多用户共用设备的场景识别方法和装置的制造方法
【技术领域】
[0001]本发明涉及数据分析技术领域，特别是涉及一种多用户共用设备的场景识别方法和一种多用户共用设备的场景识别装置。
【背景技术】
[0002]目前，数据分析系统可以通过对电子设备上用户的行为进行模型分析，预测出用户可能属于哪一年龄段，然后基于预测结果对该用户投放对应年龄段的广告。
[0003]但是，当这些电子设备多人共用时，用户的行为就变的很复杂。比如，我们获取的用户行为中，一部分30岁左右的女性群体经常会观看《熊出没》，《喜羊羊》等少儿动漫节目，而一些18岁以下的用户的搜索词中会出现“广场舞”等。这些场景下，按照现有的数据分析方法常常无法准确预测出该用户所对应的年龄段，进而降低预测的效果和置信度。这种情况的出现一方面会影响广告投放的效果；另一方面，复杂的用户行为使得模型预测结果的置信度降低，进而会影响广告的投放量。
[0004]因此，目前需要本领域技术人员迫切解决的一个技术问题就是:如何能实现多用户共用设备的场景识别。
【发明内容】
[0005]本发明实施例所要解决的技术问题是提供一种多用户共用设备的场景识别方法，如何能实现多用户共用设备的场景识别。
[0006]相应的，本发明实施例还提供了一种多用户共用设备的场景识别装置，用以保证上述方法的实现及应用。
[0007]为了解决上述问题，本发明公开了一种多用户共用设备的场景识别方法，包括:
[0008]收集用户行为；
[0009]根据所述用户行为构建用户特征向量；
[0010]在预先获得的特征向量组合中，确定所述用户特征向量对应的用户特征向量组合，其中，每个所述特征向量组合中至少包括两个用户年龄段模型对应的特征向量；
[0011]根据特征向量组合与应用场景之间的对应关系，识别所述用户特征向量组合对应的应用场景。
[0012]进一步，所述特征向量组合通过以下方法预先获得:
[0013]收集样本用户行为；
[0014]根据所述样本用户行为构建样本用户特征向量；
[0015]对所述样本用户特征向量进行训练获得所述用户年龄段模型；
[0016]在每个所述用户年龄段模型中，对应提取满足条件的样本用户特征向量；
[0017]将所提取的不同用户年龄段模型对应的样本用户特征向量进行组合，获得所述特征向量组合。
[0018]进一步，所述在每个所述用户年龄段模型中，对应提取满足条件的样本用户特征向量，包括:
[0019]在每个所述用户年龄段模型中，对应提取置信度大于或等于置信度阈值的样本用户特征向量。
[0020]进一步，所述将所提取的不同用户年龄段模型对应的样本用户特征向量进行组合，获得所述特征向量组合，包括:
[0021]统计不同用户年龄段模型对应的样本用户特征向量同时在用户行为中出现的概率;
[0022]选取概率大于或等于概率阈值的不同用户年龄段模型对应的样本用户特征向量的组合，作为所述特征向量组合。
[0023]进一步，所述方法还包括:
[0024]根据识别出的应用场景进行信息推送。
[0025]本发明实施例还公开了一种多用户共用设备的场景识别装置，包括:
[0026]收集单元，用于收集用户行为；
[0027]构建单元，用于根据所述用户行为构建用户特征向量；
[0028]组合确定单元，用于在预先获得的特征向量组合中，确定所述用户特征向量对应的用户特征向量组合，其中，每个所述特征向量组合中至少包括两个用户年龄段模型对应的特征向量；
[0029]场景识别单元，用于根据特征向量组合与应用场景之间的对应关系，识别所述用户特征向量组合对应的应用场景。
[0030]进一步，所述装置还包括:
[0031]组合创建单元，用于获得所述特征向量组合；
[0032]所述组合创建单元包括:
[0033]收集子单元，用于收集样本用户行为；
[0034]构建子单元，用于根据所述样本用户行为构建样本用户特征向量；
[0035]训练子单元，用于对所述样本用户特征向量进行训练获得所述用户年龄段模型；
[0036]提取子单元，用于在每个所述用户年龄段模型中，对应提取满足条件的样本用户特征向量；
[0037]组合子单元，用于将所提取的不同用户年龄段模型对应的样本用户特征向量进行组合，获得所述特征向量组合。
[0038]进一步，所述提取子单元，用于在每个所述用户年龄段模型中，对应提取置信度大于或等于置信度阈值的样本用户特征向量。
[0039]进一步，所述组合子单元包括:
[0040]统计子单元，用于统计不同用户年龄段模型对应的样本用户特征向量同时在用户行为中出现的概率；
[0041]选取子单元，用于选取概率大于或等于概率阈值的不同用户年龄段模型对应的样本用户特征向量的组合，作为所述特征向量组合。
[0042]进一步，所述装置还包括:
[0043]信息推送单元，用于根据识别出的应用场景进行信息推送。
[0044]与现有技术相比，本发明实施例包括以下优点:
[0045]本发明实施例通过预先依据多用户年龄段模型对应的特征向量获得特征向量组合，并预先获得特征向量组合与设备共用的应用场景之间的对应关系，从而可以通过比对用户特征向量与特征向量组合，确定出该用户特征向量对应的特征向量组合，并最终确定对应的应用场景，实现了对多用户共用设备场景的识别。该方法可以根据复杂的用户行为准确预测出对应的应用场景，提高了预测结果的置信度，并提高了广告的投放准确度和投放量。
【附图说明】
[0046]图1是本发明的一种多用户共用设备的场景识别方法实施例的步骤流程图；
[0047]图2是本发明的一种获得特征向量组合的方法实施例的步骤流程图；
[0048]图3是本发明的一种将所提取的不同用户年龄段模型对应的样本用户特征向量进行组合获得特征向量组合的方法实施例的步骤流程图；
[0049]图4是本发明的一种多用户共用设备的场景识别装置实施例的结构框图；
[0050]图5是本发明的另一种多用户共用设备的场景识别装置实施例的结构框图；
[0051]图6是本发明的一种组合创建单元实施例的结构框图；
[0052]图7是本发明的一种组合子单元实施例的结构框图。
【具体实施方式】
[0053]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0054]参照图1，示出了本发明的一种多用户共用设备的场景识别方法实施例的步骤流程图，具体可以包括如下步骤:
[0055]步骤101，收集用户行为。
[0056]本发明实施例中，用于识别多用户共用设备场景的装置(以下简称“该装置”)，可以收集一定时间段内用户的行为，例如收集90天内的用户行为，该用户行为可以包括用户的注册信息、观看视频、搜索词、点击链接和地理位置等。
[0057]步骤102，根据用户行为构建用户特征向量。
[0058]该装置根据用户行为生成该用户的特征向量，该特征向量可以是视频名称，也可以是在用户的注册信息中提取的用户个人信息，还可以是用户浏览网页中的关键词等。
[0059]上述收集用户行为，构建用户特征向量的方法与现有方法类似。
[0060]步骤103，在预先获得的特征向量组合中，确定用户特征向量对应的用户特征向量组合，其中，每个特征向量组合中至少包括两个用户年龄段模型对应的特征向量。
[0061]本实施例中，预先获得多个特征向量组合，该特征向量组合的获得过程可以是首先建立不同用户年龄段模型，然后获取每个用户年龄段模型的特征向量，再将不同用户年龄段模型的特征向量进行组合，从而获得多个特征向量组合，而每一种特征向量组合都对应一个多用户共用设备的应用场景。
[0062]该装置在上步骤确定用户特征向量后，即可查看该用户特征向量属于哪个特征向量组合，具体的，可以计算用户特征向量与各特征向量组合的相似度，相似度达到预设值的特征向量组合即为用户特征向量组合；也可以统计用户特征向量与各特征向量组合中相同特征向量占用户特征向量的比率，比率达到预设值的特征向量组合即为用户特征向量组合；当然还可以有其它方式确定用户特征向量对应的用户特征向量组合。
[0063]步骤104，根据特征向量组合与应用场景之间的对应关系，识别用户特征向量组合对应的应用场景。