[發明專利]一種電子圖書推薦的方法及系統

有效

• 申請號: 201110430910.X
• 申請日: 2011-12-20
• 公開（公告）號: CN103176982A
• 公開（公告）日: 2013-06-26
• 發明（設計）人: 戴和忠;邱一豐;田原;沈治;斯凌;李玉巍
• 申請（專利權）人: 中國移動通信集團浙江有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 黃燦;姜精斌

1.一種電子圖書推薦的方法，其特征在于，包括：

獲得待分析用戶的關鍵詞詞頻列表以及關聯用戶的關鍵詞詞頻列表，所述關鍵詞詞頻列表包括有關鍵詞及其對應的詞頻，所述關鍵詞及其對應的詞頻是根據用戶對不同網站的訪問頻率，從該用戶在不同網站上發布的文本數據中分析得到的，所述關聯用戶是與所述待分析用戶之間存在預定關聯關系的用戶；

基于待分析用戶與關聯用戶之間的關聯程度，確定關聯用戶的權重，并根據所述權重對多個關聯用戶的關鍵詞詞頻列表進行合并，得到合并后的關鍵詞詞頻列表；

對所述待分析用戶的關鍵詞詞頻列表和所述合并后的關鍵詞詞頻列表進行匯總，得到所述待分析用戶的標簽詞頻列表；

根據所述標簽詞頻列表中的關鍵詞匹配電子圖書庫中的圖書，確定待推薦電子書，并向所述待分析用戶推薦。

2.如權利要求1所述的方法，其特征在于，進一步按照以下方式，獲得對應用戶的關鍵詞詞頻列表：

提取用戶在預先選擇出的每個網站上發布的文本數據，基于用戶在該網站上的文本數據，分析得到用戶在該網站的關鍵詞及其對應的詞頻，其中所述關鍵詞為所述文本數據中滿足預設條件的詞；

基于所述用戶對不同網站的訪問頻率，對用戶在不同網站上的關鍵詞的詞頻進行加權求和，獲得用戶的關鍵詞的詞頻，進而生成該用戶的關鍵詞詞頻列表，其中訪問頻率較高的網站上的關鍵詞在所述加權求和時具有較高的權重。

3.如權利要求2所述的方法，其特征在于，所述基于用戶在該網站上的文本數據，分析得到用戶在該網站的關鍵詞及其對應的詞頻，包括：

將每份所述文本數據轉換為向量空間模型中的一個向量，所述向量中的每個分量表示為對應的詞在所述文本數據中的權值；

統計在所述文本數據中各個詞的出現頻率，得到各個詞的詞頻；

選取所述權值大于預設第一門限以及所述詞頻大于預設第二門限的詞，作為所述用戶在該網站上的關鍵詞，以及統計該關鍵詞在該網站的所有文本數據中的詞頻之和，得到所述用戶在該網站上的該關鍵詞的詞頻。

4.如權利要求1所述的方法，其特征在于，

所述基于待分析用戶與關聯用戶之間的關聯程度，確定關聯用戶的權重，并根據所述權重對多個關聯用戶的關鍵詞詞頻列表進行合并，包括：

對所述多個關聯用戶的關鍵詞詞頻列表中的關鍵詞求并集，得到合并后的關鍵詞詞頻列表中的關鍵詞；以及，

基于待分析用戶與關聯用戶之間的關聯程度，確定所述待分析用戶的多個關聯用戶的權重，其中與所述待分析用戶關聯程度較高的關聯用戶具有較高的權重；按照所述權重，對所述多個關聯用戶的關鍵詞詞頻列表中關鍵詞的詞頻進行加權求和，得到合并后的關鍵詞詞頻列表中各個關鍵詞的詞頻。

5.如權利要求1所述的方法，其特征在于，

所述對所述待分析用戶的關鍵詞詞頻列表和所述合并后的關鍵詞詞頻列表進行匯總，得到所述待分析用戶的標簽詞頻列表，包括：

對所述待分析用戶的關鍵詞詞頻列表和所述合并后的關鍵詞詞頻列表中的關鍵詞求并集，得到所述標簽詞頻列表中的關鍵詞；以及，

按照預先設置的權重，對所述待分析用戶的關鍵詞詞頻列表和所述合并后的關鍵詞詞頻列表中的關鍵詞的詞頻進行加權求和，得到所述標簽詞頻列表中的各個關鍵詞的詞頻。

6.如權利要求1所述的方法，其特征在于，

所述根據所述標簽詞頻列表中的關鍵詞匹配電子圖書庫中的圖書，確定待推薦電子書，并向所述待分析用戶推薦，包括：

從所述標簽詞頻列表中提取詞頻大于預設第三門限的關鍵詞，作為標簽關鍵詞；

根據所述標簽關鍵詞，匹配預先設置的閱讀偏好與關鍵詞之間的對應關系，確定所述標簽關鍵詞對應的閱讀偏好，作為所述待分析用戶的閱讀偏好；

將所述待分析用戶的閱讀偏好與電子圖書庫中的電子圖書進行匹配，根據匹配結果向所述待分析用戶推薦對應的電子圖書。