具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

说明书和权利要求书中使用的术语“包括”不应解释为限制于其后列出的内容；它不排除其它的元件或步骤。因此，其应当诠释为指定所提到的所述特征、整体、步骤或部件的存在，但并不排除存在或添加一个或更多其它特征、整体、步骤或部件及其组群。因此，表述“包括装置A和B的设备”不应局限为仅由部件A和B组成的设备。

本说明书中提到的“一个实施例”或“实施例”意味着与该实施例结合描述的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在本说明书各处出现的用语“在一个实施例中”或“在实施例中”并不一定都指同一实施例，但可以指同一实施例。此外，在一个或多个实施例中，能够以任何适当的方式组合各特定特征、结构或特性，如从本公开对本领域的普通技术人员显而易见的那样。

下面结合附图对本申请实施例进行详细说明。

如图1所示为本申请实施例提供的一种提取读者兴趣标签的方法的流程图，该方法通过对读者在数字资源内容阅读过程中的阅读行为进行分析，同时获取阅读行为操作的内容对象，通过标签提取技术提取内容对象的标签，然后进行标签的兴趣度计算，将计算完成的兴趣度进行排序，从而获得读者的兴趣标签。从而为读者的个性化推荐提供更精准的内容基础。如图1，该方法包括：

S10：采集读者在阅读过程中的阅读行为。

读者在对数字内容进行阅读的过程中，往往会根据个人兴趣和学习需要对数字内容中感兴趣的部分进行各种操作，例如复制部分内容、对感兴趣的文字划线或者加亮、对引发自己深入思考的文字、图片、表格进行批注等阅读行为操作，本方法通过识别并采集读者在阅读过程中的该阅读行为，可获取读者的这些阅读行为所对应的内容对象。

S20：获取所述阅读行为对应的内容对象，提取所述内容对象对应的标签；

具体的，获取阅读行为对应的内容对象的方式可通过版面分割和版面分析得到：

版面分割：对所述阅读行为对应的文档版面进行分析，对所述版面的页眉页脚、页边距进行处理，确定文档版心位置，同时将文本、图像、表格分割为不同的版面区域(每个版面区域可用于表示一幅图、一个表格、一个段落或一个文字行)；

版面分析：对所述不同的版面区域进行版面元素提取和预处理，获取所述版面区域内的内容对象。其中，版面元素提取可以包括对文本、图像、表格等内容的提取，预处理可以包括对提取的内容中的修饰字符、排版控制字符、艺术类字符和重叠类字符进行过滤，对标准编码字符进行转码，对非标准编码字符进行轮廓提取和识别等。

根据上述获取的阅读行为对应的内容对象，可对该内容对象进行标签提取，得到内容对象中的多个标签，以及每个标签与阅读行为的对应关系，其中，该提取标签的方式可以为文本分析、图像分析、表格分析等：

文本分析：获取所述文本中的文字内容信息，提取所述文字内容信息中的标签；

图像分析：识别所述图像中的文字，提取所述文字的标签；或者，对所述图像的内容进行理解，提取图像内容对应的标签；

表格分析：识别所述表格的内容，提取表格内容对应的标签。

基于上述文本分析、图像分析或表格分析提取的标签，将标签与所述阅读行为进行进一步绑定，建立标签与阅读行为的对应关系，以便于为后续兴趣度计算提供计算依据。

S30：根据所述阅读行为对所述标签进行兴趣度计算，并根据计算结果进行排序；

本实施例中，读者可执行的阅读行为包括批注、复制、加亮、下划线、椭圆标注、矩形标注、自由画线等操作，通过为每个阅读行为分别设置兴趣度权重，根据上述建立的标签与阅读行为的对应关系，可根据每个标签对应的至少一个阅读行为，计算每个标签的兴趣度。例如，读者在阅读过程中，在第一章出现“自我观念”这个标签的地方做了划线，但在第二章出现“自我观念”这个标签的地方做了划线和批注。我们认为一个标签被标注的阅读行为的次数越多，读者对它的兴趣度越高。标签与阅读行为的对应关系可记录为：如[“自我观念”，“划线”][“自我观念”，“批注”]说明“自我观念”这个标签出现的地方有一处划线和一处做了批注。[“自我意识”，“划线”][“自我意识”，“划线”][“自我意识”，“批注”][“自我意识”，“加亮”]说明“自我意识”标签出现的地方有2处做了划线、一处做了批注和一处做了加亮操作。则兴趣度的计算方式如下：

兴趣度权重(a₁、a₂、a₃、a₄、a₅、a₆、a₇)分别代表批注、复制、加亮、下划线、椭圆标注、矩形标注、自由画线操作时的兴趣度权重。那么,“自我观念”的兴趣度为：

I(自我观念)＝a₁+a₂

而“自我意识”的兴趣度为：

I(自我意识)＝a₁+a1+a₂+a₃

标签的兴趣度采用的是线性计算方式，即每多增加一次操作，权重就相应的加上阅读行为的权重值。

S40：根据所述排序确定读者的兴趣标签。

根据上述步骤计算得到的每个标签的兴趣度，可进行排序，以得到读者的兴趣标签。

在一些实施例中，可将确定的读者的多个兴趣标签(例如十个)作为个性化推荐的依据，向读者进行包含该多个兴趣标签的数字资源的个性化推荐。

下面参照图2-图5所示的具体示意图，对本申请实施例中阅读行为的识别与内容对象的标签提取过程进行进一步的详细解释。其中，该图2-图5中的文字不代表具体意义，仅用于对本申请实施例的提取读者兴趣标签的方法进行解释。

图2为本申请实施例中的读者对一段文本划线操作的示意图，通过本方法，可识别出图2中读者对该段文本进行了划线操作，通过版面理解技术或者文档分析技术获取划线部分的内容对象，然后对该内容对象进行标签提取。提取出的标签包括“货币市场、融资期限、中央银行、资金交易、金融调控”。保存标签与阅读行为的关系，即[“货币市场”，“划线”]、[“融资期限”，“划线”]、[“中央银行”，“划线”]、[“资金交易”，“划线”]、[“金融调控”，“划线”]。

图3为本申请实施例中的读者对另一端文本划线操作的示意图，通过本方法，可识别出图3中读者对该段文本进行了划线操作，通过版面理解技术或者文档分析技术获取划线部分的内容对象，然后对该内容对象进行标签提取。提取出的标签包括“中央银行、金融调控、货币供给、经济目标”。保存标签与阅读行为的关系，即[“中央银行”，“划线”]、[“金融调控”，“划线”]、[“货币供给”，“划线”]、[“经济目标”，“划线”]。

图4为本申请实施例中的读者对图片进行矩形标注的示意图，通过本方法，可识别出图4中读者对图片进行了矩形框标注操作，通过对图片内容分析，提取图片标签。提取的标签包括“货币资金、金融工具、保险公司、证券公司、商业银行”。保存标签与阅读行为的关系，即[“货币资金”，“矩形框”]、[“金融工具”，“矩形框”]、[“保险公司”，“矩形框划线”]、[“证券公司”，“矩形框”]、[“商业银行”，“矩形框”]。

图5为本申请实施例中的读者对文本进行加亮操作的示意图，通过本方法，可识别出图5中读者对该段文字进行了加亮操作，通过版面理解技术或者文档分析技术获取划线部分的内容对象，然后对该内容对象进行标签提取。提取出的标签包括“中央银行、金融调控、货币政策、经济政策”。保存标签与阅读行为的关系，即[“中央银行”，“加亮”]、[“金融调控”，“加亮”]、[“货币政策”，“加亮”]、[“经济政策”，“加亮”]。

基于上述图2-图5所提取的标签，以及保存的标签与阅读行为的对应关系，可标签兴趣度计算公式，分别计算出每个标签的兴趣度进行计算，其中，兴趣度参数(a₁、a₂、a₃、a₄、a₅、a₆、a₇)分别代表批注、复制、加亮、下划线、椭圆标注、矩形标注、自由画线操作时的兴趣度权重，假设权重都相同为1(根据实际情况可以设置不同权重值)，则计算方式如下：

如：标签“融资期限”，只做了划线操作，所以融资期限兴趣度为I(融资期限)＝a₄＝1；

如：标签“金融调控”，在两段划线标记和一个加亮标记中都出现了，所以“金融调控”的兴趣度为I(金融调控)＝a₄+a₄+a₃＝3；

如：标签“货币资金”，是从图片中提取的，读者做了矩形框操作，所以“货币资金”的兴趣度为：I(货币资金)＝a₆＝1；

以此类推可分别计算出系统提取出的读者阅读行为的所有标签的兴趣度。

根据上述计算出的每个标签的兴趣度，可对标签兴趣度进行排序，得到读者的兴趣标签，在一些实施例中，还可将排在头部的多个兴趣标签作为读者个性化推荐的依据，根据该多个兴趣标签为读者进行数字资源的个性化推荐。

综上，本申请实施例通过对读者在数字资源的阅读过程中的阅读行为(如批注、复制、加亮、下划线、椭圆标注、矩形标注、自由画线等)进行分析，同时通过版面理解技术获取阅读行为对应的内容对象，通过标签提取技术提取内容对象的标签，然后进行标签的兴趣度计算，将计算完成的兴趣度进行排序，从而获得读者最感兴趣的标签，再配合对整篇数字资源的读者行为的分析数据，可以大幅提高读者兴趣的准确度，从而为精准推荐提供更好的基础。

图6是本申请实施例提供的一种计算设备1500的结构性示意性图。该计算设备1500包括：处理器1510、存储器1520、通信接口1530、总线1540。

应理解，图6所示的计算设备1500中的通信接口1530可以用于与其他设备之间进行通信。

其中，该处理器1510可以与存储器1520连接。该存储器1520可以用于存储该程序代码和数据。因此，该存储器1520可以是处理器1510内部的存储单元，也可以是与处理器1510独立的外部存储单元，还可以是包括处理器1510内部的存储单元和与处理器1510独立的外部存储单元的部件。

可选的，计算设备1500还可以包括总线1540。其中，存储器1520、通信接口1530可以通过总线1540与处理器1510连接。总线1540可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。所述总线1540可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。

应理解，在本申请实施例中，该处理器1510可以采用中央处理单元(centralprocessing unit，CPU)。该处理器还可以是其它通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。或者该处理器1510采用一个或多个集成电路，用于执行相关程序，以实现本申请实施例所提供的技术方案。

该存储器1520可以包括只读存储器和随机存取存储器，并向处理器1510提供指令和数据。处理器1510的一部分还可以包括非易失性随机存取存储器。例如，处理器1510还可以存储设备类型的信息。

在计算设备1500运行时，所述处理器1510执行所述存储器1520中的计算机执行指令执行上述方法的操作步骤。

应理解，根据本申请实施例的计算设备1500可以对应于执行根据本申请各实施例的方法中的相应主体，并且计算设备1500中的各个模块的上述和其它操作和/或功能分别为了实现本实施例各方法的相应流程，为了简洁，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行上述方法，该方法包括上述各个实施例所描述的方案中的至少之一。

本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本申请的较佳实施例及所运用的技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请的构思的情况下，还可以包括更多其他等效实施例，均属于本申请的保护范畴。