[發(fā)明專利]一種圖書推薦方法和裝置

有效

• 申請?zhí)枺?/td>: 201310135875.8
• 申請日: 2013-04-18
• 公開（公告）號: CN104111939B
• 公開（公告）日: 2018-08-17
• 發(fā)明（設計）人: 戴和忠;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(chǎn)權代理有限公司 11243
• 代理人: 許靜;安利霞

本發(fā)明提供了一種圖書推薦方法和裝置為實現(xiàn)上述目的，其中，所述方法包括：獲取包括多本圖書信息的圖書信息庫；確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書標簽庫；計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成圖書標簽的區(qū)分度值表；根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標簽的區(qū)分度值表，計算所述第一用戶的第一用戶度量值表；將所述多本圖書中的每本圖書的圖書標簽集與所述第一用戶度量值表進行關聯(lián)，確定每本圖書各自的圖書推薦值；根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為推薦圖書。本發(fā)明通過圖書標簽聯(lián)系用戶和圖書，根據(jù)用戶的喜好為用戶推薦圖書。

技術領域

本發(fā)明涉及數(shù)據(jù)業(yè)務領域，尤其涉及一種圖書推薦方法和裝置。

背景技術

目前，圖書種類不斷增加，即使對于一個明細分類，讀者在書店、圖書館等場所都可能找到幾百種，甚至上千種相關圖書，結(jié)果造成讀者很難在有限的時間內(nèi)選擇到適合自身的圖書，并在閱讀后能夠獲得最大效果。現(xiàn)有的解決方式是針對不同讀者進行圖書推薦，主要的圖書推薦方法有以下兩種：

<方法一>

根據(jù)用戶的閱讀訂購關系數(shù)據(jù)，判斷用戶喜歡過的圖書，然后給用戶推薦與他喜歡過的物品相似的物品，即基于物品（item-based）推薦算法。

<方法二>

根據(jù)用戶歷史閱讀行為數(shù)據(jù)建立用戶圖書打分矩陣，通過計算得到和用戶興趣相似的其他用戶，將興趣愛好相似的其他用戶喜歡的圖書推薦給用戶，即基于用戶User-based推薦算法。

上述的兩種圖書推薦方法主要是基于用戶歷史閱讀數(shù)據(jù)，或利用建立起來的用戶圖書打分矩陣或是使用關聯(lián)規(guī)則來進行圖書推薦。這些推薦對于熱門經(jīng)典圖書比較有效，但推薦不出有價值的潛力圖書。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種圖書推薦方法和裝置，通過圖書標簽聯(lián)系用戶和圖書，根據(jù)用戶的喜好為用戶推薦圖書。

為實現(xiàn)上述目的，本發(fā)明實施例提供了一種圖書推薦方法，所述方法包括：

獲取包括多本圖書信息的圖書信息庫；

確定所述多本圖書中的每本圖書的圖書標簽集，形成圖書標簽庫；

計算所述圖書標簽庫中的每個圖書標簽的區(qū)分度值，形成圖書標簽的區(qū)分度值表；

根據(jù)所述圖書信息庫中存儲的第一用戶的閱讀行為數(shù)據(jù)和所述圖書標簽的區(qū)分度值表，計算所述第一用戶的第一用戶度量值表；

將所述多本圖書中的每本圖書的圖書標簽集與所述第一用戶度量值表進行關聯(lián)，確定每本圖書各自的圖書推薦值；

根據(jù)所述圖書推薦值，在所述多本圖書中選擇至少一本目標圖書，作為推薦圖書。

上述的圖書推薦方法，其中，所述圖書標簽的區(qū)分度值與所述圖書標簽在所述圖書信息庫中出現(xiàn)的次數(shù)成反比。

上述的圖書推薦方法，其中，所述閱讀行為數(shù)據(jù)包括近期閱讀圖書的第一閱讀數(shù)據(jù)和歷史深度閱讀圖書的第二閱讀數(shù)據(jù)。

上述的圖書推薦方法，其中，所述第一閱讀數(shù)據(jù)和所述第二閱讀數(shù)據(jù)具有各自的權重；

第一圖書標簽在所述第一用戶度量值表中對應的第一用戶度量值為第一乘積與第二乘積之和，其中第一乘積根據(jù)第一閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第一閱讀數(shù)據(jù)的權重確定，第二乘積根據(jù)第二閱讀數(shù)據(jù)、所述第一圖書標簽的區(qū)分度值和第二閱讀數(shù)據(jù)的權重確定。

上述的圖書推薦方法，其中，所述多本圖書中的第一圖書的圖書推薦值為所述第一圖書包括的每個圖書標簽在所述第一用戶度量值表中對應的用戶度量值之和。