KR101485907B1 - 확률모델에 기반한 데이터 프리로드 방법 및 장치 - Google Patents
확률모델에 기반한 데이터 프리로드 방법 및 장치 Download PDFInfo
- Publication number
- KR101485907B1 KR101485907B1 KR20140000740A KR20140000740A KR101485907B1 KR 101485907 B1 KR101485907 B1 KR 101485907B1 KR 20140000740 A KR20140000740 A KR 20140000740A KR 20140000740 A KR20140000740 A KR 20140000740A KR 101485907 B1 KR101485907 B1 KR 101485907B1
- Authority
- KR
- South Korea
- Prior art keywords
- pointer
- probability model
- probability
- selection
- unit
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04815—Interaction with a metaphor-based environment or interaction object displayed as three-dimensional, e.g. changing the user viewpoint with respect to the environment or object
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
본 발명은 GUI 반응 속도를 높이기 위한 장치 및 방법에 관한 발명이다. 본 발명은 확률모델을 기반으로, 객체를 선택하는 사용자의 포인터 조작을 예측하여, 객체 선택 이전에 객체 데이터를 메모리에 로드하는 프리로드 작업을 수행한다. 프리로드 작업이 수행됨으로써, 객체 선택에서 GUI 업데이트까지 소요되는 반응 시간을 감축할 수 있다.
Description
본 발명은 확률모델에 기반한 데이터 프리로드 방법 및 장치에 관한 것이다. 보다 자세하게는, 확률모델에 기반하여 사용자의 선택을 예측하고 사용자가 선택하려는 객체의 데이터를 프리로드 하는 방법 및 상기 방법을 사용하는 장치에 관한 것이다.
스마트폰, 테블릿, 페블릿 등과 같은 GUI(Graphic User Interface)를 사용한 휴대용 정보기기가 널리 보급됨에 따라서 사용자들은 기기 사용의 편의성에 대하여 관심을 가지게 되었다. 특히, 사용자의 터치 입력에 대한 반응 속도가 사용자의 만족도에 큰 영향을 끼치고 있다.
이러한 GUI 반응 속도는 로컬 저장 장치의 입출력 속도 또는 네트워크 속도가 큰 비중을 차지한다. 로컬 저장 장치 또는 네트워크에서 필요한 데이터를 읽어오는 것은, 메모리에서 데이터를 읽어오는 것에 비하여 수백에서 수천 배이상 느린 것이 보통이다. 따라서 이러한 로컬 저장 장치 또는 네트워크의 속도 때문에 사용자는 자료를 요청한 후 실제 자료를 확인하기 까지 몇 초간 기다려야 하는 불편함이 있다.
이를 위한 보완책으로, 데이터를 미리 로컬 저장 장체 또는 네트워크로부터 읽어와서 메모리 영역에 저장하고, 상기 데이터가 실제 사용자에 의해서 요청된 때에 상기 메모리에 저장된 데이터를 읽어오는 프리로드(pre-load) 방식이 사용되고 있다. 프리로드 방식은 사용자의 행동을 예측하여 입출력 속도가 빠른 메모리에서 읽어옴으로써 사용자 입력에 대한 반응속도를 빠르게 하는 방법이다. 그러나, 프리로드 방법은 사용자의 행동을 예측하여 데이터를 미리 읽어온다는 점에서, 예측이 실패하였을 때에는 아무런 효과가 없으며 오히려 휴대용 정보기기의 전력을 낭비하는 문제점이 있을 수 있다.
따라서, 프리로드의 예측 성공률을 높여서, 휴대용 정보기기의 GUI 반응 속도를 높일 수 있는 방법과 이를 이용할 장치의 필요성이 높아지고 있다.
본 발명이 해결하고자 하는 기술적 과제는 객체를 선택하려는 사용자의 포인터 조작을 예측하고 포인터가 가리키는 대상의 데이터를 프리로드 하여 상기 대상이 선택되었을 때 상기 프리로드 된 데이터를 제공함으로써 UI 반응 속도를 증대시키는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는 상기 사용자의 포인트 조작을 예측하기 위하여 사용자의 포인터 조작을 수집한 데이터를 바탕으로 생성한 확률모델을 이용하는 방법 및 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해 될 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 일 태양에 따른 사용자 디바이스는, 객체 선택 확률을 모델링 하는 확률모델을 저장하는 확률모델 저장부, 포인터를 이동시키기 위한 사용자의 조작에 따른 포인터 조작 정보를 수집하는 포인터 조작 수집부, 상기 수집된 포인터 조작 정보를 기반으로 상기 포인터가 위치한 영역에 대응되는 선택 대상 객체를 선정하는 객체 선정부, 상기 수집된 포인터 조작 정보를 바탕으로 상기 확률모델에 따른 객체 선택 확률을 계산하는 확률모델 계산부, 상기 확률모델의 계산된 객체 선택 확률이 소정의 조건을 만족하는 경우 상기 선택 대상 객체의 데이터를 프리로드(pre-load)하는 프리로드 실행부 및 상기 사용자의 조작에 의하여 상기 선택 대상 객체가 선택되는 경우, 상기 프리로드 된 선택 대상 객체 데이터를 액세스(access)하는 데이터 액세스부를 포함한 것이다.
일 실시예에 따르면, 상기 포인터 조작 정보는, 디스플레이 상에서 상기 포인터가 위치한 x-y 좌표를 바탕으로 상기 포인터의 속도, 상기 포인터의 가속도, 상기 포인터가 위치한 지점의 선택, 상기 선택 시점 및 현재 시간 중에서 적어도 어느 하나를 포함할 수도 있다.
일 실시예에 따르면, 사용자 디바이스는 사용자의 눈동자 위치를 가리키는 시선 좌표를 연산하는 눈동자 인식부를 더 포함할 수 있으며, 상기 포인터 조작 정보는 상기 눈동자 인식부가 연산한 상기 시선 좌표, 상기 시선 좌표의 이동 속도, 상기 시선 좌표의 이동 가속도 및 상기 시선 좌표와 상기 포인터 사이의 거리를 가리키는 시선 거리를 포함할 수도 있다.
일 실시예에 따르면, 사전에 수집되어서 제공된 포인터 조작 정보를 분석하여 상기 확률모델을 생성하고, 상기 생성된 확률모델을 상기 확률모델 저장부에 저장하는 확률모델 생성부를 더 포함할 수도 있다.
일 실시예에 따르면, 상기 확률모델 생성부는 상기 포인터 조작 정보에 포함된 조작 정보 중에서 객체를 선택하는 조작 정보를 찾아서 상기 객체를 선택하는 조작 시점을 기준으로 소정의 시간 이전까지의 조작 정보를 바탕으로 상기 확률모델을 생성할 수도 있다.
일 실시예에 따르면, 상기 포인터 조작 수집부에서 수집된 상기 포인터 조작 정보를 분석하여 상기 확률모델 저장부에 저장된 확률모델을 갱신하는 상기 확률모델 갱신부를 더 포함할 수도 있다.
일 실시예에 따르면, 상기 확률모델은, 상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택될 확률을 출력하는 제1 확률모델 및 상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택되지 않을 확률을 출력하는 제2 확률모델을 포함할 수도 있다.
일 실시예에 따르면, 상기 프리로드 실행부는, 상기 확률모델 계산부의 계산 결과 제1 확률모델의 확률이 제2 확률모델의 확률보다 더 높거나 또는 제1 확률모델의 확률이 소정의 기준 확률보다 더 높은 경우, 상기 선택 대상 객체의 데이터를 프리로드 할 수도 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 다른 태양에 따른 사용자 디바이스의 데이터 프리로드 방법은, 객체 선택 확률을 모델링 하는 확률모델을 저장하는 단계, 포인터를 이동시키기 위한 사용자의 조작에 따른 포인터 조작 정보를 수집하는 단계, 상기 수집된 포인터 조작 정보를 기반으로 상기 포인터가 위치한 영역에 대응되는 선택 대상 객체를 선정하는 단계, 상기 수집된 포인터 조작 정보를 바탕으로 상기 확률모델에 따른 객체 선택 확률을 계산하는 단계, 상기 확률모델의 계산된 객체 선택 확률이 소정의 조건을 만족하는 경우 상기 선택 대상 객체의 데이터를 프리로드(pre-load)하는 단계 및 상기 사용자의 조작에 의하여 상기 선택 대상 객체가 선택되는 경우, 상기 프리로드 된 선택 대상 객체 데이터를 액세스(access)하는 단계를 포함한다.
일 실시예에 따르면, 상기 포인터 조작 정보는, 디스플레이 상에서 상기 포인터가 위치한 x-y 좌표를 바탕으로 상기 포인터의 속도, 상기 포인터의 가속도, 상기 포인터가 위치한 지점의 선택, 상기 선택 시점 및 시간 중에서 적어도 어느 하나를 포함할 수 있다.
일 실시예에 따르면, 상기 포인터 조작 정보를 수집하는 단계는 사용자의 눈동자 위치를 가리키는 시선 좌표를 연산하는 단계를 포함하되, 상기 포인터 조작 정보는 상기 시선 좌표, 상기 시선 좌표의 이동 속도, 상기 시선 좌표의 이동 가속도 및 상기 시선 좌표와 상기 포인터 사이의 거리를 가리키는 시선 거리를 포함할 수 있다.
일 실시예에 따르면, 상기 확률모델을 저장하는 단계 이전에, 사전에 수집되어서 제공된 포인터 조작 정보를 분석하여 상기 확률모델을 생성하는 단계 및 상기 생성된 확률모델을 저장하는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 상기 확률모델 생성하는 단계는, 상기 포인터 조작 정보에 포함된 조작 정보 중에서 객체를 선택하는 조작 정보를 찾아서 상기 객체를 선택하는 조작 시점을 기준으로 소정의 시간 이전까지의 조작 정보를 바탕으로 상기 확률모델을 생성하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 포인터의 조작 정보를 수집하는 단계 이후에, 상기 수집된 상기 포인터 조작 정보를 분석하여 상기 저장된 확률모델을 갱신하는 상기 확률모델 갱신부를 더 포함할 수 있다.
일 실시예에 따르면, 상기 확률모델은, 상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택될 확률을 출력하는 제1 확률모델 및 상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택되지 않을 확률을 출력하는 제2 확률모델을 포함할 수 있다.
일 실시예에 따르면, 상기 프리로드 하는 단계는, 상기 확률모델의 계산 결과 제1 확률모델의 확률이 제2 확률모델의 확률보다 더 높거나 또는 제1 확률모델의 확률이 소정의 기준 확률보다 더 높은 경우, 상기 선택 대상 객체의 데이터를 프리로드 하는 단계를 포함할 수 있다.
상기와 같은 본 발명에 따르면, 사용자의 포인터 조작을 확률모델을 이용하여 높은 정확도로 예측할 수 있으며, 상기 예측에 따라 프리로드 대상 데이터를 프리로드 함으로써 GUI 반응 속도를 높일 수 있는 효과가 있다.
도 1 내지 3은 본 발명의 일 실시예에 따른, 사용자 디바이스의 구성도이다.
도 4a 내지 도 4b는 본 발명의 일 실시예에 따른, 사용자 디바이스의 동작 예시도이다.
도 5는 본 발명의 일 실시예에 따른, 확률모델의 모델링을 설명하기 위한 예시도이다.
도 6은 본 발명의 일 실시예에 따른, 프리로드 방법에 대한 순서도이다.
도 7은 본 발명의 일 실시예에 따른, 프리로드 된 데이터를 사용하는 방법에 대한 순서도이다.
도 4a 내지 도 4b는 본 발명의 일 실시예에 따른, 사용자 디바이스의 동작 예시도이다.
도 5는 본 발명의 일 실시예에 따른, 확률모델의 모델링을 설명하기 위한 예시도이다.
도 6은 본 발명의 일 실시예에 따른, 프리로드 방법에 대한 순서도이다.
도 7은 본 발명의 일 실시예에 따른, 프리로드 된 데이터를 사용하는 방법에 대한 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
먼저 도1을 참조하여, 사용자 디바이스(100)의 전체 구성을 자세히 설명한다.
설명에 앞서, 프리로드(pre-load)에 대해서 다음과 같이 정의를 한다. 프리로드는 데이터에 대한 요청이 있기 전에, 상기 요청을 예상하고 상기 요청 이전에 상기 데이터를 미리 로드(load)하는 것이다.
사용자 디바이스(100)는 GUI(Graphic User Interface) 상에 나타난 객체의 데이터를 메모리로 프리로드하여, 생기 객체가 선택되었을 때 상기 메모리에 프리로드된 데이터를 이용함으로써, 사용자에게 보다 빠른 GUI 반응 속도를 제공하는 장치이다.
사용자 디바이스(100)는 포인터 조작 수집부(110), 객체 선정부(120), 프리로드 실행부(130), 확률모델 계산부(140), 확률모델 저장부(150), 메모리(160) 및 데이터 액세스부(170)를 포함할 수 있다.
포인터 조작 수집부(110)는 디스플레이 상에 나타난 GUI 객체를 선택하는 사용자 입력 수단에 대응되는 포인터의 조작 정보를 수집한다. 상기 조작 정보는 상기 포인터가 사용자에 의해 조작되는 입력 신호에 의해 결정된다.
발명의 일 실시예에 따르면, 상기 사용자에 의해서 포인터가 조작되는 입력 신호는 마우스, 터치스크린, 터치펜, 터치패드, 플로팅 터치(floating touch) 및 키네틱 입력 장치 중에서 어느 하나의 장치로부터 발생하는 신호를 포함할 수 있다.
포인터 조작 수집부(110)는 상기 사용자에 의해서 포인터가 조작되는 입력 신호를 수신하면, 상기 입력 신호를 바탕으로 상기 포인터 조작 정보를 생성하여, 객체 선정부(120), 확률모델 계산부(140), 프리로드 실행부(130) 또는 데이터 액세스부(170) 에 제공할 수 있다.발명의 일 실시예에 따르면, 상기 포인터 조작 정보는 상기 디스플레이 상의 x-y 좌표를 바탕으로, 상기 포인터의 속도, 상기 포인터의 가속도, 상기 포인터가 위치한 지점이 클릭되는 시점 및 현재 시간 중에서 적어도 하나 이상을 포함할 수 있다.
예를 들어서, 상기 포인터 조작 정보는 상기 포인터의 상기 디스플레이 상에서의 x-y 좌표 정보로 표현될 수 있으며, 상기 x-y 좌표 정보를 바탕으로 계산된 상기 포인터의 속도 및 가속도 정보를 포함할 수 있다.
발명의 다른 실시예에 따르면, 사용자 디바이스(100)는 눈동자 인식부(미도시)를 더 포함할 수 있다. 상기 눈동자 인식부는 사용자 디바이스(100)을 사용하는 사용자의 눈동자 위치를 가리키는 시선 좌표를 연산할 수 있다.
예를 들어서, 사용자 디바이스(100)에는 전면 카메라가 구비되어 있을 수 있고, 상기 전면 카메라를 이용하여 사용자의 눈동자를 추적할 수 있다. 눈동자를 추적하는 기술은 대한민국 공개특허 제2013-0088654호와 같이 공지 기술을 이용할 수 있으므로, 자세한 설명은 중복을 피하기 위해서 생략하기로 한다.
포인터 조작 수집부(110)는 상기 눈동자 인식부가 연산한 상기 시선 좌표를 제공 받아 상기 포인터 조작 정보를 생성하여, 객체 선정부(120), 확률모델 계산부(140), 프리로드 실행부(130) 또는 데이터 액세스부(170) 에 제공할 수 있다.
상기 포인터 조작 정보는 상기 눈동자 인식부가 연산한 상기 시선 좌표, 상기 시선 좌표의 이동 속도, 상기 시선 좌표의 이동 가속도 및 상기 시선 좌표와 상기 포인터 사이의 거리를 가리키는 시선 거리를 포함할 수도 있다.
객체 선정부(120)는 상기 디스플레이 상에서 상기 포인터의 위치에 대응되는 선택 대상 객체를 선정할 수 있다. 상기 선택 대상 객체는 프리로드 실행부(130)에서 프리로드하는 객체가 될 수 있으며, 중복된 설명을 피하기 위해서 프리로드 실행부(130)의 설명에서 자세히 다루기로 한다.
상기 선택 대상 객체는 디스플레이 상에서 상기 포인터의 위치를 포함하는 영역에 표시된 객체이다. 예를 들어서, 포인터 아래에 아이콘 또는 버튼이 존재하는 경우, 상기 아이콘 또는 버튼이 선택 대상 객체가 될 수 있다.
객체 선정부(120)은 상기 선택 대상 객체를 선정하고, 상기 선택 대상 객체에 대한 정보를 가리키는 타겟 정보를 생성하여 확률모델 계산부(140)에 제공할 수 있다. 상기 타겟 정보는 상기 선택 대상 객체의 위치, 크기, 모양 및 종류 중에서 적어도 하나 이상을 포함할 수 있다.
확률모델 저장부(150)는 사용자의 포인터 조작을 예측하기 위한 확률모델이 저장될 수 있다. 일반적으로 확률모델은 과거의 데이터를 바탕으로 특정 사건이 발생할 확률을 출력하는 모델이며, 기계학습 모델을 포함할 수 있다. 예를 들어서, 상기 기계학습 모델은, 마르코브 체인(Markov chain), 신경 네트워크(Neural network) 및 서포트 벡터 머신(Support vector machine) 중에서 어느 하나를 포함할 수 있다. 상기 기계학습 모델은 공지의 기술이므로 자세한 설명은 중복을 피하기 위해서 생략한다.
확률모델 저장부(150)에 저장되는 상기 확률모델은 과거의 포인터 조작 정보 및 타겟 정보를 바탕으로 객체가 선택될 확률을 출력하는 모델을 포함할 수 있다. 상기 과거의 포인터 조작 정보는, 사용자 디바이스(100)의 사용자에 의한 포인터 조작 정보뿐만 아니라, 상기 사용자와 다른 사용자에 의한 포인터 조작 정보를 포함할 수 있다. 상기 타겟 정보는, 객체 선정부(120)에서 선정한 상기 선택 대상 객체에 대한 정보를 포함할 수 있다.
상기 포인터 조작 정보에는, 사용자에 의한 포인터 조작에 관한 정보 뿐만 아니라 사용자의 시선 정보도 포함되어 있을 수 있다. 사용자의 시선 정보까지 함께 고려하여 확률 모델을 생성하면 상기 확률 모델에 사용자의 의도를 반영할 수 있기 때문에 확률 모델의 신뢰성을 높일 수 있다. 즉, 사용자가 상기 선택 대상 객체를 선택할 확률을 좀 더 높은 확률로 예측 가능할 수 있다.
발명의 일 실시예에 따르면, 상기 확률모델은 시간 차원의 확률모델과 공간 차원의 확률모델을 포함할 수 있다. 시간 차원의 확률모델은 포인터의 조작 정보만을 사용하여, 사용자가 객체를 선택하는 시기를 예측하는 확률모델이다. 예를 들어서, 포인터가 특정 개체 위에 일정 시간 이상 머무르고 있을수록 상기 객체를 선택할 확률이 높아지는 모델이다. 공간 차원의 확률모델은 포인터 조작 정보와 타겟 정보를 이용하여 사용자의 특정 객체 선택 여부를 예측하는 확률모델이다. 예를 들어서, 포인터가 네모난 객체의 특정 지점에 가깝게 위치할수록 상기 객체를 선택할 확률이 높아지는 모델이다.
발명의 일 실시예에 따르면, 상기 확률 모델은 상기 포인터 조작 정보를 평가하기 위해서 사용하는 가중치 값의 테이블을 포함할 수 있다. 예를 들어서, 포인터 조작 정보를 분석한 결과 객체를 선택하기 전에 포인터가 평균 초속 2픽셀로 움직인다고 판단한 경우, 포인터 속도에 대한 가중치는 초속 2 픽셀일 때 최대가 되며 초속 2픽셀 전후로는 가중치가 감소하도록 상기 포인터 속도에 대한 가중치 테이블을 생성할 수 있고, 상기 가중치 테이블이 확률 모델이 될 수 있다.
발명의 일 실시예에 따르면, 확률모델 저장부(150)에는 객체를 선택하는 포인터 조작을 예측하는 제1 확률모델과, 객체를 선택하지 않는 포인터 조작을 예측하는 제2 확률모델이 저장될 수 있다. 상기 제1 확률모델은 현재 시점부터 소정의 시점 이전까지의 포인터 조작 정보를 바탕으로 포인터의 위치에 대응되는 객체가 선택될 확률을 계산하는 모델일 수 있다. 상기 제2 확률모델은 현재 시점부터 소정의 시점 이전까지의 포인터 조작 정보를 바탕으로 포인터의 위치에 대응되는 객체가 선택되지 않을 확률을 계산하는 모델일 수 있다. 이하, 설명의 편의를 위해서, 확률모델 저장부(150)에는 상기 제1 확률모델과 제2 확률모델이 저장되어 있는 것으로 가정하고 설명하기로 한다.
확률모델 계산부(140)는 확률모델 저장부(150)에 저장된 확률모델에 포인터 조작 수집부(110)가 제공하는 상기 포인터 조작 정보를 적용하였을 때, 상기 확률모델에 따른 확률을 계산할 수 있다. 상기 계산된 확률모델의 확률은 프리로드 실행부(130)에 제공될 수 있다.
프리로드 실행부(130)는 객체 선정부(120)가 선정한 상기 선택 대상 객체의 프리로드 여부를 결정하고, 프리로드 실행으로 결정된 경우에 상기 선정된 선택 대상 객체의 데이터를 로드하여 메모리(160)에 저장할 수 있다. 프리로드 실행부(130)는 프리로드 여부를 결정하기 위해서, 상기 선택 대상 객체가 선택될 확률을 확률모델 계산부(140)로부터 제공 받을 수 있다.
발명의 일 실시예에 따르면, 상기 확률모델 계산부(140)의 계산 결과 제1 확률모델의 확률이 제2 확률모델의 확률보다 더 높거나 또는 제1 확률모델의 확률이 소정의 기준 확률보다 더 높은 경우, 상기 선택 대상 객체의 데이터를 프리로드 할 수 있다. 상기 기준 확률은 사전에 정해진 확률일 수 있다.
발명의 일 실시예에 따르면, 상기 선택 대상 객체의 데이터는 메모리(160)보다 입출력 속도가 느린 저장 장치에 저장되어 있을 수 있다. 예를 들어, 상기 저장 장치는 하드디스크, SSD(Solid State Disk), CD(Compact Disk), DVD(Digital Versatile Disc) 및 플래쉬 메모리(Flash Memory) 중에서 어느 하나를 포함할 수 있다.
메모리(160)는 프리로드된 선택 대상 객체의 데이터를 저장할 수 있다. 예를 들어서, 메모리(160)는 D-RAM(Dynamic RAM) 또는 S-RAM(Static RAM) 중에서 어느 하나를 포함할 수 있다.
데이터 액세스부(170) 상기 사용자의 조작에 의하여 상기 선택 대상 객체가 선택되는 경우, 상기 프리로드 된 선택 대상 객체 데이터를 액세스(access)할 수 있다. 상기 선택은 사용자의 마우스 클릭 또는 터치에 의해 객체가 선택되는 것을 포함할 수 있다. 상기 데이터가 저장된 저장 장치에 비해서 입출력 속도가 빠른 메모리(160)에서 상기 데이터를 불러옴으로써, GUI 반응 속도를 빠르게 할 수 있는 효과가 있다.
도2를 참조하여, 본 발명의 일 실시예에 따른 확률모델 생성부(190) 및 포인터 조작 저장부(195)를 더 포함하는 사용자 디바이스(101)를 설명한다.
확률모델 생성부(190)는 포인터 조작 저장부(195)에 저장되어 있는 포인터 조작 정보를 분석하여 확률 모델을 생성하고, 상기 생성된 확률 모델을 확률모델 저장부(150)에 저장할 수 있다. 포인터 조작 저장부(195)에 저장된 상기 포인터 조작 정보는, 사용자 디바이스(101)의 현재 사용자 및 다른 사용자의 과거의 포인터 조작 정보를 포함할 수 있다. 상기 과거의 포인터 조작 정보는 사전에 제공되어 포인터 조작 저장부(195)에 저장되어 있거나, 포인터 조작 수집부(110)에서 제공된 새로운 포인터 조작 정보가 추가될 수 있다.
확률모델 생성부(190)는 포인터 조작 저장부(195)에 저장된 상기 포인터 조작 정보를 이용하여, 사용자 디바이스(101)가 작동이 시작될 때, 확률모델을 생성할 수 있다.
도3를 참조하여, 본 발명의 일 실시예에 따른 확률모델 갱신부(180)를 더 포함하는 사용자 디바이스(102)를 설명한다.
확률모델 갱신부(180)는 포인터 조작 수집부(110)가 실시간으로 제공하는 포인터 조작 정보를 분석하여, 확률모델 저장부(150)에 저장된 확률모델을 갱신할 수 있다. 발명의 일 실시예에 따르면, 상기 포인터 조작 정보에 포인터 조작 정보를 통계 처리하여 각 확률모델의 상기 가중치 테이블을 갱신할 수 있다. 사용자의 조작 정보를 실시간 반영하여 확률모델을 갱신함으로써, 좀 더 정확하게 사용자의 포인터 조작을 예측할 수 있는 효과가 있다.
지금까지 도1 내지 도3의 각 구성요소는 소프트웨어(software) 또는, FPGA(field-programmable gate array)나 ASIC(application-specific integrated circuit)과 같은 하드웨어(hardware)를 의미할 수 있다. 그렇지만 상기 구성요소들은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 어드레싱(addressing)할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 상기 구성요소들 안에서 제공되는 기능은 더 세분화된 구성요소에 의하여 구현될 수 있으며, 복수의 구성요소들을 합하여 특정한 기능을 수행하는 하나의 구성요소로 구현할 수도 있다.
도 4a 내지 4b를 참조하여, 포인터 조작에 의하여 프리로드 하는 것을 설명한다. 설명의 편의를 위해서, 이하에서 디스플레이 되어 있는 화면(400)에는 그림에 대한 아이콘(420, 430, 440, 450)이 있고, 상기 아이콘(420, 430, 440, 450)을 클릭하면 클릭된 아이콘이 선택되고, 선택된 아이콘에 해당하는 원본 그림이 화면에 표시가 되는 사용자 디바이스(100)를 이용하여 설명하기로 한다.
도 4a는 디스플레이(400) 상에서 포인터가 제1 위치 (410)에서 이동을 시작하는 상태를 나타낸다. 상기 포인터는 상기 제1 위치(410)에서 제2 위치(420)까지 제1 가속도와 제1 속도로 이동하도록 조작된다. 이 때 포인터 조작 수집부(110) 상기 제1 위치, 상기 제2 위치, 상기 제1 가속도 및 상기 제1 속도를 포함하는 제1 포인터 조작 정보를 생성하며, 상기 제1 포인터 조작 정보를 확률모델 계산부(140) 및 객체 선정부(120)에 제공할 수 있다.
도 4b는 상기 포인터가 디스플레이(400) 상의 제2 위치(412)에 멈춘 상태를 나타낸다. 상기 포인터가 제2 위치(412)에 멈추면, 포인터 조작 수집부(110)는 제2 위치(412) 및 제2 위치(412)에 멈추어 있는 시간을 포함하는 제2 포인터 조작 정보를 객체 선정부(120) 및 확률모델 계산부(140)에 제공할 수 있다.
객체 선정부(120)는 상기 제2 포인터 조작 정보를 제공 받아서, 제2 위치(412)에 있는 선택 대상 객체를 선정한다. 상기 디스플레이 상에서 제2 위치(412)에 있는 객체인 그림 아이콘(450)이 선정된다.
확률모델 계산부(140)는 확률모델 저장부(150)에 저장된 확률모델에 상기 제공 받은 제1 포인터 조작 정보 및 상기 제2 포인터 조작 정보를 적용한다. 상기 적용에 따라서, 상기 확률모델의 확률을 계산하고, 상기 계산된 확률이 프리로드 실행부(130)에 제공될 수 있다. 발명의 일 실시예에 따르면, 제1 확률모델과 제2 확률모델에 따른 확률을 각각 계산하고, 객체가 선택될 제1 확률과 객체가 선택되지 제2 확률이 프리로드 실행부(130)에 제공된다.
프리로드 실행부(130)는 상기 제공 받은 확률과 사전에 정해진 기준 확률을 비교하여 프리로드 여부를 결정할 수 있다. 발명의 일 실시예에 따르면, 상기 제1 확률이 85%이고, 상기 제2 확률이 30%일 이며, 객체 선택 기준 확률이 70%일 때, 상기 제1 확률이 제2 확률보다 높고 상기 제1 확률이 상기 객체 선택 기준 확률보다 높기 때문에 프리로드 실행부(130)는 상기 선택 대상 객체에 대하여 프리로드 수행을 결정한다.
프리로드 실행부(130)는 상기 프리로드 수행이 결정되면 객체 선정부(120)가 선정한 상기 선택 대상 객체에 대한 데이터를 읽어서 메모리(160)로 저장할 수 있다. 도 4b를 참조하면, 그림 아이콘(450)이 객체 선정부(120)에 의해서 선정되고, 그림 아이콘(450)의 상기 프리로드 데이터에 해당하는 원본 그림 데이터가 저장 장치에서 메모리(160)로 로드 된다. 상기 로드 과정은 프리로드 실행부(130)가 상기 원본 그림 데이터를 상기 저장 장치에서 메모리(160)로 복사하는 것을 포함할 수 있다.
도 4b를 다시 참조하여, 데이터 액세스부(170)의 동작에 대해서 설명하면 다음과 같다. 데이터 액세스부(170)는 사용자에 의해서 객체가 선택되면, 상기 선택된 객체에 대한 데이터를 액세스하여 GUI 업데이트부(미도시)에 제공할 수 있다.
발명의 일 실시예에 따르면, 도 4b의 화면(400)에서 포인터 조작 수집부(110)가 사용자로부터 클릭 또는 터치를 입력 받으면 객체 선택을 포함하는 포인터 조작 정보를 생성하여, 데이터 액세스부(170)에 제공한다. 데이터 액세스부(170)는 상기 포인트 조작 정보를 수신하면 객체 선정부(120)가 선정한 선택 대상 객체가 메모리(160)에 로드 되어 있는지 확인한다. 데이터 액세스부(170)는 메모리(160)에 상기 선정된 객체가 로드되어 있지 않으면 상기 저장 장치에서 상기 선정된 객체의 데이터를 읽어서 메모리(160)로 로드 하여 상기 GUI 업데이트부에 제공한다. 상기 선택 대상 객체의 데이터가 메모리(160)에 로드되어 있으면, 데이터 액세스부(170)는 상기 선택 대상 객체의 데이터를 메모리(160)에서 읽어서 상기 GUI 업데이트부에 제공한다. 도 4b를 참조하면, 상기 선정된 객체는 그림 아이콘(450)이고, 데이터 액세스부(170)는 그림 아이콘(450)의 원본 그림을 전체화면으로 표시하도록 상기 데이터 액세스부(170)에 제공한다.
본 발명에서, 사용자로부터 객체 선택 입력을 받고 나서 GUI 업데이트를 완료하기까지의 시간을 반응 시간으로 정의할 수 있다. 상기 반응 시간에는 객체의 데이터를 저장 장치에서 메모리(160)로 로드 하는 과정이 포함되어 있다. 상기 저장 장치는 사용자 디바이스(100)의 로컬 저장 장치 이거나 네트워크 상에서 존재하는 서버에 존재하는 저장 장치일 수 있다. 본 발명의 사용자 디바이스(100)는 상기 저장 장치에서 상기 객체의 데이터를 메모리(160)로 로드 하는 과정을 생략함으로써 상기 반응 시간을 단축할 수 있다. 즉, 확률모델 계산부(140)에서 객체 선택에 대한 확률을 계산하면, 프리로드 실행부(130)에서 상기 확률을 바탕으로 상기 객체의 선택을 예측하여, 객체 선정부(120)가 상기 객체의 데이터를 메모리(160)에 로드할 수 있다. 실제 상기 객체가 선택이 되면 데이터 액세스부(170)는 상기 선택된 객체의 데이터를 저장 장치가 아닌 메모리(160)에 프리로드된 데이터를 액세스함으로써, 상기 저장 장치에서 상기 데이터를 로드하는 시간을 생략할 수 있고, 따라서 상기 반응 시간을 줄일 수 있는 효과가 있다.
도 5를 참조하여 발명의 일 실시예에 따른, 확률 모델에 대해서 자세히 설명한다.
본 발명의 일 실시예에 따른, 제1 확률모델 및 제2 확률모델은 현재 시점(510)에서 소정의 감시 시간(530) 이전의 감시 시작 시점(520) 사이에 발생하는 포인터 조작 정보를 바탕으로 확률을 계산하는 모델이다. 설명의 편의를 위해서, 객체를 선택하는 것을 예측하는 제1 확률 모델과 객체 선택하지 않는 것을 예측하는 제2 확률 모델로 나누었을 뿐, 확률 모델은 이에 한정되지 않는다.
상기 제1 확률 모델은, 상기 기존에 수집된 포인터 조작 정보에서 객체 선택 정보를 찾고 상기 객체 선택 정보의 시점에서 상기 감시 시간 이전까지의 포인터 조작 정보를 바탕으로 모델링된 확률 모델이다. 예를 들어서, 상기 포인터 조작 정보에서 객체 선택 이전에 나타나는 포인터 속도를 통계 처리하여, 상기 포인터 속도의 빈도에 따른 확률을 객체 선택 확률로 나타낼 수 있다. 즉, 상기 포인터 속도가 초속 20픽셀의 빈도가 80%이면, 초속 20픽셀로 움직이는 포인터 조작의 객체 선택 확률은 80%가 된다.
상기 제2 확률 모델도 상기 제1 확률 모델과 같은 방식으로 생성된 확률 모델이지만, 객체가 선택되지 않는 확률을 나타낸다는 차이점만 존재한다.
도 6을 참조하여, 프리로드 방법에 대해서 자세히 설명한다.
포인터 조작을 예측하는데 사용하는 확률모델을 생성한다(S110). 사용자의 포인터 조작을 정보를 수집한다(S120). 포인터 위치에 대응되는 객체를 선정한다(S130). 상기 수집된 포인터 조작 정보를 바탕으로 상기 확률모델의 확률을 계산한다(S140). 상기 계산된 확률을 사전에 정해진 기준 확률과 비교하여 상기 기준 확률 이상인지 여부를 판정한다(S150). 상기 판정 결과, 선택 대상 객체를 선택하는 포인터 조작 행위를 예측하는 확률모델의 확률이 기준 확률 이상인 경우에 상기 선정된 객체의 데이터에 대해서 프리로드를 수행한다(S160).
도 7을 참조하여, 프리로드된 객체의 데이터를 이용하는 방법에 대해서 설명한다.
포인터가 사용자에 의해서 조작된 포인터 조작 정보를 수집한다(S210). 상기 포인터 조작 정보가 객체 선택을 포함하고 있는지 확인한다(S220). 상기 확인 결과 포함으로 판정되면 상기 객체 선택의 대상 객체의 데이터가 로드되어 있는지 프리로드 여부를 확인한다(S230). 상기 프리로드 여부 확인 결과, 프리로드 되어 있지 않다면, 상기 객체 선택의 대상 객체의 데이터를 메모리로 로드한다(S240). 상기 프리로드 여부 확인 결과 프리로드 되어 있으면, 상기 객체 선택의 대상 객체의 데이터를 메모리에서 읽어온다(S250). 상기 읽어온 데이터를 바탕으로 GUI를 업데이트한다(S260).
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
사용자 디바이스 100
Claims (16)
- 객체 선택 확률을 모델링 하는 확률모델을 저장하는 확률모델 저장부;
포인터를 이동시키기 위한 사용자의 조작에 따른 포인터 조작 정보를 수집하는 포인터 조작 수집부;
상기 수집된 포인터 조작 정보를 기반으로 상기 포인터가 위치한 영역에 대응되는 선택 대상 객체를 선정하고 상기 선정된 선택 대상 객체에 대한 정보를 포함하는 타겟 정보를 생성하는 객체 선정부;
상기 수집된 포인터 조작 정보를 바탕으로 상기 확률모델에 따른 객체 선택 확률을 계산하는 확률모델 계산부;
상기 확률모델의 계산된 객체 선택 확률이 소정의 조건을 만족하는 경우 상기 선택 대상 객체의 데이터를 프리로드(pre-load)하는 프리로드 실행부; 및
상기 사용자의 조작에 의하여 상기 선택 대상 객체가 선택되는 경우, 상기 프리로드 된 선택 대상 객체 데이터를 액세스(access)하는 데이터 액세스부를 포함하는,
사용자 디바이스. - 제1항에 있어서,
상기 포인터 조작 정보는,
디스플레이 상에서 상기 포인터가 위치한 x-y 좌표를 바탕으로 상기 포인터의 속도, 상기 포인터의 가속도, 상기 포인터가 위치한 지점의 선택, 상기 선택 시점 및 현재 시간 중에서 적어도 어느 하나를 포함하는,
사용자 디바이스. - 제1항에 있어서,
사용자의 눈동자 위치를 가리키는 시선 좌표를 연산하는 눈동자 인식부를 더 포함하되,
상기 포인터 조작 정보는,
상기 눈동자 인식부가 연산한 상기 시선 좌표, 상기 시선 좌표의 이동 속도, 상기 시선 좌표의 이동 가속도 및 상기 시선 좌표와 상기 포인터 사이의 거리를 가리키는 시선 거리를 포함하는,
사용자 디바이스. - 제1항에 있어서,
사전에 수집되어서 제공된 포인터 조작 정보를 분석하여 상기 확률모델을 생성하고, 상기 생성된 확률모델을 상기 확률모델 저장부에 저장하는 확률모델 생성부를 더 포함하는,
사용자 디바이스. - 제4항에 있어서,
상기 확률모델 생성부는 상기 포인터 조작 정보에 포함된 조작 정보 중에서 객체를 선택하는 조작 정보를 찾아서 상기 객체를 선택하는 조작 시점을 기준으로 소정의 시간 이전까지의 조작 정보를 바탕으로 상기 확률모델을 생성하는,
사용자 디바이스. - 제1항에 있어서,
상기 포인터 조작 수집부에서 수집된 상기 포인터 조작 정보를 분석하여 상기 확률모델 저장부에 저장된 확률모델을 갱신하는 상기 확률모델 갱신부를 더 포함하는,
사용자 디바이스. - 제1항에 있어서,
상기 확률모델은,
상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택될 확률을 출력하는 제1 확률모델 및 상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택되지 않을 확률을 출력하는 제2 확률모델을 포함하는,
사용자 디바이스. - 제7항에 있어서,
상기 프리로드 실행부는,
상기 확률모델 계산부의 계산 결과 제1 확률모델의 확률이 제2 확률모델의 확률보다 더 높거나 또는 제1 확률모델의 확률이 소정의 기준 확률보다 더 높은 경우, 상기 선택 대상 객체의 데이터를 프리로드 하는,
사용자 디바이스. - 객체 선택 확률을 모델링 하는 확률모델을 저장하는 단계;
포인터를 이동시키기 위한 사용자의 조작에 따른 포인터 조작 정보를 수집하는 단계;
상기 수집된 포인터 조작 정보를 기반으로 상기 포인터가 위치한 영역에 대응되는 선택 대상 객체를 선정하는 단계;
상기 수집된 포인터 조작 정보를 바탕으로 상기 확률모델에 따른 객체 선택 확률을 계산하는 단계;
상기 확률모델의 계산된 객체 선택 확률이 소정의 조건을 만족하는 경우 상기 선택 대상 객체의 데이터를 프리로드(pre-load)하는 단계; 및
상기 사용자의 조작에 의하여 상기 선택 대상 객체가 선택되는 경우, 상기 프리로드 된 선택 대상 객체 데이터를 액세스(access)하는 단계를 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제9항에 있어서,
상기 포인터 조작 정보는,
디스플레이 상에서 상기 포인터가 위치한 x-y 좌표를 바탕으로 상기 포인터의 속도, 상기 포인터의 가속도, 상기 포인터가 위치한 지점의 선택, 상기 선택 시점 및 현재 시간 중에서 적어도 어느 하나를 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제9항에 있어서,
상기 포인터 조작 정보를 수집하는 단계는,
사용자의 눈동자 위치를 가리키는 시선 좌표를 연산하는 단계를 포함하되,
상기 포인터 조작 정보는,
상기 시선 좌표, 상기 시선 좌표의 이동 속도, 상기 시선 좌표의 이동 가속도 및 상기 시선 좌표와 상기 포인터 사이의 거리를 가리키는 시선 거리를 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제9항에 있어서,
상기 확률모델을 저장하는 단계 이전에,
사전에 수집되어서 제공된 포인터 조작 정보를 분석하여 상기 확률모델을 생성하는 단계; 및
상기 생성된 확률모델을 저장하는 단계를 더 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제12항에 있어서,
상기 확률모델 생성하는 단계는,
상기 포인터 조작 정보에 포함된 조작 정보 중에서 객체를 선택하는 조작 정보를 찾아서 상기 객체를 선택하는 조작 시점을 기준으로 소정의 시간 이전까지의 조작 정보를 바탕으로 상기 확률모델을 생성하는 단계를 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제9항에 있어서,
상기 포인터의 조작 정보를 수집하는 단계 이후에,
상기 수집된 상기 포인터 조작 정보를 분석하여 상기 저장된 확률모델을 갱신하는 상기 확률모델 갱신단계를 더 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제9항에 있어서,
상기 확률모델은,
상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택될 확률을 출력하는 제1 확률모델 및 상기 사용자의 포인터 조작에 의해서 상기 선택 대상 객체가 선택되지 않을 확률을 출력하는 제2 확률모델을 포함하는,
사용자 디바이스의 데이터 프리로드 방법. - 제15항에 있어서,
상기 프리로드 하는 단계는,
상기 확률모델의 계산 결과 제1 확률모델의 확률이 제2 확률모델의 확률보다 더 높거나 또는 제1 확률모델의 확률이 소정의 기준 확률보다 더 높은 경우, 상기 선택 대상 객체의 데이터를 프리로드 하는 단계를 포함하는,
사용자 디바이스의 데이터 프리로드 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20140000740A KR101485907B1 (ko) | 2014-01-03 | 2014-01-03 | 확률모델에 기반한 데이터 프리로드 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20140000740A KR101485907B1 (ko) | 2014-01-03 | 2014-01-03 | 확률모델에 기반한 데이터 프리로드 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101485907B1 true KR101485907B1 (ko) | 2015-02-11 |
Family
ID=52591188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR20140000740A KR101485907B1 (ko) | 2014-01-03 | 2014-01-03 | 확률모델에 기반한 데이터 프리로드 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101485907B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733814A (zh) * | 2018-05-21 | 2018-11-02 | Oppo广东移动通信有限公司 | 搜索引擎预加载方法、装置、存储介质及终端 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10293689A (ja) * | 1997-04-18 | 1998-11-04 | Kobe Nippon Denki Software Kk | ウィンドウシステムのオブジェクトプログラムプリロー ド方法およびその方法のためのプログラムを記録した記 録媒体 |
JP2009539168A (ja) | 2006-05-29 | 2009-11-12 | サンディスク アイエル リミテッド | 予測型データローダ |
KR20110049957A (ko) * | 2009-11-06 | 2011-05-13 | 서강대학교산학협력단 | 사용기록 기반의 동적 스케줄링 방법, 장치 및 그 기록 매체 |
KR20130133225A (ko) * | 2010-12-29 | 2013-12-06 | 마이크로소프트 코포레이션 | 컴퓨팅 디바이스 내의 터치 이벤트의 예상 |
-
2014
- 2014-01-03 KR KR20140000740A patent/KR101485907B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10293689A (ja) * | 1997-04-18 | 1998-11-04 | Kobe Nippon Denki Software Kk | ウィンドウシステムのオブジェクトプログラムプリロー ド方法およびその方法のためのプログラムを記録した記 録媒体 |
JP2009539168A (ja) | 2006-05-29 | 2009-11-12 | サンディスク アイエル リミテッド | 予測型データローダ |
KR20110049957A (ko) * | 2009-11-06 | 2011-05-13 | 서강대학교산학협력단 | 사용기록 기반의 동적 스케줄링 방법, 장치 및 그 기록 매체 |
KR20130133225A (ko) * | 2010-12-29 | 2013-12-06 | 마이크로소프트 코포레이션 | 컴퓨팅 디바이스 내의 터치 이벤트의 예상 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733814A (zh) * | 2018-05-21 | 2018-11-02 | Oppo广东移动通信有限公司 | 搜索引擎预加载方法、装置、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109240576B (zh) | 游戏中的图像处理方法及装置、电子设备、存储介质 | |
US9886177B2 (en) | Method for increasing GUI response speed of user device through data preloading, and said user device | |
RU2635285C1 (ru) | Способ и устройство управления перемещением на сенсорном экране | |
JP5803910B2 (ja) | 領域推薦装置、領域推薦方法およびプログラム | |
CN106293074B (zh) | 一种情绪识别方法和移动终端 | |
US20160062625A1 (en) | Computing device and method for classifying and displaying icons | |
CN111566615B (zh) | 使用shell应用特征遥测的特征使用预测 | |
US11429272B2 (en) | Multi-factor probabilistic model for evaluating user input | |
US9886190B2 (en) | Gesture discernment and processing system | |
CN107608609B (zh) | 一种事件对象发送方法与装置 | |
US11436188B2 (en) | Resource optimization and update method, server, and device | |
CN108509133B (zh) | 搜索组件展示方法和装置 | |
WO2018112856A1 (zh) | 基于语音控制的位置定位方法、装置、用户设备及计算机程序产品 | |
JP6710198B2 (ja) | 情報検索 | |
US10078443B2 (en) | Control system for virtual mouse and control method thereof | |
CN108604142B (zh) | 一种触屏设备操作方法及触屏设备 | |
KR101485907B1 (ko) | 확률모델에 기반한 데이터 프리로드 방법 및 장치 | |
JP2018508865A (ja) | アプリケーションイベントの追跡 | |
CN112035732A (zh) | 一种搜索结果的扩展方法、***、设备和存储介质 | |
CN111625297A (zh) | 一种应用程序的显示方法、终端和计算机可读存储介质 | |
US9519497B1 (en) | Managing visual updates | |
KR101414237B1 (ko) | 데이터 프리로드를 통한 단말의 gui 반응 속도 증대 방법 및 그 단말 | |
CN107077272B (zh) | 响应于用户动作而确定启用直接操纵的命中测试 | |
CN115470190A (zh) | 一种多存储池数据分类存储方法、***与电子设备 | |
US20220269935A1 (en) | Personalizing Digital Experiences Based On Predicted User Cognitive Style |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20180103 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20190114 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20200305 Year of fee payment: 6 |