CN109325223B - 文章推荐方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种文章推荐方法、装置及电子设备。该方法包括：确定目标用户在当前文章中的用户兴趣章节；根据目标用户的用户特征，在用户兴趣章节中获取用户热点词汇；根据用户热点词汇，选取对应的文章推荐给目标用户。根据本发明，可以提高文章推荐的精准度，满足用户对文章阅读的个性化需求，克服基于文章整体内容推荐相似文章的缺陷，实现真正的“扩展阅读”。

Description

文章推荐方法、装置及电子设备

技术领域

本发明涉及信息流技术领域，更具体地，涉及一种文章推荐方法、装置及电子设备。

背景技术

信息流通常是指信息处理过程中信息在计算机系统以及通信网络中的流动。信息流在沟通连接、辅助决策、引导调控以及经济增值方面的功能体验，在人们日常生活中的作用越来越重要。目前常见的信息流产品包括浏览器、提供浏览器功能的社交应用等。

用户使用信息流产品最常用的一个场景是浏览信息流产品展示的文章。目前信息流产品在展示文章时，通常会进行相关文章推荐。这些被推荐的相关文章，通常是基于对展示的当前文章的整体内容进行相似匹配得到。但是，在实际应用中，用户既然已经阅读过展示的当前文章，对与当前文章具有相似内容的相关文章实际的阅读兴趣度较低，因此，目前相关文章被推荐后，用户实际点击进行阅读的推荐点击率并不高，无法实现“扩展阅读”的效果。

发明内容

本发明的一个目的是提供一种用于推荐文章的新技术方案。

根据本发明的第一方面，提供了一种文章推荐方法，其中，包括：

确定目标用户在当前文章中的用户兴趣章节；

根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇；

根据所述用户热点词汇，选取对应的文章推荐给目标用户。

可选地，所述确定目标用户在当前文章中的用户兴趣章节的步骤包括：

获取所述目标用户对所述当前文章中每个章节的阅读时长；

将所述阅读时长大于预设的时长阈值的所述章节，确定为所述当前文章中的用户兴趣章节。

可选地，所述方法还包括对文章库中的每篇文章划分章节的步骤包括：

针对每篇文章，获取该文章的每个段落的段落概要词汇；

根据所述每个段落的段落概要词汇，在所述文章库中确定每个所述段落的相似文章集合；

根据每个所述段落的相似文章集合，获取每个所述段落与相邻段落之间的段落相似度；

将段落相似度大于预设的相似度阈值的多个相邻段落划分为一个所述章节。

可选地，所述根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇的步骤包括：

获取热点内容词汇集合，其中，所述热点内容词汇集合中包括多个从热点内容中挖掘的热点词汇；

获取所述热点内容词汇集合中每个所述热点词汇与所述用户特征的特征关联度，将所述特征关联度符合预设的关联条件的所述热点词汇，确定为所述用户热点词汇。

可选地，所述获取热点内容词汇集合的步骤包括：

获取符合预设的热点内容条件的热点文章；

提取所述热点文章的概要词汇，作为所述热点词汇，以获取所述热点内容词汇集合；

和/或，

所述获取热点内容词汇集合的步骤包括：

获取符合预设的热点内容条件的热点内容；

对所述热点内容进行分词得到多个候选词汇；

获取每个所述候选词汇在文章库中出现的总词频率，将所述总词频率符合预设的词频条件的所述候选词汇，确定为所述热点词汇，以此获取所述热点词汇集合；

其中，所述词频条件至少包括所述总词频率的降序排序的次序在预设的词频排序范围内或者所述总词频率大于预设的词频阈值这两者其中之一

可选地，所述关联条件是所述特征关联度的降序排序的次序符合预设的排序范围；

和/或，

所述获取所述热点内容词汇集合中每个所述热点词汇与所述用户特征的特征关联度的步骤包括：

对所述热点内容词汇集合中包括的热点词汇进行分类，得多个热点词汇分类，其中，每个所述热点词汇分类下包括多个所述热点词汇；

根据所述用户特征确定所述目标用户的用户分类；

根据每个热点词汇分类与所述用户分类的分类相似度，将分类相似度作为所述热点词汇分类中每个所述热点词汇与所述用户特征的特征关联度。

可选地，所述根据所述用户热点词汇，选取对应的文章推荐给目标用户的步骤包括：

获取每个所述用户热点词汇的关联文章；

接收目标用户的扩展阅读操作，将所述关联文章推荐给目标用户。

可选地，所述获取每个所述用户热点词汇的关联文章的步骤包括：

分别根据每个所述用户热点词汇，获取文章库中的每篇文章与所述用户热点词汇的关联评分；

将所述关联评分的降序排序的次序在预设的关联排序范围内的所述文章，确定为对应的所述用户热点词汇的关联文章。

可选地，所述接收目标用户的扩展阅读操作，将所述关联文章推荐给目标用户的步骤包括：

在所述当前文章中，标记所述用户热点词汇以供所述目标用户选择；

接收符合所述扩展阅读操作的所述目标用户对所述用户热点词汇的选择操作，将与所述选择操作对应的所述用户热点词汇的关联文章推荐给所述目标用户。

可选地，所述在所述当前文章中，标记所述用户热点词汇以供所述目标用户选择的步骤包括：

获取每个所述用户热点词汇的质量评分；

在所述当前文章中，标记所述质量评分的降序排序的次序在预设的质量排序范围的所述用户热点词汇。

根据本申请的第二方面，提供一种文章推荐装置，包括：

兴趣章节确定单元，用于确定目标用户在当前文章中的用户兴趣章节；

热点词汇获取单元，用于根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇；

文章推荐单元，用于根据所述用户热点词汇，选取对应的文章推荐给目标用户。

根据本发明的第三方面，提供一种电子设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令的控制，运行所述电子设备执行如本发明的第一方面所述的任意一项所述文章推荐方法。

根据本发明一个实施例，通过在用户阅读的文章中确定用户存在阅读兴趣的用户兴趣章节，根据体现用户阅读场景行为的用户特征从用户兴趣章节中获取用户热点词汇，根据用户热点词汇选取文章推荐给用户，细化至章节内容来挖掘与用户的场景行为匹配的热点词汇，选取与用户的阅读兴趣相关的文章进行推荐，提高文章推荐的精准度，满足用户对文章阅读的个性化需求，克服基于文章整体内容推荐相似文章的缺陷，实现真正的“扩展阅读”。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明的实施例的电子设备的硬件配置的例子的框图。

图2示出了本发明的实施例的文章推荐该方法的流程图。

图3示出了本发明的实施例的划分章节步骤的流程图。

图4是本发明的实施例中划分章节的例子的示意图。

图5是本发明的实施例的确定用户兴趣章节步骤的流程图。

图6是本发明的实施例的确定用户热点词汇步骤的流程图。

图7是本发明的实施例的推荐文章步骤的流程图。

图8是本发明的实施例中推荐文章的例子的示意图。

图9是本发明的实施例中推荐文章的又一例子的示意图。

图10是本发明的实施例的文章推荐装置的框图。

图11是本发明的实施例的电子设备的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本发明的实施例的电子设备1000的硬件配置的框图。

电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。如图1所示，电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。

图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中，电子设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项文章推荐方法。本领域技术人员应当理解，尽管在图1中对电子设备1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，电子设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

<实施例>

本实施例中的总体构思，是提出一种文章推荐的新技术方案，通过在用户阅读的文章中确定用户存在阅读兴趣的用户兴趣章节，根据体现用户阅读场景行为的用户特征从用户兴趣章节中获取用户热点词汇，根据用户热点词汇选取文章推荐给用户，细化至章节内容来挖掘与用户的场景行为匹配的热点词汇，选取与用户的阅读兴趣相关的文章进行推荐，提高文章推荐的精准度，满足用户对文章阅读的个性化需求，克服基于文章整体内容推荐相似文章的缺陷，实现真正的“扩展阅读”。

<方法>

在本实施例中，提供一种文章阅读方法，该文章是任意可供用户在线或者下载阅读的内容，例如新闻、小说、自媒体文章等。

该文章阅读方法，如图2所示，包括：步骤S2100-S2300。

步骤S2100，确定目标用户在当前文章的用户兴趣章节。

当前文章是用户通过点击、勾选或者手势选择等操作打开后正在进行浏览阅读的文章。用户兴趣章节是在文章中用户存在阅读兴趣的章节。

一篇文章整体可能只描述一个事件，但是往往包括描述该事件不同方面的内容的段落或者语句，比如关于汽车的一篇文章，可以包括讲解汽车内饰的段落、讲解汽车底盘轮胎的段落、讲解互联网化的段落，而讲解不同内容的段落可能是一个或多个，甚至可能细化到语句，用户可能存在只对其中一部分内容存在阅读兴趣，用户兴趣章节就是用户存在阅读兴趣的内容所在的段落或语句组成。

通过确定目标用户在当前文章的用户兴趣章节，可以结合后续步骤，基于用户兴趣章节的章节内容挖掘适配用户的场景行为的热点词汇后，选取与用户的阅读兴趣相关的文章进行推荐，提高文章推荐的精准度，满足用户对文章阅读的个性化需求，实现真正的“扩展阅读”。

在本实施例中，提供的文章推荐方法还可以包括对文章库中的每篇文章划分章节的步骤，如图3所示，包括：步骤S2010-S2040。

该文章库是预先构建的包括多篇可供用户阅读文章的数据库。构建文章库的方式可以包括人工收集录入、网络实施抓取的手段实施，在此不做限制。

步骤S2010，针对每篇文章，获取该文章的每个段落的段落概要词汇。

在本例中，可以对每篇文章的每个段落分词后得到多个词汇，对于每个段落词汇，可以通过TF-IDF(term frequency–inverse document frequency，词频-逆文本概率)算法计算对应的tfidf取值，根据每个段落词汇的tfidf取值，选取tfidf取值大于预设的词汇阈值的段落词汇，作为该段落的段落概要词汇。

词汇阈值可以根据具体应用场景或者应用需求设置，在此不做限制。

计算段落词汇的tfidf取值的方法如下：

假设段落词汇t_i在文章d_j中出现的次数是n_i,j，文章d_j中共包括K个词汇，在文章d_j中所有字词的出现次数之和为计算词汇t_i的tf取值/>

假设文章库中文章的总数是|D|，而包括词汇t_i的文章数目是|{j:t_i∈d_j}|，计算词汇t_i的idf取值

计算词汇t_i的tfidf取值tfidf_i,j＝tf_i,j×idf_i,j。

步骤S2020，根据每个段落的段落概要词汇，在文章库中确定每个段落的相似文章集合。

在本例中，可以根据每个段落的段落概要词汇，与文章库中每篇文章计算相似度，选取相似度高于预设的相似度阈值的文章，得到该段落的相似文章集合。

计算段落的概要词汇与文章的相似度的方法，可以将文章进行分词处理得到一个分词集合，计算该分词集合与段落的概要词汇的余弦相似度，作为该段落的概要词汇与文章的相似度。

步骤S2030，根据每个段落的相似文章集合，获取每个段落与相邻段落之间的段落相似度。

每个段落的相邻段落包括该段落的上段落、下段落(文章首段落只有下段落是相邻段落，文章末段落只有上段落是相邻段落)。

在本例中，可以分别计算段落与每个相邻段落的相似文章集合的交集，以交集比例(交集的文章数目与该段落的相似文章集合的总数目之间的比例)作为段落相似度。

步骤S2040，将段落相似度大于预设的相似度阈值的多个相邻段落划分为一个章节。

相似度阈值可以根据具体的应用场景或者应用需求设置，例如，设置为50％。段落相似度大于相似度阈值，意味着两个段落描述的内容是相同的事件或者相关的内容，可以被划分为一个章节。

在本例中，还可以基于如图3所示的方法，不是以一个段落而是以一个语句为单位进行章节划分。

在本例中，一个章节可以是多个段落，也可以是段落里一个或多个语句。例如，如图4所示。

在实际应用中，划分章节的步骤可以是在实施文章推荐方法前预先完成，也可以在实施文章推荐方法时实时完成，在此不做限制。

在另一个例子中，确定目标用户在当前文章中的用户兴趣章节的步骤可以如图5所示，包括：步骤S2110-S2120。

步骤S2110，获取目标用户对当前文章中每个章节的阅读时长。

根据目标用户对当前文章的阅读操作，可以获取目标用户对每个章节的阅读时长。例如，每个章节都在文章中具有对应的章节坐标范围，例如，如图4所示，对每个章节设置计时器，根据用户的阅读或浏览操作，在某个章节坐标范围在用于显示文章的应用界面的可视区域中时，对该章节的计时器进行时间累加计算阅读时长，如此无论用户是第一次阅读该章节还是回头阅读该章节，对应的阅读时长都会进行累加。

步骤S2120，将阅读时长大于预设的时长阈值的章节，确定为当前文章中的用户兴趣章节。

时长阈值可以根据具体的应用场景或者应用需求设置，例如设置为5秒。阅读时长大于时长阈值，表明用户对该章节的阅读兴趣较大，该章节是用户兴趣章节。

在步骤S2100确定用户兴趣章节之后，进入：

步骤S2200，根据目标用户的用户特征，在用户兴趣章节中获取用户热点词汇。

该用户特征是用户与文章阅读相关的特征属性。该用户特征可以根据用户的历史阅读记录获取，例如，根据用户历史阅读记录中获取用户的阅读偏好类型(偏好阅读什么类型的文章，包括小说、新闻、公众号推文等)、阅读兴趣标签(偏好阅读具有什么样内容标签的文章，该内容标签可以是美女、天气、球赛等各种根据文章内容提取的标签)、用户阅读行为发生的地理位置等参数，作为用户特征。

根据用户特征，从用户兴趣章节中获取用户热点词汇，是基于用户与阅读相关的特性属性，在基于用户实时阅读的场景行为中确定的用户兴趣章节中，获取反映用户阅读的个性化需求的用户热点词汇，可以结合后续步骤，基于用户热点词汇选取与用户的阅读兴趣相关的文章进行推荐，提高文章推荐的精准度，满足用户对文章阅读的个性化需求，实现真正的“扩展阅读”。

在一个例子中，根据目标用户的用户特征，在用户兴趣章节中获取用户热点词汇的步骤，如图6所示，包括：步骤S2210-S2220。

步骤S2210，获取热点内容词汇集合。

该热点内容词汇集合中包括多个从热点内容中挖掘的热点词汇。

热点内容是符合预设的热点内容条件的内容，该热点内容可以是关键词、关键语句、文章或者图片内的实体内容。该热点内容条件可以根据具体的应员工场景或者应用去求设置。

在一个例子中，热点内容是文章，获取热点内容词汇集合的步骤包括：步骤S22101-S22102。

步骤S22101，获取符合预设的热点内容条件的热点文章。

在本例中，热点内容条件可以根据文章的点击量或者阅读量设置，例如，热点内容条件是文章在统计时段内的总点击量高于预设的点击量阈值。统计时段、点击量阈值可以给根据具体应用场景设置。

可以通过在网络监测点击量发现符合热点内容条件的热点文章后抓取、人工跟踪发现符合热点内容条件的热点文章后录入等手段获取热点文章。

步骤S22102，提取热点文章的概要词汇，作为热点词汇，以获取热点内容词汇集合。

从热点文章中提取概要词汇的方法可以采用上文中步骤S2010中获取段落概要词汇的方法，在此不再赘述。

在另一个例子中，获取热点内容词汇集合的步骤包括：步骤S22201-S22203。

步骤S22201，获取符合预设的热点内容条件的热点内容。

在本例中，热点内容条件可以根据内容的点击量、阅读量来设置，例如，热点内容条件是内容在统计时段内的总点击量高于预设的点击量阈值。统计时段、点击量阈值可以给根据具体应用场景设置。该内容可以是网络热门话题、头条新闻标题、图片中实体内容、用户关注的内容标签等等，可以通过网络抓取、人工录入等手段获取。

步骤S22202，对热点内容进行分词得到多个候选词汇。

在获取热点内容后，可以通过对热点内容分词处理，得到多个词汇作为候选词汇。

步骤S22203，获取每个候选词汇在文章库中出现的总词频率，将总词频率符合预设的词频条件的候选词汇，确定为热点词汇，以此获取热点词汇集合。

每个候选词汇的总词频率，是该候选词汇在对文章库中所有文章分词得到的全部词汇构成总词汇集合中的出现的比例值。

词频条件至少包括总词频率的降序排序的次序在预设的词频排序范围内或者总词频率大于预设的词频阈值这两者其中之一。

在本例中，词频排序范围、词频阈值可以根据具体的应用场景或者应用需求设置。

在上述步骤S2210之后，进入：

步骤S2220，获取热点内容词汇集合中每个热点词汇与用户特征的特征关联度，将特征关联度符合预设的关联条件的热点词汇，确定为用户热点词汇。

特征关联度是体现热点词汇与用户特征之间关联性的度量。并不是所有热点词汇都适用所有用户，每个用户与阅读相关的特征属性不同，适用的热点词汇也应该是不同的。通过获取每个热点词汇与用户特征的特征关联度，可以度量该热点词汇是否适合用户。

在一个例子中，获取热点内容词汇集合中每个热点词汇与用户特征的特征关联度的步骤，包括：步骤S2221-S2222。

步骤S2221，对热点内容词汇集合中包括的热点词汇进行分类，得多个热点词汇分类。

每个热点词汇分类下包括多个热点词汇。在本例中，可以根据具体的应用场景或者应用需求对热点词汇进行分类，例如根据热点词汇从属的标签类、或者根据热点词汇的失效性等进行分类。

步骤S2222，根据用户特征确定目标用户的用户分类。

用户特征是用户与文章阅读相关的特征属性。该用户特征可以是从用户的历史阅读记录中获取的阅读偏好类型、阅读兴趣标签、阅读行为发生地等。

根据用户特征确定目标用户的用户分类，实现对用户进行分类，可以避免大量用户集中在部分热点词汇中，导致最终获取不同用户的用户热点词汇差别不大。在本例中，可以采用策略树等分类方法对用户进行分类，在分类得到的用户分类路径下，选取适合用户的热点词汇。

步骤S2223，获取每个热点词汇分类与用户分类的分类相似度，将分类相似度作为热点词汇分类中每个所述热点词汇与用户特征的特征关联度。

在本实施例中，获取热点词汇分类与用户分类的分类相似度，可以采用余弦相似度等相似度算法，在此不再赘述。

关联条件是用于通过用户特征与热点词汇之间的特征关联度衡量热点词汇是否是适合用户的用户热点词汇的条件，可以根据具体应用场景或者应用需求设置。

在一个例子中，关联条件是特征关联度的降序排序的次序符合预设的排序范围。该排序范围可以是根据应用场景设置，例如，设置为1-100，特征关联度的降序排序的次序在前100的热点词汇都会被确定为用户的热点词汇。

在步骤S2200之后，进入：

步骤S2300，根据用户热点词汇，选取对应的文章推荐给目标用户。

用户热点词汇是根据用户与阅读相关的场景行为确定的用户兴趣章节中，挖掘出的适配用户的热点词汇，基于用户热点词汇选取对应的文章推荐给目标用户，实现细化至章节内容，选取与用户的阅读兴趣相关的文章进行推荐，提高文章推荐的精准度，满足用户对文章阅读的个性化需求，克服基于文章整体内容推荐相似文章的缺陷，实现真正的“扩展阅读”。

在一个例子中，根据用户热点词汇，选取对应的文章推荐给目标用户的步骤，如图7所示，包括：步骤S2310-S2320。

步骤S2310，获取每个用户热点词汇的关联文章。

获取每个用户热点词汇的关联文章，以结合后续步骤作为推荐给用户的文章进行推荐，可以克服基于文章整体内容推荐相似文章的缺陷，实现真正的“扩展阅读”。

获取每个用户热点词汇的关联文章，可以包括：步骤S2311-S2312。

步骤S2311，分别根据每个用户热点词汇，获取文章库中的每篇文章与用户热点词汇的关联评分。

在本例中，对每个用户热点词汇，可以获取该热点词汇在文章库中一篇文章中出现的频率、出现的文章位置(文章标题、段首、段尾)、是否为文章关键词等信息，将这些信息加权平均可以获取该热点词汇与该篇文章的关联评分。

步骤S2312，将关联评分的降序排序的次序在预设的关联排序范围内的文章，确定为对应的用户热点词汇的关联文章。

该关联排序范围可以根据具体的应用场景或者场景需求设置，例如，设置为1-3，关联评分的降序排序的前3的文章，是对应的用户热点词汇的关联文章。

在步骤S2310之后，进入：

步骤S2320，接收目标用户的扩展阅读操作，将关联文章推荐给目标用户。

扩展阅读操作是用户实施于展示当前文章的应用界面中的、触发提供扩展阅读服务的人机交互操作。该扩展阅读操作可以是点击、勾选、滑动手势等操作，例如，如图8所示，实施于当前文章的应用界面中的向左滑动的操作是扩展阅读操作，响应于该向左滑动操作，触发跳转进入一个新的页面展示该用户兴趣章节中的用户热点词汇的关联文章。

通过在用户阅读过程中进行文章推荐，可以避免如现有技术中将推荐文章设置在文末而导致流失在阅读中途就退出当前文章的用户。

在一个例子中，接收目标用户的扩展阅读操作，将关联文章推荐给目标用户的步骤包括：步骤S2321-S2322。

步骤S2321，在当前文章中，标记用户热点词汇以供目标用户选择。

在目标用户实施扩展阅读操作时，将所有推荐文章全部展示给目标用户，可能会使得目标用户无法快速选择符合实际扩展阅读需求的文章进行阅读，因此，可以在目标用户阅读的当前文章中，标记用户热点词汇供选择，在目标用户选择一个用户热点词汇后，只展示与该用户热点词汇相关的文章进行推荐，例如，如图9所示，在目标用户阅读到当前文章的某个章节时，以高亮方式标记当前章节中用户热点词汇A、B、C，目标用户可以通过对用户热点词汇A进行长按操作进行选择，使得与A的关联文章的标题Q、W、E被展示出来，目标用户可以通过点击标题Q，使得跳转进入一个新的页面展示关联文章Q供阅读。

在实际应用中，在用户阅读的当前文章中，可能存在较多的用户热点词汇，如果将所有的用户热点词汇都标记，会因为标记过多过密影响用户正常阅读。针对这种情况，本例中的在当前文章中标记用户热点词汇以供目标用户选择的步骤可以包括：步骤S23211-S23212。

步骤S23211，获取每个用户热点词汇的质量评分。

在本例中，获取每个用户热点词汇的质量评分，可以是根据每个用户热点词汇在文章库中所有文章中出现的总词频、用户热点词汇的关联文章数目、该用户热点词汇与用户特征的特征关联度等进行计算，可以仅使用其中一种，或者任意几种组合后进行加权平均计算获取，等等。

步骤S23212，在当前文章中，标记质量评分的降序排序的次序在预设的质量排序范围的用户热点词汇。

质量排序范围可以根据具体应用场景或者应用需求设置，例如，设置为1-3，在当前文章中只标记质量评分最高的前3个用户热点词汇。

步骤S2322，接收符合扩展阅读操作的目标用户对用户热点词汇的选择操作，将与选择操作对应的用户热点词汇的关联文章推荐给目标用户。

例如，在图9中，目标用户可以通过对用户热点词汇A进行长按操作进行选择，使得与A的关联文章的标题Q、W、E被展示出来，目标用户可以通过点击标题Q，使得跳转进入一个新的页面展示关联文章Q供阅读，实现扩展阅读。

<文章推荐装置>

在本实施例中，提供一种文章推荐装置3000，如图10所示，包括：兴趣章节确定单元3100、热点词汇获取单元3200以及文章推荐单元3300，用于实施本实施例中提供的文章推荐方法，在此不再赘述。

文章推荐装置3000，其中，包括：

兴趣章节确定单元3100，用于确定目标用户在当前文章中的用户兴趣章节；

热点词汇获取单元3200，用于根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇；

文章推荐单元3300，用于根据所述用户热点词汇，选取对应的文章推荐给目标用户。

可选地，兴趣章节确定单元3100还用于：

获取所述目标用户对所述当前文章中每个章节的阅读时长；

将所述阅读时长大于预设的时长阈值的所述章节，确定为所述当前文章中的用户兴趣章节。

可选地，文章推荐装置3000中还包括用于对文章库中的每篇文章划分章节的装置，该装置用于：

针对每篇文章，获取该文章的每个段落的段落概要词汇；

根据所述每个段落的段落概要词汇，在所述文章库中确定每个所述段落的相似文章集合；

根据每个所述段落的相似文章集合，获取每个所述段落与相邻段落之间的段落相似度；

将段落相似度大于预设的相似度阈值的多个相邻段落划分为一个所述章节。

可选地，热点词汇获取单元3200用于：

获取热点内容词汇集合，其中，所述热点内容词汇集合中包括多个从热点内容中挖掘的热点词汇；

获取所述热点内容词汇集合中每个所述热点词汇与所述用户特征的特征关联度，将所述特征关联度符合预设的关联条件的所述热点词汇，确定为所述用户热点词汇。

可选地，热点词汇获取单元3200实施的获取热点内容词汇集合的步骤包括：

获取符合预设的热点内容条件的热点文章；

提取所述热点文章的概要词汇，作为所述热点词汇，以获取所述热点内容词汇集合；

和/或，

热点词汇获取单元3200实施的所述获取热点内容词汇集合的步骤包括：

获取符合预设的热点内容条件的热点内容；

对所述热点内容进行分词得到多个候选词汇；

获取每个所述候选词汇在文章库中出现的总词频率，将所述总词频率符合预设的词频条件的所述候选词汇，确定为所述热点词汇，以此获取所述热点词汇集合；

其中，所述词频条件至少包括所述总词频率的降序排序的次序在预设的词频排序范围内或者所述总词频率大于预设的词频阈值这两者其中之一

可选地，

所述关联条件是所述特征关联度的降序排序的次序符合预设的排序范围；

和/或，

热点词汇获取单元3200实施的所述获取所述热点内容词汇集合中每个所述热点词汇与所述用户特征的特征关联度的步骤包括：

对所述热点内容词汇集合中包括的热点词汇进行分类，得多个热点词汇分类，其中，每个所述热点词汇分类下包括多个所述热点词汇；

根据所述用户特征确定所述目标用户的用户分类；

根据每个热点词汇分类与所述用户分类的分类相似度，将分类相似度作为所述热点词汇分类中每个所述热点词汇与所述用户特征的特征关联度。

可选地，文章推荐单元3300还用于：

获取每个所述用户热点词汇的关联文章；

接收目标用户的扩展阅读操作，将所述关联文章推荐给目标用户。

可选地，文章推荐单元3300实施的所述获取每个所述用户热点词汇的关联文章的步骤包括：

分别根据每个所述用户热点词汇，获取文章库中的每篇文章与所述用户热点词汇的关联评分；

将所述关联评分的降序排序的次序在预设的关联排序范围内的所述文章，确定为对应的所述用户热点词汇的关联文章。

可选地，文章推荐单元3300实施的所述接收目标用户的扩展阅读操作，将所述关联文章推荐给目标用户的步骤包括：

在所述当前文章中，标记所述用户热点词汇以供所述目标用户选择；

接收符合所述扩展阅读操作的所述目标用户对所述用户热点词汇的选择操作，将与所述选择操作对应的所述用户热点词汇的关联文章推荐给所述目标用户。

可选地，文章推荐单元3300实施的所述在所述当前文章中，标记所述用户热点词汇以供所述目标用户选择的步骤包括：

获取每个所述用户热点词汇的质量评分；

在所述当前文章中，标记所述质量评分的降序排序的次序在预设的质量排序范围的所述用户热点词汇。

本领域技术人员应当明白，可以通过各种方式来实现文章推荐装置3000。例如，可以通过指令配置处理器来实现文章推荐装置3000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现文章推荐装置3000。例如，可以将文章推荐装置3000固化到专用器件(例如ASIC)中。可以将文章推荐装置3000分成相互独立的单元，或者可以将它们合并在一起实现。文章推荐装置3000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。

在本实施例中，文章推荐装置3000可以是任意支持实施本实施例的文章推荐方法的提供文章阅读服务的应用程序或者软件产品，例如，可以被下载安装于手机运行的阅读应用或者浏览器等。

<电子设备>

在本实施例中，还提供一种电子设备4000，如图11所示，包括：

存储器4100，用于存储可执行的指令；

处理器4200，用于根据所述可执行的指令的控制，运行所述电子设备执行如本实施例中提供的所述的任意一项所述文章推荐方法。

在本实施例中，电子设备4000可以是手机、掌上电脑、平板电脑、台式计算机等电子设备。电子设备4000还可以包括其他装置，例如，如图1所示的电子设备1000。

在一个例子中，电子设备4000还可以是安装有提供文章阅读服务的阅读应用的手机。

以上已经结合附图描述了本发明的实施例，根据本实施例，提供一种文章推荐该方法、装置及电子设备，通过在用户阅读的文章中确定用户存在阅读兴趣的用户兴趣章节，根据体现用户阅读场景行为的用户特征从用户兴趣章节中获取用户热点词汇，根据用户热点词汇选取文章推荐给用户，细化至章节内容来挖掘与用户的场景行为匹配的热点词汇，选取与用户的阅读兴趣相关的文章进行推荐，提高文章推荐的精准度，满足用户对文章阅读的个性化需求，克服基于文章整体内容推荐相似文章的缺陷，实现真正的“扩展阅读”。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (12)

1.一种文章推荐方法，其中，包括：

确定目标用户在当前文章中的用户兴趣章节；

根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇，所述用户热点词汇是所述用户兴趣章节中适配用户的热点词汇，所述热点词汇是从热点内容中挖掘的词汇；

根据所述用户热点词汇，选取对应的文章推荐给目标用户，

其中，所述用户特征是用户与文章阅读相关的特征属性。

2.根据权利要求1所述的方法，其中，所述确定目标用户在当前文章中的用户兴趣章节的步骤包括：

获取所述目标用户对所述当前文章中每个章节的阅读时长；

将所述阅读时长大于预设的时长阈值的所述章节，确定为所述当前文章中的用户兴趣章节。

3.根据权利要求1所述的方法，其中，还包括对文章库中的每篇文章划分章节的步骤，包括：

针对每篇文章，获取该文章的每个段落的段落概要词汇；

根据所述每个段落的段落概要词汇，在所述文章库中确定每个所述段落的相似文章集合；

根据每个所述段落的相似文章集合，获取每个所述段落与相邻段落之间的段落相似度；

将段落相似度大于预设的相似度阈值的多个相邻段落划分为一个所述章节。

4.根据权利要求1所述的方法，其中，所述根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇的步骤包括：

获取热点内容词汇集合，其中，所述热点内容词汇集合中包括多个从热点内容中挖掘的热点词汇；

获取所述热点内容词汇集合中每个所述热点词汇与所述用户特征的特征关联度，将所述特征关联度符合预设的关联条件的所述热点词汇，确定为所述用户热点词汇。

5.根据权利要求4所述的方法，其中，所述获取热点内容词汇集合的步骤包括：

获取符合预设的热点内容条件的热点文章；

提取所述热点文章的概要词汇，作为所述热点词汇，以获取所述热点内容词汇集合；

和/或，

所述获取热点内容词汇集合的步骤包括：

获取符合预设的热点内容条件的热点内容；

对所述热点内容进行分词得到多个候选词汇；

获取每个所述候选词汇在文章库中出现的总词频率，将所述总词频率符合预设的词频条件的所述候选词汇，确定为所述热点词汇，以此获取所述热点词汇集合；

其中，所述词频条件至少包括所述总词频率的降序排序的次序在预设的词频排序范围内或者所述总词频率大于预设的词频阈值这两者其中之一。

6.根据权利要求4所述的方法，其中，

所述关联条件是所述特征关联度的降序排序的次序符合预设的排序范围；

和/或，

所述获取所述热点内容词汇集合中每个所述热点词汇与所述用户特征的特征关联度的步骤包括：

对所述热点内容词汇集合中包括的热点词汇进行分类，得多个热点词汇分类，其中，每个所述热点词汇分类下包括多个所述热点词汇；

根据所述用户特征确定所述目标用户的用户分类；

根据每个热点词汇分类与所述用户分类的分类相似度，将分类相似度作为所述热点词汇分类中每个所述热点词汇与所述用户特征的特征关联度。

7.根据权利要求1所述的方法，其中，所述根据所述用户热点词汇，选取对应的文章推荐给目标用户的步骤包括：

获取每个所述用户热点词汇的关联文章；

接收目标用户的扩展阅读操作，将所述关联文章推荐给目标用户。

8.根据权利要求7所述的方法，其中，所述获取每个所述用户热点词汇的关联文章的步骤包括：

分别根据每个所述用户热点词汇，获取文章库中的每篇文章与所述用户热点词汇的关联评分；

将所述关联评分的降序排序的次序在预设的关联排序范围内的所述文章，确定为对应的所述用户热点词汇的关联文章。

9.根据权利要求7所述的方法，其中，所述接收目标用户的扩展阅读操作，将所述关联文章推荐给目标用户的步骤包括：

在所述当前文章中，标记所述用户热点词汇以供所述目标用户选择；

接收符合所述扩展阅读操作的所述目标用户对所述用户热点词汇的选择操作，将与所述选择操作对应的所述用户热点词汇的关联文章推荐给所述目标用户。

10.根据权利要求7所述的方法，其中，所述在所述当前文章中，标记所述用户热点词汇以供所述目标用户选择的步骤包括：

获取每个所述用户热点词汇的质量评分；

在所述当前文章中，标记所述质量评分的降序排序的次序在预设的质量排序范围的所述用户热点词汇。

11.一种文章推荐装置，其中，包括：

兴趣章节确定单元，用于确定目标用户在当前文章中的用户兴趣章节；

热点词汇获取单元，用于根据所述目标用户的用户特征，在所述用户兴趣章节中获取用户热点词汇，所述用户热点词汇是所述用户兴趣章节中适配用户的热点词汇，所述热点词汇是从热点内容中挖掘的词汇；

文章推荐单元，用于根据所述用户热点词汇，选取对应的文章推荐给目标用户，

其中，所述用户特征是用户与文章阅读相关的特征属性。

12.一种电子设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令的控制，运行所述电子设备执行如权利要求1-10所述的任意一项所述文章推荐方法。