System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种软件资源加载方法、系统、电子设备和介质技术方案_技高网

一种软件资源加载方法、系统、电子设备和介质技术方案

技术编号:42853207 阅读:8 留言:0更新日期:2024-09-27 17:20
本发明专利技术提供的一种软件资源加载方法、系统、电子设备和介质,涉及软件技术领域,该方法包括使用游戏资源信息确定模型,确定多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度;获取用户历史游戏记录信息;基于多种用户可能需要加载的多种游戏资源信息和用户历史游戏记录使用历史信息处理模型确定每一种用户可能需要加载的多种游戏资源信息的第二可靠度;基于第一可靠度和第二可靠度确定目标可靠度;基于目标可靠度确定多种目标游戏资源信息;基于多种目标游戏资源信息进行资源预加载,该方法能够预测玩家下一步可能进行的操作,从而提前加载相关资源,大幅缩短实际加载时间。

【技术实现步骤摘要】

本专利技术涉及软件,具体涉及一种软件资源加载方法、系统、电子设备和介质


技术介绍

1、在现代游戏开发中,资源加载是影响用户体验和游戏性能的关键环节。随着游戏内容的日益丰富,包括高清图像、动态音效、复杂的脚本文件等,资源加载的速度和效率直接影响着游戏的启动时间、流畅度以及玩家的沉浸感。大多数游戏在启动或场景切换时,只有在接收到明确指令后才会开始加载所需资源。这种做法虽然简单,但导致了明显的加载延迟,尤其是在大型游戏或高画质场景中,等待时间过长严重影响了玩家的沉浸感和满意度。由于游戏开发者难以精确预测玩家下一步的行为,传统的预加载策略往往采取“一刀切”的方式,即预加载所有可能用到的资源,这不仅占用了大量内存,还可能导致不必要的资源加载,浪费计算资源,影响游戏性能。

2、因此如何预测玩家下一步可能进行的操作,从而提前加载相关资源,大幅缩短实际加载时间,是当前亟待解决的问题。


技术实现思路

1、本专利技术主要解决的技术问题如何预测玩家下一步可能进行的操作,从而提前加载相关资源,大幅缩短实际加载时间。

2、根据第一方面,本专利技术提供一种软件资源加载方法,包括:获取用户游戏软件信息、用户游戏软件加载前的用户角色配置录制视频;基于所述用户游戏软件信息、所述用户游戏软件加载前的用户角色配置录制视频使用游戏资源信息确定模型,确定多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度;获取用户历史游戏记录信息;基于所述多种用户可能需要加载的多种游戏资源信息和所述用户历史游戏记录使用历史信息处理模型确定每一种用户可能需要加载的多种游戏资源信息的第二可靠度;基于所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度和所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度确定每一种用户可能需要加载的多种游戏资源信息的目标可靠度;基于所述每一种用户可能需要加载的多种游戏资源信息的目标可靠度确定多种目标游戏资源信息;基于所述多种目标游戏资源信息进行资源预加载。

3、更进一步地,所述基于所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度和所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度确定每一种用户可能需要加载的多种游戏资源信息的目标可靠度包括:对所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度、所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度分别赋予不同的权重,再进行加权求和后得到每一种用户可能需要加载的多种游戏资源信息的目标可靠度。

4、更进一步地,所述游戏资源信息确定模型为循环神经网络模型,所述游戏资源信息确定模型的输入为所述用户游戏软件加载前的用户角色配置录制视频,所述游戏资源信息确定模型的输出为多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度。

5、更进一步地,所述游戏资源信息确定模型通过梯度下降法训练得到。

6、更进一步地,所述历史信息处理模型为深度神经网络模型,所述历史信息处理模型的输入为所述多种用户可能需要加载的多种游戏资源信息和所述用户历史游戏记录,所述历史信息处理模型的输出为每一种用户可能需要加载的多种游戏资源信息的第二可靠度。

7、根据第二方面,本专利技术提供一种软件资源加载系统,包括:第一获取模块,用于获取用户游戏软件信息、用户游戏软件加载前的用户角色配置录制视频;

8、游戏资源信息确定模块,用于基于所述用户游戏软件信息、所述用户游戏软件加载前的用户角色配置录制视频使用游戏资源信息确定模型,确定多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度;

9、第二获取模块,用于获取用户历史游戏记录信息;

10、第二可靠度确定模块,用于基于所述多种用户可能需要加载的多种游戏资源信息和所述用户历史游戏记录使用历史信息处理模型确定每一种用户可能需要加载的多种游戏资源信息的第二可靠度;

11、目标可靠度确定模块,用于基于所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度和所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度确定每一种用户可能需要加载的多种游戏资源信息的目标可靠度;

12、目标游戏资源信息确定模块,用于基于所述每一种用户可能需要加载的多种游戏资源信息的目标可靠度确定多种目标游戏资源信息;

13、资源预加载模块,用于基于所述多种目标游戏资源信息进行资源预加载。

14、更进一步地,所述目标可靠度确定模块还用于:对所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度、所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度分别赋予不同的权重,再进行加权求和后得到每一种用户可能需要加载的多种游戏资源信息的目标可靠度。

15、更进一步地,所述游戏资源信息确定模型为循环神经网络模型,所述游戏资源信息确定模型的输入为所述用户游戏软件加载前的用户角色配置录制视频,所述游戏资源信息确定模型的输出为多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度。

16、根据第三方面,本专利技术的实施例提供了一种电子设备,包括:处理器;存储器;以及计算机程序;其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如前述的方法,所述方法包括:获取用户游戏软件信息、用户游戏软件加载前的用户角色配置录制视频;基于所述用户游戏软件信息、所述用户游戏软件加载前的用户角色配置录制视频使用游戏资源信息确定模型,确定多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度;获取用户历史游戏记录信息;基于所述多种用户可能需要加载的多种游戏资源信息和所述用户历史游戏记录使用历史信息处理模型确定每一种用户可能需要加载的多种游戏资源信息的第二可靠度;基于所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度和所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度确定每一种用户可能需要加载的多种游戏资源信息的目标可靠度;基于所述每一种用户可能需要加载的多种游戏资源信息的目标可靠度确定多种目标游戏资源信息;基于所述多种目标游戏资源信息进行资源预加载。

17、根据第四方面,本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述提供的软件资源加载方法,所述方法包括:获取用户游戏软件信息、用户游戏软件加载前的用户角色配置录制视频;基于所述用户游戏软件信息、所述用户游戏软件加载前的用户角色配置录制视频使用游戏资源信息确定模型,确定多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度;获取用户历史游戏记录信息;基于所述多种用户可能需要加载的多种游戏资源信息和所述用户历史游戏记录使用历史信息处理模型确定每一种用户可能需要加载的多种游戏资源信息的第二可靠度;基于所述每一种本文档来自技高网...

【技术保护点】

1.一种软件资源加载方法,其特征在于,包括:

2.如权利要求1所述的软件资源加载方法,其特征在于,所述基于所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度和所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度确定每一种用户可能需要加载的多种游戏资源信息的目标可靠度包括:对所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度、所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度分别赋予不同的权重,再进行加权求和后得到每一种用户可能需要加载的多种游戏资源信息的目标可靠度。

3.如权利要求1所述的软件资源加载方法,其特征在于,所述游戏资源信息确定模型为循环神经网络模型,所述游戏资源信息确定模型的输入为所述用户游戏软件加载前的用户角色配置录制视频,所述游戏资源信息确定模型的输出为多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度。

4.如权利要求3所述的软件资源加载方法,其特征在于,所述游戏资源信息确定模型通过梯度下降法训练得到。

5.如权利要求1所述的软件资源加载方法,其特征在于,所述历史信息处理模型为深度神经网络模型,所述历史信息处理模型的输入为所述多种用户可能需要加载的多种游戏资源信息和所述用户历史游戏记录,所述历史信息处理模型的输出为每一种用户可能需要加载的多种游戏资源信息的第二可靠度。

6.一种软件资源加载系统,其特征在于,包括:

7.如权利要求6所述的软件资源加载系统,其特征在于,所述目标可靠度确定模块还用于:对所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度、所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度分别赋予不同的权重,再进行加权求和后得到每一种用户可能需要加载的多种游戏资源信息的目标可靠度。

8.如权利要求6所述的软件资源加载系统,其特征在于,所述游戏资源信息确定模型为循环神经网络模型,所述游戏资源信息确定模型的输入为所述用户游戏软件加载前的用户角色配置录制视频,所述游戏资源信息确定模型的输出为多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度。

9.一种电子设备,其特征在于,包括:处理器;存储器;以及计算机程序;其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如权利要求1至5任一项所述的软件资源加载方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5任一项所述的软件资源加载方法。

...

【技术特征摘要】

1.一种软件资源加载方法,其特征在于,包括:

2.如权利要求1所述的软件资源加载方法,其特征在于,所述基于所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度和所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度确定每一种用户可能需要加载的多种游戏资源信息的目标可靠度包括:对所述每一种用户可能需要加载的多种游戏资源信息的第一可靠度、所述每一种用户可能需要加载的多种游戏资源信息的第二可靠度分别赋予不同的权重,再进行加权求和后得到每一种用户可能需要加载的多种游戏资源信息的目标可靠度。

3.如权利要求1所述的软件资源加载方法,其特征在于,所述游戏资源信息确定模型为循环神经网络模型,所述游戏资源信息确定模型的输入为所述用户游戏软件加载前的用户角色配置录制视频,所述游戏资源信息确定模型的输出为多种用户可能需要加载的多种游戏资源信息和每一种用户可能需要加载的多种游戏资源信息的第一可靠度。

4.如权利要求3所述的软件资源加载方法,其特征在于,所述游戏资源信息确定模型通过梯度下降法训练得到。

5.如权利要求1所述的软件资源加载方法,其特征在于,所述历史信息处理模型为深度神经网络模型,所述历史信息处理模型的输入为所述多种用户可能需要加载的多种游戏资源信息和所述用户历...

【专利技术属性】
技术研发人员:郭连超甯贤良贾正培刘浩王妃
申请(专利权)人:广州煊佑科技有限公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1