CN103765412A - 预测用户导航事件 - 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。系统（200）和方法（300）然后可以预先渲染与下一导航事件相关联的内容（306）。例如，方法（300）和系统（200）可以在web浏览（302）期间预测可能的下一统一资源定位符（304），以在用户选择网页上的相应链接之前抢先从网络请求内容。所述方法描述了多种预测下一导航事件的方式，包括检查个人（400、500）和聚合历史数据（600、700、800）、文本输入预测（900）以及光标输入监视（1100、1200）。

Description

预测用户导航事件

相关申请的交叉引用

本申请是于2011年7月1日提交的美国专利申请NO.13/174,925的继续申请，特此通过引用将其公开内容合并入本文。

背景技术

万维网的出现比以往任何时候使现今的用户触手可及更多的信息。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访问比以往任何时候提供了对这些站点更快的访问。

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加载时很无聊。虽然高速因特网访问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损失总计达数千生产力工时。

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。

本公开的方面提供了用于预测用户导航事件的计算机实现的方法。该方法可以包括使用计算机处理器来跟踪到文本域的第一文本输入，该文本域用于指引web浏览器的网络导航操作；使用该文本输入来查阅概率数据集以确定最可能的网络导航目的地；以及使用web浏览器来预先渲染最可能的网络导航目的地。该方法还可以包括通过包括下述的方法来生成概率数据集：监视到文本域的一个或多个先前的文本输入；响应于该一个或多个先前的文本输入，显示与先前的文本输入中的每一个相关联的一个或多个潜在网络导航目的地；以及存储指示所显示的一个或多个潜在网络导航目的地是否被选择的选择数据，该数据将一个或多个先前的文本输入中的每一个与一个或多个潜在网络导航目的地相关联。概率数据可以通过先前的文本输入来索引。在一些方面中，概率数据可以通过包括可能的网络导航目的地和先前的文本输入中的一个的标识符来索引。该方法可以包括在每个导航事件之后更新概率数据集。在一些方面中，该方法可以包括通过使用概率数据来为与文本输入相关联的给定网络导航目的地确定概率值；确定该概率值超过阈值；以及响应于该概率值超过阈值，预先渲染该给定网络导航目的地。该方法可以包括确定与多个网络导航目的地相关联的多个概率值超过阈值；以及预先渲染相关联的概率值超过阈值的该多个网络导航目的地中的每一个。文本域可以包括web浏览器地址栏。在一些方面中，该方法可以包括当多个字符中的每一个被输入文本域中时，重复该跟踪、查阅和预先渲染方法。

本公开的方面提供了包括指令的非暂时性计算机可读存储介质，所述指令当由处理器执行时，促使该处理器执行方法。该方法可以包括使用计算机处理器来跟踪到文本域的第一文本输入，该文本域用于指引web浏览器的网络导航操作；使用该文本输入来查阅概率数据集以确定最可能的网络导航目的地；以及使用web浏览器来预先渲染最可能的网络导航目的地。所述指令还可以包括通过包括下述的方法来生成概率数据集：监视到文本域的一个或多个先前的文本输入；响应于该一个或多个先前的文本输入，显示与先前的文本输入中的每一个相关联的一个或多个潜在网络导航目的地；以及存储指示所显示的一个或多个潜在网络导航目的地是否被选择的选择数据，该数据将一个或多个先前的文本输入中的每一个与一个或多个潜在网络导航目的地相关联。概率数据可以通过先前的文本输入来索引。在一些方面中，概率数据可以通过包括可能的网络导航目的地和先前的文本输入中的一个的标识符来索引。所述指令可以包括在每个导航事件之后更新概率数据集。在一些方面中，所述指令可以包括通过使用概率数据来为与文本输入相关联的给定网络导航目的地确定概率值；确定该概率值超过阈值；以及响应于该概率值超过阈值，预先渲染该给定网络导航目的地。所述指令可以进一步包括确定与多个网络导航目的地相关联的多个概率值超过阈值；以及预先渲染相关联的概率值超过阈值的该多个网络导航目的地中的每一个。文本域可以包括web浏览器地址栏。在一些方面中，所述指令可以包括当多个字符中的每一个被输入文本域中时，重复该跟踪、查阅和预先渲染方法。

本公开的方面可以提供用于预测用户导航事件的处理系统。该处理系统可以包括至少一个处理器以及耦接到该处理器、用于存储概率数据集的存储器，该概率数据集包括一个或多个文本输入、与文本输入相关联的一个或多个网络导航目的地以及将为文本输入中的每一个选择给定网络导航目的地的概率。该处理器可以被配置成对文本域中的文本输入进行处理，该文本域用于指引web浏览器的网络导航操作；从文本输入确定一个或多个可能的网络导航目的地；使用概率数据集来确定最可能的网络导航目的地；以及执行web浏览器来预先渲染最可能的网络导航目的地。该处理器可以被进一步配置成：监视到文本域的一个或多个先前的文本输入；响应于该一个或多个先前的文本输入，显示与先前的文本输入中的每一个相关联的一个或多个潜在网络导航目的地；以及存储指示所显示的一个或多个潜在网络导航目的地是否被选择的选择数据，该选择数据将一个或多个先前的文本输入中的每一个与一个或多个潜在网络导航目的地相关联。在一些方面中，该处理器可以被配置成通过使用概率数据来为与文本输入相关联的给定网络导航目的地确定概率值；确定该概率值超过阈值；以及响应于该概率值超过阈值，预先渲染该给定网络导航目的地。该处理系统可以被配置成在每个导航事件之后更新概率数据集。

附图说明

图1是描绘根据本公开的方面的、与示例客户端设备通信的服务器的示例的系统图。

图2是描绘根据本公开的方面的示例计算设备的框图。

图3是描绘根据本公开的方面的、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是描绘根据本公开的方面的、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是描绘根据本公开的方面的、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是描绘根据本公开的方面的、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是描绘根据本公开的方面的、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是描绘根据本公开的方面的、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是根据本公开的方面的、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9是描绘根据本公开的方面的、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10是根据本公开的方面的、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11是描绘根据本公开的方面的、用于生成用来预测用户导航事件的导航历史数据的示例方法的流程图。

图12是描绘根据本公开的方面的、用于基于在文本域内的文本输入使用导航历史数据来预测用户导航事件的示例方法的流程图。

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，减少或消除了等待时间。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、下一分钟或下一5分钟内，可能选择的下一链接）的预测有关。

如图1中所示，根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接收导航统计的聚合集，然后，基于该导航统计的聚合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。事实上，根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3-5,9-12）。

网络112以及在服务器104和客户端设备106、108、110之间的中间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，可以通过诸如光盘或便携式驱动器的介质来发送信息。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是描绘诸如参考图1所述的客户端设备106、108、110中的一个的计算设备200的示例的框图。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，由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3-12）。

数据可以由处理器根据指令来检索、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，并且可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，其可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、对敏感信息的加密、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，使得不泄漏个人客户端数据。

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和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可以响应于诸如超文本传输协议（HTTP）GET请求的网络请求而接收。网页216可以以诸如超文本标记语言（HTML）的标记语言来提供。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ADOBE FLASH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的转换的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加件、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被维护在诸如服务器104的远程服务器上，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、对敏感信息的加密、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，使得不泄漏个人客户端数据。

图3是描绘根据本公开的方面的、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诸如对特定网页的请求的特定网络请求的任何动作。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4-12）。

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是描绘根据本公开的方面的、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是描绘根据本公开的方面的、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中的功能来监视导航事件。

在阶段504，计算设备200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可以每30秒钟、每分钟或每5分钟，在其期间用户已选择了至少一个URL，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，定期对金融和银行网站核查按揭利率。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，用户可能日复一日对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是描绘根据本公开的方面的、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和聚合，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。转换性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转换，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访问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还可以通过首先在客户端生成哈希值，然后从服务器104请求特定哈希值的置信值，来为特定链接哈希值请求数据。

图7是描绘根据本公开的方面的、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，可以如在上面参考方法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的访问可以不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可以确定是否最小数量的用户已提交了与该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计算诸如为当前URL访问的下一URL的每一个特定导航事件在阶段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，所述信息诸如先前的导航事件（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，潜在地节省了针对不太可能被访问的页面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，阈值可以基于存在于URL处的导航链接数、URL的类型、URL的业务、在URL处内容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是描绘根据本公开的方面的、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提供了逻辑，计算设备200通过所述逻辑可以基于从服务器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的集合。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。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人用户信息，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是根据本公开的方面的、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以及两个其他链接，没有为查看页面的当前用户呈现的链接E和链接F，相关联的数据。导航历史数据812可以表示个人用户的导航历史（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。可以以多种方式解释关于链接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被从网页移除、或它们可能不对所有用户，诸如当前访问页面的用户，可见。根据本公开的方面，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9是描绘根据本公开的方面的、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，用户可能输入“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10是根据本公开的方面的、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1000的图示。该图示描绘了web浏览器界面1000和与置信值相关联的链接集1002。例如，与web浏览器界面1000相关联的web浏览器可以如上所述在计算设备200上执行。Web浏览器界面1000包括文本输入域1004。在一些方面中，文本输入域1004是用于输入URL的地址栏。在一些方面中，文本输入域1004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1004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1004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每一个链接的百分比值。在先前的示例中，“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11是描绘根据本公开的方面的、用于生成用来预测用户导航事件的导航历史数据的示例方法1100的流程图。方法1100收集与用户浏览习惯有关的数据来协助对在预先渲染操作中使用的导航事件的预测。方法1100在本地存储用户输入在文本域内来执行导航操作的文本。当用户输入文本时，文本域向用户提示与所输入的文本相关联的可能目的地。例如，如果用户开始将“www.goo”键入文本域中，则文本域可以向用户提示用来导航到“www.google.com”的链接。方法1100的方面跟踪用户所输入的文本以及用户是否选择了特定链接，以便基于文本输入来协助对稍后链接选择的预测。

例如，web浏览器典型地允许用户将文本输入在地址栏中。某些web浏览器响应于在该地址栏内的文本输入而显示可能的目的地。可以通过多种方法，诸如通过检查用户的个人浏览历史、查询搜索引擎、使用聚合浏览历史或基于文本输入来识别可能的目的地的任何其他方法，来确定可能的目的地。

在阶段1102，跟踪输入诸如文本输入域1004（参见图10）的文本域中的文本。例如，用户可以将“www.g”输入文本域中。

在阶段1104，基于所输入的文本向用户显示潜在目的地。例如，响应于文本“www.g”，可以向用户呈现以字母“G”开始的URL的列表。

在阶段1106，可以选择所显示的链接中的一个。例如，如果从所显示的目的地之中显示了用户意欲导航到的网站，则用户可以选择以字母“G”开始的网站中的一个的链接。

如果用户选择了所显示的目的地中的一个，则在阶段1108，存储文本输入和所选择的目的地以供稍后参考。可以将该输入对保存在概率图中。例如，可以为每个导航事件对该概率图进行更新。概率图可以包括到文本域的每个文本输入的数据、响应于文本输入而显示的最前选择的、建议的目的地、以及用户已选择过最前建议的目的地的次数和用户未选择最前选择的目的地的次数的频率。频率数据因此按照文本输入来索引。这样的数据可以用来确定当给定文本集被输入到文本域中时用户将访问所显示的最前目的地的概率。概率图还可以按照与文本输入和所显示的最前目的地相对应的值对来索引，其中所显示的目的地基于用户浏览历史、从搜索引擎接收的结果或另一种方法来确定。概率图还可以按照更复杂的键来索引。例如，键还可以包含关于用户是否明确地请求了搜索查询（例如，通过用“？”为文本输入加上前缀）、或文本查询是否通过其他手段被确定为搜索查询的信息。

如果用户没有选择所显示的目的地中的一个，则在阶段1110，将文本输入和用户没有选择任何所显示的目的地的事实保存在概率图中。另外的文本输入继续被跟踪，使得文本输入“www.go”在概率图中被索引为与“www.g”不同的值，其中对应的特有概率值与所显示的结果相关联。

图12是描绘根据本公开的方面的、用于基于在文本域内的文本输入使用导航历史数据来预测用户导航事件的示例方法1200的流程图。方法1200起作用为基于到文本域的文本输入来确定最可能的目的地。方法1200的方面可以利用概率图数据，诸如如上所述方法1100（参见图11）所捕捉到的数据。方法1200的方面可以通过将特定目的地的概率与阈值进行比较来将特定目的地链接预测为可实施的预先渲染候选。

在阶段1202，跟踪到诸如文本输入域1004的文本域的文本输入，以将所输入的文本与概率图相互关联。

在阶段1204，将所输入的文本与按照其对概率图进行索引的文本输入相互关联。当用户将字符键入文本域中时，可以查阅概率图来为给定文本输入和/或显示的最高结果检索计数。例如，响应于文本输入通过查找概率图中的与该文本输入相关联的数据，可以确定给定网站的概率。在另一个方面中，文本输入可以导致一个或多个可能目的地的显示，以及文本输入和最前显示的可能目的地可以用来查找在概率图内的数据。

可以通过检查用户已选择特定页面的频率来确定用户将选择该特定网页的概率。例如，概率数据可以包括用户响应于特定文本输入已选择网页的频率。可以通过检查用户已选择过网页的次数除以用户已选择该网页的次数和用户未选择该网页的次数的总和，来确定用户将选择该特定网页的概率。用于确定对给定显示的链接的选择的概率的公式可以被确定为：

$p=\frac{\mathrm{selected}}{\mathrm{selected}+\mathrm{unselected}}$        （等式1）

P是响应于文本输入将选择特定页面的概率。Selected（选择的）是该特定页面当响应于文本输入而被显示时被选择的次数。Unselected（未选择的）是该页面当响应于文本输入而被显示时未被选择的次数。

在阶段1206，将概率值与阈值进行比较。可以以这种方式使用阈值来确保只有存在用户意欲导航到特定页面的合理可能性时才预先加载该特定页面。该过程通过不预先渲染用户不可能访问的页面来节省系统资源和带宽。

在阶段1208，如果概率值超过阈值，则预先渲染概率图所识别的特定网页。例如，当概率值p超过.5、.95、.99或预先渲染模块210或配置设置所确定的任何其他值时，可以预先渲染网页。阈值可以是用户诸如通过配置设置可配置的、或基于系统资源水平来动态地确定。在一些方面中，可以预先渲染具有大于阈值的概率值的所有目的地网页。在一些方面中，可以通过可用系统资源，诸如存储器、处理器利用、网络带宽等，来确定预先渲染网页的判定。

如果概率值没有超过阈值，则方法1200结束。当另外字符被输入和从文本输入域移除时，方法1200可以不断重复。当另外的字符被输入时，可以丢弃通过该过程预先渲染的页面。

上述所说明的方法的阶段并不意在限制。所述方法的功能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的系统。

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说明而不是权利要求所限定的本公开的限制。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。

Claims (22)

1.一种用于预测用户导航事件的计算机实现的方法，所述方法包括：

使用计算机处理器来跟踪到文本域的第一文本输入，所述文本域用于指引web浏览器的网络导航操作；

使用所述文本输入来查阅概率数据集以确定最可能的网络导航目的地；以及

使用所述web浏览器来预先渲染所述最可能的网络导航目的地。

2.根据权利要求1所述的方法，进一步包括通过包括下述步骤的方法来生成所述概率数据集：

监视到所述文本域的一个或多个先前的文本输入；

响应于所述一个或多个先前的文本输入，显示与所述先前的文本输入中的每一个相关联的一个或多个潜在网络导航目的地；以及

存储指示所显示的一个或多个潜在网络导航目的地是否被选择的选择数据，所述数据将所述一个或多个先前的文本输入中的每一个与所述一个或多个潜在网络导航目的地相关联。

3.根据权利要求2所述的方法，其中所述概率数据通过所述先前的文本输入来索引。

4.根据权利要求2所述的方法，其中所述概率数据通过包括可能的网络导航目的地和所述先前的文本输入中的一个的标识符来索引。

5.根据权利要求2所述的方法，进一步包括在每个导航事件之后更新所述概率数据集。

6.根据权利要求1所述的方法，进一步包括：

通过使用所述概率数据来为与所述文本输入相关联的给定网络导航目的地确定概率值；

确定所述概率值超过阈值；以及

响应于所述概率值超过所述阈值，预先渲染所述给定网络导航目的地。

7.根据权利要求6所述的方法，进一步包括：

确定与多个网络导航目的地相关联的多个概率值超过所述阈值；以及

预先渲染所述多个网络导航目的地中的相关联的概率值超过所述阈值的每一个网络导航目的地。

8.根据权利要求1所述的方法，其中所述文本域包括web浏览器地址栏。

9.根据权利要求1所述的方法，进一步包括当多个字符中的每一个被输入在所述文本域中时，重复所述跟踪、所述查阅和所述预先渲染方法。

10.一种包括指令的非暂时性计算机可读存储介质，所述指令当由处理器执行时，促使所述处理器执行方法，所述方法包括：

使用计算机处理器来跟踪到文本域的第一文本输入，所述文本域用于指引web浏览器的网络导航操作；

使用所述文本输入来查阅概率数据集以确定最可能的网络导航目的地；以及

使用所述web浏览器来预先渲染所述最可能的网络导航目的地。

11.根据权利要求10所述的非暂时性计算机可读存储介质，进一步包括通过包括下述步骤的方法来生成所述概率数据集：

监视到所述文本域的一个或多个先前的文本输入；

响应于所述一个或多个先前的文本输入，显示与所述先前的文本输入中的每一个相关联的一个或多个潜在网络导航目的地；以及

存储指示所显示的一个或多个潜在网络导航目的地是否被选择的选择数据，所述数据将所述一个或多个先前的文本输入中的每一个与所述一个或多个潜在网络导航目的地相关联。

12.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述概率数据通过所述先前的文本输入来索引。

13.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述概率数据通过包括可能的网络导航目的地和所述先前的文本输入中的一个的标识符来索引。

14.根据权利要求11所述的非暂时性计算机可读存储介质，进一步包括在每个导航事件之后更新所述概率数据集。

15.根据权利要求10所述的非暂时性计算机可读存储介质，进一步包括：

通过使用所述概率数据来为与所述文本输入相关联的给定网络导航目的地确定概率值；

确定所述概率值超过阈值；以及

响应于所述概率值超过所述阈值，预先渲染所述给定网络导航目的地。

16.根据权利要求9所述的非暂时性计算机可读存储介质，进一步包括：确定与多个网络导航目的地相关联的多个概率值超过所述阈值；以及

预先渲染所述多个网络导航目的地中的相关联的概率值超过所述阈值的每一个网络导航目的地。

17.根据权利要求10所述的非暂时性计算机可读存储介质，其中所述文本域包括web浏览器地址栏。

18.根据权利要求10所述的非暂时性计算机可读存储介质，进一步包括当多个字符中的每一个被输入在所述文本域中时，重复所述跟踪、所述查阅和所述预先渲染方法。

19.一种用于预测用户导航事件的处理系统，所述处理系统包括：

至少一个处理器；以及

耦接到所述处理器、用于存储概率数据集的存储器，所述概率数据集包括一个或多个文本输入、与所述文本输入相关联的一个或多个网络导航目的地以及将为所述文本输入中的每一个选择给定网络导航目的地的概率；

其中所述处理器被配置成：

对文本域中的文本输入进行处理，所述文本域用于指引web浏览器的网络导航操作；

从所述文本输入确定一个或多个可能的网络导航目的地；

使用所述概率数据集来确定最可能的网络导航目的地；以及

执行所述web浏览器来预先渲染所述最可能的网络导航目的地。

20.根据权利要求19所述的处理系统，其中所述处理器被进一步配置成：

监视到所述文本域的一个或多个先前的文本输入；

响应于所述一个或多个先前的文本输入，显示与所述先前的文本输入中的每一个相关联的一个或多个潜在网络导航目的地；以及

存储指示所显示的一个或多个潜在网络导航目的地是否被选择的选择数据，所述选择数据将所述一个或多个先前的文本输入中的每一个与所述一个或多个潜在网络导航目的地相关联。

21.根据权利要求19所述的处理系统，其中所述处理器被进一步配置成：

通过使用所述概率数据来为与所述文本输入相关联的给定网络导航目的地确定概率值；

确定所述概率值超过阈值；以及

响应于所述概率值超过所述阈值，预先渲染所述给定网络导航目的地。

22.根据权利要求19所述的处理系统，其中所述处理器被进一步配置成在每个导航事件之后更新所述概率数据集。

Images