本技術涉及數(shù)據(jù)處理，尤其涉及一種id映射關系的置信度評估方法、裝置及電子設備。

背景技術：

1、在數(shù)據(jù)處理技術領域，尤其是針對用戶的數(shù)據(jù)進行分析時，常基于用戶id(idification)構建各類id映射關系，然后借助構建的id映射關系對用戶的行為進行分析。比如基于用戶id與用戶所使用設備的設備號，構建“id-設備號”的映射關系，基于該id-設備號的映射關系，可知曉用戶曾使用哪些設備單登陸過該用戶id賬號。

2、但是，現(xiàn)有獲取用戶id映射關系的途徑較多，且可能存在多個用戶共享一個用戶id的情況，這樣容易使得所獲取到的用戶id映射關系的可用價值較低，如何對所獲取到的用戶id映射關系進行價值評估，成為一個提升id映射關系的可用價值所面臨的問題。

技術實現(xiàn)思路

1、有鑒于此，本技術實施例提供了一種id映射關系的置信度評估方法、裝置及電子設備，以對獲取到的id映射關系進行評估，進而確定出有價值的id映射關系。

2、第一方面，本技術提供了一種id映射關系的置信度評估方法，獲取各條待評估的id映射關系，其中，所述待評估的id映射關系的來源包括：展點數(shù)據(jù)、拼接數(shù)據(jù)、埋點數(shù)據(jù)、外部采集數(shù)據(jù)以及歷史id映射數(shù)據(jù)中的一種或多種；

3、解析各所述待評估的id映射關系包含的各項明細信息，并對各項所述明細信息進行賦值，各項明細信息包括：所述id映射關系的出現(xiàn)時間、來源、出現(xiàn)次數(shù)以及同一個用戶id對應的映射對象的個數(shù)；

4、利用預設置信度分數(shù)計算模型，對各項所述明細信息的賦值結果計算加權求和統(tǒng)計結果，將所述加權求和統(tǒng)計結果確定為對應的id映射關系的置信度；

5、若所述置信度大于預設置信度統(tǒng)計分閾值，將所述大于預設置信度統(tǒng)計分閾值的待評估的id映射關系的評級屬性確定為可用id映射關系。

6、結合第一方面，在第二種可能的實施例中，所述獲取各條待評估的id映射關系包括：

7、從所述展點數(shù)據(jù)、拼接數(shù)據(jù)、埋點數(shù)據(jù)、外部采集數(shù)據(jù)中的一個或多個數(shù)據(jù)源中，獲取增量的待評估的id映射關系，并將所述增量的待評估的id映射關系存儲至增量數(shù)據(jù)庫中；

8、從所述歷史id映射數(shù)據(jù)中，獲取存量的待評估的id映射關系；

9、所述方法還包括：

10、若所述待評估的id映射關系的評級屬性為可用id映射關系，則將所述可用id映射關系存儲至目標id映射關系數(shù)據(jù)庫中。

11、結合第一方面，在第三種可能的實施例中，所述解析各所述待評估的id映射關系包含的各項明細信息，并對各項所述明細信息進行賦值，包括：

12、針對所述id映射關系的來源類型，對所述id映射關系的來源設置來源置信度分值，其中，所述拼接數(shù)據(jù)的置信度分值＜所述展點數(shù)據(jù)的置信度分值＜所述外部采集數(shù)據(jù)的置信度分值＜所述埋點數(shù)據(jù)的置信度分值；

13、針對所述id映射關系的出現(xiàn)時間，對所述id映射關系的出現(xiàn)時間設置出現(xiàn)時間置信度分值，其中，所述id映射關系的出現(xiàn)時間越晚，所述出現(xiàn)時間置信度分值越高。

14、結合第一方面，在第四種可能的實施例中，所述解析各所述待評估的id映射關系包含的各項明細信息，并對各項所述明細信息進行賦值，包括：

15、針對所述id映射關系的出現(xiàn)次數(shù)，按照如下公式確定所述id映射關系的出現(xiàn)次數(shù)置信度分值f(n)：

16、f(n)＝100*(n/(n+k))

17、其中，n為所述id映射關系的出現(xiàn)次數(shù)，k為第一常數(shù)修正因子。

18、結合第一方面，在第五種可能的實施例中，所述解析各所述待評估的id映射關系包含的各項明細信息，并對各項所述明細信息進行賦值，包括：

19、針對所述同一個用戶id對應的映射對象個數(shù)，按照如下公式確定出所述同一個用戶id對應的映射對象個數(shù)置信度分值g(m)：

20、g(m)＝100*(1-m/(m+p))

21、其中，m為所述同一個用戶id對應的映射對象的數(shù)量，p為第二常數(shù)修正因子。

22、第二方面，本技術提供了一種id映射關系的置信度評估裝置，所述裝置包括：

23、獲取模塊，用于獲取各條待評估的id映射關系，其中，所述待評估的id映射關系的來源包括：展點數(shù)據(jù)、拼接數(shù)據(jù)、埋點數(shù)據(jù)、外部采集數(shù)據(jù)以及歷史id映射數(shù)據(jù)中的一種或多種；

24、解析模塊，用于解析各所述待評估的id映射關系包含的各項明細信息，并對各項所述明細信息進行賦值，各項明細信息包括：所述id映射關系的出現(xiàn)時間、來源、出現(xiàn)次數(shù)以及同一個用戶id對應的映射對象的個數(shù)；

25、第一確定模塊，用于利用預設置信度分數(shù)計算模型，對各項所述明細信息的賦值結果計算加權求和統(tǒng)計結果，將所述加權求和統(tǒng)計結果確定為對應的id映射關系的置信度；

26、第二確定模塊，若所述置信度大于預設置信度統(tǒng)計分閾值，將所述大于預設置信度統(tǒng)計分閾值的待評估的id映射關系的評級屬性確定為可用id映射關系。

27、結合第二方面，在第二種可能的實施例中，所述獲取模塊具體用于：

28、從所述展點數(shù)據(jù)、拼接數(shù)據(jù)、埋點數(shù)據(jù)、外部采集數(shù)據(jù)中的一個或多個數(shù)據(jù)源中，獲取增量的待評估的id映射關系，并將所述增量的待評估的id映射關系存儲至增量數(shù)據(jù)庫中；

29、從所述歷史id映射數(shù)據(jù)中，獲取存量的待評估的id映射關系；

30、所述裝置還包括：

31、存儲管理模塊，用于若所述待評估的id映射關系的評級屬性為可用id映射關系，則將所述可用id映射關系存儲至目標id映射關系數(shù)據(jù)庫中。

32、結合第二方面，在第三種可能的實施例中，所述解析模塊具體用于：

33、針對所述id映射關系的來源類型，對所述id映射關系的來源設置來源置信度分值，其中，所述拼接數(shù)據(jù)的置信度分值＜所述展點數(shù)據(jù)的置信度分值＜所述外部采集數(shù)據(jù)的置信度分值＜所述埋點數(shù)據(jù)的置信度分值；

34、針對所述id映射關系的出現(xiàn)時間，對所述id映射關系的出現(xiàn)時間設置出現(xiàn)時間置信度分值，其中，所述id映射關系的出現(xiàn)時間越晚，所述出現(xiàn)時間置信度分值越高。

35、結合第二方面，在第四種可能的實施例中，所述解析模塊具體用于：

36、針對所述id映射關系的出現(xiàn)次數(shù)，按照如下公式確定所述id映射關系的出現(xiàn)次數(shù)置信度分值：

37、f(n)＝100*(n/(n+k))

38、其中，n為所述id映射關系的出現(xiàn)次數(shù)，k為第一常數(shù)修正因子。

39、結合第二方面，在第五種可能的實施例中，所述解析模塊具體用于：

40、針對所述同一個用戶id對應的映射對象個數(shù)，按照如下公式確定出所述同一個用戶id對應的映射對象個數(shù)置信度分值：

41、g(m)＝100*(1-m/(m+p))

42、其中，m為所述同一個用戶id對應的映射對象的數(shù)量，p為第二常數(shù)修正因子。

43、第三方面，本技術提供了一種電子設備，所述電子設備包括：

44、處理器；以及存儲程序的存儲器，

45、其中，所述程序包括指令，所述指令在由所述處理器執(zhí)行時使所述處理器執(zhí)行根據(jù)第一方面所述的id映射關系的置信度評估方法。

46、第四方面，本技術提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使計算機執(zhí)行根據(jù)第一方面所述的id映射關系的置信度評估方法。

47、本技術的有益效果：

48、本技術提供了一種id映射關系的置信度評估方法、裝置以及電子設備，其中，該方法通過獲取各條待評估的id映射關系，然后解析出各條待評估的id映射關系的各項明細信息，并對各項明細信息進行賦值，然后利用預設置信度分數(shù)計算模型，基于各項明細信息的賦值結果進行加權求和，得到加權求和統(tǒng)計結果即為對應的id映射關系的置信度，若該置信度大于預設置信度統(tǒng)計分閾值，則將大于預設置信度統(tǒng)計分閾值的待評估的id映射關系的評級屬性確定為可用id映射關系。選用本技術實施例，通過獲取對用戶id映射關系的準確性產生影響的各項因素，然后基于該各項因素進行綜合評估得到各條id映射關系的置信度，并將置信度大于預設置信度閾值的id映射關系的評級屬性確定為可用id映射關系，如此可實現(xiàn)對獲取的用戶id映射關系進行價值評估，提升id映射關系的可用價值。