一种文件处理方法、装置、计算设备及存储介质制造方法及图纸

本申请提供一种文件处理方法、装置、计算设备及存储介质，其中，所述方法包括：从客户端获取用户的数据信息；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。

A File Processing Method, Device, Computing Equipment and Storage Media

【技术实现步骤摘要】
一种文件处理方法、装置、计算设备及存储介质
本申请涉及互联网
，特别涉及一种文件处理方法、装置、计算设备及存储介质。
技术介绍
现有技术的游戏文件系统的常见结构是客户端或服务器是同构的，即所有客户端的文件均和服务器一致，拥有游戏的完整的文件包。现有大型3D游戏的文件系统大小往往达到或超过几十G字节的量级，用户下载完整的游戏客户端文件非常耗时，且由于容量过大，往往导致用户的硬盘存储空间不够而无法完成下载安装。此外，现有技术的游戏文件系统不支持定制，即每个客户端的文件均必须和服务器保持一致，导致服务器中需要针对任何资源文件进行更改时，所有客户端均需要进行相同的更改，这种更改往往会以暂停游戏为代价。
技术实现思路
有鉴于此，本申请实施例提供了一种文件处理方法、装置、计算设备及存储介质，以解决现有技术中存在的技术缺陷。本申请实施例公开了一种文件处理方法，应用于服务器端，包括：从客户端获取用户的数据信息；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。可选的，在从客户端获取用户的数据信息之后，还包括：判断所述用户的数据信息中是否包括用户的状态数据信息。可选的，所述概率预测模型包括独立概率预测模型；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，将所述附加资源文件分包的预测使用序列返回给所述客户端包括：在所述用户的数据信息中包括用户的状态数据信息的情况下，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列，并将所述附加资源文件分包的独立预测使用序列返回给所述客户端。可选的，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列包括：根据所述独立概率预测模型得到每个附加资源文件分包的使用概率；将所述每个附加资源文件分包的使用概率由高到低依次进行排序；获取所述使用概率位于前N位且大于使用阈值的附加资源文件分包的第一标识信息，其中，N为大于等于1的正整数；根据所述第一标识信息生成所述附加资源文件分包的独立预测使用序列。可选的，所述独立概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，所述概率预测模型包括全局概率预测模型；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端包括：在所述用户的数据信息中未包括用户的状态数据信息的情况下，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列，并将所述附加资源文件分包的全局预测使用序列返回给所述客户端。可选的，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列包括：根据所述全局概率预测模型得到每个附加资源文件分包的使用概率；将所述每个附加资源文件分包的使用概率由高到低依次进行排序；获取所述使用概率位于前N位且大于使用阈值的附加资源文件分包的第一标识信息，其中，N为大于等于1的正整数；根据所述第一标识信息生成所述附加资源文件分包的全局预测使用序列。可选的，所述全局概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息不包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，在从客户端获取所述用户的基本数据之前，还包括：向客户端发送必要资源文件包；根据客户端的请求向客户端发送至少一个附加资源文件分包。可选的，所述用户的数据信息还包括用户的标识信息、用户的角色信息和用户的等级信息；所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。本申请还提供一种文件处理方法，应用于客户端，包括：获取用户的数据信息；将所述用户的数据信息发送至服务器端；判断是否从所述服务器端接收到附加资源文件分包的预测使用序列；在从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。可选的，在未从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，调用预存的使用概率排序表；根据所述使用概率排序表从所述服务器端按顺序下载对应的附加资源文件分包。可选的，在获取用户的数据信息之前，还包括：从服务器端获取必要资源文件包；根据用户的请求从服务器获取对应的至少一个附加资源文件分包；根据获取的必要资源文件包和附加资源文件分包，生成文件包队列。可选的，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息和用户的状态数据信息；或者，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息；所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。本申请还提供一种文件处理装置，包括：第一获取模块，被配置为从客户端获取用户的数据信息；预测模块，被配置为将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；反馈模块，被配置为根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。本申请还提供了一种文件处理装置，其特征在于，包括：第二获取模块，被配置为获取用户的数据信息；传输模块，被配置为将所述用户的数据信息发送至服务器端；分析模块，被配置为判断是否从所述服务器端接收到附加资源文件分包的预测使用序列；执行模块，被配置为在从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。本申请还提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现如上所述方法的步骤。本申请还提供了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如上所述方法的步骤。本申请提供的一种文件处理方法、装置、计算设备及存储介质，基于人工智能技术，由系统自动大量收集终端用户过往的游戏数据信息，并根据收集的数据信息进行分析计算，判断该用户近期可能用到的游戏资源文件，并自动在游戏过程中下载对应的游戏资源文件，使得各个用户的客户端都是不一样的，均是由系统根据用户之前的游戏行为对用户进行私人定制而形成的客户端，使得用户无须下载服务器的全部数据，而是通本文档来自技高网...

【技术保护点】
1.一种文件处理方法，其特征在于，应用于服务器端，包括：从客户端获取用户的数据信息；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。

【技术特征摘要】
1.一种文件处理方法，其特征在于，应用于服务器端，包括：从客户端获取用户的数据信息；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。2.根据权利要求1所述的方法，其特征在于，在从客户端获取用户的数据信息之后，还包括：判断所述用户的数据信息中是否包括用户的状态数据信息。3.根据权利要求2所述的方法，其特征在于，所述概率预测模型包括独立概率预测模型；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，将所述附加资源文件分包的预测使用序列返回给所述客户端包括：在所述用户的数据信息中包括用户的状态数据信息的情况下，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列，并将所述附加资源文件分包的独立预测使用序列返回给所述客户端。4.根据权利要求3所述的方法，其特征在于，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列包括：根据所述独立概率预测模型得到每个附加资源文件分包的使用概率；将所述每个附加资源文件分包的使用概率由高到低依次进行排序；获取所述使用概率位于前N位且大于使用阈值的附加资源文件分包的第一标识信息，其中，N为大于等于1的正整数；根据所述第一标识信息生成所述附加资源文件分包的独立预测使用序列。5.根据权利要求3所述的方法，其特征在于，所述独立概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。6.根据权利要求2所述的方法，其特征在于，所述概率预测模型包括全局概率预测模型；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端包括：在所述用户的数据信息中未包括用户的状态数据信息的情况下，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列，并将所述附加资源文件分包的全局预测使用序列返回给所述客户端。7.根据权利要求6所述的方法，其特征在于，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列包括：根据所述全局概率预测模型得到每个附加资源文件分包的使用概率；将所述每个附加资源文件分包的使用概率由高到低依次进行排序；获取所述使用概率位于前N位且大于使用阈值的附加资源文件分包的第一标识信息，其中，N为大于等于1的正整数；根据所述第一标识信息生成所述附加资源文件分包的全局预测使用序列。8.根据权利要求6所述的方法，其特征在于，所述全局概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息不包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训...

【专利技术属性】
技术研发人员：梁斌，高勇，康成浩，罗富文，
申请(专利权)人：珠海金山网络游戏科技有限公司，广州西山居世游网络科技有限公司，
类型：发明
国别省市：广东,44