书架页面的书籍推荐方法、计算设备及存储介质与流程

1.本发明涉及互联网技术领域，具体涉及一种书架页面的书籍推荐方法、计算设备及存储介质。


背景技术：

2.目前，随着移动终端的普及以及电子书阅读平台的发展，越来越多的用户使用电子书阅读平台来阅读电子书。电子书阅读平台会为用户进行书籍推荐，通常会采用向用户推送消息的方式推荐书籍，但推送消息容易被用户忽略甚至清除，平台还会设置专门的书籍推荐页面，展示大量的书籍供用户浏览和筛选，但专注于阅读的用户往往会采取精准搜索的方式查找书籍，而很少浏览书籍推荐页面查找书籍。总之，现有的书籍推荐方式的推荐成功率较低，推荐效果不佳。


技术实现要素：

3.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的书架页面的书籍推荐方法、计算设备及存储介质。
4.根据本发明的一个方面，提供了一种书架页面的书籍推荐方法，包括：
5.接收用户的书架页面访问操作；
6.获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；
7.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。
8.根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
9.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下操作：
10.接收用户的书架页面访问操作；
11.获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；
12.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。
13.根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行以下操作：
14.接收用户的书架页面访问操作；
15.获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；
16.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书
架页面的书籍推荐位内呈现至少一本待推荐书籍。
17.根据本发明的书架页面的书籍推荐方法、计算设备及存储介质，该方法包括：接收用户的书架页面访问操作；获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。通过上述方式，在书架页面中设置书籍推荐位，能够实现在书架页面推荐书籍，同时，根据用户的书架书籍的排序确定该用户的各本待推荐书籍的排序，使得各本待推荐书籍的排序更加贴合用户的喜好，能够提升书籍推荐位的推荐效果。
18.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
19.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
20.图1示出了本发明实施例提供的书架页面的书籍推荐方法的流程图；
21.图2示出了本发明另一实施例提供的书架页面的书籍推荐方法的流程图；
22.图3中示出了本技术实施例中书架页面的示意图；
23.图4示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
24.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
25.图1示出了本发明实施例提供的书架页面的书籍推荐方法的流程图，如图1所示，该方法包括以下步骤：
26.步骤s110，接收用户的书架页面访问操作。
27.书架页面访问操作用于打开书架页面，电子书阅读平台中设置有书架入口控件，用户通过点击等方式触发书架入口控件即可跳转至书架页面，当检测到用户对书架入口控件的触发操作时，则确定接收到用户的书架页面访问操作。
28.步骤s120，获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分。
29.书架书籍是指添加至书架的书籍，例如用户针对书籍执行付费操作后该书籍被自动添加到书架中，用户针对书籍执行试读触发操作后该书籍被自动添加到书架中，用户针对书籍执行添加至书架触发操作后该书籍被添加到书架中。
30.书架页面用于呈现各本书架书籍，具体呈现各本书架书籍的封面以及基本信息，
用户通过点击书籍封面能够跳转到书籍阅读页进行阅读，书架页面为用户实际使用过程中使用频率较高的页面。各本书架书籍之间根据特定因素进行排序，例如根据最近阅读时间对各本书架书籍进行排序，最近阅读时间距离当前时间越近，则书架书籍的排序越靠前，或者，根据阅读频次对各本书架书籍进行排序，阅读频次越高的书架书籍其排序越靠前，总之，书架书籍的排序能够间接表征用户对该书架书籍的偏好程度。书架书籍的排序特征可以根据由书籍类型和排序因子确定，用于表征该类型的书籍的排序信息。
31.针对用户的各本待推荐书籍是指结合多方面的参考信息从书籍池中筛选的书籍，例如，参考信息包括：用户的书籍偏好信息和/或书籍热度信息等等。
32.预设排序模型用于计算各本待推荐书籍的排序得分，是以提升指定指标为目标、通过样本数据训练得到的，例如，以提升点击率、转化率和/或新用户留存率为目标而训练的用于排序的模型。
33.用户访问书架页面时，获取用户的书架书籍的排序特征进行实时计算，将书架书籍的排序特征输入至预设排序模型进行计算，根据计算结果得到各本待推荐书籍的排序得分。可以是在终端本地进行计算，也可以将排序特征发送给服务端的推荐引擎进行计算，本发明对此不做限定。可见，本实施例的方法是根据用户的书架书籍排序确定针对该用户的各本待推荐书籍的排序，由于各本书架书籍的排序能够表征用户对各本书架书籍的偏好程度，那么以此确定的各本待推荐书籍的排序能够贴合用户的喜好。
34.步骤s130，按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。
35.书架页面中还包含书籍推荐位，书籍推荐位是一块展示区域，书籍推荐位的数量可以是一个或者多个，用于呈现针对用户的各本待推荐书籍。具体按照各本待推荐书籍的排序得分由高到低的顺序筛选待推荐书籍，在书籍推荐位内呈现所筛选的待推荐书籍，优先呈现排序得分较高的待推荐书籍。
36.根据本实施例所提供的书架页面的书籍推荐方法，接收用户的书架页面访问操作；获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。通过上述方式，在书架页面中设置书籍推荐位，能够实现在书架页面推荐书籍，同时，根据用户的书架书籍的排序确定该用户的各本待推荐书籍的排序，使得各本待推荐书籍的排序更加贴合用户的喜好，能够提升书籍推荐位的推荐效果。
37.图2示出了本发明另一实施例提供的书架页面的书籍推荐方法的流程图，如图2所示，该方法包括以下步骤：
38.步骤s210，接收用户的书架页面访问操作。
39.具体实施方式可参见前述实施例中的描述，在此不进行赘述。
40.步骤s220，获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分。
41.预设排序模型用于计算针对用户的各本待推荐书籍的排序得分，具体包括：时长指标维度的排序模型和/或留存指标维度的排序模型。其中，时长指标维度的排序模型也就是以提升时长维度的指标为目标的排序模型，包括以提升点击率为目标的排序模型和/或
以提升转化率为目标的排序模型，留存指标维度的排序模型是指以提升留存率为目标的排序模型。
42.以提升点击率为目标的排序模型可以是din(deep interest network，深度兴趣网络)模型或者其迭代后的dien(deep interest evolution network，深度兴趣进化网络)模型，以提升转化率为目标的排序模型可以是dnn(deep neural networks，深度神经网络)模型，留存指标维度的排序模型可以是deepfm(deep factorization machines，深度因子分解机)模型。当然，本发明对各个指标维度的排序模型的模型类型不做限定。
43.在一种可选的方式中，时长指标维度的排序模型具体为多目标模型，即以提升点击率为目标和以提升转化率为目标的多目标模型。
44.当预设排序模型的数量包含多个维度的排序模型时，每一个排序模型都会输出各本待推荐书籍的得分，则需对各个排序模型的输出结果进行融合，得到各本待推荐书籍的最终排序得分。具体地：将书架书籍的排序特征分别输入至任一排序模型进行计算，得到该排序模型计算的各本待推荐书籍的初始得分；根据各个排序模型对应的权重值，对各个排序模型计算的任一本待推荐书籍的初始得分计算加权和，得到该待推荐书籍的排序得分。举例来说，模型m1、模型m2以及模型m3计算的待推荐书籍a的初始得分分别为：f1、f2以及f3，模型m1、模型m2以及模型m3的权重值分别为：w1、w2以及w3，则待推荐书籍a的排序得分f的计算方式为：f＝f1*w1+f2*w2+f3*w3。通过该方式，能够实现以提升多个维度的指标为目标对各本待推荐书籍进行排序。
45.其中，各个排序模型对应的权重值可以根据实际业务需要进行设置，推荐的目的偏重于提升哪个维度的指标，就为该维度的排序模型设置更大的权重值。在一种可选的方式中，判断用户是否为新用户，若是，则将留存指标维度的排序模型的权重值进行提升。对于新用户而言，推荐书籍的目的更偏重于使该新用户留存下来，因此对留存指标维度的排序模型的权重值设置为较大。
46.步骤s230，按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍，在书架页面的书籍推荐位的预设位置处展示推荐标识信息。
47.其中，书籍推荐位是书架页面中的展示区域，用于呈现用户的至少一本待推荐书籍，书籍推荐位的预设位置处还展示推荐标识信息，用于告知用户该区域内展示的书籍是推荐的书籍。当然除了书籍推荐位区域，书籍页面中还包括书架书籍的展示位，用于呈现用户的各本书架书籍。
48.优选地，书籍推荐位的数量为一个，在书架页面中设置专属的一个书籍推荐位，相比于设置多个书籍推荐位的方式，减少向用户露出的推荐内容，能够避免引起用户的反感，提升用户体验及推荐效果。
49.图3中示出了本技术实施例中书架页面的示意图，书籍推荐位31与书架书籍的展示位33的尺寸一致，书籍推荐位31的右上角设置有推荐标识32，书籍推荐位31设置在第一层书架的第一位，每一层书架中都包含多个书架书籍的展示位33，书籍推荐位31用于呈现待推荐书籍的书籍封面以及书籍信息，书架书籍的展示位用于呈现书架书籍的书籍封面以及书籍信息，通过推荐标识32用户能够非常直观地区分推荐书籍和书架书籍，图3中的圆形表示电子书阅读平台的各个功能页面的访问入口控件。
50.在一种可选的方式中，按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍的具体实施方式为：按照各本待推荐书籍的排序得分由高到低的顺序，筛选出用户上一次访问的待推荐书籍的下一本待推荐书籍，用户上一次访问待推荐书籍也是通过书籍推荐位实现的，例如，用户上一次通过书架页面的书籍推荐位访问了排序第n位的待推荐书籍的推荐落地页，则用户本次访问书架页面时，筛选出排序第n+1位的待推荐书籍呈现于书籍推荐位内，由此能够避免重复推荐。
51.在一种可选的方式中，定时更新针对用户的推荐书籍书单，推荐书籍书单包含多本待推荐书籍，接收到用户的书架页面访问操作时，判断用户的推荐书籍书单是否发生更新，如果发生了更新，则计算最新的推荐书籍书单中各本待推荐书籍的排序得分，筛选出排序第一位的待推荐书籍呈现于书籍推荐位内。如果没有发生更新，则筛选出未更新的推荐书籍书单中用户上一次访问的待推荐书籍的下一本待推荐书籍呈现于书籍推荐位内。该方式提供了待推荐书籍定期更新的场景下书籍推荐位的推荐实现方式，定期更新用户的待推荐书籍，使得待推荐书籍更加贴合用户实时的喜好。
52.步骤s240，响应于用户在书籍推荐位内对任一本待推荐书籍的书籍访问操作，跳转展示与该待推荐书籍关联的推荐落地页面。
53.如果用户对书籍推荐位内呈现的待推荐书籍感兴趣，在书籍推荐位内执行书籍访问操作，即可跳转到访问的待推荐书籍的推荐落地页面，推荐落地页面可以是书籍详情页、书籍阅读页等等，以便用户能够进一步了解该推荐书籍的详细内容，强化书籍推荐位的推荐效果。
54.步骤s250，响应于用户在推荐落地页面中执行的书架页面返回操作，跳转展示书架页面，并按照各本待推荐书籍的排序得分由高到低的顺序替换为排序在该待推荐书籍之后的至少一本待推荐书籍呈现于书籍推荐位内。
55.推荐落地页面中包含用于返回书架页面的入口控件，用户在推荐落地页面中执行的书架页面返回操作也就是用户对该用于返回书架页面的入口控件的触控操作。响应于用户的书架页面返回操作，跳转展示书架页面，并对书籍推荐位内呈现的待推荐书籍进行替换。
56.举例来说，书籍推荐位内呈现排序第s位的待推荐书籍时用户执行了书籍访问操作，则跳转展示排序第s位的待推荐书籍的推荐落地页面，用户点击推荐落地页面中的用于返回书架页面的入口控件，则跳转展示书架页面，并且，将书架页面的书籍推荐位内替换为呈现排序第s+t位的待推荐书籍，t为大于或等于1的整数。通过该方式，能够避免重复推荐，同时，能够实现按照顺序呈现各本待推荐书籍，能够提升该书籍推荐位的推荐效果。
57.优选地，按照各本待推荐书籍的排序得分由高到低的顺序，替换为该待推荐书籍(书籍访问操作所针对的待推荐书籍)的下一本待推荐书籍呈现于书籍推荐位内。沿用上述示例，替换为排序第s+1位的待推荐书籍呈现于书籍推荐位内。
58.在一种可选的方式中，为了提升排序模型的精准性，根据用户的行为数据获取样本数据，并根据样本数据对排序模型进行训练更新。
59.具体地，针对于留存指标维度的排序模型的训练更新方式如下：在跳转展示与该待推荐书籍关联(书籍访问操作所针对的待推荐书籍)的推荐落地页面之后，若在预设时间段内接收到用户对该待推荐书籍的阅读请求，将用户以及该待推荐书籍作为留存正样本；
提取留存正样本的序列特征，根据留存正样本的序列特征对留存指标维度的排序模型进行训练更新。如果用户访问了待推荐书籍关联的推荐落地页面，并且在此之后的预设时间段(例如24小时)内请求阅读该待推荐书籍，则表明该用户为推荐留存用户，将用户以及该待推荐书籍作为留存正样本，根据留存正样本的序列特征(包括用户特征、书籍特征以及交叉特征等等)对留存指标维度的排序模型进行训练更新，以此不断提升留存指标维度的排序模型的预测效果。
60.在另一种可选的方式中，在按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍之后，响应于用户对各本待推荐书籍的书籍列表访问操作，跳转展示各本待推荐书籍的书籍列表页面；按照各本待推荐书籍的排序得分由高到低的顺序，在书籍列表页面依次呈现各本待推荐书籍。该方式中，书架页面中还包含书籍列表访问入口，通过该书籍列表访问入口还能够跳转展示包含各本待推荐书籍的书籍列表页面，并且，书籍列表页面中各本待推荐书架按照排序得分由高到低的顺序排列展示，以书籍推荐位中呈现的待推荐书籍为兴趣点，吸引用户通过书架页面跳转至包含全部待推荐书籍的书籍列表页面，能够进一步提升书架页面的推荐效果。
61.优选地，书籍推荐位内包含书籍列表访问入口。由此，能够通过书籍推荐位跳转至书籍列表页面，丰富书籍推荐位的推荐形式，进一步提升书籍推荐位的推荐效果。
62.根据本实施例所提供的书架页面的书籍推荐方法，当用户访问书架页面时，提取用户的书架书籍的排序特征，将排序特征输入至预设排序模型中计算各本待推荐书籍的排序得分，按照排序得分由高到低的顺序筛选至少一本待推荐书籍呈现于书籍页面的书籍推荐位内，能够实现在书架页面推荐书籍的效果，并且，根据用户的书架书籍的排序确定该用户的各本待推荐书籍的排序，使得各本待推荐书籍的排序更加贴合用户的喜好，提升推荐效果；再一方面，通过设置多个维度的排序模型，综合多个维度的排序模型的计算结果确定待推荐书籍的排序得分，使得各本待推荐书籍的排序能够满足提升多个维度指标的要求；再一方面，通过在书籍推荐位内设置待推荐书籍的访问入口和/或书籍列表访问入口，能够实现不同的书籍推荐形式，能够提升书籍页面以及书籍推荐位的推荐效果。
63.本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的书架页面的书籍推荐方法。
64.可执行指令具体可以用于使得处理器执行以下操作：
65.接收用户的书架页面访问操作；
66.获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；
67.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。
68.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
69.在按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍之后，响应于用户在书籍推荐位内对任一本待推荐书籍的书籍访问操作，跳转展示与该待推荐书籍关联的推荐落地页面；
70.响应于用户在推荐落地页面中执行的书架页面返回操作，跳转展示书架页面，并按照各本待推荐书籍的排序得分由高到低的顺序替换为排序在该待推荐书籍之后的至少一本待推荐书籍呈现于书籍推荐位内。
71.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
72.在按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍之后，响应于用户对各本待推荐书籍的书籍列表访问操作，跳转展示各本待推荐书籍的书籍列表页面；
73.按照各本待推荐书籍的排序得分由高到低的顺序，在书籍列表页面依次呈现各本待推荐书籍。
74.在一种可选的方式中，书籍推荐位内包含书籍列表访问入口。
75.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
76.按照各本待推荐书籍的排序得分由高到低的顺序，替换为该待推荐书籍的下一本待推荐书籍呈现于书籍推荐位内。
77.在一种可选的方式中，预设排序模型包括：时长指标维度的排序模型和/或留存指标维度的排序模型。
78.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
79.将书架书籍的排序特征输入至任一排序模型进行计算，得到该排序模型计算的各本待推荐书籍的初始得分；
80.根据各个排序模型对应的权重值，对各个排序模型计算的任一本待推荐书籍的初始得分计算加权和，得到该待推荐书籍的排序得分。
81.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
82.在跳转展示与该待推荐书籍关联的推荐落地页面之后，若在预设时间段内接收到用户对该待推荐书籍的阅读请求，将用户以及该待推荐书籍作为留存正样本；
83.提取留存正样本的序列特征，根据留存正样本的序列特征对留存指标维度的排序模型进行训练更新。
84.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
85.在书架页面的书籍推荐位的预设位置处展示推荐标识信息。
86.通过上述方式，在书架页面中设置书籍推荐位，能够实现在书架页面推荐书籍，同时，根据用户的书架书籍的排序确定该用户的各本待推荐书籍的排序，使得各本待推荐书籍的排序更加贴合用户的喜好，能够提升书籍推荐位的推荐效果。
87.图4示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
88.如图4所示，该计算设备可以包括：处理器(processor)402、通信接口(communications interface)404、存储器(memory)406、以及通信总线408。
89.其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。处理器402，用于执行程序410，具体可以执行上述用于计算设备的书架页面的书籍推荐方法实施例中的相关步骤。
90.具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
91.处理器402可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
92.存储器406，用于存放程序410。存储器406可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
93.程序410具体可以用于使得处理器402执行以下操作：
94.接收用户的书架页面访问操作；
95.获取用户的书架书籍的排序特征，将书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对用户的各本待推荐书籍的排序得分；
96.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍。
97.在一种可选的方式中，所述程序410使所述处理器402执行以下操作：
98.在按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍之后，响应于用户在书籍推荐位内对任一本待推荐书籍的书籍访问操作，跳转展示与该待推荐书籍关联的推荐落地页面；
99.响应于用户在推荐落地页面中执行的书架页面返回操作，跳转展示书架页面，并按照各本待推荐书籍的排序得分由高到低的顺序替换为排序在该待推荐书籍之后的至少一本待推荐书籍呈现于书籍推荐位内。
100.在一种可选的方式中，所述程序410使所述处理器402执行以下操作：
101.在按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在书架页面的书籍推荐位内呈现至少一本待推荐书籍之后，响应于用户对各本待推荐书籍的书籍列表访问操作，跳转展示各本待推荐书籍的书籍列表页面；
102.按照各本待推荐书籍的排序得分由高到低的顺序，在书籍列表页面依次呈现各本待推荐书籍。
103.在一种可选的方式中，书籍推荐位内包含书籍列表访问入口。
104.在一种可选的方式中，所述程序410使所述处理器402执行以下操作：
105.按照各本待推荐书籍的排序得分由高到低的顺序，替换为该待推荐书籍的下一本待推荐书籍呈现于书籍推荐位内。
106.在一种可选的方式中，预设排序模型包括：时长指标维度的排序模型和/或留存指标维度的排序模型。
107.在一种可选的方式中，所述程序410使所述处理器402执行以下操作：
108.将书架书籍的排序特征输入至任一排序模型进行计算，得到该排序模型计算的各本待推荐书籍的初始得分；
109.根据各个排序模型对应的权重值，对各个排序模型计算的任一本待推荐书籍的初始得分计算加权和，得到该待推荐书籍的排序得分。
110.在一种可选的方式中，所述程序410使所述处理器402执行以下操作：
111.在跳转展示与该待推荐书籍关联的推荐落地页面之后，若在预设时间段内接收到用户对该待推荐书籍的阅读请求，将用户以及该待推荐书籍作为留存正样本；
112.提取留存正样本的序列特征，根据留存正样本的序列特征对留存指标维度的排序模型进行训练更新。
113.在一种可选的方式中，所述程序410使所述处理器402执行以下操作：在书架页面的书籍推荐位的预设位置处展示推荐标识信息。
114.通过上述方式，在书架页面中设置书籍推荐位，能够实现在书架页面推荐书籍，同时，根据用户的书架书籍的排序确定该用户的各本待推荐书籍的排序，使得各本待推荐书籍的排序更加贴合用户的喜好，能够提升书籍推荐位的推荐效果。
115.在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
116.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
117.类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
118.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
119.此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
120.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储
在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
121.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
122.本发明公开了：a1.一种书架页面的书籍推荐方法，包括：
123.接收用户的书架页面访问操作；
124.获取所述用户的书架书籍的排序特征，将所述书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对所述用户的各本待推荐书籍的排序得分；
125.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在所述书架页面的书籍推荐位内呈现所述至少一本待推荐书籍。
126.a2.根据a1所述的方法，其中，在所述按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在所述书架页面的书籍推荐位内呈现所述至少一本待推荐书籍之后，所述方法还包括：
127.响应于用户在所述书籍推荐位内对任一本待推荐书籍的书籍访问操作，跳转展示与该待推荐书籍关联的推荐落地页面；
128.响应于用户在所述推荐落地页面中执行的书架页面返回操作，跳转展示所述书架页面，并按照各本待推荐书籍的排序得分由高到低的顺序替换为排序在该待推荐书籍之后的至少一本待推荐书籍呈现于所述书籍推荐位内。
129.a3.根据a1所述的方法，其中，在所述按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在所述书架页面的书籍推荐位内呈现所述至少一本待推荐书籍之后，所述方法还包括：
130.响应于用户对各本待推荐书籍的书籍列表访问操作，跳转展示各本待推荐书籍的书籍列表页面；
131.按照各本待推荐书籍的排序得分由高到低的顺序，在书籍列表页面依次呈现各本待推荐书籍。
132.a4.根据a3所述的方法，其中，所述书籍推荐位内包含书籍列表访问入口。
133.a5.根据a2所述的方法，其中，所述按照各本待推荐书籍的排序得分由高到低的顺序替换为排序在该待推荐书籍之后的至少一本待推荐书籍呈现于所述书籍推荐位内进一步包括：
134.按照各本待推荐书籍的排序得分由高到低的顺序，替换为该待推荐书籍的下一本待推荐书籍呈现于所述书籍推荐位内。
135.a6.根据a1-a5中任一项所述的方法，其中，所述预设排序模型包括：时长指标维度的排序模型和/或留存指标维度的排序模型。
136.a7.根据a6所述的方法，其中，所述将所述书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对所述用户的各本待推荐书籍的排序得分进一步包括：
137.将所述书架书籍的排序特征输入至任一排序模型进行计算，得到该排序模型计算的各本待推荐书籍的初始得分；
138.根据各个排序模型对应的权重值，对各个排序模型计算的任一本待推荐书籍的初始得分计算加权和，得到该待推荐书籍的排序得分。
139.a8.根据a6所述的方法，其中，在跳转展示与该待推荐书籍关联的推荐落地页面之后，所述方法进一步包括：
140.若在预设时间段内接收到所述用户对该待推荐书籍的阅读请求，将所述用户以及该待推荐书籍作为留存正样本；
141.提取所述留存正样本的序列特征，根据所述留存正样本的序列特征对留存指标维度的排序模型进行训练更新。
142.a9.根据a1-a8中任一项所述的方法，其中，所述方法进一步包括：
143.在所述书架页面的书籍推荐位的预设位置处展示推荐标识信息。
144.b10.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
145.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下操作：
146.接收用户的书架页面访问操作；
147.获取所述用户的书架书籍的排序特征，将所述书架书籍的排序特征输入至预设排序模型中进行计算，根据计算结果确定针对所述用户的各本待推荐书籍的排序得分；
148.按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在所述书架页面的书籍推荐位内呈现所述至少一本待推荐书籍。
149.b11.根据b10所述的计算设备，所述可执行指令进一步使所述处理器执行以下操作：
150.在所述按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在所述书架页面的书籍推荐位内呈现所述至少一本待推荐书籍之后，响应于用户在所述书籍推荐位内对任一本待推荐书籍的书籍访问操作，跳转展示与该待推荐书籍关联的推荐落地页面；
151.响应于用户在所述推荐落地页面中执行的书架页面返回操作，跳转展示所述书架页面，并按照各本待推荐书籍的排序得分由高到低的顺序替换为排序在该待推荐书籍之后的至少一本待推荐书籍呈现于所述书籍推荐位内。
152.b12.根据b10所述的计算设备，所述可执行指令进一步使所述处理器执行以下操作：
153.在所述按照各本待推荐书籍的排序得分由高到低的顺序筛选至少一本待推荐书籍，在所述书架页面的书籍推荐位内呈现所述至少一本待推荐书籍之后，响应于用户对各本待推荐书籍的书籍列表访问操作，跳转展示各本待推荐书籍的书籍列表页面；
154.按照各本待推荐书籍的排序得分由高到低的顺序，在书籍列表页面依次呈现各本
待推荐书籍。
155.b13.根据b12所述的计算设备，其中，所述书籍推荐位内包含书籍列表访问入口。
156.b14.根据b11所述的计算设备，所述可执行指令进一步使所述处理器执行以下操作：
157.按照各本待推荐书籍的排序得分由高到低的顺序，替换为该待推荐书籍的下一本待推荐书籍呈现于所述书籍推荐位内。
158.b15.根据b10-b14中任一项所述的计算设备，其中，所述预设排序模型包括：时长指标维度的排序模型和/或留存指标维度的排序模型。
159.b16.根据b15所述的计算设备，所述可执行指令进一步使所述处理器执行以下操作：
160.将所述书架书籍的排序特征输入至任一排序模型进行计算，得到该排序模型计算的各本待推荐书籍的初始得分；
161.根据各个排序模型对应的权重值，对各个排序模型计算的任一本待推荐书籍的初始得分计算加权和，得到该待推荐书籍的排序得分。
162.b17.根据b15所述的计算设备，所述可执行指令进一步使所述处理器执行以下操作：
163.在跳转展示与该待推荐书籍关联的推荐落地页面之后，若在预设时间段内接收到所述用户对该待推荐书籍的阅读请求，将所述用户以及该待推荐书籍作为留存正样本；
164.提取所述留存正样本的序列特征，根据所述留存正样本的序列特征对留存指标维度的排序模型进行训练更新。
165.b18.根据b10-b17中任一项所述的计算设备，所述可执行指令进一步使所述处理器执行以下操作：
166.在所述书架页面的书籍推荐位的预设位置处展示推荐标识信息。
167.c19.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如a1-a9中任一项所述的书架页面的书籍推荐方法对应的操作。