CN106383885A - 疏导压力的阅读推荐方法及系统 - Google Patents

Abstract

本发明实施例提供一种疏导压力的阅读推荐方法及系统。所述方法包括：获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。所述系统包括：获取模块、计算模块和推荐模块，所述系统用于执行所述方法。本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

Description

疏导压力的阅读推荐方法及系统

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种疏导压力的阅读推荐方法及系统。

背景技术

随着信息时代的到来和社会的快速发展，人类面临着前所未有的竞争压力。同样，处在成长期的青少年也不可避免的承受着来自于学业、交际、家庭、情感、自我认知及就业等方面的不同的青春期心理压力。由于青少年很多时候不愿对父母、老师或同学说出坏情绪，经验的不足又常常使其不能正确面对；现有技术的心理辅导模式需要病人面对面地和心理咨询师进行沟通、交流。但是，由于缺乏及时性和多样性，因此，心理辅导模式并不能完全满足缓解青少年心理压力的要求。过多的压力很容易引起心理健康问题。当压力超出承受能力，不能及时有效地得到解决时，青少年很可能会转而通过伤害自己或者伤害他人来释放压力，甚至成为违法犯罪的主要诱因。目前青少年学生心理健康问题日趋严重，成为一个严重的社会问题。

面对激烈的竞争、沉重的压力，倍感困惑与茫然之时，阅读不同类型的书籍、文章，常常能缓解烦恼，淡化抑郁，获得积极向上的人生态度,奋发向上的创造激情,进而提高适应生活的能力,增强抵抗挫折的信心和勇气。此外，推荐义工等活动信息，可以鼓励青少年在积极参与、帮助别人的同时，转移注意力，提升心情，达到缓解压力的目的。

然而，不同的人群有不同的兴趣爱好以及承受着不同的压力级别，合理地向用户推荐阅读材料是现如今亟待解决的课题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种疏导压力的阅读推荐方法及系统。

一方面，本发明实施例提供一种疏导压力的阅读推荐方法，包括：

获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；

根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；

根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

另一方面，本发明实施例提供一种疏导压力的阅读推荐系统，包括：

获取模块，用于获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；

计算模块，用于根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；

推荐模块，用于根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

本发明实施例提供的疏导压力的阅读推荐方法及系统，通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的疏导压力的阅读推荐方法步骤结构示意图；

图2为本发明实施例提供的疏导压力的阅读推荐系统结构示意图；

图3为本发明另一实施例提供的疏导压力的阅读推荐系统结构示意图；

图4为本发明又一实施例提供的疏导压力的阅读推荐系统结构示意图；

图5为本发明实施例提供的疏导压力的阅读推荐系统实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的疏导压力的阅读推荐方法步骤结构示意图，如图1所示，所述方法，包括：

步骤101：获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；

具体地，系统获取所有文章对应的文章信息，文章信息包括文章阅读兴趣值和文章减压效果值，可以理解的是，系统获取的文章可以存储在系统的数据库中，但不局限于上述方式。

步骤102：根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；

具体地，系统通过获取到所有文章对应的文章阅读兴趣值和文章减压效果值，计算所有文章的文章推荐值，并将计算获得的所有文章的文章推荐值按照由大到小进行排序。

步骤103：根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

具体地，系统在一周内向用户所使用的移动终端发送预设推荐数量的文章，选择文章推荐值排列前预设推荐数量的文章。例如，设定文章推荐数量为4篇，则系统每周会将文章推荐值的排名为前4的文章推荐到用户所使用的移动终端。

本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

在上述实施例的基础上，所述根据所述文章阅读兴趣值和所述文章减压效果值，计算各文章的文章推荐值，包括：

所述文章推荐值＝第一权重值×所述文章阅读兴趣值+第二权重值×所述文章减压效果值；

其中，所述文章阅读兴趣值对应所述第一权重值，所述文章减压效果值对应所述第二权重值，所述第一权重值与所述第二权重值之和为1。

具体地，文章推荐以文章减压效果值为主，因为该系统推荐文章的目的就是为了缓解有压力人群的压力；以文章阅读感兴趣值为辅，因为如果用户对文章内容毫无兴趣，那么用户点击阅读的几率会大大减少，从而无法达到减压的效果。最理想的情况是推荐减压效果最好且用户最感兴趣的文章，但在实际情况中，两个元素往往不能同时取得最大值，因此需要在文章阅读兴趣值和文章减压效果值之间做出取舍。设置文章阅读兴趣值对应的第一权重值，文章减压效果值对应第二权重值，且第一权重值与第二权重值之和为1。

文章推荐值＝第一权重值×文章阅读兴趣值+第二权重值×文章减压效果值。

例如：某一篇的文章推荐值为Recommed(article)，该文章的文章阅读兴趣值为Interest(article)，文章减压效果值为Ease(article)，第一权重值为ρ，且0≤ρ≤1，ρ用于调整文章减压效果值和文章阅读兴趣值在推荐中的重要性，可得公式(1):

Recommed(article)＝ρ×Interest(article)+(1-ρ)×Ease(article) (1)

由于偏重减压效果，则可以设置ρ的值为0.2，但不局限于0.2，系统可以根据实际情况作调整，本实施例对此不作具体限定。

本发明实施例通过设置文章阅读兴趣值对应的第一权重值和文章减压效果值对应的第二权重值，并获得文章推荐值，提高了阅读推荐的合理性。

在上述实施例的基础上，所述获取所有文章的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值，包括：

所述文章至少包括一个文章标签，获取所述文章标签对应的标签阅读兴趣值和标签减压效果值；

根据所述标签阅读兴趣值获得所述文章阅读兴趣值，根据所述标签减压效果值获得所述文章减压效果值。

具体地，每篇文章包括一个或多个文章标签，获取文章包括的一个或多个文章标签对应的标签阅读兴趣值和标签减压效果值，该用户对文章的文章阅读兴趣值为其所含标签的标签阅读兴趣值的总和，该用户对文章的文章减压效果值为其所含标签的标签减压效果值的总和，因此可以根据标签阅读兴趣值获得文章阅读兴趣值，根据标签减压效果值获得文章减压效果值。

例如：每篇文章包括一个或多个文章标签，文章标签包括哲学、历史、人物传记、心理学、社会学、科学、宗教、文学、幽默、运动、艺术、旅行、荐书、义工、活动等15种类型，但不局限于上述类型，还可以包括其他类型的文章标签。且每一个文章标签都对应一个标签阅读兴趣值和标签减压效果值，系统可以为用户计算并维护一个标签阅读兴趣值向量VecI＝(tag₁.interest,tag₂.interest,…,tag₁₅.interest)和标签减压效果值向量VecE＝(tag₁.ease,tag₂.ease,…,tag₁₅.ease)，其中0≤tag_i.interest，tag_i.ease≤1。tag_i.interest表示该用户对文章标签的标签阅读兴趣值，tag_i.ease表示文章标签对该用户的标签减压效果值。Tag(article)表示文章article所包含的标签的集合，用户对文章article的文章阅读兴趣值为其所含标签的标签阅读兴趣值的总和，即Interest(article)＝∑tag_j∈Tag(article)tag_j.interest，其中tag_j表示文章中包含的文章标签。同样的，用户对文章article的文章减压效果值为其所含标签的标签减压效果值的总和，即Ease(article)＝∑tag_j∈Tag(article)tag_j.ease。

本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

在上述实施例的基础上，所述获取所述文章标签对应的标签阅读兴趣值和标签减压效果值，包括：

根据预设时间、文章被阅读次序和所述预设推荐数量计算所述文章对应的文章阅读优先级，根据所述文章阅读优先级和第一预设规则获取所述文章对应的文章标签的平均阅读优先级；

根据用户是否评论、收藏或分享计算所述文章标签对应的用户关注值；

获取所述文章的阅读时间和文章字节数，根据所述阅读时间和所述文章字节数计算所述文章对应的文章阅读时长比，根据所述文章阅读时长比和第二预设规则获取所述文章对应的文章标签的平均阅读时长比；

根据所述平均阅读优先级、所述用户关注值和所述平均阅读时长比获得标签阅读兴趣值；

获取文章标签出现在预设周期内推荐的、且被阅读过的文章的次数，并计算所述文章标签占比，所述文章标签占比为所述文章标签出现在预设周期内推荐的、且被阅读过的文章的次数与所有所述文章标签出现在预设周期内推荐的、且被阅读过的文章总次数的比值；

判断预设周期前后压力值大小，若判断获知预设周期前的压力值大于预设周期后的压力值，则所述标签减压效果值为所述文章标签占比。

具体地，影响标签阅读兴趣值的因素有标签的平均阅读优先级、用户关注值和平均阅读时长比。其中，根据预设时间、文章被阅读次序和预设推荐数量计算文章对应的文章阅读优先级，阅读优先级的值越大，文章阅读次序越靠前，若系统获知用户没有阅读某篇文章，则该文章对应的文章阅读优先级的值为0；一个文章标签可能出现在几篇文章中，文章标签的阅读优先级为其所属文章在这一周内的最大阅读优先级，若该文章标签出现在预设时间内的某几周，则可以计算出该文章标签的平均阅读优先级，平均阅读优先级的算法为该文章标签出现在某几周的阅读优先级之和除以周数。若用户通过移动终端阅读某一篇文章时，评论、收藏或分享乐该文章，则该文章中包含的文章标签对应的用户关注值为1，否则为0。获取用户阅读文章的阅读时间和该文章的文章字节数，根据阅读时间和文章字节数计算文章对应的文章阅读时长比，其中文章阅读时长比为阅读时间和文章字节数的比值。与阅读优先级类似，文章标签的阅读时长比为其所属文章在这一周内的最大阅读时长比，若该文章标签出现在预设时间内某几周，则可以计算出该文章标签的平均阅读时长比，平均阅读时长比的算法为该文章标签出现在某几周的阅读时长比之和除以周数。

例如：系统初始设定所有的标签兴趣值为最大值1，之后每隔w周，根据用户的阅读行为，更新标签阅读兴趣值。设在week₁,week₂,…,week_w周内，系统每周推送m篇文章，可以表示为(week₁：article_1,1,…，article_1,m),…,(week_w：article_w,1,……，article_w,m)。其中week₁,week₂,…,week_w表示以w周为一个周期，在一个周期内的第一周，第二周,…,第w周。假设article_k,i是week_k(k∈[1,w],i∈[1,m])周用户第n(1≤n≤m+1)个打开的文章，则article_k,i的文章阅读优先级为a-seq(week_k,article_k,i)＝(m-n+1)/m。a-seq(week_k,article_k,i)的值越大，就表示article_k,i这篇文章被阅读的越靠前。若用户未读article_k,i这篇文章，则n＝m+1，即a-seq(week_k,article_k,i)＝0。可以理解的是，在每周推送的m篇文章中，只要是没有被读到的文章，那该文章的文章阅读优先级就为0。

一个文章标签tag∈Tag(article_k,i)，可能出现在一周推荐的m篇文章中的几篇中，那么文章标签tag∈Tag(article_k,i)的标签阅读优先级为其所属的文章在week_k内最大标签阅读优先级，如公式(2)所示：

t-seq(week_k,tag)＝arg max_{(i∈[1,m]^tag∈Tag(articlek,i))}a-seq(week_k,article_k,i) (2)

另外，假设在w周内，标签tag出现在week_t1，……，week_ts周(1≤t1≤…≤ts≤w)的阅读文章里,tag的平均阅读优先级如公式(3)所示：

f_seq(week₁,…,week_w,tag)＝[t-seq(week_t1,tag)+…+t-seq(week_ts,tag)]/(ts-t1+1)

(3)

如果用户在week₁，……，week_w内评论、收藏或分享了一篇含标签tag的文章，则该标签tag对应的用户关注值如公式(4)所示：

f_act(week₁，……，week_w,tag)＝1 (4)

否则，f_act(week₁，……，week_w,tag)＝0。

一般情况下，阅读时长越长，用户对该文章越感兴趣，另外阅读时间会受文章长度影响，因此，取文章的阅读时间和文章字节数的比值来表示文章的文章阅读时长比，article_k,i在week_k(k∈[1,w],i∈[1,m])的阅读时长比值表示为如公式(5)所示：

a-tl(week_k,article_k,i)＝ReadTime(week_k,article_k,i)/Len(article_k,i) (5)

为了使文章的文章阅读时长比的取值范围为[0,1]，需要对公式(5)归一化处理，如公式(6)所示：

a-rt(week_k,article_k,i)＝a-tl(week_k,article_k,i)/arg max _i∈[1,m]a-tl(week_k,article_k,i) (6)

可以理解的是，若用户未读article_k,i，则文章article_k,i的文章阅读时长比a-rt(week_k,article_k,i)＝0。

与标签阅读优先级类似，一个文章标签tag∈Tag(article_k,i)，可能出现在一周推荐的m篇文章中的几篇中，那么文章标签tag∈Tag(article_k,i)的标签阅读时长比为其所属的文章在week_k内最大标签阅读时长比，如公式(7)所示：

t-rt(week_k,tag)＝arg max_{(i∈[1,m]∧tag∈Tag(articlek,i))}a-rt(week_k,article_k,i) (7)

另外，假设在w周内，标签tag出现在week_t1，……，week_ts周(1≤t1≤…≤ts≤w)的阅读文章里,tag的平均阅读时长比如公式(8)所示：

f_time(week₁,…,week_w,tag)＝[t-rt(week_t1,tag)+…+t-rt(week_ts,tag)]/(ts-t1+1) (8)

综上，可计算出文章标签阅读兴趣值Δ(week₁，……，week_w,tag)，如公式(9)所示：

Δ(week₁，……，week_w,tag)＝(f_seq(week₁，……，week_w,tag)+

f_act(week₁，……，week_w,tag)+

f_time(week₁，……，week_w,tag))/3∈[0,1] (9)

系统初始设定所有标签减压效果值为最大值1，然后根据w周前后用户压力值的变化，如：升高、减弱或不变，以及在这期间用户阅读不同标签的文章情况，将标签减压效果值按照阅读的文章标签出现频率作平均分配，对标签减压效果值进行调整。

设t-frtq(week₁,…,week_w,tag)表示标签tag出现在week₁,…,week_w周推荐的、且被阅读过文章的次数，并计算出文章标签tag出现在week₁,…,week_w周推荐的、且被阅读过文章次数与所有文章标签出现在week₁,…,week_w周推荐的、且被阅读过文章的总次数之比prop-t-freq(week₁,…,week_w,tag)，如公式(10)所示：

prop-t-freq(week₁，…，week_w,tag)＝t-freq(week₁，…，week_w,tag)/Σtag∈Tag(article_1,1)∪…∪Tag(article_w,m)t-freq(week₁，…，week_w,tag) (10)

设标签减压效果值为δ(week₁，…，week_w,tag)，则δ(week₁，…，week_w,tag)的计算方法如公式(11)所示：

δ(week₁，…，week_w,tag)＝α*prop-t-freq(week₁，…，week_w,tag) (11)

其中，α为系数，若w周前的压力值大于w周后的压力值，则α＝1，否则α＝0。

本发明实施例通过对标签阅读兴趣值和标签减压效果值的计算和维护，从而得出文章阅读兴趣值和文章减压效果值，能够合理地向用户推荐阅读材料。

在上述实施例的基础上，所述方法，还包括：

在所述预设周期内，判断所述文章中是否存在所述文章标签；

若判断获知所述文章中存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第三预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第四预设规则进行更新；若判断获知所述文章中不存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第五预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第六预设规则进行更新。

具体地，考虑到用户的兴趣点会有转移，以及用户的压力值会有所变化，此时，可以根据在预设周期内获得的标签阅读兴趣值对已有的标签阅读兴趣值进行更新。对于文章标签tag，如果文章标签tag在预设周期内出现，可以表示为tag∈Tag(article_1,1)∪…∪Tag(article_w,m)，此时，文章标签tag的标签阅读兴趣值可以更新为如公式(12)所示：

tag.interest＝tag.interest+Δ(week₁，…，week_w,tag) (12)

文章标签tag的标签减压效果值可以更新为如公式(13)所示：

tag.ease＝tag.ease+δ(week₁，…，week_w,tag) (13)

对于未在预设周期内出现的文章标签，为保障各周推荐文章的多样化，将最大的在预设周期内出现的文章标签的标签阅读兴趣值和标签减压效果值分别叠加到预设周期之前的标签阅读兴趣值和标签减压效果值中。

例如：如果文章标签tag在预设周期内没有出现，可以表示为此时，文章标签tag′的标签阅读兴趣值可以更新为如公式(14)所示：

tag′.interest＝tag′.interest+

arg max_{(tag∈Tag(article 1,1)∪…∪Tag(article w,m))}Δ(week₁，…，week_w,tag) (14)

文章标签tag′的标签减压效果值可以更新为如公式(15)所示：

tag′.ease＝tag′.ease+

arg max_{(tag∈Tag(article 1,1)∪…∪Tag(article w,m))}δ(week₁，…，week_w,tag) (15)

本发明实施例通过对标签阅读兴趣值和标签减压效果值的更新，一方面，能够使推荐的文章更加合理，另一方面，保障了每周推荐文章的多样化。

在上述各实施例的基础上，所述方法，还包括:

若接收到用户通过移动终端发送的兴趣标签，则将所述兴趣标签对应的标签阅读兴趣值和标签减压效果值进行更新。

具体地，用户可以通过移动终端注册与认证、登录所述系统，登录系统后用户可以通过移动终端选择文章标签，并将选择的文章标签发送给系统，系统收到该文章标签后，将选择的文章标签对应的标签阅读兴趣值置为1，将没有被选中的文章标签对应的标签阅读兴趣值置为0。另外，需要对文章标签对应的标签减压效果值进行更新，其更新的方法可以为，将每一标签减压效果值除以标签减压效果值中的最大值。应当说明的是，对标签减压效果值的方法不局限于本实施例列举的方法。若用户遗忘登录密码时，该系统允许用户重新设置登录密码。

本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

图2为本发明实施例提供的疏导压力的阅读推荐系统结构示意图，如图2所示，所述系统，包括：获取模块201、计算模块202和推荐模块203，其中：

获取模块201用于获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；计算模块202用于根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；推荐模块203用于根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

具体地，获取模块201获取所有文章对应的文章信息，文章信息包括文章阅读兴趣值和文章减压效果值，可以理解的是，获取模块201获取的文章可以存储在系统的数据库中，但不局限于上述方式。计算模块202通过获取到所有文章对应的文章阅读兴趣值和文章减压效果值，计算所有文章的文章推荐值，并将计算获得的所有文章的文章推荐值按照由大到小进行排序。推荐模块203在一周内向用户所使用的移动终端发送预设推荐数量的文章，选择文章推荐值排列前预设推荐数量的文章。例如，设定文章推荐数量为4篇，则系统每周会将文章推荐值的排名为前4的文章推荐到用户所使用的移动终端。

本发明提供的系统的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

在上述实施例的基础上，所述计算模块202，具体用于：

所述文章推荐值＝第一权重值×所述文章阅读兴趣值+第二权重值×所述文章减压效果值；

其中，所述文章阅读兴趣值对应所述第一权重值，所述文章减压效果值对应所述第二权重值，所述第一权重值与所述第二权重值之和为1。

具体地，文章推荐以文章减压效果值为主，因为该系统推荐文章的目的就是为了缓解有压力人群的压力；以文章阅读感兴趣值为辅，因为如果用户对文章内容毫无兴趣，那么用户点击阅读的几率会大大减少，从而无法达到减压的效果。最理想的情况是推荐减压效果最好且用户最感兴趣的文章，但在实际情况中，两个元素往往不能同时取得最大值，因此需要在文章阅读兴趣值和文章减压效果值之间做出取舍。设置文章阅读兴趣值对应的第一权重值，文章减压效果值对应第二权重值，且第一权重值与第二权重值之和为1。

文章推荐值＝第一权重值×文章阅读兴趣值+第二权重值×文章减压效果值。

本发明实施例通过设置文章阅读兴趣值对应的第一权重值和文章减压效果值对应的第二权重值，并获得文章推荐值，提高了阅读推荐的合理性。

在上述实施例的基础上，所述获取模块201，具体用于：

所述文章至少包括一个文章标签，获取所述文章标签对应的标签阅读兴趣值和标签减压效果值；

根据所述标签阅读兴趣值获得所述文章阅读兴趣值，根据所述标签减压效果值获得所述文章减压效果值。

具体地，每篇文章包括一个或多个文章标签，获取模块201获取文章包括的一个或多个文章标签对应的标签阅读兴趣值和标签减压效果值，该用户对文章的文章阅读兴趣值为其所含标签的标签阅读兴趣值的总和，该用户对文章的文章减压效果值为其所含标签的标签减压效果值的总和，因此可以根据标签阅读兴趣值获得文章阅读兴趣值，根据标签减压效果值获得文章减压效果值。

本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

在上述实施例的基础上，所述获取所述文章标签对应的标签阅读兴趣值和标签减压效果值，具体用于：

根据预设时间、文章被阅读次序和所述预设推荐数量计算所述文章对应的文章阅读优先级，根据所述文章阅读优先级和第一预设规则获取所述文章对应的文章标签的平均阅读优先级；

根据用户是否通过移动终端评论、收藏或分享计算所述文章标签对应的用户关注值；

获取所述文章的阅读时间和文章字节数，根据所述阅读时间和所述文章字节数计算所述文章对应的文章阅读时长比，根据所述文章阅读时长比和第二预设规则获取所述文章对应的文章标签的平均阅读时长比；

根据所述平均阅读优先级、所述用户关注值和所述平均阅读时长比获得标签阅读兴趣值；

获取文章标签出现在预设周期内推荐的、且被阅读过的文章的次数，并计算所述文章标签占比，所述文章标签占比为所述文章标签出现在预设周期内推荐的、且被阅读过的文章的次数与所有所述文章标签出现在预设周期内推荐的、且被阅读过的文章总次数的比值；

判断预设周期前后压力值大小，若判断获知预设周期前的压力值大于预设周期后的压力值，则所述标签减压效果值为所述文章标签占比。

具体地，影响标签阅读兴趣值的因素有标签的平均阅读优先级、用户关注值和平均阅读时长比。其中，根据预设时间、文章被阅读次序和预设推荐数量计算文章对应的文章阅读优先级，文章阅读优先级的值越大，文章阅读次序越靠前，若移动终端获知用户没有阅读某篇文章，则该文章对应的文章阅读优先级的值为0；一个文章标签可能出现在几篇文章中，文章标签的标签阅读优先级为其所属文章在这一周内的最大文章阅读优先级，若该文章标签出现在预设时间内的某几周，则可以计算出该文章标签的平均阅读优先级，平均阅读优先级的算法为该文章标签出现在某几周的阅读优先级之和除以周数。若用户通过移动终端阅读某一篇文章时，评论、收藏或分享乐该文章，则该文章中包含的文章标签对应的用户关注值为1，否则为0。获取用户阅读文章的阅读时间和该文章的文章字节数，根据所述阅读时间和文章字节数计算文章对应的文章阅读时长比，其中文章阅读时长比为阅读时间和文章字节数的比值。与标签阅读优先级类似，文章标签的阅读时长比为其所属文章在这一周内的最大阅读时长比，若该文章标签出现在预设时间内某几周，则可以计算出该文章标签的平均阅读时长比，平均阅读时长比的算法为该文章标签出现在某几周的阅读时长比之和除以周数。

本发明实施例通过对标签阅读兴趣值和标签减压效果值的计算和维护，从而得出文章阅读兴趣值和文章减压效果值，能够合理地向用户推荐阅读材料。

图3为本发明另一实施例提供的疏导压力的阅读推荐系统结构示意图，如图3所示，所述系统包括：获取模块201、计算模块202、推荐模块203、判断模块204和第一更新模块205，其中：

判断模块204用于在所述预设周期内，判断所述文章中是否存在所述文章标签；

第一更新模块205用于若判断获知所述文章中存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第三预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第四预设规则进行更新；若判断获知所述文章中不存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第五预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第六预设规则进行更新。

具体地，获取模块201、计算模块202和推荐模块203与上述实施例中一致，此处不再赘述。判断模块204判断在预设周期内，被推荐的文章中是否存在文章标签。第一更新模块205若判断获知文章中存在的文章标签，则将该文章标签对应的标签兴趣值根据第三预设规则进行更新，其更新的方法可以为，该文章标签在预设周期之前的标签阅读兴趣值与预设周期内得到的标签阅读兴趣值之和为更新后的标签阅读兴趣值；相应的，将该文章标签对应的标签减压效果值根据第四预设规则进行更新，其更新方法可以为，该文章标签在预设周期之前的标签减压效果值与预设周期内得到的标签减压效果值之和为更新后的标签减压效果值；第一更新模块205若判断获知文章中不存在的文章标签，则将该文章标签对应的标签兴趣值根据第五预设规则进行更新，其更新的方法可以为，该文章标签在预设周期之前的标签阅读兴趣值与在预设周期内出现的文章标签对应的最大的标签阅读兴趣值之和为更新后的标签阅读兴趣值，相应的，将该文章标签对应的标签减压效果值根据第六预设规则进行更新，其更新方法可以为，该文章标签在预设周期之前的标签减压效果值与在预设周期内出现的文章标签对应的最大的标签减压效果值之和为更新后的标签减压效果值。

本发明实施例通过对标签阅读兴趣值和标签减压效果值的更新，一方面，能够使推荐的文章更加合理，另一方面，保障了每周推荐文章的多样化。

图4为本发明又一实施例提供的疏导压力的阅读推荐系统结构示意图，如图4所示，所述系统，包括：获取模块201、计算模块202、推荐模块203、判断模块204、第一更新模块205和第二更新模块206，其中：

第二更新模块206用于若接收到用户通过移动终端发送的选择的文章标签，则将所述文章标签对应的标签阅读兴趣值和标签减压效果值进行更新。

具体地，获取模块201、计算模块202、推荐模块203、判断模块204和第一更新模块205与上述实施例一致，此处不再赘述。用户可以通过移动终端注册与认证、登录所述系统，登录系统后用户可以通过移动终端选择文章标签，移动终端将选择的文章标签发送给系统，第二更新模块206收到该文章标签后，将选中的文章标签对应的标签阅读兴趣值置为1，将没有被选中的文章标签对应的标签阅读兴趣值置为0。另外，需要对文章标签对应的标签减压效果值进行更新，其更新的方法可以为，将每一标签减压效果值除以标签减压效果值中的最大值。应当说明的是，对标签减压效果值的方法不局限于本实施例列举的方法。若用户遗忘登录密码时，该系统允许用户重新设置登录密码。

本发明提供的系统的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

本发明实施例通过将计算获得的文章推荐值进行排序，并根据文章的预设推荐数量和排序，选择预设推荐数量的文章进行推荐，针对不同兴趣和压力级别的人群，合理的向其推荐阅读材料。

图5为本发明实施例提供的疏导压力的阅读推荐系统实体结构示意图，如图 5所示所述系统可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。通信接口502可以用于系统与电子设备之间的信息传输。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.疏导压力的阅读推荐方法，其特征在于，包括：

获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；

根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；

根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

2.根据权利要求1所述的方法，其特征在于，所述根据所述文章阅读兴趣值和所述文章减压效果值，计算各文章的文章推荐值，包括：

所述文章推荐值＝第一权重值×所述文章阅读兴趣值+第二权重值×所述文章减压效果值；

其中，所述文章阅读兴趣值对应所述第一权重值，所述文章减压效果值对应所述第二权重值，所述第一权重值与所述第二权重值之和为1。

3.根据权利要求1所述的方法，其特征在于，所述获取所有文章的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值，包括：

所述文章至少包括一个文章标签，获取所述文章标签对应的标签阅读兴趣值和标签减压效果值；

根据所述标签阅读兴趣值获得所述文章阅读兴趣值，根据所述标签减压效果值获得所述文章减压效果值。

4.根据权利要求3所述的方法，其特征在于，所述获取所述文章标签对应的标签阅读兴趣值和标签减压效果值，包括：

根据预设时间、文章被阅读次序和所述预设推荐数量计算所述文章对应的文章阅读优先级，根据所述文章阅读优先级和第一预设规则获取所述文章对应的文章标签的平均阅读优先级；

根据用户是否通过移动终端评论、收藏或分享计算所述文章标签对应的用户关注值；

获取所述文章的阅读时间和文章字节数，根据所述阅读时间和所述文章字节数计算所述文章对应的文章阅读时长比，根据所述文章阅读时长比和第二预设规则获取所述文章对应的文章标签的平均阅读时长比；

根据所述平均阅读优先级、所述用户关注值和所述平均阅读时长比获得标签阅读兴趣值；

获取文章标签出现在预设周期内推荐的、且被阅读过的文章的次数，并计算所述文章标签占比，所述文章标签占比为所述文章标签出现在预设周期内推荐的、且被阅读过的文章的次数与所有所述文章标签出现在预设周期内推荐的、且被阅读过的文章总次数的比值；

判断预设周期前后压力值大小，若判断获知预设周期前的压力值大于预设周期后的压力值，则所述标签减压效果值为所述文章标签占比。

5.根据权利要求4所述的方法，其特征在于，所述方法，还包括：

在所述预设周期内，判断所述文章中是否存在所述文章标签；

若判断获知所述文章中存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第三预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第四预设规则进行更新；若判断获知所述文章中不存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第五预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第六预设规则进行更新。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法，还包括:

若接收到用户通过移动终端发送的选择的文章标签，则将所述文章标签对应的标签阅读兴趣值和标签减压效果值进行更新。

7.疏导压力的阅读推荐系统，其特征在于，包括：

获取模块，用于获取所有文章对应的文章信息，所述文章信息包括文章阅读兴趣值和文章减压效果值；

计算模块，用于根据所述文章阅读兴趣值和所述文章减压效果值，计算所述文章的文章推荐值，并将所述文章推荐值按照由大到小进行排序；

推荐模块，用于根据文章的预设推荐数量和所述排序，选择所述预设推荐数量的文章进行推荐。

8.根据权利要求7所述的系统，其特征在于，所述计算模块，具体用于：

所述文章推荐值＝第一权重值×所述文章阅读兴趣值+第二权重值×所述文章减压效果值；

其中，所述文章阅读兴趣值对应所述第一权重值，所述文章减压效果值对应所述第二权重值，所述第一权重值与所述第二权重值之和为1。

9.根据权利要求7所述的系统，其特征在于，所述获取模块，具体用于：

所述文章至少包括一个文章标签，获取所述文章标签对应的标签阅读兴趣值和标签减压效果值；

根据所述标签阅读兴趣值获得所述文章阅读兴趣值，根据所述标签减压效果值获得所述文章减压效果值。

10.根据权利要求9所述的系统，其特征在于，所述获取所述文章标签对应的标签阅读兴趣值和标签减压效果值，具体用于：

根据预设时间、文章被阅读次序和所述预设推荐数量计算所述文章对应的文章阅读优先级，根据所述文章阅读优先级和第一预设规则获取所述文章对应的文章标签的平均阅读优先级；

根据用户是否通过移动终端评论、收藏或分享计算所述文章标签对应的用户关注值；

获取所述文章的阅读时间和文章字节数，根据所述阅读时间和所述文章字节数计算所述文章对应的文章阅读时长比，根据所述文章阅读时长比和第二预设规则获取所述文章对应的文章标签的平均阅读时长比；

根据所述平均阅读优先级、所述用户关注值和所述平均阅读时长比获得标签阅读兴趣值；

获取文章标签出现在预设周期内推荐的、且被阅读过的文章的次数，并计算所述文章标签占比，所述文章标签占比为所述文章标签出现在预设周期内推荐的、且被阅读过的文章的次数与所有所述文章标签出现在预设周期内推荐的、且被阅读过的文章总次数的比值；

判断预设周期前后压力值大小，若判断获知预设周期前的压力值大于预设周期后的压力值，则所述标签减压效果值为所述文章标签占比。

11.根据权利要求10所述的系统，其特征在于，所述系统，还包括：

判断模块，用于在所述预设周期内，判断所述文章中是否存在所述文章标签；

第一更新模块，用于若判断获知所述文章中存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第三预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第四预设规则进行更新；若判断获知所述文章中不存在所述文章标签，则将所述文章标签对应的标签阅读兴趣值根据第五预设规则进行更新，相应的，所述文章标签对应的标签减压效果值根据第六预设规则进行更新。

12.根据权利要求8-11任一项所述的系统，其特征在于，所述系统，还包括：

第二更新模块，用于若接收到用户通过移动终端发送的选择的文章标签，则将所述文章标签对应的标签阅读兴趣值和标签减压效果值进行更新。