本发明涉及计算机技术领域，具体涉及一种电子书推荐方法、电子设备及计算机存储介质。
背景技术：
目前，随着手机等移动终端的普及以及电子书阅读器的发展，电子书越来越受阅读用户的青睐。
在用户使用阅读器的过程中，一类场景是，在用户浏览电子书的过程中，系统会主动向用户推荐一些电子书，但是现有的推荐方案都是根据被推荐用户的阅读历史数据进行推荐，或者通过分析用户偏好进行推荐，这些推荐方式仅考虑被推荐用户的喜好，导致推荐出的电子书类型比较单一，推荐效果不佳；另一类场景是，用户通过输入搜索条件检索电子书，如果搜索条件的范围过于宽泛，如输入“惊悚”等关键词，则检索到的搜索结果很多，用户还需不断的查找才能找到真正感兴趣的电子书，用户体验较差。
技术实现要素：
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电子书推荐方法、电子设备及计算机存储介质。
根据本发明的一个方面，提供了一种电子书推荐方法，用于向第一用户推荐电子书，该方法包括：查找与所述第一用户属性相似的至少一个第二用户；根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；从所述电子书集合中选取电子书推荐给所述第一用户。
根据本发明的另一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行以下操作：查找与所述第一用户属性相似的至少一个第二用户；根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；从所述电子书集合中选取电子书推荐给所述第一用户。
根据本发明的又一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行以下操作：查找与所述第一用户属性相似的至少一个第二用户；根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；从所述电子书集合中选取电子书推荐给所述第一用户。
根据本发明的电子书推荐方法、电子设备及计算机存储介质，提供了一种新的互补推荐电子书的方式，可以在属性相似的相似用户之间进行互补推荐，由于这种推荐方式考虑到了用户之间的阅读习惯、阅读偏好等多维度的属性的相似情况，因此，推荐的电子书类型更丰富，能进一步扩展用户的兴趣点或关注点，更符合用户实际需求，推荐效果更佳。
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
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：
图1示出了本发明实施例一提供的电子书推荐方法的流程图；
图2示出了本发明实施例二提供的电子书推荐方法的流程图；
图3示出了本发明实施例三提供的电子书推荐方法的流程图；
图4示出了根据本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开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公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的电子书推荐方法的流程图，用于向第一用户推荐电子书。如图1所示，该方法包括以下步骤：
步骤s101，查找与第一用户属性相似的至少一个第二用户。
在本发明中，将有电子书推荐需求的用户称为第一用户，根据各用户的属性相似度，将与第一用户属性相似的用户称为第二用户。其中，电子书推荐需求可以为某些场景下系统的主动推荐需求，也可以为根据第一用户的搜索请求得到的推荐需求；例如，用户在搜索框中键入搜索词，或者系统在“猜你喜欢”等专栏中进行主动推荐等场景。
本步骤中，将各个用户的至少一个属性的属性特征与第一用户在该至少一个属性上的属性特征进行相似性计算，若相似性计算的结果满足预设条件，则确定对应的用户为与第一用户属性相似的第二用户。
其中，至少一个属性为包括用户的性别、职业、用户的阅读偏好以及用户的阅读习惯等信息的属性。例如，用户1喜欢阅读科幻类的书籍，另外有用户2喜欢阅读恐怖类的书籍，用户3喜欢科幻类的书籍，则用户1和用户3在阅读偏好属性上具有相似性。通过利用以上多个属性特征进行属性相似性计算，可以根据属性相似性计算结果由高到低的顺序进行排序，根据排序结果确定至少一个第二用户；或者，将与第一用户的属性相似性计算结果高于预设阈值的用户查找出作为第二用户。
步骤s102，根据至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合。
本步骤中，将至少一个第二用户的阅读历史数据，例如阅读书籍、购买书籍、收藏书籍、或分享书籍，确定为第一用户可能感兴趣的电子书，并将这些电子书添加到用户互补推荐的电子书集合以作为候选的推荐给第一用户的电子书。其中，确定第一用户可能感兴趣的电子书可以通过多种方式实现，本实施例对此不做具体限定。一种可选的方式为：通过预测第一用户对至少一个第二用户的阅读历史数据中的各本电子书的满意度或偏好度，并根据预测结果确定第一用户可能感兴趣的电子书。
步骤s103，从电子书集合中选取电子书推荐给第一用户。
具体地，结合当前的电子书推荐需求，例如，用户的搜索请求，或系统的推荐需求，从推荐需求中获取需求信息，并根据需求信息从电子书集合中选取预设数量，和/或满足需求信息的电子书推荐给第一用户，进而使得本次推荐能够最大程度的满足推荐需求。例如，电子书集合中共有100本书，并且电子书推荐需求来自第一用户的搜索请求，该搜索请求携带的搜索条件包括：最近更新，20万字以内，恐怖类以及免费等标签，则可以从电子书集合中选取能够最大程度的满足上述搜索条件的电子书推荐给第一用户。
根据本实施例提供的电子书推荐方法，可以用于向第一用户推荐电子书，首先查找出与第一用户属性相似的至少一个第二用户，该第二用户在用户阅读习惯、阅读偏好、职业等属性上与第一用户相似；从至少一个第二用户的阅读历史数据中筛选出用于互补推荐的电子书集合，则可以理解为，第二用户阅读过的书籍第一用户也会关心或喜欢，因而将该电子书集合作为候选的推荐给第一用户的电子书；根据推荐需求体现出的需求信息从电子书集合中选取最能够满足本次推荐需求的电子书推荐给第一用户。利用本实施例的电子书推荐方法，可以在属性相似的用户之间进行互补推荐，该推荐方式考虑到了用户之间多个维度的属性的相似情况，推荐的电子书类型更丰富，能进一步扩展用户的兴趣点或关注点，更符合用户实际需求，推荐效果更佳。进一步的，当用户通过输入搜索条件检索电子书时，也可以利用本实施例的方法在互补推荐得到的电子书集合中查找与搜索条件匹配的电子书推荐给用户，推荐结果更加精准，提升了用户的体验度。
实施例二
图2示出了本发明实施例二提供的电子书推荐方法的流程图。本实施例应用于系统主动向第一用户推荐电子书的场景，如图2所示，该方法包括：
步骤s201，根据至少一个预设维度的属性信息计算用户之间的属性相似度。
由于本发明方案主要适用于电子书推荐上，因此为了使根据相似用户的阅读历史数据确定的候选的推荐给第一用户的电子书集合能够更贴合第一用户的兴趣以及关注点，需要从至少一个预设维度上计算用户之间的属性相似度；并且，该至少一个预设维度以能够体现出用户的阅读习惯或阅读偏好为选取原则，换言之，确定的预设维度应对判断用户的阅读习惯或阅读偏好有价值。
可选的，至少一个预设维度的属性信息包括：用户终端上的已安装应用列表信息、书架中的电子书列表信息、用户的支付行为信息、用户的阅读历史数据、用户的阅读偏好信息、用户的阅读时长信息、和/或用户的自然属性信息。其中，用户终端上的已安装应用列表信息可以反映出用户经常关注的信息的类型，例如，用户终端上安装有多款金融类的应用，则表明该用户较关注金融类的信息；书架中的电子书列表信息可以反映出用户的兴趣爱好，例如，用户的书架中主要有科幻类、推理类的电子书，则表明该用户对上述两类电子书感兴趣；用户的支付行为信息可以反映出用户的支付能力，以及阅读时是否愿意选择付费电子书，例如，用户在一个月内在阅读器上花费了100元购书，则表明该用户的支付能力较强，愿意阅读更为优质的书籍；用户的阅读历史数据能够较全面的发映出用户的阅读行为，通过对该阅读历史数据的分析，能够得到用户的阅读习惯等信息；用户的阅读偏好信息可以反映出用户偏好的电子书的类型、电子书的内容长度以及作者等信息；用户的时长信息指用户在阅读器上累积的阅读时长，其可以反映出用户是否为一个资深的阅读爱好者；用户的自然属性信息包括用户的性别、年龄等信息，其可以反映出用户所属的用户群体。
具体地，可以选取包括但不限于上述提到的至少一个维度的属性信息为本实施例中的至少一个预设维度的属性信息，例如，选取书架中的电子书列表信息、用户的阅读历史数据、用户的属性偏好信息以及用户的阅读时长信息为预设维度的属性信息；然后将各个用户对应这些预设维度的属性信息与第一用户的属性信息进行相似度计算，得到各个用户与第一用户的属性信息的相似度。并且，计算相似度的方法可以为多种，例如，皮尔逊相关度评价法、欧几里德距离评价法等。其中，一种可选相似度计算的方式为：根据各个预设维度的属性信息对用户阅读行为的影响的大小为各个预设维度的属性信息设置对应的权重，计算第一用户与每个用户的各个预设维度的属性信息的相似度，并将对应各个预设维度的属性信息的相似度乘以该预设维度的属性信息的权重，再进行求和计算，进而得到各个用户与第一用户之间的相似度，该种方式能够考虑到各个预设维度的属性信息对用户阅读行为的参考价值，因此计算结果能较准确的体现用户之间阅读行为的相似情况。
对应的，计算出的相似度越高，则用户之间的属性相似性越高。
步骤s202，查找出与第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
在计算出各个用户与第一用户之间在预设维度的属性信息上的属性相似度后，将对应属性相似度高于预设阈值的用户确定为第二用户。其中，预设阈值可以是一个根据经验值固定设置的常量。
步骤s203，分别采集第一用户和至少一个第二用户的阅读历史数据；根据第一用户和至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合。
在本步骤中，根据第一用户和至少一个第二用户的阅读历史数据，对第二用户的阅读历史数据中第二用户阅读过的或者产生过交互行为的书籍进行初次筛选，得到能够作为推荐给第一用户的候选的电子书籍集合，因此，在有推荐需求的情况下，可以将该电子书集合中的电子书互补推荐给第一用户。
具体地，根据第一用户和至少一个第二用户的阅读历史数据筛选互补推荐的电子书集合，可以通过多种方式来实现，本实施例在此以两种较典型的方式进行说明：方式一，通过排重处理的方式筛选；方式二，利用协同过滤算法筛选。
方式一，通过排重处理的方式筛选。具体地，对第一用户和至少一个第二用户的阅读历史数据进行排重处理，根据排重处理的结果确定用于互补推荐的电子书集合。
其中，排重处理包括：第一步，为了避免推荐给第一用户的电子书为第一用户已经阅读过的书籍，根据第一用户的阅读历史数据，从至少一个第二用户的阅读历史数据中排除第一用户已经阅读过的电子书；第二步，排除多个第二用户的阅读历史数据中存在重复的电子书，使电子书集合中的每一本电子书都是唯一的，避免在同一次推荐中给第一用户推荐了多本相同的电子书；第三步，将经过上述排重处理后得到的电子书添加到互补推荐给第一用户的电子书集合中。
下面以一个示例进行说明：
第一用户的阅读历史数据中包括的书籍有a，b，d，e，h；
与第一用户属性相似的至少一个第二用户包括第二用户1，第二用户2；
且第二用户1的阅读历史数据中包括的书籍有b，c，d，e，f；
第二用户2的阅读历史数据中包括的书籍有a，c，d，g。
第一步，从至少一个第二用户的阅读历史数据中排除第一用户的阅读历史数据中已有的书籍a，b，d，e，h，剩余的对应第二用户1的书籍有c，f，剩余的对应第二用户2的书籍有c，g；第二步，从第二用户1和第二用户2剩余的书籍中排除重复的书籍c；第三步，得到互补推荐给第一用户的电子书集合为{c，f，g}。
另外，需要说明的是，虽然上述示例的方式一中，是以第一步、第二步、第三步的顺序进行排重处理的，但在本实施例中，对排重处理的执行顺序没有具体限定，只要只能达到上述排重处理的效果的顺序，均包含在本发明的范围内。例如，调整上述第一步和第二步的顺序，仍然不影响排重处理的效果。
方式二，利用协同过滤算法筛选。具体地，根据第一用户和至少一个第二用户的阅读历史数据，利用协同过滤算法从第二用户的已阅读的电子书中过滤得到用于互补推荐的电子书集合。
在获取到第一用户和至少一个第二用户的阅读历史数据后，首先为了避免重复推荐，需要从至少一个第二用户的阅读历史数据中选取第一用户的阅读历史数据中不包括的书籍；再针对各个第二用户，并基于对应的第二用户的阅读历史数据，对选取出的书籍分别进行满意度或偏好度的计算；最后根据计算结果，以及各个第二用户与第一用户的相似度，预测得到第一用户对选取出的书籍的满意度或偏好度。在本步骤中，可以根据利用协同过滤算法预测得到的第一用户对选取出的书籍的满意度或偏好度筛选出预设数量或满足预设条件的书籍添加到互补推荐给第一用户的电子书集合中。
下面仍以上述示例进行说明：
首先，从至少一个第二用户的阅读历史数据中选取第一用户的阅读历史数据中不包括的书籍，得到选取出的书籍c，f，g；再从第二用户1的阅读历史数据中获取书籍c，f，g的相关数据，例如第二用户1点击书籍c，f，g的次数及频率，根据这些相关数据计算第二用户1对书籍c，f，g的满意度或偏好度，并利用同样的方式计算第二用户2对书籍c，f，g的满意度或偏好度，例如，计算得到第二用户1对书籍c，f，g的满意度或偏好度值为3.4,4.4,0，第二用户2对书籍c，f，g的满意度或偏好度值为5.3,0,3.2；最后结合第一用户分别与第二用户1和第二用户2的相似度，预测得到第一用户对书籍c，f，g的满意度或偏好度。一种可选的预测方式为：将第二用户1和第二用户2分别对同一本书的满意度或偏好度乘以对应第二用户与第一用户之间的相似度，并求和，例如，第二用户1和第二用户2与第一用户的相似度分别为0.96,0.98，则可以预测第一用户对书籍c，f，g的满意度或偏好度分别为(0.96*3.4+0.98*5.3)，(0.96*4.4+0.98*0)，(0.96*0+0.98*3.2)。
由于在实际实施时，预测出的第一用户对选取出的不同书籍的满意度或/偏好度的差异较大，因此，在本步骤中将利用协同过滤算法预测出的结果进行筛选，确定一部分第一用户的满意度或偏好度高的书籍作为互补推荐给第一用户的电子书集合。
虽然本实施例中仅以排重处理和协同过滤算法两种确定电子书集合的方式进行说明，但是本领域的技术人员应该理解的是：并不能以此两种方式作为对本发明的限定，换言之，任何现有的能够实现从相似用户的阅读历史数据中确定用于互补推荐的电子书集合的方式均包含在本发明的范围内。
步骤s204，获取第一用户的用户画像信息和/或用户状态信息；从电子书集合中选取与用户画像信息和/或用户状态信息匹配的电子书推荐给第一用户。
本步骤中，获取第一用户的用户画像信息和/或用户状态信息，并据此信息分析第一用户的阅读偏好和/或第一用户当前的阅读需求，然后从电子书集合中选取与第一用户的阅读偏好和/或第一用户当前的阅读需求的匹配的电子书推荐给第一用户，因此能够使推荐给第一用户的电子书既是用户偏好的以及当前需求的，又能减少推荐给第一用户的电子书的数量，降低用户选择的难度。
其中，用户画像信息包括用户的性别、职业、和/或用户的阅读习惯等会影响用户的阅读行为或阅读偏好的信息。具体地，当有推荐需求时，可以从系统中记录的与第一用户相关的信息，或第一用户的阅读历史数据中获取第一用户的画像信息。更具体地，第一用户在使用阅读终端进行阅读时，会选取一些个人信息或与阅读取向相关的信息，例如，选取性别、职业等信息。
其中，用户状态信息是指：能够体现用户当前的阅读需求的信息。可选的，用户状态信息包括：用户地理位置信息、用户最近阅读的电子书及其分类信息、和/或当前时间信息。具体地，当有推荐需求时，获取与此次推荐需求相关的信息。更具体地，第一用户触发推荐请求时，系统获取请求携带的数据，或获取与该请求对应的信息。例如，获取请求触发的时间点作为当前时间信息，根据用户终端联网的网关对应的ip或基站对应的标识码获取用户地理位置信息，根据用户行为日志获取用户最近阅读的电子书及其分类信息。
在获取到上述第一用户的用户画像信息和用户状态信息后，根据这些信息从电子书集合中选取推荐给第一用户的电子书。具体地，将电子书集合中各本电子书与获取的信息匹配，例如，将各本电子书与第一用户的当前时间信息和用户偏好匹配，假设推荐请求触发的时间在上午7点至9点之间，并且第一用户喜爱科幻类的书籍，则包括短篇的科幻小故事的电子书能够很好的满足此次请求；将匹配结果为与用户的阅读行为或阅读偏好相符，和/或与用户的当前阅读需求相符的电子书推荐给第一用户。
根据本实施例提供的电子书推荐方法，可以用于向第一用户推荐电子书，根据至少一个预设维度的属性信息计算用户之间的属性相似度，查找出与第一用户之间的属性相似度高于预设阈值的至少一个第二用户，该第二用户在用户阅读习惯、阅读偏好、职业等属性上与第一用户相似；采集第一用户和至少一个第二用户的阅读历史数据，通过排重处理或协同过滤算法等方式确定用于互补推荐的电子书集合，因而能够避免重复推荐，和/或避免第一用户对推荐的电子书偏好度不高的情况；获取第一用户的用户画像信息和/或用户状态信息，分析出第一用户的阅读偏好和/或当前的阅读需求，以用于对电子书集合中的电子书进行再次筛选，使推荐给第一用户的电子书既是用户偏好的以及当前需求的，又能减少推荐给第一用户的电子书的数量，降低用户选择的难度。
实施例三
图3示出了本发明实施例三提供的电子书推荐方法的流程图，本实施例应用于第一用户输入搜索条件发起电子书搜索请求的场景。如图3所示，该方法包括以下步骤：
步骤s301，接收第一用户发送的携带搜索条件的电子书搜索请求。
在用户使用阅读器的过程中，会有目的的去搜索一些满足搜索条件的电子书，例如，阅读器会提供一些搜索标签，如“畅销”、“言情”、“10万字以上”、“最近更新”等标签供用户选择，用户通过选择搜索标签输入搜索条件，发起电子书搜索请求。
步骤s302，根据至少一个预设维度的属性信息计算用户之间的属性相似度。
步骤s303，查找出与第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
步骤s304，分别采集第一用户和至少一个第二用户的阅读历史数据；根据第一用户和至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合。
上述步骤s302至步骤s304的实现原理与具体执行过程可参见图2对应的实施例中的步骤s201至步骤s203的描述，在此不再赘述。
步骤s305，从电子书集合中选取与搜索条件匹配的电子书推荐给第一用户。
在第一用户直接发送携带搜索条件的电子书搜索请求的场景中，阅读器可以直接获取该搜索条件。该种情况下，第一用户的搜索条件为推荐时需要主要考虑的因素，而用户画像信息和/或用户状态信息可以作为从电子书集合中选取符合用户当前的搜索需求的附加条件。
具体地，将电子书集合中的各本电子书与搜索条件中的各个条件相匹配，例如，将各本电子书的字数、所属的分类以及更新时间等信息与搜索条件中对应的需求匹配，将匹配结果为与用户的搜索条件相符的电子书推荐给第一用户。
根据本实施例提供的电子书推荐方法，可以用于第一用户进行电子书搜索的场景，在该场景中，用户的搜索请求中对应的搜索条件是进行互补推荐主要考虑的因素。具体实施时，根据第一用户的搜索请求获取用户的搜索条件；根据至少一个预设维度的属性信息计算用户之间的属性相似度，查找出与第一用户之间的属性相似度高于预设阈值的至少一个第二用户，该第二用户在用户阅读习惯、阅读偏好、职业等属性上与第一用户相似；采集第一用户和至少一个第二用户的阅读历史数据，通过排重处理或协同过滤算法等方式确定用于互补推荐的电子书集合，因而能够避免重复推荐，和/或避免第一用户对推荐的电子书偏好度不高的情况；从电子书集合中选取符合搜索条件的电子书推荐给第一用户，以使推荐给第一用户的电子书最符合用户此次的搜索需求。
另外，利用本实施例三的方案，还可以解决搜索无内容，或解决书荒的问题。如果第一用户输入的搜索条件很具体导致系统未能找到与搜索条件完全匹配的电子书时，系统可以从用于互补推荐的电子书集合中查找一些电子书推荐给用户，这里查找的电子书未必与搜索条件相匹配。例如，第一用户输入某一本冷门书籍的搜索请求，系统未检索到该书籍，可以提示“未查找到此书籍，但您可能对以下数据感兴趣：”。通过这种推荐方式，可以避免用户在查无此书时关闭阅读器而导致的用户流失问题。
实施例四
本发明实施例四还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电子书推荐方法。
可执行指令具体可以用于使得处理器执行以下操作：
查找与所述第一用户属性相似的至少一个第二用户；
根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；
从所述电子书集合中选取电子书推荐给所述第一用户。
在一种可选的方式中，所述可执行指令还使所述处理器执行以下操作：
根据至少一个预设维度的属性信息计算用户之间的属性相似度；
查找出与所述第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
在一种可选的方式中，所述至少一个预设维度的属性信息包括：用户终端上的已安装应用列表信息、书架中的电子书列表信息、用户的支付行为信息、用户的阅读历史数据、用户的阅读偏好信息、用户的阅读时长信息、和/或用户的自然属性信息。
在一种可选的方式中，所述可执行指令还使所述处理器执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
所述确定用于互补推荐的电子书集合具体为：对第一用户和至少一个第二用户的阅读历史数据进行排重处理，根据排重处理的结果确定用于互补推荐的电子书集合。
在一种可选的方式中，所述可执行指令还使所述处理器执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
根据第一用户和至少一个第二用户的阅读历史数据，利用协同过滤算法从第二用户的已阅读的电子书中过滤得到用于互补推荐的电子书集合。
在一种可选的方式中，所述可执行指令进一步使所述处理器执行以下操作：
获取第一用户的用户画像信息和/或用户状态信息；
从电子书集合中选取与用户画像信息和/或用户状态信息匹配的电子书推荐给第一用户。
在一种可选的方式中，所述用户状态信息包括：用户地理位置信息、用户最近阅读的电子书及其分类信息、和/或当前时间信息。
在一种可选的方式中，所述可执行指令还使所述处理器执行以下操作：
接收用户发送的携带搜索条件的电子书搜索请求；
所述从电子书集合中选取电子书推荐给所述第一用户具体为：从电子书集合中选取与所述搜索条件匹配的电子书推荐给所述第一用户。
实施例五
图4示出了根据本发明实施例五提供的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(communicationsinterface)404、存储器(memory)406、以及通信总线408。
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，具体可以执行上述电子书推荐方法实施例中的相关步骤。
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。
处理器402可能是中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，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。电子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。
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-volatilememory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
查找与所述第一用户属性相似的至少一个第二用户；
根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；
从所述电子书集合中选取电子书推荐给所述第一用户。
在一种可选的方式中，程序410具体还可以用于使得处理器402执行以下操作：
根据至少一个预设维度的属性信息计算用户之间的属性相似度；
查找出与所述第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
在一种可选的方式中：所述至少一个预设维度的属性信息包括：用户终端上的已安装应用列表信息、书架中的电子书列表信息、用户的支付行为信息、用户的阅读历史数据、用户的阅读偏好信息、用户的阅读时长信息、和/或用户的自然属性信息。
在一种可选的方式中，程序410具体还可以用于使得处理器402执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
所述确定用于互补推荐的电子书集合具体为：对第一用户和至少一个第二用户的阅读历史数据进行排重处理，根据排重处理的结果确定用于互补推荐的电子书集合。
在一种可选的方式中，程序410具体还可以用于使得处理器402执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
根据第一用户和至少一个第二用户的阅读历史数据，利用协同过滤算法从第二用户的已阅读的电子书中过滤得到用于互补推荐的电子书集合。
在一种可选的方式中，程序410具体可以进一步用于使得处理器402执行以下操作：
获取第一用户的用户画像信息和/或用户状态信息；
从电子书集合中选取与用户画像信息和/或用户状态信息匹配的电子书推荐给第一用户。
在一种可选的方式中：所述用户状态信息包括：用户地理位置信息、用户最近阅读的电子书及其分类信息、和/或当前时间信息。
在一种可选的方式中，程序410具体还可以用于使得处理器402执行以下操作：
接收用户发送的携带搜索条件的电子书搜索请求；
所述从电子书集合中选取电子书推荐给所述第一用户具体为：从电子书集合中选取与所述搜索条件匹配的电子书推荐给所述第一用户。
在此提供的算法和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。
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。
类似地，应当理解，为了精简本公开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。
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。
此外，本领域的技术人员能够理解，尽管在此所述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。
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。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。
本发明公开了：a1.一种电子书推荐方法，用于向第一用户推荐电子书，所述方法包括：
查找与所述第一用户属性相似的至少一个第二用户；
根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；
从所述电子书集合中选取电子书推荐给所述第一用户。
a2.根据a1所述的方法，其中，在所述查找与所述第一用户属性相似的至少一个第二用户之前，所述方法进一步包括：根据至少一个预设维度的属性信息计算用户之间的属性相似度；
所述查找与所述第一用户属性相似的至少一个第二用户具体为：查找出与所述第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
a3.根据a2所述的方法，其中，所述至少一个预设维度的属性信息包括：用户终端上的已安装应用列表信息、书架中的电子书列表信息、用户的支付行为信息、用户的阅读历史数据、用户的阅读偏好信息、用户的阅读时长信息、和/或用户的自然属性信息。
a4.根据a1-a3中任一项所述的方法，其中，在所述确定用于互补推荐的电子书集合之前，所述方法还包括：分别采集第一用户和至少一个第二用户的阅读历史数据；
所述确定用于互补推荐的电子书集合具体为：对第一用户和至少一个第二用户的阅读历史数据进行排重处理，根据排重处理的结果确定用于互补推荐的电子书集合。
a5.根据a1-a3中任一项所述的方法，其中，在所述确定用于互补推荐的电子书集合之前，所述方法还包括：分别采集第一用户和至少一个第二用户的阅读历史数据；
所述确定用于互补推荐的电子书集合具体为：根据第一用户和至少一个第二用户的阅读历史数据，利用协同过滤算法从第二用户的已阅读的电子书中过滤得到用于互补推荐的电子书集合。
a6.根据a1-a5中任一项所述的方法，其中，所述从电子书集合中选取电子书推荐给所述第一用户进一步包括：
获取第一用户的用户画像信息和/或用户状态信息；
从电子书集合中选取与用户画像信息和/或用户状态信息匹配的电子书推荐给第一用户。
a7.根据a6所述的方法，其中，所述用户状态信息包括：用户地理位置信息、用户最近阅读的电子书及其分类信息、和/或当前时间信息。
a8.根据a1-a5中任一项所述的方法，其中，在所述查找与所述第一用户属性相似的至少一个第二用户之前，所述方法还包括：接收用户发送的携带搜索条件的电子书搜索请求；
所述从电子书集合中选取电子书推荐给所述第一用户具体为：从电子书集合中选取与所述搜索条件匹配的电子书推荐给所述第一用户。
本发明还公开了：b9.一种电子设备，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；
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：
查找与所述第一用户属性相似的至少一个第二用户；
根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；
从所述电子书集合中选取电子书推荐给所述第一用户。
b10.根据b9所述的电子设备，所述可执行指令还使所述处理器执行以下操作：
根据至少一个预设维度的属性信息计算用户之间的属性相似度；
查找出与所述第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
b11.根据b10所述的电子设备，所述至少一个预设维度的属性信息包括：用户终端上的已安装应用列表信息、书架中的电子书列表信息、用户的支付行为信息、用户的阅读历史数据、用户的阅读偏好信息、用户的阅读时长信息、和/或用户的自然属性信息。
b12.根据b9-b11任一项所述的电子设备，所述可执行指令还使所述处理器执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
所述确定用于互补推荐的电子书集合具体为：对第一用户和至少一个第二用户的阅读历史数据进行排重处理，根据排重处理的结果确定用于互补推荐的电子书集合。
b13.根据b9-b11任一项所述的电子设备，所述可执行指令还使所述处理器执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
根据第一用户和至少一个第二用户的阅读历史数据，利用协同过滤算法从第二用户的已阅读的电子书中过滤得到用于互补推荐的电子书集合。
b14.根据b9-b13任一项所述的电子设备，所述可执行指令进一步使所述处理器执行以下操作：
获取第一用户的用户画像信息和/或用户状态信息；
从电子书集合中选取与用户画像信息和/或用户状态信息匹配的电子书推荐给第一用户。
b15.根据b14所述的电子设备，所述用户状态信息包括：用户地理位置信息、用户最近阅读的电子书及其分类信息、和/或当前时间信息。
b16.根据b9-b13任一项所述的电子设备，所述可执行指令还使所述处理器执行以下操作：
接收用户发送的携带搜索条件的电子书搜索请求；
所述从电子书集合中选取电子书推荐给所述第一用户具体为：从电子书集合中选取与所述搜索条件匹配的电子书推荐给所述第一用户。
本发明还公开了：c17.一种计算机存储介质，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：
查找与所述第一用户属性相似的至少一个第二用户；
根据所述至少一个第二用户的阅读历史数据，确定用于互补推荐的电子书集合；
从所述电子书集合中选取电子书推荐给所述第一用户。
c18.根据c17所述的计算机存储介质，所述可执行指令还使所述处理器执行以下操作：
根据至少一个预设维度的属性信息计算用户之间的属性相似度；
查找出与所述第一用户之间的属性相似度高于预设阈值的至少一个第二用户。
c19.根据c18所述的计算机存储介质，所述至少一个预设维度的属性信息包括：用户终端上的已安装应用列表信息、书架中的电子书列表信息、用户的支付行为信息、用户的阅读历史数据、用户的阅读偏好信息、用户的阅读时长信息、和/或用户的自然属性信息。
c20.根据c17-c19任一项所述的计算机存储介质，所述可执行指令还使所述处理器执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
所述确定用于互补推荐的电子书集合具体为：对第一用户和至少一个第二用户的阅读历史数据进行排重处理，根据排重处理的结果确定用于互补推荐的电子书集合。
c21.根据c17-c19任一项所述的计算机存储介质，所述可执行指令还使所述处理器执行以下操作：
分别采集第一用户和至少一个第二用户的阅读历史数据；
根据第一用户和至少一个第二用户的阅读历史数据，利用协同过滤算法从第二用户的已阅读的电子书中过滤得到用于互补推荐的电子书集合。
c22.根据c17-c21任一项所述的计算机存储介质，所述可执行指令进一步使所述处理器执行以下操作：
获取第一用户的用户画像信息和/或用户状态信息；
从电子书集合中选取与用户画像信息和/或用户状态信息匹配的电子书推荐给第一用户。
c23.根据c22所述的计算机存储介质，所述用户状态信息包括：用户地理位置信息、用户最近阅读的电子书及其分类信息、和/或当前时间信息。
c24.根据c17-c21任一项所述的计算机存储介质，所述可执行指令还使所述处理器执行以下操作：
接收用户发送的携带搜索条件的电子书搜索请求；
所述从电子书集合中选取电子书推荐给所述第一用户具体为：从电子书集合中选取与所述搜索条件匹配的电子书推荐给所述第一用户。