[發(fā)明專利]一種社區(qū)內(nèi)用戶閱讀應用數(shù)據(jù)處理方法

在審

• 申請?zhí)枺?/td>: 201310726937.2
• 申請日: 2013-12-26
• 公開（公告）號: CN104111964A
• 公開（公告）日: 2014-10-22
• 發(fā)明（設計）人: 王翔羽
• 申請（專利權(quán)）人: 北京尖峰合訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理領(lǐng)域，尤其涉及一種社區(qū)內(nèi)用戶閱讀應用數(shù)據(jù)處理方法。

背景技術(shù)

現(xiàn)在的企業(yè)組織的圖書學習，主要是借助數(shù)字圖書館來開展，數(shù)字書館具有存儲能力大、速度快、保存時間長、成本低、便捷的特點，員工可以很快地從浩如煙海的圖書資源庫中，查找到自己所需要的信息資料，企業(yè)管理人員也可以發(fā)起自上而下的閱讀學習活動，員工共同閱讀學習一本或幾本電子書。

但是，現(xiàn)有基于數(shù)字圖書館的閱讀模式都很粗放，尤其是缺少對用戶閱讀數(shù)據(jù)的分析。企業(yè)管理者只能夠獲得簡單的用戶閱讀學習數(shù)據(jù)，例如電子書的名稱、作者、分類信息，電子書的閱讀次數(shù)、閱讀頁數(shù)、閱讀完成狀態(tài)數(shù)據(jù)。而且，企業(yè)員工大多是在孤立的環(huán)境下個人閱讀學習，在學習過程中缺乏交流和互動，缺乏分享和協(xié)作，缺乏知識的傳播，更加嚴重的問題是企業(yè)管理者只獲得了員工閱讀學習電子書的簡單數(shù)據(jù)，對員工的閱讀學習的過程、學習興趣點、學習內(nèi)容的需求都無從知曉。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種社區(qū)內(nèi)用戶閱讀應用數(shù)據(jù)處理方法，以解決上述問題。

為了達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明提供了一種社區(qū)內(nèi)用戶閱讀應用數(shù)據(jù)處理方法，包括如下步驟：

利用社交網(wǎng)絡內(nèi)各個用戶構(gòu)建網(wǎng)絡社區(qū)；

對所述用戶的閱讀行為信息以及與其他用戶之間互動學習行為信息進行抓取，并構(gòu)建閱讀行為事件的數(shù)據(jù)結(jié)構(gòu)模型，存儲所述閱讀行為事件的數(shù)據(jù)結(jié)構(gòu)模型；

根據(jù)所述數(shù)據(jù)結(jié)構(gòu)模型，挖掘分析出網(wǎng)絡社區(qū)內(nèi)的用戶的各種閱讀行為事件的參與度；

其中：所述用戶的閱讀行為信息包括語義搜索內(nèi)容信息、搜索熱詞信息、閱讀數(shù)字圖書的內(nèi)容信息、閱讀數(shù)字圖書的內(nèi)容的停留時間信息、閱讀數(shù)字圖書的次數(shù)信息、閱讀數(shù)字圖書的頻率信息和數(shù)字圖書的持有時間信息；

所述與其他用戶之間互動學習行為信息包括閱讀分享的內(nèi)容信息、互動討論的內(nèi)容信息、問答的內(nèi)容信息、評價的內(nèi)容信息和發(fā)起活動的主題信息。

較佳地，

所述對所述用戶的閱讀行為信息以及與其他用戶之間互動學習行為信息進行抓取，具體包括如下步驟：

利用爬蟲程序從社交網(wǎng)絡上閱讀行為信息以及與其他用戶之間互動學習行為信息。

較佳地，

在所述數(shù)據(jù)結(jié)構(gòu)模型中數(shù)據(jù)結(jié)構(gòu)包括整合有用戶、閱讀行為、事件、時間、狀態(tài)關(guān)聯(lián)特征關(guān)系的數(shù)據(jù)模型。

較佳地，

所述根據(jù)所述數(shù)據(jù)結(jié)構(gòu)模型，挖掘分析出網(wǎng)絡社區(qū)內(nèi)的用戶的各種閱讀行為事件的參與度，具體包括如下步驟：

從確定的用戶與閱讀行為事件的關(guān)系，閱讀行為事件的發(fā)生與用戶的關(guān)系，相同閱讀行為事件用戶之間的關(guān)系三個方面，使用社區(qū)行為事件參與度算法，得到參與度矩陣，根據(jù)所述參與度矩陣計算得到網(wǎng)絡社區(qū)內(nèi)用戶各種閱讀行為事件的參與度；

用行和列分別表示用戶和閱讀行為事件形成參與度矩陣，即為A＝{a?ij}，

其中：對a有如下規(guī)定，aij{1表示若用戶i參與事件j；0表示用戶沒有參與；

利用參與度矩陣：求取網(wǎng)絡社區(qū)用戶內(nèi)各種閱讀行為事件j的參與度。

較佳地，

在所述根據(jù)所述數(shù)據(jù)結(jié)構(gòu)模型，挖掘分析出網(wǎng)絡社區(qū)內(nèi)的用戶的各種閱讀行為事件的參與度之后，還包括如下步驟：

在網(wǎng)絡社區(qū)中，分析出所述多個用戶參與度相同的閱讀行為事件，解析所述閱讀行為事件中的閱讀行為信息。

較佳地，

在網(wǎng)絡社區(qū)中，分析出所述多個用戶參與度相同的閱讀行為事件，解析所述閱讀行為事件中的閱讀行為信息之后，還包括如下步驟：

將解析后的所述閱讀行為信息推薦給其他用戶。

較佳地，

所述網(wǎng)絡社區(qū)中每個用戶與所述數(shù)據(jù)結(jié)構(gòu)模型內(nèi)的用戶一一對應。

與現(xiàn)有技術(shù)相比，本發(fā)明實施例的優(yōu)點在于：

本發(fā)明提供的一種社區(qū)內(nèi)用戶閱讀應用數(shù)據(jù)處理方法，包括如下步驟：