CN104111964A - 一种社区内用户阅读应用数据处理方法 - Google Patents

Abstract

本发明公开了一种社区内用户阅读应用数据处理方法，包括：利用社交网络内各个用户构建网络社区；对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，并构建阅读行为事件的数据结构模型，存储所述阅读行为事件的数据结构模型；根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度。本发明提供的社区内用户阅读应用数据处理方法，将数据元素依据逻辑联系组织起来，建立了用户、阅读行为、事件、时间、状态关联特征关系的数据模型，通过对参与度算法、以及参与度，推荐更有价值的数据信息。

Description

一种社区内用户阅读应用数据处理方法

技术领域

本发明涉及信息处理领域，尤其涉及一种社区内用户阅读应用数据处理方法。

背景技术

现在的企业组织的图书学习，主要是借助数字图书馆来开展，数字书馆具有存储能力大、速度快、保存时间长、成本低、便捷的特点，员工可以很快地从浩如烟海的图书资源库中，查找到自己所需要的信息资料，企业管理人员也可以发起自上而下的阅读学习活动，员工共同阅读学习一本或几本电子书。

但是，现有基于数字图书馆的阅读模式都很粗放，尤其是缺少对用户阅读数据的分析。企业管理者只能够获得简单的用户阅读学习数据，例如电子书的名称、作者、分类信息，电子书的阅读次数、阅读页数、阅读完成状态数据。而且，企业员工大多是在孤立的环境下个人阅读学习，在学习过程中缺乏交流和互动，缺乏分享和协作，缺乏知识的传播，更加严重的问题是企业管理者只获得了员工阅读学习电子书的简单数据，对员工的阅读学习的过程、学习兴趣点、学习内容的需求都无从知晓。

发明内容

本发明的目的在于提供一种社区内用户阅读应用数据处理方法，以解决上述问题。

为了达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种社区内用户阅读应用数据处理方法，包括如下步骤：

利用社交网络内各个用户构建网络社区；

对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，并构建阅读行为事件的数据结构模型，存储所述阅读行为事件的数据结构模型；

根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度；

其中：所述用户的阅读行为信息包括语义搜索内容信息、搜索热词信息、阅读数字图书的内容信息、阅读数字图书的内容的停留时间信息、阅读数字图书的次数信息、阅读数字图书的频率信息和数字图书的持有时间信息；

所述与其他用户之间互动学习行为信息包括阅读分享的内容信息、互动讨论的内容信息、问答的内容信息、评价的内容信息和发起活动的主题信息。

较佳地，

所述对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，具体包括如下步骤：

利用爬虫程序从社交网络上阅读行为信息以及与其他用户之间互动学习行为信息。

较佳地，

在所述数据结构模型中数据结构包括整合有用户、阅读行为、事件、时间、状态关联特征关系的数据模型。

较佳地，

所述根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度，具体包括如下步骤：

从确定的用户与阅读行为事件的关系，阅读行为事件的发生与用户的关系，相同阅读行为事件用户之间的关系三个方面，使用社区行为事件参与度算法，得到参与度矩阵，根据所述参与度矩阵计算得到网络社区内用户各种阅读行为事件的参与度；

用行和列分别表示用户和阅读行为事件形成参与度矩阵，即为A＝{a ij}，

其中：对a有如下规定，aij{1表示若用户i参与事件j；0表示用户没有参与；

利用参与度矩阵：求取网络社区用户内各种阅读行为事件j的参与度。

较佳地，

在所述根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度之后，还包括如下步骤：

在网络社区中，分析出所述多个用户参与度相同的阅读行为事件，解析所述阅读行为事件中的阅读行为信息。

较佳地，

在网络社区中，分析出所述多个用户参与度相同的阅读行为事件，解析所述阅读行为事件中的阅读行为信息之后，还包括如下步骤：

将解析后的所述阅读行为信息推荐给其他用户。

较佳地，

所述网络社区中每个用户与所述数据结构模型内的用户一一对应。

与现有技术相比，本发明实施例的优点在于：

本发明提供的一种社区内用户阅读应用数据处理方法，包括如下步骤：

分析上述个步骤可知：首先利用社交网络搭建用于阅读应该数据处理的网络社区，阅读网络社区的搭建，得以让用户除了有个人阅读行为之外，还有社会化阅读行为，能够跨平台的跟踪多种应用数据，并进行整合构建数据结构模型(该数据结构模型整合有用户、阅读行为、事件、时间、状态关联特征关系的数据模型)；然后利用上述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度。其中在阅读网络社区中，对于某一事件，各个用户是随机参与的，并以一定的概率分布，阅读网络社区中用户参与度的可以用于衡量用户关联事件的数目，该数目可以从参与度矩阵中获得，并同时获得用户a参与事件的数目，其参与度为：；该数目往往具有一定的代表性，例如多个社区内多个用户参与度主要集中在某个阅读行为事件，然后该阅读行为事件所对应的阅读行为(例如：阅读内容，针对某个阅读内容时间和次数)都能说明该社区的读者阅读内容的倾向性，从而给出版机构提供市场导向信息。

附图说明

图1为本发明实施例提供的社区内用户阅读应用数据处理方法的流程示意图。

具体实施方式

下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。

参见图1，本发明实施例提供了一种社区内用户阅读应用数据处理方法，包括如下步骤：

步骤S100、利用社交网络内各个用户构建网络社区；

步骤S200、对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，并构建阅读行为事件的数据结构模型，存储所述阅读行为事件的数据结构模型；

步骤S300、根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度；

其中：所述用户的阅读行为信息包括语义搜索内容信息、搜索热词信息、阅读数字图书的内容信息、阅读数字图书的内容的停留时间信息、阅读数字图书的次数信息、阅读数字图书的频率信息和数字图书的持有时间信息；

所述与其他用户之间互动学习行为信息包括阅读分享的内容信息、互动讨论的内容信息、问答的内容信息、评价的内容信息和发起活动的主题信息。

分析上述个步骤可知：首先利用社交网络搭建用于阅读应该数据处理的网络社区，阅读网络社区的搭建，得以让用户除了有个人阅读行为之外，还有社会化阅读行为，能够跨平台的跟踪多种应用数据，并进行整合构建数据结构模型(该数据结构模型整合有用户、阅读行为、事件、时间、状态关联特征关系的数据模型)；然后利用上述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度。其中在阅读网络社区中，对于某一事件，各个用户是随机参与的，并以一定的概率分布，阅读网络社区中用户参与度的可以用于衡量用户关联事件的数目，该数目可以从参与度矩阵中获得，并同时获得用户a参与事件的数目，其参与度为：该数目往往具有一定的代表性，例如多个社区内多个用户参与度主要集中在某个阅读行为事件，然后该阅读行为事件所对应的阅读行为(例如：阅读内容，针对某个阅读内容时间和次数)都能说明该社区的读者阅读内容的倾向性，从而给出版机构提供市场导向信息。

需要说明的是，因为有了阅读网络社区，这样一个开放的社会化的学习环境，相比现有的数字图书馆阅读方式，有了更多用户社交互动的数据。数据分析发掘用户之间的内在联系，发掘阅读内容之间的联系，发掘社交行为的相似性。数据分析的结果是用户对不同内容的参与度，可以显示各个社区群组，相同的阅读内容、阅读效果、阅读兴趣、阅读需求，特别是阅读需求，可以用来指导数字图书的出版商，有的放矢的编辑社区群组合适的内容。

下面对本发明实施例中的社区内用户阅读应用数据处理方法的各个步骤做具体说明：

较佳地，在所述步骤S100中，所述对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，具体包括如下步骤：

步骤S110、利用爬虫程序从社交网络上阅读行为信息以及与其他用户之间互动学习行为信息。

较佳地，在所述数据结构模型中数据结构包括整合有用户、阅读行为、事件、时间、状态关联特征关系的数据模型。

较佳地，在所述步骤S300中，所述根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度，具体包括如下步骤：

步骤S310、从确定的用户与阅读行为事件的关系，阅读行为事件的发生与用户的关系，相同阅读行为事件用户之间的关系三个方面，使用社区行为事件参与度算法，得到参与度矩阵，根据所述参与度矩阵计算得到网络社区内用户各种阅读行为事件的参与度；

用行和列分别表示用户和阅读行为事件形成参与度矩阵，即为A＝{a ij}，

其中：对a有如下规定，aij{1表示若用户i参与事件j；0表示用户没有参与；

利用上述参与度矩阵求取网络社区用户内各种阅读行为事件j的参与度。

较佳地，所述网络社区中每个用户与所述数据结构模型内的用户一一对应。

较佳地，在所述根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度之后，还包括如下步骤：

步骤S400、在网络社区中，分析出所述多个用户参与度相同的阅读行为事件，解析所述阅读行为事件中的阅读行为信息。

较佳地，在网络社区中，分析出所述多个用户参与度相同的阅读行为事件，解析所述阅读行为事件中的阅读行为信息之后，还包括如下步骤：

步骤S500、将解析后的所述阅读行为信息推荐给其他用户。

需要说明的是，例如某个阅读的网络社区中，多个用户都在读某一本书阅读行为事件上的参与度都很高，说明这个社区内的用户更加喜爱读这本书，这样出版机构(即出版机构其也可以作为社区内的一个用户)可以获知，并针对该社区内用户推荐相关的书籍。同时也可以将这个阅读行为信息推荐给其他用户，便于用户之间的交流。这样其他用户就可以找到共同阅读这本书的其他用户，并加入学习群组，实现交流分享。

本发明提供一种社区内用户阅读应用数据处理方法，有别于现有的数字图书阅读数据记录方法。一方面通过阅读网络社区的搭建，得以让用户除了有个人阅读行为之外，还有社会化阅读行为，能够跨平台的跟踪多种应用数据，并进行整合；

另一方面对于获取的应用数据再进行分类、标示，进而分析出不同阅读群体的内容需求、从而给予出版社以参考，定制化提供数字图书内容，满足阅读群体需求。

一种社区内用户阅读应用数据处理方法，包括：

(1)以数字图书阅读为核心的阅读网络社区。

以数字图书阅读为核心的阅读网络社区是指企业范围内，专家和员工之间、员工与员工之间，相互进行数字图书阅读、分享知识，分享阅读体验，使得知识扩散到整个企业的层面。

社区交流：阅读网络社区构建在用户之间以学习为中心的社交网络上，是一个计算机网络资源共享技术和多媒体信息展示技术的系统。

阅读分享：提供了一个图书阅读的交流系统，用户可以在这个系统分享自己学习数字出版资源的内容和心得，同时也可通过学习群组的方式，实现基于主题的交流分享。

知识问答：提供在线知识问答功能，将学员阅读学习内容中的疑问，以在线提问的方式抛向社区，提问和经认定的标准答案，收集到阅读网络社区，并形成分类。

搜索引擎：应用智能的语义搜索引擎，对用户的查询表达进行语义处理，使得自然语言具备语义上的逻辑关系，能够进行广泛有效的语义推理，从而更加准确、全面地实现用户检索。对用户的搜索结果按分类、按条件等多维度的复合筛选，帮助用户在海量的学习内容资源中，快速、准确地定位资源。

(2)用户应用数据跟踪。

用户应用数据跟踪，指的是在阅读网络社区环境中，用户个人的阅读学习行为或者与他人的互动进行学习的行为的跟踪。这些行为可以发生在任何设备上，并且会发出阅读学习事件的信息。这些信息将被系统跟踪，随后以一定的格式发送并记录到数据存储模块(Reading data Storage)中。

用户个人阅读学习的行为包括：语义搜索内容、搜索热词、阅读数字图书的内容、阅读数字图书的内容的停留时间、阅读数字图书的次数、阅读数字图书的频率、数字图书的持有时间；他人互动活动包括：阅读分享的内容、互动讨论的内容、问答的内容、评价的内容、发起活动的主题。所以以上的行为活动，都被以统一的格式表达：用户+行为+事件+时间+状态(person+active+object+time+statement)，系统可实现跨平台、跨设备的获取这样的表达，并且整合起来，形成用户统一的应用数据跟踪档案(personal reading profile)，记录到数据存储模块(Reading dataStorage)中。

(3)应用数据分析。

应用数据分析指的是使用社区事件参与度算法，分析阅读网络社区用户各种行为事件的参与度，从三个方面入手：用户与事件的关系，事件的发生与用户的关系，相同事件用户之间的关系。用行和列分别表示用户和事件形成参与度矩阵，即为A＝{a ij}，

对a有如下规定，aij{1若用户i参与了事件j；0用户没有参与。

由于有n个用户和h个事件，故A为n*h矩阵。例如一个4个用户的阅读网络社区，学习事件参与度矩阵可以如下表示：

A＝{1010001}

0100100

1001001

0100010

在阅读网络社区中，对于某一事件，各个用户是随机参与的，并以一定的概率分布，定义阅读网络社区中用户参与度的概念，参与度衡量用户关联事件的数目，该数目可以从参与度矩阵中获得，及用户a参与事件的数目，

其参与度为(即参与率)：

1、引入了阅读网络社区，用户可以在社交环境下阅读数字图书，打破了传统的个人阅读的模式。

2、阅读学习行为跟踪的数据具有多样性和可扩展性，可以是用户个人的阅读学习行为或者与他人的互动进行学习的行为的跟踪，几乎包含所有的学习方式产生的学习记录。

3、阅读学习行为跟踪的兼容性，兼容各种设备，包括PC、移动设备、电子书阅读器等，可在任何情况下实现该接口的平台存储和共享数据。

4、阅读学习行为跟踪采用了一种统一的表达格式，为系统之间的交互提供了标准，使之能进行安全通讯。

5、数据分析的结果可以显示各个社区群组，相同的阅读内容、阅读效果、阅读兴趣、阅读需求，特别是阅读需求，可以用来指导数字图书的出版商，有的放矢的编辑社区群组合适的内容。

本发明涉及一种社区内用户阅读应用数据处理方法，具体来说，是涉及以数字图书阅读为核心的阅读网络社区、用户应用数据跟踪、应用数据分析等领域的数据分析方法。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种社区内用户阅读应用数据处理方法，其特征在于，包括如下步骤：

利用社交网络内各个用户构建网络社区；

对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，并构建阅读行为事件的数据结构模型，存储所述阅读行为事件的数据结构模型；

根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度；

其中：所述用户的阅读行为信息包括语义搜索内容信息、搜索热词信息、阅读数字图书的内容信息、阅读数字图书的内容的停留时间信息、阅读数字图书的次数信息、阅读数字图书的频率信息和数字图书的持有时间信息；

所述与其他用户之间互动学习行为信息包括阅读分享的内容信息、互动讨论的内容信息、问答的内容信息、评价的内容信息和发起活动的主题信息。

2.如权利要求1所述的社区内用户阅读应用数据处理方法，其特征在于，

所述对所述用户的阅读行为信息以及与其他用户之间互动学习行为信息进行抓取，具体包括如下步骤：

利用爬虫程序从社交网络上阅读行为信息以及与其他用户之间互动学习行为信息。

3.如权利要求1所述的社区内用户阅读应用数据处理方法，其特征在于，

在所述数据结构模型中数据结构包括整合有用户、阅读行为、事件、时间、状态关联特征关系的数据模型。

4.如权利要求1所述的社区内用户阅读应用数据处理方法，其特征在于，

所述根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度，具体包括如下步骤：

从确定的用户与阅读行为事件的关系，阅读行为事件的发生与用户的关系，相同阅读行为事件用户之间的关系三个方面，使用社区行为事件参与度算法，得到参与度矩阵，根据所述参与度矩阵计算得到网络社区内用户各种阅读行为事件的参与度；

用行和列分别表示用户和阅读行为事件形成参与度矩阵，即为A＝{a ij}，

其中：对a有如下规定，aij{1表示若用户i参与事件j；0表示用户没有参与；

利用参与度矩阵：求取网络社区用户内各种阅读行为事件j的参与度。

5.如权利要求1所述的社区内用户阅读应用数据处理方法，其特征在于，

在所述根据所述数据结构模型，挖掘分析出网络社区内的用户的各种阅读行为事件的参与度之后，还包括如下步骤：

在网络社区中，分析出所述多个用户参与度相同的阅读行为事件，解析所述阅读行为事件中的阅读行为信息。

6.如权利要求5所述的社区内用户阅读应用数据处理方法，其特征在于，

在网络社区中，分析出所述多个用户参与度相同的阅读行为事件，解析所述阅读行为事件中的阅读行为信息之后，还包括如下步骤：

将解析后的所述阅读行为信息推荐给其他用户。

7.如权利要求6所述的社区内用户阅读应用数据处理方法，其特征在于，

所述网络社区中每个用户与所述数据结构模型内的用户一一对应。