[发明专利]一种Web数据预加载方法及系统

权利要求书

1.一种Web数据预加载方法，其特征在于，所述Web数据预加载方法包括：

步骤一：在框架页面为当前用户使用机器和服务器之间创建长连接；

步骤二：前端脚本将用户当前浏览的页面以网格形式，自页面左上角开始，按照从左到右，从上到下的方式切割为相同大小、等像素的正方形热区；

步骤三：跟踪用户鼠标移动轨迹、鼠标悬停热区、鼠标按键操作、来源页面、页面停留时间操作行为；对收集到的用户操作行为、页面特征ID、用户ID通过长连接通道向后台发送；

步骤四：利用用户的每次点击来分隔训练集数据，并对用户操作行为数据包进行提取；

步骤五：当提取到的用户操作行为中包含用户点击，用户完成从第一次点击之后到第二次点击结束的行为数据，作为一个完整的训练集，将数据插入到机器学习训练集中；当操作行为为第二次点击之前的行为数据，则判断数据是否与上一次一致，若一致则不进行任何操作，否则需要机器学习根据用户个人数据、个人数据时间、页面相关性训练集进行局部加权计算作出用户下一次点击热区的预测；

步骤六：将预测的热区推送至用户前端，前端脚本检查热区范围内的数据资源，以Ajax的方式向后台预先请求资源，后台完成资源预加载后会将数据加入缓存区，用户点击预测热区时，数据将直接从缓存区返回；

步骤二中，所述页面切割包括：

页面切割为逻辑意义上的分隔，并不对前端页面显示产生影响；分隔热区按照实际比例进行缩放，仅于页面有关，与浏览器窗口大小和屏幕分辨率无关；

步骤三中，所述页面特征ID包括：

页面特征ID是可以识别页面所属类别和页面唯一的值。

2.如权利要求1所述的Web数据预加载方法，其特征在于，步骤四中，所述训练集数据包括：

当用户在第一次在热区内点击之后开始和第二次在热区内点击结束之间的所有操作行为被称作一个完整的训练集，在一个完整的训练集未发生第二次热区点击事件时被称作为预测集；

按照数据使用者来分，训练集的来源有用户本人和其他人；

步骤四中，所述数据包提取包括：

(1)分割出上报周期的用户行为数据包，输入到预测输入参数；

(2)分隔出每一次完整的用户操作行为数据包，输入到训练集，提供为机器学习。

3.如权利要求1所述的Web数据预加载方法，其特征在于，步骤五中，所述热区预测方法包括：

(1)后台不断的接收前端收集的行为数据，并记录作为训练集数据；

(2)得到一定的训练集数据后，将训练集数据作为机器学习的样本，进行模式识别，其中用户行为作为输入对象，用户点击的热区作为期望输出值；

(3)通过分析训练数据产生推断能力，对预测集数据进行推断，得出预测热区。

4.如权利要求1所述的Web数据预加载方法，其特征在于，步骤五中，所述局部加权计算包括：

局部加权计算方法原则包括：本人数据权重大于其他人数据权重，本人近期数据权重大于本人远期数据权重，相关页面权重大于非相关页面权重。

5.一种实施权利要求1所述Web数据预加载方法的Web数据预加载控制系统。

6.一种终端，其特征在于，所述终端至少搭载实现权利要求1～4任意一项所述Web数据预加载方法的服务器。

7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任意一项所述的Web数据预加载方法。