具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
下面结合附图和实施方式对本发明进行详细说明。
请参阅图1,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的页面预加载方法一般由服务器执行,相应地,页面预加载装置一般配置于服务器中。
本申请实施例可以基于人工智能技术对历史行为数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
请参阅图2,图2示出了页面预加载方法的一种具体实施方式。
需注意的是,若有实质上相同的结果,本发明的方法并不以图2所示的流程顺序为限,该方法包括如下步骤:
S1:将用户当前访问的页面,作为第一页面。
在本申请实施例中,为了更清楚的理解技术方案,下面对本申请所涉及的终端进行详细介绍。
一是服务器,服务器能够获取用户端的用户在当前访问的页面,再获取当前页面信息和用户历史行为数据,并对当前页面信息和用户历史行为数据进行分析,预测用户下一跳转页面的可能性,并将用户跳转性较高的页面提取缓存。在用户端点击下一页面时,将已缓存的页面推送给用户端。
二是用户端,用户端可以对当前页面进行操作,也可以点击下一页面的链接,获取服务器所推送的页面。
具体的,本申请实施例应用于用户进行了当前页面的访问情况下,对用户可能进行下一页面的跳转进行预测,将用户跳转至下一可能性较大的页面进行预加载,并且该可能调整的页面为当前页面中包括的跳转页面。
具体的,将用户当前所访问的页面作为第一页面,本申请实施例将预测用户跳转下一页面的可能性,从而将跳转下一页面提前缓存,从而达到加快加载页面速度的目的。
S2:识别第一页面中的跳转链接,并将跳转链接所对应的页面,作为第二页面。
具体的,第一页面中包括用于跳转至对应页面的若干跳转链接,将第一页面中各跳转链接对应的页面作为第二页面,也就是说,用户可以通过在第一页面中的跳转链接,从第一页面访问第二页面。例如,服务器可以识别第一页面中的ip地址,每个ip地址对应一个跳转链接,将每个ip地址对应的页面作为第二页面。
S3:获取用户的历史行为数据,将历史行为数据中的每个页面作为节点,构建有向图。
具体的,历史行为数据包括用户在页面的页面跳转、业务操作、页面操作时间以及页面加载速度等。在各个页面设置埋点,通过埋点获取各个用户在页面上的行为数据,并将该行为数据存储于数据库中。在需要获取某一用户的历史行为数据时,通过获取该用户的用户标识,并基于该用户标识,遍历数据中的行为数据,从而得到该用户的历史行为数据。其中,用户标识可以为用户的id、ip地址等。然后识别出历史行为数据中用户所操作过的页面,以及页面转移关系,将历史行为数据中的页面作为节点,页面转移关系作为有向边,利用有向边将节点相连,从而构建有向图。
请参阅图3,图3示出了步骤S3的一种具体实施方式,详叙如下:
S31:通过页面埋点,获取用户的历史行为数据。
具体的,在各个页面设置埋点,通过埋点获取各个用户在页面上的行为数据,并将该行为数据存储于数据库中。在需要获取某一用户的历史行为数据时,通过获取该用户的用户标识,并基于该用户标识,遍历数据中的行为数据,从而得到该用户的历史行为数据。
S32:从历史行为数据中提取页面转移关系。
具体的,页面转移关系是指用户由当前页面跳转至下一页面,当前页面与下一页面则形成页面转移关系。例如,用户当前访问的是页面A,再有页面A跳转至页面B,则形成页面A向页面B转移关系。
S33:将每个页面作为节点,以及将页面转移关系作为有向边,并基于节点与有向边,构建有向图。
具体的,识别出历史行为数据中的所有的页面转移关系,由于在识别转移关系是包括页面的关系,则在识别出页面转移关系的同时,得到了历史行为数据中用户所访问页面。所以将历史行为数据中每个页面作为节点,将页面转移关系作为有向边,利用有向边将节点相连,从而构建有向图。例如,用户访问了页面A,由页面A跳转访问了页面B,再由页面B跳转访问了页面C,则将页面A,B,C作为节点,将页面A转向页面B,以及页面B转向页面C作为有向边,则形成有向图为A→B→C。
本实施例中,通过页面埋点,获取用户的历史行为数据,并从历史行为数据中提取页面转移关系,再将每个页面作为节点,以及将页面转移关系作为有向边,并基于节点与有向边,构建有向图,实现将历史行为数据中的页面关系转化成关系明确的有向图,有利于后续对目标缓存页面的分析。
S4:基于有向图统计每个第二页面的转移频率,并根据转移频率,确定第一预设数量的候选第二页面。
具体的,在有向图中显示了用户以往访问页面的路径关系,所以可以利用有向图,进行分析用户在当前页面访问哪个下一页面的可能性。在有向图中,第一页面和第二页面处于同一链路的次数越多,说明用户由第一页面跳转至该第二页面的可能性越大,所以统计有向图中第一页面与第二页面处于同一链路的次数,从而计算出每个第二页面的转移频率,转移频率越大,则跳转至该页面的可能性越大,所以选择转移频率较大的第二页面作为候选第二页面。
需要说明的是,第一预设数量根据实际情况进行设定,此处不做限定。在一具体实施例中,第一预设数量为30个。
请参阅图4,图4示出了步骤S4的一种具体实施方式,详叙如下:
S41:针对每个第二页面,统计有向图中第一页面与第二页面处于同一链路的次数,得到转移次数。
具体的,同一链路是指在有向图中,用户在当次访问页面时所有访问过的页面形成的路径。如用户在某一时段访问了页面A,由页面A跳转访问了页面B,再由页面B跳转访问了页面C,这形成了链路A→B→C;该用户在另一时段访问了页面A,由页面A跳转访问了页面D,再由页面D跳转访问了页面B,形成了链路A→D→B;假设第一页面为页面A,则页面B的转移次数为两次,C和D的转移次数均为一次。
S42:基于转移次数与第二页面的总数,计算得到每个第二页面的转移频率。
具体的,假设Wf代表第二页面的转移频率,Nij代表转移次数,n代表第二页面的总数,则转移频率计算公式为利用该公式计算得到每个第二页面的转移频率。其中,转移频率是指由第一页面跳转每一第二页面的次数占总的第二总数的频率。
S43:基于转移频率,获取第一预设数量的候选第二页面。
具体的,第二页面的转移频率越高,用户由当前页面跳转至该页面的可能性基于越高,所以将转移频率从大到小进行排列,则基于预设预设数据,选择排名靠前的第二页面作为候选第二页面。
本实施例中,针对每个第二页面,统计有向图中第一页面与第二页面处于同一链路的次数,得到转移次数,再基于转移次数与第二页面的总数,计算得到每个第二页面的转移频率,基于转移频率,获取第一预设数量的候选第二页面,实现初步筛选出访问可能性较高的第二页面,实现缩小第二页面范围,有利于提高后续确认目标缓存页面的准确性,从而提高页面加载速度。
S5:提取历史行为数据中的第一页面行为数据以及候选第二页面行为数据,并统计每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率。
具体的,通过对第一页面标识和候选第二页面标识进行聚类,以实现获取从用户的历史行为数据中提取第一页面行为数据和候选第二页面行为数据;再统计每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率。其中,页面转换转移率是指第一页面跳转至候选第二页面的频次占总的第二页面的频率;页面操作时间转移率是指候选第二页面的操作时间占总的第二页面的频率;页面加载速度转移率是指由第一页面加载至候选第二页面时间占总的第二页面的频率。
请参阅图5,图5示出了步骤S5的一种具体实施方式,详叙如下:
S51:提取第一页面以及候选第二页面的标识,得到第一页面标识和候选第二页面标识。
具体的,第一页面以及候选第二页面标识可以为页面的ip地址、页面名称等。
S52:在历史行为数据中,基于第一页面标识以及候选第二页面标识进行聚类处理,得到第一页面行为数据以及候选第二页面行为数据。
具体的,在历史行为数据中,将第一页面标识以及候选第二页面标识分别作为聚类中心;再对聚类中心进行聚类处理,得到各个聚类;然后获取各个聚类对应的行为数据,则得到第一页面行为数据以及候选第二页面行为数据。
S53:基于第二页面的总数,统计每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率。
具体的,分别计算每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率,用以分析每个候选第二页面的缓存价值,从而筛选出用户最有可能跳转的第二页面,以便提高第二页面的加载速度,同时不用将所有的第二页面均加入缓存,减少服务器的负载。
请参阅图6,图6示出了步骤S52的一种具体实施方式,详叙如下:
S521:分别将第一页面标识以及第二页面标识作为聚类中心,得到第一页面聚类中心以及第二页面聚类中心。
S522:在历史行为数据中,基于K均值聚类算法,分别对第一页面聚类中心以及第二页面聚类中心进行聚类处理,得到第一页面聚类数据以及第二页面聚类数据。
S523:分别获取第一页面聚类数据对应的行为数据,以及获取第二页面聚类数据对应的行为数据,得到第一页面行为数据以及候选第二页面行为数据。
具体的,将第一页面行为数据和候选第二页面行为数据分为一个个样本,然后计算每个样本与各个聚类中心之间的距离,把每个行为数据分配给距离它最近的聚类中心;聚类中心以及分配给它们的样本就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的样本被重新计算;这个过程将不断重复直到满足某个终止条件;终止条件可以是没有(或最小数目)样本被重新分配给不同的聚类,没有(或最小数目)聚类中心再发生变化。在聚类处理结束后,获取每个聚类中心的聚类数据,将属于第一页面对应的聚类数据进行组合,得到第一页面行为数据,将属于候选第二页面对于的聚类数据进行组合,得到候选第二页面行为数据。
其中,k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法。在申请实施例中,将第一页面标识以及候选第二页面标识作为聚类中心,并根据聚类中心进行聚类处理,得到每个聚类中心的聚类数据,并获取聚类数据对应的行为数据,则可以第一页面行为数据以及第二页面行为数据。
本实施例中,通过分别将第一页面标识以及第二页面标识作为聚类中心,将对聚类中心进行聚类处理,并获取聚类数据,得到第一页面行为数据以及候选第二页面行为数据,实现从历史行为数据中,筛选出第一页面行为数据以及候选第二页面行为数据,便于后续对候选第二页面进行分析,从而有利于筛选出目标缓存页面。
请参阅图7,图7示出了步骤S53的一种具体实施方式,详叙如下:
S531:针对每一候选第二页面,统计由第一页面转移到候选第二页面的次数,作为候选第二页面转移频次,并基于第二页面的总数与候选第二页面转移频次进行计算处理,得到页面转换转移率。
具体的,假设Wf为候选第二页面的页面转换转移率,Fij为候选第二页面转移频次,n为第二页面的总数,则页面转换转移率计算公式为利用该公式计算得到每个候选第二页面的页面转换转移率。
S532:统计每一候选第二页面的页面操作时间,并基于第二页面的总数与页面操作时间进行计算处理,得到页面操作时间转移率。
具体的,假设Wt为候选第二页面的操作时间转移率,Tij为候选第二页面的页面操作时间,n为第二页面的总数,则页面操作时间转移率计算公式为利用该公式计算得到每个候选第二页面的页面操作时间转移率。
S533:针对每一候选第二页面,统计由第一页面加载到候选第二页面的时间,得到页面加载时间,并基于第二页面的总数与页面加载时间进行计算处理,得到页面加载速度转移率。
具体的,假设Wl为候选第二页面的页面加载速度转移率,Lij为候选第二页面的页面操作时间,n为第二页面的总数,则页面加载速度转移率计算公式为利用该公式计算得到每个候选第二页面的页面加载速度转移率。
本实施例中,通过计算出每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率,有利于后续计算每个候选第二页面的缓存价值,从而实现确认目标缓存页面,进而提高页面加载速度。
S6:基于页面转换转移率、页面操作时间转移率以及页面加载速度转移率进行加权计算,得到每个候选第二页面的缓存价值。
具体的,页面转换转移率、页面操作时间转移率以及页面加载速度转移率进行加权计算的公式为Ri=Wf*Fij+Wt*Tij+Wl*Lij,其中,Ri为候选第二页面的缓存价值,Wf为候选第二页面的页面转换转移率,Fij为候选第二页面转移频次,Wt为候选第二页面的操作时间转移率,Tij为候选第二页面的页面操作时间,Wl为候选第二页面的页面加载速度转移率,Lij为候选第二页面的页面操作时间。
S7:根据缓存价值确定第二预设数量的目标缓存页面,并将目标缓存页面进行缓存。
具体的,上述已经获取到了每个候选第二页面的缓存价值,缓存价值越高,用户跳转该页面的概率也就越大。为了避免将所有的页面都进行缓存,造成数据冗余的情况,将选取部分页面进行缓存,所以将缓存价值相对较高的页面作为目标缓存页面。为了将所有的目标缓存页面进行缓存,需要判断当前缓存页面中是否全部包括了目标缓存页面,若是全部包括了目标缓存页面,则可以将除了目标缓存页面以外的页面进行删除,以避免过多的缓存页面造成数据冗余,容易导致页面加载较慢;若是当前缓存页面没有全部缓存了目标缓存页面,则将没有缓存的目标缓存页面进行替代缓存价值较低的页面,以实现对目标缓存页面进行缓存。
需要说明的是,第二预设数量小于第一预设数量,且第二预设数量根据实际情况进行设定,此处不做限定。在一具体实施例中,第二预设数量为8个。
请参阅图8,图8示出了步骤S7的一种具体实施方式,详叙如下:
S71:按照从大到小的排列顺序,将缓存价值进行排列,得到排列结果。
S72:基于排列结果和第二预设数量,选取排名靠前的候选第二页面作为目标缓存页面。
具体的,由于缓存价值越高,用户跳转该页面的概率也就越大,所以按照从大到小的排列顺序,将缓存价值进行排列,选取选取排名靠前的候选第二页面作为目标缓存页面。
S73:判断目标缓存页面是否存在当前缓存页面中,得到判断结果。
S74:若判断结果为目标缓存页面未存在当前缓存页面中,则计算当前缓存页面的缓存价值。
S75:基于当前页面的缓存价值,将目标缓存页面替代当前缓存页面,以使得目标缓存页面进行缓存。
具体的,若判断结果为目标缓存页面存在当前缓存页面中,可以将除了目标缓存页面以外的页面进行删除,以避免过多的缓存页面造成数据冗余,容易导致页面加载较慢。若判断结果为目标缓存页面未存在当前缓存页面中,则计算当前缓存页面的缓存价值,计算当前缓存页面的缓存价值与上述步骤S5-S6相同,为避免重复,此处不再赘述。然后将没有缓存的目标缓存页面代替缓存价值较低的当前页面,以实现所有的目标缓存页面进行了缓存。
本实施例,通过选取排名靠前的候选第二页面作为目标缓存页面,并判断目标缓存页面是否存在当前缓存页面中,得到判断结果,再基于判断结果将所有的目标缓存页面进行缓存,便于用户在点击目标缓存页面时,实现快速跳转到该页面,有利于提高页面加载的速度。
需要强调的是,为进一步保证上述历史行为数据的私密和安全性,上述历史行为数据还可以存储于一区块链的节点中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
请参考图9,作为对上述图2所示方法的实现,本申请提供了一种页面预加载装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图9所示,本实施例的页面预加载装置包括:第一页面获取模块81、第二页面确认模块82、有向图构建模块83、第二页面候选模块84、行为数据提取模块85、缓存价值计算模块86及缓存页面确认模块87,其中:
第一页面获取模块81,用于将用户当前访问的页面,作为第一页面;
第二页面确认模块82,用于识别第一页面中的跳转链接,并将跳转链接所对应的页面,作为第二页面;
有向图构建模块83,用于获取用户的历史行为数据,将历史行为数据中的每个页面作为节点,构建有向图;
第二页面候选模块84,用于基于有向图统计每个第二页面的转移频率,并根据转移频率,确定第一预设数量的候选第二页面;
行为数据提取模块85,用于提取历史行为数据中的第一页面行为数据以及候选第二页面行为数据,并统计每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率;
缓存价值计算模块86,用于基于页面转换转移率、页面操作时间转移率以及页面加载速度转移率进行加权计算,得到每个候选第二页面的缓存价值;
缓存页面确认模块87,用于根据缓存价值确定第二预设数量的目标缓存页面,并将目标缓存页面进行缓存。
进一步的,有向图构建模块83包括:
历史行为数据获取单元,用于通过页面埋点,获取用户的历史行为数据;
页面转移关系提取单元,用于从历史行为数据中提取页面转移关系;
有向图建立单元,用于将每个页面作为节点,以及将页面转移关系作为有向边,并基于节点与有向边,构建有向图。
进一步的,第二页面候选模块84包括:
转移次数获取单元,用于针对每个第二页面,统计有向图中第一页面与第二页面处于同一链路的次数,得到转移次数;
转移频率计算单元,用于基于转移次数与第二页面的总数,计算得到每个第二页面的转移频率;
候选第二页面确定单元,用于基于转移频率,获取第一预设数量的候选第二页面。
进一步的,行为数据提取模块85包括:
页面标识提取单元提取第一页面以及候选第二页面的标识,得到第一页面标识和候选第二页面标识;
聚类处理单元,用于在历史行为数据中,基于第一页面标识以及候选第二页面标识进行聚类处理,得到第一页面行为数据以及候选第二页面行为数据;
转移率统计单元,用于基于第二页面的总数,统计每个候选第二页面中的页面转换转移率、页面操作时间转移率以及页面加载速度转移率。
进一步的,聚类处理单元包括:
聚类中心确定子单元,用于分别将第一页面标识以及第二页面标识作为聚类中心,得到第一页面聚类中心以及第二页面聚类中心;
聚类数据获取子单元,用于在历史行为数据中,基于K均值聚类算法,分别对第一页面聚类中心以及第二页面聚类中心进行聚类处理,得到第一页面聚类数据以及第二页面聚类数据;
行为数据获取子单元,用于分别获取第一页面聚类数据对应的行为数据,以及获取第二页面聚类数据对应的行为数据,得到第一页面行为数据以及候选第二页面行为数据。
进一步的,转移率统计单元包括:
页面转换转移率计算子单元,用于针对每一候选第二页面,统计由第一页面转移到候选第二页面的次数,作为候选第二页面转移频次,并基于第二页面的总数与候选第二页面转移频次进行计算处理,得到页面转换转移率;
页面操作时间转移率计算子单元,用于统计每一候选第二页面的页面操作时间,并基于第二页面的总数与页面操作时间进行计算处理,得到页面操作时间转移率;
页面加载速度转移率计算子单元,用于针对每一候选第二页面,统计由第一页面加载到候选第二页面的时间,得到页面加载时间,并基于第二页面的总数与页面加载时间进行计算处理,得到页面加载速度转移率。
进一步的,缓存页面确认模块87包括:
排列结果获取单元,用于按照从大到小的排列顺序,将缓存价值进行排列,得到排列结果;
目标缓存页面确定单元,用于基于排列结果和第二预设数量,选取排名靠前的候选第二页面作为目标缓存页面;
判断结果获取单元,用于判断目标缓存页面是否存在当前缓存页面中,得到判断结果;
缓存价值计算单元,用于若判断结果为目标缓存页面未存在当前缓存页面中,则计算当前缓存页面的缓存价值;
目标缓存页面缓存单元,用于基于当前页面的缓存价值,将目标缓存页面替代当前缓存页面,以使得目标缓存页面进行缓存。
需要强调的是,为进一步保证上述历史行为数据的私密和安全性,上述历史行为数据还可以存储于一区块链的节点中。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图10,图10为本实施例计算机设备基本结构框图。
计算机设备9包括通过系统总线相互通信连接存储器91、处理器92、网络接口93。需要指出的是,图中仅示出了具有三种组件存储器91、处理器92、网络接口93的计算机设备9,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器91至少包括一种类型的可读存储介质,可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器91可以是计算机设备9的内部存储单元,例如该计算机设备9的硬盘或内存。在另一些实施例中,存储器91也可以是计算机设备9的外部存储设备,例如该计算机设备9上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器91还可以既包括计算机设备9的内部存储单元也包括其外部存储设备。本实施例中,存储器91通常用于存储安装于计算机设备9的操作系统和各类应用软件,例如页面预加载方法的程序代码等。此外,存储器91还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器92在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器92通常用于控制计算机设备9的总体操作。本实施例中,处理器92用于运行存储器91中存储的程序代码或者处理数据,例如运行上述页面预加载方法的程序代码,以实现页面预加载方法的各种实施例。
网络接口93可包括无线网络接口或有线网络接口,该网络接口93通常用于在计算机设备9与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序可被至少一个处理器执行,以使至少一个处理器执行如上述的一种页面预加载方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例的方法。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。