[發明專利]閱讀對象的評分方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011492417.6
• 申請日: 2020-12-16
• 公開（公告）號: CN112561334A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 陳妙;吳志勇;鐘宜峰;吳耀華;李琳
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06F40/284;G06F40/216
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王宇楊

本發明實施例公開了一種閱讀對象的評分方法、裝置、電子設備及存儲介質，所述方法包括：獲取閱讀對象的對象信息，其中，所述對象信息至少包括兩個維度的信息；根據預設的各維度的評分計算規則，對應地獲得各維度的分值特征；根據所述各維度的分值特征，得到所述閱讀對象的評分。本發明實施例，具有閱讀對象的評分結果客觀的優點，進而，用戶可以根據評分選擇優質的閱讀對象。

技術領域

本發明涉及互聯網技術領域，具體涉及一種閱讀對象的評分方法、裝置、電子設備及存儲介質。

背景技術

閱讀對象，如圖書(即：電子圖書)評分，是用戶在觀看網站圖書介紹的過程中，基于各種信息給出的圖書的綜合評分，方便用戶進行選擇閱讀。目前，常見的做法主要是人工打分、通過用戶歷史評分求均值、爬取其他網站該閱讀對象的評分作為參考等對圖書進行評分。

人工打分缺乏客觀性，通過用戶歷史評分求均值、爬取其他網站該閱讀對象的評分作為參考等對圖書進行評分，需要大量的歷史數據或者大量的其他網站該閱讀對象的評分作為基礎，如果書籍的歷史數據或者其他網站該閱讀對象的評分少時(如新書)，這樣的評分顯然參考價值低。

發明內容

基于現有技術中存在的問題，本發明實施例提出一種閱讀對象的評分方法、裝置、電子設備及存儲介質。

第一方面，本發明實施例提供了一種閱讀對象的評分方法，包括：

獲取閱讀對象的對象信息，其中，所述對象信息至少包括兩個維度的信息；

根據預設的各維度的評分計算規則，對應地獲得各維度的分值特征；

根據所述各維度的分值特征，得到所述閱讀對象的評分。

進一步地，包括：所述閱讀對象包括書籍，所述至少包括兩個維度的信息包括第一維度的圖像信息、第二維度的文章信息和第三維度的首頁信息中的至少兩個；所述根據預設的各維度的評分計算規則，對應地獲得各維度的分值特征，包括：

根據所述各維度的評分計算規則，對應地獲得圖像信息綜合分值、文章信息綜合分值和首頁信息綜合分值的至少兩個；

所述根據所述各維度的分值特征，得到所述閱讀對象的評分，包括：將所述圖像信息綜合分值、文章信息綜合分值和首頁信息綜合分值的至少兩個輸入分數回歸模型，得到所述書籍的評分，其中，所述分數回歸模型是預先根據各樣本書籍的各維度的分值特征和各維度的分值特征的權重基于機器學習算法訓練得到。

進一步地，所述圖像信息包括封面結構和插圖，所述圖像信息綜合分值包括封面結構得分、插圖得分和插圖比例得分，

所述根據預設的各維度的評分計算規則，對應地獲得各維度的分值特征，包括：

獲取封面圖像的整體架構得分和信息全面性得分，并根據所述整體架構得分和信息全面性得分得到所述封面結構得分；

獲取插圖的清晰美觀度得分和信息匹配度得分，并根據所述清晰美觀度得分和信息匹配度得分得到所述插圖得分；

根據插圖數量書籍的總頁數的比值，得到所述插圖比例得分。

進一步地，所述獲取封面圖像的整體架構得分，包括：

將所述封面圖像輸入整體架構得分模型，得到所述整體架構得分，其中，所述整體架構得分模型是預先根據各樣本書籍的封面圖像基于機器學習算法訓練得到；

所述獲取插圖的清晰美觀度得分，包括：

將所述封面圖像輸入清晰美觀度得分模型，得到所述清晰美觀度得分，其中，所述清晰美觀度得分模型是預先根據各樣本書籍的插圖基于機器學習算法訓練得到。