CN109690534B - 使用动态用户模型进行预取以减少等待时间 - Google Patents

Abstract

一种设备包括存储预取模型的存储器。控制模块接收包括一个或多个链接的内容页面，该一个或多个链接各自与可选择的内容相关联，并且收集与内容页面相关联的数据。所收集的数据包括指示每个链接与设备的视口之间的相应关系的第一数据和指示视口的特性的第二数据中的至少一项。控制模块还使用预取模型以基于所收集的数据向每个链接分配相应得分，并且基于所分配的得分而选择性地生成预取与至少一个链接相关联的可选择的内容的请求。

Description

使用动态用户模型进行预取以减少等待时间

技术领域

本公开涉及网络浏览，并且更具体地涉及在网络浏览期间预取内容。

背景技术

本文中提供的背景描述是用于总体上呈现本公开的上下文的目的。目前所列出发明人的工作(在本背景技术部分中描述的工作的范围)以及在提交时可能不具有其他资格作为现有技术的描述的各方面的程度上既不明确也不暗示地被承认为本公开的现有技术。

可以使用各种设备以经由到网络的无线和/或有线连接来搜索、浏览、选择和/或查看远程内容。例如，设备可以响应于由用户提供的搜索查询而显示包括一个或多个搜索结果、链接等的搜索引擎结果页面(SERP)。用户可以选择搜索结果之一，以从与所选择的搜索结果相关联的地址(例如，统一资源定位符或URL)中取回内容，以访问与搜索结果相关联的媒体内容(例如，音频或视频)等。

用户可能在选择期望的搜索结果与实际上能够查看相关联的内容之间经历延迟。例如，设备可以响应于选择而生成取回内容的请求，经由网络传输请求，并且此后接收内容。在一些设备中，可以通过预取与SERP上的一个或多个搜索结果相关联的内容来减少该等待时间。换言之，设备可以尝试预测用户可能选择哪个搜索结果，并且在用户实际选择搜索结果之前生成预取相关联的内容的请求。因此，可以在用户选择之前向设备递送相关联的内容中的一些或全部。

发明内容

一种设备包括存储预取模型的存储器。控制模块接收内容页面，其包括各自与可选择的内容相关联的一个或多个链接，并且收集与内容页面相关联的数据。所收集的数据包括指示每个链接与设备的视口之间的相应关系的第一数据和指示视口的特性的第二数据中的至少一项。控制模块还使用预取模型以基于所收集的数据向每个链接分配相应得分，并且基于所分配的得分选择性地生成用以预取与至少一个链接相关联的可选择的内容的请求。

一种操作设备的方法包括接收包括各自与可选择的内容相关联的一个或多个链接的内容页面，以及收集与内容页面相关联的数据。所收集的数据包括指示每个链接与设备的视口之间的相应关系的第一数据和指示视口的特性的第二数据中的至少一项。该方法还包括使用预取模型以基于所收集的数据向每个链接分配相应的得分，并且基于所分配的得分选择性地生成用以预取与至少一个链接相关联的内容的请求。

根据具体实施方式、权利要求和附图，本公开的其他应用领域将变得很清楚。详细描述和具体示例仅用于说明的目的，并不旨在限制本公开的范围。

附图说明

图1是实现根据本公开的预取模型的示例用户设备。

图2是实现根据本公开的预取模型的示例控制模块。

图3示出了根据本公开的视口相对于搜索引擎结果页面的示例移动。

图4是根据本公开的输入到预取模型的示例特征的表。

图5是根据本公开的分配给输入到预取模型的各个特征的相对重要性的表。

图6是根据本公开的示例预取方法。

在附图中，可以重复使用附图标记来标识相似和/或相同的元素。

具体实施方式

用于内容浏览的设备可以实现预取以减少用户所经历的等待时间。例如，设备可以实现静态模型，该静态模型试图预测用户将选择搜索引擎结果页面(SERP)上的给定搜索结果的可能性。在一些示例中，模型可以基于以下各项来预取搜索结果：给定SERP上的哪个搜索结果最常被其他用户选择、响应于给定查询而提供的搜索结果中的哪个搜索最常被其他用户选择、哪个搜索结果最常被当前用户选择、排名最高的搜索结果(例如，SERP上的顶部链接)等。

如果由于不准确的预测而预取了不正确的内容(即，与除了最终选择的搜索结果之外的搜索结果相对应的内容)，则可能消耗附加的资源。例如，当预取不正确的内容时，等待时间没有减少并且实际上可能增加，并且可能使用附加的带宽。由于更长的页面加载时间、数据使用和带宽限制以及电池消耗，准确的预取在移动设备中可能尤为重要。

因此，根据本公开的原理的预取系统和方法实现动态模型以预测用户对用于预取的搜索结果的选择。在一个示例中，动态模型基于搜索结果与设备的视口之间的关系来预测用户选择。例如，用户当前正在查看SERP的哪些搜索结果、搜索结果的相应位置和/或大小等，其可以取决于视口的特性，包括但不限于视口相对于SERP的位置、视口的取向、视口的缩放级别、和/或与视口相关联的用户偏好或设置。尽管关于搜索结果的选择来进行描述，但是本公开的预取系统和方法也可以应用于其他合适的可选择的内容，包括但不限于对在任何设备的显示器上呈现给用户的网页或其他界面上的任何链接、内容等的选择。仅作为示例，呈现给用户的网页或其他界面可以包括到其他网页的链接、到内容(例如，音频文件、视频文件或其他可下载内容)的链接、启动另外的功能的链接等。

本文中描述的预取系统和方法可以包括：收集与用户行为相关联的数据，该数据可以指示搜索结果选择；对所收集的数据建模以建立用户行为与搜索结果选择之间的关系；以及基于建模结果来预测最可能由用户选择的搜索结果。例如，数据收集可以包括在显示搜索结果的同时监测与设备和视口的用户交互(诸如滚动和缩放)、以及与其他设备接口的交互(例如，在一些设备中，光标、诸如眼睛运动传感器等传感器等)。

指示用户交互的数据被提供给一个或多个模型。例如，模型可以包括：动态模型，其对应于与相对于所显示的搜索结果的动态用户行为相关联的数据；以及静态模型，其对应于与搜索结果的固定特性相关联的数据，诸如搜索结果排名或位置。建模包括生成模型并且在浏览期间向模型提供所收集的数据。例如，模型可以基于为多个用户聚合的历史统计数据的集合来被生成，以将用户行为与搜索结果选择相关联。模型可以离线生成并且被存储在设备上，并且可以基于用户行为而周期性地被更新。

在浏览期间，所收集的数据被输入到模型，并且模型生成指示设备应当预取哪个搜索结果的一个或多个输出。例如，模型可以实现一个或多个决策树、加权算法等。在一个示例中，模型的输出可以包括分配给当前在设备的视口内的一个或多个搜索结果的得分。每个得分可以对应于用户将选择相应搜索结果的可能性。当用户浏览SERP时，得分可以对应于运行的动态值。换言之，当用户与视口或设备的其他输入交互时，可以连续地调节得分。

基于建模结果来预测用户选择的最可能的搜索结果包括基于模型的输出来做出预取决定。例如，设备可以监测每个搜索结果的得分，并且基于得分生成用以预取一个或多个搜索结果的请求。在一个示例中，设备仅预取单个搜索结果。例如，设备可以预取具有最高得分的搜索结果、得分超过预取阈值的第一搜索结果、在预定时段之后具有最高得分的搜索结果(例如，对应于自SERP被提供或者视口位置被调节以来的时间)等。在一些示例中，可以在每次调节视口时调节或重置得分、阈值、预定时段等。例如，预取阈值可以是固定的，或者可以随着自上次与设备的用户交互以来的时间增加而增加或减少。在一些示例中，设备可以针对一个或多个搜索结果执行其他操作(例如，解析域名系统或DNS条目)，而没有实际预取搜索结果。

以这种方式，根据本公开的原理的预取减少了与使用移动设备浏览内容相关联的等待时间。此外，相对于传统的预取实现，可以增加根据本公开的原理而执行的预取的准确性，从而减少了与预取相关联的资源的消耗(例如，数据使用、带宽、电池充电等)。

现在参考图1，示出了根据本公开的原理的示例用户设备100。设备100可以对应于与电视或其他显示器等通信的用户设备，包括但不限于：智能手机、平板电脑、电子阅读器、膝上型计算机或其他移动设备、台式计算机、游戏机、机顶盒或其他媒体设备。在一些示例中，设备100不包括用于控制显示器104上示出的光标的输入。

设备100包括显示器104、用户接口108、控制模块112、存储器116(例如，用于短期数据访问，诸如处理期间的加载的应用数据)和/或数据存储装置120(例如，用于用户数据、程序数据等的长期存储)和通信接口124。用户接口108可以包括：例如，用于接收语音输入和命令的麦克风、按钮或其他手动输入、触控笔、鼠标、键盘、扬声器、显示器104的触摸屏界面等。存储器116可以包括易失性和/或非易失性半导体存储器。数据存储装置120可以包括硬盘驱动器、固态驱动器等。仅作为示例，本公开的预取模型可以存储在存储器116和/或数据存储装置120中。

设备100经由通信接口124与分布式信息系统(例如，局域网或广域网中的一个或多个，包括基站或接入点、蜂窝或其他移动电话网络、因特网等)通信。例如，通信接口124可以被配置为经由有线和/或无线连接进行通信。在示例中，通信接口124可以包括Wi-Fi接口、蜂窝或其他移动电话接口、蓝牙接口、有线以太网接口和/或其他合适的通信接口中的一个或多个。

控制模块112可以被配置为实现根据本公开的原理的预取系统和方法。例如，设备100的用户经由用户接口108来向搜索引擎界面中输入搜索查询。在一个示例中，用户接口108和显示器104一起实现触摸屏界面，并且用户使用显示器104上提供的屏幕上键盘来输入搜索查询。设备100(例如，使用控制模块112)经由通信接口124和分布式信息系统128来向搜索引擎提供搜索查询。设备100接收相应的搜索引擎结果页面(SERP)并且在显示器104的视口内向用户显示SERP。虽然关于SERP来进行描述，但是设备100可以响应于用户的动作而显示任何合适的内容页面，并且如下所述的本公开的预取原理可以应用于内容页面上的可选择的内容。

SERP可以大于显示器104的视口，并且SERP的所有搜索结果可以不被同时显示。用户可以使用显示器104的触摸屏界面来相对于SERP上下滚动视口以查看整个SERP。

指示SERP和用户与显示器104的交互的数据被提供给控制模块112。例如，如下面更详细描述的，数据可以包括静态和动态数据。静态数据可以包括与在显示器104上提供的搜索结果和SERP的固定特性相关联的数据，诸如搜索结果排名或位置。相反，动态数据可以包括关联于与显示器104的视口的用户交互的数据。示例动态数据包括但不限于：视口相对于SERP的位置、滚动、视口已经处于当前位置的持续时间等。在一些示例中，动态数据可以包括光标移动、眼睛移动等。

控制模块112将所收集的数据作为输入提供给预取模型。模型生成指示设备100应当预取SERP上的哪个搜索结果中的一个或多个输出。例如，模型的输出可以包括分配给当前在显示器104的视口内的一个或多个搜索结果的得分。控制模块112基于分配给搜索结果的得分来确定是否生成预取请求，并且经由通信接口124选择性地向搜索引擎提供预取请求。搜索引擎向设备100提供与预取的搜索结果相关联的内容。例如，控制模块112可以将内容存储在存储器116中。

当用户实际选择搜索结果时，控制模块112确定所选择的搜索结果是否对应于预取的搜索结果。如果所选择的搜索结果与预取的搜索结果相匹配，则控制模块112从存储器116中取回内容并且经由显示器104将内容提供给用户。相反，如果所选择的搜索结果与预取的搜索结果不匹配，则控制模块112生成从分布式信息系统128中取回与所选择的搜索结果相关联的内容的新的请求。控制模块112可以根据预取操作的结果(例如，预取的搜索结果是否与所选择的搜索结果相匹配)来更新模型。

现在参考图2，示例控制模块200包括数据收集模块204、模型处理模块208、预取控制模块212和内容请求模块216。数据收集模块204收集可以预测用户可能从SERP中选择哪个搜索结果的数据。数据可以包括与当前搜索相关联的静态数据和动态数据两者(例如，包括但不限于SERP、显示器104和视口的特性、用户行为等)、以及历史数据(例如，从存储器/数据存储装置220中取回的)。例如，数据收集模块204可以在SERP的浏览期间监测与显示器104相关联的用户行为。数据收集模块204将所收集的数据提供给模型处理模块208，和/或可以提供数据以用于存储在存储器/数据存储装置220中。

模型处理模块208从数据收集模块204接收所收集的数据，和/或从存储器/数据存储装置220中取回所存储的所收集的数据(例如，包括历史数据)。模型处理模块208还可以从存储器/数据存储装置220中取回预取模型。模型处理模块208将所收集的数据作为输入提供给预取模型，并且相应地执行预取模型。在示例中，预取模型输出分配给当前在显示器104的视口内的搜索结果的得分。预取模型可以在用户与显示器104交互时连续地调节得分。

模型处理模块208将得分提供给预取控制模块212。预取控制模块212监测由模型处理模块208提供的得分，并且基于得分来选择性地生成预取请求。预取控制模块212将预取请求提供给内容请求模块216。

内容请求模块216将预取请求提供给搜索引擎以取回相关联的内容。内容请求模块216可以将所取回的内容存储在存储器/数据存储装置220中。当用户从SERP中选择搜索结果时，内容请求模块216接收选择的指示，并且确定所选择的搜索结果是否对应于预取的搜索结果。内容请求模块216从存储器/数据存储装置220中取回内容，或者基于所选择的搜索结果是否与预取内容相匹配来向搜索引擎提供新的请求，并且将相应的内容提供给显示器104。

现在参考图3，针对搜索引擎结果页面(SERP)300和视口304来描述预取控制模块212的示例操作。在308处，视口304被示出为在第一时间相对于正在加载和显示的SERP 300处于第一位置。仅作为示例，第一时间可以对应于0秒(即，最初加载SERP 300的时间)。在312处，视口304被示出为在第二时间(例如，在最初加载SERP 300之后5秒)处于第二位置。仅作为示例，第二位置是用户从第一位置向下滚动视口304的结果。在316处，视口304被示出为在第三时间(例如，在最初加载SERP 300之后10秒)处于第三位置。仅作为示例，第三位置可以是与第一位置相同的位置(即，SERP 300的顶部)。换言之，第三位置可以是用户将视口304向上滚动到第一位置的结果。

每个搜索结果(例如，搜索结果1到10)被分配相应的得分。仅作为示例，分别在320、324和328处示出了在第一时间、第二时间和第三时间分配给搜索结果的得分。换言之，当用户在浏览期间与视口304交互时，可以连续地调节和更新得分(例如，通过模型处理模块208)。得分相应地被提供给预取控制模块212。在一个示例中，得分可以在0.1到1.0之间。在示例中，得分可以至少部分地基于每个搜索结果在视口304内(即，由用户可查看)的相应时间。

预取控制模块212基于得分来选择性地确定是否预取与一个或多个搜索结果相关联的内容。仅作为示例，预取控制模块212可以将得分与预取阈值进行比较，并且基于得分之一是否等于或大于阈值来生成预取请求。仅作为示例，阈值可以是0.8。在一些示例中，阈值可以随时间变化。例如，阈值在0秒时可以是0.8，在5秒时可以是0.7，在10秒时可以是0.6。相反，阈值在0秒时可以是0.8，在5秒后可以是0.9。换言之，阈值可以被配置为随着SERP 300已经被加载的持续时间增加而增加或者减少。

因此，预取阈值可以被配置为平衡预取的频率和可能性与预取的准确性。例如，降低预取阈值会增加预取的频率，同时也会降低预取的准确性。相反，增加预取阈值会降低预取的频率，同时也会提高预取的准确性。以这种方式，根据本公开的系统和方法可以被配置为平衡浏览效率(即，减少等待时间和加载时间)与资源消耗(即，数据、带宽和电池电力使用)。

图4示出了指示SERP 300、用户与SERP 300之间的交互(即，用户行为，包括滚动)等的示例量化“特征”的表400。例如，在被输入到预取模型之前，如图2中描述的所收集的数据通过模型处理模块208、数据收集模块204等被转换为特征。特征包括静态特征和动态特征。静态特征和动态特征每个可以进一步分类为全局特征或局部特征。例如，静态特征(和数据)对应于搜索结果和SERP的固定特性。换言之，静态特征不会随时间而改变。相反，动态特征对应于可以随时间(例如，当用户与视口304交互时)而改变的特性。全局特征对应于SERP 300的特征，这些特征在所有搜索结果中是共同的。相反，局部特征对应于特定搜索结果特定的特征。例如，每个搜索结果可以具有相关联的感兴趣区域(AOI)。AOI可以包括搜索结果的标题、搜索结果的简要描述、与搜索结果相关联的图像等。

在表400中，动态局部特征仅包括例如与每个搜索结果相对于多个视口位置V_t(例如，包括过去的视口位置和当前视口位置v_t，其中V_t＝{v₀,…,v_t})的相应AOI x相关联的特征。例如，特征可以包括但不限于：AOI x是否与视口位置相交的指示、在视口内在相应位置的AOI x的一部分、AOI x的标题是否在视口内、视口内的AOI x的原始面积、与AOI x相交的视口的一部分、AOI x在视口内可见的持续时间(例如，以ms为单位)、AOI x与视口之间的距离、AOI x位于视口上方还是下方的指示、以及AOI x在视口内已经可见的次数。

动态全局特征包括但不限于：当前视口位置与先前视口位置之间的时间差、当前视口位置与先前视口位置之间的距离、当前视口位置与先前视口位置之间的移动速度、初始视口位置与当前视口位置之间的总时间(例如，对应于SERP 300已经被加载的总时间)、与视口相交的AOI X的总数、分视口内的AOI X的总数、视口的宽度、视口的高度、视口相对于SERP 300的水平位置、视口相对于SERP 300的竖直位置、视口的最大竖直位置、视口中AOI的最大排名(即，相对于SERP 300的总体位置)、视口的总的滚动距离、由用户执行的向上滚动的次数、由用户执行的向下滚动的次数、以及由用户执行的在任何方向上的滚动的总数。

静态局部特征包括但不限于AOI x的面积(例如，以像素为单位)、AOI x的宽度(例如，以像素为单位)、AOI x的高度(例如，以像素为单位)、AOI x的排名、AOI x的水平位置、AOI x的竖直位置、AOI x是否为竖直结果、AOI x的历史点击频率、AOI x的平均页面加载时间(PLT)、AOI x的PLT的标准偏差、以及AOI x的页面大小。

静态全局特征包括但不限于：SERP 300是否包括广告的指示、SERP 300是否包括查询建议的指示、与SERP 300相关联的点击熵H(q)(例如，如在诸如1.5年等预定时段内确定的)、以及与SERP 300相关联的点击频率freq(q)。

根据本公开的原理的预取模型是根据图4所示的一个或多个特征来构造的。例如，数据收集模块204选择性地收集指示一个或多个上述特征的数据，数据收集模块204和/或模型处理模块208将数据转换成与每个特征相对应的相应输入，并且这些特征被提供给预取模型。预取模型基于这些输入特征来计算每个搜索结果的相应得分。

预取模型可以仅考虑所选择的特征，和/或模型可以基于模型的历史性能、用户等来给予每个特征更多或更少的权重。例如，模型可以被更新以向任何特征提供更多或更少的权重。在如图5所示的一个示例中，表500包括为每个特征确定的相应的“重要性”。例如，重要性是特征与用户实际选择给定搜索结果的相关程度的指示。可以构造预取模型以根据所确定的重要性来对特征进行加权，并且可以响应于重要性被修改而更新预取模型。仅作为示例，可以响应于导致对表500中的特征的重新排序的对任何特征的重要性的改变而更新预取模型。

尽管如上所述的预取模型基于与视口位置相关的特征来计算和为搜索结果分配得分，但是在一些示例中，预取模型还可以基于光标移动、眼睛移动、手指悬停/位置等来接收特征。因此，预取模型可以包含与多种类型的用户交互相关联的特征。仅作为示例，与光标移动相关的特征可以包括静态全局特征(例如，诸如查询频率、查询点击熵等查询特征、和/或诸如广告、相关搜索等SERP特征)、动态全局特征(例如，光标速度、加速度、加速度变化率、SERP上的位置等)、静态局部特征(例如，每个AOI的排名、AOI的水平和竖直坐标、AOI的面积等)、以及动态局部特征(例如，光标移动与每个AOI之间的交互，诸如光标的移动方向与AOI之间的角度、与AOI的距离、AOI是否在光标的轨迹内的指示)。

现在参考图6，示例预取方法600在604处开始。在608处，用户将搜索查询输入到设备(例如，智能电话)的显示器上提供的搜索引擎界面中。在612处，设备将搜索查询提供给搜索引擎。在616处，设备响应于搜索查询而接收SERP。在620处，设备收集与SERP相关联的数据，包括如上面在图1-5中描述的动态数据和静态数据。在624处，设备向预取模型提供指示数据的特征。在628处，预取模型向SERP上的搜索结果分配得分。

在632处，设备确定任何搜索结果的指定得分是否大于或等于预取阈值。如果是，则方法600继续到636。如果否，则方法600继续到640。在640处，设备确定用户是否选择了搜索结果。如果是，则在644处，设备生成取回与所选择的搜索结果相关联的内容的请求，并且在648处结束。如果否，则方法600继续到620以继续收集数据并且更新分配给搜索结果的得分。

在636处，设备生成取回与得分大于或等于预取阈值的搜索结果相关联的内容的预取请求。在652处，设备接收预取的内容。在656处，设备确定用户是否选择了搜索结果。如果是，则方法600继续到660。如果否，则方法600继续到656。在660处，设备确定由用户选择的搜索结果是否与预取的搜索结果相匹配。如果是，则方法600继续到664。如果否，则方法600继续到644以取回与所选择的搜索结果相关联的内容。在664处，方法600经由设备的显示器向用户提供预取的内容，并且在648处结束。

前面的描述本质上仅是说明性的，并且决不是旨在限制本公开、其应用或用途。本公开的广泛教导可以以各种形式实现。因此，尽管本公开包括特定示例，但是本公开的真实范围不应当受此限制，因为在研究了附图、说明书和所附权利要求之后，其他修改将变得很清楚。应当理解，方法内的一个或多个步骤可以以不同的顺序(或同时)来被执行而不改变本公开的原理。此外，尽管上面将每个实施例描述为具有某些特征，但是关于本公开的任何实施例描述的那些特征中的任何一个或多个可以在任何其他实施例的特征中实现和/或与其组合，即使没有明确描述该组合。换言之，所描述的实施例不是相互排斥的，并且一个或多个实施例彼此的排列仍然在本公开的范围内。

元件之间(例如，模块、电路元件、半导体层等之间)的空间和功能关系使用各种术语来描述，包括“连接”、“接合”、“耦合”、“相邻”、“紧挨”、“之上”、“上方”、“下方”和“设置”。除非明确地描述为“直接”，否则当在上述公开内容中描述第一元素与第二元素之间的关系时，该关系可以是其中在第一元素与第二元素之间不存在其他中间元素的直接关系，但也可以是其中在第一元素与第二元素之间存在(空间或功能上)一个或多个中间元素的间接关系。如本文中使用的，短语A、B和C中的至少一个应当被解释为使用非排他性逻辑“或”的表示逻辑(A或B或C)，并且不应当被解释为表示“至少一个A、至少一个B、和至少一个C”。

在附图中，箭头所指示的箭头方向通常表示图示所关注的信息(例如，数据或指令)流。例如，当元素A和元素B交换各种信息但从元素A传输到元素B的信息与图示相关时，箭头可以从元素A指向元素B。这个单向箭头并不表示没有其他信息从元素B传输到元素A。此外，对于从元素A发送到元素B的信息，元素B可以向元素A发送对信息的请求或接收信息的确认。

在本申请中，包括以下定义，术语“模块”或术语“控制器”可以替换为术语“电路”。术语“模块”可以指代以下各项、是以下各项的部分或者包括以下各项：专用集成电路(ASIC)；数字、模拟或混合模拟/数字分立电路；数字、模拟或混合模拟/数字集成电路；组合逻辑电路；现场可编程门阵列(FPGA)；执行代码的处理器电路(共享、专用或组)；存储由处理器电路执行的代码的存储器电路(共享、专用或组)；提供所述功能的其他合适的硬件组件；或者上述中的部分或全部的组合(诸如在片上系统中)。

模块可以包括一个或多个接口电路。在一些示例中，接口电路可以包括连接到局域网(LAN)、因特网、广域网(WAN)或其组合的有线或无线接口。本公开的任何给定模块的功能可以分布在经由接口电路连接的多个模块之间。例如，多个模块可以允许负载平衡。在另外的示例中，服务器(也称为远程或云)模块可以代表客户端模块来完成某些功能。

如上所使用的术语代码可以包括软件、固件和/或微代码，并且可以指代程序、例程、函数、类、数据结构和/或对象。术语“共享处理器电路”包括执行来自多个模块的一些或所有代码的单个处理器电路。术语“组处理器电路”包括与附加处理器电路组合地执行来自一个或多个模块的一些或所有代码的处理器电路。对多个处理器电路的引用包括分立管芯上的多个处理器电路、单个管芯上的多个处理器电路、单个处理器电路的多个核、单个处理器电路的多个线程、或上述的组合。术语“共享存储器电路”包括存储来自多个模块的一些或所有代码的单个存储器电路。术语“组存储器电路”包括与附加存储器组合地存储来自一个或多个模块的一些或所有代码的存储器电路。

术语“存储器电路”是术语计算机可读介质的子集。本文中使用的术语“计算机可读介质”不包括通过介质(诸如在载波上)传播的暂态电信号或电磁信号；因此，术语“计算机可读介质”可以被认为是有形的和非暂态的。非暂态有形计算机可读介质的非限制性示例是：非易失性存储器电路(诸如闪存电路、可擦除可编程只读存储器电路或掩模只读存储器电路)、易失性存储器电路(诸如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(诸如模拟或数字磁带或硬盘驱动器)和光存储介质(诸如CD、DVD或蓝光光盘)。

在本申请中，被描述为具有特定属性或执行特定操作的装置元件被具体配置为具有这些特定属性并且执行这些特定操作。具体地，对用于执行动作的元件的描述表示该元件被配置为执行动作。元件的配置可以包括对元件的编程，诸如通过在与元件相关联的非暂态有形计算机可读介质上编码指令。

本申请中描述的装置和方法可以由通过配置通用计算机以执行计算机程序中包含的一个或多个特定功能而创建的专用计算机部分地或全部地实现。上述功能块、流程图组件和其他元件用作软件规范，这些软件规范可以通过熟练技术人员或程序员的例行工作转换成计算机程序。

计算机程序包括存储在至少一个非暂态有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用、后台服务、后台应用等。

计算机程序可以包括：(i)待解析的描述性文本，诸如HTML(超文本标记语言)或XML(可扩展标记语言)、(ii)汇编代码、(iii)由编译器从源代码生成的目标代码、(iv)用于由解释器执行的源代码、(v)用于由即时编译器编译和执行的源代码等。仅作为示例，源代码可以使用各种语言的语法来编写，包括C、C++、C#、Objective C、Haskell、Go、SQL、R、Lisp、Fortran、Perl、Pascal、Curl、OCaml、/>HTML5、Ada、ASP(活动服务器页面)、PHP、Scala、Eiffel、Smalltalk、Erlang、Ruby、/>Lua和/>

权利要求中所述的任何要素均不是装置加功能元件，除非使用短语“用于……的装置”或者在方法权利要求的情况下使用短语“用于……的操作”或“用于……的步骤”来明确地叙述元素。

Claims (20)

1.一种设备，包括：

存储预取模型的存储器；以及

与所述存储器通信的控制模块，所述控制模块：

接收内容页面，所述内容页面包括到可选择的内容的一个或多个链接，

收集指示所述一个或多个链接的链接子集的相应感兴趣区域相对于所述设备的视口的位置的数据；

收集指示所述视口相对于所述内容页面的移动的数据；

使用所收集的所述数据为所述链接子集中的每个链接生成特征向量，所述特征向量包括多个特征，所述多个特征包括指示所述链接的所述相应感兴趣区域相对于所述设备的视口的位置的特征和指示所述视口相对于所述内容页面的移动的特征；

基于所述特征向量和所述预取模型，向所述链接子集中的每个链接分配相应得分，所述预取模型被配置为基于链接的相应感兴趣区域相对于所述视口的历史位置和所述视口相对于内容页面的历史移动之间的关系来预测链接将被用户选择的可能性；

基于所分配的所述得分而选择性地生成用以预取由所述链接中的至少一个链接所链接到的所述可选择的内容的请求；以及

基于所述特征与所述链接子集的实际用户选择的相关程度，调整所述预取模型中与所述多个特征相关联的权重。

2.根据权利要求1所述的设备，其中所述链接对应于搜索结果，并且所述内容页面对应于搜索引擎结果页面。

3.根据权利要求1所述的设备，其中指示所述视口相对于所述内容页面的移动的数据包括以下至少一项：所述视口的移动速度、所述视口的第一次移动和所述视口的第二次移动之间的时间量、或所述视口的移动方向的改变次数。

4.根据权利要求2所述的设备，其中所述控制模块响应于所述视口相对于所述搜索引擎结果页面的位置的改变，而更新指示所述一个或多个链接的链接子集的相应感兴趣区域相对于所述设备的视口的位置的数据和指示所述视口相对于所述内容页面的移动的数据。

5.根据权利要求1所述的设备，其中指示所述一个或多个链接的链接子集的相应感兴趣区域相对于所述设备的视口的位置的数据和指示所述视口相对于所述内容页面的移动的数据包括随时间改变的动态数据，并且其中当所述动态数据改变时，所述控制模块更新所分配的所述得分。

6.根据权利要求1所述的设备，其中所述控制模块将所分配的所述得分与预取阈值相比较，并且基于所述比较选择性地生成所述请求。

7.根据权利要求2所述的设备，其中所述控制模块：

收集指示所述视口的特性的数据，其中所述视口的所述特性包括以下中的至少一项：所述视口的当前位置与所述视口的先前位置之间的关系、所述视口与所述搜索引擎结果页面之间的关系和所述视口的移动；以及

至少部分地基于指示所述视口的特性的数据，生成所述特征向量。

8.根据权利要求1所述的设备，其中所述相应感兴趣区域包括：所述链接的标题、所述链接的简要描述和与所述链接相关联的图像。

9.根据权利要求1所述的设备，其中所述视口包括所述内容页面的由用户可查看的显示部分。

10.一种操作设备的方法，所述方法包括：

接收内容页面，所述内容页面包括到可选择的内容的一个或多个链接；

收集指示所述一个或多个链接的链接子集的相应感兴趣区域相对于所述设备的视口的位置的数据；

收集指示所述视口相对于所述内容页面的移动的数据；

使用所收集的所述数据为所述链接子集中的每个链接生成特征向量，所述特征向量包括多个特征，所述多个特征包括指示所述链接的所述相应感兴趣区域相对于所述设备的视口的位置的特征和指示所述视口相对于所述内容页面的移动的特征；

基于所述特征向量和预取模型，向所述链接子集中的每个链接分配相应得分，所述预取模型被配置为基于链接的相应感兴趣区域相对于所述视口的历史位置和所述视口相对于内容页面的历史移动之间的关系来预测链接将被用户选择的可能性；

基于所分配的所述得分而选择性地生成用以预取由所述链接中的至少一个链接所链接到的内容的请求；以及

基于所述特征与所述链接子集的实际用户选择的相关程度，调整所述预取模型中与所述多个特征相关联的权重。

11.根据权利要求10所述的方法，其中所述链接对应于搜索结果，并且所述内容页面对应于搜索引擎结果页面。

12.根据权利要求10所述的方法，其中指示所述视口相对于所述内容页面的移动的数据包括以下至少一项：所述视口的移动速度、所述视口的第一次移动和所述视口的第二次移动之间的时间量、或所述视口的移动方向的改变次数。

13.根据权利要求11所述的方法，还包括响应于所述视口相对于所述搜索引擎结果页面的位置的改变，而更新指示所述一个或多个链接的链接子集的相应感兴趣区域相对于所述设备的视口的位置的数据和指示所述视口相对于所述内容页面的移动的数据。

14.根据权利要求10所述的方法，其中指示所述一个或多个链接的链接子集的相应感兴趣区域相对于所述设备的视口的位置的数据和指示所述视口相对于所述内容页面的移动的数据包括随时间改变的动态数据，并且所述方法还包括当所述动态数据改变时更新所分配的所述得分。

15.根据权利要求10所述的方法，还包括将所分配的所述得分与预取阈值相比较，并且基于所述比较选择性地生成所述请求。

16.一种设备，包括：

显示器，所述显示器包括视口和触屏界面；

硬件处理电路；

硬件存储器，包括指令，所述指令在被执行时将所述硬件处理电路配置为执行操作，所述操作包括：

接收用户的向所述设备的搜索查询输入，

向搜索引擎提供所述搜索查询，

响应于所述搜索查询，接收搜索引擎结果页面，所述搜索引擎结果页面包括一个或多个搜索结果，其中所述搜索引擎结果页面的至少一部分在所述显示器的所述视口内是可见的，

收集指示所述一个或多个搜索结果的搜索结果子集的相应感兴趣区域相对于所述设备的视口的位置的数据；

收集指示所述视口相对于所述搜索引擎结果页面的移动的数据；

使用所收集的所述数据为所述搜索结果子集中的每个搜索结果生成特征向量，所述特征向量包括多个特征，所述多个特征包括指示所述搜索结果的所述相应感兴趣区域相对于所述设备的视口的位置的特征和指示所述视口相对于所述搜索引擎结果页面的移动的特征；

基于所述特征向量和预取模型，向所述搜索结果子集中的每个搜索结果分配相应得分，所述预取模型被配置为基于搜索结果的相应感兴趣区域相对于所述视口的历史位置和所述视口相对于搜索引擎结果页面的历史移动之间的关系来预测搜索结果将被用户选择的可能性；

基于所分配的所述得分而选择性地生成用以预取由所述搜索结果中的至少一个搜索结果所链接到的内容的请求；以及

基于所述特征与所述搜索结果子集的实际用户选择的相关程度，调整所述预取模型中与所述多个特征相关联的权重。

17.根据权利要求16所述的设备，还包括响应于所述视口相对于所述搜索引擎结果页面的位置的改变，而更新指示所述一个或多个搜索结果的搜索结果子集的相应感兴趣区域相对于所述设备的视口的位置的数据和指示所述视口相对于所述搜索引擎结果页面的移动的数据。

18.根据权利要求16所述的设备，其中针对给定搜索结果的所分配的所述得分至少基于所述给定搜索结果的感兴趣区域在所述视口内的时间量而被计算。

19.根据权利要求16所述的设备，其中用以预取由所述搜索结果中的至少一个搜索结果所链接到的内容的所述请求是响应于针对所述搜索结果中的所述至少一个搜索结果的所分配的所述得分超出预取阈值而被生成。

20.根据权利要求19所述的设备，其中所述预取阈值随时间而变化。