本申请实施例提供了一种数据读取方法，所述方法包括：获取目标应用在当前时刻之前的多张页面截图以及用户行为数据；其中，页面截图是对目标应用的显示页面进行截图得到的；基于多张页面截图和用户行为数据，确定目标应用在下一次要读取的预读数据；从第一服务器中下载预读数据，并将预读数据存储至本地，以使目标应用的下一次读请求命中预读数据时，从本地读取预读数据；通过本申请提供的数据读取方法，可以提高目标应用的数据读取效率、缩短每次目标应用进行数据读取的时长。标应用进行数据读取的时长。标应用进行数据读取的时长。
【技术实现步骤摘要】
数据读取方法、装置及电子设备
[0001]本申请涉及通信处理
，特别是涉及一种数据读取方法、装置及电子设备。
技术介绍
[0002]随着各类应用的普及，用户一般会在终端下载各类应用以进行使用，例如，在手机上会安装很多APP。
[0003]然而，用户在使用各类应用时，一些情况下，应用读取数据时会存在读取时间较长的问题，导致用户在页面中要等待很长的时间才能看到自己想要的内容。例如，在用户下载了一款游戏APP后，用户玩游戏的过程中经常需要等待较长时间才能进入一个游戏场景、或使用一些游戏道具和技能等，因此经常遇到游戏卡顿的问题。
技术实现思路
[0004]鉴于上述问题，提出了本申请实施例，以便克服上述问题或者至少部分地解决上述问题。
[0005]为了解决上述问题，本申请的第一方面，提供一种数据读取方法，所述方法包括：
[0006]获取目标应用在当前时刻之前的多张页面截图以及用户行为数据；其中，所述页面截图是对所述目标应用的显示页面进行截图得到的；
[0007]基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据；
[0008]从第一服务器中下载所述预读数据，并将所述预读数据存储至本地，以使所述目标应用的下一次读请求命中所述预读数据时，从所述本地读取所述预读数据。
[0009]可选地，所述用户行为数据包括多条读数据序列，所述方法还包括：
[0010]基于多张所述页面截图各自的时间以及多条所述读数据序列各自的时间，对多张所述页面截图和多条所述读数据序列进行对齐；
[0011]所述用户行为数据中包括多条读数据序列，基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据，包括：
[0012]基于对齐的每张页面截图和对应的读数据序列，确定每张所述页面截图分别与多条所述读数据序列之间的注意力得分；
[0013]基于所述注意力得分，确定所述目标应用在下一次要读取的预读数据。
[0014]可选地，基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据，包括：
[0015]将多个所述页面截图和所述用户行为数据输入至预测模型，得到所述目标应用在下一次要读取的预读数据；
[0016]所述预测模型是以多个联合训练样本为输入、以每个联合训练样本对应的实际读数据样本为真值，对目标神经网络进行训练得到的；
[0017]其中，每个所述联合训练样本包括多张页面截图样本和用户行为数据样本，所述
实际读数据样本为所述目标应用所真实读取的数据。
[0018]可选地，所述方法还包括：
[0019]在所述目标应用第i次读数据时，获取第i次实际读取的实际读数据序列，以及第i次对应的预读数据序列；其中，i为大于等于1的整数；
[0020]在所述实际读数据序列与所述预读数据序列之间的差异超过目标差异的情况下，获取确定所述第i次对应的预读数据序列时，所依据的目标用户行为数据和目标页面截图；
[0021]基于所述目标用户行为数据、所述目标页面截图和所述实际读数据序列，对所述预测模型进行更新。
[0022]可选地，所述方法还包括：
[0023]将所述第i次对应的目标用户行为数据和目标页面截图作为增量样本，加入到增量样本池；
[0024]基于所述目标用户行为数据、所述目标页面截图和所述实际读数据序列，对所述预测模型进行更新，包括：
[0025]周期性从所述增量样本池中获取当前周期内新增的增量样本；
[0026]以所述当前周期内新增的增量样本为输入、以对应的实际读数据序列为真值，对所述预测模型进行更新。
[0027]可选地，所述用户行为数据样本包括多个读数据序列样本，所述预测模型是通过以下方式训练得到的：
[0028]获取多个所述页面截图样本各自对应的第一特征向量以及所述多个读数据序列样本各自对应的第二特征向量；
[0029]将所述第一特征向量和所述第二特征向量进行拼接后，得到联合向量；
[0030]基于所述联合向量，获得所述目标神经网络输出的预读数据序列；
[0031]基于所述预读数据序列和所述实际读数据样本，对所述目标神经网络的参数进行多次更新，得到所述预测模型。
[0032]可选地，所述方法还包括：
[0033]获取运行所述目标应用的终端的当前性能配置参数；
[0034]基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据，包括：
[0035]在所述当前性能配置参数满足目标条件的情况下，将所述多张所述页面截图和所述用户行为数据发送给所述终端中配置的所述预测模型，以得到所述下一次要读取的预读数据；
[0036]在所述当前性能配置参数不满足所述目标条件的情况下，将所述多张所述页面截图和所述用户行为数据发送给所述第二服务器，以得到所述下一次要读取的预读数据。
[0037]可选地，所述方法包括：
[0038]预先在未安装所述目标应用时，获取所述目标应用的启动运行包和启动镜像包；其中，所述启动镜像包包括所述目标应用的启动数据；
[0039]通过所述启动运行包启动所述目标应用后，响应于所述目标应用的读请求，从所述启动镜像包和/或所述第一服务器中读取所述读请求对应的数据；其中，所述第一服务器中包括所述目标应用的全部原始数据。
[0040]可选地，本申请实施例还公开了一种数据读取装置，所述装置包括：
[0041]数据获取模块，用于获取目标应用在当前时刻之前的多张页面截图以及用户行为数据；其中，所述页面截图是对所述目标应用的显示页面进行截图得到的；
[0042]数据预测模块，用于基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据；
[0043]下载模块，用于从第一服务器中下载所述预读数据，并将所述预读数据存储至本地，以使所述目标应用的下一次读请求命中所述预读数据时，从所述本地读取所述预读数据。
[0044]本申请实施例还公开了一种电子设备，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程序，所述处理器执行时实现如第一方面所述的数据读取方法。
[0045]本申请实施例还公开了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如本申请第一方面所述的数据读取方法。
[0046]本申请实施例还公开了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面所述的数据读取方法。
[0047]采用本申请实施例的数据读取方法，可以获取目标应用在当前时刻之前的多张页面截图以及用户行为数据；并基于多张页面截图和用户行为数据，确定目标应用在下一次要读取的预读数据；从第一服务器中下载预读数据，并将预读数据存储至本地缓存，以使目标应用的下一次读请求命中预读数据时，从本地缓存读取预读数据。...
【技术保护点】
【技术特征摘要】
1.一种数据读取方法，其特征在于，所述方法包括：获取目标应用在当前时刻之前的多张页面截图以及用户行为数据；其中，所述页面截图是对所述目标应用的显示页面进行截图得到的；基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据；从第一服务器中下载所述预读数据，并将所述预读数据存储至本地，以使所述目标应用的下一次读请求命中所述预读数据时，从所述本地读取所述预读数据。2.根据权利要求1所述的方法，其特征在于，所述用户行为数据包括多条读数据序列，所述方法还包括：基于多张所述页面截图各自的时间以及多条所述读数据序列各自的时间，对多张所述页面截图和多条所述读数据序列进行对齐；所述用户行为数据中包括多条读数据序列，基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据，包括：基于对齐的每张页面截图和对应的读数据序列，确定每张所述页面截图分别与多条所述读数据序列之间的注意力得分；基于所述注意力得分，确定所述目标应用在下一次要读取的预读数据。3.根据权利要求1或2所述的方法，其特征在于，基于多张所述页面截图和所述用户行为数据，确定所述目标应用在下一次要读取的预读数据，包括：将多个所述页面截图和所述用户行为数据输入至预测模型，得到所述目标应用在下一次要读取的预读数据；所述预测模型是以多个联合训练样本为输入、以每个联合训练样本对应的实际读数据样本为真值，对目标神经网络进行训练得到的；其中，每个所述联合训练样本包括多张页面截图样本和用户行为数据样本，所述实际读数据样本为所述目标应用所真实读取的数据。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述目标应用第i次读数据时，获取第i次实际读取的实际读数据序列，以及第i次对应的预读数据序列；其中，i为大于等于1的整数；在所述实际读数据序列与所述预读数据序列之间的差异超过目标差异的情况下，获取确定所述第i次对应的预读数据序列时，所依据的目标用户行为数据和目标页面截图；基于所述目标用户行为数据、所述目标页面截图和所述实际读数据序列，对所述预测模型进行更新。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述第i次对应的目标用户行为数据和目标页面截图作为增量样本，加入到增量样本池；基于所述目标用户行为数据、所述目标页面截图和所述实际读数据序列，对所述预测模型进行更新，包括：周期性从所述增量样本池中获取当前周期内新增的增量样本；以所述当...
【专利技术属性】
技术研发人员：杨正，
申请(专利权)人：卢聪，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。