JP5819995B2 - ウェブブラウザにおける並列レイアウトに関する独立タスクを識別するための機械学習方法 - Google Patents
ウェブブラウザにおける並列レイアウトに関する独立タスクを識別するための機械学習方法 Download PDFInfo
- Publication number
- JP5819995B2 JP5819995B2 JP2013558093A JP2013558093A JP5819995B2 JP 5819995 B2 JP5819995 B2 JP 5819995B2 JP 2013558093 A JP2013558093 A JP 2013558093A JP 2013558093 A JP2013558093 A JP 2013558093A JP 5819995 B2 JP5819995 B2 JP 5819995B2
- Authority
- JP
- Japan
- Prior art keywords
- web page
- element information
- subtree
- independence
- page element
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/14—Tree-structured documents
- G06F40/143—Markup, e.g. Standard Generalized Markup Language [SGML] or Document Type Definition [DTD]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Information Transfer Between Computers (AREA)
- Machine Translation (AREA)
- Digital Computer Display Output (AREA)
Description
本出願は、その内容全体が参照により本明細書に組み込まれる、2011年3月15日に出願した米国仮特許出願第61/452,694号、名称「Machine Learning Method to Identify Independent Tasks for Parallel Layout in Web Browsers」の優先権を主張する。
ラウザ、ウェブサーバ16、データサーバ18、ウェブリソース20もしくは22またはコンピューティングデバイス10の中に組み込まれ得る。
2 ノード
3 ノード
4 ノード
5 ノード
6 ノード
10 コンピュータ、ローカルコンピューティングデバイス、コンピューティングデバイス
12 ポータル構成要素、ポータル構成要素モジュール
13 ページの1つまたは複数のインスタンス、表示ページ、表示ページインスタンス
14 ウェブエンジン、ウェブエンジン構成要素、ウェブエンジンモジュール
15 ディスプレイ
16 ウェブサーバ
17 通信ネットワーク
18 データサーバ
20 ウェブリソース
22 ウェブリソース
24 データ項目
26 データ項目
28 第1のページインスタンス
30 第2のページインスタンス
32 受信要求、ページの所望のインスタンス
34 サブツリー構成要素、サブツリー、独立型、独立サブツリー、独立DOMサブツリー部分
36 クエリストリング
38 ドキュメントオブジェクトモデル、DOM、DOMツリー
39 並列計算レイアウトエンジンモジュール、計算エンジンモジュール、並列レイアウト計算エンジンモジュール
40 機械学習アルゴリズムモジュール、機械学習アルゴリズム
42 スケジューリングアルゴリズムモジュール、スケジューリングアルゴリズム
44 分類子モジュール、分類子
48 DOMサブツリー構成要素、サブツリー、従属型、従属サブツリー、従属DOMサブツリー部分
50 スクリプト記述エンジン、スクリプト記述エンジンモジュール
52 レンダリングエンジン、レンダリング、レンダリングエンジンモジュール
60 リモートサーバ、サーバ
62 ネットワーク通信モジュール
64 機械学習モジュール、機械学習アルゴリズムモジュール
66 パターンデータベース
102 コンピューティングデバイス
150 プロセッサ
152 メモリ
153 ウェブページ、収集されたウェブページ
154 通信モジュール
155 収集されたウェブページにおいて観察されたパターン、パターン
156 ユーザインターフェース構成要素、ユーザインターフェース
157 学習されたコンテンツ、機械学習されたコンテンツ
158 入力
160 出力
162 フェッチマネージャ
164 導出マネージャ
166 コンテンツハンドラモジュール
168 処理命令
169 構造参照
800 装置
802 電気的構成要素の論理グルーピング
804 電気的構成要素
806 電気的構成要素
808 電気的構成要素
810 電気的構成要素
812 電気的構成要素
814 メモリ
1300 モバイルコンピューティングデバイス
1301 プロセッサ
1302 内部メモリ
1303 ディスプレイ
1304 アンテナ
1305 ワイヤレスデータリンク、セルラー電話送受信機
1308 メニュー選択ボタン、ロッカースイッチ
1324 モバイルコンピューティングデバイス
1354 スピーカー
1400 ラップトップコンピュータ、コンピュータ、コンピューティングデバイス
1401 プロセッサ
1402 揮発性メモリ、内部メモリ
1403 ディスクドライブ、内部メモリ
1404 フレキシブルディスクドライブ
1405 コンパクトディスク(CD)ドライブ
1406 他のネットワーク接続回路
1407 タッチパッド
1408 キーボード
1409 ディスプレイ
Claims (88)
- ウェブページレンダリングを加速させるための方法であって、
複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップと、
前記収集したウェブページにおける要素情報に対して行った前記機械学習分析に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップと、
予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップと
を含む方法。 - 前記予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップは、
前記ウェブページにおける前記ウェブページ要素情報に基づいてサブツリーがアプリオリに独立していると予測するステップと、
DOMツリーのアプリオリ独立部分からのタスクを形成するステップと
を含む、請求項1に記載の方法。 - 前記ウェブページにおける前記ウェブページ要素情報に基づいて、一定の情報が特定された場合にサブツリーが条件付きで独立したものであると予測するステップと、
前記一定の情報を取得するためのタスクを実行するステップと、
前記取得された一定の情報を使用して、DOMツリーの前記条件付き独立部分からのタスクを形成するステップと
をさらに含む、請求項1に記載の方法。 - 前記一定の情報を取得するためのタスクを実行するステップは、前記一定の情報を迅速に計算するステップを含む、請求項3に記載の方法。
- 前記一定の情報を取得するためのタスクを実行するステップは、推測に基づいて前記一定の情報を特定するステップを含む、請求項3に記載の方法。
- ウェブページ要素のレイアウトサイズ、位置、CSSスタイル属性、サブツリーのサイズ、HTMLタグ、親のHTMLタグ、およびウェブページ特徴情報のうちの少なくとも1つを含むウェブページ要素情報を収集するステップ
をさらに含む、請求項1に記載の方法。 - 前記予測サブツリー独立性を使用して、前記ウェブページのDOMツリーのサブツリーが独立しておらず、前記サブツリーを同時に処理することはできないと判断するステップをさらに含む、請求項1に記載の方法。
- 単一のウェブブラウザを使用して、前記機械学習分析を実行し、サブツリー独立性を予測して、前記ウェブページの部分を同時に処理するステップをさらに含む、請求項1に記載の方法。
- 第1のコンピューティングデバイスにおいて第1のプロセッサを使用して、機械学習分析を実行するステップと、
第2の異なるコンピューティングデバイスにおいて第2のプロセッサを使用して、サブツリー独立性を予測して前記ウェブページの部分を同時に処理するステップと
をさらに含む、請求項1に記載の方法。 - 複数の更新されたウェブページを処理することによって前記分類子を更新するステップと、更新されたウェブページ要素情報を収集するステップと、前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性の追加のパターンを識別するように機械学習分析を実行するステップとをさらに含む、請求項1に記載の方法。
- コンピューティングデバイス上で動作するインストゥルメントブラウザを使用して、ウェブページ要素情報を収集するステップをさらに含み、
複数のウェブページを処理し、ウェブページ要素情報を収集するステップは、前記インストゥルメントブラウザにおいて実現され、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップは、同じコンピューティングデバイスにおいて実現される、請求項1に記載の方法。 - 複数のウェブページを処理し、ウェブページ要素情報を収集するステップは、
複数のコンピューティングデバイスにおいて、複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ情報を前記複数のコンピューティングデバイスの各々からサーバに送信するステップと、
前記複数のコンピューティングデバイスによって送信された前記ウェブページ情報を前記サーバにおいて受信し総合して、総合ウェブページ要素情報を生成するステップと、
前記複数のコンピューティングデバイスのうちの少なくとも1つに総合ウェブページ要素情報を送信するステップと、
前記送信された総合ウェブページ要素情報を前記複数のコンピューティングデバイスのうちの少なくとも1つにおいて受信するステップと
を含み、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップは、前記複数のコンピューティングデバイスのうちの前記少なくとも1つにおいて、前記受信された総合ウェブページ要素情報に対して実現され、
ウェブページスクリプトにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップは、前記受信された総合ウェブページ要素情報に対して実行された機械学習分析に基づいてサブツリー独立性を予測するように、前記複数のコンピューティングデバイスのうちの前記少なくとも1つにおいて動作する分類子をトレーニングするステップを含む、請求項1に記載の方法。 - 複数のウェブページを処理し、ウェブページ要素情報を収集するステップは、
複数のコンピューティングデバイスにおいて、複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ情報を前記複数のコンピューティングデバイスの各々からサーバに送信するステップと、
前記複数のコンピューティングデバイスによって送信された前記ウェブページ情報を前記サーバにおいて受信して、総合ウェブページ要素情報を生成するステップと
を含み、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップは、前記サーバにおいて、前記複数のコンピューティングデバイスによって送信された受信ウェブページ情報に対して、レイアウト独立性のパターンを識別するように機械学習分析を実行するステップを含み、
本方法は、
レイアウト独立性の前記識別されたパターンを前記サーバから前記複数のコンピューティングデバイスのうちの少なくとも1つに送信するステップと、
レイアウト独立性の前記識別されたパターンを前記複数のコンピューティングデバイスのうちの前記少なくとも1つにおいて受信するステップと
をさらに含み、
ウェブページスクリプトにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップは、レイアウト独立性の前記受信された識別されたパターンに基づいてサブツリー独立性を予測するように、前記複数のコンピューティングデバイスのうちの前記少なくとも1つにおいて動作する分類子をトレーニングするステップを含む、請求項1に記載の方法。 - 前記分類子がウェブページスクリプトにおける前記ウェブページ要素情報に基づいてサブツリー独立性を予測するステップであって、前記分類子がスケジューリングアルゴリズムにサブツリー独立性データを提供する、ステップをさらに含む、請求項1に記載の方法。
- 前記スケジューリングアルゴリズムが前記予測サブツリー独立性を使用して、前記ウェブページの部分を同時に処理するステップをさらに含む、請求項14に記載の方法。
- 前記収集されたウェブページ要素情報に対して、所定のスタイルシート言語コーディングにおけるプレゼンテーションセマンティクスと相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップをさらに含む、請求項1に記載の方法。
- 前記予測サブツリー独立性を使用して、DOMツリーの第1の独立サブツリーを、前記DOMツリーの第2の従属サブツリーをレンダリングする前にレンダリングするステップをさらに含む、請求項1に記載の方法。
- 連続的にインターネットからの複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を連続的に実行するステップと、
ウェブページスクリプトにおける要素情報および前記識別されたパターンに基づいてサブツリー独立性を予測するように前記分類子を更新するステップと
をさらに含む、請求項1に記載の方法。 - 第1のウェブページセットを処理し、前記第1のウェブページセットに関連するウェブページ要素情報を収集し、前記収集されたウェブページ要素情報に対して、第1のパターンセットを識別するように機械学習分析を実行するステップと、
前記第1のウェブページセットの前記予測サブツリー独立性に関連する前記第1のパターンセットを使用して、レンダリングされる部分を同時に処理するステップと、
連続的に追加のウェブページ要素情報を収集し、前記第1のパターンセットを補完する追加のパターンを識別するように機械分析を実行することによって、前記第1のパターンセットを動的に連続的に更新するステップと
をさらに含む、請求項1に記載の方法。 - 第2のウェブページセットを処理し、ウェブページ要素情報を収集して第2のパターンセットを識別し、前記第2のパターンセットを使用して前記第1のパターンセットを更新するステップをさらに含む、請求項19に記載の方法。
- 前記収集されたウェブページ要素情報に対して、HTMLコーディングにおけるウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップをさらに含む、請求項1に記載の方法。
- HTMLコーディングは、並列処理能力を示すDOMツリーの第1のサブツリーを含み、HTMLコーディングはまた、第2のサブツリーの前記並列処理能力について沈黙している前記第2のサブツリーを含み、前記分類子は、ウェブページスクリプトにおける要素情報に基づいて、ウェブページ要素の前記第2のサブツリーのサブツリー独立性を予測する、請求項21に記載の方法。
- ディスプレイと、
内部メモリと、
前記ディスプレイおよび前記内部メモリに結合されたプロセッサとを含み、前記プロセッサは、
複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップと、
前記収集したウェブページにおける要素情報に対して行った前記機械学習分析に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップと、
予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップと
を含む動作を実行するためのプロセッサ実行可能命令で構成される、コンピューティングデバイス。 - 前記プロセッサは、前記予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップが、
前記ウェブページにおける前記ウェブページ要素情報に基づいてサブツリーがアプリオリに独立していると予測するステップと、
DOMツリーのアプリオリ独立部分からのタスクを形成するステップと
を含むような動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。 - 前記プロセッサは、
前記ウェブページにおける前記ウェブページ要素情報に基づいて、一定の情報が特定された場合にサブツリーが条件付きで独立したものであると予測するステップと、
前記一定の情報を取得するためのタスクを実行するステップと、
前記取得された一定の情報を使用して、DOMツリーの前記条件付き独立部分からのタスクを実行するステップと
をさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。 - 前記プロセッサは、前記一定の情報を取得するためのタスクを実行するステップが、前記一定の情報を迅速に計算するステップを含むような動作を実行するためのプロセッサ実行可能命令で構成される、請求項25に記載のコンピューティングデバイス。
- 前記プロセッサは、前記一定の情報を取得するためのタスクを実行するステップが、推測に基づいて前記一定の情報を特定するステップを含むような動作を実行するためのプロセッサ実行可能命令で構成される、請求項25に記載のコンピューティングデバイス。
- 前記プロセッサは、ウェブページ要素のレイアウトサイズ、位置、CSSスタイル属性、サブツリーのサイズ、HTMLタグ、親のHTMLタグ、およびウェブページ特徴情報のうちの少なくとも1つを含むウェブページ要素情報を収集するステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、前記予測サブツリー独立性を使用して、前記ウェブページのDOMツリーのサブツリーが独立しておらず、前記サブツリーを同時に処理することはできないと判断するステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、単一のウェブブラウザを使用して、前記機械学習分析を実行し、サブツリー独立性を予測して、前記ウェブページの部分を同時に処理するステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、
複数の更新されたウェブページを処理することによって前記分類子を更新するステップと、
更新されたウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性の追加のパターンを識別するように機械学習分析を実行するステップと
をさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。 - 前記プロセッサは、複数のウェブページを処理し、ウェブページ要素情報を収集するステップが、前記コンピューティングデバイスで動作するインストゥルメントブラウザにおいて実現されるような動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、ウェブページスクリプトにおける前記ウェブページ要素情報に基づいてサブツリー独立性を予測するステップが前記分類子によって実行されるような動作を実行するためのプロセッサ実行可能命令で構成され、前記分類子がスケジューリングアルゴリズムにサブツリー独立性データを提供する、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、前記スケジューリングアルゴリズムが前記予測サブツリー独立性を使用して、前記ウェブページの部分を同時に処理するような動作を実行するためのプロセッサ実行可能命令で構成される、請求項33に記載のコンピューティングデバイス。
- 前記プロセッサは、前記収集されたウェブページ要素情報に対して、所定のスタイルシート言語コーディングにおけるプレゼンテーションセマンティクスと相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、前記予測サブツリー独立性を使用して、DOMツリーの第1の独立サブツリーを、前記DOMツリーの第2の従属サブツリーをレンダリングする前にレンダリングするステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- 前記プロセッサは、
連続的にインターネットからの複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を連続的に実行するステップと、
ウェブページスクリプトにおける要素情報および前記識別されたパターンに基づいてサブツリー独立性を予測するように前記分類子を更新するステップと
をさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。 - 前記プロセッサは、
第1のウェブページセットを処理し、前記第1のウェブページセットに関連するウェブページ要素情報を収集し、前記収集されたウェブページ要素情報に対して、第1のパターンセットを識別するように機械学習分析を実行するステップと、
前記第1のウェブページセットの前記予測サブツリー独立性に関連する前記第1のパターンセットを使用して、レンダリングされる部分を同時に処理するステップと、
連続的に追加のウェブページ要素情報を収集し、前記第1のパターンセットを補完する追加のパターンを識別するように機械分析を実行することによって、前記第1のパターンセットを動的に連続的に更新するステップと
をさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。 - 前記プロセッサは、第2のウェブページセットを処理し、ウェブページ要素情報を収集して第2のパターンセットを識別し、前記第2のパターンセットを使用して前記第1のパターンセットを更新するステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項38に記載のコンピューティングデバイス。
- 前記プロセッサは、前記収集されたウェブページ要素情報に対して、HTMLコーディングにおけるウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップをさらに含む動作を実行するためのプロセッサ実行可能命令で構成される、請求項23に記載のコンピューティングデバイス。
- HTMLコーディングは、並列処理能力を示すDOMツリーの第1のサブツリーを含み、HTMLコーディングはまた、第2のサブツリーの前記並列処理能力について沈黙している前記第2のサブツリーを含み、前記分類子は、ウェブページスクリプトにおける要素情報に基づいて、ウェブページ要素の前記第2のサブツリーのサブツリー独立性を予測する、請求項40に記載のコンピューティングデバイス。
- 通信ネットワークに相互接続されたネットワークインターフェースと、
内部メモリと、
前記ネットワークインターフェースおよび前記内部メモリに結合されたプロセッサとを含み、前記プロセッサは、
前記通信ネットワークに接続された少なくとも1つのコンピューティングデバイスからウェブページ要素情報を受信するステップであって、前記ウェブページ要素情報が前記少なくとも1つのコンピューティングデバイスによって、複数のウェブページを処理している間に収集される、ステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップと、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する情報を前記少なくとも1つのコンピューティングデバイスに対して特定のフォーマットで送信するステップであって、前記フォーマットは、前記少なくとも1つのコンピューティングデバイスがウェブページにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングすること、および予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理することを可能にするものであるステップと、
を含む動作を実行するためのプロセッサ実行可能命令で構成される、サーバ。 - 通信ネットワークに結合された複数のコンピューティングデバイスと、
前記通信ネットワークに結合されたサーバと
を含み、
前記複数のコンピューティングデバイスはそれぞれ、
複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報を前記サーバに送信するステップと
を含む動作を実行するように構成されたプロセッサを含み、
前記サーバは、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップと、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する情報を前記複数のコンピューティングデバイスに送信するステップと
を含む動作を実行するように構成されたプロセッサを含み、
前記複数のコンピューティングデバイスの各々の前記プロセッサは、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する前記情報を前記サーバから受信するステップと、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する前記情報を使用して、ウェブページにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップと、
予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップと
を含む動作を実行するようにさらに構成される、通信システム。 - 前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップは、前記サーバにおいて総合ウェブページ要素情報を生成するステップを含む、請求項43に記載の通信システム。
- ウェブページスクリプトにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップは、前記受信された総合ウェブページ要素情報に対して実行された機械学習分析に基づいてサブツリー独立性を予測するように、前記複数のコンピューティングデバイスにおいて動作する分類子をトレーニングするステップを含む、
請求項43に記載の通信システム。 - 複数のウェブページを処理し、ウェブページ要素情報を収集するための手段と、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するための手段と、
前記収集したウェブページにおける要素情報に対して行った前記機械学習分析に基づいてサブツリー独立性を予測するための手段と、
予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するための手段と
を含むコンピューティングデバイス。 - 前記予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するための手段は、
前記ウェブページにおける前記ウェブページ要素情報に基づいてサブツリーがアプリオリに独立していると予測するための手段と、
DOMツリーのアプリオリ独立部分からのタスクを形成するための手段と
を含む、請求項46に記載のコンピューティングデバイス。 - 前記ウェブページにおける前記ウェブページ要素情報に基づいて、一定の情報が特定された場合にサブツリーが条件付きで独立したものであると予測するための手段と、
前記一定の情報を取得するためのタスクを実行するための手段と、
前記取得された一定の情報を使用して、DOMツリーの前記条件付き独立部分からのタスクを実行するための手段と
をさらに含む、請求項46に記載のコンピューティングデバイス。 - 前記一定の情報を取得するためのタスクを実行するための手段は、前記一定の情報を迅速に計算するための手段を含む、請求項48に記載のコンピューティングデバイス。
- 前記一定の情報を取得するためのタスクを実行するための手段は、推測に基づいて前記一定の情報を特定するための手段を含む、請求項48に記載のコンピューティングデバイス。
- ウェブページ要素のレイアウトサイズ、位置、CSSスタイル属性、サブツリーのサイズ、HTMLタグ、親のHTMLタグ、およびウェブページ特徴情報のうちの少なくとも1つを含むウェブページ要素情報を収集するための手段をさらに含む、請求項46に記載のコンピューティングデバイス。
- 前記予測サブツリー独立性を使用して、前記ウェブページのDOMツリーのサブツリーが独立しておらず、前記サブツリーを同時に処理することはできないと判断するための手段をさらに含む、請求項46に記載のコンピューティングデバイス。
- 単一のウェブブラウザを使用して、前記機械学習分析を実行し、サブツリー独立性を予測して、前記ウェブページの部分を同時に処理するための手段をさらに含む、請求項46に記載のコンピューティングデバイス。
- 分類子を更新するための手段をさらに含み、前記分類子を更新するための前記手段は、
複数の更新されたウェブページを処理するための手段と、
更新されたウェブページ要素情報を収集するための手段と、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性の追加のパターンを識別するように機械学習分析を実行するための手段と
を含む、請求項46に記載のコンピューティングデバイス。 - 複数のウェブページを処理し、ウェブページ要素情報を収集するための手段は、前記コンピューティングデバイスで動作するインストゥルメントブラウザを使用するための手段を含む、請求項46に記載のコンピューティングデバイス。
- スケジューリングアルゴリズムにサブツリー独立性データを提供するための手段をさらに含み、サブツリー独立性データを提供するための前記手段は、ウェブページスクリプトにおける前記ウェブページ要素情報に基づいてサブツリー独立性を予測するための手段を含む、請求項46に記載のコンピューティングデバイス。
- 前記スケジューリングアルゴリズムが前記予測サブツリー独立性を使用して、前記ウェブページの部分を同時に処理する、請求項56に記載のコンピューティングデバイス。
- 前記収集されたウェブページ要素情報に対して、所定のスタイルシート言語コーディングにおけるプレゼンテーションセマンティクスと相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するための手段をさらに含む、請求項46に記載のコンピューティングデバイス。
- 前記予測サブツリー独立性を使用して、DOMツリーの第1の独立サブツリーを、前記DOMツリーの第2の従属サブツリーをレンダリングする前にレンダリングするための手段をさらに含む、請求項46に記載のコンピューティングデバイス。
- 連続的にインターネットからの複数のウェブページを処理し、ウェブページ要素情報を収集するための手段と、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を連続的に実行するための手段と、
ウェブページスクリプトにおける要素情報および前記識別されたパターンに基づいてサブツリー独立性を予測するように分類子を更新するための手段と
をさらに含む、請求項46に記載のコンピューティングデバイス。 - 第1のウェブページセットを処理し、前記第1のウェブページセットに関連するウェブページ要素情報を収集し、前記収集されたウェブページ要素情報に対して、第1のパターンセットを識別するように機械学習分析を実行するための手段と、
前記第1のウェブページセットの前記予測サブツリー独立性に関連する前記第1のパターンセットを使用して、レンダリングされる部分を同時に処理するための手段と、
連続的に追加のウェブページ要素情報を収集し、前記第1のパターンセットを補完する追加のパターンを識別するように機械分析を実行することによって、前記第1のパターンセットを動的に連続的に更新するための手段と
をさらに含む、請求項46に記載のコンピューティングデバイス。 - 第2のウェブページセットを処理し、ウェブページ要素情報を収集して第2のパターンセットを識別し、前記第2のパターンセットを使用して前記第1のパターンセットを更新するための手段をさらに含む、請求項61に記載のコンピューティングデバイス。
- 前記収集されたウェブページ要素情報に対して、HTMLコーディングにおけるウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するための手段をさらに含む、請求項46に記載のコンピューティングデバイス。
- HTMLコーディングは、並列処理能力を示すDOMツリーの第1のサブツリーを含み、HTMLコーディングはまた、第2のサブツリーの前記並列処理能力について沈黙している前記第2のサブツリーを含み、分類子は、ウェブページスクリプトにおける要素情報に基づいて、ウェブページ要素の前記第2のサブツリーのサブツリー独立性を予測する、請求項63に記載のコンピューティングデバイス。
- 通信ネットワークに接続された少なくとも1つのコンピューティングデバイスからウェブページ要素情報を受信するための手段であって、前記ウェブページ要素情報が前記少なくとも1つのコンピューティングデバイスによって、複数のウェブページを処理している間に収集される、手段と、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するための手段と、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する情報を前記少なくとも1つのコンピューティングデバイスに対して特定のフォーマットで送信するステップであって、前記フォーマットは、前記少なくとも1つのコンピューティングデバイスがウェブページにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングすること、および予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するものである手段と
を含むサーバ。 - ウェブページを受信し、レンダリングするための通信システムであって、
通信ネットワークに結合された複数のコンピューティングデバイスと、
前記通信ネットワークに結合されたサーバと
を含み、
前記複数のコンピューティングデバイスはそれぞれ、
複数のウェブページを処理し、ウェブページ要素情報を収集するための手段と、
前記収集されたウェブページ要素情報を前記サーバに送信するための手段と
を含み、
前記サーバは、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するための手段と、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する情報を前記複数のコンピューティングデバイスに送信するための手段と
を含み、
前記複数のコンピューティングデバイスはさらに、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する前記情報を前記サーバから受信するための手段と、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する前記情報を使用して、ウェブページにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングするための手段と、
予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するための手段と
を含む、通信システム。 - 前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するための手段は、前記サーバにおいて総合ウェブページ要素情報を生成するための手段を含む、請求項66に記載の通信システム。
- ウェブページスクリプトにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングするための手段は、前記受信された総合ウェブページ要素情報に対して実行された機械学習分析に基づいてサブツリー独立性を予測するように、前記複数のコンピューティングデバイスにおいて動作する分類子をトレーニングするための手段を含む、請求項66に記載の通信システム。
- プロセッサに、
複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップと、
前記収集したウェブページにおける要素情報に対して行った前記機械学習分析に基づいてサブツリー独立性を予測するように分類子をトレーニングするステップと、
予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップと
を含む動作を実行させるように構成されたプロセッサ実行可能命令が記憶されているコンピュータ可読記憶媒体。 - 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理するステップが、
前記ウェブページにおける前記ウェブページ要素情報に基づいてサブツリーがアプリオリに独立していると予測するステップと、
DOMツリーのアプリオリ独立部分からのタスクを形成するステップと
を含むような動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。 - 前記記憶されているプロセッサ実行可能命令は、プロセッサに、
前記ウェブページにおける前記ウェブページ要素情報に基づいて、一定の情報が特定された場合にサブツリーが条件付きで独立したものであると予測するステップと、
前記一定の情報を取得するためのタスクを実行するステップと、
前記取得された一定の情報を使用して、DOMツリーの前記条件付き独立部分からのタスクを実行するステップと
をさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。 - 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記一定の情報を取得するためのタスクを実行するステップが、前記一定の情報を迅速に計算するステップを含むような動作を実行させるように構成される、請求項71に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記一定の情報を取得するためのタスクを実行するステップが、推測に基づいて前記一定の情報を特定するステップを含むような動作を実行させるように構成される、請求項71に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、ウェブページ要素のレイアウトサイズ、位置、CSSスタイル属性、サブツリーのサイズ、HTMLタグ、親のHTMLタグ、およびウェブページ特徴情報のうちの少なくとも1つを含むウェブページ要素情報を収集するステップをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記予測サブツリー独立性を使用して、前記ウェブページのDOMツリーのサブツリーが独立しておらず、前記サブツリーを同時に処理することはできないと判断するステップをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、単一のウェブブラウザを使用して、前記機械学習分析を実行し、サブツリー独立性を予測して、前記ウェブページの部分を同時に処理するステップをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、複数の更新されたウェブページを処理することによって前記分類子を更新するステップと、更新されたウェブページ要素情報を収集するステップと、前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性の追加のパターンを識別するように機械学習分析を実行するステップとをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、複数のウェブページを処理し、ウェブページ要素情報を収集するステップが、コンピューティングデバイスで動作するインストゥルメントブラウザにおいて実現されるような動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、ウェブページスクリプトにおける前記ウェブページ要素情報に基づいてサブツリー独立性を予測するステップが前記分類子によって実行されるような動作を実行させるように構成され、前記分類子がスケジューリングアルゴリズムにサブツリー独立性データを提供する、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、スケジューリングアルゴリズムが前記予測サブツリー独立性を使用して、前記ウェブページの部分を同時に処理するような動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記収集されたウェブページ要素情報に対して、所定のスタイルシート言語コーディングにおけるプレゼンテーションセマンティクスと相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記予測サブツリー独立性を使用して、DOMツリーの第1の独立サブツリーを、前記DOMツリーの第2の従属サブツリーをレンダリングする前にレンダリングするステップをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、
連続的にインターネットからの複数のウェブページを処理し、ウェブページ要素情報を収集するステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を連続的に実行するステップと、
ウェブページスクリプトにおける要素情報および前記識別されたパターンに基づいてサブツリー独立性を予測するように前記分類子を更新するステップと
をさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。 - 前記記憶されているプロセッサ実行可能命令は、プロセッサに、
第1のウェブページセットを処理し、前記第1のウェブページセットに関連するウェブページ要素情報を収集し、前記収集されたウェブページ要素情報に対して、第1のパターンセットを識別するように機械学習分析を実行するステップと、
前記第1のウェブページセットの前記予測サブツリー独立性に関連する前記第1のパターンセットを使用して、レンダリングされる部分を同時に処理するステップと、
連続的に追加のウェブページ要素情報を収集し、前記第1のパターンセットを補完する追加のパターンを識別するように機械分析を実行することによって、前記第1のパターンセットを動的に連続的に更新するステップと
をさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。 - 前記記憶されているプロセッサ実行可能命令は、プロセッサに、第2のウェブページセットを処理し、ウェブページ要素情報を収集して第2のパターンセットを識別し、前記第2のパターンセットを使用して前記第1のパターンセットを更新するステップをさらに含む動作を実行させるように構成される、請求項84に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、前記収集されたウェブページ要素情報に対して、HTMLコーディングにおけるウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップをさらに含む動作を実行させるように構成される、請求項69に記載のコンピュータ可読記憶媒体。
- 前記記憶されているプロセッサ実行可能命令は、プロセッサに、HTMLコーディングが、並列処理能力を示すDOMツリーの第1のサブツリーを含むような動作を実行させるように構成され、HTMLコーディングはまた、第2のサブツリーの前記並列処理能力について沈黙している前記第2のサブツリーを含み、前記分類子は、ウェブページスクリプトにおける要素情報に基づいて、ウェブページ要素の前記第2のサブツリーのサブツリー独立性を予測する、請求項86に記載のコンピュータ可読記憶媒体。
- ネットワークに結合されたプロセッササーバに、
通信ネットワークに接続された複数のコンピューティングデバイスからウェブページ要素情報を受信するステップであって、前記ウェブページ要素情報が前記複数のコンピューティングデバイスによって、複数のウェブページを処理している間に収集される、ステップと、
前記収集されたウェブページ要素情報に対して、ウェブページ要素情報と相関するレイアウト独立性のパターンを識別するように機械学習分析を実行するステップと、
ウェブページ要素情報と相関するレイアウト独立性の識別されたパターンに関する情報を少なくとも1つのコンピューティングデバイスに対して特定のフォーマットで送信するステップであって、前記フォーマットは、前記少なくとも1つのコンピューティングデバイスがウェブページにおける要素情報に基づいてサブツリー独立性を予測するように分類子をトレーニングすること、および予測サブツリー独立性を使用して、レンダリングされるウェブページの部分を同時に処理することを可能にするものであるステップと
を含む動作を実行させるように構成されたプロセッサ実行可能命令が記憶されているコンピュータ可読記憶媒体。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161452694P | 2011-03-15 | 2011-03-15 | |
US61/452,694 | 2011-03-15 | ||
US13/182,244 | 2011-07-13 | ||
US13/182,244 US8510237B2 (en) | 2011-03-15 | 2011-07-13 | Machine learning method to identify independent tasks for parallel layout in web browsers |
PCT/US2012/028780 WO2012125568A1 (en) | 2011-03-15 | 2012-03-12 | Machine learning method to identify independent tasks for parallel layout in web browsers |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014514634A JP2014514634A (ja) | 2014-06-19 |
JP5819995B2 true JP5819995B2 (ja) | 2015-11-24 |
Family
ID=46829276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013558093A Expired - Fee Related JP5819995B2 (ja) | 2011-03-15 | 2012-03-12 | ウェブブラウザにおける並列レイアウトに関する独立タスクを識別するための機械学習方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8510237B2 (ja) |
EP (1) | EP2686780A1 (ja) |
JP (1) | JP5819995B2 (ja) |
KR (1) | KR101657578B1 (ja) |
CN (1) | CN103443786B (ja) |
WO (1) | WO2012125568A1 (ja) |
Families Citing this family (84)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008047351A2 (en) | 2006-10-19 | 2008-04-24 | Checkmarx Ltd. | Locating security vulnerabilities in source code |
US9785700B2 (en) | 2008-02-11 | 2017-10-10 | Nuix Pty Ltd | Systems and methods for load-balancing by secondary processors in parallelized indexing |
WO2009102765A2 (en) | 2008-02-11 | 2009-08-20 | Nuix North America Inc. | Parallelization of electronic discovery document indexing |
US9928260B2 (en) | 2008-02-11 | 2018-03-27 | Nuix Pty Ltd | Systems and methods for scalable delocalized information governance |
EP2609506B1 (en) * | 2010-08-24 | 2019-01-16 | Checkmarx Ltd. | Mining source code for violations of programming rules |
US9912718B1 (en) | 2011-04-11 | 2018-03-06 | Viasat, Inc. | Progressive prefetching |
US8438474B1 (en) * | 2011-04-27 | 2013-05-07 | Google Inc. | Speculative rendering during cache revalidation |
US8839245B1 (en) | 2012-06-18 | 2014-09-16 | Bromium, Inc. | Transferring files using a virtualized application |
US9146909B2 (en) * | 2011-07-27 | 2015-09-29 | Qualcomm Incorporated | Web browsing enhanced by cloud computing |
US10630751B2 (en) | 2016-12-30 | 2020-04-21 | Google Llc | Sequence dependent data message consolidation in a voice activated computer network environment |
US10956485B2 (en) | 2011-08-31 | 2021-03-23 | Google Llc | Retargeting in a search environment |
US8650188B1 (en) | 2011-08-31 | 2014-02-11 | Google Inc. | Retargeting in a search environment |
KR101340588B1 (ko) * | 2012-02-29 | 2013-12-11 | 주식회사 팬택 | 웹페이지 구성방법 및 그 장치 |
US9734131B1 (en) * | 2012-06-18 | 2017-08-15 | Bromium, Inc. | Synchronizing history data across a virtualized web browser |
US11023088B2 (en) | 2012-06-18 | 2021-06-01 | Hewlett-Packard Development Company, L.P. | Composing the display of a virtualized web browser |
US9201850B1 (en) * | 2012-06-18 | 2015-12-01 | Bromium, Inc. | Composing the display of a virtualized web browser |
US10095662B1 (en) | 2012-06-18 | 2018-10-09 | Bromium, Inc. | Synchronizing resources of a virtualized browser |
US9727534B1 (en) * | 2012-06-18 | 2017-08-08 | Bromium, Inc. | Synchronizing cookie data using a virtualized browser |
US9348936B2 (en) * | 2012-07-25 | 2016-05-24 | Oracle International Corporation | Heuristic caching to personalize applications |
US9898445B2 (en) * | 2012-08-16 | 2018-02-20 | Qualcomm Incorporated | Resource prefetching via sandboxed execution |
US20140053064A1 (en) * | 2012-08-16 | 2014-02-20 | Qualcomm Incorporated | Predicting the usage of document resources |
US10261938B1 (en) * | 2012-08-31 | 2019-04-16 | Amazon Technologies, Inc. | Content preloading using predictive models |
US20150067475A1 (en) * | 2013-08-30 | 2015-03-05 | Wal-Mart Stores, Inc. | Web Application Framework |
US9311422B2 (en) * | 2013-09-12 | 2016-04-12 | Adobe Systems Incorporated | Dynamic simulation of a responsive web page |
US9703757B2 (en) | 2013-09-30 | 2017-07-11 | Google Inc. | Automatically determining a size for a content item for a web page |
US10431209B2 (en) | 2016-12-30 | 2019-10-01 | Google Llc | Feedback controller for data transmissions |
US10614153B2 (en) | 2013-09-30 | 2020-04-07 | Google Llc | Resource size-based content item selection |
US20150135061A1 (en) * | 2013-11-08 | 2015-05-14 | Qualcomm Incorporated | Systems and methods for parallel traversal of document object model tree |
CN107077541B (zh) * | 2014-03-24 | 2020-01-03 | 华为技术有限公司 | 应用于动态自适应流媒体的部分url签名系统和方法 |
US10855797B2 (en) | 2014-06-03 | 2020-12-01 | Viasat, Inc. | Server-machine-driven hint generation for improved web page loading using client-machine-driven feedback |
CN104063488B (zh) * | 2014-07-07 | 2017-09-01 | 成都安恒信息技术有限公司 | 一种半自动化学习式的表单特征提取方法 |
US10826930B2 (en) | 2014-07-22 | 2020-11-03 | Nuix Pty Ltd | Systems and methods for parallelized custom data-processing and search |
WO2016040784A2 (en) | 2014-09-11 | 2016-03-17 | The Medical College Of Wisconsin, Inc. | Systems and methods for estimating histological features from medical images using a trained model |
US20160103799A1 (en) * | 2014-10-08 | 2016-04-14 | Connotate, Inc. | Methods and systems for automated detection of pagination |
JP6575099B2 (ja) * | 2015-03-24 | 2019-09-18 | 富士通株式会社 | 運用操作管理プログラム、運用操作管理装置および運用操作管理方法 |
US11159603B2 (en) | 2015-04-15 | 2021-10-26 | Hyland Switzerland Sàrl | Cross-platform module for loading across a plurality of device types |
US11200249B2 (en) | 2015-04-16 | 2021-12-14 | Nuix Limited | Systems and methods for data indexing with user-side scripting |
RU2632149C2 (ru) * | 2015-05-06 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Система, способ и постоянный машиночитаемый носитель для проверки веб-страниц |
US10769351B2 (en) * | 2015-05-08 | 2020-09-08 | Citrix Systems, Inc. | Rendering based on a document object model |
US9965451B2 (en) | 2015-06-09 | 2018-05-08 | International Business Machines Corporation | Optimization for rendering web pages |
US10425427B2 (en) | 2015-06-19 | 2019-09-24 | Futurewei Technologies, Inc. | Template uniform resource locator signing |
RU2638015C2 (ru) * | 2015-06-30 | 2017-12-08 | Общество С Ограниченной Ответственностью "Яндекс" | Способ идентификации целевого объекта на веб-странице |
EP3341854B1 (en) | 2015-09-14 | 2018-12-19 | ViaSat, Inc. | Machine-driven crowd-disambiguation of data resources |
US10296580B1 (en) | 2015-09-18 | 2019-05-21 | Amazon Technologies, Inc. | Delivering parsed content items |
US10127210B1 (en) * | 2015-09-25 | 2018-11-13 | Amazon Technologies, Inc. | Content rendering |
US10601894B1 (en) | 2015-09-28 | 2020-03-24 | Amazon Technologies, Inc. | Vector-based encoding for content rendering |
US10691750B1 (en) | 2015-09-28 | 2020-06-23 | Amazon Technologies, Inc. | Browser configured to efficiently store browsing session state |
US10241983B1 (en) | 2015-09-28 | 2019-03-26 | Amazon Technologies, Inc. | Vector-based encoding for content rendering |
CN116610884A (zh) | 2015-10-20 | 2023-08-18 | 维尔塞特公司 | 使用自动浏览群集更新提示模型 |
US11870836B2 (en) | 2015-12-04 | 2024-01-09 | Viasat, Inc. | Accelerating connections to a host server |
US10341345B1 (en) | 2015-12-15 | 2019-07-02 | Amazon Technologies, Inc. | Network browser configuration |
US10348797B1 (en) | 2015-12-15 | 2019-07-09 | Amazon Technologies, Inc. | Network browser configuration |
US20170185898A1 (en) * | 2015-12-26 | 2017-06-29 | Arnab Paul | Technologies for distributed machine learning |
US11775850B2 (en) | 2016-01-27 | 2023-10-03 | Microsoft Technology Licensing, Llc | Artificial intelligence engine having various algorithms to build different concepts contained within a same AI model |
US11120299B2 (en) | 2016-01-27 | 2021-09-14 | Microsoft Technology Licensing, Llc | Installation and operation of different processes of an AI engine adapted to different configurations of hardware located on-premises and in hybrid environments |
US10586173B2 (en) | 2016-01-27 | 2020-03-10 | Bonsai AI, Inc. | Searchable database of trained artificial intelligence objects that can be reused, reconfigured, and recomposed, into one or more subsequent artificial intelligence models |
US11841789B2 (en) | 2016-01-27 | 2023-12-12 | Microsoft Technology Licensing, Llc | Visual aids for debugging |
US11868896B2 (en) | 2016-01-27 | 2024-01-09 | Microsoft Technology Licensing, Llc | Interface for working with simulations on premises |
CN107368487B (zh) * | 2016-05-12 | 2020-09-29 | 阿里巴巴集团控股有限公司 | 一种页面组件动态布局方法、装置及客户端 |
CA3024078C (en) * | 2016-05-29 | 2024-04-09 | Wix.Com Ltd. | Creation and update of hierarchical websites based on collected business knowledge |
GB2558870A (en) * | 2016-10-25 | 2018-07-25 | Parrotplay As | Internet browsing |
CN108228641A (zh) * | 2016-12-21 | 2018-06-29 | 中国移动通信集团辽宁有限公司 | 网页数据分析的方法、设备和系统 |
US11087002B2 (en) | 2017-05-10 | 2021-08-10 | Checkmarx Ltd. | Using the same query language for static and dynamic application security testing tools |
WO2018236674A1 (en) * | 2017-06-23 | 2018-12-27 | Bonsai Al, Inc. | HIERARCHICAL DECOMPOSITION DEEPENING REINFORCEMENT LEARNING FOR A MODEL OF ARTIFICIAL INTELLIGENCE |
US10460018B1 (en) * | 2017-07-31 | 2019-10-29 | Amazon Technologies, Inc. | System for determining layouts of webpages |
US11481640B2 (en) * | 2017-09-29 | 2022-10-25 | Oracle International Corporation | Directed trajectories through communication decision tree using iterative artificial intelligence |
US11321614B2 (en) | 2017-09-29 | 2022-05-03 | Oracle International Corporation | Directed trajectories through communication decision tree using iterative artificial intelligence |
US10459609B2 (en) * | 2018-04-03 | 2019-10-29 | Palantir Technologies Inc. | Multi-stage data page rendering |
CN112470154B (zh) * | 2018-08-17 | 2024-03-05 | 华为云计算技术有限公司 | 检测web网页安全性的方法和装置 |
KR102643444B1 (ko) | 2018-09-27 | 2024-03-06 | 구글 엘엘씨 | 자동 내비게이션을 용이하게 하기 위한 웹 페이지 분석 |
WO2020167066A1 (en) * | 2019-02-15 | 2020-08-20 | Samsung Electronics Co., Ltd. | Method and electronic device for machine learning based prediction of subsequent user interface layouts |
CN110018869B (zh) | 2019-02-20 | 2021-02-05 | 创新先进技术有限公司 | 通过强化学习向用户展示页面的方法及装置 |
EP3973419A4 (en) * | 2019-05-20 | 2023-03-29 | Wix.com Ltd. | SYSTEM AND METHOD FOR PROVIDING RESPONSIVE EDIT AND VIEWING, INTEGRATE HIERARCHICAL FLUID COMPONENTS AND DYNAMIC LAYOUT |
CN111985637A (zh) * | 2019-05-21 | 2020-11-24 | 苹果公司 | 具有多个处理任务的条件执行的机器学习模型 |
CN110309462B (zh) * | 2019-07-10 | 2023-05-16 | 腾讯科技(深圳)有限公司 | 数据展示方法及系统 |
US10936807B1 (en) * | 2019-10-16 | 2021-03-02 | Capital One Services, Llc | Systems and methods for displaying effects of code changes |
US10922476B1 (en) * | 2019-12-13 | 2021-02-16 | Microsoft Technology Licensing, Llc | Resource-efficient generation of visual layout information associated with network-accessible documents |
US11443241B2 (en) * | 2020-03-26 | 2022-09-13 | Wipro Limited | Method and system for automating repetitive task on user interface |
EP3945441A1 (en) | 2020-07-28 | 2022-02-02 | Checkmarx Ltd. | Detecting exploitable paths in application software that uses third-party libraries |
CN112417345B (zh) * | 2021-01-25 | 2021-04-13 | 北京小米移动软件有限公司 | 渲染方法、装置、电子设备及存储介质 |
US11528289B2 (en) * | 2021-02-26 | 2022-12-13 | At&T Intellectual Property I, L.P. | Security mechanisms for content delivery networks |
US11429406B1 (en) | 2021-03-08 | 2022-08-30 | Bank Of America Corporation | System for implementing auto didactic content generation using reinforcement learning |
US11727084B1 (en) * | 2022-05-23 | 2023-08-15 | Salesforce, Inc. | Techniques for automatically configuring web components |
CN115756449B (zh) * | 2022-12-02 | 2023-06-06 | 之江实验室 | 一种页面复用方法、装置、存储介质及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4746952B2 (ja) * | 2005-09-29 | 2011-08-10 | Necパーソナルプロダクツ株式会社 | 文書表示方法及び文書表示装置 |
US8719291B2 (en) * | 2007-04-24 | 2014-05-06 | Lixto Software Gmbh | Information extraction using spatial reasoning on the CSS2 visual box model |
CN101329665A (zh) | 2007-06-18 | 2008-12-24 | 国际商业机器公司 | 解析标记语言文档的方法和解析器 |
US20090248707A1 (en) | 2008-03-25 | 2009-10-01 | Yahoo! Inc. | Site-specific information-type detection methods and systems |
US7974934B2 (en) | 2008-03-28 | 2011-07-05 | Yahoo! Inc. | Method for segmenting webpages by parsing webpages into document object modules (DOMs) and creating weighted graphs |
CN101763357B (zh) * | 2008-11-13 | 2016-09-14 | 北京搜狗科技发展有限公司 | 一种用于浏览器加载互联网资源的方法及系统 |
US8990289B2 (en) * | 2009-02-27 | 2015-03-24 | Oracle America, Inc. | Server based framework for improving Ajax performance |
US9311425B2 (en) * | 2009-03-31 | 2016-04-12 | Qualcomm Incorporated | Rendering a page using a previously stored DOM associated with a different page |
-
2011
- 2011-07-13 US US13/182,244 patent/US8510237B2/en active Active
-
2012
- 2012-03-12 WO PCT/US2012/028780 patent/WO2012125568A1/en unknown
- 2012-03-12 KR KR1020137027188A patent/KR101657578B1/ko active IP Right Grant
- 2012-03-12 CN CN201280013524.3A patent/CN103443786B/zh not_active Expired - Fee Related
- 2012-03-12 EP EP12711078.1A patent/EP2686780A1/en not_active Withdrawn
- 2012-03-12 JP JP2013558093A patent/JP5819995B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
KR20130143718A (ko) | 2013-12-31 |
CN103443786A (zh) | 2013-12-11 |
US8510237B2 (en) | 2013-08-13 |
KR101657578B1 (ko) | 2016-09-19 |
CN103443786B (zh) | 2016-08-31 |
EP2686780A1 (en) | 2014-01-22 |
WO2012125568A1 (en) | 2012-09-20 |
US20120239598A1 (en) | 2012-09-20 |
JP2014514634A (ja) | 2014-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5819995B2 (ja) | ウェブブラウザにおける並列レイアウトに関する独立タスクを識別するための機械学習方法 | |
Zhang et al. | Towards more accurate severity prediction and fixer recommendation of software bugs | |
Roman et al. | WSMO-Lite and hRESTS: Lightweight semantic annotations for Web services and RESTful APIs | |
AU2014284401B2 (en) | Method and apparatus for determining user browsing behavior | |
US20200125482A1 (en) | Code examples sandbox | |
US11256502B2 (en) | Automatic generation of documentation and aggregation of community content | |
US11163617B2 (en) | Proactive notification of relevant feature suggestions based on contextual analysis | |
CN104583949A (zh) | Web浏览器中的脚本的预处理 | |
CN107220098B (zh) | 规则引擎的实现方法及装置 | |
CN102236549A (zh) | 跨动态边界的运行时分析的可视化 | |
US20200150937A1 (en) | Advanced machine learning interfaces | |
WO2020060640A1 (en) | Relevance ranking of productivity features for determined context | |
CN112417133A (zh) | 排序模型的训练方法和装置 | |
Alizadehsani et al. | DCServCG: A data-centric service code generation using deep learning | |
US11544467B2 (en) | Systems and methods for identification of repetitive language in document using linguistic analysis and correction thereof | |
Dua et al. | Machine Learning with Spark | |
Hallé et al. | Exhaustive exploration of ajax web applications with selective jumping | |
Aksoy et al. | MATAWS: A multimodal approach for automatic WS semantic annotation | |
GAEDKE | From TMR to turtle: predicting result relevance from mouse cursor interactions in web search | |
Han et al. | Practice and evaluation of pagelet-based client-side rendering mechanism | |
Lempel et al. | Hierarchical composable optimization of web pages | |
Ghaemmaghami et al. | Automatically inferring user behavior models in large-scale web applications | |
Kapitsaki | Creating and utilizing section-level Web service tags in service replaceability | |
Kohan et al. | Automated Dataset Construction from Web Resources with Tool Kayur | |
WO2022212445A1 (en) | Advanced application of model operations in energy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141014 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150713 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151001 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5819995 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |