【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种电子书文档的处理方法及系统。
技术介绍
1、早期，电子书文档的处理方法主要依赖于扫描纸质书籍并将其转换为图像文件的方式，再通过图像处理技术提取文本内容。然而，这种方法存在一些缺陷，图像处理和光学字符识别（ocr）技术在早期阶段并不十分成熟，往往无法准确地识别图像中的文字，导致转换后的电子书文档中可能存在大量错误和乱码。并且由于扫描生成的图像文件通常较大，导致电子书文档的文件大小较大，不便于存储和传输。随着计算机处理能力的提升，人们开始使用文字处理软件和标记语言来创建电子书文档。这些方法通过直接输入和编辑文本内容，并使用标记语言（如html、xml）进行结构化标记和格式化。然而，这些方法也有一些缺陷，不同的文字处理软件和标记语言可能存在兼容性问题，导致同一份电子书文档在不同平台上显示效果不一致。文字处理软件和标记语言通常使用固定布局方式来定义电子书文档的外观和格式，这限制了文档在不同设备上自适应调整布局的能力。随着电子书市场的发展，出现了一些专门设计用于电子书的格式和阅读器软件。这些格式（如epub、mobi）具有更好的可扩展性和适应性，可以自动调整布局和字体大小以适应不同的设备和屏幕尺寸。同时，阅读器软件提供了更丰富的阅读体验和交互功能。但是，某些电子书格式和阅读器软件可能受限于特定的硬件设备或平台，这会导致互操作性和可访问性的问题。并且无法自由转移和复制电子书。
技术实现思路
1、基于此，有必要提供一种电子书文档的处理方法及系统，以解决至少一个
2、为实现上述目的，一种电子书文档的处理方法，包括以下步骤：
3、步骤s1：获取用户历史阅读行为数据，其中用户历史阅读行为数据包括用户阅读时长数据、用户翻页数据和用户阅读行为特征数据；对用户翻页数据进行异常检测，得到合理用户翻页数据；对合理用户翻页数据进行页面停留时间计算，生成各页面停留时间数据；
4、步骤s2：对用户阅读时长数据进行平均阅读时间计算，得到每页阅读时长均值数据；根据每页阅读时长均值数据对各页面停留时间数据进行超均值筛选，生成长时间停留页面数据；对长时间停留页面数据进行用户兴趣推断，得到用户兴趣数据；
5、步骤s3：对用户兴趣数据进行兴趣类别划分，得到分类兴趣数据；基于用户阅读行为特征数据对分类兴趣数据进行阅读行为模拟，生成用户专注点数据；基于用户阅读行为特征数据对用户专注点数据进行高专注阅读模拟，生成专注阅读疲劳趋势数据；
6、步骤s4：对专注阅读疲劳趋势数据进行疲劳缓解指标计算，得到疲劳缓解指标数据；对疲劳缓解指标数据和用户专注点数据进行页面排版设计，生成个性化电子书文档数据。
7、本专利技术通过获取用户历史阅读行为数据，包括阅读时长、翻页数据和行为特征，可以深入了解用户的阅读习惯和行为模式。可以用于分析用户的偏好、兴趣和行为特征。对用户翻页数据进行异常检测可以排除异常数据，得到合理的用户翻页数据。可以过滤掉可能由于误操作或其他异常情况导致的数据，确保后续分析的准确性和可靠性。对合理用户翻页数据进行页面停留时间计算，可以得到各页面的停留时间数据，为后续的分析和个性化推荐提供基础。过分析已读电子书文档数据、计算平均阅读时长和筛选长时间停留页面数据，可以推断用户的兴趣。可以了解用户对不同主题或类别的内容的偏好程度。基于用户阅读行为特征数据，可以模拟用户的阅读行为，生成用户专注点数据和专注阅读疲劳趋势数据。可以帮助了解用户阅读的注意力分布和阅读疲劳情况。基于疲劳缓解指标数据和用户专注点数据对文档进行页面排版设计，可以生成个性化的电子书文档数据。可以根据用户的专注点和阅读疲劳情况，优化页面排版，提供更符合用户需求的阅读体验，缓解阅读疲劳。可以帮助了解用户的阅读行为和兴趣，模拟用户的阅读行为，以及根据用户的专注点和阅读疲劳情况生成个性化的电子书文档数据，提供更好的用户体验、提高阅读效率，并且可以为个性化推荐、内容定制和阅读疲劳管理等方面提供依据。
8、在本说明书中，提供了一种电子书文档的处理系统，用于执行如上所述的一种电子书文档的处理方法，包括：
9、数据获取模块，用于获取用户历史阅读行为数据，其中用户历史阅读行为数据包括用户阅读时长数据、用户翻页数据和用户阅读行为特征数据；对用户翻页数据进行异常检测，得到合理用户翻页数据；对合理用户翻页数据进行页面停留时间计算，生成各页面停留时间数据；
10、兴趣推断模块，用于对用户阅读时长数据进行平均阅读时间计算，得到每页阅读时长均值数据；根据每页阅读时长均值数据对各页面停留时间数据进行超均值筛选，生成长时间停留页面数据；对长时间停留页面数据进行用户兴趣推断，得到用户兴趣数据；
11、行为模拟模块，用于对用户兴趣数据进行兴趣类别划分，得到分类兴趣数据；基于用户阅读行为特征数据对分类兴趣数据进行阅读行为模拟，生成用户专注点数据；基于用户阅读行为特征数据对用户专注点数据进行高专注阅读模拟，生成专注阅读疲劳趋势数据；
12、排版设计模块，用于对专注阅读疲劳趋势数据进行疲劳缓解指标计算，得到疲劳缓解指标数据；对疲劳缓解指标数据和用户专注点数据进行页面排版设计，生成个性化电子书文档数据。
13、本专利技术的有益之处在于通过获取用户历史阅读行为数据并进行分析，可以深入了解用户的阅读行为模式、偏好和兴趣。有助于提供个性化的阅读推荐和服务，提高用户的阅读体验。通过对用户翻页数据进行异常检测和处理，可以排除异常数据的干扰，确保后续分析的准确性和可靠性。通过计算各页面的停留时间数据，可以了解用户对不同页面的关注程度和阅读深度。有助于识别用户的主要兴趣点和关注领域。通过计算每页阅读时长的均值和对各页面停留时间数据进行超均值筛选，可以识别出用户更加关注和深入阅读的长时间停留页面。有助于进一步分析用户的偏好和兴趣。通过对长时间停留页面数据进行用户兴趣推断和兴趣分类，可以进一步细化和精确用户的兴趣特点，并提供更加个性化的推荐和服务。通过基于用户阅读行为特征数据进行阅读行为模拟和高专注阅读模拟，可以模拟用户在阅读过程中的专注度和注意力变化。有助于理解用户在阅读过程中的体验和认知负荷。通过生成专注阅读疲劳趋势数据，可以揭示用户在阅读过程中的疲劳程度变化趋势。有助于了解用户的阅读疲劳情况，提供相应的疲劳缓解策略和建议。通过基于疲劳缓解指标数据和用户专注点数据对当前电子书文档进行个性化页面排版设计，可以提供更符合用户需求和阅读习惯的电子书阅读体验。通过对用户行为数据的分析和模拟，以及基于个性化需求的处理和设计，可以提升用户的阅读体验、满足用户的个性化需求，并帮助用户更好地处理阅读疲劳问题。
本文档来自技高网...【技术保护点】
1.一种电子书文档的处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电子书文档的处理方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求1所述的电子书文档的处理方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求3所述的电子书文档的处理方法，其特征在于，步骤S24包括以下步骤：
5.根据权利要求3所述的电子书文档的处理方法，其特征在于，步骤S25包括以下步骤：
6.根据权利要求1所述的电子书文档的处理方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求6所述的电子书文档的处理方法，其特征在于，步骤S33包括以下步骤：
8.根据权利要求6所述的电子书文档的处理方法，其特征在于，步骤S34包括以下步骤：
9.根据权利要求1所述的电子书文档的处理方法，其特征在于，步骤S4包括以下步骤：
10.一种电子书文档的处理系统，其特征在于，用于执行如权利要求1所述的电子书文档的处理方法，该电子书文档的处理系统包括：
【技术特征摘要】
1.一种电子书文档的处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电子书文档的处理方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的电子书文档的处理方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的电子书文档的处理方法，其特征在于，步骤s24包括以下步骤：
5.根据权利要求3所述的电子书文档的处理方法，其特征在于，步骤s25包括以下步骤：
6.根据权利要求1所述的电...
【专利技术属性】
技术研发人员：张天勇，万成，李湘，许铭龙，
申请(专利权)人：深圳市九洲智和科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。