一种有声书的推荐方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了一种有声书的推荐方法、装置、系统及存储介质，包括获取有声书数据库中有声书的类别信息；根据类别信息对有声书分别提取对应的多个特征关键词并进行统计，根据特征关键词的数量分布信息，对同一类别的有声书进行再分类；生成有声书对应的内容特征向量；根据内容特征向量，建立再分类的有声书类别特征向量信息库；根据用户历史操作信息获取目标用户的用户特征向量；根据用户特征向量匹配有声书类别特征向量信息库，用户特征向量匹配有声书类别特征向量的匹配度达到预设数值后，即视为读者感兴趣的内容；使得有声书的特征会根据关键词数量分布信息形成不同风格类型，使得风格类型的偏向性纳入了特征中；使得推送内容更加的精准。更加的精准。更加的精准。

【技术实现步骤摘要】
一种有声书的推荐方法、装置、系统及存储介质


[0001]本专利技术属于有声书推荐的
，具体涉及有声书的推荐方法、装置、系统及存储介质。

技术介绍

[0002]在互联网时代，传统的有声书面临着重大挑战。第一，大众的时间被互联网上的大量碎片化内容所占据，导致用于有声书听书的时间越来越少，尤其对面向知识学习的优秀有声书造成很大冲击。第二，随着有声书出版种类的增加，人们可选择的同一主题的有声书越来越多。由于传统的有声书推荐主要是通过有声书书目信息以及有声书发行者的宣传布告，人们很难通过这些简短的信息作出选择，无法起到很好的推荐效果。第三，有声书书目信息形式单一，不足以引起人们的阅读兴趣。而且，有声书发行宣传布告也往往只是面向所有人，没有针对性、难以满足人们的个性化需求，也不容易引起人们的兴趣。这些问题都导致了人们难以有效的利用有声书图书馆的资源。

技术实现思路

[0003]本专利技术的目的是提供一种有声书的推荐方法、装置、系统及存储介质，用以解决现有技术中存在的上述问题。
[0004]为了实现上述目的，本专利技术采用以下技术方案：本专利技术第一方面提供了一种有声书的推荐方法，包括以下步骤：获取有声书数据库中有声书的类别信息；根据类别信息对不同类别的有声书分别提取对应的多个特征关键词，并对多个特征关键词进行统计，以便获取特征关键词的数量分布信息；根据特征关键词的数量分布信息，对同一类别的有声书进行再分类；根据有声书对应的特征关键词的数量分布信息，生成有声书对应的内容特征向量；根据内容特征向量，建立再分类的有声书类别特征向量信息库；获取目标用户的历史操作信息，根据历史操作信息获取目标用户的用户特征向量；根据用户特征向量匹配所述有声书类别特征向量信息库，用户特征向量匹配所述有声书类别特征向量的匹配度达到预设数值后，即视为读者感兴趣的内容；以便获取用户偏好的有声书信息，根据用户偏好的有声书信息向用户推送相应的有声书。
[0005]根据上述技术，通过根据类别信息对不同类别的有声书进行分别提取对应的多个特征关键词，以及根据特征关键词的数量分布信息，对同一类别的有声书进行再分类；使得分类更细，可以进行精准推送；另外，通过对多个特征关键词进行统计，以便获取特征关键词的数量分布信息；根据有声书对应的特征关键词的数量分布信息，生成有声书对应的内容特征向量；使得有声书的特征会根据关键词数量分布信息行程不同风格类型，使得风格
类型的偏向性纳入了特征中；使得推送内容更加的精准。
[0006]在一种可能的设计中，根据类别信息对不同类别的有声书分别提取对应的多个特征关键词的方法包括：建立类别信息中指定类别的一级关键词库；对一级关键词库中关键词进行语义分析，获取二级关联关键词库；根据所述一级关键词库和二级关联关键词库中的关键词对相应类别的有声书分别提取对应的多个特征关键词。
[0007]根据上述技术，通过根据所述一级关键词库和二级关联关键词库中的关键词对相应类别的有声书分别提取对应的多个特征关键词，两级关键词可以使推荐内容进行关联性的精准推荐，提高推荐内容时的内容丰富性，同时提高推送精准性。
[0008]在一种可能的设计中，所述方法还包括：提取每个用户的历史浏览和历史阅读信息中的关键词，并获取所述关键词对应用户的初始权重；根据目标用户与各其他用户之间的历史浏览和历史阅读信息，计算出其他用户对所述目标用户的关联权重；根据所述初始权重及所述关联权重，计算所述目标用户与其他用户之间的相似度，根据所述相似度从其他用户中选择若干个与目标用户相似的相似用户，获取所述相似用户对各个有声书内容的权重，根据所述权重计算目标用户对各个有声书内容的关联系数；根据所述关联系数对各个有声书内容进行排序，根据排序结果将对应的有声书内容推送给所述目标用户。
[0009]通过上述技术，可以通过用户之间的相似度进行相似用户的关联推荐，以此增加内容的多样性和拓展性。
[0010]在一种可能的设计中，根据所有用户历史浏览和历史阅读信息计算用户特征向量，将全部有声书内容的特征向量与全部用户的用户特征向量进行匹配，对待推送有声书内容进行热度预测；并根据用户实时访问数据和推送数据的用户命中率不断对关联系数进行修正，根据修正后的关联系数对各个有声书内容进行排序，根据排序结果将对应的有声书内容推送给所述目标用户。
[0011]在一种可能的设计中，所述有声书的特征信息包括：有声书内容的类别，有声书内容的页面浏览量与各个有声书内容的平均页面浏览量的比例，有声书内容不同时段内的页面浏览量、有声书内容的不同时段内的页面浏览量的变化率，有声书内容的生成时间，有声书内容的页面浏览量对应的时间信息，以及有声书内容在网页中的展示位置。
[0012]在一种可能的设计中，获取目标用户的历史操作信息包括所述目标用户转发其他用户的发布信息的记录、所述目标用户评论其他用户的发布信息的记录、所述目标用户引用其他用户的发布信息的记录以及所述目标用户与其他用户的链接记录。
[0013]在一种可能的设计中，根据有声书对应的特征关键词的数量分布信息，生成有声书对应的内容特征向量的步骤包括：从数据库中提取有声书内容的特征关键词的数量分布信息；根据所述特征关键词的数量分布信息对有声书内容进行建模，得到所述有声书内容的模型；根据所述模型构建内容特征向量。
[0014]本专利技术第二方面提供了一种有声书的推荐装置，包括存储器和处理器，所述存储
器与处理器之间通过总线相互连接；所述存储器存储计算机执行指令；所述处理器执行存储器存储的计算机执行指令，使得处理器执行如第一方面中以及第一方面任意一种可能的设计中所述的有声书的推荐方法。
[0015]本专利技术第三方面提供了一种有声书的推荐系统，包括如第二方面所述的推荐装置，以及与所述推荐装置通过互联网通信的若干用户终端。
[0016]本专利技术第四方面提供了一种存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面中以及第一方面任意一种可能的设计中所述的有声书的推荐方法。
[0017]有益效果：通过有声书数据、总日志数据和这类的大数据建立关联模型，有效利用了各种数据，也能提高关联模型预测的准确性。当需要向用户进行有声书推送时，通过获取用户的日志数据和听书数据，有利于分析出用户的兴趣所在，再基于关联模型匹配关联的有声书向用户推送，针对性强，推送的有声书满足用户需求的可能性高，能提高用户借阅的概率，从而提高有声书资源利用率。通过根据类别信息对不同类别的有声书进行分别提取对应的多个特征关键词，以及根据特征关键词的数量分布信息，对同一类别的有声书进行再分类；使得分类更细，可以进行精准推送；另外，通过对多个特征关键词进行统计，以便获取特征关键词的数量分布信息；根据有声书对应的特征关键词的数量分布信息，生成有声书对应的内容特征向量；使得有声书的特征会根据关键词数量分布信息行程不同风格类型，使得风格类型的偏向性纳入了特征中；使得推送内容更加的精准；通过用户之间的相似度进行相似用户的关联推荐，以此增加内容的多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有声书的推荐方法，其特征在于，包括以下步骤：从有声书数据库中获取有声书的类别信息；根据类别信息对不同类别的有声书分别提取对应的多个特征关键词，并对多个特征关键词进行统计，以便获取特征关键词的数量分布信息；根据特征关键词的数量分布信息对对应类别的有声书进行再分类；根据再分类有声书对应的特征关键词的数量分布信息，生成再分类有声书对应的内容特征向量；根据内容特征向量，建立再分类有声书类别特征向量信息库；获取目标用户的历史操作信息，根据历史操作信息获取目标用户的用户特征向量；根据用户特征向量匹配所述有声书类别特征向量信息库，判断用户特征向量与所述有声书类别特征向量的匹配度是否达到预设数值；若是，则所述有声书类别特征向量对应的有声书作为用户偏好的有声书信息；根据用户偏好的有声书信息向用户推送相应的有声书。2.根据权利要求1所述的有声书的推荐方法，其特征在于，根据类别信息对不同类别的有声书分别提取对应的多个特征关键词的方法包括：建立类别信息中指定类别的一级关键词库；对一级关键词库中关键词进行语义分析，获取二级关联关键词库；根据所述一级关键词库和二级关联关键词库中的关键词对相应类别的有声书分别提取对应的多个特征关键词。3.根据权利要求1所述的有声书的推荐方法，其特征在于，所述方法还包括：提取每个用户的历史浏览和历史阅读信息中的关键词，并获取所述关键词对应用户的初始权重；根据目标用户与各其他用户之间的历史浏览和历史阅读信息，计算出其他用户对所述目标用户的关联权重；根据所述初始权重及所述关联权重，计算所述目标用户与其他用户之间的相似度，根据所述相似度从其他用户中选择若干个与目标用户相似的相似用户，获取所述相似用户对各个有声书内容的权重，根据所述权重计算目标用户对各个有声书内容的关联系数；根据所述关联系数对各个有声书内容进行排序，根据排序结果将对应的有声书内容推送给所述目标用户。4.根据权利要求3所述的有声书的推荐方法，其特征在于，根据所有用户历史浏览和历史...

【专利技术属性】
技术研发人员：尹鹏飞，冯宇，
申请(专利权)人：北京华阅嘉诚科技发展有限公司，
类型：发明
国别省市：