CN112445978A - 电子书的推送方法、电子设备及存储介质 - Google Patents
电子书的推送方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112445978A CN112445978A CN202011475781.1A CN202011475781A CN112445978A CN 112445978 A CN112445978 A CN 112445978A CN 202011475781 A CN202011475781 A CN 202011475781A CN 112445978 A CN112445978 A CN 112445978A
- Authority
- CN
- China
- Prior art keywords
- book
- user
- candidate
- cluster
- reading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003993 interaction Effects 0.000 claims abstract description 225
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 19
- 230000002452 interceptive effect Effects 0.000 claims description 65
- 230000006399 behavior Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 20
- 230000004931 aggregating effect Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种电子书的推送方法、电子设备及存储介质,该方法包括:确定与目标用户相对应的书籍用户簇;针对与目标用户相对应的书籍用户簇,确定与书籍用户簇相对应的候选书籍池,根据书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分;根据候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分,计算目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍推送给目标用户。该方式能够拓宽当前用户的阅读范围,使用户阅读到更多有价值的书籍。
Description
技术领域
本发明涉及计算机领域,具体涉及一种电子书的推送方法、电子设备及存储介质。
背景技术
电子书形式的书籍由于具有获取方便等优势,受到了大量用户的喜爱。书籍阅读平台大多是按照书籍全文的相似度进行书籍推荐的。现有技术中,一般是将与用户曾经阅读过的书籍在书籍内容上具有较高相似度的若干个书籍作为推荐书籍并向用户展现。
但是,发明人在实现本发明的过程中发现,上述推荐方式至少存在以下缺陷:仅根据当前阅读用户的历史阅读行为进行相关性推荐,导致当前阅读用户的多个阅读书籍之间的相似度过高,进而使用户的阅读范围产生局限性,不利于用户基于兴趣点扩宽阅读范围。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的电子书的推送及书籍排序推送方法、电子设备及存储介质。
根据本发明的一个方面,提供了一种电子书的推送及书籍排序推送方法,包括:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
根据本发明的另一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
根据本发明的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
在本发明提供的电子书的推送方法、电子设备及存储介质中,首先,根据各个阅读用户的阅读行为数据将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中,进而确定与目标用户相对应的书籍用户簇;然后,针对书籍用户簇,确定与书籍用户簇相对应的候选书籍池,根据书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分,进而计算目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给目标用户。由此可见,该方式通过书籍用户簇的方式聚合同类用户,并基于同类用户的阅读偏好推荐书籍,从而确保推荐的书籍既与当前用户的阅读偏好匹配,又能够拓宽当前用户的阅读范围,使用户阅读到更多有价值的书籍。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明一个实施例提供的电子书的推送及书籍排序推送方法的流程图;
图2示出了本发明另一个实施例提供的电子书的推送及书籍排序推送方法的流程图;
图3示出了根据本发明另一个实施例的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明一个实施例提供的电子书的推送及书籍排序推送方法的流程图。如图1所示,该方法包括以下步骤:
步骤S110:确定与目标用户相对应的书籍用户簇;其中,书籍用户簇对应于中心书籍,用于聚合与该中心书籍存在交互行为的多个阅读用户。
具体的,在本实施例中设置有多个通过中心书籍聚合的书籍用户簇。其中,每个书籍用户簇对应于一个中心书籍,且该书籍用户簇中的各个阅读用户均与该中心书籍具有深度交互。其中,中心书籍的确定方式可以灵活设置,例如,对于任一电子书而言,当针对该电子书产生深度交互的阅读用户的数量大于预设数量阈值时,将该电子书作为中心书籍并建立与该中心书籍相对应的书籍用户簇,以聚合针对该电子书产生深度交互的多个阅读用户。
相应的,将当前待推荐的阅读用户作为目标用户,确定与该目标用户相对应的书籍用户簇,具体根据该目标用户的阅读行为数据进行确定。其中,与该目标用户相对应的书籍用户簇的数量可以为一个或多个,具体取决于该目标用户深度交互的书籍数量。
步骤S120:针对与目标用户相对应的书籍用户簇,确定与书籍用户簇相对应的候选书籍池,根据书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分。
其中,当与目标用户相对应的书籍用户簇为多个时,需要分别针对每个书籍用户簇执行下述处理:根据该书籍用户簇中包含的各个阅读用户的历史交互书籍确定与该书籍用户簇相对应的候选书籍池,统计该书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,根据统计结果计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分。其中,候选书籍对应于书籍用户簇的簇兴趣度得分根据该书籍用户簇中的各个阅读用户对该候选书籍的交互深度确定,例如,可以通过该书籍用户簇中的各个阅读用户对该候选书籍的交互深度的平均值、最大值和/或最小值确定。相应的,该候选书籍对应于书籍用户簇的簇兴趣度得分用于反映该书籍用户簇中的各个阅读用户对于该候选书籍的偏好程度。
步骤S130:根据候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分,计算目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给目标用户。
具体的,根据候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分,计算目标用户对应于各个候选书籍的兴趣度。其中,当候选书籍仅出现于一个书籍用户簇时,可以直接将该候选书籍对应于该书籍用户簇的簇兴趣度得分作为目标用户对应于该候选书籍的兴趣度。
另外,当与目标用户相对应的书籍用户簇为多个且该候选书籍同时出现于多个书籍用户簇时,可以根据该候选书籍对应于各个书籍用户簇的簇兴趣度得分,以及目标用户对于各个书籍用户簇的中心书籍的交互深度,综合确定目标用户对应于该候选书籍的兴趣度。
通过上述处理,即可得到目标用户对于每个候选书籍池中的各个候选书籍的兴趣度,相应的,将各个候选书籍按照兴趣度从高到低的顺序排序,并根据排序结果向目标用户推送若干候选书籍。
由此可见,该方式通过书籍用户簇的方式聚合同类用户,并基于同类用户的阅读偏好推荐书籍,从而确保推荐的书籍既与当前用户的阅读偏好匹配,又能够拓宽当前用户的阅读范围,使用户阅读到更多有价值的书籍。
实施例二
图2示出了本发明另一个实施例提供的电子书的推送方法的流程图。如图2所示,该方法包括以下步骤:
步骤S200:预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中。
其中,一个书籍用户簇是指:通过由中心书籍聚合的多个阅读用户构成的用户集合。每个书籍用户簇分别对应于一个中心书籍,因此,为了便于区分各个书籍用户簇,可以将每个书籍用户簇的簇标识设置为与中心书籍的书籍标识相关的形式。
具体实施时,通过以下方式确定书籍用户簇:
首先,根据各个阅读用户的阅读行为数据,确定与各个阅读用户相对应的交互书籍。其中,阅读行为数据包括用户在阅读过程中触发的各类行为数据,包括:将书籍加入书架的行为、针对书籍执行下载操作的行为、针对书籍进行阅读的行为等。其中,在确定交互书籍时,可以根据阅读用户对于各个书籍执行的交互操作的交互类型以及交互时长进行确定,例如,可以将用户执行过阅读操作的书籍作为交互书籍;又如,为了提升交互书籍的质量,也可以将用户阅读时长大于预设时长的书籍作为交互书籍。本发明不限定交互书籍的具体确定方式。
然后,确定阅读用户对应于各个交互书籍的交互深度以及与交互深度相对应的交互值,将交互值大于预设阈值的交互书籍确定为中心书籍。由于同一个阅读用户通常对应于多个交互书籍,因此,为了确定用户对于各个交互书籍的偏好程度,需要确定阅读用户对应于各个交互书籍的交互深度。具体的,根据阅读用户对应于各个交互书籍的交互时长、交互次数和/或交互类型,确定阅读用户对应于各个交互书籍的交互深度以及与交互深度相对应的交互值。其中,交互时长越长、交互频次越高,说明交互深度越深,对应的交互值越大;反之,交互时长越短、交互频次越低,说明交互深度越低,对应的交互值越小。另外,除根据交互时长以及交互频次进行判断外,还可以进一步结合交互类型,例如,预先针对各种交互类型设置不同的交互权重,通过交互权重对交互时长或交互频次进行加权操作,从而根据加权结果确定交互值。例如,以下交互类型的交互权重依次递减:付费类交互类型、下载类型、加入书架类型、浏览免费章节类型等。通过交互值即可将用户偏好程度较高的交互书籍确定为中心书籍。
最后,将对应于该中心书籍的交互值大于预设阈值的多个阅读用户聚合在与该中心书籍相对应的书籍用户簇中。具体的,分别针对每个中心书籍而言,确定对应于该中心书籍的交互值大于预设阈值的多个阅读用户,从而将多个阅读用户聚合在与该中心书籍相对应的书籍用户簇中。
由此可见,通过本步骤,能够以中心书籍为聚合元素,将针对该中心书籍的交互深度较深的多个阅读用户聚合在与该中心书籍相对应的书籍用户簇中。
可选的,在确定中心书籍时,获取各个阅读用户对应于交互时段的交互书籍列表。其中,阅读用户通过用户标识(如用户ID)进行唯一标识,交互时段由起始时间点以及结束时间点确定。根据阅读用户在交互时段内的阅读行为信息即可确定该阅读用户对应于交互时段的交互书籍列表。其中,交互书籍列表用于存储该阅读用户在该交互时段内产生过交互的至少一本电子书。相应的,根据各个阅读用户的交互书籍列表确定上述的中心书籍。该方式的优势在于:能够以交互时段为单位确定用户在该交互时段内增量交互的书籍,从而挖掘用户最新的兴趣偏好。
另外,考虑到书籍为长交互的业务对象,用户与一本书之间需要持续交互多次,仅凭短期(如一天)内的交互情况无法确定用户对于该书的兴趣偏好。所以,考虑到书籍的长交互特点,针对一个交互书籍,持续监测用户在预设时长内针对该交互书籍触发的交互操作的交互时长以及交互类型,根据监测结果计算用户对于该交互书籍的交互值。
步骤S210:确定与目标用户相对应的书籍用户簇;其中,书籍用户簇对应于中心书籍,用于聚合与该中心书籍存在交互行为的多个阅读用户。
具体的,将当前待推荐的阅读用户作为目标用户,确定与该目标用户相对应的书籍用户簇,具体根据该目标用户的阅读行为数据进行确定。其中,与该目标用户相对应的书籍用户簇的数量可以为一个或多个,具体取决于该目标用户深度交互的书籍数量。在本实施例中,以目标用户对应的书籍用户簇的数量为多个为例进行说明。
步骤S220:针对与目标用户相对应的书籍用户簇,确定与书籍用户簇相对应的候选书籍池,根据书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分。
其中,当与目标用户相对应的书籍用户簇为多个时,每个书籍用户簇分别对应于一个候选书籍池。具体的,每个书籍用户簇对应的候选书籍池通过以下方式确定:获取书籍用户簇中的各个阅读用户所对应的交互书籍,根据各个阅读用户所对应的交互书籍确定与书籍用户簇相对应的候选书籍池。例如,对于书籍A1所对应的书籍用户簇A1’而言,该书籍用户簇中的各个阅读用户都与书籍A1进行过交互,且与书籍A1的交互值(由交互深度确定)大于预设阈值(例如为0.5)。假设书籍用户簇A1’中共包含N个阅读用户,N可以为任意自然数,其中,N个阅读用户各自具有对应的其他交互书籍,将N个阅读用户各自的交互书籍汇总至与书籍用户簇A1’相对应的候选书籍池中。由此可见,候选书籍池与书籍用户簇一一对应,且每个候选书籍池中包含的书籍数量取决于对应的书籍用户簇中的各个阅读用户所对应的交互书籍的数量。
由于候选书籍池中的候选书籍数量众多,因此,为了便于确定各个候选书籍对于书籍用户簇中的各个阅读用户的吸引力,需要计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分。其中,簇兴趣度得分用于反映书籍用户簇中的全体用户对于候选书籍池中的一个候选书籍的偏好程度,因此,候选书籍对应于书籍用户簇的簇兴趣度得分应基于书籍用户簇中的全体用户对于该候选书籍的交互深度确定。具体实施时,根据书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分。
具体的,在根据书籍用户簇中的各个阅读用户对应于候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分时,通过以下方式确定:首先,针对候选书籍池中的任一候选书籍,根据书籍用户簇中的各个阅读用户对应于该候选书籍的交互深度,确定各个阅读用户对应于该候选书籍的交互值,计算书籍用户簇中的各个阅读用户对应于该候选书籍的交互值总和。然后,根据该候选书籍的交互值总和以及书籍用户簇中包含的阅读用户的总人数,计算书籍用户簇中的各个阅读用户对应于该候选书籍的平均交互值,将平均交互值确定为该候选书籍对应于书籍用户簇的簇兴趣度得分。
由此可见,上述方式主要通过计算各个阅读用户对于候选书籍的平均交互值确定候选书籍对应于书籍用户簇的簇兴趣度得分。例如,假设某一书籍用户簇中共包含10个阅读用户,对于该书籍用户簇所对应的候选书籍池中的候选书籍1而言,有三位阅读用户阅读过该候选书籍1,且三位阅读用户对于该候选书籍1的交互值分别为0.5,0.8,0.2,相应的,其余未阅读过该候选书籍1的阅读用户对应于该候选书籍1的交互值均为0。因此,书籍用户簇中的各个阅读用户对应于该候选书籍1的交互值总和为1.5,书籍用户簇中的各个阅读用户对应于该候选书籍1的平均交互值为0.15,因此,候选书籍对应于该书籍用户簇的簇兴趣度得分为0.15。由此可见,候选书籍对应于该书籍用户簇的簇兴趣度得分能够反映该书籍用户簇中的多数用户对于该候选书籍的偏好程度。除通过计算各个阅读用户对应于该候选书籍1的平均交互值的方式之外,还可以进一步结合各个阅读用户对应于该候选书籍1的最大交互值和/或最小交互值确定簇兴趣度得分,本发明对簇兴趣度得分的具体计算方式不作限定,只要能够反映书籍用户簇中的多数用户对该候选书籍的偏好程度即可。
步骤S230:根据候选书籍池中的各个候选书籍对应于书籍用户簇的簇兴趣度得分,计算目标用户对应于各个候选书籍的兴趣度。
在本实施例中,与目标用户相对应的书籍用户簇为多个,每个书籍用户簇分别对应于一个候选书籍池。相应的,在计算目标用户对应于各个候选书籍的兴趣度时,分别针对每个书籍用户簇,根据目标用户对应于该书籍用户簇的中心书籍的交互深度,确定目标用户对应于该书籍用户簇的簇交互值;分别针对与每个书籍用户簇相对应的候选书籍池,确定该候选书籍池中的各个候选书籍对应于该书籍用户簇的簇兴趣度得分;根据目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算目标用户对应于各个候选书籍的兴趣度。
其中,目标用户对应于该书籍用户簇的簇交互值用于反映目标用户对于该书籍用户簇的中心书籍的偏好程度。具体的,书籍用户簇对应于一个中心书籍,目标用户之所以加入到该书籍用户簇中,是因为目标用户针对该中心书籍的交互深度较深且交互值较大,因此,能够根据目标用户对应于该书籍用户簇的中心书籍的交互深度,确定目标用户对应于该书籍用户簇的簇交互值。具体实施时,可以直接将目标用户对应于该书籍用户簇的中心书籍的交互值作为目标用户对应于该书籍用户簇的簇交互值,以反映目标用户对于该中心书籍的感兴趣程度。
具体实施时,在根据目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算目标用户对应于各个候选书籍的兴趣度时,具体通过以下方式实现:
首先,针对任一候选书籍,确定该候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分。其中,一个候选书籍可能属于多个书籍用户簇,具体取决于各个书籍用户簇中的阅读用户的历史阅读情况。相应的,当候选书籍对应于所属的多个书籍用户簇时,分别确定候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分,具体确定方式可参照上文描述,此处不再赘述。
然后,针对该候选书籍所属的各个书籍用户簇,根据目标用户对应于该书籍用户簇的簇交互值以及候选书籍对应于该书籍用户簇的簇兴趣度得分,计算目标用户在该书籍用户簇中对应于该候选书籍的兴趣分值。具体的,分别针对候选书籍所属的每个书籍用户簇,计算目标用户在该书籍用户簇中对应于该候选书籍的兴趣分值。其中,该兴趣分值用于反映目标用户基于当前的书籍用户簇对候选书籍的偏好程度,因此,候选书籍的兴趣分值是与书籍用户簇相对应的,当候选书籍同时属于多个书籍用户簇时,将针对该候选书籍得到多个分别对应于各个书籍用户簇的兴趣分值。其中,对于每个书籍用户簇而言,目标用户在该书籍用户簇中对应于该候选书籍的兴趣分值主要取决于如下两方面的信息:一方面,该兴趣分值与候选书籍对应于该书籍用户簇的簇兴趣度得分相关;另一方面,该兴趣分值与目标用户对应于该书籍用户簇的簇交互值相关。
最后,根据目标用户在各个书籍用户簇中对应于该候选书籍的兴趣分值,计算目标用户对应于该候选书籍的兴趣度。其中,由于书籍用户簇为多个,因此,同一候选书籍的兴趣分值也为多个,在根据多个兴趣分值计算目标用户对应于该候选书籍的兴趣度时,可以直接将多个兴趣分值所对应的总分值或平均分值确定为目标用户对应于该候选书籍的兴趣度。
为了便于理解,下面以一个具体示例为例详细介绍目标用户对应于候选书籍的兴趣度的计算方式。
假设目标用户属于三个书籍用户簇,分别为C1、C2、C3,每个书籍用户簇对应于一个候选书籍池,分别为C1’、C2’、C3’。假设书籍用户簇C1中包含候选书籍B,并且,该候选书籍B同时出现于书籍用户簇C2,因此,通过步骤S220中提到的方式能够分别计算候选书籍B对应于书籍用户簇C1的簇兴趣度得分(假设为0.5),以及候选书籍B对应于书籍用户簇C2的簇兴趣度得分(假设为0.8)。并且,根据目标用户对于书籍用户簇C1的中心书籍的交互值能够确定目标用户对应于书籍用户簇C1的簇交互值(假设为0.2);根据目标用户对于书籍用户簇C2的中心书籍的交互值能够确定目标用户对应于书籍用户簇C2的簇交互值(假设为0.6)。相应的,在针对候选书籍所属的各个书籍用户簇计算候选书籍的兴趣分值时,根据目标用户对应于该书籍用户簇的簇交互值以及候选书籍对应于该书籍用户簇的簇兴趣度得分之间的乘积,计算目标用户在书籍用户簇中对应于该候选书籍的兴趣分值。例如,目标用户在书籍用户簇C1中对应于该候选书籍的兴趣分值为0.2*0.5=0.1,目标用户在书籍用户簇C2中对应于该候选书籍的兴趣分值为0.6*0.8=0.48,目标用户在书籍用户簇C3中对应于该候选书籍的兴趣分值为0(因该候选书籍未出现于书籍用户簇C3中)。相应的,目标用户对应于该候选书籍的兴趣度为0.1+0.48+0=0.58。
由此可见,在本实施例中,可通过以下公式计算目标用户对应于该候选书籍u的兴趣度P(u):
其中,目标用户共属于n个书籍用户簇,pi表示目标用户对应于第i个书籍用户簇的簇交互值,ui表示候选书籍u对应于第i个书籍用户簇的簇兴趣度得分。
步骤S240:根据计算结果筛选若干候选书籍作为目标书籍推送给目标用户。
具体的,根据计算结果对各个候选书籍按照兴趣度从高到低的顺序进行排序,根据排序结果筛选若干候选书籍作为目标书籍推送给目标用户。
其中,为了防止重复推送,在本实施例中,还可以预先针对目标用户所属的各个书籍用户簇对应的候选书籍池,从各个候选书籍池中筛选目标用户未交互过的书籍作为候选书籍。
综上可知,该方式通过书籍用户簇的方式聚合同类用户,并基于同类用户的阅读偏好推荐书籍,从而确保推荐的书籍既与当前用户的阅读偏好匹配,又能够拓宽当前用户的阅读范围,使用户阅读到更多有价值的书籍。并且,当目标用户同时属于多个书籍用户簇时,进一步结合目标用户对于各个书籍用户簇的簇交互值确定候选书籍的兴趣度,从而能够使最终确定的候选书籍的兴趣度更加准确。该方式能够通过用户协同的方式推荐书籍,从而基于同类用户的兴趣挖掘目标用户的潜在兴趣点。
实施例三
本申请实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的电子书的推送及书籍排序推送方法。
可执行指令具体可以用于使得处理器执行以下操作:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
在一种可选的实现方式中,当与目标用户相对应的书籍用户簇为多个时,每个书籍用户簇分别对应于一个候选书籍池;
则所述可执行指令使所述处理器执行以下操作:
分别针对每个书籍用户簇,根据所述目标用户对应于该书籍用户簇的中心书籍的交互深度,确定所述目标用户对应于该书籍用户簇的簇交互值;
分别针对与每个书籍用户簇相对应的候选书籍池,确定该候选书籍池中的各个候选书籍对应于该书籍用户簇的簇兴趣度得分;
根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
针对任一候选书籍,确定该候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分;
针对所述候选书籍所属的各个书籍用户簇,根据所述目标用户对应于该书籍用户簇的簇交互值以及所述候选书籍对应于该书籍用户簇的簇兴趣度得分,计算所述目标用户在所述书籍用户簇中对应于该候选书籍的兴趣分值;
根据所述目标用户在各个书籍用户簇中对应于该候选书籍的兴趣分值,计算所述目标用户对应于该候选书籍的兴趣度。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
针对候选书籍池中的任一候选书籍,根据所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互深度,确定各个阅读用户对应于该候选书籍的交互值,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互值总和;
根据该候选书籍的交互值总和以及所述书籍用户簇中包含的阅读用户的总人数,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的平均交互值,将所述平均交互值确定为该候选书籍对应于所述书籍用户簇的簇兴趣度得分。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:获取所述书籍用户簇中的各个阅读用户所对应的交互书籍,根据各个阅读用户所对应的交互书籍确定与所述书籍用户簇相对应的候选书籍池。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
根据计算结果对各个候选书籍按照兴趣度从高到低的顺序进行排序,根据排序结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
根据各个阅读用户的阅读行为数据,确定与各个阅读用户相对应的交互书籍;
确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值,将交互值大于预设阈值的交互书籍确定为中心书籍;
将对应于该中心书籍的交互值大于预设阈值的多个阅读用户聚合在与所述中心书籍相对应的书籍用户簇中。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
根据阅读用户对应于各个交互书籍的交互时长、交互次数和/或交互类型,确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值。
实施例四
图3示出了根据本发明另一个实施例的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图3所示,该电子设备可以包括:处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。处理器302,用于执行程序310,具体可以执行上述电子书的推送及书籍排序推送方法实施例中的相关步骤。
具体地,程序310可以包括程序代码,该程序代码包括计算机操作指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序310具体可以用于使得处理器302执行以下操作:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
在一种可选的实现方式中,当与目标用户相对应的书籍用户簇为多个时,每个书籍用户簇分别对应于一个候选书籍池;
则所述可执行指令使所述处理器执行以下操作:
分别针对每个书籍用户簇,根据所述目标用户对应于该书籍用户簇的中心书籍的交互深度,确定所述目标用户对应于该书籍用户簇的簇交互值;
分别针对与每个书籍用户簇相对应的候选书籍池,确定该候选书籍池中的各个候选书籍对应于该书籍用户簇的簇兴趣度得分;
根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
针对任一候选书籍,确定该候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分;
针对所述候选书籍所属的各个书籍用户簇,根据所述目标用户对应于该书籍用户簇的簇交互值以及所述候选书籍对应于该书籍用户簇的簇兴趣度得分,计算所述目标用户在所述书籍用户簇中对应于该候选书籍的兴趣分值;
根据所述目标用户在各个书籍用户簇中对应于该候选书籍的兴趣分值,计算所述目标用户对应于该候选书籍的兴趣度。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
针对候选书籍池中的任一候选书籍,根据所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互深度,确定各个阅读用户对应于该候选书籍的交互值,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互值总和;
根据该候选书籍的交互值总和以及所述书籍用户簇中包含的阅读用户的总人数,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的平均交互值,将所述平均交互值确定为该候选书籍对应于所述书籍用户簇的簇兴趣度得分。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:获取所述书籍用户簇中的各个阅读用户所对应的交互书籍,根据各个阅读用户所对应的交互书籍确定与所述书籍用户簇相对应的候选书籍池。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
根据计算结果对各个候选书籍按照兴趣度从高到低的顺序进行排序,根据排序结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
根据各个阅读用户的阅读行为数据,确定与各个阅读用户相对应的交互书籍;
确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值,将交互值大于预设阈值的交互书籍确定为中心书籍;
将对应于该中心书籍的交互值大于预设阈值的多个阅读用户聚合在与所述中心书籍相对应的书籍用户簇中。
在一种可选的实现方式中,所述可执行指令使所述处理器执行以下操作:
根据阅读用户对应于各个交互书籍的交互时长、交互次数和/或交互类型,确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明还公开了A1.一种电子书的推送方法,包括:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
A2.根据A1所述的方法,其中,当与目标用户相对应的书籍用户簇为多个时,每个书籍用户簇分别对应于一个候选书籍池;
则所述根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度包括:
分别针对每个书籍用户簇,根据所述目标用户对应于该书籍用户簇的中心书籍的交互深度,确定所述目标用户对应于该书籍用户簇的簇交互值;
分别针对与每个书籍用户簇相对应的候选书籍池,确定该候选书籍池中的各个候选书籍对应于该书籍用户簇的簇兴趣度得分;
根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度。
A3.根据A2所述的方法,其中,所述根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度包括:
针对任一候选书籍,确定该候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分;
针对所述候选书籍所属的各个书籍用户簇,根据所述目标用户对应于该书籍用户簇的簇交互值以及所述候选书籍对应于该书籍用户簇的簇兴趣度得分,计算所述目标用户在所述书籍用户簇中对应于该候选书籍的兴趣分值;
根据所述目标用户在各个书籍用户簇中对应于该候选书籍的兴趣分值,计算所述目标用户对应于该候选书籍的兴趣度。
A4.根据A1-3任一所述的方法,其中,所述根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分包括:
针对候选书籍池中的任一候选书籍,根据所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互深度,确定各个阅读用户对应于该候选书籍的交互值,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互值总和;
根据该候选书籍的交互值总和以及所述书籍用户簇中包含的阅读用户的总人数,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的平均交互值,将所述平均交互值确定为该候选书籍对应于所述书籍用户簇的簇兴趣度得分。
A5.根据A1-4任一所述的方法,其中,所述确定与所述书籍用户簇相对应的候选书籍池包括:获取所述书籍用户簇中的各个阅读用户所对应的交互书籍,根据各个阅读用户所对应的交互书籍确定与所述书籍用户簇相对应的候选书籍池。
A6.根据A1-5任一所述的方法,其中,所述根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户包括:
根据计算结果对各个候选书籍按照兴趣度从高到低的顺序进行排序,根据排序结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
A7.根据A1-6任一所述的方法,其中,所述方法执行之前,进一步包括:预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中。
A8.根据A7所述的方法,其中,所述预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中包括:
根据各个阅读用户的阅读行为数据,确定与各个阅读用户相对应的交互书籍;
确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值,将交互值大于预设阈值的交互书籍确定为中心书籍;
将对应于该中心书籍的交互值大于预设阈值的多个阅读用户聚合在与所述中心书籍相对应的书籍用户簇中。
A9.根据A8所述的方法,其中,所述确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值包括:
根据阅读用户对应于各个交互书籍的交互时长、交互次数和/或交互类型,确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值。
B10.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
B11.根据B10所述的电子设备,其中,当与目标用户相对应的书籍用户簇为多个时,每个书籍用户簇分别对应于一个候选书籍池;
则所述可执行指令使所述处理器执行以下操作:
分别针对每个书籍用户簇,根据所述目标用户对应于该书籍用户簇的中心书籍的交互深度,确定所述目标用户对应于该书籍用户簇的簇交互值;
分别针对与每个书籍用户簇相对应的候选书籍池,确定该候选书籍池中的各个候选书籍对应于该书籍用户簇的簇兴趣度得分;
根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度。
B12.根据B11所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:
针对任一候选书籍,确定该候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分;
针对所述候选书籍所属的各个书籍用户簇,根据所述目标用户对应于该书籍用户簇的簇交互值以及所述候选书籍对应于该书籍用户簇的簇兴趣度得分,计算所述目标用户在所述书籍用户簇中对应于该候选书籍的兴趣分值;
根据所述目标用户在各个书籍用户簇中对应于该候选书籍的兴趣分值,计算所述目标用户对应于该候选书籍的兴趣度。
B13.根据B10-12任一所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:
针对候选书籍池中的任一候选书籍,根据所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互深度,确定各个阅读用户对应于该候选书籍的交互值,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互值总和;
根据该候选书籍的交互值总和以及所述书籍用户簇中包含的阅读用户的总人数,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的平均交互值,将所述平均交互值确定为该候选书籍对应于所述书籍用户簇的簇兴趣度得分。
B14.根据B10-13任一所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:获取所述书籍用户簇中的各个阅读用户所对应的交互书籍,根据各个阅读用户所对应的交互书籍确定与所述书籍用户簇相对应的候选书籍池。
B15.根据B10-14任一所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:
根据计算结果对各个候选书籍按照兴趣度从高到低的顺序进行排序,根据排序结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
B16.根据B10-15任一所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中。
B17.根据B16所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:
根据各个阅读用户的阅读行为数据,确定与各个阅读用户相对应的交互书籍;
确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值,将交互值大于预设阈值的交互书籍确定为中心书籍;
将对应于该中心书籍的交互值大于预设阈值的多个阅读用户聚合在与所述中心书籍相对应的书籍用户簇中。
B18.根据B17所述的电子设备,其中,所述可执行指令使所述处理器执行以下操作:
根据阅读用户对应于各个交互书籍的交互时长、交互次数和/或交互类型,确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值。
C19.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-9任一所述的方法。
Claims (10)
1.一种电子书的推送方法,包括:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
2.根据权利要求1所述的方法,其中,当与目标用户相对应的书籍用户簇为多个时,每个书籍用户簇分别对应于一个候选书籍池;
则所述根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度包括:
分别针对每个书籍用户簇,根据所述目标用户对应于该书籍用户簇的中心书籍的交互深度,确定所述目标用户对应于该书籍用户簇的簇交互值;
分别针对与每个书籍用户簇相对应的候选书籍池,确定该候选书籍池中的各个候选书籍对应于该书籍用户簇的簇兴趣度得分;
根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度。
3.根据权利要求2所述的方法,其中,所述根据所述目标用户对应于各个书籍用户簇的簇交互值,以及各个候选书籍池中的各个候选书籍对应于所属的书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度包括:
针对任一候选书籍,确定该候选书籍对应于所属的各个书籍用户簇的簇兴趣度得分;
针对所述候选书籍所属的各个书籍用户簇,根据所述目标用户对应于该书籍用户簇的簇交互值以及所述候选书籍对应于该书籍用户簇的簇兴趣度得分,计算所述目标用户在所述书籍用户簇中对应于该候选书籍的兴趣分值;
根据所述目标用户在各个书籍用户簇中对应于该候选书籍的兴趣分值,计算所述目标用户对应于该候选书籍的兴趣度。
4.根据权利要求1-3任一所述的方法,其中,所述根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分包括:
针对候选书籍池中的任一候选书籍,根据所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互深度,确定各个阅读用户对应于该候选书籍的交互值,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的交互值总和;
根据该候选书籍的交互值总和以及所述书籍用户簇中包含的阅读用户的总人数,计算所述书籍用户簇中的各个阅读用户对应于该候选书籍的平均交互值,将所述平均交互值确定为该候选书籍对应于所述书籍用户簇的簇兴趣度得分。
5.根据权利要求1-4任一所述的方法,其中,所述确定与所述书籍用户簇相对应的候选书籍池包括:获取所述书籍用户簇中的各个阅读用户所对应的交互书籍,根据各个阅读用户所对应的交互书籍确定与所述书籍用户簇相对应的候选书籍池。
6.根据权利要求1-5任一所述的方法,其中,所述根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户包括:
根据计算结果对各个候选书籍按照兴趣度从高到低的顺序进行排序,根据排序结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
7.根据权利要求1-6任一所述的方法,其中,所述方法执行之前,进一步包括:预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中。
8.根据权利要求7所述的方法,其中,所述预先根据各个阅读用户的阅读行为数据,将各个阅读用户添加到通过中心书籍聚合的书籍用户簇中包括:
根据各个阅读用户的阅读行为数据,确定与各个阅读用户相对应的交互书籍;
确定阅读用户对应于各个交互书籍的交互深度以及与所述交互深度相对应的交互值,将交互值大于预设阈值的交互书籍确定为中心书籍;
将对应于该中心书籍的交互值大于预设阈值的多个阅读用户聚合在与所述中心书籍相对应的书籍用户簇中。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与目标用户相对应的书籍用户簇;其中,所述书籍用户簇对应于中心书籍,用于聚合与所述中心书籍存在交互行为的多个阅读用户;
针对所述与目标用户相对应的书籍用户簇,确定与所述书籍用户簇相对应的候选书籍池,根据所述书籍用户簇中的各个阅读用户对应于所述候选书籍池中的各个候选书籍的交互深度,计算候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分;
根据所述候选书籍池中的各个候选书籍对应于所述书籍用户簇的簇兴趣度得分,计算所述目标用户对应于各个候选书籍的兴趣度,根据计算结果筛选若干候选书籍作为目标书籍推送给所述目标用户。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475781.1A CN112445978A (zh) | 2020-12-15 | 2020-12-15 | 电子书的推送方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475781.1A CN112445978A (zh) | 2020-12-15 | 2020-12-15 | 电子书的推送方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112445978A true CN112445978A (zh) | 2021-03-05 |
Family
ID=74740060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011475781.1A Pending CN112445978A (zh) | 2020-12-15 | 2020-12-15 | 电子书的推送方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445978A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836430A (zh) * | 2021-10-13 | 2021-12-24 | 掌阅科技股份有限公司 | 书籍推荐方法、终端及存储介质 |
CN113987353A (zh) * | 2021-10-29 | 2022-01-28 | 掌阅科技股份有限公司 | 书籍推荐方法、计算设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184199A (zh) * | 2011-04-22 | 2011-09-14 | 北京志腾新诺科技有限公司 | 网络信息推荐方法及*** |
CN103810192A (zh) * | 2012-11-09 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种用户的兴趣推荐方法和装置 |
CN110070134A (zh) * | 2019-04-25 | 2019-07-30 | 厦门快商通信息咨询有限公司 | 一种基于用户兴趣感知的推荐方法及装置 |
-
2020
- 2020-12-15 CN CN202011475781.1A patent/CN112445978A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184199A (zh) * | 2011-04-22 | 2011-09-14 | 北京志腾新诺科技有限公司 | 网络信息推荐方法及*** |
CN103810192A (zh) * | 2012-11-09 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种用户的兴趣推荐方法和装置 |
US20150242497A1 (en) * | 2012-11-09 | 2015-08-27 | Xiang He | User interest recommending method and apparatus |
CN110070134A (zh) * | 2019-04-25 | 2019-07-30 | 厦门快商通信息咨询有限公司 | 一种基于用户兴趣感知的推荐方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836430A (zh) * | 2021-10-13 | 2021-12-24 | 掌阅科技股份有限公司 | 书籍推荐方法、终端及存储介质 |
CN113987353A (zh) * | 2021-10-29 | 2022-01-28 | 掌阅科技股份有限公司 | 书籍推荐方法、计算设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520076B (zh) | 电子书推荐方法、电子设备及计算机存储介质 | |
CN104090967B (zh) | 应用程序推荐方法及推荐装置 | |
CN107423613B (zh) | 依据相似度确定设备指纹的方法、装置及服务器 | |
CN108038500B (zh) | 聚类方法、装置、计算机设备、存储介质和程序产品 | |
EP3279806A1 (en) | Data processing method and apparatus | |
CN108512883B (zh) | 一种信息推送方法、装置及可读介质 | |
CN111125543B (zh) | 书籍推荐排序模型的训练方法、计算设备及存储介质 | |
CN112445978A (zh) | 电子书的推送方法、电子设备及存储介质 | |
CN113987387A (zh) | 页面展示方法、电子设备及计算机存储介质 | |
CN112445996A (zh) | 内容发布方法、计算设备及计算机存储介质 | |
CN111659125B (zh) | 基于游戏的好友推荐方法、装置及计算机可读存储介质 | |
CN108563713B (zh) | 关键词规则生成方法及装置和电子设备 | |
CN110334104A (zh) | 一种榜单更新方法、装置、电子设备及存储介质 | |
CN107832852B (zh) | 数据处理学习方法、***以及电子设备 | |
CN113343109A (zh) | 榜单推荐方法、计算设备及计算机存储介质 | |
CN110990701A (zh) | 书籍搜索方法、计算设备及计算机存储介质 | |
CN116503608A (zh) | 基于人工智能的数据蒸馏方法及相关设备 | |
CN107688596B (zh) | 突发话题检测方法及突发话题检测设备 | |
CN115238194A (zh) | 书籍推荐方法、计算设备及计算机存储介质 | |
CN109213922B (zh) | 一种对搜索结果排序的方法和装置 | |
CN113536111B (zh) | 保险知识内容的推荐方法、装置和终端设备 | |
CN112464101A (zh) | 电子书的排序推荐方法、电子设备及存储介质 | |
CN109783052B (zh) | 数据排序方法、装置、服务器及计算机可读存储介质 | |
CN109451018B (zh) | 信息对象的推送方法、计算设备及计算机存储介质 | |
CN104715390A (zh) | 用于网络应用的数据处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |