本申請(qǐng)涉及但不限于數(shù)據(jù)分析領(lǐng)域，尤指一種數(shù)據(jù)處理方法和裝置。
背景技術(shù)：
隨著智能電視領(lǐng)域技術(shù)的日益漸進(jìn)，電視設(shè)備也從傳統(tǒng)電視變?yōu)槿缃窬邆洳僮飨到y(tǒng)、具有平臺(tái)特性的智能電視，智能電視逐漸成為每個(gè)家庭必備的娛樂(lè)設(shè)備。智能電視允許用戶(hù)在欣賞普通電視節(jié)目的同時(shí)，自行安裝和卸載各類(lèi)應(yīng)用軟件以對(duì)其功能進(jìn)行擴(kuò)充，并具備通過(guò)網(wǎng)絡(luò)回傳用戶(hù)數(shù)據(jù)的功能。
如今，隨著多樣化的網(wǎng)民屬性估算技術(shù)的日趨成熟，家庭人口屬性估算成為當(dāng)務(wù)之急。準(zhǔn)確的定位一個(gè)家庭的組成情況對(duì)于媒體的精準(zhǔn)投放，廣告主的商業(yè)營(yíng)銷(xiāo)方向，政府的監(jiān)管及人口統(tǒng)計(jì)，人口大數(shù)據(jù)的分析有著至關(guān)重要的意義。而現(xiàn)有對(duì)家庭人口屬性統(tǒng)計(jì)的方法仍然停留在人工走訪(fǎng)調(diào)研的水平，此種做法費(fèi)時(shí)費(fèi)力，同時(shí)統(tǒng)計(jì)期限漫長(zhǎng)。
技術(shù)實(shí)現(xiàn)要素：
本申請(qǐng)?zhí)峁┝艘环N數(shù)據(jù)處理方法和裝置，能夠更加快速、便捷的獲知家庭的組成構(gòu)架。
為了達(dá)到本申請(qǐng)目的，本申請(qǐng)?zhí)峁┝艘环N數(shù)據(jù)處理方法，包括：
收集預(yù)設(shè)時(shí)間段內(nèi)的智能設(shè)備的行為數(shù)據(jù)并按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端身份標(biāo)識(shí)id；
統(tǒng)計(jì)在該預(yù)設(shè)時(shí)間段內(nèi)，與智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量；
分別計(jì)算終端id的上網(wǎng)行為向量與各個(gè)樣本的上網(wǎng)行為向量之間的第一相似度；
根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別。
進(jìn)一步地，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上時(shí)，在所述統(tǒng)計(jì)所述與智能設(shè)備關(guān)聯(lián)的終端id的上網(wǎng)行為向量之后，在所述計(jì)算所述第一相似度之前，該方法還包括：
根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)與所述智能設(shè)備關(guān)聯(lián)的兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)。
進(jìn)一步地，所述根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)與所述智能設(shè)備關(guān)聯(lián)的兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)包括：
分別計(jì)算與所述智能設(shè)備關(guān)聯(lián)的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度；
判斷計(jì)算出的第二相似度中是否存在大于或等于相似度閾值的第二相似度；
當(dāng)判斷出計(jì)算出的第二相似度中存在大于或等于相似度閾值的第二相似度時(shí)，將大于或等于相似度閾值的第二相似度中最大的第二相似度對(duì)應(yīng)的兩個(gè)終端id分為相同類(lèi)并計(jì)算分為相同類(lèi)的終端id的上網(wǎng)行為向量；
計(jì)算分類(lèi)后的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度，直到計(jì)算出的第二相似度中不存在大于或等于相似度閾值的第二相似度。
進(jìn)一步地，所述計(jì)算分為相同類(lèi)的終端id的上網(wǎng)行為向量包括：計(jì)算分為相同類(lèi)的所述兩個(gè)終端id的上網(wǎng)行為向量的向量和值作為所述分為相同類(lèi)的兩個(gè)終端id的上網(wǎng)行為向量。
進(jìn)一步地，該方法之前還包括：收集并對(duì)應(yīng)存儲(chǔ)所述各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息。
進(jìn)一步地，所述根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別包括：
分別確定各個(gè)分類(lèi)后的終端id的所述第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的所述各個(gè)樣本的上網(wǎng)行為向量以及所述各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為所述分類(lèi)后的該終端id的身份類(lèi)別。
進(jìn)一步地，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是一個(gè)時(shí)，所述根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別包括：
確定所述終端id的所述第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的所述各個(gè)樣本的上網(wǎng)行為向量以及所述各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為所述終端id的身份類(lèi)別。
本申請(qǐng)還提供了一種數(shù)據(jù)處理裝置，包括：確定模塊、統(tǒng)計(jì)模塊、計(jì)算模塊和分類(lèi)模塊
確定模塊，用于收集預(yù)設(shè)時(shí)間段內(nèi)的智能設(shè)備的行為數(shù)據(jù)并按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端身份標(biāo)識(shí)id；
統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)在該預(yù)設(shè)時(shí)間段內(nèi)，與智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量；
計(jì)算模塊，用于分別計(jì)算終端id的上網(wǎng)行為向量與各個(gè)樣本的上網(wǎng)行為向量之間的第一相似度；
分類(lèi)模塊，用于根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別。
進(jìn)一步地，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上時(shí)，該裝置還包括處理模塊，用于：根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)與所述智能設(shè)備關(guān)聯(lián)的兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)。
進(jìn)一步地，所述處理模塊，具體用于：
分別計(jì)算與所述智能設(shè)備關(guān)聯(lián)的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度；
判斷計(jì)算出的第二相似度中是否存在大于或等于相似度閾值的第二相似度；
當(dāng)判斷出計(jì)算出的第二相似度中存在大于或等于相似度閾值的第二相似度時(shí)，將大于或等于相似度閾值的第二相似度中最大的第二相似度對(duì)應(yīng)的兩個(gè)終端id分為相同類(lèi)并計(jì)算分類(lèi)后的終端id的上網(wǎng)行為向量；
計(jì)算分類(lèi)后的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度，直到計(jì)算出的第二相似度中不存在大于或等于相似度閾值的第二相似度。
進(jìn)一步地，所述處理模塊計(jì)算分類(lèi)后的終端id的上網(wǎng)行為向量包括：計(jì)算分為相同類(lèi)的所述兩個(gè)終端id的上網(wǎng)行為向量的向量和值作為所述分為相同類(lèi)的兩個(gè)終端id的上網(wǎng)行為向量。
進(jìn)一步地，該裝置還包括存儲(chǔ)模塊，用于：收集并對(duì)應(yīng)存儲(chǔ)所述各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息。
進(jìn)一步地，所述分類(lèi)模塊，具體用于：
分別確定各個(gè)分類(lèi)后的終端id的所述第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的所述各個(gè)樣本的上網(wǎng)行為向量以及所述各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為所述分類(lèi)后的該終端id的身份類(lèi)別。
進(jìn)一步地，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是一個(gè)時(shí)，所述分類(lèi)模塊，具體用于：
確定所述終端id的所述第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的所述各個(gè)樣本的上網(wǎng)行為向量以及所述各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為所述終端id的身份類(lèi)別。
本申請(qǐng)技術(shù)方案包括：收集預(yù)設(shè)時(shí)間段內(nèi)的智能設(shè)備的行為數(shù)據(jù)并按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端身份標(biāo)識(shí)id；統(tǒng)計(jì)在該預(yù)設(shè)時(shí)間段內(nèi)，與智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量；分別計(jì)算終端id的上網(wǎng)行為向量與各個(gè)樣本的上網(wǎng)行為向量之間的第一相似度；根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別。本申請(qǐng)技術(shù)方案實(shí)現(xiàn)了更加快速、便捷的獲知家庭的組成構(gòu)架。
附圖說(shuō)明
此處所說(shuō)明的附圖用來(lái)提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申請(qǐng)的示意性實(shí)施例及其說(shuō)明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中：
圖1為本發(fā)明實(shí)施例數(shù)據(jù)處理方法的流程圖；
圖2為本發(fā)明實(shí)施例數(shù)據(jù)處理裝置的結(jié)構(gòu)示意圖。
具體實(shí)施方式
下文中將結(jié)合附圖對(duì)本申請(qǐng)實(shí)施例進(jìn)行詳細(xì)說(shuō)明。需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互任意組合。
發(fā)明人發(fā)現(xiàn)，智能電視不同于移動(dòng)終端設(shè)備，由于絕大多數(shù)家庭都會(huì)使用智能電視且其具備不可移動(dòng)性，因此，在一定程度上一臺(tái)智能電視可以代表一戶(hù)家庭，因此可以通過(guò)智能電視和與其關(guān)聯(lián)的其它終端設(shè)備來(lái)確定家庭的組成構(gòu)架(即家庭人口屬性)。
圖1為本發(fā)明實(shí)施例數(shù)據(jù)處理方法的流程圖，如圖1所示，包括：
步驟101：收集預(yù)設(shè)時(shí)間段內(nèi)的智能設(shè)備的行為數(shù)據(jù)并按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端身份標(biāo)識(shí)(id)。
其中，智能設(shè)備是智能電視；終端包括：手機(jī)、pad、筆記本電腦等。
其中，智能設(shè)備的行為數(shù)據(jù)包括：智能設(shè)備的ip地址、智能卡id、開(kāi)機(jī)時(shí)間和關(guān)機(jī)時(shí)間。
其中，預(yù)設(shè)時(shí)間段可以為一個(gè)默認(rèn)值，如為一個(gè)月，也可以為15天；也可以由管理員根據(jù)自身需求進(jìn)行設(shè)定。
其中，按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端id包括：在該智能設(shè)備的開(kāi)機(jī)時(shí)間到關(guān)機(jī)時(shí)間內(nèi)查找與智能設(shè)備的ip地址相同的終端id并記錄查找到的次數(shù)；
獲取大于或等于預(yù)設(shè)次數(shù)閾值的查找到的次數(shù)對(duì)應(yīng)的與智能設(shè)備的ip地址相同的終端id；
關(guān)聯(lián)智能卡id與獲得的終端id。
其中，預(yù)設(shè)次數(shù)閾值可以為一個(gè)默認(rèn)值，如為5，也可以為3天；也可以由管理員根據(jù)自身需求進(jìn)行設(shè)定。
步驟102：統(tǒng)計(jì)在該預(yù)設(shè)時(shí)間段內(nèi)，與智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量。
步驟102具體包括：
獲取在該預(yù)設(shè)時(shí)間段內(nèi)關(guān)聯(lián)的終端id的上網(wǎng)行為數(shù)據(jù)；
根據(jù)獲得的上網(wǎng)行為數(shù)據(jù)統(tǒng)計(jì)與該智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量。其中，上網(wǎng)行為數(shù)據(jù)包括：終端id、訪(fǎng)問(wèn)網(wǎng)址和訪(fǎng)問(wèn)時(shí)間。
其中，上網(wǎng)行為向量包括終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的次數(shù)。需要說(shuō)明的是上網(wǎng)行為向量的維度與預(yù)設(shè)網(wǎng)站的個(gè)數(shù)相等。
步驟103：分別計(jì)算終端id的上網(wǎng)行為向量與各個(gè)樣本的上網(wǎng)行為向量之間的第一相似度。
其中，按照公式(1)計(jì)算第一相似度：
其中，用戶(hù)a(即終端id可以看成a)的上網(wǎng)行為向量為(a1,...,an)，樣本b的上網(wǎng)行為向量為(b1,...,bn)。
進(jìn)一步地，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上時(shí)，在步驟102之后，在步驟103之前，該方法還包括：
根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)與智能設(shè)備關(guān)聯(lián)的兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)。
其中，根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)與智能設(shè)備關(guān)聯(lián)的兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)包括：
分別計(jì)算與智能設(shè)備關(guān)聯(lián)的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度；
判斷計(jì)算出的第二相似度中是否存在大于或等于相似度閾值的第二相似度；
當(dāng)判斷出計(jì)算出的第二相似度中存在大于或等于相似度閾值的第二相似度時(shí)，將大于或等于相似度閾值的第二相似度中最大的第二相似度對(duì)應(yīng)的兩個(gè)終端id分為相同類(lèi)并計(jì)算分為相同類(lèi)的終端id的上網(wǎng)行為向量；
計(jì)算分類(lèi)后的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度，直到計(jì)算出的第二相似度中不存在大于或等于相似度閾值的第二相似度。
其中，按照公式(2)計(jì)算任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二
相似度：
其中，id1和id2分別為終端1的id和終端2的id，d1的上網(wǎng)行為向量為(f1,...,fn)，id2的上網(wǎng)行為向量為(y1,...,yn)。
其中，相似度閾值可以為一個(gè)默認(rèn)值，如為0.8，也可以為0.6；也可以由管理員根據(jù)自身需求進(jìn)行設(shè)定。
其中，計(jì)算分為相同類(lèi)的終端id的上網(wǎng)行為向量包括：計(jì)算分為相同類(lèi)的兩個(gè)終端id的上網(wǎng)行為向量的向量和值作為分為相同類(lèi)的兩個(gè)終端id的上網(wǎng)行為向量。
舉例說(shuō)明，假設(shè)分為相同類(lèi)的兩個(gè)終端id分別為終端id1和終端id2，其中，終端id1的上網(wǎng)行為向量為(f1,...,fn)，終端id2的上網(wǎng)行為向量為(y1,...,yn)，則分為相同類(lèi)的終端id1和終端id2可以合并成一個(gè)終端id，其中合并后的終端id可以在終端id1和終端id2中任選一個(gè)，也可以定義一個(gè)新的id，則其上網(wǎng)行為向量為(f1+y1,...,fn+yn)；具體的終端id1的上網(wǎng)行為向量為(6，9，10，20，0，0…，0)，終端id2的上網(wǎng)行為向量為(4，7，12，19，0，0…，0)，則合并后的終端id的上網(wǎng)行為向量為(6，9，10，20，0，0…，0)+(4，7，12，19，0，0…，0)＝(10，16，22，39，0，0…，0)。
步驟104：根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別。
其中，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上時(shí)，步驟104具體包括：
分別確定各個(gè)分類(lèi)后的終端id的第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為分類(lèi)后的該終端id的身份類(lèi)別。
其中，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是一個(gè)時(shí)，步驟104具體包括：確定終端id的第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為終端id的身份類(lèi)別。
進(jìn)一步地，當(dāng)最大第一相似度有兩個(gè)或兩個(gè)以上時(shí)，確定終端id的第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量包括：選擇兩個(gè)或兩個(gè)以上最大第一相似度中的任意一個(gè)最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量作為確定出的樣本的上網(wǎng)行為向量。
進(jìn)一步地，該方法之前還包括：收集并對(duì)應(yīng)存儲(chǔ)各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息。
其中，樣本的屬性信息包括：年齡、性別、受教育程度和收入等。
本發(fā)明實(shí)施例中，通過(guò)計(jì)算與智能設(shè)備關(guān)聯(lián)的終端id的上網(wǎng)行為向量與各個(gè)樣本的上網(wǎng)行為向量的第一相似度來(lái)確定終端id的身份類(lèi)別，實(shí)現(xiàn)了更加快速、便捷的獲知家庭的組成構(gòu)架。
下面結(jié)合具體實(shí)施例對(duì)本申請(qǐng)技術(shù)方案進(jìn)行詳細(xì)描述，本實(shí)施例中，以與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上為例進(jìn)行的闡述。
步驟一：選取1000個(gè)樣本進(jìn)行處理整合。
包括以下內(nèi)容：每個(gè)人的年齡、性別、受教育程度、收入等屬性以及使用的電子設(shè)備(或稱(chēng)為終端)id。
步驟二：收集最近一個(gè)月內(nèi)的智能電視的收視行為數(shù)據(jù)(或稱(chēng)為行為數(shù)據(jù))以及手機(jī)和個(gè)人電腦等電子設(shè)備id的上網(wǎng)行為數(shù)據(jù)。
其中，智能電視的收視行為數(shù)據(jù)包括智能電視設(shè)備id，開(kāi)機(jī)時(shí)間，關(guān)機(jī)時(shí)間，ip地址等。電子設(shè)備id的上網(wǎng)行為數(shù)據(jù)包括電子設(shè)備id，訪(fǎng)問(wèn)時(shí)間，訪(fǎng)問(wèn)網(wǎng)址等。
其中，假設(shè)判斷智能電視設(shè)備id與電子設(shè)備id關(guān)聯(lián)次數(shù)的閾值為5次，進(jìn)行id合并的相似度閾值為0.8.假設(shè)收集到下面的智能電視日志和手機(jī)和電腦等電子設(shè)備日志。
智能電視日志
2015-09-01-18-00-01，tvid1,162.105.20.10，開(kāi)機(jī)
2015-09-01-20-00-05，tvid1,162.105.20.10，關(guān)機(jī)
2015-09-02-19-10-04，tvid1,162.105.20.12，開(kāi)機(jī)
2015-09-02-22-00-01，tvid1,162.105.20.12，關(guān)機(jī)
……
電子設(shè)備上網(wǎng)日志
2015-09-01-18-20-11，id1,162.105.20.10，www.youku.com
2015-09-01-18-30-11,id1,162.105.20.10，www.sina.com
2015-09-02-20-20-13，id2,162.105.20.12，www.163.com
2015-09-02-21-10-15，id2,162.105.20.12，www.iqiyi.com
……
統(tǒng)計(jì)得到智能電視tvid1關(guān)聯(lián)的所有設(shè)備id包括id1，id2，id3，id4，id5，關(guān)聯(lián)次數(shù)依次為10，3，15，18，2。假設(shè)過(guò)濾閾值為5，則智能電視tvid1關(guān)聯(lián)的設(shè)備id包括id1，id3，id4，假設(shè)id1，id3，id4的上網(wǎng)行為向量依次為：
id1，(3,4,5,0….,0)
id3，(3,4,4,0….,0)
id4，(0,0,10,0….,0)
步驟三：根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)合并。
根據(jù)公式(1)或公式(2)計(jì)算id1，id3，id4兩兩之間的相似度為：sim(id1,id3)＝0.99，sim(id1,id4)＝0.71，sim(id3,id4)＝0.62。
由于id1和id3的相似度最大并且大于閾值0.8，將id1和id3合并，id簇{id1，id3}的上網(wǎng)行為向量為(6，8，9，0，…，0)，重新計(jì)算{id1，id3}與id4的相似度為：sim({id1,id3},id4)＝0.67。
由于，目前所有的相似度均小于0.8，因此id合并結(jié)束。
步驟四：確定各個(gè)分類(lèi)合并后的終端id的身份類(lèi)別。
假設(shè)所有樣本的上網(wǎng)行為向量依次是：
y1，(6,8,8,0,…,0)
y2，(0,0,9,0,…,0)
……
計(jì)算{id1,id3}與每個(gè)樣本戶(hù)的相似度為：
假設(shè){id1,id3}與其他998個(gè)樣本的相似度分別為0.90，0.88，…，0.2；則{id1,id3}與y1的相似度最高，將{id1,id3}歸為y1類(lèi)，假設(shè)y1是30歲的男性，則{id1,id3}標(biāo)記為30歲的男性。類(lèi)似可計(jì)算id4與所有樣本的相似度，假設(shè)id4與y2的相似度最高，y2是28歲的女性，則id4標(biāo)記為28歲的女性。由此推斷出使用tvid1這個(gè)電視的家庭有兩個(gè)人，分別是30歲的男性，28歲的女性。
圖2為本發(fā)明實(shí)施例數(shù)據(jù)處理裝置的結(jié)構(gòu)示意圖，如圖2所示，包括：確定模塊、統(tǒng)計(jì)模塊、計(jì)算模塊和分類(lèi)模塊。其中，
確定模塊，用于收集預(yù)設(shè)時(shí)間段內(nèi)的智能設(shè)備的行為數(shù)據(jù)并按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端身份標(biāo)識(shí)(id)。
其中，智能設(shè)備的行為數(shù)據(jù)包括：智能設(shè)備的ip地址、智能卡id、開(kāi)機(jī)時(shí)間和關(guān)機(jī)時(shí)間。
其中，預(yù)設(shè)時(shí)間段可以為一個(gè)默認(rèn)值，如為一個(gè)月，也可以為15天；也可以由管理員根據(jù)自身需求進(jìn)行設(shè)定。
其中，確定模塊按照收集的行為數(shù)據(jù)確定與該智能設(shè)備關(guān)聯(lián)的終端id包括：在該智能設(shè)備的開(kāi)機(jī)時(shí)間到關(guān)機(jī)時(shí)間內(nèi)查找與智能設(shè)備的ip地址相同的終端id并記錄查找到的次數(shù)；
獲取大于或等于預(yù)設(shè)次數(shù)閾值的查找到的次數(shù)對(duì)應(yīng)的與智能設(shè)備的ip地址相同的終端id；
關(guān)聯(lián)智能卡id與獲得的終端id。
其中，預(yù)設(shè)次數(shù)閾值可以為一個(gè)默認(rèn)值，如為5，也可以為3天；也可以由管理員根據(jù)自身需求進(jìn)行設(shè)定。
統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)在該預(yù)設(shè)時(shí)間段內(nèi)，與智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量。
其中，統(tǒng)計(jì)模塊，具體用于：獲取在該預(yù)設(shè)時(shí)間段內(nèi)關(guān)聯(lián)的終端id的上網(wǎng)行為數(shù)據(jù)；
根據(jù)獲得的上網(wǎng)行為數(shù)據(jù)統(tǒng)計(jì)與該智能設(shè)備關(guān)聯(lián)的終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的上網(wǎng)行為向量。其中，上網(wǎng)行為數(shù)據(jù)包括：終端id、訪(fǎng)問(wèn)網(wǎng)址和訪(fǎng)問(wèn)時(shí)間。
其中，上網(wǎng)行為向量包括終端id訪(fǎng)問(wèn)各個(gè)預(yù)設(shè)網(wǎng)站的次數(shù)。需要說(shuō)明的是上網(wǎng)行為向量的維度與預(yù)設(shè)網(wǎng)站的個(gè)數(shù)相等。
計(jì)算模塊，用于分別計(jì)算終端id的上網(wǎng)行為向量與各個(gè)樣本的上網(wǎng)行為向量之間的第一相似度。
其中，計(jì)算模塊按照公式(1)計(jì)算第一相似度：
其中，用戶(hù)a(即終端id可以看成a)的上網(wǎng)行為向量為(a1,...,an)，樣本b的上網(wǎng)行為向量為(b1,...,bn)。
分類(lèi)模塊，用于根據(jù)計(jì)算出的第一相似度確定終端id的身份類(lèi)別。
其中，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上時(shí)，分類(lèi)模塊，具體用于：
分別確定各個(gè)分類(lèi)后的終端id的第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為分類(lèi)后的該終端id的身份類(lèi)別。
其中，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是一個(gè)時(shí)，分類(lèi)模塊，具體用于：
確定終端id的第一相似度中的最大第一相似度對(duì)應(yīng)的樣本的上網(wǎng)行為向量；
在對(duì)應(yīng)存儲(chǔ)的各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息中查找與確定出的樣本的上網(wǎng)行為向量對(duì)應(yīng)的樣本的屬性信息；
將查找到的樣本的屬性信息作為終端id的身份類(lèi)別。
進(jìn)一步地，當(dāng)與該智能設(shè)備關(guān)聯(lián)的終端id是兩個(gè)或者兩個(gè)以上時(shí)，該裝置還包括處理模塊，用于：根據(jù)統(tǒng)計(jì)出的上網(wǎng)行為向量對(duì)與智能設(shè)備關(guān)聯(lián)的兩個(gè)或兩個(gè)以上的終端id進(jìn)行分類(lèi)。
其中，處理模塊，具體用于：
分別計(jì)算與智能設(shè)備關(guān)聯(lián)的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度；
判斷計(jì)算出的第二相似度中是否存在大于或等于相似度閾值的第二相似度；
當(dāng)判斷出計(jì)算出的第二相似度中存在大于或等于相似度閾值的第二相似度時(shí)，將大于或等于相似度閾值的第二相似度中最大的第二相似度對(duì)應(yīng)的兩個(gè)終端id分為相同類(lèi)并計(jì)算分類(lèi)后的終端id的上網(wǎng)行為向量；
計(jì)算分類(lèi)后的終端id中任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度，直到計(jì)算出的第二相似度中不存在大于或等于相似度閾值的第二相似度。
其中，處理模塊按照公式(2)計(jì)算任意兩個(gè)終端id的上網(wǎng)行為向量之間的第二相似度：
其中，id1和id2分別為終端1的id和終端2的id，d1的上網(wǎng)行為向量為(f1,...,fn)，id2的上網(wǎng)行為向量為(y1,...,yn)。
其中，相似度閾值可以為一個(gè)默認(rèn)值，如為0.8，也可以為0.6；也可以由管理員根據(jù)自身需求進(jìn)行設(shè)定。
其中，處理模塊計(jì)算分類(lèi)后的終端id的上網(wǎng)行為向量包括：計(jì)算分為相同類(lèi)的兩個(gè)終端id的上網(wǎng)行為向量的向量和值作為分為相同類(lèi)的兩個(gè)終端id的上網(wǎng)行為向量。
舉例說(shuō)明，假設(shè)分為相同類(lèi)的兩個(gè)終端id分別為終端id1和終端id2，其中，終端id1的上網(wǎng)行為向量為(f1,...,fn)，終端id2的上網(wǎng)行為向量為(y1,...,yn)，則分為相同類(lèi)的終端id1和終端id2可以合并成一個(gè)終端id，其中合并后的終端id可以在終端id1和終端id2中任選一個(gè)，也可以定義一個(gè)新的id，則其上網(wǎng)行為向量為(f1+y1,...,fn+yn)；具體的終端id1的上網(wǎng)行為向量為(6，9，10，20，0，0…，0)，終端id2的上網(wǎng)行為向量為(4，7，12，19，0，0…，0)，則合并后的終端id的上網(wǎng)行為向量為(6，9，10，20，0，0…，0)+(4，7，12，19，0，0…，0)＝(10，16，22，39，0，0…，0)。
進(jìn)一步地，該裝置還包括存儲(chǔ)模塊，用于：收集并對(duì)應(yīng)存儲(chǔ)各個(gè)樣本的上網(wǎng)行為向量以及各個(gè)樣本的屬性信息。
需要說(shuō)明的是，在本文中，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過(guò)程、方法、物品或者裝置不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者裝置所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括該要素的過(guò)程、方法、物品或者裝置中還存在另外的相同要素。
上述本申請(qǐng)實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。
通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例方法可借助軟件加必需的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)，當(dāng)然也可以通過(guò)硬件，但很多情況下前者是更佳的實(shí)施方式?；谶@樣的理解，本申請(qǐng)的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)(如rom/ram、磁碟、光盤(pán))中，包括若干指令用以使得一臺(tái)終端設(shè)備(可以是手機(jī)，計(jì)算機(jī)，服務(wù)器，空調(diào)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本申請(qǐng)各個(gè)實(shí)施例所述的方法。
以上僅為本申請(qǐng)的優(yōu)選實(shí)施例，并非因此限制本申請(qǐng)的專(zhuān)利范圍，凡是利用本申請(qǐng)說(shuō)明書(shū)及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本申請(qǐng)的專(zhuān)利保護(hù)范圍內(nèi)。