CN114647786A - 书籍推荐方法、电子设备和存储介质 - Google Patents
书籍推荐方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114647786A CN114647786A CN202210320469.8A CN202210320469A CN114647786A CN 114647786 A CN114647786 A CN 114647786A CN 202210320469 A CN202210320469 A CN 202210320469A CN 114647786 A CN114647786 A CN 114647786A
- Authority
- CN
- China
- Prior art keywords
- book
- user
- reading
- day
- nth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种书籍推荐方法、电子设备和存储介质,获取目标用户对应的待推荐书籍列表;针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,n大于或等于2;根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。本发明通过统计待推荐书籍对应的阅读用户的留存数据,计算该书籍的加权系数,从而重新确定各个书籍的最终推荐得分,从而为目标用户精准推荐,避免了现有技术中冷启动推荐的盲目和不准确性。
Description
技术领域
本发明涉及终端应用交互技术领域,具体涉及一种书籍推荐方法、电子设备和存储介质。
背景技术
冷启动推荐特指如何给新用户或者新物品进行推荐。“新”也就意味着交互数据少,因此很难抓获冷启动用户兴趣偏好,以及冷启动物品的特质。
现有的电子书推荐中,对于新用户,因为系统中缺少新用户自身数据和历史交互数据,一般只能直接通过冷启动推荐的方式给新用户推荐书籍,这样推荐往往会有一定的盲目性,效果不佳。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种书籍推荐方法、电子设备和存储介质。
根据本发明的一个方面,提供了一种书籍推荐方法,包括:
获取目标用户对应的待推荐书籍列表;
针对所述待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,所述n大于或等于2;
根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数;
依据所述书籍的加权系数和所述书籍的初始推荐得分,计算所述书籍的最终推荐得分;
依据所述待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
根据本发明的又一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述一种书籍推荐方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述一种书籍推荐方法对应的操作。
根据本发明提供的书籍推荐方法、电子设备和存储介质,获取目标用户对应的待推荐书籍列表;针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,n大于或等于2;根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。本发明通过统计待推荐书籍对应的阅读用户的留存数据,计算该书籍的加权系数,从而重新确定各个书籍的最终推荐得分,依据最终推荐得分对各个书籍进行排序,并推荐给目标用户,本发明借助阅读用户的留存数据为目标用户精准推荐,能够达到提升目标用户的留存率的目的,避免了现有技术中冷启动推荐的盲目和不准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种书籍推荐方法流程图;
图2示出了本发明另一实施例提供的一种书籍推荐方法的流程图;
图3示出了本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明一种书籍推荐方法实施例的流程图,如图1所示,该方法包括以下步骤:
步骤S110:获取目标用户对应的待推荐书籍列表。
在本步骤中,响应于目标用户的冷启动进程,推荐引擎获得冷启动待推荐书籍列表,并依据待推荐书籍列表中所有书籍的初始推荐得分对书籍进行排序。
步骤S120:针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据。
书籍对应的阅读用户指的是阅读该书籍的用户。书籍对应的阅读用户的n日留存数据指的是n日内阅读该书籍的用户的留存数据。其中,n大于或等于2。以n=2为例,本步骤具体为:统计书籍对应的阅读用户的次日留存数据;以n=7为例,本步骤具体为:统计书籍对应的阅读用户的7日留存数据。在实际应用过程中,可根据业务需求选择n的具体取值,本发明对此不作限制。
在本实施例中,书籍对应的阅读用户的n日留存数据包含一个指标数据或多个指标数据,该一个指标数据或多个指标数据均是与留存相关的指标数据。
步骤S130:根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数。
本实施例中,步骤S110中冷启动进程所获取的待推荐书籍列表中各本书籍是根据书籍的初始推荐得分进行排序的。其中初始推荐得分可以按照系统提供的推荐算法来计算,本发明对该系统的推荐算法不作限制。
进一步地,为了精准推荐给目标用户,达到提升目标用户留存率的目的,本实施例需要对待推荐书籍列表进行重新排序。具体地,根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;在本实施例中,可根据一个指标数据或多个指标数据的重要性赋值不同加权系数,用于计算书籍的最终推荐得分。
步骤S140:依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分。
在本步骤中,依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;具体可依据一个指标数据的加权系数和书籍的初始推荐得分进行计算,得到每本待推荐书籍的最终推荐得分,也可依据多个指标数据的加权系数组合进行计算,得到每本待推荐书籍的最终推荐得分。
步骤S150:依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
采用本实施例的方法,通过获取目标用户对应的待推荐书籍列表;针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,n大于或等于2;根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。本方法通过统计待推荐书籍对应的阅读用户的留存数据,计算该书籍的加权系数,从而重新确定各个书籍的最终推荐得分,依据最终推荐得分对各个书籍进行排序,并推荐给目标用户,借助阅读用户的留存数据为目标用户精准推荐,能够达到提升目标用户的留存率的目的,避免了现有技术中冷启动推荐的盲目和不准确性。
图2示出了本发明一种书籍推荐方法另一个实施例的流程图,如图2所示,该方法包括以下步骤:
步骤S210:判断当前用户是否为新用户,若是,执行步骤S220。
对于新用户,因为缺少新用户历史阅读数据,推荐引擎一般会通过冷启动推荐的方式给新用户推荐书籍,这样推荐往往会有一定的盲目性,因此在本实施例中,首先判断当前用户是否为新用户,若是,则将当前用户确定为目标用户,执行本实施例的书籍推荐方法对新用户进行书籍推荐。
对于非新用户(也称老用户),可采用现有技术提供的推荐算法进行书籍推荐。例如,根据老用户的历史阅读数据进行个性化推荐。
步骤S220:将当前用户确定为目标用户,获取目标用户对应的待推荐书籍列表。
在本步骤中,响应于目标用户的冷启动进程,推荐引擎获得冷启动待推荐书籍列表,并依据待推荐书籍列表中所有书籍的初始推荐得分对书籍进行排序。
步骤S230:针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据。其中,n大于或等于2。
本实施例中,书籍对应的阅读用户的n日留存数据包含一个指标数据或多个指标数据,该一个指标数据或多个指标数据均是与留存相关的指标数据。进一步的,指标数据包含但不仅限于:书籍对应的阅读用户的n日用户留存率、书籍的第n日留存用户对书籍的总阅读时长、书籍的第n日留存用户对该书籍的平均阅读时长。
在一种可选的方式中,书籍对应的阅读用户包括:新用户;或,新用户和非新用户。也就是说,在统计书籍对应的阅读用户时可以只统计阅读该书籍的新用户群体,也可以统计平台内阅读该书籍的全部用户群体。其中,若统计阅读书籍的新用户群体的n日留存数据,新用户的n日留存数据更能代表书籍对新用户的吸引力,因此,借助新用户的留存数据为目标用户精准推荐,更能提升目标用户的留存率。
在一种可选的方式中,步骤S230进一步包括:统计该书籍对应的阅读用户的n日用户留存率。
在一种可选的方式中,n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;其中第n日留存用户为第1日书籍新增阅读用户的子集。
具体地说,n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;以n=2举例,次日用户留存率即为第2日留存用户数量与第1日书籍新增阅读用户数量的比值;例如,选取任意2日为统计周期,针对待推荐书籍列表中的某本书籍,统计第1日该书籍新增阅读用户数量为1000人,再统计该书籍的第2日留存用户数量,该书籍的第2日留存用户数量具体为:第2日前述1000人中还在阅读该本书籍的用户数量,假设为500人,则该本书籍的次日用户留存率=500/1000=50%。
在一种可选的方式中,n日用户留存率的统计可以选取多个统计周期(n日),每个统计周期都能得到书籍的n日用户留存率,取多个统计周期对应的n日用户留存率的平均值作为书籍的最终n日用户留存率。
在一种可选的方式中,步骤S230进一步包括:统计该书籍的第n日留存用户对该书籍的总阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,总阅读时长为第n日留存用户在n日内对该书籍的总阅读时长。
具体地说,统计该书籍对应的阅读用户的n日留存数据也可以是统计该书籍的第n日留存用户对该书籍的总阅读时长。以n=2举例,选取任意2日为统计周期,统计第1日该书籍新增阅读用户数量为1000人,再统计该书籍的第2日留存用户数量为500人,次日留存用户对该书籍的总阅读时长具体为:这500人在2日内对该书籍的总阅读时长。
在一种可选的方式中,步骤S230进一步包括:统计该书籍的第n日留存用户对该书籍的平均阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,平均阅读时长为第n日每个留存用户在n日内对该书籍的平均阅读时长。
具体地说,统计该书籍对应的阅读用户的n日留存数据也可以是统计该书籍的第n日每个留存用户对该书籍的平均阅读时长。以n=2举例,选取任意2日为统计周期,统计第1日该书籍新增阅读用户数量为1000人,再统计该书籍的第2日留存用户数量为500人,则次日留存用户对该书籍的平均阅读时长具体为:这500人对该书籍的总阅读时长除以留存用户数量500。
在以上各种实现方式中,书籍对应的阅读用户的n日留存数据包含一个指标数据,具体为:书籍对应的阅读用户的n日用户留存率、书籍的第n日留存用户对书籍的总阅读时长、书籍的第n日留存用户对该书籍的平均阅读时长中的任一项。
在另一种可选的方式中,该书籍对应的阅读用户的n日留存数据包括多个指标数据,例如包括以下数据中的任两项或三项:该书籍对应的阅读用户的n日用户留存率;该书籍的第n日留存用户对该书籍的总阅读时长;该书籍的第n日留存用户对该书籍的平均阅读时长;则步骤S230进一步包括:依据上述任两项或三项,计算书籍的任两项对应的两个加权系数或三项对应的三个加权系数。
步骤S240:根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数。
在本步骤中,为了对待推荐书籍列表进行重新排序,从而精准推荐给目标用户,提升目标用户留存率,根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;在本实施例中,可根据一个指标数据或多个指标数据的重要性赋值不同加权系数,用于计算书籍的最终推荐得分。
其中,书籍对应的阅读用户的n日留存数据可以包括下述三项中的任一项、任两项或全部:该书籍对应的阅读用户的n日用户留存率;该书籍的第n日留存用户对该书籍的总阅读时长;该书籍的第n日留存用户对该书籍的平均阅读时长;在实际使用时,可根据书籍阅读具体情况灵活选择这三项中的部分或所有计算加权系数。
步骤S250:依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分。
具体地说,冷启动进程显示的目标用户对应的待推荐书籍列表,是根据所有书籍的初始推荐得分对书籍进行排序并显示的,在本步骤中,依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;具体可依据一个指标数据的加权系数和书籍的初始推荐得分进行计算,得到每本待推荐书籍的最终推荐得分,也可依据多个指标数据的加权系数组合进行计算,得到每本待推荐书籍的最终推荐得分。
步骤S260:依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
采用本实施例的方法,通过判断当前用户是否为新用户,若是,将当前用户确定为目标用户,获取目标用户对应的待推荐书籍列表;针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,n大于或等于2;根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。本方法通过统计待推荐书籍对应的新阅读用户的留存数据,计算该书籍的加权系数,从而重新确定各个书籍的最终推荐得分,依据最终推荐得分对各个书籍进行排序,并推荐给新用户,借助阅读用户的留存数据为目标用户精准推荐,能够达到提升目标用户的留存率的目的,避免了现有技术中由于缺少新用户历史阅读数据进行书籍推荐的盲目和不准确性。
本发明实施例提供了一种非易失性计算机存储介质,计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的一种书籍推荐方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取目标用户对应的待推荐书籍列表;
针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,n大于或等于2;
根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;
依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;
依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
在一种可选的方式中,可执行指令使处理器执行以下操作:依据至少一个评论交互组件的位置顺序,选择距离触控开始动作的触控区域距离最近的一个评论交互组件。
在一种可选的方式中,可执行指令使处理器执行以下操作:统计该书籍对应的阅读用户的n日用户留存率。
在一种可选的方式中,n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;其中第n日留存用户为第1日书籍新增阅读用户的子集。
在一种可选的方式中,可执行指令使处理器执行以下操作:统计该书籍的第n日留存用户对该书籍的总阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,总阅读时长为第n日留存用户在n日内对该书籍的总阅读时长。
在一种可选的方式中,可执行指令使处理器执行以下操作:统计该书籍的第n日留存用户对该书籍的平均阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,平均阅读时长为第n日每个留存用户在n日内对该书籍的平均阅读时长。
在一种可选的方式中,该书籍对应的阅读用户的n日留存数据包括以下数据中的任两项或三项:该书籍对应的阅读用户的n日用户留存率;该书籍的第n日留存用户对该书籍的总阅读时长;该书籍的第n日留存用户对该书籍的平均阅读时长;可执行指令使处理器执行以下操作:依据任两项或三项,计算书籍的任两项对应的两个加权系数或三项对应的三个加权系数。
在一种可选的方式中,可执行指令使处理器执行以下操作:判断当前用户是否为新用户;若是,则将当前用户确定为目标用户。
在一种可选的方式中,该书籍对应的阅读用户包括:新用户;或,新用户和非新用户。
图3示出了本发明电子设备实施例的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图3所示,该电子设备可以包括:处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。处理器302,用于执行程序310,具体可以执行上述一种书籍推荐方法实施例中的相关步骤。
具体地,程序310可以包括程序代码,该程序代码包括计算机操作指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序310具体可以用于使得处理器302执行以下操作:
获取目标用户对应的待推荐书籍列表;
针对待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,n大于或等于2;
根据书籍对应的阅读用户的n日留存数据,计算书籍的加权系数;
依据书籍的加权系数和书籍的初始推荐得分,计算书籍的最终推荐得分;
依据待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
在一种可选的方式中,程序310使处理器302执行以下操作:
统计该书籍对应的阅读用户的n日用户留存率。
在一种可选的方式中,n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;其中第n日留存用户为第1日书籍新增阅读用户的子集。
在一种可选的方式中,程序310使处理器302执行以下操作:
统计该书籍的第n日留存用户对该书籍的总阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,总阅读时长为第n日留存用户在n日内对该书籍的总阅读时长。
在一种可选的方式中,程序310使处理器302执行以下操作:
统计该书籍的第n日留存用户对该书籍的平均阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,平均阅读时长为第n日每个留存用户在n日内对该书籍的平均阅读时长。
在一种可选的方式中,该书籍对应的阅读用户的n日留存数据包括以下数据中的任两项或三项:该书籍对应的阅读用户的n日用户留存率;该书籍的第n日留存用户对该书籍的总阅读时长;该书籍的第n日留存用户对该书籍的平均阅读时长;程序310使处理器302执行以下操作:依据任两项或三项,计算书籍的任两项对应的两个加权系数或三项对应的三个加权系数。
在一种可选的方式中,程序310使处理器302执行以下操作:
判断当前用户是否为新用户;若是,则将当前用户确定为目标用户。
在一种可选的方式中,该书籍对应的阅读用户包括:新用户;或,新用户和非新用户。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
A1.一种书籍推荐方法,包括:
获取目标用户对应的待推荐书籍列表;
针对所述待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,所述n大于或等于2;
根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数;
依据所述书籍的加权系数和所述书籍的初始推荐得分,计算所述书籍的最终推荐得分;
依据所述待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
A2.根据A1所述的方法,所述统计该书籍对应的阅读用户的n日留存数据进一步包括:
统计该书籍对应的阅读用户的n日用户留存率。
A3.根据A2所述的方法,所述n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;其中第n日留存用户为第1日书籍新增阅读用户的子集。
A4.根据A1所述的方法,所述统计该书籍对应的阅读用户的n日留存数据进一步包括:
统计该书籍的第n日留存用户对该书籍的总阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,所述总阅读时长为第n日留存用户在n日内对该书籍的总阅读时长。
A5.根据A1所述的方法,所述统计该书籍对应的阅读用户的n日留存数据进一步包括:
统计该书籍的第n日留存用户对该书籍的平均阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,所述平均阅读时长为第n日每个留存用户在n日内对该书籍的平均阅读时长。
A6.根据A1所述的方法,所述该书籍对应的阅读用户的n日留存数据包括以下数据中的任两项或三项:
该书籍对应的阅读用户的n日用户留存率;
该书籍的第n日留存用户对该书籍的总阅读时长;
该书籍的第n日留存用户对该书籍的平均阅读时长;
所述根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数进一步包括:
依据所述任两项或三项,计算所述书籍的所述任两项对应的两个加权系数或三项对应的三个加权系数。
A7.根据A1-A6中任一项所述的方法,在所述获取目标用户对应的待推荐书籍列表之前,所述方法还包括:
判断当前用户是否为新用户;
若是,则将所述当前用户确定为目标用户。
A8.根据A1-A7中任一项所述的方法,所述该书籍对应的阅读用户包括:
新用户;
或,新用户和非新用户。
B9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
获取目标用户对应的待推荐书籍列表;
针对所述待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,所述n大于或等于2;
根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数;
依据所述书籍的加权系数和所述书籍的初始推荐得分,计算所述书籍的最终推荐得分;
依据所述待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
B10.根据B9所述的电子设备,所述可执行指令进一步使所述处理器执行以下操作:
统计该书籍对应的阅读用户的n日用户留存率。
B11.根据B10所述的电子设备,所述n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;其中第n日留存用户为第1日书籍新增阅读用户的子集。
B12.根据B9所述的电子设备,所述可执行指令进一步使所述处理器执行以下操作:
统计该书籍的第n日留存用户对该书籍的总阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,所述总阅读时长为第n日留存用户在n日内对该书籍的总阅读时长。
B13.根据B9所述的电子设备,所述可执行指令进一步使所述处理器执行以下操作:
统计该书籍的第n日留存用户对该书籍的平均阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,所述平均阅读时长为第n日每个留存用户在n日内对该书籍的平均阅读时长。
B14.根据B9所述的电子设备,所述该书籍对应的阅读用户的n日留存数据包括以下数据中的任两项或三项:
该书籍对应的阅读用户的n日用户留存率;
该书籍的第n日留存用户对该书籍的总阅读时长;
该书籍的第n日留存用户对该书籍的平均阅读时长;
所述可执行指令进一步使所述处理器执行以下操作:
依据所述任两项或三项,计算所述书籍的所述任两项对应的两个加权系数或三项对应的三个加权系数。
B15.根据B9-B14中任一项所述的电子设备,所述可执行指令进一步使所述处理器执行以下操作:
判断当前用户是否为新用户;
若是,则将所述当前用户确定为目标用户。
B16.根据B9-B15中任一项所述的电子设备,所述该书籍对应的阅读用户包括:
新用户;
或,新用户和非新用户。
C17.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如A1-A8中任一项所述的书籍推荐方法对应的操作。
Claims (10)
1.一种书籍推荐方法,包括:
获取目标用户对应的待推荐书籍列表;
针对所述待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,所述n大于或等于2;
根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数;
依据所述书籍的加权系数和所述书籍的初始推荐得分,计算所述书籍的最终推荐得分;
依据所述待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
2.根据权利要求1所述的方法,所述统计该书籍对应的阅读用户的n日留存数据进一步包括:
统计该书籍对应的阅读用户的n日用户留存率。
3.根据权利要求2所述的方法,所述n日用户留存率具体为第n日留存用户数量与第1日书籍新增阅读用户数量的比值;其中第n日留存用户为第1日书籍新增阅读用户的子集。
4.根据权利要求1所述的方法,所述统计该书籍对应的阅读用户的n日留存数据进一步包括:
统计该书籍的第n日留存用户对该书籍的总阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,所述总阅读时长为第n日留存用户在n日内对该书籍的总阅读时长。
5.根据权利要求1所述的方法,所述统计该书籍对应的阅读用户的n日留存数据进一步包括:
统计该书籍的第n日留存用户对该书籍的平均阅读时长;其中,第n日留存用户为第1日书籍新增阅读用户的子集,所述平均阅读时长为第n日每个留存用户在n日内对该书籍的平均阅读时长。
6.根据权利要求1所述的方法,所述该书籍对应的阅读用户的n日留存数据包括以下数据中的任两项或三项:
该书籍对应的阅读用户的n日用户留存率;
该书籍的第n日留存用户对该书籍的总阅读时长;
该书籍的第n日留存用户对该书籍的平均阅读时长;
所述根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数进一步包括:
依据所述任两项或三项,计算所述书籍的所述任两项对应的两个加权系数或三项对应的三个加权系数。
7.根据权利要求1-6中任一项所述的方法,在所述获取目标用户对应的待推荐书籍列表之前,所述方法还包括:
判断当前用户是否为新用户;
若是,则将所述当前用户确定为目标用户。
8.根据权利要求1-7中任一项所述的方法,所述该书籍对应的阅读用户包括:
新用户;
或,新用户和非新用户。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
获取目标用户对应的待推荐书籍列表;
针对所述待推荐书籍列表中的任一书籍,统计该书籍对应的阅读用户的n日留存数据;其中,所述n大于或等于2;
根据所述书籍对应的阅读用户的n日留存数据,计算所述书籍的加权系数;
依据所述书籍的加权系数和所述书籍的初始推荐得分,计算所述书籍的最终推荐得分;
依据所述待推荐书籍列表中各个书籍的最终推荐得分对各个书籍进行排序,依据排序结果将各个书籍推荐给目标用户。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-8中任一项所述的书籍推荐方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210320469.8A CN114647786A (zh) | 2022-03-29 | 2022-03-29 | 书籍推荐方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210320469.8A CN114647786A (zh) | 2022-03-29 | 2022-03-29 | 书籍推荐方法、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114647786A true CN114647786A (zh) | 2022-06-21 |
Family
ID=81995277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210320469.8A Pending CN114647786A (zh) | 2022-03-29 | 2022-03-29 | 书籍推荐方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114647786A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041043A1 (zh) * | 2022-08-24 | 2024-02-29 | 掌阅科技股份有限公司 | 书籍推荐方法、计算设备及计算机存储介质 |
-
2022
- 2022-03-29 CN CN202210320469.8A patent/CN114647786A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041043A1 (zh) * | 2022-08-24 | 2024-02-29 | 掌阅科技股份有限公司 | 书籍推荐方法、计算设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520076B (zh) | 电子书推荐方法、电子设备及计算机存储介质 | |
CN108121795B (zh) | 用户行为预测方法及装置 | |
CN109999504B (zh) | 一种游戏道具推荐方法、装置、服务器及存储介质 | |
CN103440335B (zh) | 视频推荐方法及装置 | |
CN106940703B (zh) | 推送信息粗选排序方法及装置 | |
CN110896488B (zh) | 一种直播间的推荐方法以及相关设备 | |
CN111339416A (zh) | 热度召回方法、装置、电子设备及存储介质 | |
CN108520440B (zh) | 阅读用户的总消费存量需求的确定方法、电子设备及计算机存储介质 | |
CN114647786A (zh) | 书籍推荐方法、电子设备和存储介质 | |
CN112445996A (zh) | 内容发布方法、计算设备及计算机存储介质 | |
CN111444447A (zh) | 内容推荐页面的展现方法及装置 | |
CN110008395B (zh) | 评论内容的呈现方法、装置、存储介质及终端 | |
CN112445978A (zh) | 电子书的推送方法、电子设备及存储介质 | |
CN111659125A (zh) | 基于游戏的好友推荐方法、装置及计算机可读存储介质 | |
CN108334519B (zh) | 一种用户画像中的用户标签获取方法及装置 | |
CN113343109A (zh) | 榜单推荐方法、计算设备及计算机存储介质 | |
CN111988642B (zh) | 推荐视频的方法、装置、服务器和存储介质 | |
CN115238194A (zh) | 书籍推荐方法、计算设备及计算机存储介质 | |
CN111611481B (zh) | 书籍推荐方法、计算设备及计算机存储介质 | |
CN113468398A (zh) | 书籍级别的确定方法、计算设备及计算机存储介质 | |
CN111580726B (zh) | 一种电子书的显示方法、电子设备及存储介质 | |
CN113836430A (zh) | 书籍推荐方法、终端及存储介质 | |
CN108170664A (zh) | 基于重点关键词的关键词拓展方法和装置 | |
CN109213848B (zh) | 相关搜索词的确定方法、装置、存储介质及电子设备 | |
CN112507252A (zh) | 书籍榜单的展示方法、计算设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |