CN103635896B - 预测用户导航事件的方法和系统 - Google Patents

Abstract

描述了用于预测下一导航事件的方法（300）和系统（200）。本公开的方面通过预测下一导航事件来最小化在导航事件和网络响应之间的延迟。所述系统和方法然后可以预先渲染与下一导航事件相关联的内容。例如，所述方法和系统可以在web浏览期间预测（304）可能的下一统一资源定位符，以在用户选择网页上的相应链接之前抢先从网络请求（306）内容。所述方法描述了多种预测下一导航事件的方式，包括检查单独和聚合历史数据（400、500、600、700、800）、文本输入预测（900）以及光标输入监视（1000）。

Description

预测用户导航事件的方法和系统

相关申请的交叉引用

本申请是于2012年5月4日提交的美国专利申请No13/100,615的延续案，特此通过引用将其公开内容合并入本文。

背景技术

万维网的出现使比以往任何时候更多的信息令现今的用户触手可及。各种网站迎合几乎每种需求和兴趣，提供对参考信息、商业和金融文档、社交网络以及更多的访问。分布广泛的宽带因特网接入提供了对这些站点比以往任何时候更快的访问。

然而，与当前高速因特网服务一样快，浏览web的动作也不是瞬间的。当用户选择页面上的链接或将统一资源定位符（URL）输入在文本域中时，在向主机请求数据、将数据发送给客户端并且在浏览器中渲染数据同时存在延迟。用户典型地在等待其请求的站点被加载时很无聊。虽然高速因特网接入可以将这种延迟限制在几秒钟，然而，即使这种很短的延迟也会每年总计达数千生产力损失工时。

发明内容

描述了用于预测用户导航事件的方法和系统。本公开的方面通过预测网页上的用户导航事件来最小化了访问web内容时的延迟。导航事件可以由各种指示符预测，包括但不限于：用户的导航历史、聚合导航历史、在数据输入域内的文本输入或鼠标光标位置。可以向用户提供选择加入/退出可以收集关于用户的个人信息的功能性的机会。另外，某些数据可以在其被存储或使用之前被匿名并聚合，使得个人可识别信息被移除。

在一个方面中，本公开描述了用于预测导航事件的计算机实现的方法。该方法包括接收导航意图的指示符；使用处理器来从该指示符预测下一导航事件；以及预先渲染与下一导航事件相关联的内容。下一导航事件是统一资源定位符，以及指示符是浏览历史、文本输入或光标输入中的至少一个。

在另一个方面中，本公开描述了用于预测导航事件的计算机实现的方法。该方法包括跟踪导航历史；使用导航历史来为多个导航事件中的一个或多个计算一个或多个置信值；使用处理器，使用置信值来确定一个或多个可能的导航事件；以及将一个或多个可能的导航事件中的至少一个识别为预测的导航事件。该方法可以进一步包括检索与预测的导航事件相关联的内容。在一些方面中，计算一个或多个置信值的阶段包括监视对第一统一资源定位符的选择；响应于该选择，递增与第一统一资源定位符相关联的频率值或与统一资源定位符对相关联的频率值；将频率值存储在存储器中；以及从存储在存储器中的至少一个频率值为统一资源定位符或统一资源定位符对确定置信值。统一资源定位符对可以包括第一统一资源定位符和源统一资源定位符。

在另一个方面中，该方法包括在预先确定的时间间隔之后为未选择的统一资源定位符衰减频率值。为未选择的统一资源定位符衰减频率值可以响应于对第一统一资源定位符的选择来执行。在又另一个方面中，导航历史与特定客户端或特定用户中的至少一个相关联。在又进一步方面中，导航历史与多个用户相关联。

在另一个方面中，该方法可以进一步包括为与第一统一资源定位符或过渡性的统一资源定位符对相关联的导航事件计算第一哈希值；为该导航事件计算置信值；以及传输该哈希值和置信值，使得第一哈希值和置信值的接收器计算第二统一资源定位符的第二哈希值来识别该置信值应用于的第一统一资源定位符。过渡性的对可以包括源统一资源定位符和目的地统一资源定位符。在该方法的一些方面中，确定最可能的导航事件的阶段包括基于多个用户的导航历史来为至少一个统一资源定位符（URL）计算最多访问的随后URL。在另一个方面中，该方法进一步包括确定对随后统一资源定位符的访问数是否大于阈值访问数。

在另一个方面中，该方法可以进一步包括确定为随后统一资源定位符提交数据的用户数是否大于阈值用户数。该方法的另一个方面进一步包括识别待被分析来确定最多访问的随后URL的最近访问窗口；以及对在所识别的窗口内的访问进行分析。在一些方面中，该窗口由时间段或访问数指定。

在该方法的进一步方面中，导航历史包括统一资源定位符或过渡性的统一资源定位符对中的至少一个。过渡性的统一资源定位符对包括源统一资源定位符和目的地统一资源定位符。

在进一步方面中，本公开描述了预测下一导航事件的方法。该方法包括为统一资源定位符接收数据集；使用处理器来为存在于与统一资源定位符相关联的页面上的一个或多个链接计算哈希值；将所计算的哈希值与所接收的哈希值进行比较来将每一个所计算的哈希值映射到所接收的哈希值；以及基于与每一个可见的链接的所计算的哈希值映射到的所接收的哈希值相关联的所接收的置信值来识别与该链接相关联的置信值。数据集包括与和统一资源定位符相关联的一个或多个链接相关联的哈希值以及与该一个或多个链接相关联的置信值集。在另一个方面中，该方法进一步包括预测一个或多个下一导航事件，其中该一个或多个预测的下一导航事件与具有最高识别的置信值的链接有关。

本公开的又进一步方面描述了用于预测下一导航事件的方法。该方法包括监视在文本输入域内的文本输入；使用处理器，基于该文本输入来预测可能的统一资源定位符或可能的查询；以及将该可能的统一资源定位符或可能的查询识别为预测的下一导航事件。在一些方面中，预测可能的URL包括将文本输入与用户历史进行比较来识别先前访问的统一资源定位符。预测可能的查询还可以包括将文本输入与先前输入的搜索查询集进行比较来将可能的下一查询识别为下一导航事件。在一些方面中，该方法进一步包括识别与所识别的可能的下一查询相关联的搜索结果集。在又进一步方面中，该方法可以包括从搜索结果集识别最相关的搜索结果作为预测的下一导航事件。预测可能的查询的阶段可以包括基于文本输入来从搜索引擎接收可能的查询集。

在进一步方面中，本公开可以包括用于预测下一导航事件的计算机实现的方法。该方法包括监视光标在浏览器内的移动；以及使用处理器，通过识别光标正移向的超链接或光标所位于的超链接中的至少一个来预测下一导航事件。浏览器显示带有一个或多个超链接的网页。该方法的另外方面进一步包括预先渲染与所识别的超链接相关联的网页。该方法的方面可以进一步包括推断光标的移动来识别行；以及将所识别的行上的超链接中的一个或多个识别为下一导航事件。在一些方面中，该方法进一步包括计算光标的速度和距超链接中的每一个的距离来确定光标可能正行进到超链接中的哪个。

在另一个方面中，本公开提供了用于预测下一导航事件的处理系统。该处理系统包括至少一个处理器、与该至少一个处理器相关联的导航预测模块以及用于存储导航数据的存储器。该存储器被耦接到该至少一个处理器。导航预测模块被配置成使用导航数据来为多个导航事件中的一个或多个计算一个或多个置信值；使用置信值来确定一个或多个可能的导航事件；以及将一个或多个可能的导航事件中的至少一个识别为预测的导航事件。

附图说明

图1是描绘依据本公开的方面的、与示例客户端设备通信的服务器的示例的系统图。

图2是描绘依据本公开的方面的示例计算设备的框图。

图3是描绘依据本公开的方面的、用于基于预测的导航事件来预先渲染网页的示例方法的流程图。

图4是描绘依据本公开的方面的、用于基于客户端导航历史来预测导航事件的示例方法的流程图。

图5是描绘依据本公开的方面的、用于使用客户端导航历史来为URL计算置信值的示例方法的流程图。

图6是描绘依据本公开的方面的、用于基于聚合导航历史来预测导航事件的示例方法的流程图。

图7是描绘依据本公开的方面的、用于使用聚合导航历史来为URL计算置信值的示例方法的流程图。

图8A是描绘依据本公开的方面的、用于使用哈希值来匿名地管理链接数据、基于聚合导航历史来预测导航事件的示例方法的流程图。

图8B是依据本公开的方面的、利用用于基于聚合导航历史来预测用户导航事件的示例方法的示例web浏览器的图示。

图9A是描绘依据本公开的方面的、用于基于在文本域内输入的数据来预测导航事件的示例方法的流程图。

图9B是依据本公开的方面的、利用用于基于在文本域内输入的数据来预测用户导航事件的示例方法的示例web浏览器的图示。

图10A是描绘依据本公开的方面的、用于基于鼠标光标移动来预测导航事件的示例方法的流程图。

图10B是依据本公开的方面的、利用用于基于鼠标光标移动来预测用户导航事件的示例方法的示例web浏览器的图示。

具体实施方式

在本文描述了用于预测用户导航事件的系统和方法的实施例。本公开的方面通过预测下一导航事件来最小化在导航事件和网络响应之间的延迟。所述系统和方法可以预先渲染与下一导航事件相关联的内容。例如，所述方法和系统可以在web浏览期间预测可能的下一统一资源定位符以在用户选择相应链接之前抢先从网络请求内容，因此，当用户选择网页上的超链接时，减少或消除等待时间。描述了描述多种预测下一导航事件的方式的各种方法，包括检查个人和聚合历史数据、文本输入预测以及光标输入监视。本公开的方面与对紧接用户导航（例如，用户在查看特定网页时，诸如在下一30秒、下一分钟或下5分钟内，可能选择的下一链接）的预测有关。

如图1中所示，依据一个实施例的示例系统100包括（通过网络112）与显示web浏览器界面114、116、118的一个或多个客户端设备106、108、110通信的服务器104。

客户端设备106、108、110可操作来在执行web浏览器应用期间执行预先渲染操作。服务器104可以向客户端设备106、108、110传输导航历史数据，以使能对下一导航事件的预测。在一些方面中，客户端设备106、108、110使用本地导航历史来确定下一导航事件，并且向服务器104生成web请求以预先渲染与该下一导航事件相关联的内容。例如，客户端设备106的用户可以浏览到位于如在web浏览器界面112上所显示的www.fakeaddress.com处的网页。该页面包括用户可选择的内容。基于用户的导航历史，客户端设备106可以确定用户可能选择可选择内容中的哪个，然后，通过向服务器104请求内容来预先渲染与可选择的内容相关联的内容。

作为另一个示例中，客户端设备108可以在浏览器114内显示www.fakeaddress.com。客户端设备108可以从服务器104接收聚合导航统计集，然后，基于该聚合导航统计集来确定用户可能选择哪个可选择的内容。作为又另一个示例，客户端设备110可以在浏览器116内显示www.fakeaddress.com。客户端设备108可以基于在浏览器114内的光标位置来确定用户可能选择哪个可选择的内容。

虽然参考web浏览器一般地论述了在本文所述的概念，然而，本公开的方面可以应用于能够通过网络管理导航事件的任何计算节点，包括服务器104。

客户端设备106、108、110可以是能够通过网络112管理数据请求的任何设备。这样的客户端设备的示例包括个人计算机（PC）108、移动设备110或服务器104。客户端设备106、108、110还可以包括个人计算机、个人数字助理（“PDA”）、平板PC、上网本等。确实，依据在本文所述的系统和方法的客户端设备可以包括操作来处理指令并且传输数据至和自人类和其他计算机，包括通用计算机、缺乏本地存储能力的网络计算机等的任何设备。

客户端设备106、108、110可操作来预测导航事件以协助在网络112上的数据访问。例如，客户端设备可以预测可能的导航事件来促进对网页的预先渲染，以便改善用户的浏览体验。在一些方面中，服务器104提供可以由客户端设备106、108、110用来预测可能的导航事件的导航数据（参见图6-8）。在一些方面中，客户端设备106、108、110使用本地数据来预测可能的导航事件。（参见图3-5,9-10）。

网络112以及在服务器104和客户端设备106、108、110之间的介于节点可以包括各种配置并且使用各种协议，包括因特网、万维网、内联网、虚拟专用网络、本地以太网、使用专用于一个或多个公司的通信协议的专用网络、蜂窝和无线网络（例如，Wi-Fi）、即时消息递送、超文本传输协议（“HTTP”）和简单邮件传输协议（“SMTP”）以及前述的各种组合。应当理解的是，典型系统可以包括大量连接的计算机。

尽管在如上所述传输或接收信息时获得了某些优势，然而，所述系统和方法的其他方面并不限于任何特定的信息传输方式。例如，在一些方面中，可以通过介质，诸如光盘或便携式驱动器，来发送信息。在其他方面中，信息可以以非电子格式传输并且手动地输入到系统中。

尽管一些功能被指示为在服务器104上发生，并且其他功能被指示为在客户端设备106、108、110上发生，然而，所述系统和方法的各种方面可以由具有单个处理器的单个计算机实现。应当理解的是，参考客户端所述的系统和方法的方面可以在服务器上实现，反之亦然。

图2是描绘计算设备200的示例，诸如参考图1所述的客户端设备106、108、110中的一个，的框图。计算设备200可以包括处理器204、存储器202和典型地存在于通用计算机中的其他组件。存储器202可以存储处理器204可访问的指令和数据。处理器204可以执行指令并且访问数据来控制计算设备200的操作。

存储器202可以是操作来存储处理器120可访问的信息的任何类型的存储器，包括计算机可读介质或存储可以借助于电子设备读取的数据的其他介质，诸如硬盘驱动器、存储器卡、只读存储器（“ROM”）、随机存取存储器（“RAM”）、数字通用碟（“DVD”）或其他光盘以及其他具有写能力和只读存储器。所述系统和方法可以包括前述的不同组合，借此，指令和数据的不同部分被存储在不同类型的介质上。

指令可以是待由处理器204直接（诸如，机器码）或间接（诸如，脚本）执行的任何指令集。例如，指令可以作为计算机代码被存储在计算机可读介质上。在这方面，可以在本文中交替地使用词语“指令”和“程序”。指令可以以目标代码格式被存储以供处理器204直接处理，或以任何其他计算机语言，包括根据需求被解释或预先被编译的脚本或独立源代码模块集合，被存储。在下面更详细地说明了指令的功能、方法和例程（参见图3-10）。

数据可以由处理器根据指令检索、存储或修改。例如，尽管体系结构不受任何特定数据结构限制，然而，数据可以被存储在计算机寄存器中、作为具有多个不同字段和记录的表在关系数据库中、在可扩展标记语言（“XML”）文档或平面文件中。还可以以任何计算机可读格式，诸如但不限于：二进制值或Unicode，对数据进行格式化。仅作为进一步示例，图像数据可以被存储为由像素栅格组成的位图，所述像素栅格根据压缩或非压缩、无损（例如，BMP）或有损（例如，JPEG）、和基于位图或矢量（例如，SVG）的格式以及用于绘制图形的计算机指令被存储。该数据可以包括足以识别相关信息的任何信息，诸如号码、描述性文本、专有代码、对存储在同一存储器的其他区域或不同存储器（包括其他网络位置）中的数据的引用或函数使用来计算相关数据的信息。

处理器204可以是任何适当的处理器，诸如各种商用通用处理器。替选地，处理器可以是专用控制器，诸如专用集成电路（“ASIC”）。

尽管图2在功能上将处理器和存储器图示为在单个块内，然而，应当理解的是，处理器204和存储器202可以包括可以或可以不被存储在同一物理外壳内的多个处理器和存储器。因此，对处理器、计算机或存储器的引用应当被理解为包括对可以或可以不并行操作的处理器、计算机或存储器集合的引用。

计算设备200可以在网络的一个节点处，并且操作来与网络的其他节点直接和间接通信。例如，计算设备200可以包括web服务器，其操作来通过网络与客户端设备通信，使得计算设备200使用网络来在客户端设备的显示器上向用户传输并显示信息。

在一些示例中，系统为客户端数据提供隐私保护，包括例如对个人可识别信息的匿名化、对数据的聚合、对敏感信息的过滤、加密、对敏感信息进行哈希或过滤来移除个人属性、对信息存储的时间限制和/或对数据使用或共享的限制。可以使数据匿名并聚合，使得不泄漏个体客户端数据。

为了促进计算设备200的导航事件预测操作，存储器202可以进一步包括浏览器206、导航预测模块208、预先渲染模块210、客户端导航历史212以及聚合导航历史214。尽管结合图2识别了多个分立模块（例如，206、208、210、212和214），然而，这些模块的功能性可以在比所示的更少或更多数量的模块中重叠和/或存在，其中这样的模块驻存在可以在地理上散布的一个或多个处理设备处。浏览器206通过跨计算机网络发送并接收数据来向客户端设备的用户提供对网页216的显示。网页216可以响应于网络请求，诸如超文本传输协议（HTTP）GET请求，而接收。网页216可以以标记语言，诸如超文本标记语言（HTML），来提供。网页216还可以包括各种脚本、数据、表单等，包括交互式和可执行内容，诸如ADOBEFLASH内容、JAVASCRIPT内容等。

浏览器206可以进一步包括预先渲染的网页218。预先渲染的网页218表示预先渲染模块210响应于导航预测模块208所提供的预测的导航事件而请求并访问的网页。在用户输入如预测模块208所预测的导航事件的情况下，浏览器206可以将预先渲染的网页218与网页216进行交换，因此，在不需要发送另一个网络请求的情况下，提供与导航事件相关联的内容。在一些方面中，交换可以在预先渲染的网页218已完成加载之前发生。在这样的情况下，可以将部分加载的预先渲染的网页218交换入以作为活动页面继续加载。

存储器202可以进一步包括预先渲染模块210，其用来执行对如导航预测模块208所识别的下一网页的获取。预先渲染模块210发送对被识别为是用户将选择的可能的下一导航目的地的网页的网络请求。响应于该请求而接收的网页然后被存储在浏览器206中作为预先渲染的网页218。在一些方面中，预先渲染模块210所生成的网页请求与标准网页请求相同。在一些方面中，预先渲染模块210所生成的网页请求包括促进预先渲染过程的某些特征。

存储器202还可以存储客户端导航历史212和聚合导航历史214。客户端导航历史212包括与浏览器206的过去活动相关联的导航事件集。客户端导航历史212可以跟踪访问过的URL集，也被称为“点击流”，其跟踪用户典型地访问URL的顺序（例如，当用户访问新闻网站时，他们倾向于接下来选择与那天的头条报道相对应的URL）、与URL相关联的访问时间集等。在一些方面中，客户端导航历史212包括URL集和用户访问每一个URL的频率。在一些方面中，客户端导航历史包括URL对集，其表示源URL和目的地URL。聚合导航历史214可以包括与客户端导航历史212相似的数据，但是适合多个用户而不是单个用户。正如客户端导航历史212，聚合导航历史214可以被存储为URL集和针对每一个的频率、或表示从源URL到目的地URL的过渡的URL对集。

客户端导航历史212和聚合导航历史214可以表示使用一个或多个浏览器附件、脚本或工具栏来收集的数据。在一些方面中，客户端导航历史212和/或聚合导航历史214在诸如服务器104的远程服务器上被维护，并且被提供给计算设备200。计算设备200可以维护独立记录来便于对下一可能的导航事件的预测、或其可以与远程存储的数据一致动作。在一些方面中，只有与用户当前正查看的特定网页有关的聚合导航历史214才被提供给计算设备200（参见图6和8）。

如上所述，聚合导航历史数据214可以因对包括聚合导航历史的个人客户端数据的隐私保护以匿名方式来维护，包括例如，对个人可识别信息的匿名化、对数据的聚合、对敏感信息的过滤、加密、对敏感信息进行哈希或过滤来移除个人属性、对信息存储的时间限制和/或对数据使用或共享的限制。可以使聚合导航历史214数据匿名并聚合，使得不泄漏个体客户端数据。

图3是描绘依据本公开的方面的、用于基于预测的导航事件来预先渲染网页的示例方法300的流程图。方法300的方面操作来从导航指示符集识别一个或多个可能的导航目的地，然后，预先渲染所识别的导航目的地。方法300可以由诸如计算设备200的计算设备执行来通过预先渲染被识别为用户的可能导航目标的网页，来消除用户web浏览体验的延迟。例如，方法300可以由在一起作用的浏览器206、导航预测模块208和预先渲染模块210的元件来执行。虽然参考计算设备200描述了方法300的方面，然而，方法300还可以由服务器104、或带有被设计成接受指令的硬件和/或软件的任何设备来执行。

在阶段302，计算设备200接收导航意图的一个或多个指示符。导航意图可以是倾向于指示用户将生成特定网络请求，诸如对特定网页的请求，的任何动作。例如，指示符可以提供通过其来确定特定请求将是什么的度量，诸如置信值。例如，用户可以导航到某一网页，基于他们的浏览历史，他们一般从该网页导航到另外某一网页、或该用户可以朝嵌入在网页内的特定超链接移动其鼠标光标。在一些方面中，从远程服务器接收指示符，该远程服务器诸如将指示符嵌入在搜索结果内的搜索引擎，该指示符指示提交特定搜索查询的大部分用户选择了特定搜索结果。

在阶段304，在接收导航意图的指示符之后，计算设备200试图预测最可能的导航事件。简而言之，计算设备200基于指示符来作出对用户可能接着导航到的地方的最佳猜测。在下面描述了执行该预测的方法。（参见图4-10）。

在阶段306，计算设备200预先渲染来自如在阶段304所确定的预测的下一导航事件的内容。预先渲染过程可以包括将预先渲染的网页存储在浏览器内，诸如预先渲染的网页218。计算设备200可以预先渲染被预测为最可能的导航事件的单个网页、或计算设备200可以预先渲染多个页面。在一些方面中，计算设备200基于计算设备200的一个或多个系统能力，诸如可用系统资源、可用网络带宽、处理器速度、所安装的存储器等，来确定待预先渲染的页面数。在一些方面中，待预先渲染的页面数可以是在一个或多个用户设置中可配置的。在预先渲染与导航事件相关联的内容之后，方法300结束。

在下面提供了用于预测下一导航事件的多个方法。虽然分别地描述了每一个方法，然而，应当理解的是，可以将方法的方面相组合来改进导航预测操作。

图4是描绘依据本公开的方面的、用于基于客户端导航历史来预测导航事件的示例方法400的流程图。方法400提供了：为用户存储导航历史，并且基于特定用户的导航历史来预测下一导航事件。如上述，方法400可以由诸如计算设备200的计算设备来执行。具体地，方法400可以由在处理器上执行的导航预测模块来执行，诸如导航预测模块208。

在阶段402，计算设备200跟踪用户导航历史。例如，计算设备200可以存储用户所访问的网页的记录，诸如通常在web浏览器中维护的浏览历史。浏览历史可以包括用户所访问的网页的URL、URL被访问的顺序以及用户选择URL的方式（例如，URL是否是被点击的超链接、被键入地址栏、来自另一个网页的重定向操作等）。

在阶段404，计算设备200基于用户导航历史来确定一个或多个最可能的导航事件。最可能的导航事件可以通过为用户识别全局访问最多的页面来确定、或导航事件可以与一个或多个当前标准相关联。例如，计算设备200可以检查用户的导航历史来确定当用户正在查看特定新闻网页时，他们几乎总是选择到在该页面上的头条新闻报道的链接、或当用户在早晨首次打开浏览器时，他们可能导航到其银行账户页面来核查其日结存。计算设备200可以利用各种规则、启发和过滤来从用户历史确定最可能的导航事件。计算设备200可以将每一个导航事件与特定置信值相关联，该置信值指示用户将选择每一个导航事件的可能性。然后可以使用这些置信值来对导航事件进行排序以确定最可能的导航事件。在下面进一步描述了用来为给定导航事件确定置信值的方法（参见图5）。

在阶段406，计算设备200报告最可能的导航事件作为预测的导航事件。例如，这些预测的最可能的导航事件然后可以由上述方法（参见图3）利用来促进对与最可能的导航事件相关联的网页的预先渲染。

图5是描绘依据本公开的方面的、用于使用用户导航历史来为URL计算置信值的示例方法500的流程图。方法500可操作来跟踪用户所输入的导航事件，并且为每一个存储的事件维护频率值。可以利用方法500来构建如方法400所使用并且被存储在计算设备200上作为客户端导航历史212的客户端导航历史。

在阶段502，计算设备200跟踪对特定URL的选择。例如，用户可以将新闻站点的URL键入浏览器中或点击页面上的链接。计算设备200可以通过诸如插件或工具栏的浏览器扩展或经由与浏览器协同执行的第三方应用，使用内置入浏览器206中的功能性来监视导航事件。

在阶段504，计算设备200增加递增与在阶段502所选择的URL相关联的频率值。例如，计算设备200可以跟踪与用户所选择的每一个URL相关联的频率值。频率值是用来对对特定网站的访问数或特定导航事件被选择的次数进行排名的数据度量。响应于选择操作，计算设备200可以递增与URL相关联的频率值，例如以1.0、5.0、10.0、.5或任何其他值。与URL相关联的频率值表示用户选择特定URL的频率，因此，是用户在未来选择该URL的可能性程度的指示符。

在阶段506，计算设备200在给定“扫描间隔”之后为URL时间衰减所存储的频率值。以这种方式衰减URL频率值允许当前浏览习惯比先前浏览习惯被更重地赋予权重。作为示例，计算设备200可以期间用户已选择了至少一个URL的每30秒钟、每分钟或每5分钟来执行该扫描。扫描间隔可以响应于在特定扫描间隔期间对至少一个URL的选择来实施，以确保导航历史值在用户失活时段期间不被衰减低于阈值。该扫描可以使与URL相关联的所存储的频率值衰减特定值，诸如.99、.5或1.0、；或衰减百分比值，诸如5%、10%或50%。一旦与URL相关联的值落在例如.3、1.0或5.0的给定阈值之下，就可以从可能的导航目的地列表移除该URL，以避免该列表增长太大。在实施衰减过程之后，URL的频率值可以被留存到计算设备200上的本地存储、或被发送给诸如服务器104所提供的远程存储。

在阶段508，可以使用所存储的频率值来确定用户访问特定网站的相对频率。频率值因此提供可以从其得到与导引到每一个网站的导航事件相关联的置信值的基础。在一些方面中，可以将频率值自身作为置信值来提供。在一些方面中，通过将针对特定网页的频率值与整个用户导航历史进行比较来确定置信值。例如，具有更高频率值的导航事件可以与特定百分比置信值相关联，第二最高频率值可以与更低百分比相关联等。在一些方面中，可以通过频率值根据记录的导航事件的总数来确定置信值。例如，可以用特定URL的频率值除以所有频率值的总和来确定置信值。

例如，用户可能在买房的过程中，因此，定期因按揭利率而核查金融和银行网站。在这段时间期间，这些金融和银行站点将具有高值，因此更可能被预先渲染，因而，在搜索按揭利率时改善了用户体验。在完成购房过程之后，用户可能对日复一日利率涨跌失去了兴趣，因此预先渲染这些网站不再是最优的，因为用户不太可能访问它们。如此，提供时间衰减值允许这些站点随着时间的推移从列表消失。

图6是描绘依据本公开的方面的、用于基于聚合导航历史来预测导航事件的示例方法600的流程图。方法600可操作来跟踪用户自愿提交的导航事件来确定可能的导航模式。导航模式然后诸如被服务器104分析，并且被供给到用户来促进在浏览过程期间的导航事件预测。例如，当用户浏览到不同页面时，诸如服务器104的服务器可以向诸如计算设备200的计算设备发送更新，以提供关于基于聚合导航历史在给定页面上显示的哪个链接最可能被选择的信息。

在阶段602，服务器104接收包括浏览历史的导航信息集。浏览历史优选地通过使用“选择加入/退出”方法来提供，其中用户明确地启用（或禁用）报告功能性来向服务器104提供其浏览历史的元素。另外，个人识别数据可以在其被存储或使用之前被匿名并聚合，使得没有个人信息被存储或可访问。浏览历史可以经由被安装在用户的计算设备上、跟踪用户的浏览历史的浏览器插件或工具栏或通过web浏览器自身来跟踪并提供给服务器104。可以将该浏览历史与其他接收的浏览历史相组合来创建以与参考图4所述的客户端导航历史相似的方式使用来预测可能的导航事件的聚合数据集。可以使所接收的导航历史匿名以移除任何个人识别信息。在一些方面中，所接收的导航历史与以哈希的数据格式提供的单独URL和/或过渡性URL对一起被接收，以在传输给服务器104之前移除任何个人识别信息。

在阶段604，服务器104基于在阶段602接收的导航信息来为特定网页上的每一个URL确定置信值。例如，服务器可以利用与在上面参考图5所公开的类似的、用于为页面上的URL生成置信值的方法，除导航事件基于聚合数据而不是特定用户数据来确定外。如上述，服务器104可以基于从导航信息得到的频率值来计算置信值。在一些方面中，置信值通过当向用户呈现选择特定导航事件的选择时他们选择了该特定导航事件的时间的百分比来确定。过渡性URL对提供通过用源/目的地URL对的频率值除以源URL的出现的总数来确定置信值。在一些方面中，服务器可以基于从第一页面到第二页面的过渡，而不是从单纯访问频率度量来确定导航事件。服务器104可以诸如在数据库中为网页上的每一个链接维护网页以及相关联的URL和置信值的索引。例如，新闻站点可以具有指向不同新闻报道的五个URL。服务器104可以接收指示该五个新闻报道中的一个在60%的时间被选择，以及其他四个每一个在10%的时间被选择的聚合数据。如此，服务器104将在数据库中对该页面进行索引，其中60%可能性针对第一报道链接，以及10%可能性针对其他四个报道链接中的每一个。

在一些方面中，服务器104以保密方式维护历史数据，诸如通过在阶段606将每一个URL转换成哈希值。以这种方式，服务器104可以在不公开任何个人用户数据的情况下，向客户端设备提供预测的URL数据。例如，用户可以访问具有特定用户名和密码登录的银行网页。取决于用户，银行网页可以提供到该用户拥有的每一个账户的URL。取决于用户在该银行的账户，访问该页面的每一个用户可以具有所提供的不同链接集。通过将页面上的链接转换成不可逆的哈希值，服务器104可以提供不可与页面上的链接相关联的置信值，除非该用户还拥有对相同链接的访问权（例如，客户端可以将哈希函数应用到他们在当前查看的页面上已经拥有的链接来确定置信值是否适用）。如上所述，在一些方面中，哈希值由计算设备200在向服务器104发送导航历史数据之前计算。以这种方式，服务器104可以接收以哈希格式的导航历史数据，而不需要计算哈希值。

在阶段608，服务器104向诸如客户端设备200的客户端设备传输哈希值和与哈希值相关联的置信值。该传输可以响应于来自计算设备200的对特定URL的请求。在一些方面中，服务器104可以响应于来自在客户端设备200上执行的服务的对这样的值的请求而传输哈希值和置信值。例如，当计算设备200请求上述新闻网页时，服务器104提供针对存在于该页面上的五个报道链接的哈希值和置信值。计算设备200还可以通过在客户端侧首次生成哈希值，然后向服务器104请求关于特定哈希值的置信值，来为特定链接哈希值请求数据。

图7是描绘依据本公开的方面的、用于使用聚合导航历史来为与URL相关联的导航事件计算置信值的示例方法700的流程图。方法700用来比较来自从多个用户接收的给定URL的导航事件，以确定每一个单独导航事件的可能性程度。可以与特定“源”网页有关地确定置信值，其中每一个URL的不同置信值取决于用户当前正查看的页面。例如，可以在上面如参考方法600的阶段604所述的，使用置信值（参见图6）。

在阶段702，服务器104检查所接收的浏览历史，并且为与特定URL相关联的每一个导航事件计算实例数。如上所述，实例值可以是百分比或原始数。

在阶段704，服务器104可以确定对URL的访问数是否超过最小统计显著性阈值。例如，五次对特定URL的访问不可以提供足以合理地预测离开该URL的可能的导航事件的统计上显著的数据。例如，如果事件的实例数小于1000，则服务器104可以前进到阶段710，并且不为该事件计算概率，因为样本大小不足。

在阶段706，服务器104可以确定最小数量的用户是否已提交了与该URL有关的数据，来提供统计上显著的数据。例如，为了为导航事件计算并存储置信值，方法700可能要求至少50个用户已提供了数据。否则，方法700可以前进到阶段710，并且忽视该事件，直到足够数量的用户已提供了数据。如上述，阈值可以取决于数据集的大小而波动。

在阶段708，服务器104确定最近实例的窗口大小。窗口大小是指将被检查来确定置信值的对URL的最近访问数、或向后搜遍实例的时长。可以基于URL接收的业务量、URL的内容改变的频率来确定窗口大小。例如，不断改变内容的新闻网站可能需要较小的实例窗口，因为来自定期改变URL的链接将渐渐变得陈旧。具有较小业务量的网站典型地将需要更长的窗口大小，以便为统计显著性采集足够的结果。窗口大小可以被设置在50个实例、100个实例、1000个实例、在最近一小时内、在最近一天内、在最近一周内的所有实例等。

在阶段712，服务器104计算每一个特定导航事件，诸如为当前URL访问的下一URL，在阶段710所确定的窗口大小所限定的实例内发生的次数。例如，在对新闻网站的1000个访问中，特定文章可能被选择了600次，导致用于从URL导航到该文章的60%的置信值。虽然本示例主要与基于作为总计导航事件的百分比的访问数来确定导航事件有关，然而，也可以使用另外启发来基于用户所供给的信息来得到可能的事件，所述信息诸如先前导航事件（例如，导引到当前分析的URL的网站）、日时间（例如，用户更可能在早晨在他们到达工作地方时查看新闻站点）、用户的位置（例如，在特定地理区域的用户可能查看本地队的运动比赛分值）或其他人口统计信息。

在阶段714，服务器104可选地将来自URL的导航事件的置信值与阈值进行比较。如果该置信值不满足阈值，则服务器104可以识别可用导航事件的子集，作为可能预测的可能导航事件。以这种方式，服务器104在事件没有发生的统计上显著的可能性时避免预测导航事件，因此，潜在地节省了针对在不太可能被访问的页面上的预先渲染操作的带宽。阈值可以被设置在多种不同的值，诸如5%、25%、50%或75%。在一些方面中，阈值可以基于存在在URL处的导航链接数、URL的类型、URL的业务、内容在URL处改变的速度等来动态变更。如果置信值不满足最小阈值，则服务器104可以过滤掉不满足最小阈值的可能事件。

如果一个或多个导航事件满足最小阈值、或方法700不核查最小阈值，则在阶段716，一个或多个最可能的导航事件和每一个事件的可能性连同URL一起被存储。导航事件和置信值可以响应于请求而被供给给用户，诸如在参考图6所述的阶段608发生。方法700在为与URL相关联的导航事件计算并存储置信值之后结束。

图8A是描绘依据本公开的方面的、使用哈希值来匿名地管理链接数据、基于聚合导航历史来预测导航事件的示例方法800的流程图。方法800提供了这样的逻辑，通过其，计算设备200可以基于从服务器104接收的数据，诸如参考图7所述的方法700所生成的数据，来预测导航事件。

在阶段802，计算设备200从远程服务器104接收数据集，该数据集包括与网页的聚合浏览历史相关联的信息。该聚合数据可以响应于计算设备200响应于导航到特定网页而发出的请求而接收。该聚合数据可以表示远程服务器从多个用户接收的数据集合。例如，web浏览器插件可以允许用户“选择加入/退出”可以向远程服务器发送其匿名的导航历史的功能性。远程服务器然后可以从多个用户收集导航历史，其被存储为聚合导航历史，诸如上述（参见图7）。例如，导航预测模块208可以在每次用户导航到网页时，向服务器104生成对与该网页相关联的聚合浏览数据的请求。导航预测模块208然后可以使用所接收的数据来预测可能的下一导航事件，以便向预先渲染模块供给下一页面来预先渲染，以改善浏览体验。

由于数据的聚合性质，其可以作为一系列哈希值来提供以保护个体用户信息，如在上面参考图6所述。如此，计算设备200将所接收的哈希值和置信值与存在于当前URL上的链接相关联。为了开始这个过程，在阶段804，计算设备使用与服务器104用来使链接数据匿名相同的哈希函数来为当前页面上的每一个链接计算哈希值。如上所述，在一些方面中，哈希值在计算设备上在向服务器发送导航历史数据之前被计算。在这样的情况下，哈希值将匹配计算设备在导航事件被传输给服务器之前所确定的原始计算的值，而不是在服务器上计算的值。

在阶段806，计算设备200将所计算的哈希值与来自服务器104的所接收的哈希值进行比较。以这种方式，计算设备200可以将从服务器104接收的置信值和哈希值与在当前查看的网页上的可用于用户选择的链接相匹配。置信值指示与哈希值相关联的特定导航事件将被选择的可能性。计算设备200因此可以将当前可查看的链接与所接收的置信值相映射。

在阶段808，计算设备200将具有一个或多个最高置信值的一个或多个链接识别为预测的下一导航事件。方法800在预测下一导航事件之后结束。

图8B是依据本公开的方面的、利用用于基于导航历史来预测用户导航事件的示例方法的web浏览器的示例界面810的图示。该图示描绘了显示网站的web浏览器界面810和导航历史数据集812。网页810包括一个或多个链接814、816、818、820。这些链接814、816、818、820可以是当被用户选择时指引web浏览器显示与所选择的链接相关联的内容集的URL。

导航历史数据812包括与链接814、816、818以及没有为查看页面的当前用户呈现的两个其他链接即链接E和链接F相关联的数据。导航历史数据812可以表示个体用户的导航历史（参见图4-5）或聚合导航历史（参见图6-8）的分析。导航历史812包括关于链接814、816、818以及与每一个链接相关联的置信值的信息。

导航历史812可以由计算设备200的其他方面，诸如导航预测模块208，使用来预测下一导航事件。例如，在本图示中，根据导航历史812，存在30%的机会用户将选择链接A814，60%的机会用户将选择链接B816，以及5%的机会用户将选择链接C818。链接D820没有存储在导航历史812中的任何相关联的数据。可以以多种方式说明关于链接D820的数据的缺乏，诸如选择链接D820的机会低于阈值、或尚未为链接D820提交数据。导航历史812还显示选择不存在的两个链接即链接E和链接F的非零机会。这些链接可能已在更新时从网页被移除、或它们可能不对所有用户诸如当前访问页面的用户可见。依据本公开的方面，导航预测模块208将链接B814识别为预测的下一导航事件，因为链接B814的置信值大于链接A812和链接C818的值。

图9A是描绘依据本公开的方面的、用于基于在文本域内输入的数据来预测导航事件的示例方法900的流程图。方法900当由诸如计算设备200的客户端设备执行时，可操作来基于文本输入来预测下一导航事件。客户端设备200然后可以通过将所输入的文本与历史导航数据集进行比较来预测下一可能的导航事件。

在阶段902，计算设备200监视在文本域诸如在web浏览器中的URL导航栏或在搜索引擎页面上的查询输入域内的输入。文本输入可以包括目的地，诸如键入的URL、待被提交给搜索引擎的搜索查询、或输入在web表单内的其他数据。

在阶段904，计算设备200基于输入的文本来预测导航事件。例如，计算设备200可以将输入的文本与用户浏览历史进行比较。当用户输入文本时，计算设备200可以搜索用户浏览历史来将部分输入的文本与先前访问的网页进行比较。例如，用户可以输入“www.goo”，并且计算设备200可以基于用户的对www.google.com的过去访问来预测用户已开始键入“www.google.com”。在另一个方面中，用户可以将部分查询输入到搜索引擎查询输入域中。当用户输入查询时，浏览器可以开始为与用户已输入的文本相关联的最可能查询预先渲染结果页面。

在阶段906，如在阶段906被识别的导航事件作为预测的导航事件被提供以在别处被使用，诸如由导航预测模块208提供并且由预先渲染模块210使用来预先渲染预测的内容。

图9B是依据本公开的方面的、利用用于基于在文本域内输入的数据来预测用户导航事件的示例方法的示例web浏览器界面908的图示。该图示描绘了web浏览器界面908和与置信值相关联的链接集910。例如，与web浏览器界面908相关联的web浏览器可以在如上所述的计算设备200上执行。Web浏览器界面908包括文本输入域912。在一些方面中，文本输入域912是用于输入URL的地址栏。在一些方面中，文本输入域912可以是网页的部分，诸如在搜索引擎网站上的搜索字符串输入域。

当用户将文本输入在文本输入域912内时，计算设备200从所输入的文本确定最可能的目的地。例如，用户可以将词“批萨”输入在文本输入域912中。基于用户的导航到与批萨有关的页面的意图，系统确定存在80%的机会用户希望导航到“joespizza.com”，以及10%的机会导航到“davespizza.com”或“stevespizza.com”中的每一个。考虑诸如用户的导航历史、聚合导航历史、来自各种结果网页的赞助等因素，可以通过多种数据分析方法来确定针对每一个链接的百分比值。在先前示例中，“joespizza.com”基于其与最高百分比相关联的事实，将被识别为预测的导航事件。

图10A是描绘依据本公开的方面的、用于基于鼠标光标移动来预测导航事件的示例方法1000的流程图。方法1000允许诸如计算设备200的计算设备通过鼠标光标在屏幕上的位置来预测导航事件。类似概念还可以适用于其他形式的用户输入，诸如跟踪红外线、键盘输入、光笔、跟踪球或能够操纵光标的任何其他输入设备。

在阶段1002，计算设备200监视光标移动。例如，计算设备200可以在用户浏览并滚动通过网页时监视鼠标光标。计算设备200可以跟踪光标在页面上的位置、速度和加速度。

在阶段1004，计算设备200从如在阶段1002监视的光标移动预测可能的导航事件。导航事件可以通过识别与光标最靠近的链接、通过基于光标的移动方向来推断光标位置、通过确定光标的速度和方向和最可能的目的地、通过识别在光标下面的链接等来预测。在光标的推断位置经过多个链接的情况下，本公开的方面可以选择多个链接或导航事件以作预测。计算设备200还可以选择在光标的某一距离内的多个链接，以及在一些方面中，可以为光标正移动远离的链接减少值。在基于光标移动来预测一个或多个下一导航事件之后，方法1000结束。

图10B是依据本公开的方面的、利用用于基于鼠标光标移动来预测用户导航事件的示例方法的示例web浏览器界面1008的图示。该图示包括显示网页的web浏览器界面1008，该网页包括三个链接1010、1012、1014和光标。光标具有初始位置1016，然后移动到第二位置1018。该两个位置1016和1018用来确定指示光标的可能未来位置的线1020。可能的下一导航事件通过延长线1020来确定与三个链接中的哪个相交或几乎相交，来预测。在本示例中，线1020与链接C1014相交或与之非常接近。如此，链接C1014被识别为预测的导航事件。

上述所图示的方法的阶段并不意在限制。所述方法的功能性可以存在于比所示的阶段更少或更多数量的阶段中，即使以所描绘的方法，事件的特定顺序可以不同于在附图中所示的顺序。

上述系统和方法有利地提供了改善的浏览体验。通过预测下一导航事件，浏览器可以执行预先渲染操作来最小化用户等待网页加载的时间量。执行预先渲染操作的多个方法提供了用于确定下一导航事件的灵活和鲁棒系统。

因为在不背离权利要求所限定的本公开的情况下，可以利用上述特征的这些和其他变体和组合，因此，实施例的前面描述应当当作权利要求所限定的本公开的说明而不是限制。还应当理解的是，本公开的示例的提供（以及表述为“诸如”、“例如”“包括”等的子句）不应当被解释为将本公开限制在特定示例；相反，示例意在说明许多可能实施例的仅仅部分。

工业实用性

本发明享有宽泛工业实用性，包括但不限于web浏览、web内容渲染以及网络数据访问。

Claims (16)

1.一种用于预测导航事件的计算机实现的方法，所述方法包括：

跟踪导航历史；

使用所述导航历史来为多个导航事件中的一个或多个计算一个或多个置信值，其中计算所述一个或多个置信值包括：

确定第一统一资源定位符是否已被选择，

响应于所述选择而递增与所述第一统一资源定位符相关联的第一频率值，

在预先确定的时间间隔之后衰减与未选择的统一资源定位符相关联的第二频率值，以及

至少部分地基于所述第一和第二频率值来计算所述一个或多个置信值；

使用处理器，使用所述置信值来确定一个或多个可能的导航事件；以及

将所述一个或多个可能的导航事件中的至少一个识别为预测的导航事件。

2.根据权利要求1所述的方法，进一步包括：

检索与所述预测的导航事件相关联的内容。

3.根据权利要求1所述的方法，其中所述第二频率值的衰减是响应于对所述第一统一资源定位符的所述选择来执行的。

4.根据权利要求1-3中的任何一个所述的方法，其中所述导航历史与特定客户端或特定用户中的至少一个相关联。

5.根据权利要求1-3中的任何一个所述的方法，其中所述导航历史与多个用户相关联。

6.根据权利要求5所述的方法，进一步包括：

为与第一统一资源定位符或过渡性的统一资源定位符对相关联的导航事件计算第一哈希值，其中所述过渡性的对包括源统一资源定位符和目的地统一资源定位符；

为所述导航事件计算置信值；以及

传输所述哈希值和所述置信值，使得所述第一哈希值和所述置信值的接收器计算第二统一资源定位符的第二哈希值来识别所述置信值应用于的所述第一统一资源定位符。

7.根据权利要求5所述的方法，其中确定最可能的导航事件包括：

针对至少一个统一资源定位符，基于所述多个用户的所述导航历史来计算最多访问的随后的统一资源定位符。

8.根据权利要求7所述的方法，进一步包括：确定对所述随后的统一资源定位符的访问数是否大于阈值访问数。

9.根据权利要求7所述的方法，进一步包括：确定针对所述随后的统一资源定位符提交数据的用户数是否大于阈值用户数。

10.根据权利要求7所述的方法，进一步包括：

识别待被分析来确定所述最多访问的随后的统一资源定位符的最近访问窗口；以及

对在所识别的窗口内的访问进行分析。

11.根据权利要求10所述的方法，其中所述窗口由时间段或访问数指定。

12.根据权利要求1-3中的任何一个所述的方法，其中所述导航历史包括统一资源定位符或过渡性的统一资源定位符对中的至少一个，其中所述过渡性的统一资源定位符对包括源统一资源定位符和目的地统一资源定位符。

13.一种预测下一导航事件的计算机实现的方法，所述方法包括：

为统一资源定位符接收数据集，所述数据集包括与和所述统一资源定位符相关联的一个或多个链接相关联的哈希值以及与所述一个或多个链接相关联的置信值集，其中所述置信值集中的置信值是通过以下操作来计算的：

确定第一统一资源定位符是否已被选择，

响应于所述选择而递增与所述第一统一资源定位符相关联的第一频率值，

在预先确定的时间间隔之后衰减与未选择的统一资源定位符相关联的第二频率值，以及

至少部分地基于所述第一和第二频率值来计算所述置信值集中的置信值；

使用处理器来为存在于与所述统一资源定位符相关联的页面上的一个或多个链接计算哈希值；

将所计算的哈希值与所接收的哈希值进行比较来将每一个所计算的哈希值映射到所接收的哈希值；以及

基于与每一个可见的链接的所计算的哈希值映射到的所接收的哈希值相关联的所接收的置信值来识别与所述链接相关联的置信值。

14.根据权利要求13所述的方法，进一步包括预测一个或多个下一导航事件，其中所述一个或多个预测的下一导航事件与具有最高识别的置信值的链接有关。

15.一种用于预测下一导航事件的处理系统，包括：

至少一个处理器；

与所述至少一个处理器相关联的导航预测模块；以及

用于存储导航数据的存储器，所述存储器被耦接到所述至少一个处理器；

其中，所述导航预测模块被配置成：使用所述导航数据来为多个导航事件中的一个或多个计算一个或多个置信值；使用所述置信值来确定一个或多个可能的导航事件；以及将所述一个或多个可能的导航事件中的至少一个识别为预测的导航事件，

其中，为了计算所述一个或多个置信值所述导航预测模块进一步被配置成：确定第一统一资源定位符是否已被选择，响应于所述选择而递增与所述第一统一资源定位符相关联的第一频率值，在预先确定的时间间隔之后衰减与未选择的统一资源定位符相关联的第二频率值，以及至少部分地基于所述第一和第二频率值来计算所述一个或多个置信值。

16.根据权利要求15所述的处理系统，其中所述导航数据包括浏览历史、文本输入或光标输入中的至少一个。