[发明专利]基于电子书生成话题的方法、计算设备、计算机存储介质

权利要求书

1.一种基于电子书生成话题的方法，其包括：

获取至少一本电子书中包含评论信息的至少一个文本对象的相关信息，生成对应的至少一个电子书话题；其中，所述电子书话题包括所述至少一个文本对象的文本对象内容和评论信息；所述文本对象内容为电子书中该个文本对象的文字内容；

将所述至少一本电子书中的至少一个电子书话题进行汇总，得到话题广场页面；所述话题广场页面由一个或多个电子书话题组成；

在所述话题广场页面显示各电子书话题的文本内容和评论信息；所述话题广场页面还包括试读此书按钮，其中，当用户点击所述试读此书按钮，返回电子书话题中文本对象内容所属的电子书页面；

其中，所述电子书话题还包括上下文内容；所述文本对象内容以特定标记方式进行显示，所述上下文内容不做标记，正常显示；

所述获取至少一本电子书中包含评论信息的至少一个文本对象的相关信息，生成对应的至少一个电子书话题进一步包括：

根据所述至少一个文本对象所对应的语义特征确定所述至少一个文本对象的特征向量，结合文本对象排序模型以及所述至少一个文本对象的特征向量，确定所述至少一个文本对象中各文本对象的评价得分；

根据所述评价得分对所述至少一个文本对象进行排序；

根据排序结果，筛选排序在前的指定数量的文本对象作为筛选得到的至少一个文本对象；

根据筛选得到的至少一个文本对象的相关信息，生成对应的至少一个电子书话题。

2.根据权利要求1所述的方法，其中，所述文本对象的相关信息包括电子书的书籍ID、章节ID、文本对象位置信息、文本对象内容和/或评论信息。

3.根据权利要求1所述的方法，其中，所述方法还包括：

确定预设的各个文本对象样本所对应的语义特征以及所述至少一个文本对象所对应的语义特征，根据各个文本对象样本所对应的语义特征确定各个文本对象样本的特征向量；

通过机器学习算法，并结合各个文本对象样本的样本标注结果对各个文本对象样本的特征向量进行训练，得到文本对象排序模型。

4.根据权利要求3所述的方法，其中，所述语义特征包括：隐语义特征和显语义特征；所述隐语义特征是根据特征提取算法获得，所述显语义特征是根据指定维度而提取的。

5.根据权利要求1所述的方法，其中，在所述根据所述至少一个文本对象所对应的语义特征确定所述至少一个文本对象的特征向量，结合文本对象排序模型以及所述至少一个文本对象的特征向量，确定所述至少一个文本对象中各文本对象的评价得分之前，所述方法还包括：

将位置相邻的多个文本对象进行整合处理，合并为一个文本对象。

6.根据权利要求1所述的方法，其中，在所述根据所述至少一个文本对象所对应的语义特征确定所述至少一个文本对象的特征向量，结合文本对象排序模型以及所述至少一个文本对象的特征向量，确定所述至少一个文本对象中各文本对象的评价得分之前，所述方法还包括：

对多个文本对象的文本对象内容进行分析，将文本对象内容相似度大于预设阈值的文本对象进行整合处理，合并为一个文本对象。

7.根据权利要求1-6中任一项所述的方法，其中，所述获取至少一本电子书中包含评论信息的至少一个文本对象的相关信息，生成对应的至少一个电子书话题进一步包括：

对各个文本对象的评论信息分别进行排序；

根据所述各个文本对象的文本对象内容和排序后的评论信息，生成电子书话题。

8.根据权利要求7所述的方法，其中，所述对各个文本对象的评论信息分别进行排序进一步包括：

根据评论信息排序规则对各个文本对象的评论信息分别进行排序；其中，所述评论信息排序规则包括：根据用户兴趣进行排序的规则、根据点赞数量进行排序的规则和/或根据评论信息时间进行排序的规则。