本發(fā)明涉及信息技術(shù)領(lǐng)域，尤其涉及一種進程預加載方法及裝置。

背景技術(shù)：

為了提升用戶體驗，減少某些進程的啟動時延，在一些場景下會進行進程的預加載。這里的預加載為：在采集到用戶的啟動指令的之前，預先在設(shè)備后臺自動加載某些進程，這樣當采集到加載指令時，將直接彈出加載后的界面或?qū)⒑笈_加載的進程調(diào)到前臺運行即可，這樣的話，對于用戶而言設(shè)備的加載進程的速度就非?？欤蜏p少了響應(yīng)啟動指令的時延。

在現(xiàn)有技術(shù)中預啟動的條件都是靜態(tài)設(shè)置，例如，當設(shè)備啟動之后，判斷當前設(shè)備的可用內(nèi)存是否大于預先設(shè)定的內(nèi)存閾值，若大于，則啟動預先設(shè)定的一些進程。這種進程預加載可能導致加載了用戶壓根就不想要加載的進程，導致內(nèi)存被占用，從而影響了設(shè)備響應(yīng)其他操作的速率。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例期望提供一種進程預加載方法及裝置，以期望實現(xiàn)更加精準的進行預加載。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明實施例第一方面提供一種進程預加載處理方法，包括：

獲取與第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)；

根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件；

確定所述客戶端的當前可用內(nèi)存容量是否大于內(nèi)存閾值；

當所述當前可用內(nèi)存容量大于內(nèi)存閾值且所述用戶行為數(shù)據(jù)滿足所述預加載條件時，預加載所述第一進程。

本發(fā)明實施例第二方面提供一種進程預加載處理裝置，包括：

獲取單元，用于獲取與第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)；

第一確定單元，用于根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件；

第二確定單元，用于確定所述客戶端的當前可用內(nèi)存容量是否大于內(nèi)存閾值；

加載單元，用于當所述當前可用內(nèi)存容量大于內(nèi)存閾值且所述用戶行為數(shù)據(jù)滿足所述預加載條件時，預加載所述第一進程。

本發(fā)明實施例提供的進程預加載方法及裝置，在確定是否預加載一個進程之前，會獲取與該進程關(guān)聯(lián)的用戶行為數(shù)據(jù)，根據(jù)用戶行為數(shù)據(jù)判斷是否滿足預加載條件，在設(shè)備的當前可用內(nèi)存容量大于內(nèi)存閾值時，且該進程滿足預加載條件時，才加載該進程。顯然在確定是否預加載一個進程時，引入了用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)可用于表征在當前時刻的某一個時間段內(nèi)用戶將指示加載的進程的可能性，在本發(fā)明實施李忠若滿足預加載條件，可認為用戶將會指示加載該進程的可能性很大，為了提升后續(xù)響應(yīng)加載指令的響應(yīng)速率，將預加載該進程，從而實現(xiàn)了預加載進程的精確化，減少了因預加載進程的不夠精確，導致預加載了無需加載的進程占用了設(shè)備資源，導致的資源浪費以及拖慢了其他進程的運行速率的現(xiàn)象。

附圖說明

圖1為本發(fā)明實施例提供的一種進程預加載處理方法的流程示意圖；

圖2A為本發(fā)明實施例提供的第一種誘導信息的顯示效果示意圖；

圖2B為本發(fā)明實施例提供的第二種誘導信息的顯示效果示意圖；

圖2C為本發(fā)明實施例提供的第三種誘導信息的顯示效果示意圖；

圖2D為本發(fā)明實施例提供的一種第一進程的顯示效果示意圖；

圖3為本發(fā)明實施例提供的一種進程預加載處理裝置的結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例提供的另一種進程預加載處理方法的流程示意圖；

圖5為本發(fā)明實施例提供的另一種進程預加載處理裝置的結(jié)構(gòu)示意圖。

具體實施方式

以下結(jié)合說明書附圖及具體實施例對本發(fā)明的技術(shù)方案做進一步的詳細闡述。

如圖1所示，本實施例提供一種進程預加載處理方法，包括：

步驟S110：獲取與第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)；

步驟S120：根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件；

步驟S130：確定所述客戶端的當前可用內(nèi)存容量是否大于內(nèi)存閾值；

步驟S140：當所述當前可用內(nèi)存容量大于內(nèi)存閾值且所述用戶行為數(shù)據(jù)滿足所述預加載條件時，預加載所述第一進程。

本實施例提供一種進程預加載方法，可應(yīng)用于各種客戶端中，例如，手機、平板電腦、筆記本電腦、臺式電腦或可穿戴式設(shè)備等終端設(shè)備或服務(wù)器中。所述終端設(shè)備又可包括移動終端和/或固定終端。

不同的進程可用于完成客戶端中的不同應(yīng)用或業(yè)務(wù)。

在步驟S110中可包括獲取與第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)為檢測用戶行為產(chǎn)生的數(shù)據(jù)，可包括：通過人機交互接口加載或使用某一個進程的數(shù)據(jù)。所述用戶行為具體可包括用戶點擊啟動按鈕，用戶通過手勢、語音或眼神示意使用對應(yīng)進程界面中的某些控件，控制客戶端使用該進程完成某些操作的用戶行為產(chǎn)生的用戶行為數(shù)據(jù)。所述歷史行為數(shù)據(jù)可為當前時刻以前的用戶行為數(shù)據(jù)，所述當前行為數(shù)據(jù)可為當前時刻產(chǎn)生的用戶行為數(shù)據(jù)。

在本實施例中所述加載可包括啟動該進程。啟動該進程包括為該進程運行分配資源，利用分配的資源運行該進程。這里的用戶行為數(shù)據(jù)可為歷史行為數(shù)據(jù)或當前行為數(shù)據(jù)。與所述第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)，可為加載或使用所述第一進程的用戶行為數(shù)據(jù)。當然與所述第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)還可包括加載或使用第二進程的用戶行為數(shù)據(jù)，當然此時要求所述第二進程與所述第一進程滿足預設(shè)關(guān)聯(lián)關(guān)系。例如，所述第一進程可為所述第二進程的子進程，或所述第一進程為所述第二進程的二級業(yè)務(wù)進程。

例如，所述第二進程包括多個子進程，客戶端在運行第二進程時，可能僅運行其中部分進程，但是一旦運行了其中的部分進程，則用戶想要加載使用剩余進程的對應(yīng)的業(yè)務(wù)的可能性就很大，故在本實施例中所述與第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)還包括加載或使用所述第二進程的用戶行為數(shù)據(jù)。

在步驟S120中將根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件。在具體的實現(xiàn)過程中，所述步驟S120可包括：按照解析規(guī)則解析所述用戶行為數(shù)據(jù)，分析得到與所述預加載條件關(guān)聯(lián)的判斷參量，基于判斷參量是否滿足所述預加載條件。

在步驟S130中還會判斷所述客戶端的當前可用內(nèi)存容量是否大于內(nèi)存閾值。此處所述當前可用內(nèi)存容量可為所述客戶端的總內(nèi)存量與已分配或已占用的內(nèi)存容量的差值。即所述當前可用內(nèi)存容量為當前閑置的內(nèi)存量。在本實施例中只有所述當前內(nèi)存量足夠多時，預加載所述第一進程，才不會導致用戶指示加載的其他進程的資源被擠占，拖慢其他進程的執(zhí)行的問題。

故在本實施例的步驟S140中，只有同時滿足當前可用內(nèi)存容量大于內(nèi)存閾值，且所述用戶行為數(shù)據(jù)滿足所述預加載條件時，預加載所述第一進程。

在本實施例中所述第一進程中的“第一”為泛指，沒有特指某一個或某些進程的意思。當所述用戶行為數(shù)據(jù)滿足所述預加載條件，表明在當前時刻以后的預定時間段內(nèi)用戶會指示加載所述第一進程的概率較大，例如，計算出所述概率大于預設(shè)值。

在本實施例中在預加載某一個進程時，會基于用戶行為數(shù)據(jù)進行確定，這樣的話，一方面實現(xiàn)了進程的預加載，減少了響應(yīng)加載指令的響應(yīng)時延，另一方那么實現(xiàn)了預加載的進程的動態(tài)確定，實現(xiàn)了預加載進程的精準化，減少了不必要進程的預加載，進一步減少了不必要進程預加載占其他進程的資源，導致的響應(yīng)其他進程的速度慢的問題。

根據(jù)所述用戶行為數(shù)據(jù)，確定是否預第一進程的實現(xiàn)方式有多種，例如，們可以統(tǒng)計出預加載所述第一進程的歷史頻次，若歷史頻次大于某個頻次閾值就預加載所述第一進程。當然在本實施例中會從多個維度考慮是否滿足預加載條件，以提升預加載的進程的精準度，在本實施例中引入了預加載權(quán)值的計算。具體如，所述步驟S110可包括：檢測針對第一進程的歷史用戶行為，獲得歷史行為數(shù)據(jù)；所述步驟S120可包括：解析所述歷史行為數(shù)據(jù)，確定預加載所述第一進程的預加載權(quán)值；確定所述預加載權(quán)值是否位于預設(shè)范圍內(nèi)。所述步驟S140可包括：當所述當前可用內(nèi)存容量大于所述內(nèi)存閾值，且所述預加載權(quán)值位于所述預設(shè)范圍內(nèi)，則預加載所述第一進程。

這里的歷史行為數(shù)據(jù)可為當前時刻以前某一段時間內(nèi)的歷史行為數(shù)據(jù)。解析歷史行為數(shù)據(jù)可包括與所述預加載權(quán)值的確定相關(guān)的行為數(shù)據(jù)的篩選、統(tǒng)計和拆分等操作。例如，統(tǒng)計用戶指示加載所述第一進程的頻次、統(tǒng)計每一次用戶指示加載、所述第一進程加載后維持加載狀態(tài)的加載時長、計算平均加載時長。當然值得注意的是，為了減少數(shù)據(jù)篩選的步驟，在步驟S110中可直接僅獲取與確定所述預加載權(quán)值相關(guān)的用戶行為數(shù)據(jù)。

所述預加載權(quán)值可用于反映預加載所述第一進程的優(yōu)先程度。若，所述預加載權(quán)值越大，表示預加載所述第一進程的優(yōu)先程度越高，則所述頻次和平均加載時長與所述預加載權(quán)值呈正比，否則呈反比。

在本實施例中所述預加載權(quán)值位于預設(shè)范圍內(nèi)，則用戶會在接下來的一定時間內(nèi)指示加載所述第一進程的概率很高，故在當前可用內(nèi)存容量大于內(nèi)存閾值時，則會啟動所述第一進程，以提升響應(yīng)加載第一進程的指令的速率。

確定所述預加載權(quán)值的方式有多種，以下提供幾種可選方式：

可選方式一：

所述解析所述歷史行為數(shù)據(jù)，確定預加載所述第一進程的預加載權(quán)值，包括：解析所述歷史行為數(shù)據(jù)，確定使用所述第一進程的使用頻次；根據(jù)所述使用頻次確定所述預加載權(quán)值。

例如，在解析規(guī)則中確定使用頻次與預加載權(quán)值的對應(yīng)關(guān)系，此時，可以以當前計算得到的使用頻次查詢所述對應(yīng)關(guān)系，從而確定出所述預加載權(quán)值。當然也可以是預先設(shè)定有計算所述預加載權(quán)值的函數(shù)關(guān)系，以所述使用頻次為因變量，通過函數(shù)計算得到所述預加載權(quán)值。

可選方式二：

所述解析所述歷史行為數(shù)據(jù)，確定預加載所述第一進程的預加載權(quán)值，包括：

解析所述歷史行為數(shù)據(jù)，確定相鄰兩次使用所述第一進程的時間間隔；

根據(jù)所述時間間隔確定所述預加載權(quán)值。

在本實施例中所述時間間隔可為前兩次使用所述第一進程的時間間隔，通常時間間隔越短，使得所述預加載權(quán)值位于所述預設(shè)范圍內(nèi)的可能性越大。當然，所述時間間隔也可以為多個相鄰兩次的使用第一進程的時間間隔的均值或中間值。根據(jù)所述均值或中間值確定所述預加載權(quán)值。同樣的，可以通過查詢對應(yīng)關(guān)系或函數(shù)計算，得到基于所述時間間隔的預加載權(quán)值。

可選方式三：

所述解析所述歷史行為數(shù)據(jù)，確定預加載所述第一進程的預加載權(quán)值，包括：利用機器學習算法對所述第一進程的歷史加載行為數(shù)據(jù)進行聚類，獲得聚類結(jié)果；根據(jù)所述聚類結(jié)果，確定在一個時間窗內(nèi)預加載因子；根據(jù)當前預加載因子，計算當前時間的所述預加載權(quán)值。

所述機器學習算法可包括向量機學習算法或神經(jīng)網(wǎng)絡(luò)學習算法等各種設(shè)備能夠自動學習的算法。所述機器學習算法可為聚類算法。例如，k-means聚類算法，K-nearby聚類算法或最大區(qū)域法等。k-means聚類算法，K-nearby聚類算法都是將每一次加載行為的時刻點視為一個點進行聚類。不同的是，k-means聚類算法中會預設(shè)聚類簇心，計算的是點與聚類簇心之間的距離；而k-nearby是計算任意兩個點之間的距離。所述最大區(qū)域法同樣將每一次加載行為的時刻點，通過距離計算實現(xiàn)聚類，為了確保在聚集度最高(對應(yīng)于最大區(qū)域)的時間窗內(nèi)，能夠觸發(fā)預加載，會將最大區(qū)域?qū)?yīng)的預加載因子設(shè)置對應(yīng)的值，該值能夠使預加載權(quán)值有最大概率位于所述預設(shè)范圍內(nèi)。

所述時間窗可為預先設(shè)定的時間長度，在本實施例中所述時間窗的時長可為10分鐘、20分鐘、30分鐘、1小時或2小時等。相鄰兩個所述時間窗對應(yīng)的時間段不重疊，優(yōu)選為連續(xù)且不重疊。

例如，第一時間窗的預加載因子為A，第二時間窗的預加載因子為B，若當前時間位于所述第一時間窗內(nèi)，則當前時間的預加載權(quán)值是基于A計算的，具體如，所述當前時間的預加載權(quán)值等于A。

例如，以一天為時間周期，以一個小時為一個時間窗。通過所述歷史行為數(shù)據(jù)的聚類，事先確定出一個時間周期內(nèi)，各個時間窗的加載因子，當前時間位于第n時間窗，則采用第n時間窗的預加載因子計算所述預加載權(quán)值，或?qū)⒌趎時間窗的預加載因子直接作為當前時間的預加載權(quán)值。

在本實施例中同時為了減少計算量，在本實施例中僅對加載行為數(shù)據(jù)進行聚類，將一個加載行為視為聚類的一個點，聚類結(jié)果中任意兩個點的距離，表示的兩次加載行為的時間間隔。

所述利用機器學習算法對所述第一進程的歷史加載行為數(shù)據(jù)進行聚類，獲得聚類結(jié)果，包括：

統(tǒng)計第一時間窗內(nèi)的加載行為；其中，所述第一時間窗包括m次所述加載行為；

算n個代表加載行為與聚類簇心的第一距離；其中，所述n個代表行為是m次所述加載行為中的n次加載行為，所述n為小于m的整數(shù)；

根據(jù)所述第一距離，確定所述第一時間窗內(nèi)m次所述加載行為與聚類簇心的第二距離；

根據(jù)所述第二距離，形成所述聚類結(jié)果。

在本實施例中為了進一步減少計算量，減少客戶端計算預加載權(quán)值所消耗的資源。在本實施例中統(tǒng)計第一時間窗內(nèi)的加載行為。這里的第一時間窗泛指任意一個時間窗。然后隨機或按照預設(shè)規(guī)則挑選n次加載行為作為所述代表加載行為，計算代表加載行為與預設(shè)的聚類簇心之間的歐式距離，再根據(jù)這n個歐式距離，確定出第一時間窗內(nèi)m個加載行為與聚類簇心的第二距離，最后根據(jù)第二距離，形成聚類簇。

所述n可為1、2或3等小于m的數(shù)。在本實施例中優(yōu)選為1。當所述n為1時，可以隨機或按照預設(shè)規(guī)則，挑選一次加載行為進行與聚類簇心的歐式計算，并將這次計算得到的距離作為第一時間窗內(nèi)所有加載行為的歐式距離，然后根據(jù)所有加載行為的歐式距離，形成聚類結(jié)果。這樣就可以統(tǒng)計出哪一個聚類簇包括的加載行為次數(shù)多，加載行為之間的時間間隔短等信息。所述預設(shè)規(guī)則可包括：選擇最靠近第一時間窗內(nèi)最靠近中間時刻點的加載行為進行所述歐式距離的計算，也可以選擇第一時間窗內(nèi)的首次加載行為或最后一次加載行為進行所述歐式距離的計算。當所述n等于或大于2時，所述第二距離可為n個第一距離的均值或中值。

總之，在本實施例中通過代表加載行為與聚類簇心的歐式距離的計算，實現(xiàn)一個時間窗內(nèi)所有加載行為與聚類粗心之間的歐式距離的獲得，簡化了聚類操作，提升了聚類速率，減少了聚類所占用的時間。

在一些實施例中，所述方法還包括：

加載第二進程；其中，所述第二進程為與所述第一進程滿足預設(shè)關(guān)聯(lián)關(guān)系的進程；

所述步驟S130可包括：

在加載所述第二進程之后，根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件。

在本實施例中若客戶端加載了第二進程，才觸發(fā)確定第一進程是否滿足預加載條件的步驟S130，這樣一方面相對任何情況都進行確定的確定操作多的問題，同時在本實施例中第一進程和第二進程是滿足預設(shè)關(guān)聯(lián)關(guān)系的。例如，第二進程為第一進程的母進程，即所述第一進程是第二進程的子進程。再比如，所述第二進程和第一進程屬于同一個應(yīng)用。例如，手機上運行的QQ，包括QQ主頁面進程、QQ錢包進程、QQ空間進程。這些進程都是屬于同一個應(yīng)用的集成。若QQ主頁面進程啟動了(即加載了)，則用戶指示客戶端啟動QQ錢包進程、QQ空間進程的概率就加大了。在本實施例中根據(jù)這一特點，所述步驟S120是在加載了與第一進程滿足預設(shè)關(guān)聯(lián)關(guān)系的第二進程之后執(zhí)行的。

在有些情況下：所述方法還包括：

確定所述第二進程的顯示界面是否有誘導加載所述第一進程的誘導信息；

所述步驟S120可包括：

結(jié)合所述用戶行為數(shù)據(jù)及所述誘導信息，確定是否滿足預加載條件。

例如，在所述第二進程的顯示界面，顯示有引誘用戶指示啟動第一進程的顯示控件或顯示信息等誘導信息。例如，在QQ主頁面，顯示有QQ錢包的廣告，當用戶點擊了該廣告之后，會觸發(fā)客戶端加載QQ錢包進程。再比如，在QQ主頁面顯示有指示加載第一進程的控件，或用于用戶指示加載所述第一進程的控件突出顯示。這些都可認為：在第二進程的顯示界面的特定區(qū)域顯示有誘導加載第一進程的誘導信息。所述特定區(qū)域可為根據(jù)歷史數(shù)據(jù)，最能吸引用戶目光的顯示區(qū)域。例如，QQ聊天信息顯示對話框的中間區(qū)域。所述突出顯示包括顏色誘導和顯示面積誘導。所述顏色誘導為誘導信息的顯示顏色與誘導信息的顯示環(huán)境之間的差異滿足預定差異度。所述顯示面積誘導，誘導信息的顯示面積明顯大于其他信息的顯示面積。例如，一個觸發(fā)加載所述第一進程的控件的顯示面積，明顯大于加載其他進程的控件的顯示面積，則表明第二進程的顯示界面，顯示有第一進程的突出顯示誘導信息。

總之，所述誘導信息可包括廣告誘導信息、控件誘導信息及突出顯示誘導信息等。

圖2A為廣告誘導信息的一個顯示效果圖；圖2B為控件誘導信息的一個顯示效果圖；圖2C為突出顯示誘導信息的一個顯示效果示意圖。圖2D為從圖2A至圖2C的誘導信息進入的第一進程的顯示效果示意圖。

在圖2A至圖2D中都以QQ錢包為第一進程。圖2A顯示的為QQ看點的顯示界面，QQ看點為所述第一進程；在QQ看點的顯示界面上疊加顯示了進入QQ錢包的廣告。

在圖2B中顯示的QQ的聊天界面，在聊天界面顯示了QQ錢包的控件。QQ的聊天界面即為所述第二進程的顯示界面。

在圖2C中顯示的QQ的聊天界面，在該聊天界面中顯示了多個進入其他進程的控件。在圖2C中顯示有進入QQ錢包、QQ空間和QQ郵箱的控件，以上僅為舉例，在具體實現(xiàn)時不局限于上述舉例。通過比對QQ錢包、QQ空間及QQ郵箱可知，QQ錢包的控件被突出顯示了。

圖2D為QQ錢包的顯示界面。

本實施例中所述誘導信息也可以用于參與前述預加載權(quán)值的計算，根據(jù)誘導信息有無和/或誘導程度，結(jié)合用戶行為數(shù)據(jù)，一起計算所述預加載權(quán)值，再根據(jù)預加載權(quán)值是否位于預設(shè)范圍內(nèi)，確定是否預加載第一進程。

在確定所述預加載權(quán)值時，可以前述的可選方式一至可選方式三，以及本實施例中誘導信息和用戶行為數(shù)據(jù)的結(jié)合計算，一起使用；然后計算各種方式得到的預加載權(quán)值的均值或和，根據(jù)該均值或和最終確定是否預加載第一進程。

如圖3所示，本實施例提供一種進程預加載處理裝置，包括：

獲取單元110，用于獲取與第一進程關(guān)聯(lián)的用戶行為數(shù)據(jù)；

第一確定單元120，用于根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件；

第二確定單元130，用于確定所述客戶端的當前可用內(nèi)存容量是否大于內(nèi)存閾值；

加載單元140，用于當所述當前可用內(nèi)存容量大于內(nèi)存閾值且所述用戶行為數(shù)據(jù)滿足所述預加載條件時，預加載所述第一進程。

本實施例所述進程預加載處理裝置為位于客戶端中的信息處理結(jié)構(gòu)，能夠用于確定是否預加載一個進程。

在本實施例中所述獲取單元110、第一確定單元120、第二確定單元130及加載單元140都可以對應(yīng)于處理器或處理電路。所述處理器可為中央處理器CPU、數(shù)字信號處理器DSP、應(yīng)用處理器AP、微處理器MCU或可編程陣列PLC等。所述處理電路可包括專用集成電路ASIC等。

所述處理器或處理電路，可通過執(zhí)行可執(zhí)行代碼，實現(xiàn)上述各個單元的操作。所述獲取單元110、第一確定單元120、第二確定單元130及加載單元140中的任意多個單元可以共同對應(yīng)于同一個處理器或處理電路，也可以分別對應(yīng)于不同的處理器或處理電路。

總之，本實施例提供了一種進程預加載裝置，可為實現(xiàn)前述進程預加載方法的硬件結(jié)構(gòu)，同樣具有能夠精確預加載進程，一方面提升加載指令的響應(yīng)速率，另一方面盡可能減少預加載不必要的進程導致的占用設(shè)備資源，拖慢其他進程的現(xiàn)象。

在一些實施例中，所述獲取單元110，具體用于檢測針對第一進程的歷史用戶行為，獲得歷史行為數(shù)據(jù)；所述第一確定單元120，具體用于解析所述歷史行為數(shù)據(jù)，確定預加載所述第一進程的預加載權(quán)值；確定所述預加載權(quán)值是否位于預設(shè)范圍內(nèi)。

在本實施例中所述獲取單元110可對應(yīng)于存儲介質(zhì)和處理器，處理器將第一進程的歷史行為記錄在所述存儲介質(zhì)中，這樣可以方便所述第一確定單元120根據(jù)歷史行為數(shù)據(jù)，確定所述預加載權(quán)值。在本實施例中所述第一確定單元120可對應(yīng)于計算器或具有計算功能的處理器，通過歷史行為數(shù)據(jù)的解析，計算出所述預加載權(quán)值。所述第一確定單元120還可包括比較器或具有比較功能的處理器，將所述預加載權(quán)值與預設(shè)范圍進行比較，以確定出的所述第一進程的預加載權(quán)值是否位于預設(shè)范圍內(nèi)。

在一些實施例中，所述第一確定單元120，具體用于解析所述歷史行為數(shù)據(jù)，確定使用所述第一進程的使用頻次；根據(jù)所述使用頻次確定所述預加載權(quán)值；所述加載單元150，具體用于當所述當前可用內(nèi)存容量大于所述內(nèi)存閾值，且所述預加載權(quán)值位于所述預設(shè)范圍內(nèi)，則預加載所述第一進程。

在另一些實施例中，所述第一確定單元120，具體用于解析所述歷史行為數(shù)據(jù)，確定相鄰兩次使用所述第一進程的時間間隔；根據(jù)所述時間間隔確定所述預加載權(quán)值。

在還有一些實施例中，所述第一確定單元120，具體用于利用機器學習算法對所述第一進程的歷史加載行為數(shù)據(jù)進行聚類，獲得聚類結(jié)果；根據(jù)所述聚類結(jié)果，確定在一個時間窗內(nèi)預加載因子；根據(jù)當前預加載因子，計算當前時間的所述預加載權(quán)值。具體地如，所述第一確定單元120，具體用于統(tǒng)計第一時間窗內(nèi)的加載行為；其中，所述第一時間窗包括m次所述加載行為；算n 個代表加載行為與聚類簇心的第一距離；其中，所述n個代表行為是m次所述加載行為中的n次加載行為，所述n為小于m的整數(shù)；根據(jù)所述第一距離，確定所述第一時間窗內(nèi)m次所述加載行為與聚類簇心的第二距離；根據(jù)所述第二距離，形成所述聚類結(jié)果。

在具體實現(xiàn)時，所述第一確定單元120，可為同時能夠根據(jù)使用頻次、時間間隔和/或聚類結(jié)果，進行預加載權(quán)值計算的結(jié)構(gòu)，可以使用不同的計算方式得到預加載權(quán)值，然后根據(jù)不同計算方式得到的預加載權(quán)值，計算得到最終的預加載權(quán)值，并利用最終的預加載權(quán)值與預設(shè)范圍的比較，確定是否預加載或預啟動第一進程。

在一些實施例中，所述加載單元140，還用于加載第二進程；其中，所述第二進程為與所述第一進程滿足預設(shè)關(guān)聯(lián)關(guān)系的進程；所述第一確定單元120，還用于在加載所述第二進程之后，根據(jù)所述用戶行為數(shù)據(jù)，確定是否滿足預加載條件。

在本實施例中所述裝置還包括：第三確定單元，具體用于確定所述第二進程的顯示界面是否有誘導加載所述第一進程的誘導信息；所述第一確定單元120，具體用于結(jié)合所述用戶行為數(shù)據(jù)及所述誘導信息，確定是否滿足預加載條件。

在本實施例中所述裝置還引入了第三確定單元，這里的第三確定單元與前述的第一確定單元120和/或第二確定單元劇130的結(jié)構(gòu)類似，但是在本實施例中所述第三確定單元為用于確定第二進程的顯示界面是否有誘導用戶加載第一進程的第一進程的誘導信息，在本實施例中通過誘導信息的引入，更加精確的計算出決定是否預加載第一進程的加載參數(shù)，以實現(xiàn)第一進程的精確預加載。

以下結(jié)合上述實施例提供幾個具體示例：

示例一：

本示例提供一種進程預加載處理方法，包括以下幾個階段：

第一階段：進入動態(tài)頁面，例如，進前述的第二進程的顯示頁面。這里的動態(tài)頁面可理解為動態(tài)加載的頁面。

第二階段：設(shè)備性能判斷，例如，判斷客戶端的當前可用內(nèi)存量是否大于內(nèi)存閾值。

第三階段：當設(shè)備性能滿足預定要求，進行用戶行為判斷。當用戶行為判斷可包括：判斷用戶在接下來的某個時間段內(nèi)啟動(即加載)某一目前未啟動進程的概率很高(例如，預加載權(quán)值位于預設(shè)范圍內(nèi))。

第四階段：根據(jù)第三階段的判斷結(jié)果，確定是否預加載，這里的預加載為預先加載某一個進程。

示例二：

如圖4所示，本示例提供一種進程預加載方法包括：

步驟S1：判斷是否有需要預加載進程的是否存在，若是進入步驟S2，若否則流程結(jié)束。

步驟S2：判斷設(shè)備是否允許預加載，若是進入步驟S3，若否則流程結(jié)束；

步驟S3：判斷系統(tǒng)內(nèi)存是否足夠，若是進入步驟S4，若否則流程結(jié)束。這里的系統(tǒng)內(nèi)存是否足夠相當于判斷當前可用內(nèi)存是否足夠大，

步驟S4：根據(jù)用戶行為數(shù)據(jù)判斷是否需要預加載，若是進入步驟S5，若否則流程結(jié)束；

步驟S5：判斷預加載進程對應(yīng)的插件是否安裝，若是進入步驟S7，若否進入步驟S6；

步驟S6：判斷是否建立指定類型網(wǎng)絡(luò)連接，若是進入步驟S8，若否，則流程結(jié)束。步驟S6中可包括判斷是否建立了WiFi連接等，避免使用數(shù)據(jù)流量進行插件下載和安裝。

步驟S7：執(zhí)行預加載。

步驟S8：執(zhí)行下載安裝，并進入步驟S7。

示例三：

本示例是在前述任意一個實施例或一個示例基礎(chǔ)上的進一步改建，本示例主要提供幾種技術(shù)預加載權(quán)值的方法。所述預加載權(quán)值的縮寫為PPV，是Process Preload Value的首字母組合，在本示例中只有計算出的PPV大于預加載閥值時才進行預加載。

主要包括4個主要檢測計算過程：用戶誘導檢測計算、低頻閥值檢測計算、使用時差檢測計算機、聚類時段檢測計算。

一、用戶誘導檢測計算：

檢測當前是否有誘導用戶的行為，比如紅點誘導，廣告誘導等。誘導行為會增加PPV，不同誘導行為其增加值不同，若無誘導行為則不增加誘導權(quán)值。出現(xiàn)誘導因素后用戶打開業(yè)務(wù)的可能性會更大，此時可以考慮開啟預加載。

二、低頻閥值檢測計算：

低頻閥值指用戶使用業(yè)務(wù)的頻次，對于低頻使用的用戶屏蔽預加載操作，所以會減少PPV。

三、使用時差檢測計算：

使用時差指用戶在兩次使用業(yè)務(wù)之間的時間距離，時差越短意味著用戶使用的可能性更高。依據(jù)用戶使用時差表，在極短時間內(nèi)(小于30s)PPV增加值最高；當時差在中短時間內(nèi)(小于24h)PPV增加值較?。划敃r差時間過長(大于24h)會減少PPV。

四、聚類算法時段檢測計算：

所述聚類算法可為k-means算法，所述k-means算法是機器學習算法中的一種，通過聚類的方式歸納用戶使用行為，實現(xiàn)用戶使用行為的判斷。為減少k-means的計算量，從計算精度與預加載成功率上做了折中處理。簡化用戶行為學習過程，只記錄不同時間段上用戶的啟動行為，通過減少數(shù)據(jù)量的方式減少計算量。利用時間段內(nèi)一次或多次歐式距離，代替該時間段內(nèi)所有歐氏距離計算方式，以達到減少計算量，優(yōu)化優(yōu)化k-means距離計算的效果。當使用k-means算法檢測用戶所落在預加載時段，不同時段會為PPV賦予不同值，當落在聚類結(jié)果為使用最頻繁時段時會增加PPV；當落在聚類結(jié)果為低使用時段時會減少PPV。

在本示例中，增加用戶誘導檢測計算。，可通過加入誘導行為檢測能提升判斷的準確率，并能有效提高用戶的使用體驗。此外，在終端引入機器學習算法k-means等聚類算法，動態(tài)改變檢測條件?，F(xiàn)有終端用戶行為檢測一般都為點擊檢測與使用時長檢測，這些檢測方式都過于簡單，且判斷條件都是靜態(tài)條件，比如使用次數(shù)不低于“某值”，而這個“某值”都是靜態(tài)的，不會根據(jù)用戶使用時間推移而改變，不能準確匹配用戶使用習慣。引入k-means算法后可以動態(tài)的的檢測用戶使用行為，隨著用戶使用時間推移，對判斷條件不斷做出調(diào)整，慢慢的接近用戶的真實使用習慣。所述k-means算法可由k-nearby算法替代。

示例四：

如圖5所示，本示例提供一種進程預加載處理裝置的一個可選的硬件結(jié)構(gòu)示意圖，包括處理器11、輸入/輸出接口13(例如顯示屏、觸摸屏、揚聲器)，存儲介質(zhì)14以及網(wǎng)絡(luò)接口12，組件可以經(jīng)系統(tǒng)總線15連接通信。相應(yīng)地，存儲介質(zhì)14中均存儲有用于執(zhí)行本發(fā)明實施例記載的服務(wù)處理方法的可執(zhí)行指令。圖3中示出的各硬件模塊可根據(jù)需要部分實施、全部實施或?qū)嵤┢渌挠布K，各類型硬件模塊的數(shù)量可以為一個或多個，各硬件模塊可以在同一地理位置實施，或者分布在不同的地理位置實施，可以用于執(zhí)行上述圖1及圖4所示的進程預加載方法中的一個或多個。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的設(shè)備和方法，可以通過其它的方式實現(xiàn)。以上所描述的設(shè)備實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，如：多個單元或組件可以結(jié)合，或可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些接口，設(shè)備或單元的間接耦合或通信連接，可以是電性的、機械的或其它形式的。

上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位于一個地方，也可以分布到多個網(wǎng)絡(luò)單元上；可以根據(jù)實際的需要選擇其中的部分或全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各實施例中的各功能單元可以全部集成在一個處理模塊中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能單元的形式實現(xiàn)。

本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質(zhì)包括：移動存儲設(shè)備、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準。