依托开发者服务积累的 数据，通过大数据实时和离线处理技术，综合设备层面one id算法，将用户设备id结合算法完成用户设备层面id打通，并从设备层面IP行为维度进行设备特征的刻画，帮助互联网平台、传统品牌方进行特定场景的定向营销和圈选投放。
在自研的每日治数平台上，结合OneID算法和机器学习技术，构建用户设备层面的特征。 一、数据抽取、处理 数据抽取：从数据库中抽取与用户设备相关的数据，包括不同维度的设备ID、IP数据（IP、IP类型）等。 数据处理：去除重复、错误或无效的数据（ipv4，ipv6，时间戳），进行必要的转换和标准化。 二、数据仓库层建设 1.数据模型设计 2.ETL过程 3.数据仓库优化 三、One ID算法打通用户设备ID ID映射：利用OneID算法，将用户在不同平台、应用或服务中的设备ID（如ipv6,ipv4）进行映射和关联，形成一个统一的用户标识符。 数据整合：将不同来源的设备数据按照OneID进行整合，聚合成设备维度的ip行为数据（设备历史特征） 四、设备偏好特征建模 模型选择：选择合适的机器学习模型，如时间序列模型（AR、MA、ARMA、ARIMA）。 模型训练与评估：使用历史数据对模型进行训练，并通过交叉验证等方法评估模型的性能。根据评估结果调整模型参数和结构，优化模型的预测能力。 设备特征预测：将训练好的模型应用于预测新用户或新数据，推测其设备层面的未来IP行为特征（设备偏好特征）。
| 字段名 | 类型 | 描述 |
|---|---|---|
企业内部设备统一标识符 |
-- | -- |
时间戳 |
-- | -- |
APP安装类别列表 |
-- | -- |
APP活跃类别列表 |
-- | -- |
APP活跃序列 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 企业内部设备统一标识符 | 8916ad81f4fe49a6b4346edcd553230e |
| 时间戳 | 2024-05-31 15:01:10 |
| APP安装类别列表 | 直播类APP、影音制作APP、汽车类APP |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/37802