图片的数量与用户的相册中图片总量的比值大于5%的类别作为用户的特征类别。例如，类别美食家中包含的用户的图片的数量与用户相册中图片总量比值大于5 %，则选择类别美食家作为用户的特征类别。
[0066]对于类别的选择，不限于上述实施例中选择方式，还可以使用其他方式选择类别。
[0067]在步骤S103中，使用用户的特征类别的名称对用户进行标识。
[0068]在一实施例中，步骤S103可包括:当特征类别为多个时，将各个特征类别的名称组合成标签，使用标签标识用户。
[0069]举例而言，用户的特