一種圖書推薦方法和裝置制造方法
【專利摘要】本發(fā)明提供了一種圖書推薦方法和裝置為實現(xiàn)上述目的，其中，所述方法包括：獲取包括多本圖書信息的圖書信息庫；確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書標簽庫；計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成圖書標簽的區(qū)分度值表；根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標簽的區(qū)分度值表，計算所述第一用戶的第一用戶度量值表；將所述多本圖書中的每本圖書的圖書標簽集與所述第一用戶度量值表進行關(guān)聯(lián)，確定每本圖書各自的圖書推薦值；根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為推薦圖書。本發(fā)明通過圖書標簽聯(lián)系用戶和圖書，根據(jù)用戶的喜好為用戶推薦圖書。
【專利說明】一種圖書推薦方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)據(jù)業(yè)務(wù)領(lǐng)域，尤其涉及一種圖書推薦方法和裝置。

【背景技術(shù)】
[0002] 目前，圖書種類不斷增加，即使對于一個明細分類，讀者在書店、圖書館等場所都 可能找到幾百種，甚至上千種相關(guān)圖書，結(jié)果造成讀者很難在有限的時間內(nèi)選擇到適合自 身的圖書，并在閱讀后能夠獲得最大效果。現(xiàn)有的解決方式是針對不同讀者進行圖書推薦， 主要的圖書推薦方法有以下兩種：
[0003] 〈方法一〉
[0004] 根據(jù)用戶的閱讀訂購關(guān)系數(shù)據(jù)，判斷用戶喜歡過的圖書，然后給用戶推薦與他喜 歡過的物品相似的物品，即基于物品（item-based)推薦算法。
[0005] 〈方法二〉
[0006] 根據(jù)用戶歷史閱讀行為數(shù)據(jù)建立用戶圖書打分矩陣，通過計算得到和用戶興 趣相似的其他用戶，將興趣愛好相似的其他用戶喜歡的圖書推薦給用戶，即基于用戶 User-based推薦算法。
[0007] 上述的兩種圖書推薦方法主要是基于用戶歷史閱讀數(shù)據(jù)，或利用建立起來的用戶 圖書打分矩陣或是使用關(guān)聯(lián)規(guī)則來進行圖書推薦。這些推薦對于熱門經(jīng)典圖書比較有效， 但推薦不出有價值的潛力圖書。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是提供一種圖書推薦方法和裝置，通過圖書標簽聯(lián)系用戶和圖書， 根據(jù)用戶的喜好為用戶推薦圖書。
[0009] 為實現(xiàn)上述目的，本發(fā)明實施例提供了一種圖書推薦方法，所述方法包括：
[0010] 獲取包括多本圖書信息的圖書信息庫；
[0011] 確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書標簽庫；
[0012] 計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成圖書標簽的區(qū)分度值 表；
[0013] 根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標簽的區(qū)分 度值表，計算所述第一用戶的第一用戶度量值表；
[0014] 將所述多本圖書中的每本圖書的圖書標簽集與所述第一用戶度量值表進行關(guān)聯(lián)， 確定每本圖書各自的圖書推薦值；
[0015] 根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為推薦圖書。
[0016] 上述的圖書推薦方法，其中，所述圖書標簽的區(qū)分度值與所述圖書標簽在所述圖 書信息庫中出現(xiàn)的次數(shù)成反比。
[0017] 上述的圖書推薦方法，其中，所述閱讀行為數(shù)據(jù)包括近期閱讀圖書的第一閱讀數(shù) 據(jù)和歷史深度閱讀圖書的第二閱讀數(shù)據(jù)。
[0018] 上述的圖書推薦方法，其中，所述第一閱讀數(shù)據(jù)和所述第二閱讀數(shù)據(jù)具有各自的 權(quán)重；
[0019] 第一圖書標簽在所述第一用戶度量值表中對應(yīng)的第一用戶度量值為第一乘積與 第二乘積之和，其中第一乘積根據(jù)第一閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第一閱 讀數(shù)據(jù)的權(quán)重確定，第二乘積根據(jù)第二閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第二閱 讀數(shù)據(jù)的權(quán)重確定。
[0020] 上述的圖書推薦方法，其中，所述多本圖書中的第一圖書的圖書推薦值為所述第 一圖書包括的每個圖書標簽在所述第一用戶度量值表中對應(yīng)的用戶度量值之和。
[0021] 上述的圖書推薦方法，其中，所述根據(jù)所述圖書推薦值，在所述多本圖書中選擇至 少一本目標圖書推薦給所述第一用戶具體為按照所述圖書推薦值由高到低選擇所述目標 圖書，并剔除所述第一用戶已閱讀的圖書。
[0022] 為實現(xiàn)上述目的，本發(fā)明實施例還提供了一種圖書推薦裝置，所述裝置包括：
[0023] 圖書信息庫獲取模塊，用于獲取包括多本圖書信息的圖書信息庫；
[0024] 圖書標簽庫確定模塊，用于確定所述多本圖書中的每本圖書的圖書標簽集，形成 圖書標簽庫；
[0025] 區(qū)分度值表確定模塊，用于計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值， 形成圖書標簽的區(qū)分度值表；
[0026] 計算模塊，用于根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖 書標簽的區(qū)分度值表，計算所述第一用戶的第一用戶度量值表；
[0027] 圖書推薦值確定模塊，用于將多本圖書中的每本圖書的圖書標簽集與所述第一用 戶度量值表進行關(guān)聯(lián)，確定每本圖書各自的圖書推薦值；
[0028] 推薦模塊，用于根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書， 作為推薦圖書。
[0029] 上述的圖書推薦裝置，其中，所述圖書標簽的區(qū)分度值與所述圖書標簽在所述圖 書信息庫中出現(xiàn)的次數(shù)成反比。
[0030] 上述的圖書推薦裝置，其中，所述閱讀行為數(shù)據(jù)包括近期閱讀圖書的第一閱讀數(shù) 據(jù)和歷史深度閱讀圖書的第二閱讀數(shù)據(jù)。
[0031] 上述的圖書推薦裝置，其中，所述第一閱讀數(shù)據(jù)和所述第二閱讀數(shù)據(jù)具有各自的 權(quán)重；
[0032] 第一圖書標簽在所述第一用戶度量值表中對應(yīng)的第一用戶度量值為第一乘積與 第二乘積之和，其中第一乘積根據(jù)第一閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第一閱 讀數(shù)據(jù)的權(quán)重確定，第二乘積根據(jù)第二閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第二閱 讀數(shù)據(jù)的權(quán)重確定。
[0033] 上述的圖書推薦裝置，其中，所述多本圖書中的第一圖書的圖書推薦值為所述第 一圖書包括的每個圖書標簽在所述第一用戶度量值表中對應(yīng)的用戶度量值之和。
[0034] 上述的圖書推薦裝置，其中，所述推薦模塊具體為按照所述圖書推薦值由高到低 選擇所述目標圖書，并剔除所述第一用戶已閱讀的圖書。
[0035] 本發(fā)明實施例通過分析圖書本身的內(nèi)容屬性特征，給圖書打上其特有的標簽，同 時通過分析用戶閱讀行為數(shù)據(jù)得到用戶喜好的圖書的標簽，以圖書標簽為基準建立起用戶 和圖書的關(guān)聯(lián)關(guān)系，根據(jù)用戶的喜好為用戶推薦圖書，提高圖書推送的準確率、用戶的回復(fù) 率以及點擊率等。

【專利附圖】

【附圖說明】
[0036] 圖1為本發(fā)明實施例提供的圖書推薦方法的流程示意圖；
[0037] 圖2為本發(fā)明實施例提供的圖書推薦裝置的結(jié)構(gòu)示意圖。

【具體實施方式】
[0038] 為使本發(fā)明實施例要解決的技術(shù)問題、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附 圖及具體實施例進行詳細描述。
[0039] 本發(fā)明實施例提供了一種圖書推薦方法，所述方法如圖1所示，包括：
[0040] 步驟11，獲取包括多本圖書信息的圖書信息庫；
[0041] 步驟12,確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書標簽庫；
[0042] 步驟13,計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成圖書標簽的區(qū) 分度值表；
[0043] 步驟14,根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標簽 的區(qū)分度值表，計算所述第一用戶的第一用戶度量值表；
[0044] 步驟15,將所述多本圖書中的每本圖書的圖書標簽集與所述第一用戶度量值表進 行關(guān)聯(lián)，確定每本圖書各自的圖書推薦值；
[0045] 步驟16,根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為推 薦圖書。
[0046] 本發(fā)明實施例在圖書信息庫的基礎(chǔ)上，形成了圖書標簽庫，并計算圖書標簽庫中 每個圖書標簽的區(qū)分度值，進一步地，根據(jù)圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù) 和圖書標簽的區(qū)分度值表，得到用戶喜好的圖書的標簽，將圖書信息庫中的圖書的圖書標 簽與用戶喜好的圖書標簽進行關(guān)聯(lián)，得到具體的圖書的推薦值，并最終根據(jù)圖書推薦值選 擇推薦圖書。
[0047] 下面分步驟詳細介紹所述圖書推薦方法。
[0048] 首先，通過步驟11，獲取包括多本圖書信息的圖書信息庫。
[0049] 在獲取的圖書信息庫的基礎(chǔ)上，通過步驟12確定所述多本圖書中的每本圖書的 圖書標簽集，形成圖書標簽庫。此時，主要是通過分析圖書本身的內(nèi)容屬性特征，編輯給圖 書打上其特有的標簽集，標簽集可以包括作者、分類、主題和關(guān)鍵詞等，每本圖書的標簽集 匯總起來就形成了圖書標簽庫，例如表1所示。
[0050]

【權(quán)利要求】
1. 一種圖書推薦方法，其特征在于，所述方法包括： 獲取包括多本圖書信息的圖書信息庫； 確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書標簽庫； 計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成圖書標簽的區(qū)分度值表； 根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標簽的區(qū)分度值 表，計算所述第一用戶的第一用戶度量值表； 將所述多本圖書中的每本圖書的圖書標簽集與所述第一用戶度量值表進行關(guān)聯(lián)，確定 每本圖書各自的圖書推薦值； 根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為推薦圖書。
2. 如權(quán)利要求1所述的圖書推薦方法，其特征在于，所述圖書標簽的區(qū)分度值與所述 圖書標簽在所述圖書信息庫中出現(xiàn)的次數(shù)成反比。
3. 如權(quán)利要求1所述的圖書推薦方法，其特征在于，所述閱讀行為數(shù)據(jù)包括近期閱讀 圖書的第一閱讀數(shù)據(jù)和歷史深度閱讀圖書的第二閱讀數(shù)據(jù)。
4. 如權(quán)利要求3所述的圖書推薦方法，其特征在于，所述第一閱讀數(shù)據(jù)和所述第二閱 讀數(shù)據(jù)具有各自的權(quán)重； 第一圖書標簽在所述第一用戶度量值表中對應(yīng)的第一用戶度量值為第一乘積與第二 乘積之和，其中第一乘積根據(jù)第一閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第一閱讀數(shù) 據(jù)的權(quán)重確定，第二乘積根據(jù)第二閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第二閱讀數(shù) 據(jù)的權(quán)重確定。
5. 如權(quán)利要求4所述的圖書推薦方法，其特征在于，所述多本圖書中的第一圖書的圖 書推薦值為所述第一圖書包括的每個圖書標簽在所述第一用戶度量值表中對應(yīng)的用戶度 量值之和。
6. 如權(quán)利要求1所述的圖書推薦方法，其特征在于，所述根據(jù)所述圖書推薦值，在所述 多本圖書中選擇至少一本目標圖書推薦給所述第一用戶具體為按照所述圖書推薦值由高 到低選擇所述目標圖書，并剔除所述第一用戶已閱讀的圖書。
7. -種圖書推薦裝置，其特征在于，所述裝置包括： 圖書信息庫獲取模塊，用于獲取包括多本圖書信息的圖書信息庫； 圖書標簽庫確定模塊，用于確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書 標簽庫； 區(qū)分度值表確定模塊，用于計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成 圖書標簽的區(qū)分度值表； 計算模塊，用于根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標 簽的區(qū)分度值表，計算所述第一用戶的第一用戶度量值表； 圖書推薦值確定模塊，用于將多本圖書中的每本圖書的圖書標簽集與所述第一用戶度 量值表進行關(guān)聯(lián)，確定每本圖書各自的圖書推薦值； 推薦模塊，用于根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為 推薦圖書。
8. 如權(quán)利要求7所述的圖書推薦裝置，其特征在于，所述圖書標簽的區(qū)分度值與所述 圖書標簽在所述圖書信息庫中出現(xiàn)的次數(shù)成反比。
9. 如權(quán)利要求7所述的圖書推薦裝置，其特征在于，所述閱讀行為數(shù)據(jù)包括近期閱讀 圖書的第一閱讀數(shù)據(jù)和歷史深度閱讀圖書的第二閱讀數(shù)據(jù)。
10. 如權(quán)利要求9所述的圖書推薦裝置，其特征在于，所述第一閱讀數(shù)據(jù)和所述第二閱 讀數(shù)據(jù)具有各自的權(quán)重； 第一圖書標簽在所述第一用戶度量值表中對應(yīng)的第一用戶度量值為第一乘積與第二 乘積之和，其中第一乘積根據(jù)第一閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第一閱讀數(shù) 據(jù)的權(quán)重確定，第二乘積根據(jù)第二閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第二閱讀數(shù) 據(jù)的權(quán)重確定。
11. 如權(quán)利要求10所述的圖書推薦裝置，其特征在于，所述多本圖書中的第一圖書的 圖書推薦值為所述第一圖書包括的每個圖書標簽在所述第一用戶度量值表中對應(yīng)的用戶 度量值之和。
12. 如權(quán)利要求7所述的圖書推薦裝置，其特征在于，所述推薦模塊具體為按照所述圖 書推薦值由高到低選擇所述目標圖書，并剔除所述第一用戶已閱讀的圖書。
【文檔編號】G06F17/30GK104111939SQ201310135875
【公開日】2014年10月22日 申請日期:2013年4月18日 優(yōu)先權(quán)日:2013年4月18日
【發(fā)明者】戴和忠, 沈治, 斯凌, 李玉巍 申請人:中國移動通信集團浙江有限公司