專利名稱：移動閱讀中的社交關(guān)系挖掘方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及知識挖掘領(lǐng)域，尤其涉及移動閱讀中的社交關(guān)系挖掘方法。
背景技術(shù)：
隨著智能手機、無線網(wǎng)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，移動閱讀越來越受人歡迎。通常用于移動閱讀的電子產(chǎn)品主要包括傳統(tǒng)的閱讀類電子產(chǎn)品和交互式電子產(chǎn)品(也可被稱為閱讀社交平臺)?，F(xiàn)有閱讀類電子產(chǎn)品的交互方式只是局限于電子資源的閱讀，忽視了電子資源之間的知識關(guān)聯(lián)和閱讀過程中的知識查詢需求。因此，交互式電子課本正逐漸發(fā)展起來，在這種新型的閱讀社交平臺中充分考慮了知識點應(yīng)答和用戶交流這兩種需求。其充分發(fā)揮電子課本的智能交互能力，建立電子教材之間的知識關(guān)聯(lián)，采用文本、多媒體、Flash等多種方 式，實現(xiàn)智能的教材知識點的關(guān)聯(lián)“閃答”。同時，用戶在書籍閱讀過程中，如果對某些內(nèi)容感興趣，還可以與同時在閱讀此書的用戶進行交流。在閱讀社交平臺中，知識點一般是書籍中的關(guān)鍵人物、事件以及重要的名詞術(shù)語，當用戶對某一知識點進行查詢時，屏幕上能夠顯示知識點的簡短描述、詳細信息、相關(guān)知識點及相關(guān)的音頻視頻。用戶可以瀏覽知識點的詳細信息、聽相關(guān)音頻或看相關(guān)視頻。當用戶通過點擊相關(guān)知識點來訪問新的知識點時，將形成一條條的知識點訪問子路徑，這些訪問子路徑集中體現(xiàn)了用戶的知識結(jié)構(gòu)。用戶在閱讀過程中形成的知識結(jié)構(gòu)在一定程度上反映了用戶的興趣和愛好。但是在現(xiàn)有的閱讀社交平臺中缺少通過利用用戶在閱讀時形成知識結(jié)構(gòu)、用戶交互記錄等信息來對用戶之間的社交關(guān)系(例如用戶之間的關(guān)聯(lián)度)進行定性或定量的描述的技術(shù)方案。因而，也不能通過用戶之間的社交關(guān)系(例如用戶之間的關(guān)聯(lián)度)來為用戶提供諸如推薦好友或資源等個性化服務(wù)。例如，向用戶推薦與其相似的用戶作為好友，以便在閱讀中進行交流和討論，或者推薦與其興趣和愛好相似的用戶曾經(jīng)閱讀的書籍等等。

發(fā)明內(nèi)容
因此，本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提供一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取方法。本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的一方面，本發(fā)明提供了一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取方法，所述方法包括步驟I)計算用戶A和用戶B的知識結(jié)構(gòu)的相似度，所述知識結(jié)構(gòu)是由用戶在書籍閱讀過程中訪問的知識點形成的；步驟2)根據(jù)用戶A和用戶B的知識結(jié)構(gòu)的相似度來獲取用戶A和用戶B的關(guān)聯(lián)度。又一方面，本發(fā)明提供了一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取方法，所述方法包括步驟I)計算用戶A和用戶B的知識結(jié)構(gòu)的相似度，所述知識結(jié)構(gòu)是由用戶在書籍閱讀過程中訪問的知識點形成的；步驟2’ )基于所述知識結(jié)構(gòu)的相似度并結(jié)合用戶交互記錄，來獲取這用戶A和用戶B的關(guān)聯(lián)度，所述用戶交互記錄包括用戶加入的聊天室、用戶在聊天室中發(fā)言的次數(shù)、與哪個用戶在哪個聊天室進行過私聊。上述技術(shù)方案中，步驟I)可包括以下步驟步驟1-1)分別獲取用戶A和用戶B的閱讀書目，得到用戶A和用戶B的閱讀書目交集；步驟1-2)對于所獲得的閱讀書目交集中的每一本書，分別計算用戶A和用戶B在看該書時形成的知識結(jié)構(gòu)的相似度；步驟1-3)基于用戶A和用戶B在看閱讀書目交集中每本書時形成的知識結(jié)構(gòu)的相似度，計算用戶A和用戶B的知識結(jié)構(gòu)的相似度。上述技術(shù)方案中，所述閱讀書目交集可表示為Bookra_n = {b1； b2. . . , bj , t表示用戶A和用戶B共同訪問的書的個數(shù)；所述步驟1-2)可包括以下步驟a)根據(jù)用戶A和用戶B在閱讀書bk時的相關(guān)知識點訪問路徑，得到這兩個用戶訪問知識點的交集K__ = (K1, K2. . . , K1I, I表示用戶A和用戶B共同訪問的知識點的個數(shù)，bk表不閱讀書目交集Bookeramwn中的第k本書；b)用戶A和用戶B在看某書bk時的知識結(jié)構(gòu)相似度―(\s1為
權(quán)利要求
1.一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取方法，所述方法包括 步驟I)計算用戶A和用戶B的知識結(jié)構(gòu)的相似度，所述知識結(jié)構(gòu)是由用戶在書籍閱讀過程中訪問的知識點形成的； 步驟2)根據(jù)用戶A和用戶B的知識結(jié)構(gòu)的相似度來獲取用戶A和用戶B的關(guān)聯(lián)度。
2.一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取方法，所述方法包括 步驟I)計算用戶A和用戶B的知識結(jié)構(gòu)的相似度，所述知識結(jié)構(gòu)是由用戶在書籍閱讀過程中訪問的知識點形成的； 步驟2’ )基于所述知識結(jié)構(gòu)的相似度并結(jié)合用戶交互記錄，來獲取這用戶A和用戶B的關(guān)聯(lián)度，所述用戶交互記錄包括用戶加入的聊天室、用戶在聊天室中發(fā)言的次數(shù)、與哪個用戶在哪個聊天室進行過私聊。
3.根據(jù)權(quán)利要求I或2所述的方法，步驟I)包括以下步驟 步驟1-1)分別獲取用戶A和用戶B的閱讀書目，得到用戶A和用戶B的閱讀書目交集; 步驟1-2)對于所獲得的閱讀書目交集中的每一本書，分別計算用戶A和用戶B在看該書時形成的知識結(jié)構(gòu)的相似度； 步驟1-3)基于用戶A和用戶B在看閱讀書目交集中每本書時形成的知識結(jié)構(gòu)的相似度，計算用戶A和用戶B的知識結(jié)構(gòu)的相似度。
4.根據(jù)權(quán)利要求3所述的方法，其中，所述閱讀書目交集表示為Bookc^m=Ibpb2...，bt}，t表示用戶A和用戶B共同訪問的書的個數(shù)；所述步驟1-2)包括以下步驟 a)根據(jù)用戶A和用戶B在閱讀書bk時的相關(guān)知識點訪問路徑，得到這兩個用戶訪問知識點的交集Kc^mmm = (KijK2. . . , K1I, I表示用戶A和用戶B共同訪問的知識點的個數(shù)，bk表示閱讀書目交集Bookeramwn中的第k本書； b)用戶A和用戶B在看某書bk時的知識結(jié)構(gòu)相似度Sim^、為
5.根據(jù)權(quán)利要求4所述的方法，其中，
6.根據(jù)權(quán)利要求4所述的方法，在步驟1-3)，以如下公式計算用戶A和用戶B的知識結(jié)構(gòu)的相似度Sim(A, B)
7.根據(jù)權(quán)利要求2所述的方法，所述步驟2’)包括以下步驟 步驟2-1)對用戶A和用戶B的用戶交互記錄進行統(tǒng)計，以分別得到每個用戶加入的聊天室的個數(shù)，用戶A和用戶B共同加入的聊天室的個數(shù)，以每個用戶在共同加入的聊天室中的發(fā)言次數(shù)，以及用戶A和用戶B進行過私聊的聊天室的個數(shù)； 步驟2-2)計算用戶A和用戶B在聊天室中發(fā)言次數(shù)的相似度； 步驟2-3)根據(jù)所述用戶A和用戶B的知識結(jié)構(gòu)的相似度、在聊天室中發(fā)言次數(shù)的相似度以及這兩個用戶進行過私聊的聊天室的個數(shù)，來獲取用戶A和用戶B的關(guān)聯(lián)度。
8.根據(jù)權(quán)利要求7所述的方法，所述步驟2-2)以如下公式計算用戶A和用戶B在聊天室中發(fā)言次數(shù)的相似度Stalk(A,a
9.根據(jù)權(quán)利要求8所述的方法，在步驟2-3)根據(jù)所述用戶A和用戶B的知識結(jié)構(gòu)的相似度、在聊天室中發(fā)言次數(shù)的相似度以及用戶A和用戶B進行過私聊的聊天室的個數(shù)，以如下公式來獲取用戶A和用戶B的關(guān)聯(lián)度Correlation0ui3)
10.一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取裝置，所述裝置包括 用戶知識結(jié)構(gòu)相似度計算模塊，用于計算用戶A和用戶B的知識結(jié)構(gòu)的相似度，所述知識結(jié)構(gòu)是由用戶在書籍閱讀過程中訪問的知識點形成的； 用于根據(jù)用戶A和用戶B的知識結(jié)構(gòu)的相似度來獲取用戶A和用戶B的關(guān)聯(lián)度的模塊。
11.一種基于閱讀社交平臺的用戶關(guān)聯(lián)度獲取裝置，所述裝置包括用戶知識結(jié)構(gòu)相似度計算模塊，用于計算用戶A和用戶B的知識結(jié)構(gòu)的相似度，所述知識結(jié)構(gòu)是由用戶在書籍閱讀過程中訪問的知識點形成的； 用戶關(guān)聯(lián)度計算模塊，用于基于所述知識結(jié)構(gòu)的相似度并結(jié)合用戶交互記錄，來計算用戶A和用戶B的關(guān)聯(lián)度，所述用戶交互記錄包括用戶加入的聊天室、用戶在聊天室中發(fā)言的次數(shù)、與哪個用戶在哪個聊天室進行過私聊。
12.根據(jù)權(quán)利要求10或11所述的裝置，其中，用戶知識結(jié)構(gòu)相似度計算模塊分別獲取用戶A和用戶B的閱讀書目，得到用戶A和用戶B的閱讀書目交集，并且對于所獲得的閱讀書目交集中的每一本書，分別計算用戶A和用戶B在看該書時形成的知識結(jié)構(gòu)的相似度；最后，計算用戶A和用戶B的知識結(jié)構(gòu)的相似度。
13.根據(jù)權(quán)利要求11所述的裝置，其中，所述用戶關(guān)聯(lián)度計算模塊對用戶A和用戶B的用戶交互記錄進行統(tǒng)計，以分別得到每個用戶加入的聊天室的個數(shù)，用戶A和用戶B共同加入的聊天室的個數(shù)，以每個用戶在共同加入的聊天室中的發(fā)言次數(shù)，以及用戶A和用戶B進行過私聊的聊天室的個數(shù)；并計算用戶A和用戶B在聊天室中發(fā)言次數(shù)的相似度；最后，根據(jù)用戶A和用戶B的知識結(jié)構(gòu)的相似度、在聊天室中發(fā)言次數(shù)的相似度以及用戶A和用戶B進行過私聊的聊天室的個數(shù)，來計算用戶A和用戶B的關(guān)聯(lián)度。
全文摘要
本發(fā)明提供了移動閱讀中的社交關(guān)系挖掘方法，所述社交關(guān)系例如是用戶之間的關(guān)聯(lián)度。該方法首先對用戶書籍閱讀過程中訪問的知識點形成的知識結(jié)構(gòu)進行相似度計算，然后，根據(jù)所計算的知識結(jié)構(gòu)相似度，并結(jié)合用戶交互記錄獲取兩個用戶之間的關(guān)聯(lián)度。該方法綜合考慮了用戶閱讀過程中的知識結(jié)構(gòu)和用戶之間的交互行為模式，所獲取的用戶關(guān)聯(lián)度可以很好地反映出人與人的關(guān)系。
文檔編號G06F17/30GK102663047SQ20121008877
公開日2012年9月12日 申請日期2012年3月29日 優(yōu)先權(quán)日2012年3月29日
發(fā)明者葉劍, 唐熊, 張磊, 朱珍民, 李艷兵, 杜靜, 肖燦 申請人:中國科學院計算技術(shù)研究所