CN112035738B

CN112035738B - 一种电子书单推荐方法及装置、电子设备

Info

Publication number: CN112035738B
Application number: CN202010816177.4A
Authority: CN
Inventors: 刘广东; 张洪祯; 杨勇; 王雅珊
Original assignee: Beijing QIYI Century Science and Technology Co Ltd
Current assignee: Beijing QIYI Century Science and Technology Co Ltd
Priority date: 2020-08-14
Filing date: 2020-08-14
Publication date: 2023-09-26
Anticipated expiration: 2040-08-14
Also published as: CN112035738A

Abstract

本发明实施例提供了一种电子书单推荐方法及装置、电子设备。电子书单推荐方法包括根据电子书单中包括的电子书生成所述电子书单的书单标签；计算所述书单标签和目标用户的用户标签的匹配值；获取所述目标用户的阅读记录中包括的电子书和所述电子书单中包括的电子书中的重复电子书；根据所述重复电子书和所述匹配值，确定所述电子书单对应所述目标用户的推荐权重；根据所述目标用户的推荐权重向所述目标用户推荐电子书单。这样，本发明实施例能够降低或消除用户已经阅读过的电子书对于目标用户和电子书单匹配值的影响，更加真实的反应用户对于电子书单中未阅读过的电子书的偏好程度。

Description

一种电子书单推荐方法及装置、电子设备

技术领域

本发明涉及计算机术领域，特别是涉及一种电子书单推荐方法及装置、电子设备。

背景技术

电子书单推荐指的是向用户推荐符合用户兴趣的、由他人构建的电子书集合，电子书单可以由作者、运营、读者等人员根据自己的喜好或者一定规则将一些电子书做成集合，集合内可包含多种类型的电子书，最后以书单的形式进行推荐展示。然而向用户推荐的电子书单中可能包括用户已经阅读过的电子书，用户对于这些已经阅读过的电子书的兴趣相对较低，可能使用户接收到不感兴趣的信息。

发明内容

本发明实施例的目的在于提供一种电子书单推荐方法及装置、电子设备，以降低用户接收到不感兴趣的信息的可能性。

具体技术方案如下：

在本发明实施的第一方面，首先提供了一种电子书单推荐方法，包括以下步骤：

根据电子书单中包括的电子书生成所述电子书单的书单标签；

计算所述书单标签和目标用户的用户标签的匹配值；

获取所述目标用户的阅读记录中包括的电子书和所述电子书单中包括的电子书中的重复电子书；

根据所述重复电子书和所述匹配值，确定所述电子书单对应所述目标用户的推荐权重；

根据所述目标用户的推荐权重向所述目标用户推荐电子书单。

可选的，所述根据电子书单中包括的电子书生成所述电子书单的书单标签，包括：

获取所述电子书单中包括的每一所述电子书对应的电子书标签，其中，每一所述电子书对应至少一个电子书标签；

为所述电子书单中包括的电子书的电子书标签打分，其中，所述电子书标签的打分随着具有所述电子书标签的电子书的数量的增加而提高，且所述电子书标签的打分随着具有所述电子书标签的电子书的阅读量的增加而提高；

将打分高于预设分数阈值的电子书标签作为所述电子书单的书单标签。

可选的，所述根据所述书单标签和目标用户的用户标签的匹配值之前，还包括：

获取所述目标用户的阅读记录，所述阅读记录包括所述目标用户阅读过的电子书和阅读时长；

将所述目标用户的阅读记录中包括的电子书对应的电子书标签作为所述目标用户的用户标签。

可选的，所述计算所述书单标签和目标用户的用户标签的匹配值，包括：

根据所述目标用户的阅读记录生成每一所述用户标签的标签评分，其中，所述用户标签的标签评分随所述阅读记录中，具有相对应的电子书标签的电子书的数量的增加而增加，所述标签评分还随所述阅读记录中，具有相对应的电子书标签的电子书的阅读时长的增加而增加；

获取所述书单标签和所述用户标签的中相同的标签；

根据所述书单标签和所述用户标签的中相同的标签计算所述书单标签和所述用户标签的匹配程度，其中，所述书单标签和所述用户标签的匹配程度随用户标签的标签评分的增加而增加，且随所述书单标签的打分的增加而增加。

可选的，所述根据所述重复电子书和所述匹配值确定所述电子书单对应所述目标用户的推荐权重，包括：

生成包括所述重复电子书的重复书单对应的书单标签；

根据所述重复书单的书单标签和所述用户标签的匹配程度计算所述目标用户对于所述重复书单的偏好程度；

计算所述电子书单对于所述目标用户的推荐权重，其中，所述推荐权重为所述目标用户对所述电子书单的偏好程度和所述目标用户对所述重复书单的偏好程度的加权值，所述推荐权重随所述目标用户对所述电子书单的偏好程度的增加而增加，随所述目标用户对所述重复书单的偏好程度的增加而降低。

在本发明实施的第二方面，还提供了一种电子书单推荐装置，包括：

生成模块，用于根据电子书单中包括的电子书生成所述电子书单的书单标签；

计算模块，用于计算所述书单标签和目标用户的用户标签的匹配值；

查重模块，用于获取所述目标用户的阅读记录中包括的电子书和所述电子书单中包括的电子书中的重复电子书；

权重确定模块，用于根据所述重复电子书和所述匹配值确定所述电子书单对应所述目标用户的推荐权重；

推荐模块，用于根据所述目标用户的推荐权重向所述目标用户推荐电子书单。

可选的，所述生成模块包括：

获取子模块，用于获取所述电子书单中包括的每一所述电子书对应的电子书标签，其中，每一所述电子书对应至少一个电子书标签；

打分子模块，用于为所述电子书单中包括的电子书的电子书标签打分，其中，所述电子书标签的打分随着具有所述电子书标签的电子书的数量的增加而提高，且所述电子书标签的打分随着具有所述电子书标签的电子书的阅读量的增加而提高；

生成子模块，用于将打分高于预设分数阈值的电子书标签作为所述电子书单的书单标签。

可选的，还包括：

阅读记录获取模块，用于获取所述目标用户的阅读记录，所述阅读记录包括所述目标用户阅读过的电子书和阅读时长；

用户标签生成模块，用于将所述目标用户的阅读记录中包括的电子书对应的电子书标签作为所述目标用户的用户标签。

在本发明实施的又一方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现以上任一所述的电子书单推荐方法的步骤。

在本发明实施的又一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如以上任一所述的电子书单推荐方法。

这样，本发明实施例通过根据电子书单中包括的电子书生成所述电子书单的书单标签；计算所述书单标签和目标用户的用户标签的匹配值；获取所述目标用户的阅读记录中包括的电子书和所述电子书单中包括的电子书中的重复电子书；根据所述重复电子书和所述匹配值确定所述电子书单对应所述目标用户的推荐权重；根据所述目标用户的推荐权重向所述目标用户推荐电子书单。这样，本发明实施例通过根据用户的阅读记录追踪电子书和电子书单中的重复电子书调节针对该电子书单的推荐权重，能够降低或消除用户已经阅读过的电子书对于目标用户和电子书单匹配值的影响，更加真实的反应用户对于电子书单中未阅读过的电子书的偏好程度。

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简单地介绍。

图1为本发明一实施例中电子书单推荐方法的流程图；

图2A为本发明一实施例中生成书单标签的流程图；

图2B为本发明一实施例中生成用户标签的流程图；

图3为本发明一实施例中电子书单推荐装置的结构图；

图4为本发明一实施例中电子设备的结构图。

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描述。

本发明提供了一种电子书单推荐方法。

如图1所示，在一个实施例中，该电子书单的推荐方法包括以下步骤：

步骤101：根据电子书单中包括的电子书生成所述电子书单的书单标签。

本实施例中的电子书单指的是包括多本电子书的电子书的集合，可以由不同的创建人创建，例如，工作人员、作者、普通读者等。由于电子书单包含的电子书类型不受控，完全基于创建人的个人想法，所以会导致书单很难有统一的主题或者类型。

但是这样的电子书单的内容会很丰富，如果能够匹配到和书单内容有相似兴趣的用户并给其推荐，就能通过书单满足用户的大部分阅读兴趣。

在确定了电子书单之后，首先获取该电子书单的书单标签，每一电子书单中的书可能具有一个或多个标签。书单标签可以理解为最能体现出该电子书单中电子书特性的一些词语。

在一个具体实施方式中，书单标签可以是形容词，例如“热血”、“清新”、“温馨”等，也可以是定义其属性的名词，例如“武侠”、“科幻”等，显然，书单标签并不局限于此，只要能够体现该电子书单中电子书特点的词语均可能作为该电子书单的标签。

步骤102：计算所述书单标签和目标用户的用户标签的匹配值。

本实施例中的目标用户的用户标签指的是能够体现用户阅读喜好的词语，所选用的词语可以与上述书单标签所选用的词语相同，例如，可以以“武侠”标签代表该目标用户喜欢阅读武侠类电子书，以“作者A”标签代表该目标用户喜欢阅读作者A的作品，以“热血”标签代表该目标用户更加喜欢富有激情和热血的电子书等。

在确定了书单标签和目标用户的用户标签之后，可以计算两者的匹配值，显然，如果一个电子书单的书单标签和目标用户的用户标签中相同或相似的标签越多，两者的匹配值也就越高，也就说明该目标用户喜欢该电子书单中包括的电子书的可能性也就越高。

步骤103：获取所述目标用户的阅读记录中包括的电子书和所述电子书单中包括的电子书中的重复电子书。

步骤104：根据所述重复电子书和所述匹配值确定所述电子书单对应所述目标用户的推荐权重。

应当理解的是，如果目标用户已经阅读过某一本电子书，那么该目标用户重复阅读该电子书的可能性相对较低，而该电子书能够体现用户的阅读习惯。

例如用户很喜欢某一电子书单中的一本电子书且已经阅读过，那么该电子书单与用户之间的匹配程度可能相对较高，由于该电子书的存在，可能导致该电子书单与用户之间的匹配程度过高；反之，如果用户不喜欢其中的某一本电子书，那么，由于该电子书的存在，可能导致该电子书单与用户之间的匹配程度过低。因此，如果电子书单中存在用户已经阅读过的电子书，那么最终计算的匹配值可能无法真实的反应用户对于电子书单中未曾阅读过的电子书的偏好程度。

因此，本实施例中进一步获取用户已经阅读过的电子书，并根据用户已经阅读过的电子书，调节针对目标用户的推荐权重，以降低已经阅读过的电子书对于推荐权重的影响。

步骤105：根据所述目标用户的推荐权重向所述目标用户推荐电子书单。

最后，根据确定的推荐权重，将电子书单排序并向目标用户推荐即可。

这样，本发明实施例通过根据用户的阅读记录追踪电子书和电子书单中的重复电子书调节针对该电子书单的推荐权重，能够降低或消除用户已经阅读过的电子书对于目标用户和电子书单匹配值的影响，更加真实的反应用户对于电子书单中未阅读过的电子书的偏好程度。

在一个可选的具体实施方式中，上述步骤101包括：

电子书对应的电子书标签指的是概括该电子书特征的标签，每一电子书的电子书标签可以为一个或多个。例如，某一本电子书为武侠小说，则该电子书具有电子书标签“武侠”。通过特定的规则，可以确定每一电子书对应的电子书标签，例如，可以由作者在创作电子书的时候进行选择，也可以由读者阅读该电子书后投票确定该电子书的电子书标签，也可以通过算法提取电子书中的关键字以生成该电子书的电子书标签。

进一步的，为电子书单包括的电子书的电子书标签打分。打分与具有该电子书标签的电子书的数量和每一电子书的阅读量有关。

具体的，以某一电子书单中包括10本电子书为例说明。该电子书单中，3本书电子书标签为标签A，5本书的电子书标签为标签B，1本书的标签为标签C，另外一本书的电子书标签为标签D。进一步的，其中一本具有标签A的电子书格外受欢迎，综合统计，其阅读量远高于其他电子书的平均水平，相应的，该电子书的标签A对应的评分为3分，而其他电子书的各标签均评分为1分。这样，最终确定的各电子书标签的打分分别为标签A的评分为6分，标签B的评分为5分，标签C的评分为1分，标签D的评分为1分。

进一步，选择3分为预设阈值，则保留标签A和标签B，则该电子书单的书单标签为标签A和标签B。

显然，实际实施时，打分规则和针对打分的调整规则可以适应性作出调整，并确定具有归一化或标准化的打分规则，通过对于标签的打分体现具有相应的电子书标签的电子书数量和电子书的阅读量，能够实现获取体现该电子书单特性的书单标签。

如图2A所示，生成书单标签的过程可以概括为，首先获取电子书单内电子书的电子书标签，然后根据特定的规则，例如包括但不限于上述具体实施中的规则，确定书单标签的初始评分，进一步的，设置书单标签的分数阈值，保留大于该分数与之的标签作为书单标签，将低于该分数阈值的标签删除。

进一步的，将保留下来的书单标签进行归一化或标准化处理，最终获得具有统一标准打分的书单标签。

在一个可选的具体实施方式中，在步骤102之前，还包括：

本实施例中，在步骤102之前首先需要确定目标用户的用户标签。目标用户的用户标签是根据目标用户的阅读习惯确定的。

具体的，用户U在共计阅读过n本书，其阅读记录统计为U＝{r1，r2，……rn}，其中，rn代表第n本书的阅读时长。进一步的，每一电子书具有k各电子书标签，则每一个标签和电子书的相关度评分记为B＝{l1,l2,l3…lk}，其中lk代表第k个标签和该电子书的相关程度，或者理解为该电子书的第k个电子书标签的评分。

可以理解为，用户U阅读过5本电子书，电子书A和电子书B，电子书A具有电子书标签“武侠”和电子书标签“热血”；电子书B具有电子书标签“科幻”和电子书标签“温馨”。则可以根据需要将“武侠”“热血”“科幻”和“温馨”中的一项或多项用户U的用户标签。

进一步的，根据统计，大部分具有“武侠”和“热血”标签的用户同时也具有“玄幻”标签，因此，进一步为该用户增加“玄幻”，能够保证在满足用户喜好的情况下，向用户推送该用户很可能喜欢的“玄幻”类型的电子书。

实际实施时，通过获取目标用户更多的阅读记录，能够更加准确的刻画用户的阅读习惯，以确定更加准确的用户标签。

在一个可选的具体实施方式中，步骤102包括：

获取所述书单标签和所述用户标签的中相同的标签；

进一步的，通过计算用户和每一电子书标签的相关程度打分。

实施时，用户的衍生标签则需要根据一些算法进行计算，例如但不局限于协同滤等，可以根据用户已知的行为计算出用户未有行为标签的打分，并进一步设计用户标签的最低阈值，打分高于该阈值用户未有行为的标签即为用户的衍生标签，将用户行为标签和衍生标签按照一定的规则进行混合，据此推荐在能保证用户喜好的同时又能提高用户的惊喜度。

可以理解为，用户U阅读过5本电子书，电子书A和电子书B，电子书A具有电子书标签“武侠”和电子书标签“热血”，其中电子书A的“武侠”特性较高，评分为5分，“热血”评分相对较低，为3分；电子书B具有电子书标签“科幻”和电子书标签“温馨”。电子书A的阅读时长远大于电子书B的阅读时长，这样，可以认为，用户U可能不喜欢“科幻”和“温馨”类型的电子书，而更喜欢“武侠”和“热血”类型的电子书，而“武侠”该电子书A的“武侠”特性更高，所以认为该用户U更喜欢“武侠”类型的电子书，因此将“武侠”和“热血”作为该用户U的用户标签，且“武侠”的评分高于“热血”，也就是说，认为该用户最喜欢“武侠”类型的电子书，其次喜欢“热血”类型的电子书。而“科幻”和“温馨”的评分由于地域预设的评分阈值，所以不将这两个标签作为用户U的用户标签。

上述生成用户标签的标签评分的过程可以概括为，首先获取用户的行为数据，具体的，可以是用户的阅读行为数据。

接下来，生成用户标签，用户标签包括行为标签和衍生标签。实施时，一方面根据用户的行为逆推用户的行为标签，另一方面，根据用户的习惯计算用户的衍生标签，这里，衍生标签指的是并非用户习惯直接体现出来的标签。

接下来，设置用户标签分数的分数阈值，保留大于该分数阈值的标签，并删除不大于该分数阈值的标签。

进一步的，将保留下来的标签作为用户标签，并将行为标签和衍生标签按照一定的规则混合。

应当理解的是，由于行为标签和衍生标签的评分规则不同，所以两者难以直接进行对比，在一个具体实施方式中，将标签的顺序按照两个行为标签、一个衍生标签的顺序进行排序，且行为标签和衍生标签各自均按照评分高低排序，这样，既能够体现用户的阅读习惯，保证用户喜好，也能够提高用户的惊喜度。

接下来，对标签的分数进行标准化或归一化处理，最终获得具有统一打分规则的用户标签及其标签评分。

假设书单的标签集合用A表示，其中包含n个标签，书单标签打分则为A＝{a1,a2,a3…an}，用户的标签集合用B表示，其中包含k个标签，用户标签打分则为B＝{b1,b2,b3…bk}。

计算用户B和电子书单A的匹配程度时，首先确定书单标签和用户标签的交集C＝A∩B。

假设C集合共有i个元素，每个元素则包含两个打分分别是标签的书单打分和用户打分，则有

接下来计算用户对书单的打分o，计算公式为：上述公式中，ω为调节权重，一般取值为1，实际实施时，可以根据需要调整，例如，针对经常发布高质量电子书单的编辑者，在计算评分时，将其调节权重调整为1.1，对于不经常更新或维护电子书单的编辑者，将其调节权重调整为0.9等。

在一个可选的具体实施方式中，上述步骤104包括：

生成包括所述重复电子书的重复书单对应的书单标签；

为了降低向用户推荐的电子书单中包括用户已经阅读过的电子书的可能性，本实施例中进一步设计降权操作以调整对于电子书单的推荐权重。

实施时，首先根据目标用户的阅读记录和电子书单中包括的电子书确定用户已经阅读过的电子书，进一步的，可以利用上述可选步骤102中的具体计算过程计算用户与该重复重复书单的匹配值，记为z，进一步的，通过s＝λo+μz计算电子书单的最终评分s，其中λ和μ分别为相应的权重，具体可以为常数，也可以为权重函数，例如，λ的取值可以为1，而μ的取值可以为-1。这样，可以理解为，通过设计该降权操作，能够降低或消除用户已经阅读过的电子书对于目标用户和电子书单匹配值的影响，更加真实的反应用户对于电子书单中未阅读过的电子书的偏好程度。

如图3所示，本发明还提供了一种电子书单推荐装置300，包括：

生成模块301，用于根据电子书单中包括的电子书生成所述电子书单的书单标签；

计算模块302，用于计算所述书单标签和目标用户的用户标签的匹配值；

查重模块303，用于获取所述目标用户的阅读记录中包括的电子书和所述电子书单中包括的电子书中的重复电子书；

权重确定模块304，用于根据所述重复电子书和所述匹配值确定所述电子书单对应所述目标用户的推荐权重；

推荐模块305，用于根据所述目标用户的推荐权重向所述目标用户推荐电子书单。

可选的，所述生成模块301包括：

可选的，还包括：

可选的，所述计算模块302包括：

用户标签评分子模块，用于根据所述目标用户的阅读记录生成每一所述用户标签的标签评分，其中，所述用户标签的标签评分随所述阅读记录中，具有相对应的电子书标签的电子书的数量的增加而增加，所述标签评分还随所述阅读记录中，具有相对应的电子书标签的电子书的阅读时长的增加而增加；

标签获取子模块，用于获取所述书单标签和所述用户标签的中相同的标签；

计算子模块，用于根据所述书单标签和所述用户标签的中相同的标签计算所述书单标签和所述用户标签的匹配程度，其中，所述书单标签和所述用户标签的匹配程度随用户标签的标签评分的增加而增加，且随所述书单标签的打分的增加而增加。

可选的，所述权重确定模块包括：

重复书单标签生成子模块，用于生成包括所述重复电子书的重复书单对应的书单标签；

偏好计算子模块，用于根据所述重复书单的书单标签和所述用户标签的匹配程度计算所述目标用户对于所述重复书单的偏好程度；

权重确定子模块，用于计算所述目标用户对所述电子书单的偏好程度和所述目标用户对所述重复书单的偏好程度的加权值作为所述电子书单对于所述目标用户的推荐权重，其中，所述推荐权重随所述目标用户对所述电子书单的偏好程度的增加而增加，随所述目标用户对所述重复书单的偏好程度的增加而降低。

本发明实施例的电子书单推荐装置300能够实现上述电子书单推荐方法实施例的各个步骤，并能实现相同或相近的技术效果，此处不再赘述。

本发明实施例还提供了一种电子设备，如图4所示，包括处理器41、通信接口42、存储器43和通信总线44，其中，处理器41，通信接口42，存储器44通过通信总线44完成相互间的通信，

存储器43，用于存放计算机程序；

当该电子设备为上述终端设备时，处理器41，用于执行存储器上所存放的程序时，实现以上任一所述的电子书单推荐方法的步骤。

上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述终端与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(NetworK Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的建模方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的建模方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State DisK(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims

1.一种电子书单推荐方法，其特征在于，包括以下步骤：

获取电子书单中包括的每一电子书对应的电子书标签，其中，每一所述电子书对应至少一个电子书标签；

将打分高于预设分数阈值的电子书标签作为所述电子书单的书单标签；

计算所述书单标签和目标用户的用户标签的匹配值；

生成包括所述重复电子书的重复书单对应的书单标签；

根据所述重复书单的书单标签和所述用户标签的匹配程度，计算所述目标用户对于所述重复书单的偏好程度；

计算所述电子书单对于所述目标用户的推荐权重，其中，所述推荐权重为所述目标用户对所述电子书单的偏好程度和所述目标用户对所述重复书单的偏好程度的加权值，所述推荐权重随所述目标用户对所述电子书单的偏好程度的增加而增加，随所述目标用户对所述重复书单的偏好程度的增加而降低；

2.如权利要求1所述的电子书单推荐方法，其特征在于，所述根据所述书单标签和目标用户的用户标签的匹配值之前，还包括：

3.如权利要求1所述的电子书单推荐方法，其特征在于，所述计算所述书单标签和目标用户的用户标签的匹配值，包括：

获取所述书单标签和所述用户标签的中相同的标签；

根据所述书单标签和所述用户标签的中相同的标签，计算所述书单标签和所述用户标签的匹配程度，其中，所述书单标签和所述用户标签的匹配程度随用户标签的标签评分的增加而增加，且随所述书单标签的打分的增加而增加。

4.一种电子书单推荐装置，其特征在于，包括：

生成模块，所述生成模块包括：获取子模块，用于获取所述电子书单中包括的每一所述电子书对应的电子书标签，其中，每一所述电子书对应至少一个电子书标签；打分子模块，用于为所述电子书单中包括的电子书的电子书标签打分，其中，所述电子书标签的打分随着具有所述电子书标签的电子书的数量的增加而提高，且所述电子书标签的打分随着具有所述电子书标签的电子书的阅读量的增加而提高；生成子模块，用于将打分高于预设分数阈值的电子书标签作为所述电子书单的书单标签；

权重确定模块，所述权重确定模块包括：重复书单标签生成子模块，用于生成包括所述重复电子书的重复书单对应的书单标签；偏好计算子模块，用于根据所述重复书单的书单标签和所述用户标签的匹配程度计算所述目标用户对于所述重复书单的偏好程度；权重确定子模块，用于计算所述目标用户对所述电子书单的偏好程度和所述目标用户对所述重复书单的偏好程度的加权值作为所述电子书单对于所述目标用户的推荐权重，其中，所述推荐权重随所述目标用户对所述电子书单的偏好程度的增加而增加，随所述目标用户对所述重复书单的偏好程度的增加而降低；

5.如权利要求4所述的电子书单推荐装置，其特征在于，还包括：

6.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1至3任一所述的电子书单推荐方法步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1至3任一所述的电子书单推荐方法步骤。