[发明专利]图书交叉阅读方法

权利要求书

1.一种图书交叉阅读方法，其特征在于包括它的步骤如下：

(1)构建图书章节指纹：融合图书章节特征向量和图书类别特征向量，为图书的每个章节构建主题敏感向量，然后再用相似度哈希算法构建图书章节指纹；

(2)构建统一索引：将图书章节指纹转变为语义单词集合，并用全文检索方法为语义单词集合、图书章节名称、图书分类信息建立统一索引；

(3)图书章节推荐：依据图书章节间的距离，为用户推荐相关图书章节，并基于用户的访问行为，利用流形排序算法进行重排序。

2.根据权利要求1所述的图书交叉阅读方法，其特征在于所述的步骤（1）包括：

2.1对于所有的图书，根据目录将一本图书拆分为章节集合，每个章节作为一个文档进行保存，同时将章节的名称、图书的名称、图书的分类信息作为章节的元数据保存；

2.2对所有的章节进行自然语言处理，通过分词、词性标注、停用词去除和词组检测步骤提取章节包含的名词和名词短语，将章节转变为单词的集合；

2.3根据章节所在图书的分类，构建每个分类的章节集合，分别计算每个章节中所有单词的tfidf(t,d)值和每个分类中所有单词的tfidf(t,c)值：

tfidf(t,d)=tf(t,d)*idf(t,D),d∈D

tfidf(t,c)=tf(t,c)*idf(t,C),c∈C

其中tf(t,d)是指单词t在文档d中出现的次数，idf(t,D)被称为逆文档频率，可以由总文档数目|D|除以包含单词t的文档的数目，再将得到的商取对数，tf(t,c)是指单词t在分类c中出现的次数，idf(t,C)则可以由总分类数|C|除以包含单词t的分类的数目，再将得到的商取对数，当tfidf(t,c)大时，表示单词t在分类c中常出现，而在其他的分类中则不常出现，此时单词t被认为是分类c的主题相关词，当tfidf(t,d)大而tfidf(t,c)小时，则单词t被认为是文档d的文档相关词，而tfidf(t,d)小时，则单词t被认为是背景单词或停用词；选择tfidf(t,c)大于阈值δ的单词作为类别的主题相关词，即T(c)={t|tfidf(t,c)>δ,c∈C}，其中δ∈[0,1)；文档特征向量用表示，其中w_i(d)表示文档主题相关词的tfidf(t,d)值，类别特征向量用表示，其中w_i(c)表示类别主题相关词的tfidf(t,c)值，最后根据和调节文档向量为d′→={w′1(d),w′2(d),...,w′N(d)},]]>其中wi′(d)=wi(d)*wi(c);]]>

2.4构建图书章节指纹F的相似度哈希算法的步骤包括：首先输入文档d的特征向量并初始化向量V,向量V每个元素置为零，然后对于文档d中的每个单词w_i，应用哈希函数θ,得到向量对于中的每个元素如果那么否则最后处理完文档d中的所有单词后，对于所有的{i=1……l}，l是向量V的长度，如果V_i>0,那么F_i=1，否则F_i=0。