聚合類應用的推薦、多方推薦源聚合的方法、系統(tǒng)和裝置的制造方法
【技術領域】
[0001]本發(fā)明涉及計算機應用技術領域，特別涉及一種聚合類應用的推薦、多方推薦源聚合的方法、系統(tǒng)和裝置。
【背景技術】
[0002]隨著網(wǎng)絡信息的發(fā)展，用戶可經(jīng)由網(wǎng)絡獲取各種文本信息，以滿足其在工作和生活中的各種需求。網(wǎng)絡中的文本信息將是由各種推薦源提供的，例如，對于某一內(nèi)容相關的文本信息，可由多個推薦源，即多個網(wǎng)站提供，用戶將選擇其中一個網(wǎng)站所提供的文本信息進行相關內(nèi)容的瀏覽。
[0003]例如，近年來隨著網(wǎng)絡文學的興起，越來越多的人們已經(jīng)擺脫紙質(zhì)書籍在電腦和手機上瀏覽網(wǎng)絡書籍。但是，由于網(wǎng)絡書籍，尤其是網(wǎng)絡小說，質(zhì)量參差不齊，因此，對于多方推薦源，往往都會面對一個通用的問題，即如何在多方推薦源中快速準確地確定推薦的瀏覽內(nèi)容。
[0004]現(xiàn)有的確定瀏覽內(nèi)容的方式采用通用的文本篩選方法，如利用章節(jié)標題進行處理，然而，由于存在著章節(jié)標題和內(nèi)容不符的情況是有發(fā)生，因此，利用章節(jié)標識進行處理的方式將會帶來較多的誤判，準確性不高。

【發(fā)明內(nèi)容】

[0005]基于此，有必要提供一種能在多方推薦源所提供的候選文本進行的選取過程中減少誤判，提高內(nèi)容提供的準確性的聚合類應用的推薦、多方推薦源聚合的方法。
[0006]此外，還有必要提供一種能在多方推薦源所提供的候選文本進行的選取過程中減少誤判，提高內(nèi)容提供的準確性的聚合類應用的推薦系統(tǒng)和多方推薦源聚合的裝置。
[0007]為解決上述技術問題，將采用如下技術方案:
一種聚合類應用的推薦方法，包括:
根據(jù)聚合類應用中觸發(fā)的內(nèi)容獲取操作發(fā)起內(nèi)容獲取請求；
接收根據(jù)所述內(nèi)容獲取請求返回的推薦文本，所述推薦文本是通過預先構建的詞典對所述內(nèi)容獲取請求相關的多個候選文本統(tǒng)計特征向量和根據(jù)所述特征向量對所述多個候選文本進行內(nèi)容校驗得到的；
加載所述返回的推薦文本，以進行所述聚合類應用中的內(nèi)容顯示。
[0008]一種多方推薦源的聚合方法，包括:
由多方推薦源獲取內(nèi)容相同的多個候選文本；
通過預先構建的詞典對所述多個候選文本進行特征向量統(tǒng)計，以得到每一候選文本對應的特征向量，并存儲所述候選文本對應的特征向量；
根據(jù)所述特征向量進行對應候選文本的內(nèi)容校驗，以得到推薦文本；
為所述內(nèi)容存儲所述推薦文本。
[0009]一種聚合類應用的推薦系統(tǒng)，包括聚合類應用客戶端，所述聚合類應用客戶端包括:
請求發(fā)起模塊，用于根據(jù)觸發(fā)的內(nèi)容獲取操作發(fā)起內(nèi)容獲取請求；
接收模塊，用于接收根據(jù)所述內(nèi)容獲取請求返回的推薦文本，所述推薦文本是通過預先構建的詞典對所述內(nèi)容獲取請求相關的多個候選文本統(tǒng)計特征向量和根據(jù)所述特征向量對所述多個候選文本進行內(nèi)容校驗得到的；
加載模塊，用于加載所述返回的推薦文本，以進行內(nèi)容顯示。
[0010]一種多方推薦源的聚合裝置，包括:
文本獲取裝置，用于由多方推薦源獲取內(nèi)容相同的多個候選文本；
統(tǒng)計裝置，用于通過預先構建的詞典對多個所述候選文本進行特征向量統(tǒng)計，以得到每一候選文本對應的特征向量，并存儲所述候選文本對應的特征向量；
內(nèi)容校驗裝置，用于根據(jù)所述特征向量進行對應候選文本的內(nèi)容校驗，以得到推薦文本；
離線存儲裝置，用于為所述內(nèi)容存儲所述推薦文本。
[0011]由上述技術方案可知，在多方推薦源為聚合類應用中的內(nèi)容顯示提供文本時，由于多方推薦源均有一可供聚合類應用進行內(nèi)容顯示的文本，即存在著多個候選文本，因此，將通過預先構建的詞典對多個候選文本進行特征向量的統(tǒng)計，以得到每一候選文本對應的特征向量，進而由特征向量進行候選文本的內(nèi)容校驗得到推薦文本，該推薦文本將用于進行聚合類應用中的內(nèi)容顯示，通過候選文本中的特征向量以及其所進行的內(nèi)容校驗將在多方推薦源所提供的候選文本進行的選取過程中有效減少了誤判，提高內(nèi)容提供的準確性。
【附圖說明】
[0012]圖1是一個實施例中聚合類應用的推薦方法的流程圖。
[0013]圖2是現(xiàn)有的小說書架應用的界面中候選文本的切換示意圖。
[0014]圖3是本發(fā)明的實施例中小說書架應用的界面中的示意圖。
[0015]圖4是一個實施例中聚合類應用的時序圖。
[0016]圖5是另一個實施例中聚合類應用的推薦方法的流程圖。
[0017]圖6是另一個實施例中聚合類應用的推薦方法的流程圖。
[0018]圖7是圖5中通過預先構建的詞典對多個候選文本進行特征向量統(tǒng)計，以得到每一候選文本對應的特征向量，并存儲候選文本對應的特征向量的方法流程圖。
[0019]圖8是圖6中根據(jù)特征向量進行對應候選文本的內(nèi)容校驗，以得到推薦文本的方法流程圖。
[0020]圖9是圖8中將完整文本對應的特征向量分別與多個候選文本對應的特征向量進行匹配，以得到與完整文本最為匹配的候選文本的方法流程圖。
[0021]圖10是另一個實施例中聚合類應用的推薦方法的流程圖。
[0022]圖11是一個實施例中隨機選取預設數(shù)量的樣本，對該樣本進行特征選取得到多個特征詞形成詞典的方法流程圖。
[0023]圖12是一個實施例中多方推薦源的聚合方法的流程圖。
[0024]圖13是一個實施例中多方推薦源的聚合方法的應用場景示意圖。
[0025]圖14是一個實施例中聚合類應用的推薦系統(tǒng)的結構框圖。
[0026]圖15是另一個實施例中聚合類應用的推薦系統(tǒng)的結構框圖。
[0027]圖16是另一個實施例中聚合類應用的推薦系統(tǒng)的結構框圖。
[0028]圖17是另一個實施例中聚合類應用的推薦系統(tǒng)的結構框圖。
[0029]圖18是圖15中統(tǒng)計裝置的結構框圖。
[0030]圖19是圖17中內(nèi)容校驗裝置的結構框圖。
[0031]圖20是力19中匹配模塊的結構框圖。
[0032]圖21是另一個實施例中聚合類應用的推薦系統(tǒng)的結構框圖。
[0033]圖22是另一個實施例中聚合類應用的推薦系統(tǒng)的結構框圖。
[0034]圖23是一個實施例中多方推薦源的聚合方法的運行環(huán)境示意框圖。
【具體實施方式】
[0035]體現(xiàn)本發(fā)明特征與優(yōu)點的典型實施方式將在以下的說明中詳細敘述。應理解的是本發(fā)明能夠在不同的實施方式上具有各種的變化，其皆不脫離本發(fā)明的范圍，且其中的說明及圖示在本質(zhì)上是當作說明之用，而非用以限制本發(fā)明。
[0036]如前所述，聚合類應用的發(fā)展將為用戶所進行的內(nèi)容獲取提供了更為便捷的途徑，減少了用戶為從大量的網(wǎng)絡信息，即候選文本中獲取推薦文本所需要的瀏覽量，也簡化了用戶獲取到推薦文本的操作，因此，各種聚合類應用得到較快發(fā)展，并且得到了更一步的性能優(yōu)化，處于不斷嘗試階段。
[0037]無論何種類型的聚合類應用，均面對著一通用的問題，即如何在眾多內(nèi)容大致相同的候選文本中選擇一個較好的候選文本，以供聚合類應用顯示在其界面中，因此，為選取最為優(yōu)質(zhì)的候選文本，特提出了一種聚合類應用的推薦、多方推薦源聚合的方法。該方法可依賴于計算機程序，該計算機程序將運行于計算機系統(tǒng)之上，該計算機系統(tǒng)可以運行于智能手機、平板電腦、個人電腦和筆記本電腦等終端設備中。
[0038]在一個實施例中，具體的，該聚合類應用的推薦方法如圖1所示，包括:
步驟110，根據(jù)聚合類應用中觸發(fā)的內(nèi)容獲取操作發(fā)起內(nèi)容獲取請求。
[0039]聚合類應用是運行于終端設備中，為用戶實現(xiàn)散落于各處的信息收集在一起并擇優(yōu)選取的工具。其中，該信息為文本的形式。也就是說，該聚合類應用適用于文本處理場景。
[0040]例如，聚合類應用是瀏覽器中的小說書架應用，相應的，觸發(fā)的內(nèi)容獲取操作即為小說書架應用的界面中對任一小說中任一章節(jié)所觸發(fā)的選取操作；此外，聚合類應用也可是各種資訊聚合應用，以聚合全網(wǎng)多個站點的新聞資訊，該觸發(fā)的內(nèi)容獲取操作即為某一新聞資訊內(nèi)容的獲取操作。
[0041]步驟130，接收根據(jù)內(nèi)容獲取請求返回的推薦文本。
[0042]其中，該推薦文本是通過預先構建的詞典對內(nèi)容獲取請求相關的多個候選文本統(tǒng)計特征向量和根據(jù)特征向量對多個候選文本進行內(nèi)容校驗得到的。
[0043]聚合類應用在發(fā)起內(nèi)容獲取請求之后，將接收到根據(jù)該內(nèi)容獲取請求所返回的推薦文本，該推薦文本是針對同一內(nèi)容聚合的多個候選文本通過特征向量的統(tǒng)計和經(jīng)由特征向量所實現(xiàn)的內(nèi)容校驗而得到的。特征向量將代表了其所在候選文本的內(nèi)容，因此，可基于特征向量進行候選文本的內(nèi)容校驗，保證了內(nèi)容校驗的準確性，進而使得聚合類應用中接收的推薦文本是當前觸發(fā)獲取的內(nèi)容相關的最佳文本。
[0044]步驟150，加載返回的推薦文本，以進行聚合類應用中的內(nèi)容顯示。
[0045]聚合類應用將加載返回的推薦文本，以將推薦文本中的內(nèi)容顯示在界面上。
[0046]通過如上所述的過程，將使得用戶在獲取一文本內(nèi)容時不需進行大量的瀏覽便可查找得到最佳文本，進而得以實現(xiàn)海量文本內(nèi)容的快速選取。
[0047]以瀏覽器中的小說書架應用為例，在用戶通過瀏覽器進行網(wǎng)絡小說的瀏覽時，若需要某一小說的某一章節(jié)時，由于多個站點均有該網(wǎng)絡小說當前觸發(fā)進行瀏覽的章節(jié)，因此，小說書架應用的界面之上將顯示了多個站點，如圖2所示，用戶可通過對任一站點所觸發(fā)的點擊來進行當前進行內(nèi)容顯示的候選文本的切換，并通過候選文本的逐一切換以獲取得到較佳的候選文本。
[0048]而通過如上所述的過程，將不需要進行候選文本的逐一切換即可得到較佳的候選文本，如圖3所示，進而使得聚合類應用的界面中不需要觸發(fā)任何切換操作，大為簡化了用戶使用過程。
[0049]聚合多方推薦源所提供的候選文本，以保證了任何內(nèi)容均可通過網(wǎng)絡獲取得到，并且通過如上所述的過程，將使得用戶所瀏覽的內(nèi)容是最優(yōu)質(zhì)的候選文本，避免了質(zhì)量參差不齊的候選文本對用戶的瀏覽造成影響。
[0050]進一步的，在本實施例中，該步驟150之前，如上所述的方法還包括:
在存儲的推薦文本中進行查找，以得到與內(nèi)容獲取請求相關的推薦文本，并向聚合類應用返回該推薦文本。
[0051]每一內(nèi)容均有其相關的推薦文本，并預先進行存儲，以便于在接收到任一聚合類應用發(fā)起的內(nèi)容獲取請求時可快速地向該聚合類應用返回推薦文本，保證非常低的客戶端延時。
[0052]具體的，每一內(nèi)容均有相應的標識信息，并以標識信息為索引與推薦文本進行關聯(lián)存儲，以便于實現(xiàn)推薦文本的快速查找。
[0053]例如，對于網(wǎng)絡小說而言，一網(wǎng)絡小說被劃分為多個章節(jié)，該內(nèi)容即為章節(jié)所對應的文字內(nèi)容，因此，該內(nèi)容所對應的標識信息將包括了所在網(wǎng)絡小說的標識號碼和章