应用资源的预加载方法、装置、电子设备及存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及数据处理技术领域，特别是涉及一种应用资源的预加载方法、一种应用资源的预加载装置、一种电子设备以及一种计算机可读存储介质。背景技术：2.随着移动互联网的快速发展，智能终端日渐成为人机交互的主要平台。在现实生活中，智能终端已经成为每个人必备的，也是人们每天与世界交互的窗口，对每个人而言都有很重要的作用。其中，在智能终端中可以运行各式各样的应用程序，应用程序提供的各种功能可以满足用户生活中的不同需求。对于应用程序，在开发过程中，既需要完成正常的业务逻辑，也需要考虑用户使用过程中的用户体验和系统性能等问题。对于一个应用程序，其可以提供的应用功能丰富多样，为了给用户提供更好的使用体验，例如保证页面加载的流畅性、加载速度、音视频播放流畅等，往往会在开发过程中采用大资源预加载的方式对应用程序进行处理。然而对于这种处理方式，一方面会加大应用程序数据包的内存体积，给用户下载或使用带来了极大的不便，另一方面，即便将资源从应用程序的数据包中移除，也需要在用户使用应用程序时进行全量下载，无疑又会带来较多的流量消耗，浪费网络带宽资源。技术实现要素：3.本发明实施例是提供一种应用资源的预加载方法、装置、电子设备以及计算机可读存储介质，以解决或部分解决对应用程序的资源进行处理时存在应用数据包体积大、资源下载需要耗费较多的流量的问题。4.本发明实施例公开了一种应用资源的预加载方法，包括：5.响应于应用程序的启动操作，获取用户历史使用所述应用程序过程中产生的应用功能使用信息；6.根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能；7.对所述目标应用功能对应的应用资源进行预加载。8.可选地，所述响应于应用程序的启动操作，获取用户历史使用所述应用程序过程中产生的应用功能使用信息，包括：9.响应于应用程序的启动操作，获取登录于所述应用程序的用户账户信息；10.若所述用户账户信息为旧用户账户信息，则获取所述旧用户账户信息历史使用所述应用程序过程中产生的应用功能使用信息。11.可选地，所述根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能，包括：12.将所述应用功能使用信息输入与所述应用程序对应的功能识别模型中，对所述应用程序提供的预设应用功能进行筛选，获得所述旧用户账户信息对应的目标应用功能。13.可选地，所述应用功能使用信息至少包括所述旧用户账户信息历史使用的目标应用功能、所述目标应用功能的第一使用时长以及所述旧用户账户信息历史使用所述应用程序的第一使用总时长，所述将所述应用功能使用信息输入与所述应用程序对应的功能识别模型对所述应用程序提供的预设应用功能进行筛选，获得所述旧用户账户信息对应的目标应用功能，包括：14.将所述目标应用功能、所述第一使用时长以及所述第一使用总时长输入与所述应用程序对应的功能识别模型对所述应用程序提供的预设应用功能进行筛选，获得与所述旧用户账户信息对应的至少一个目标应用功能。15.可选地，还包括：16.若所述用户账户信息为新用户账户信息，则展示应用功能页面，所述应用功能页面包括所述预设应用功能对应的预设应用标签；17.响应针对至少一个所述预设应用标签的选择操作，确定目标应用标签；18.从所述应用程序提供的预设应用终端中确定与所述目标应用标签对应的目标应用功能。19.可选地，所述功能识别模型通过如下方式生成：20.获取与所述应用程序运行过程中产生的应用使用数据，所述应用使用数据至少包括所述预设应用功能、各所述预设应用功能的第二使用时长以及不同账户信息使用所述应用程序的第二使用总时长；21.根据所述预设应用功能、各所述预设应用功能的第二使用时长以及所述第二使用总时长进行模型训练，生成与所述应用程序对应的功能识别模型。22.可选地，所述获取与所述应用程序运行过程中产生的应用使用数据，包括：23.若检测到应用程序发生版本更新，则确定所述应用程序的当前版本以及所述当前版本对应的历史版本，所述历史版本为所述当前版本的上一版本；24.获取所述历史版本的第一更新时间以及所述当前版本的第二更新时间；25.获取所述第一更新时间与所述第二更新时间之间所述应用程序的应用使用数据。26.本发明实施例还公开了一种应用资源的预加载装置，包括：27.信息获取模块，用于响应于应用程序的启动操作，获取用户历史使用所述应用程序过程中产生的应用功能使用信息；28.应用功能预测模块，用于根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能；29.应用资源加载模块，用于对所述目标应用功能对应的应用资源进行预加载。30.可选地，所述信息获取模块具体用于：31.响应于应用程序的启动操作，获取登录于所述应用程序的用户账户信息；32.若所述用户账户信息为旧用户账户信息，则获取所述旧用户账户信息历史使用所述应用程序过程中产生的应用功能使用信息。33.可选地，所述应用功能预测模块具体用于：34.将所述应用功能使用信息输入与所述应用程序对应的功能识别模型中，对所述应用程序提供的预设应用功能进行筛选，获得所述旧用户账户信息对应的目标应用功能。35.可选地，所述应用功能使用信息至少包括所述旧用户账户信息历史使用的目标应用功能、所述目标应用功能的第一使用时长以及所述旧用户账户信息历史使用所述应用程序的第一使用总时长，所述应用功能预测模块具体用于：36.将所述目标应用功能、所述第一使用时长以及所述第一使用总时长输入与所述应用程序对应的功能识别模型对所述应用程序提供的预设应用功能进行筛选，获得与所述旧用户账户信息对应的至少一个目标应用功能。37.可选地，还包括：38.功能页面展示模块，用于若所述用户账户信息为新用户账户信息，则展示应用功能页面，所述应用功能页面包括所述预设应用功能对应的预设应用标签；39.应用标签确定模块，用于响应针对至少一个所述预设应用标签的选择操作，确定目标应用标签；40.应用功能确定模块，用于从所述应用程序提供的预设应用终端中确定与所述目标应用标签对应的目标应用功能。41.可选地，所述功能识别模型通过如下模块生成：42.使用数据获取模块，用于获取与所述应用程序运行过程中产生的应用使用数据，所述应用使用数据至少包括所述预设应用功能、各所述预设应用功能的第二使用时长以及不同账户信息使用所述应用程序的第二使用总时长；43.模型训练模块，用于根据所述预设应用功能、各所述预设应用功能的第二使用时长以及所述第二使用总时长进行模型训练，生成与所述应用程序对应的功能识别模型。44.可选地，所述使用数据获取模块具体用于：45.若检测到应用程序发生版本更新，则确定所述应用程序的当前版本以及所述当前版本对应的历史版本，所述历史版本为所述当前版本的上一版本；46.获取所述历史版本的第一更新时间以及所述当前版本的第二更新时间；47.获取所述第一更新时间与所述第二更新时间之间所述应用程序的应用使用数据。48.本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；49.所述存储器，用于存放计算机程序；50.所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。51.本发明实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。52.本发明实施例包括以下优点：53.在本发明实施例中，在用户使用应用程序的过程中，终端可以响应于应用程序的启动操作，获取用户历史使用应用程序过程中产生的应用功能使用信息，接着可以根据应用功能使用信息，从应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能，然后可以对目标应用功能对应的应用资源进行预加载，从而在用户使用应用程序之前，通过用户使用应用程序时产生的应用功能使用信息进行应用功能预测，确定用户在使用应用程序时的倾向性应用功能，并对用户倾向性的应用功能的应用资源进行预加载，进而可以在用户使用应用程序之前进行资源的按需加载，尤其是对用户倾向使用的应用功能进行资源预加载，在通过预加载内容为用户提供良好使用体验的同时，减少应用资源的下载，有效降低了流量消耗以及应用程序数据包的内存体积。附图说明54.图1是本发明实施例中提供的一种应用资源的预加载方法的步骤流程图；55.图2是本发明实施例中提供的模型训练与应用的示意图；56.图3是本发明实施例中提供的一种应用资源的预加载装置的结构框图；57.图4是本发明实施例中提供的一种电子设备的框图；58.图5是本发明实施例中提供的一种计算机可读介质的示意图。具体实施方式59.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。60.作为一种示例，随着移动互联网的快速发展，移动端日渐成为人机交互的主要平台，在应用开发过程中，开发人员既需要完成正常的业务逻辑，更需要考虑到用户体验和系统性能等问题。对于一个应用程序，其可以提供的应用功能丰富多样，为了给用户提供更好的使用体验，例如保证页面加载的流畅性、加载速度、音视频播放流畅等，往往会在开发过程中采用大资源预加载的方式对应用程序进行处理。然而对于这种处理方式，一方面会加大应用程序数据包的内存体积，给用户下载或使用带来了极大的不便，另一方面，即便将资源从应用程序的数据包中移除，也需要在用户首次打开应用程序时进行后台全量下载，而在实际的使用过程中，应用程序中的部分功能用户可能永远也不会使用，无疑又会带来较多的流量消耗，浪费网络带宽资源。61.对此，本发明的核心发明点之一在于用户使用应用程序的过程中，终端可以响应于应用程序的启动操作，获取用户历史使用应用程序过程中产生的应用功能使用信息，接着可以根据应用功能使用信息，从应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能，然后可以对目标应用功能对应的应用资源进行预加载，从而在用户使用应用程序之前，通过用户使用应用程序时产生的应用功能使用信息进行应用功能预测，确定用户在使用应用程序时的倾向性应用功能，并对用户倾向性的应用功能的应用资源进行预加载，进而可以在用户使用应用程序之前进行资源的按需加载，尤其是对用户倾向使用的应用功能进行资源预加载，在通过预加载内容为用户提供良好使用体验的同时，减少应用资源的下载，有效降低了流量消耗以及应用程序数据包的内存体积。62.具体的，参照图1，示出了本发明实施例中提供的一种应用资源的预加载方法的步骤流程图，具体可以包括如下步骤：63.步骤101，响应于应用程序的启动操作，获取所述应用程序的应用功能使用信息和/或目标应用标签；64.可选地，本发明实施例可以应用于用户终端，在用户终端中可以运行相应的应用程序，并通过用户终端的图形用户界面显示应用界面，以便用户在应用界面中进行相应的操作。其中，用户终端可以为台式电脑、笔记本电脑、平板电脑以及移动终端等设备，应用程序可以包括生活类应用程序、音频应用程序、游戏应用程序以及求职应用程序等。65.对于应用程序的启动，其可以包括用户在终端中下载并安装了应用程序之后首次运行应用程序、应用程序冷启动以及应用程序的后台启动等，需要说明的是，本发明实施例所涉及的应用程序的启动可以包括应用程序的首次启动或应用程序的冷启动等，本发明对此不作限制。66.在具体实现中，终端可以响应于应用程序的启动操作，并获取用户历史使用应用程序过程中产生的应用功能使用信息，以便根据应用功能使用信息对用户倾向使用的应用功能进行预测，判断出用户对应用程序中某个或某几个应用功能的倾向性，倾向性可以为表征用户对应用程序中某些应用功能的喜好程度，例如，对于某一个应用程序，其具备短视频、文本阅读等功能，而用户日常生活中仅使用短视频功能，则表示用户更喜好使用应用程序的短视频功能；对于另一应用程序，其具备找房、找车、求职等功能，而用户日常生活中仅使用该应用程序进行线上找房，则表示用户更喜好使用应用程序的找房功能。67.其中，应用功能使用信息可以包括应用功能、应用功能的使用时长以及应用程序的使用总时长等。对于应用功能，其可以为应用程序能够向用户提供的服务内容，如在线看房、在线找车、在线求职、短视频浏览等应用功能；对于使用时长，其可以为用户在应用程序的某个应用功能的页面停留的时长(在页面停留过程中，用户可以执行浏览、点击、评论、收藏、点赞、转发等操作)，通过统计用户在使用应用程序的每个应用功能的使用时长，可以有效反映出用户使用该应用程序的主要意图，减少使用过程中用户误触而带来的统计维度干扰；对于使用总时长，其可以为用户在应用程序的页面停留的时长(即应用程序前台运行的时长)，其可以反映出用户对使用该应用程序所具备的耐心值，一个用户在应用程序上使用总时长越长，表示该用户更倾向于使用该应用程序等，本发明对此不作限制。68.需要说明的是，本发明示例中提出的所有涉及应用程序的应用数据获取都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应终端所有者给予授权的情况下进行的。69.在一种可选实施例中，对于应用功能使用信息的获取，终端可以响应于应用程序的启动操作，获取登录于应用程序的用户账户信息，若用户账户信息为旧用户账户信息，则获取旧用户账户信息历史使用应用程序过程中产生的应用功能使用信息；若用户账户信息为新用户账户信息，则终端可以展示应用功能页面，应用功能页面包括应用程序的应用功能对应的应用标签，接着响应针对至少一个应用标签的选择操作，确定目标应用标签，从而针对不同的用户，提供不同的用户需求获取方式，针对旧用户，可以通过其在先使用应用程序的数据进行应用功能的预测，针对新用户，可以根据用户实时选择的应用标签进行需求定位，进而有效提高应用功能识别的灵活性。70.在具体实现中，用户可以在应用程序中登录对应的用户账户信息，则终端可以通过用户账户信息在应用程序中的使用总时长判断用户是否为新用户，若用户为旧用户，表征用户曾使用过应用程序，则可以通过获取用户账户信息对应的应用功能使用信息，以便根据用户的历史行为进行应用功能倾向性的预测；若用户为新用户，则可以在用户于应用程序登录后，展示应用功能页面，在应用功能页面中可以包括应用程序的应用功能对应的应用标签，用户可以根据自身的需求、喜好等从中选择至少一个应用标签，从而终端可以根据用户的选择操作确定目标应用标签，以便对相应的应用功能进行应用资源的预加载。71.步骤102，根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能；72.对于应用标签，应用程序的每一个应用功能可以对应一个应用标签，则当通过用户账户信息识别出用户属于新用户时，终端可以根据用户在应用功能页面中所选择的目标应用标签，直接确定出用户倾向使用的目标应用功能。73.而对于旧用户，终端在获取了账户信息对应的应用功能使用信息后，可以将应用功能使用信息输入与应用程序对应的功能识别模型对应用程序提供的预设应用功能进行筛选，获得与旧用户账户信息对应的至少一个目标应用功能，从而通过模型识别的方式对用户倾向性的应用功能进行预测，以便运行于终端上的应用程序可以按需下载相关的应用资源，避免对应用程序的应用资源进行全量下载。74.可选地，应用信息中可以包括旧用户账户信息历史使用的目标应用功能、目标应用功能的第一使用时长以及旧用户账户信息历史使用应用程序的第一使用总时长，则可以将目标应用功能、第一使用时长以及第一使用总时长输入与应用程序对应的功能识别模型进行应用功能预测，获得与旧用户账户信息对应的至少一个目标应用功能。例如，假设应用程序包括应用功能a、应用功能b、应用功能c、应用功能d以及应用功能e等，其中，用户在先使用过应用程序a、应用程序c以及应用程序e，且应用功能a的使用时长为t1、应用功能c的使用时长为t2以及应用功能e的使用时长为t3，则用户对应用程序的使用总时长δt＝t1+t2+t3，则可以将用户历史对应用程序使用的应用功能使用信息输入功能识别模型中对应用程序提供的预设应用功能进行筛选，获得用户对应用程序倾向性使用的至少一个目标应用功能，以便对目标应用功能进行应用资源的预加载。75.此外，对于新用户，由于无法获取用户历史使用应用程序过程中产生的应用功能使用信息，则可以在判断出用户属于新用户的情况下，通过终端的图形用户界面显示应用程序的应用功能页面，新用户可以实时在应用功能页面中选择自己喜好的应用标签，以便终端根据用户所选的应用标签，确定用户对应用程序倾向性使用的至少一个目标应用功能。76.需要说明的是，在上述过程中，以应用程序需要用户登录为例进行示例性说明，在不需要用户登录的情况下，也可以通过向用户提供应用功能页面，并根据用户选择的应用标签在当次使用应用程序的过程中，对相关的应用功能对应的应用资源进行预加载。77.在一种可选实施例中，对于上述功能识别模型，其可以通过如下方式生成：获取与应用程序运行过程中产生的应用使用数据，应用使用数据至少包括应用程序各个预设应用功能、各预设应用功能的第二使用时长以及不同账户信息使用应用程序的第二使用总时长，接着根据应用功能、各应用功能的第二使用时长以及第二使用总时长进行模型训练，生成与应用程序对应的功能识别模型。78.此外，在得到功能识别模型后，还可以将其集成到应用程序中，并在用户使用应用程序的过程中进行持续性地迭代更新，具体的，可以通过在应用程序进行版本更新时进行模型更新、也可以设置相应的更新周期进行模型更新等。例如，若检测到应用程序发生版本更新，则确定应用程序的当前版本以及当前版本对应的历史版本，历史版本为当前版本的上一版本，接着获取历史版本的第一更新时间以及当前版本的第二更新时间，然后获取第一更新时间与第二更新时间之间应用程序的应用使用数据。79.在具体实现中，应用使用数据与用户个人行为紧密相关，用户在使用应用程序的过程中，应用程序可以在获得用户授权的情况下，对用户行为数据进行获取、统计、分析等。对于应用使用数据，其可以为不同用户对用一应用程序的使用数据，在获取了应用使用数据后，为了保证数据的有效性，可以先对数据进行清洗，以得到训练样本数据，具体的，应用使用数据中包括不同用户使用应用程序的应用功能的第二使用时长和使用应用程序的总使用时长，则可以将应用功能、第二使用时长以及总使用时长等数据作为一条训练数据，实现数据清洗，例如，训练样本数据可以包括：80.应用功能a、使用时长t1、使用总时长δt1；81.应用功能a、使用时长t2、使用总时长δt2；82.应用功能b、使用时长t3、使用总时长δt3；83.应用功能c、使用时长t4、使用总时长δt4；84.应用功能d、使用时长t5、使用总时长δt5等。85.当确定了训练样本数据后，可以对训练样本数据中的应用功能进行特征提取，获得功能训练特征，对第二使用时长进行特征提取，得到功能使用训练特征，对使用总时长进行特征提取，得到应用使用训练特征，然后采用功能训练特征、功能使用训练特征与应用使用训练特征，训练得到与应用程序对应的功能识别模型。86.可选地，功能识别模型可以包括输入层、映射层以及输出层，其中，输出层可以包括多个输出节点，则在模型训练的过程中，可以对通过输入层对预设类名属性进行特征提取，获得类名训练特征，以及对应用功能进行特征提取，获得功能训练特征，对第二使用时长进行特征提取，得到功能使用训练特征，对使用总时长进行特征提取，得到应用使用训练特征；接着将功能训练特征、功能使用训练特征与应用使用训练特征输入映射层，通过映射层中每一个神经元的激活函数进行映射，并将映射结果输出至输出层，生成对应的预测值，然后将预测值与预设的参考值进行比对，并根据比对结果对功能识别模型进行反向训练。87.其中，参考值可以为开发人员对模型理想的训练结果进行设定的值，其可以对应于损失函数，损失函数越小，表明模型训练结果越好，则可以将类名训练特征与页面训练特征输入预设的功能识别模型进行迭代，并计算每次迭代后的功能识别模型的多个损失函数，当迭代后的功能识别模型的多个损失函数均最小化时，停止迭代，生成功能识别模型。88.具体的，可以通过各个模型的输出节点判断多个梯度值是否满足预设阈值条件；若否，则根据多个梯度值更新每一神经元的激活函数的参数，继续迭代功能识别模型；若是，则生成功能识别模型。89.对于激活函数的参数更新，可以是基于梯度下降策略，以目标梯度方向对参数进行更新。在具体实现中，可以预设一学习率，控制每一轮迭代中参数的更新步长，从而最终得到功能识别模型。此外，在实际中由于损失函数的最小值往往难以达到，则还可以通过设置迭代次数对模型迭代进行控制，损失函数达到预期值，或基本保持不变时，即可以视为模型训练结束。90.步骤103，对所述目标应用功能对应的应用资源进行预加载。91.对应用功能的应用资源，可以包括图片、视频、音频、文本等，则在确定了用户倾向性使用的目标应用功能后，可以获取目标应用功能所对应的应用资源，并对应用资源进行预加载，从而在用户使用所确定的目标应用程序的过程中，由于应用资源已经预加载，可以大大减少了终端获取资源、加载资源的时间，进而为用户提供良好使用体验的同时，通过按需下载应用资源，有效降低了流量消耗以及应用程序数据包的内存体积。92.在本发明实施例中，在用户使用应用程序的过程中，终端可以响应于应用程序的启动操作，获取用户历史使用应用程序过程中产生的应用功能使用信息，接着可以根据应用功能使用信息，从应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能，然后可以对目标应用功能对应的应用资源进行预加载，从而在用户使用应用程序之前，通过用户使用应用程序时产生的应用功能使用信息进行应用功能预测，确定用户在使用应用程序时的倾向性应用功能，并对用户倾向性的应用功能的应用资源进行预加载，进而可以在用户使用应用程序之前进行资源的按需加载，尤其是对用户倾向使用的应用功能进行资源预加载，在通过预加载内容为用户提供良好使用体验的同时，减少应用资源的下载，有效降低了流量消耗以及应用程序数据包的内存体积。93.为了使得本领域技术人员更好地理解本发明实施例的技术方案，下面通过一个例子进行示例性说明。94.参照图2，示出了本发明实施例中提供的模型训练与应用的示意图，具体包括：95.1、初始模型：根据数据标准，准备样本数据，并基于算法进行数据模型初步训练，训练出来的是一个基础模型，基础模型的模型预测效果无法达到精准预测，需要后续更新。96.2、模型更新：将基础模型集成到应用程序中，在用户使用过程中，收集与用户习惯相关的数据，并根据规则对这些数据进行数据清洗、过滤，得到符合标准的数据集合，用得到的数据对模型进行更新，进一步提高模型对用户的个性化预测的精准度，这是一个持续更新迭代的过程。97.3、模型预测：通过对模型进行更新迭代，使得迭代后的模型可以达到了一定的个性化精准度，输出预测结果，并根据结果对资源预加载的场景智能按需去下载。98.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。99.参照图3，示出了本发明实施例中提供的一种应用资源的预加载装置的结构框图，具体可以包括如下模块：100.信息获取模块301，用于响应于应用程序的启动操作，获取用户历史使用所述应用程序过程中产生的应用功能使用信息；101.应用功能预测模块302，用于根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能；102.应用资源加载模块303，用于对所述目标应用功能对应的应用资源进行预加载。103.在一种可选实施例中，所述信息获取模块301具体用于：104.响应于应用程序的启动操作，获取登录于所述应用程序的用户账户信息；105.若所述用户账户信息为旧用户账户信息，则获取所述旧用户账户信息历史使用所述应用程序过程中产生的应用功能使用信息。106.在一种可选实施例中，所述应用功能预测模块302具体用于：107.将所述应用功能使用信息输入与所述应用程序对应的功能识别模型中，对所述应用程序提供的预设应用功能进行筛选，获得所述旧用户账户信息对应的目标应用功能。108.在一种可选实施例中，所述应用功能使用信息至少包括所述旧用户账户信息历史使用的目标应用功能、所述目标应用功能的第一使用时长以及所述旧用户账户信息历史使用所述应用程序的第一使用总时长，所述应用功能预测模块302具体用于：109.将所述目标应用功能、所述第一使用时长以及所述第一使用总时长输入与所述应用程序对应的功能识别模型对所述应用程序提供的预设应用功能进行筛选，获得与所述旧用户账户信息对应的至少一个目标应用功能。110.在一种可选实施例中，还包括：111.功能页面展示模块，用于若所述用户账户信息为新用户账户信息，则展示应用功能页面，所述应用功能页面包括所述预设应用功能对应的预设应用标签；112.应用标签确定模块，用于响应针对至少一个所述预设应用标签的选择操作，确定目标应用标签；113.应用功能确定模块，用于从所述应用程序提供的预设应用终端中确定与所述目标应用标签对应的目标应用功能。114.在一种可选实施例中，所述功能识别模型通过如下模块生成：115.使用数据获取模块，用于获取与所述应用程序运行过程中产生的应用使用数据，所述应用使用数据至少包括所述预设应用功能、各所述预设应用功能的第二使用时长以及不同账户信息使用所述应用程序的第二使用总时长；116.模型训练模块，用于根据所述预设应用功能、各所述预设应用功能的第二使用时长以及所述第二使用总时长进行模型训练，生成与所述应用程序对应的功能识别模型。117.在一种可选实施例中，所述使用数据获取模块具体用于：118.若检测到应用程序发生版本更新，则确定所述应用程序的当前版本以及所述当前版本对应的历史版本，所述历史版本为所述当前版本的上一版本；119.获取所述历史版本的第一更新时间以及所述当前版本的第二更新时间；120.获取所述第一更新时间与所述第二更新时间之间所述应用程序的应用使用数据。121.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。122.另外，本发明实施例还提供一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，123.存储器403，用于存放计算机程序；124.处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：125.响应于应用程序的启动操作，获取用户历史使用所述应用程序过程中产生的应用功能使用信息；126.根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能；127.对所述目标应用功能对应的应用资源进行预加载。128.在一种可选实施例中，所述响应于应用程序的启动操作，获取用户历史使用所述应用程序过程中产生的应用功能使用信息，包括：129.响应于应用程序的启动操作，获取登录于所述应用程序的用户账户信息；130.若所述用户账户信息为旧用户账户信息，则获取所述旧用户账户信息历史使用所述应用程序过程中产生的应用功能使用信息。131.在一种可选实施例中，所述根据所述应用功能使用信息，从所述应用程序提供的预设应用功能中确定用户倾向使用的目标应用功能，包括：132.将所述应用功能使用信息输入与所述应用程序对应的功能识别模型中，对所述应用程序提供的预设应用功能进行筛选，获得所述旧用户账户信息对应的目标应用功能。133.在一种可选实施例中，所述应用功能使用信息至少包括所述旧用户账户信息历史使用的目标应用功能、所述目标应用功能的第一使用时长以及所述旧用户账户信息历史使用所述应用程序的第一使用总时长，所述将所述应用功能使用信息输入与所述应用程序对应的功能识别模型对所述应用程序提供的预设应用功能进行筛选，获得所述旧用户账户信息对应的目标应用功能，包括：134.将所述目标应用功能、所述第一使用时长以及所述第一使用总时长输入与所述应用程序对应的功能识别模型对所述应用程序提供的预设应用功能进行筛选，获得与所述旧用户账户信息对应的至少一个目标应用功能。135.在一种可选实施例中，还包括：136.若所述用户账户信息为新用户账户信息，则展示应用功能页面，所述应用功能页面包括所述预设应用功能对应的预设应用标签；137.响应针对至少一个所述预设应用标签的选择操作，确定目标应用标签；138.从所述应用程序提供的预设应用终端中确定与所述目标应用标签对应的目标应用功能。139.在一种可选实施例中，所述功能识别模型通过如下方式生成：140.获取与所述应用程序运行过程中产生的应用使用数据，所述应用使用数据至少包括所述预设应用功能、各所述预设应用功能的第二使用时长以及不同账户信息使用所述应用程序的第二使用总时长；141.根据所述预设应用功能、各所述预设应用功能的第二使用时长以及所述第二使用总时长进行模型训练，生成与所述应用程序对应的功能识别模型。142.在一种可选实施例中，所述获取与所述应用程序运行过程中产生的应用使用数据，包括：143.若检测到应用程序发生版本更新，则确定所述应用程序的当前版本以及所述当前版本对应的历史版本，所述历史版本为所述当前版本的上一版本；144.获取所述历史版本的第一更新时间以及所述当前版本的第二更新时间；145.获取所述第一更新时间与所述第二更新时间之间所述应用程序的应用使用数据。146.上述终端提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。147.通信接口用于上述终端与其他设备之间的通信。148.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。149.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。150.如图5所示，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质501，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中所述的应用资源的预加载方法。151.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的应用资源的预加载方法。152.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。153.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。154.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。155.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!