所述图书的图书类 型为其订购类型下的第2图书类型。
[0029] 不同订购类型所对应的类型最小阈值和类型最大阈值可以根据实际情况而取值， 例如当图书的订购类型是按章订购时，类型最小阈值=250,类型最大阈值=600 ;当图书 的订购类型是按本订购时，类型最小阈值=50,类型最大阈值=200。
[0030] 图2步骤23中，当图书类型是按章订购或按本订购下的第1图书类型、或免费订 购时，图书的用户评分的计算公式可以如下：score= 5Xchpt_read/chpt_total，其中， chpt_read/chpt_total是用户对图书的阅读章节数在图书的总章节数中所占比值；
[0031] 当图书的图书类型是按章订购下的第2图书类型时，图书的用户评分的计算公式 如下：
[0032]
【主权项】
1. 一种为移动用户提供个性化图书推荐的方法，其特征在于，包括有： 步骤一、从用户的阅读数据中提取用户正在阅读的图书，并构成一个图书列表； 步骤二、根据图书的图书类型、总章节数、以及用户对图书的阅读章节数，计算图书列 表中每本图书的用户评分，并据此从图书列表中选择至少一本图书，向用户进行推荐。
2. 根据权利要求1所述的方法，其特征在于，步骤二进一步包括有： 步骤21、采集图书的总章节数chpt_total、及用户对图书的阅读章节数chpt_read ; 步骤22、根据图书的订购类型和总章节数，判断其图书类型； 步骤23、根据图书的图书类型、总章节数chpt_total、以及用户对图书的阅读章节数 chpt_read，计算图书的用户评分score。
3. 根据权利要求2所述的方法，其特征在于，图书类型采用图书的订购类型，所述订购 类型包括有：按章订购、按本订购和免费订购，或， 根据图书的总章节数，将图书的每种订购类型再进一步划分成其订购类型下的3类图 书类型：第1图书类型、第2图书类型和第3图书类型，这样，步骤22进一步包括有： 步骤221、为每种订购类型设置其对应的类型最小阈值和类型最大阈值； 步骤222、获取图书的订购类型，并判断图书的总章节数是否小于其订购类型对应的 类型最小阈值，如果是，则所述图书的图书类型为其订购类型下的第1图书类型，本流程结 束；如果否，则继续下一步； 步骤223、判断图书的总章节数是否大于其订购类型对应的类型最大阈值，如果是，则 所述图书的图书类型为其订购类型下的第3图书类型；如果否，则所述图书的图书类型为 其订购类型下的第2图书类型。
4. 根据权利要求3所述的方法，其特征在于，步骤23中，当图书的图书类型是按章订购 或按本订购下的第1图书类型、或免费订购时，图书的用户评分的计算公式如下：sc 〇re = 5 X chpt_read/chpt_total，其中，chpt_read/chpt_total是用户对图书的阅读章节数在图 书的总章节数中所占比值。
5. 根据权利要求3所述的方法，其特征在于，步骤23中，当图书的图书类型是按章订购 下的第2图书类型时，图书的用户评分的计算公式如下：
6. 根据权利要求3所述的方法，其特征在于，步骤23中，当图书的图书类型是按章订购 下的第3图书类型时，图书的用户评分的计算公式如下：
7. 根据权利要求3所述的方法，其特征在于，步骤23中，当图书的图书类型是按本订购 下的第2图书类型时，图书的用户评分的计算公式如下：
8. 根据权利要求3所述的方法，其特征在于，步骤23中，当图书类型是按本订购下的第 3图书类型时，图书的用户评分的计算公式如下：
9. 根据权利要求2所述的方法，其特征在于，步骤23之后，还包括有： 步骤24、判断图书总章节数是否大于图书章节数阈值，如果是，则继续下一步；如果 否，则本流程结束； 步骤25、计算用户对图书的阅读章节数和用户对相同图书类型的所有图书的阅读章 节总数之间的比值，并根据所述比值、以及用户对相同图书类型的图书阅读数来计算图 书的用户评分组内附加分inner_score_add，从而对图书的用户评分进行调整：score= score+inner_score_add； 步骤26、判断图书的用户评分是否大于评分阈值，如果是，则将图书的用户评分调整为 评分阈值，本流程结束；如果否，则本流程结束。
10. 根据权利要求9所述的方法，其特征在于，步骤25中，图书的用户评分组内附加分 inner_score_add的计算公式是：
图书类型为i，ChptjeacLalli是用户对图书类型i的所有图书的阅读章节总数，b 〇〇k_ totalalli是用户对于图书类型i的图书阅读数，如果inner_score_add小于0,则inner_ score_add = 0〇
11. 根据权利要求9所述的方法，其特征在于，步骤25和步骤26之间，还包括有： 步骤A1、计算用户对图书的阅读章节数和用户对所有图书的阅读章节总数之间的比 值，并根据所述比值、以及用户对所有图书的阅读数来计算图书的用户评分组间附加分 inter_score_add，从而对图书的用户评分进行调整 :score = score+inter-score-add〇
12. 根据权利要求11所述的方法，其特征在于，步骤Al中，图书的用户评分组间附加分 inter_score_add的计算公式是：
read_total是用户对所有图书的阅读章节总数，book_total_all是用户所有的图书阅读 数，如果 inter_score_add 小于 0,则 inter_score_add = 0〇
【专利摘要】一种为移动用户提供个性化图书推荐的方法，方法包括有：步骤一、从用户的阅读数据中提取用户正在阅读的图书，并构成一个图书列表；步骤二、根据图书的图书类型、总章节数、以及用户对图书的阅读章节数，计算图书列表中每本图书的用户评分，并据此从图书列表中选择至少一本图书，向用户进行推荐。本发明属于网络通信技术领域，能基于图书特点和用户阅读图书的客观行为来计算用户对图书的评分，从而从用户正在阅读的大量图书中挑选评分最高的图书向用户进行智能推荐。
【IPC分类】G06F17-30
【公开号】CN104820712
【申请号】CN201510255774
【发明人】廖建新, 应文佳, 李曲, 王超芸, 刘蒙, 彭刚
【申请人】杭州东信北邮信息技术有限公司
【公开日】2015年8月5日
【申请日】2015年5月19日