CN112799999A

CN112799999A - 一种在线阅读推荐方法、系统、装置及计算机可读存储介质

Info

Publication number: CN112799999A
Application number: CN202011632643.XA
Authority: CN
Inventors: 陈华
Original assignee: Zhongtu Digital Technology Beijing Co ltd
Current assignee: Zhongtu Digital Technology Beijing Co ltd
Priority date: 2020-12-31
Filing date: 2020-12-31
Publication date: 2021-05-14

Abstract

本申请提供一种在线阅读推荐方法、系统、装置及计算机可读存储介质。所述方法包括：获取读者在当前登录后的浏览历史数据，所述浏览历史数据包括浏览每一读物的浏览时间、操作次数和浏览量；依据所述浏览时间、操作次数和浏览量计算所述读者对所述读物的心仪值；将所述心仪值大于预设的心仪值的读物的共有标签选定为推荐标签；将读物标签中含有所述推荐标签的读物存入推荐目录并推荐给所述读者。由于在计算心仪值过程中加入了操作次数以及浏览量的计算因素，使得心仪值的计算过程参考了读者在当前登录之后的浏览动作，从而提高了对读者兴趣计算的准确性，也提高了对读物推荐的精准性。

Description

一种在线阅读推荐方法、系统、装置及计算机可读存储介质

技术领域

本申请涉及在线阅读技术领域，尤其是涉及一种在线阅读推荐方法、系统、装置及计算机可读存储介质。

背景技术

随着社会的发展以及人均文化水平的提高，阅读已经愈发的普及并受到人们的关注和欢迎。为了方便人们的阅读，读书软件应运而生。

为了提升人们的阅读体验，一般的阅读软件都会加入阅读推荐的功能，以辅助阅读人员在快速寻找心仪的读物。如对于备考雅思的人员需要能够推荐有助于雅思考试的读物，对于会计考试的人员需要能够推荐有助于会计考试的读物。

但是一般的阅读软件都是依据阅读人员在登录软件过程中选定的标签依据每一读物的预设标签进行的推荐，这种推荐方式范围过大，不够精准，使得阅读软件推荐给阅读人员的读物与阅读人员真正需要的读物相差很大。

发明内容

为了能够给与阅读人员精准的读物推荐，本申请提供一种在线阅读推荐方法、系统、装置及计算机可读存储介质。

本申请目的一是提供一种在线阅读推荐方法，所述在线阅读推荐方法包括：

获取读者在当前登录后的浏览历史数据，所述浏览历史数据包括浏览每一读物的浏览时间、操作次数和浏览量；

依据所述浏览时间、操作次数和浏览量计算所述读者对所述读物的心仪值；

将所述心仪值大于预设的心仪值的读物的共有标签选定为推荐标签；

将读物标签中含有所述推荐标签的读物存入推荐目录并推荐给所述读者。

通过采用上述技术方案，当读者登录软件后浏览读物的过程中，可以依据当前登录后的浏览历史数据计算读者心仪的读物标签，进而实现对读物的精准推荐。由于在计算心仪值过程中加入了操作次数以及浏览量的计算因素，使得心仪值的计算过程参考了读者在当前登录之后的浏览动作，若读者对读物的操作次数多，浏览时间长，则表明读者对该读物的兴趣大，从而提高了对读者兴趣计算的准确性，也提高了对读物推荐的精准性。

作为本发明方案的改进，所述操作次数为所述读者在所述读物介绍页面的操作次数。

通过采用上述技术方案，一般的阅读软件都会有对应每一读物介绍页面，介绍页面中包括了读物的各种信息，如浏览量、评价、简介等等，读者在浏览读物介绍页面时如果操作次数多，则证明读者对读物介绍页面的相关内容兴趣大，从而为计算读者心仪值提供了准确的数据基础。

作为本发明方案的改进，所述操作次数为所述读者在所述读物介绍页面对读物介绍版块的操作次数，所述读物介绍版块满足：在读物介绍版块点击预设次数后显示完毕读物介绍版块的读物介绍内容。

通过采用上述技术方案，读物介绍页面的读物介绍版块包含了对读物内容的简介，由于只有在读物介绍版块点击足够次数后才能够浏览完毕读物介绍版块的全部内容，使得读者不能通过单次点击或不操作的情况下浏览完毕读物介绍内容，而是只能随着点击次数的增多逐步的增加所阅读的内容，当读者在读物介绍版块点击的次数越多时，证明读者对读物的介绍内容越感兴趣，从而为心仪值的计算提供了准确数据基础。

作为本发明方案的改进，依据所述读者选定的读物标签对所述心仪值进行加权计算，将经过加权计算后的心仪值大于所述预设的心仪值的读物的共有标签选定为推荐标签。

通过采用上述技术方案，在读者注册或登录软件后，都会选定感兴趣的读物标签，而读者选定的标签可作为读者对读物需求的附加计算因素对心仪值进行加权计算，使得所推荐的读物能够更加的符合读者的兴趣或需求。

本申请的目的二是提供一种在线阅读推荐系统，包括

数据获取模块，用于获取读者在当前登录后的浏览历史数据，所述浏览历史数据包括浏览每一读物的浏览时间、操作次数和浏览量；

数据计算模块，用于依据所述浏览时间、操作次数和浏览量计算所述读者对所述读物的心仪值；

存储推荐模块，用于将读物标签中含有所述推荐标签的读物存入推荐目录并推荐给所述读者。

作为本发明方案的改进，所述操作次数为数据获取模块获取的所述读者在读物介绍页面的操作次数。

作为本发明方案的改进，所述操作次数为数据获取模块获取的所述读者在读物介绍页面对读物介绍版块的操作次数，所述读物介绍版块满足：在读物介绍版块点击预设次数后显示完毕读物介绍版块的读物介绍内容。

作为本发明方案的改进，所述数据计算模块依据读者选定的读物标签对所述心仪值进行加权计算；

所述存储推荐模块将经过加权计算后的心仪值大于预设的心仪值的读物的共有标签选定为推荐标签。

本申请的目的三是提供一种在线阅读推荐装置，包括：

至少一个处理器和至少一个存储器；

所述存储器存储有指令；

所述处理器从所述存储器调取所述指令，并执行上述的在线阅读推荐方法。

本申请的目的四是提供一种计算机可读存储介质，其特征在于，包括程序，当所述程序被运行时，上述的在线阅读推荐方法被执行。

综上所述，本申请包括以下至少一种有益技术效果：

1.由于心仪值的计算加入了操作次数和浏览量的计算因素，使得心仪值能够准确的反应读者感兴趣的程度，为读物的精准推送提供了数据基础。

2.由于在读物介绍版块点击预设次数后显示完毕读物介绍版块的读物介绍内容，从而使得操作次数值更能够体现读者对读物的兴趣程度，进一步的提高了读物推送的精准程度。

附图说明

图1是本申请中在线阅读推荐方法的流程图。

图2是本申请中读物介绍页面示意图。

图3是本申请中在线阅读推荐系统的系统图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

为了能够便于对本方案理解，以下先对阅读软件的常规设置方式进行简要说明。阅读软件一般都会对读物附加标签，如玄幻、历史、人物传记等，在读者注册账号或登录后都可以选定读物标签或更改选定的读物标签。同时，在读者通过阅读软件浏览不同读物的过程中，阅读软件呈现给读者的界面一般包括四种，分别是标签列表、读物列表、读物介绍页面以及阅读界面。读者可以通过点击标签列表中的不同标签进入到标签所对应的读物列表，再点击读物列表中的读物进入相应读物的读物介绍页面，在读物介绍页面中，读者可以浏览到读物的简介，简介内容可以包括浏览量、评价、内容简介、作者、更新时间、字数等介绍读物的相关信息，在阅读界面读者可以阅读到读物的具体内容。本实施例是为了在读者登录阅读软件后能够在当前登录之后的操作过程中为读者精准的推送读物。以下结合说明书附图对本申请实施例做进一步详细描述。

如图1所示，本申请实施例提供一种在线阅读推荐方法，所述方法的主要流程描述如下：

步骤S101：获取读者在当前登录后的浏览历史数据，所述浏览历史数据包括浏览每一读物的浏览时间、操作次数和浏览量。

读者在登录阅读软件后一般都会依据自己的意向浏览不同的软件界面。本实施例所述的浏览时间、操作次数以及浏览量均为读者对特定读物列表或读物的操作数据。如读者在浏览阅读软件界面过程中，选定标签后就会进入具有特定标签的读物列表，例如选定的阅读标签为人物传记，则进入标签为人物传记的读物列表，则读者在浏览读物列表过程中的浏览时间、操作次数以及浏览的读物数量即为读者在当前登录后的部分浏览历史数据；又如读者在浏览读物介绍页面过程中，在读物介绍页面的停留时间即为浏览时间，读者在读物介绍页面的点击或拖动次数即为操作次数，读者在读物介绍页面阅读的读物介绍版块内容量即为浏览量；又如读者进入到某一读物的阅读界面后，读者阅读的时间、点击或拖动次数以及阅读量即为对应的浏览时间、操作次数以及浏览量。本实施例对所描述的浏览历史数据不做唯一限定，但只要是表示读者对一特定标签或特定读物的浏览数据即为本实施例所述的浏览历史数据。

参照图1和图2，在另一个示例中，本实施例公开了一种读物介绍页面的布局方式，需要注意的是，本实施例公开的阅读软件可以是手机APP，也可以是安装在PC端的应用软件，也可以是安装在IPAD上的应用软件，也可以是安装在电子阅读器内的软件，本实施例不对阅读软件的安装位置以及应用环境做唯一限定，但都应包含本实施例所述的读物介绍页面版块内容，同时，本实施例仅是对读物介绍页面所必须包含的版块展示方式进行介绍，并非对版块的大小、位置及形状的限制。以下仅以手机APP端的读物介绍页面作为示例进行介绍。

读物介绍页面内设置有读物介绍版块以及读物评论版块。读物介绍版块设置有内容介绍区以及内容点击虚拟按键，设定内容介绍区的内容随内容点击虚拟按键的点击次数显示不同的读物介绍内容，内容点击虚拟按键被点击N次后，N为自然数，内容介绍区展示读物介绍的全部内容，读物介绍的全部内容可以是读物简介，也可以是读物简介与作者信息等与读物相关的文字展示信息。读物评论版块设置有评论介绍区以及介绍点击虚拟按键，评论介绍区用于展示一个或多个评论信息，设定评论介绍区展示的评论信息随介绍点击虚拟按键的点击次数显示不同的评论信息。

本实施例中，操作次数包括内容点击虚拟按键的点击次数以及介绍点击虚拟按键的点击次数。

步骤S102：依据所述浏览时间、操作次数和浏览量计算所述读者对所述读物的心仪值。本步骤所述的读物为某一本特定的读物，心仪值的具体计算方式如下：

S=a1*t1+a2*t2+a3*t3...+an*tn+b1*p1+b2*p2+b3*p3+...+bm*pm+c1x1+c2x2+c3x3...+czxz；

其中，S为心仪值，n、m、z均为自然数，t1、t2、t3...tn为与所述特定的读物相关的不同的浏览时间的数值，a1、a2、a3...an分别为t1、t2、t3...tn的加权基数，p1、p2、p3...pm为与所述特定的读物相关的不同操作次数的数值，b1、b2、b3...bm分别为p1、p2、p3...pm的加权基数，x1、x2、x3...xz为与所述特定的读物相关的不同浏览量的数值，c1、c2、c3...cz分别为x1、x2、x3...xz的加权基数。

心仪值表示的是参照读者在当前登录过程中的浏览过程中对某一本读物的心仪程度。

步骤S103：将所述心仪值大于预设的心仪值的读物的共有标签选定为推荐标签。阅读软件中每一读物都会赋予多种标签，如热血、玄幻、烧脑等不同种类的标签。在计算出读者在当前登录后浏览的每一读物的心仪值后，将心仪值大于预设心仪值的读物选出并计算其共有标签，并将共有标签选定为推荐标签。

需要说明的是，本步骤所述的共有标签可以是所有心仪值大于预设心仪值的读物都有的标签，也可以是心仪值大于预设心仪值的读物中部分读物共有的标签，在此不做唯一限定。

步骤S104：将读物标签中含有所述推荐标签的读物存入推荐目录并推荐给所述读者。本步骤所述的推荐给所述读者包括了在当前登录浏览过程中推荐或者在后登录浏览过程中的推荐。而推荐给读者的方式依据阅读软件的种类具有不同的表现方式。如在手机APP中推荐给读者的方式是在标签列表中加入推荐版块，每次读者进入标签列表则随机将若干读物展示到推荐版块；如在PC端中推荐给读者的方式是在每一浏览界面中加入悬浮窗口，并通过悬浮窗口随机展示若干读物。

由以上所述内容可知，在读者登录软件后浏览读物的过程中，可以依据当前登录后的浏览历史数据计算读者心仪的读物标签，进而实现对读物的精准推荐。由于在计算心仪值过程中加入了操作次数以及浏览量的计算因素，使得心仪值的计算过程参考了读者在当前登录之后的浏览动作，若读者对读物的操作次数多、浏览时间长、浏览量大，则表明读者对该读物的兴趣大，从而提高了对读者兴趣计算的准确性，也提高了对读物推荐的精准性。

在另一个示例中，由于读者在初始登录阅读软件或在后登录阅读软件过程中会选定或更改部分选定的读物标签，被读者选定的读物标签代表了读者登录软件最初的需求，故，在选定推荐标签过程中，依据读者选定的读物标签对心仪值进行加权计算，将经过加权计算后的心仪值大于预设心仪值的读物的共有标签选定为推荐标签。其中，对心仪值进行加权计算过程中的加权值为预设的固定值，不同的选定标签的预设加权值可以相同也可以不同。

参照图3，本申请还公开一种在线阅读推荐系统，包括数据获取模块、数据计算模块和存储推荐模块，其中：

存储推荐模块，用于将所述心仪值大于预设的心仪值的读物的共有标签选定为推荐标签，将读物标签中含有所述推荐标签的读物存入推荐目录并推荐给所述读者。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

还应理解，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。

本申请实施例还公开了一种在线阅读推荐装置，该装置主要由一个或多个存储器和一个或多个处理器组成：

存储器用于存储指令；

处理器，用于从存储器中调用并运行指令，执行如上述内容中所述的在线阅读推荐方法。

可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

非易失性存储器可以是ROM、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electricallyEPROM，EEPROM)或闪存。

易失性存储器可以是RAM，其用作外部高速缓存。RAM有多种不同的类型，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器。

上述任一处提到的处理器，可以是一个CPU，微处理器，ASIC，或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。该处理单元和该存储单元可以解耦，分别设置在不同的物理设备上，通过有线或者无线的方式连接来实现该处理单元和该存储单元的各自的功能，以支持该系统芯片实现上述实施例中的各种功能。或者，该处理单元和该存储器也可以耦合在同一个设备上。

所述功能如果以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计算机可读存储介质中。基于这样的理解，本申请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计算机可读存储介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本具体实施方式的实施例均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims

1.一种在线阅读推荐方法，其特征在于，

2.根据权利要求1所述的一种在线阅读推荐方法，其特征在于，所述操作次数为所述读者在所述读物介绍页面的操作次数。

3.根据权利要求2所述的一种在线阅读推荐方法，其特征在于，所述操作次数为所述读者在所述读物介绍页面对读物介绍版块的操作次数，所述读物介绍版块满足：在读物介绍版块点击预设次数后显示完毕读物介绍版块的读物介绍内容。

4.根据权利要求1所述的一种在线阅读推荐方法，其特征在于，依据所述读者选定的读物标签对所述心仪值进行加权计算，将经过加权计算后的心仪值大于所述预设的心仪值的读物的共有标签选定为推荐标签。

5.一种在线阅读推荐系统，其特征在于，包括

6.根据权利要求5所述的一种在线阅读推荐系统，其特征在于，所述操作次数为数据获取模块获取的所述读者在读物介绍页面的操作次数。

7.根据权利要求6所述的一种在线阅读推荐系统，其特征在于，所述操作次数为数据获取模块获取的所述读者在读物介绍页面对读物介绍版块的操作次数，所述读物介绍版块满足：在读物介绍版块点击预设次数后显示完毕读物介绍版块的读物介绍内容。

8.根据权利要求5所述的一种在线阅读推荐系统，其特征在于：

所述数据计算模块依据读者选定的读物标签对所述心仪值进行加权计算；

9.一种在线阅读推荐装置，其特征在于，包括：

至少一个处理器和至少一个存储器；

所述存储器存储有指令；

所述处理器从所述存储器调取所述指令，并执行如权利要求1-4任一项所述的在线阅读推荐方法。

10.一种计算机可读存储介质，其特征在于，包括程序，当所述程序被运行时，如权利要求1-4任一项所述的在线阅读推荐方法被执行。