CN110990706A - 语料推荐方法及装置 - Google Patents

Abstract

本发明实施例公开了一种语料推荐方法及装置。其中，该语料推荐方法包括：获取用户的多维阅读行为数据；根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；向用户推荐与所述目标阅读方式相匹配的目标语料。本发明实施例能够提高推荐准确度，进而提高用户阅读体验。

Description

语料推荐方法及装置

技术领域

本发明涉及计算机技术领域，具体涉及一种语料推荐方法及装置。

背景技术

现有技术中的语料推送方案主要是使用机器学习或深度学习，根据用户的历史记录，包括浏览、点击、评论等行为推测出用户感兴趣的内容，进而推送给用户。

但是，同一个用户在不同场景对感兴趣的内容的敏感度是不同的，当用户乘车、排队、就餐时，可能比较愿意采用碎片化阅读方式来进行阅读，而当用户在有大片的时间，例如晚上黄金时间、午休前的时间等，更愿意采用深度化阅读方式来进行阅读。而现有技术并未针对不同的阅读方式进行语料推荐，降低推荐准确度，从而降低用户阅读体验。

发明内容

本发明提供一种语料推荐方法及装置，能够针对阅读方式推荐语料，提高推荐准确度，进而提高用户阅读体验。

第一方面，本发明提供一种语料推荐方法，包括：

获取用户的多维阅读行为数据；

根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；

向用户推荐与所述目标阅读方式相匹配的目标语料。

在本发明一些实施例中，所述多种阅读方式包括碎片化阅读方式和深度化阅读方式；

所述根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式，具体包括：

根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度；

若所述第一推荐度大于所述第二推荐度，则将所述碎片化阅读方式作为当前适合用户的目标阅读方式；

若所述第一推荐度小于所述第二推荐度，则将所述深度化阅读方式作为当前适合用户的目标阅读方式。

在本发明一些实施例中，所述多维阅读行为数据包括当前阅读行为数据和历史阅读行为数据；

所述根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度，具体包括：

根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度；

根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度；

根据所述第一当前推荐度和所述第一历史推荐度，确定所述碎片化阅读方式的第一推荐度；

根据所述第二当前推荐度和所述第二历史推荐度，确定所述深度化阅读方式的第二推荐度。

在本发明一些实施例中，所述当前阅读行为数据包括当前阅读时间、当前日期类型和当前阅读速率；

所述根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度，具体包括：

根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度；

根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度；

根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度；

根据所述第一当前时间推荐度、所述第一当前日期推荐度和所述第一当前速率推荐度，确定所述碎片化阅读方式的第一当前推荐度；

根据所述第二当前时间推荐度、所述第二当前日期推荐度和所述第二当前速率推荐度，确定所述深度化阅读方式的第二当前推荐度。

在本发明一些实施例中，所述根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度，具体包括：

根据预设的多个时间段，确定所述当前阅读时间所在的目标时间段；

从预设的时间推荐度数据库中，获取所述目标时间段对应的碎片化阅读方式的第一当前时间推荐度和深度化阅读方式的第二当前时间推荐度。

在本发明一些实施例中，所述根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度，具体包括：

若所述当前日期类型为工作日，则确定所述碎片化阅读方式的第一当前日期推荐度大于所述深度化阅读方式的第二当前日期推荐度；

若所述当前日期类型为休息日，则确定所述碎片化阅读方式的第一当前日期推荐度小于所述深度化阅读方式的第二当前日期推荐度。

在本发明一些实施例中，所述根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度，具体包括：

根据预设的多个速率范围，确定所述当前阅读速率所在的目标速率范围；

从预设的速率推荐度数据库中，获取所述目标速率范围对应的碎片化阅读方式的第一当前速率推荐度和深度化阅读方式的第二当前速率推荐度。

在本发明一些实施例中，所述历史阅读行为数据包括用户已阅读的历史语料集以及所述历史语料集中每个历史语料的用户评分；

根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度，具体包括：

根据所述历史语料集，统计第一类型语料的用户阅读量和第二类型语料的用户阅读量，所述第一类型语料是与所述碎片化阅读方式相匹配的语料，所述第二类型语料是与所述深度化阅读方式相匹配的语料；

根据所述历史语料集中每个历史语料的用户评分，计算所述第一类型语料的整体评分和所述第二类型语料的整体评分；

根据所述第一类型语料的用户阅读量和整体评分，计算所述碎片化阅读方式的第一历史推荐度；

根据所述第二类型语料的用户阅读量和整体评分，计算所述深度化阅读方式的第二历史推荐度。

在本发明一些实施例中，所述方法还包括：

获取用户对所述目标语料的阅读反馈结果；

根据所述目标语料的阅读反馈结果，更新所述历史阅读行为数据。

在本发明一些实施例中，所述方法还包括：

将所述多维阅读行为数据以区块的形式保存到区块链中。

第二方面，本发明提供一种语料推荐装置，包括：

获取模块，用于获取用户的多维阅读行为数据；

确定模块，用于根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；以及，

推荐模块，用于向用户推荐与所述目标阅读方式相匹配的目标语料。

本发明实施例通过获取用户的多维阅读行为数据，根据多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式，以向用户推荐与目标阅读方式相匹配的语料，实现针对阅读方式的语料推荐，提高推荐准确度，进而提高用户阅读体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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是本发明实施例中提供的语料推荐系统的一个场景示意图；

图2是本发明实施例中提供的分布式系统应用于区块链系统的一个可选的结构示意图；

图3是本发明实施例中提供的区块结构一个可选的示意图；

图4是本发明实施例中提供的语料推荐方法的一个流程示意图；

图5是本发明实施例中提供的语料推荐方法的另一个流程示意图；

图6是本发明实施例中提供的语料推荐方法的原理图；

图7是本发明实施例中提供的语料推荐装置的一个结构示意图；

图8是本发明实施例中提供的服务器的一个结构示意图。

具体实施方式

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，所描述的实施例仅仅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。

在以下的说明中，本发明的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有说明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本发明原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。

本文所使用的术语“模块”或“单元”可看做为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算系统上的实施对象。而本文所述的装置及方法优选的以软件的方式进行实施，当然也可在硬件上进行实施，均在本发明保护范围之内。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本发明实施例提供一种搜索短语的评估方法、装置、服务器及存储介质。

人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

本发明实施例提供的方案可以是涉及人工智能的语料推荐方法，即本发明实施例中提供一种基于人工智能的语料推荐方法，该方法包括：获取用户的多维阅读行为数据；利用机器学习算法，并根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；向用户推荐与所述目标阅读方式相匹配的目标语料。

请参阅图1，图1为本发明实施例所提供的语料推荐系统的场景示意图，该语料推荐系统可以包括终端10和服务器20，终端10和服务器20通过网络连接，服务器20中集成有语料推荐装置，终端10可以访问服务器20。本发明实施例中服务器20主要用于获取用户的多维阅读行为数据；根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；向用户推荐与所述目标阅读方式相匹配的目标语料。

本发明实施例中，该服务器20可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器20，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。本发明的实施例中，服务器与终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)、长期演进(Long Term Evolution，LTE)、全球互通微波访问(Worldwide Interoperability for Microwave Access，WiMAX)的移动通信，或基于TCP/IP协议族(TCP/IP Protocol Suite，TCP/IP)、用户数据报协议(User Datagram Protocol，UDP)协议的计算机网络通信等。

可以理解的是，本发明实施例中所使用的终端10可以理解为终端设备，终端设备既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端10具体可以是台式终端或移动终端，终端10具体可以手机、平板电脑、笔记本电脑等中的一种。

本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本发明方案一种应用场景，并不构成对本发明方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的服务器，或者服务器网络连接关系，例如图1中仅示出1个服务器和2个终端，可以理解的，该语料推荐系统还可以包括一个或多个其他服务器，或/且一个或多个与服务器网络连接的终端，具体此处不作限定。

另外，如图1所示，该语料推荐系统还可以包括存储器30，用于存储数据，如阅读行为数据库，该阅读行为数据库中保存用户的历史阅读行为数据，如用户已阅读的历史语料集以及历史语料集中每个历史语料的用户评分等，存储器30还可以包括时间推荐度数据库，该时间推荐度数据库中保存有不同时间段对应的不同阅读方式的推荐度，存储器30还可以包括速率推荐度数据库，该速率推荐度数据库中保存有不同速率范围对应的不同阅读方式的推荐度。

需要说明的是，图1所示的语料推荐系统的场景示意图仅仅是一个示例，本发明实施例描述的语料推荐系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着语料推荐系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。

本发明实施例涉及的语料推荐系统可以是由多个节点(接入网络中的任意形式的计算设备，如服务器20等)通过网络通信的形式连接形成的分布式系统。

以分布式系统为区块链系统为例，参见图2，图2是本发明实施例提供的分布式系统100应用于区块链系统的一个可选的结构示意图，由多个节点200(接入网络中的任意形式的计算设备，如服务器)和客户端300形成，节点之间形成组成的点对点(P2P，Peer ToPeer)网络，P2P协议是一个运行在传输控制协议(TCP，Transmission Control Protocol)协议之上的应用层协议。在分布式系统中，任何机器如服务器、终端都可以加入而成为节点，节点包括硬件层、中间层、操作系统层和应用层。本发明实施例中服务器20分别为区块链系统中的一个节点。

参见图2示出的区块链系统中各节点的功能，涉及的功能包括：

1)路由，节点具有的基本功能，用于支持节点之间的通信。

节点除具有路由功能外，还可以具有以下功能：

2)应用，用于部署在区块链中，根据实际业务需求而实现特定业务，记录实现功能相关的数据形成记录数据，在记录数据中携带数字签名以表示任务数据的来源，将记录数据发送到区块链系统中的其他节点，供其他节点在验证记录数据来源以及完整性成功时，将记录数据添加到临时区块中。

例如，应用实现的业务包括：

2.1)钱包，用于提供进行电子货币的交易的功能，包括发起交易(即，将当前交易的交易记录发送给区块链系统中的其他节点，其他节点验证成功后，作为承认交易有效的响应，将交易的记录数据存入区块链的临时区块中；当然，钱包还支持查询电子货币地址中剩余的电子货币；

2.2)共享账本，用于提供账目数据的存储、查询和修改等操作的功能，将对账目数据的操作的记录数据发送到区块链系统中的其他节点，其他节点验证有效后，作为承认账目数据有效的响应，将记录数据存入临时区块中，还可以向发起操作的节点发送确认。

2.3)智能合约，计算机化的协议，可以执行某个合约的条款，通过部署在共享账本上的用于在满足一定条件时而执行的代码实现，根据实际的业务需求代码用于完成自动化的交易，例如查询买家所购买商品的物流状态，在买家签收货物后将买家的电子货币转移到商户的地址；当然，智能合约不仅限于执行用于交易的合约，还可以执行对接收的信息进行处理的合约。

3)区块链，包括一系列按照产生的先后时间顺序相互接续的区块(Block)，新区块一旦加入到区块链中就不会再被移除，区块中记录了区块链系统中节点提交的记录数据。

参见图3，图3是本发明实施例提供的区块结构(Block Structure)一个可选的示意图，每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值，各区块通过哈希值连接形成区块链。另外，区块中还可以包括有区块生成时的时间戳等信息。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了相关的信息，用于验证其信息的有效性(防伪)和生成下一个区块。

当本发明实施例中语料推荐系统为区块链系统，本发明实施例中服务器为区块链系统中的一个节点，多维阅读行为数据可以保存在区块链中。具体的，本发明实施例，所述方法还包括：将所述多维阅读行为数据以区块的形式保存到区块链中。具体添加区块的方式可以参照上述区块链系统的描述，此处不再赘述。

下面结合具体实施例进行详细说明。

在本实施例中，将从语料推荐装置的角度进行描述，该语料推荐装置具体可以集成在服务器20中。

本发明提供一种语料推荐方法，该语料推荐方法包括：获取用户的多维阅读行为数据；根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；向用户推荐与所述目标阅读方式相匹配的目标语料。

请参阅图4，为本发明实施例中本发明实施例中语料推荐方法的一个流程示意图，该语料推荐方法包括：

401、获取用户的多维阅读行为数据。

本发明实施例中，用户对应的用户终端可以显示不同的语料，用户通过用户终端阅读不同的语料。用户终端可以对用户阅读语料时的多维行为数据进行采集，得到多维阅读行为数据。用户终端在得到多维阅读行为数据后，可上传给服务器，使服务器获取用户的多维阅读行为数据。

多维阅读行为数据可以包括当前阅读行为数据和历史阅读行为数据。其中，当前阅读行为数据可以包括当前阅读时间、当前日期类型和当前阅读速率。当前阅读时间是指用户当前通过用户终端阅读语料的时刻，例如xx时xx分。用户终端可以在用户阅读时通过采集用户终端上同步的时间来获取当前阅读时间，并上传给服务器。当前日期类型是指用户通过用户终端阅读语料的当日类型，当前日期类型可以包括工作日和休息日，休息日可以包括周末和节假日。用户终端可以在用户阅读时通过采集用户终端上同步的日期来获取当前阅读日期，例如xxxx年xx月xx日，进而判断当前阅读日期为工作日还是休息日，并将判断结果，即工作日或休息日上传给服务器。当前阅读速率是指用户当前通过用户终端阅读语料的速率。用户终端可以通过采集用户当前在用户终端上的滑动速率来确定用户的当前阅读速率，例如用户终端记录固定时间内用户在语料浏览列表(feeds列表)上滑动进度条的长度，进而根据该长度和固定时间计算用户的滑动速率，即用户的当前阅读速率，用户终端在获取当前阅读速率后上传给服务器。

历史阅读行为数据包括用户已阅读的历史语料集以及历史语料集中每个历史语料的用户评分。其中，用户已阅读的历史语料集是指用户历史阅读的语料的集合，用户通过点击用户终端上的语料标题，以请求阅读语料正文内容，用户终端将用户的点击请求发送给服务器，服务器向用户终端反馈语料正文内容，并记录用户阅读的历史语料。服务器对用户历史阅读的语料进行收集，可以得到历史语料集。历史语料的用户评分是指用户在阅读语料后对该语料的评分，用户评分可以表明用户对该语料的喜爱程度，用户评分越高表明用户越喜爱该语料。用户终端将该用户评分发送给服务器，服务器将用户评分与记录的历史语料对应保存在数据库中。

其中，数据库可以为图1中的存储器30，用户终端可以为图1中的终端10。语料是指语言材料，本发明实施例中的语料是指提供给用户阅读、查看的文本信息，如网站上的资讯、文章等。其中，一个资讯或一篇文章构成一个语料。

402、根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式。

本发明实施例中，多种阅读方式包括碎片化阅读方式和深度化阅读方式。其中，碎片化阅读方式是指利用短而不连续的时间片段进行简短而少量的文本阅读，深度化阅读方式是指利用较长时间段进行有一定深度，需要理解、思考的文本阅读。

由于碎片化阅读方式和深度化阅读方式的特点不同，因此需根据用户的多维阅读行为数据，确定当前适合用户的目标阅读方式为碎片化阅读方式还是深度化阅读方式。

具体地，步骤402中的所述根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式，包括：根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度；若所述第一推荐度大于所述第二推荐度，则将所述碎片化阅读方式作为当前适合用户的目标阅读方式；若所述第一推荐度小于所述第二推荐度，则将所述深度化阅读方式作为当前适合用户的目标阅读方式。

由于用户在不同时间段、不同场景可能偏好于不同的阅读方式，例如，用户在排队、等车时可能偏好于碎片化阅读方式，用户在晚上黄金时间、节假日时可能偏好于深度化阅读方式，因此对用户的多维阅读行为数据进行分析，以预测出当前适合用户的阅读方式。具体地，先预测出不同阅读方式对用户的推荐度，进而从预测的推荐度中确定最大推荐度对应的阅读方式，作为当前适合用户的阅读方式。

需要说明的是，阅读方式的推荐度可以通过阅读方式的权重来表示，阅读方式的权重可以通过用户的多维阅读行为数据计算获得。例如，若碎片化阅读方式的权重大于深度化阅读方式的权重，则第一推荐度大于第二推荐度，表明用户当前适合碎片化阅读方式；若碎片化阅读方式的权重小于深度化阅读方式的权重，则第一推荐度小于第二推荐度，表明用户当前适合深度化阅读方式；若碎片化阅读方式的权重等于深度化阅读方式的权重，则第一推荐度等于第二推荐度，表明用户当前可以进行碎片化阅读，也可以进行深度化阅读，从碎片化阅读方式和深度化阅读方式中随机选择一种阅读方式作为当前适合用户的阅读方式。

由于用户的多维阅读行为数据包括多个维度的数据，因此针对每一维度的数据进行不同阅读方式的推荐度计算，进而整合所有维度的推荐度，得到不同阅读方式的最终推荐度。

具体地，所述根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度，包括：根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度；根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度；根据所述第一当前推荐度和所述第一历史推荐度，确定所述碎片化阅读方式的第一推荐度；根据所述第二当前推荐度和所述第二历史推荐度，确定所述深度化阅读方式的第二推荐度。

需要说明的是，根据用户的当前阅读行为数据，可以得出不同阅读方式的当前推荐度，该当前推荐度是基于用户实时阅读行为数据来预测获得的。另外，根据用户的历史阅读行为数据，可以得出不同阅读方式的历史推荐度，该历史推荐度是基于用户历史偏好来预测获得的。在获得不同阅读方式的当前推荐度和历史推荐度后，可以通过设置两种推荐度的权重来计算不同阅读方式的最终推荐度，以提高最终推荐度的准确性。

例如，设置当前推荐度的权重为0.75，设置历史推荐度的权重为0.25，在得到碎片化阅读方式的第一当前推荐度和第一历史推荐度后，将第一当前推荐度乘以0.75，并将第一历史推荐度乘以0.25后求和，得到碎片化阅读方式的第一推荐度。同理，在得到深度化阅读方式的第二当前推荐度和第二历史推荐度后，将第二当前推荐度乘以0.75，并将第二历史推荐度乘以0.25后求和，得到深度化阅读方式的第二推荐度。

由于当前阅读行为数据包括当前阅读时间、当前日期类型和当前阅读速率等多维度的数据，因此可以先针对当前阅读行为数据中每一维度的数据进行不同阅读方式的推荐度计算，进而整合当前阅读行为数据中所有维度的推荐度，得到不同阅读方式的当前推荐度。

具体地，所述根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度，包括：根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度；根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度；根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度；根据所述第一当前时间推荐度、所述第一当前日期推荐度和所述第一当前速率推荐度，确定所述碎片化阅读方式的第一当前推荐度；根据所述第二当前时间推荐度、所述第二当前日期推荐度和所述第二当前速率推荐度，确定所述深度化阅读方式的第二当前推荐度。

当前阅读行为数据中每一维度数据对应的推荐度的获取方式不同，具体如下：

(1)当前时间推荐度

阅读时间的时间周期可以设置为一天，将一天细分为多个时间段，不同时间段的特点不同，用户倾向的阅读方式也会发生变化。根据每个时间段的特点设置不同阅读方式的推荐度，进而将每个时间段及其对应的不同阅读方式的推荐度保存在时间推荐度数据库中，以便在获取用户的当前阅读时间时，能够从时间推荐度数据库中获取相应的推荐度，作为当前时间推荐度。

具体地，所述根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度，包括：根据预设的多个时间段，确定所述当前阅读时间所在的目标时间段；从预设的时间推荐度数据库中，获取所述目标时间段对应的碎片化阅读方式的第一当前时间推荐度和深度化阅读方式的第二当前时间推荐度。

例如，一天细分的时间段可以包括起床后8:00～8:30、早餐时间8:30～9:00、上午工作时间9:00～12:00、午餐时间12:00～12:30、午休时间12:30～14:00、下午第一次工作时间14:00～16:00、下午茶时间16:00～17:00、下午第二次工作时间17:00～18:30、晚餐时间18:30～19:00、黄金时间19:00～22:30、临睡前22:30～23:00、睡觉时间23:00～08:00。其中，起床后、早餐时间、午餐时间、晚餐时间和临睡前的时间段较短，用户可以阅读的时间较短，因此用户更倾向于采用碎片化阅读方式进行阅读，可以设置碎片化阅读方式的推荐度大于深度化阅读方式的推荐度，如碎片化阅读方式的推荐度设置为1，深度化阅读方式的推荐度设置为0。午休时间、下午茶时间和黄金时间的时间段较长，用户可以阅读的时间较长，因此用户更倾向于采用深度化阅读方式进行阅读，可以设置深度化阅读方式的推荐度大于碎片化阅读方式的推荐度，如碎片化阅读方式的推荐度设置为0，深度化阅读方式的推荐度设置为1。而对于上午工作时间、下午两次工作时间和睡觉时间，用户阅读的概率较低，针对特殊情况，可以设置碎片化阅读方式和深度化阅读方式的推荐度均为0.5，或者在这几个时间段不向用户进行推荐，设置碎片化阅读方式和深度化阅读方式的推荐度均为0，也可以去除这几个时间段，即不在时间推荐度数据库中设置这个几个时间段及其对应的推荐度。

具体地，时间推荐度数据库中多个时间段及对应的不同阅读方式的推荐度可以如表1所示。

表1

在获取用户的当前阅读时间后，可以从时间推荐度数据库中查找当前阅读时间对应的不同阅读方式的推荐度。例如，用户的当前阅读时间为8:45，从预设的多个时间段中可以得出8:45属于早餐时间，而早餐时间对应的碎片化阅读方式的推荐度为1，深度化阅读方式的推荐度为0，从而确定针对用户的碎片化阅读方式的第一当前时间推荐度为1，深度化阅读方式的第二当前时间推荐度为0。

(2)当前日期推荐度

由于当前日期类型包括工作日和休息日，而对于不同日期类型，用户倾向的阅读方式也会发生变化。根据日期类型设置不同阅读方式的推荐度，进而将日期类型及其对应的不同阅读方式的推荐度保存在日期推荐度数据库中，以便在获取用户的当前日期类型时，能够从日期推荐度数据库中获取相应的推荐度，作为当前日期推荐度。

具体地，所述根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度，包括：若所述当前日期类型为工作日，则确定所述碎片化阅读方式的第一当前日期推荐度大于所述深度化阅读方式的第二当前日期推荐度；若所述当前日期类型为休息日，则确定所述碎片化阅读方式的第一当前日期推荐度小于所述深度化阅读方式的第二当前日期推荐度。

例如，工作日可以包括星期一至星期五，用户在工作日的大部分时间都处于工作状态，可以阅读的时间较短，因此用户更倾向于采用碎片化阅读方式进行阅读，从而可以设置碎片化阅读方式的推荐度大于深度化阅读方式的推荐度，如碎片化阅读方式的推荐度设置为1，深度化阅读方式的推荐度设置为0。休息日可以包括星期六、星期天、五一节假日、十一节假日等，用户在休息日处于空闲状态，可以阅读的时间较长，因此用户更倾向于采用深度化阅读方式进行阅读，可以设置深度化阅读方式的推荐度大于碎片化阅读方式的推荐度，如碎片化阅读方式的推荐度设置为0，深度化阅读方式的推荐度设置为1。

具体地，日期推荐度数据库中日期类型及对应的不同阅读方式的推荐度可以如表2所示。

日期类型	碎片化阅读方式的推荐度	碎片化阅读方式的推荐度
			工作日	1	0
休息日	0	1

表2

在获取用户阅读时的日期后，可以确定当前日期类型，以从日期推荐度数据库中查找当前日期类型对应的不同阅读方式的推荐度。例如，用户的当前阅读的日期为2019年11月14日，确定日期类型为工作日，而工作日对应的碎片化阅读方式的推荐度为1，深度化阅读方式的推荐度为0，从而确定针对用户的碎片化阅读方式的第一当前日期推荐度为1，深度化阅读方式的第二当前日期推荐度为0。

(3)当前速率推荐度

基于用户的阅读速率，可以预先设置多个速率范围，不同速率范围可以间接表露用户的阅读心态，而阅读心态不同，用户倾向的阅读方式也会发生变化。根据每个速率范围设置不同阅读方式的推荐度，进而将每个速率范围及其对应的不同阅读方式的推荐度保存在速率推荐度数据库中，以便在获取用户的当前阅读速率时，能够从速率推荐度数据库中获取相应的推荐度，作为当前速率推荐度。

具体地，所述根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度，包括：根据预设的多个速率范围，确定所述当前阅读速率所在的目标速率范围；从预设的速率推荐度数据库中，获取所述目标速率范围对应的碎片化阅读方式的第一当前速率推荐度和深度化阅读方式的第二当前速率推荐度。

例如，设置一个速率阈值，小于该速率阈值的速率范围为第一速率范围，大于或等于该速率阈值的速率范围为第二速率范围。若用户的当前阅读速率处于第二速率范围内，则说明用户处于快速阅读状态，用户阅读心态不平静，可能无法专心思考，因此预测用户更倾向于采用碎片化阅读方式进行阅读，从而可以设置碎片化阅读方式的推荐度大于深度化阅读方式的推荐度，如碎片化阅读方式的推荐度设置为1，深度化阅读方式的推荐度设置为0。若用户的当前阅读速率处于第一速率范围内，则说明用户处于慢速阅读状态，用户阅读心态较平静，可以进行深度阅读，因此预测用户更倾向于采用深度化阅读方式进行阅读，可以设置深度化阅读方式的推荐度大于碎片化阅读方式的推荐度，如碎片化阅读方式的推荐度设置为0，深度化阅读方式的推荐度设置为1。

具体地，速率推荐度数据库中速率范围及对应的不同阅读方式的推荐度可以如表3所示。

速率范围	碎片化阅读方式的推荐度	碎片化阅读方式的推荐度
			第一速率范围	0	1
第二速率范围	1	0

表3

在获取用户的当前阅读速率后，可以从速率推荐度数据库中查找当前阅读速率对应的不同阅读方式的推荐度。例如，用户的当前阅读速率属于第二速率范围，而第二速率范围对应的碎片化阅读方式的推荐度为1，深度化阅读方式的推荐度为0，从而确定针对用户的碎片化阅读方式的第一当前速率推荐度为1，深度化阅读方式的第二当前速率推荐度为0。

在获得当前时间推荐度、当前日期推荐度和当前速率推荐度后，可以通过设置三种推荐度的权重来计算不同阅读方式的当前推荐度，以提高当前推荐度的计算准确性。

例如，设置当前时间推荐度、当前日期推荐度和当前速率推荐度的权重均为1/3，在得到碎片化阅读方式的第一当前时间推荐度、第一当前日期推荐度和第一当前速率推荐度后，将第一当前时间推荐度、第一当前日期推荐度和第一当前速率推荐度分别乘以1/3后求和，得到碎片化阅读方式的第一当前推荐度。同理，在得到深度化阅读方式的第二当前时间推荐度、第二当前日期推荐度和第二当前速率推荐度后，将第二当前时间推荐度、第二当前日期推荐度和第二当前速率推荐度分别乘以1/3后求和，得到深度化阅读方式的第二当前推荐度。

对于历史推荐度，可以基于用户的历史阅读行为数据中的历史语料集和用户评分来预测。具体地，根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度，包括：根据所述历史语料集，统计第一类型语料的用户阅读量和第二类型语料的用户阅读量，所述第一类型语料是与所述碎片化阅读方式相匹配的语料，所述第二类型语料是与所述深度化阅读方式相匹配的语料；根据所述历史语料集中每个历史语料的用户评分，计算所述第一类型语料的整体评分和所述第二类型语料的整体评分；根据所述第一类型语料的用户阅读量和整体评分，计算所述碎片化阅读方式的第一历史推荐度；根据所述第二类型语料的用户阅读量和整体评分，计算所述深度化阅读方式的第二历史推荐度。

需要说明的是，历史语料集中的历史语料可以按照其适合的阅读方式分为两类，即适合碎片化阅读方式的第一类型语料，如微博信息、新闻资讯等短文本内容，以及适合深度化阅读方式的第二类型语料，如名家文章等长文本内容。统计第一类型语料的语料个数，作为第一类型语料的用户阅读量，统计第二类型语料的语料个数，作为第二类型语料的用户阅读量。同时根据第一类型语料中每个语料的用户评分，计算第一类型语料的整体评分，根据第二类型语料中每个语料的用户评分，计算第二类型语料的整体评分，例如将第一类型语料中的所有语料的用户评分进行求和，得到第一类型语料的整体评分，将第二类型语料中的所有语料的用户评分进行求和，得到第二类型语料的整体评分。进而，可以通过用户阅读量和整体评分的权重来计算不同阅读方式的历史推荐度。

例如，设置用户阅读量的权重为0.3，设置用户评分的权重为0.7，在得到第一类型语料的用户阅读量和整体评分后，将第一类型语料的用户阅读量乘以0.3，整体评分乘以0.7后求和，再将求和结果转换为百分比，得到碎片化阅读方式的第一历史推荐度。同理，在得到第二类型语料的用户阅读量和整体评分后，将第二类型语料的用户阅读量乘以0.3，整体评分乘以0.7后求和，再将求和结果转换为百分比，得到深度化阅读方式的第二历史推荐度。

403、向用户推荐与所述目标阅读方式相匹配的目标语料。

若确定当前适合用户的阅读方式为碎片化阅读方式，则向用户推荐适合碎片化阅读方式的语料，如新闻资讯等短文本内容；若确定当前适合用户的阅读方式为深度化阅读方式，则向用户推荐适合深度化阅读方式的语料，如名家文章等长文本内容。本实施例将语料分为碎片化阅读方式和深度化阅读方式，使得语料的推荐更具有多样性，且更切合用户，进而提高推荐准确率，提高用户阅读所推荐的语料的概率。

在用户阅读所推荐的目标语料后，可以通过用户终端向服务器发送阅读反馈结果，服务器可以根据阅读反馈结果对推荐的语料进行修正。具体地，所述方法还包括：获取用户对所述目标语料的阅读反馈结果；根据所述目标语料的阅读反馈结果，更新所述历史阅读行为数据。

需要说明的是，用户在阅读所推荐的目标语料后，可以通过用户终端对该目标语料进行评分，并将该目标语料及相应的用户评分作为用户反馈结果发送给服务器，服务器根据用户反馈结果更新用户的历史阅读行为数据。例如，在用户在阅读与碎片化阅读方式相匹配的目标语料并进行评分后，服务器更新用户的历史阅读行为数据中第一类型语料的阅读量和整体评分，进而更新碎片化阅读方式的第一历史推荐度，从而更新碎片化阅读方式的第一推荐度，以便根据更新后的不同阅读方式的推荐度向用户推荐相应的语料，提高推荐精准度。

下面结合一具体应用场景对本发明实施例中语料推荐方法进行描述。

请参阅图5，为本发明实施例中语料推荐方法的另一个实施例流程示意图，该语料推荐方法应用于服务器，该语料推荐方法包括：

501、获取用户阅读数据。

如图6所示，收集用户阅读数据，包括用户历史阅读的数据和用户当前阅读的数据。

502、从用户阅读数据中获取当前阅读时间、当前日期类型、当前阅读速率和用户偏好。

如图6所示，将收集到的用户阅读数据进行维度区分，可以得到四个维度的数据，即当前阅读时间、当前日期类型、当前阅读速率和用户偏好。其中，用户偏好是指用户历史更偏好于碎片化阅读方式还是深度化阅读方式，用户偏好可以根据用户历史阅读的数据得出。用户历史阅读的数据包括与碎片化阅读方式相匹配的第一类型语料的用户阅读量和整体评分，以及与深度化阅读方式相匹配的第二类型语料的用户阅读量和整体评分。若第一类型语料的用户阅读量和整体评分高于第二类型语料的用户阅读量和整体评分，则确定用户偏好为碎片化阅读方式；若第一类型语料的用户阅读量和整体评分低于第二类型语料的用户阅读量和整体评分，则确定用户偏好为深度化阅读方式

例如，从收集的用户阅读数据中获知用户A当前阅读时间为12:15，当前日期类型为休息日，当前阅读速率位于第二速率范围内，用户偏好为碎片化阅读方式。

503、根据当前阅读时间、当前日期类型、当前阅读速率和用户偏好，计算碎片化阅读方式的推荐度和深度化阅读方式的推荐度。

分别预测每一维度数据对应的碎片化阅读方式的推荐度和深度化阅读方式的推荐度，设置每一维度数据对应的权重，例如分别设置每一维度数据对应的权重为0.25，对四个维度数据对应的推荐度进行加权求和，最终得到碎片化阅读方式的推荐度和深度化阅读方式的推荐度，如图6所示。

例如，针对当前阅读时间，用户A的碎片化阅读方式的推荐度为1，深度化阅读方式的推荐度为0；针对当前日期类型，用户A的碎片化阅读方式的推荐度为0，深度化阅读方式的推荐度为1；针对当前阅读速率，用户A的碎片化阅读方式的推荐度为1，深度化阅读方式的推荐度为0；针对用户偏好，用户A的碎片化阅读方式的推荐度为1，深度化阅读方式的推荐度为0。根据每一纬度数据对应的权重，最终得到碎片化阅读方式的推荐度为0.75，深度化阅读方式的推荐度为0.25。

504、比较碎片化阅读方式的推荐度和深度化阅读方式的推荐度，并根据比较结果向用户推荐与相应阅读方式相匹配的语料。

若最终碎片化阅读方式的推荐度大于深度化阅读方式的推荐度，则向用户推荐与碎片化阅读方式相匹配的语料，若最终深度化阅读方式的推荐度大于碎片化阅读方式的推荐度，则向用户推荐与深度化阅读方式相匹配的语料，若最终碎片化阅读方式的推荐度等于深度化阅读方式的推荐度，则向用户随机推荐一种语料，该语料可以与碎片化阅读方式相匹配，也可以与深度化阅读方式相匹配。

例如，对于用户A，最终得到碎片化阅读方式的推荐度为0.75，大于深度化阅读方式的推荐度0.25，从而向用户A推荐与碎片化阅读方式相匹配的语料。

505、获取用户阅读所推荐的语料后的阅读反馈结果，并根据阅读反馈结果更新用户阅读数据。

用户阅读所推荐的语料后，可以对语料进行评分，得到阅读反馈结果，该阅读反馈结果可以对用户阅读数据进行更新，进而更新碎片化阅读方式的推荐度和深度化阅读方式的推荐度，如图6所示。

综上，本发明实施例通过获取用户的多维阅读行为数据，根据多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式，以向用户推荐与目标阅读方式相匹配的语料，实现针对阅读方式的语料推荐，提高推荐准确度，进而提高用户阅读体验。

为便于更好的实施本发明实施例提供的语料推荐方法，本发明实施例还提供一种基于上述语料推荐方法的装置。其中名词的含义与上述语料推荐方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图7，图7为本发明实施例提供的语料推荐装置的结构示意图，其中该语料推荐装置可以包括：

获取模块701，用于获取用户的多维阅读行为数据；

确定模块702，用于根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；以及，

推荐模块703，用于向用户推荐与所述目标阅读方式相匹配的目标语料。

在本发明一些实施例中，所述多种阅读方式包括碎片化阅读方式和深度化阅读方式；

所述确定模块702具体用于：

根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度；

若所述第一推荐度大于所述第二推荐度，则将所述碎片化阅读方式作为当前适合用户的目标阅读方式；

若所述第一推荐度小于所述第二推荐度，则将所述深度化阅读方式作为当前适合用户的目标阅读方式。

在本发明一些实施例中，所述多维阅读行为数据包括当前阅读行为数据和历史阅读行为数据；

所述确定模块702还用于：

根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度；

根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度；

根据所述第一当前推荐度和所述第一历史推荐度，确定所述碎片化阅读方式的第一推荐度；

根据所述第二当前推荐度和所述第二历史推荐度，确定所述深度化阅读方式的第二推荐度。

在本发明一些实施例中，所述当前阅读行为数据包括当前阅读时间、当前日期类型和当前阅读速率；

所述确定模块702还用于：

根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度；

根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度；

根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度；

根据所述第一当前时间推荐度、所述第一当前日期推荐度和所述第一当前速率推荐度，确定所述碎片化阅读方式的第一当前推荐度；

根据所述第二当前时间推荐度、所述第二当前日期推荐度和所述第二当前速率推荐度，确定所述深度化阅读方式的第二当前推荐度。

在本发明一些实施例中，所述确定模块702还用于：

根据预设的多个时间段，确定所述当前阅读时间所在的目标时间段；

从预设的时间推荐度数据库中，获取所述目标时间段对应的碎片化阅读方式的第一当前时间推荐度和深度化阅读方式的第二当前时间推荐度。

在本发明一些实施例中，所述确定模块702还用于：

若所述当前日期类型为工作日，则确定所述碎片化阅读方式的第一当前日期推荐度大于所述深度化阅读方式的第二当前日期推荐度；

若所述当前日期类型为休息日，则确定所述碎片化阅读方式的第一当前日期推荐度小于所述深度化阅读方式的第二当前日期推荐度。

在本发明一些实施例中，所述确定模块702还用于：

根据预设的多个速率范围，确定所述当前阅读速率所在的目标速率范围；

从预设的速率推荐度数据库中，获取所述目标速率范围对应的碎片化阅读方式的第一当前速率推荐度和深度化阅读方式的第二当前速率推荐度。

在本发明一些实施例中，所述历史阅读行为数据包括用户已阅读的历史语料集以及所述历史语料集中每个历史语料的用户评分；

所述确定模块702还用于：

根据所述历史语料集，统计第一类型语料的用户阅读量和第二类型语料的用户阅读量，所述第一类型语料是与所述碎片化阅读方式相匹配的语料，所述第二类型语料是与所述深度化阅读方式相匹配的语料；

根据所述历史语料集中每个历史语料的用户评分，计算所述第一类型语料的整体评分和所述第二类型语料的整体评分；

根据所述第一类型语料的用户阅读量和整体评分，计算所述碎片化阅读方式的第一历史推荐度；

根据所述第二类型语料的用户阅读量和整体评分，计算所述深度化阅读方式的第二历史推荐度。

在本发明一些实施例中，所述装置还包括更新模块；

所述更新模块用于：

获取用户对所述目标语料的阅读反馈结果；

根据所述目标语料的阅读反馈结果，更新所述历史阅读行为数据。

具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。

本发明实施例通过获取用户的多维阅读行为数据，根据多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式，以向用户推荐与目标阅读方式相匹配的语料，实现针对阅读方式的语料推荐，提高推荐准确度，进而提高用户阅读体验。

本发明实施例还提供一种服务器，如图8所示，其示出了本发明实施例所涉及的服务器的结构示意图，具体来讲：

该服务器可以包括一个或者一个以上处理核心的处理器801、一个或一个以上计算机可读存储介质的存储器802、电源803和输入单元804等部件。本领域技术人员可以理解，图8中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

其中：

处理器801是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器802内的软件程序和/或模块，以及调用存储在存储器802内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器801可包括一个或多个处理核心；优选的，处理器801可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作存储介质、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器801中。

存储器802可用于存储软件程序以及模块，处理器801通过运行存储在存储器802的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器802可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作存储介质、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器802还可以包括存储器控制器，以提供处理器801对存储器802的访问。

服务器还包括给各个部件供电的电源803，优选的，电源803可以通过电源管理存储介质与处理器801逻辑相连，从而通过电源管理存储介质实现管理充电、放电、以及功耗管理等功能。电源803还可以包括一个或一个以上的直流或交流电源、再充电存储介质、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该服务器还可包括输入单元804，该输入单元804可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器801会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器802中，并由处理器801来运行存储在存储器802中的应用程序，从而实现各种功能，如下：

获取用户的多维阅读行为数据；根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；向用户推荐与所述目标阅读方式相匹配的目标语料。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种语料推荐方法中的步骤。例如，该指令可以执行如下步骤：

获取用户的多维阅读行为数据；根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；向用户推荐与所述目标阅读方式相匹配的目标语料。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一种语料推荐方法中的步骤，因此，可以实现本发明实施例所提供的任一种语料推荐方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本发明实施例所提供的一种语料推荐方法、装置、服务器和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种语料推荐方法，其特征在于，包括：

获取用户的多维阅读行为数据；

根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；

向用户推荐与所述目标阅读方式相匹配的目标语料。

2.根据权利要求1所述的语料推荐方法，其特征在于，所述多种阅读方式包括碎片化阅读方式和深度化阅读方式；

所述根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式，具体包括：

根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度；

若所述第一推荐度大于所述第二推荐度，则将所述碎片化阅读方式作为当前适合用户的目标阅读方式；

若所述第一推荐度小于所述第二推荐度，则将所述深度化阅读方式作为当前适合用户的目标阅读方式。

3.根据权利要求2所述的语料推荐方法，其特征在于，所述多维阅读行为数据包括当前阅读行为数据和历史阅读行为数据；

所述根据所述多维阅读行为数据，确定所述碎片化阅读方式的第一推荐度和所述深度化阅读方式的第二推荐度，具体包括：

根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度；

根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度；

根据所述第一当前推荐度和所述第一历史推荐度，确定所述碎片化阅读方式的第一推荐度；

根据所述第二当前推荐度和所述第二历史推荐度，确定所述深度化阅读方式的第二推荐度。

4.根据权利要求3所述的语料推荐方法，其特征在于，所述当前阅读行为数据包括当前阅读时间、当前日期类型和当前阅读速率；

所述根据所述当前阅读行为数据，确定所述碎片化阅读方式的第一当前推荐度和所述深度化阅读方式的第二当前推荐度，具体包括：

根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度；

根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度；

根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度；

根据所述第一当前时间推荐度、所述第一当前日期推荐度和所述第一当前速率推荐度，确定所述碎片化阅读方式的第一当前推荐度；

根据所述第二当前时间推荐度、所述第二当前日期推荐度和所述第二当前速率推荐度，确定所述深度化阅读方式的第二当前推荐度。

5.根据权利要求4所述的语料推荐方法，其特征在于，所述根据所述当前阅读时间，确定所述碎片化阅读方式的第一当前时间推荐度和所述深度化阅读方式的第二当前时间推荐度，具体包括：

根据预设的多个时间段，确定所述当前阅读时间所在的目标时间段；

从预设的时间推荐度数据库中，获取所述目标时间段对应的碎片化阅读方式的第一当前时间推荐度和深度化阅读方式的第二当前时间推荐度。

6.根据权利要求4所述的语料推荐方法，其特征在于，所述根据所述当前日期类型，确定所述碎片化阅读方式的第一当前日期推荐度和所述深度化阅读方式的第二当前日期推荐度，具体包括：

若所述当前日期类型为工作日，则确定所述碎片化阅读方式的第一当前日期推荐度大于所述深度化阅读方式的第二当前日期推荐度；

若所述当前日期类型为休息日，则确定所述碎片化阅读方式的第一当前日期推荐度小于所述深度化阅读方式的第二当前日期推荐度。

7.根据权利要求4所述的语料推荐方法，其特征在于，所述根据所述当前阅读速率，确定所述碎片化阅读方式的第一当前速率推荐度和所述深度化阅读方式的第二当前速率推荐度，具体包括：

根据预设的多个速率范围，确定所述当前阅读速率所在的目标速率范围；

从预设的速率推荐度数据库中，获取所述目标速率范围对应的碎片化阅读方式的第一当前速率推荐度和深度化阅读方式的第二当前速率推荐度。

8.根据权利要求3所述的语料推荐方法，其特征在于，所述历史阅读行为数据包括用户已阅读的历史语料集以及所述历史语料集中每个历史语料的用户评分；

根据所述历史阅读行为数据，确定所述碎片化阅读方式的第一历史推荐度和所述深度化阅读方式的第二历史推荐度，具体包括：

根据所述历史语料集，统计第一类型语料的用户阅读量和第二类型语料的用户阅读量，所述第一类型语料是与所述碎片化阅读方式相匹配的语料，所述第二类型语料是与所述深度化阅读方式相匹配的语料；

根据所述历史语料集中每个历史语料的用户评分，计算所述第一类型语料的整体评分和所述第二类型语料的整体评分；

根据所述第一类型语料的用户阅读量和整体评分，计算所述碎片化阅读方式的第一历史推荐度；

根据所述第二类型语料的用户阅读量和整体评分，计算所述深度化阅读方式的第二历史推荐度。

9.根据权利要求3所述的语料推荐方法，其特征在于，所述方法还包括：

获取用户对所述目标语料的阅读反馈结果；

根据所述目标语料的阅读反馈结果，更新所述历史阅读行为数据。

10.一种语料推荐装置，其特征在于，包括：

获取模块，用于获取用户的多维阅读行为数据；

确定模块，用于根据所述多维阅读行为数据，从预设的多种阅读方式中确定当前适合用户的目标阅读方式；以及，

推荐模块，用于向用户推荐与所述目标阅读方式相匹配的目标语料。

Images