一种文件处理方法、装置、计算设备及存储介质与流程

本申请涉及互联网
技术领域：
，特别涉及一种文件处理方法、装置、计算设备及存储介质。
背景技术：
：现有技术的游戏文件系统的常见结构是客户端或服务器是同构的，即所有客户端的文件均和服务器一致，拥有游戏的完整的文件包。现有大型3d游戏的文件系统大小往往达到或超过几十g字节的量级，用户下载完整的游戏客户端文件非常耗时，且由于容量过大，往往导致用户的硬盘存储空间不够而无法完成下载安装。此外，现有技术的游戏文件系统不支持定制，即每个客户端的文件均必须和服务器保持一致，导致服务器中需要针对任何资源文件进行更改时，所有客户端均需要进行相同的更改，这种更改往往会以暂停游戏为代价。技术实现要素：有鉴于此，本申请实施例提供了一种文件处理方法、装置、计算设备及存储介质，以解决现有技术中存在的技术缺陷。本申请实施例公开了一种文件处理方法，应用于服务器端，包括：从客户端获取用户的数据信息；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。可选的，在从客户端获取用户的数据信息之后，还包括：判断所述用户的数据信息中是否包括用户的状态数据信息。可选的，所述概率预测模型包括独立概率预测模型；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，将所述附加资源文件分包的预测使用序列返回给所述客户端包括：在所述用户的数据信息中包括用户的状态数据信息的情况下，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列，并将所述附加资源文件分包的独立预测使用序列返回给所述客户端。可选的，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列包括：根据所述独立概率预测模型得到每个附加资源文件分包的使用概率；将所述每个附加资源文件分包的使用概率由高到低依次进行排序；获取所述使用概率位于前n位且大于使用阈值的附加资源文件分包的第一标识信息，其中，n为大于等于1的正整数；根据所述第一标识信息生成所述附加资源文件分包的独立预测使用序列。可选的，所述独立概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，所述概率预测模型包括全局概率预测模型；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端包括：在所述用户的数据信息中未包括用户的状态数据信息的情况下，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列，并将所述附加资源文件分包的全局预测使用序列返回给所述客户端。可选的，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列包括：根据所述全局概率预测模型得到每个附加资源文件分包的使用概率；将所述每个附加资源文件分包的使用概率由高到低依次进行排序；获取所述使用概率位于前n位且大于使用阈值的附加资源文件分包的第一标识信息，其中，n为大于等于1的正整数；根据所述第一标识信息生成所述附加资源文件分包的全局预测使用序列。可选的，所述全局概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息不包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，在从客户端获取所述用户的基本数据之前，还包括：向客户端发送必要资源文件包；根据客户端的请求向客户端发送至少一个附加资源文件分包。可选的，所述用户的数据信息还包括用户的标识信息、用户的角色信息和用户的等级信息；所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。本申请还提供一种文件处理方法，应用于客户端，包括：获取用户的数据信息；将所述用户的数据信息发送至服务器端；判断是否从所述服务器端接收到附加资源文件分包的预测使用序列；在从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。可选的，在未从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，调用预存的使用概率排序表；根据所述使用概率排序表从所述服务器端按顺序下载对应的附加资源文件分包。可选的，在获取用户的数据信息之前，还包括：从服务器端获取必要资源文件包；根据用户的请求从服务器获取对应的至少一个附加资源文件分包；根据获取的必要资源文件包和附加资源文件分包，生成文件包队列。可选的，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息和用户的状态数据信息；或者，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息；所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。本申请还提供一种文件处理装置，包括：第一获取模块，被配置为从客户端获取用户的数据信息；预测模块，被配置为将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；反馈模块，被配置为根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。本申请还提供了一种文件处理装置，其特征在于，包括：第二获取模块，被配置为获取用户的数据信息；传输模块，被配置为将所述用户的数据信息发送至服务器端；分析模块，被配置为判断是否从所述服务器端接收到附加资源文件分包的预测使用序列；执行模块，被配置为在从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。本申请还提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现如上所述方法的步骤。本申请还提供了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如上所述方法的步骤。本申请提供的一种文件处理方法、装置、计算设备及存储介质，基于人工智能技术，由系统自动大量收集终端用户过往的游戏数据信息，并根据收集的数据信息进行分析计算，判断该用户近期可能用到的游戏资源文件，并自动在游戏过程中下载对应的游戏资源文件，使得各个用户的客户端都是不一样的，均是由系统根据用户之前的游戏行为对用户进行私人定制而形成的客户端，使得用户无须下载服务器的全部数据，而是通过人工智能技术生成满足用户需要的实时定制化客户端，方便灵活解决了现有技术的客户端文件过大问题。附图说明图1是本申请实施例的计算设备的框架示意图；图2是本申请实施例的文件系统的物理实施架构的示意图；图3是本申请实施例的文件处理方法的流程图；图4是本申请实施例的文件处理方法的流程图；图5是本申请实施例的文件处理方法的流程图；图6是本申请实施例的文件处理方法的流程图；图7是本申请实施例的文件处理方法的流程图；图8是本申请实施例的文件处理方法的流程图；图9是本申请实施例的文件处理方法的流程图；图10是本申请实施例的文件处理系统的结构示意图；图11是本申请实施例的文件处理系统的结构示意图。具体实施方式在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。首先，对本发明一个或多个实施例涉及的名词术语进行解释。马尔可夫过程：在已知它目前的状态的条件下，它未来的演变不依赖于它以往的演变，这种已知“现在”的条件下，“将来”与“过去”独立的特性称为马尔可夫性，具有这种性质的随机过程叫做马尔可夫过程。在本申请中，提供了一种文件处理方法、装置、计算设备及存储介质，在下面的实施例中逐一进行详细说明。图1是示出了根据本说明书一实施例的计算设备100的结构框图。该计算设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接，数据库150用于保存数据。计算设备100还包括接入设备140，接入设备140使得计算设备100能够经由一个或多个网络160通信。这些网络的示例包括公用交换电话网(pstn)、局域网(lan)、广域网(wan)、个域网(pan)或诸如因特网的通信网络的组合。接入设备140可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic))中的一个或多个，诸如ieee802.11无线局域网(wlan)无线接口、全球微波互联接入(wi-max)接口、以太网接口、通用串行总线(usb)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc)接口，等等。在本说明书的一个实施例中，计算设备100的上述部件以及图1中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图1所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。计算设备100可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或pc的静止计算设备。计算设备100还可以是移动式或静止式的服务器。本申请实施例中，如图2所示，所述服务器可以是网络游戏的服务器，在所述服务器内存储有游戏资源文件，在游戏资源文件的目录下包括必要资源文件夹和附加资源文件夹，所述必要资源文件夹内包括维持游戏正常运行的必要文件资源，例如逻辑配置数据文件、登录场景资源数据文件、基本角色数据文件、基本ui数据文件和新手村地图资源文件等，所述附加资源文件夹内包括游戏运行中的附加文件资源，例如地图资源、角色资源、npc资源、音效音乐资源、高清贴图资源等。游戏开发人员在服务器端根据配置表对游戏资源文件通过打包工具进行打包，最终得到一个完整的游戏资源包，该游戏资源包中包括必要资源文件包、附加资源文件包和索引文件，其中所述必要资源文件包中集中压缩存储有多个必要资源文件，所述附加资源文件包包括多个附加资源文件分包，每个附加资源文件分包中集中压缩存储有特定的附加资源文件，所述索引文件中记录有存储在游戏资源包中的文件与存储在游戏资源文件中的所有文件的映射关系，使得在上层系统向本申请的文件系统传递特定文件的路径信息的情况下，本申请文件系统能够准确返回数据给上层系统。所有客户端均需要在安装时下载所述必要资源文件包，用户可以通过客户端提供的下载选项对所述附加资源文件分包的进行选择性的下载，系统随时记录用户的下载行为，并将下载行为数据作为后续的附加资源文件分包下载分析判断的依据之一，实现持续优化资源文件的定制下载系统，使得每个客户端之间所下载的资源文件分包的个数和/或种类可以不一样。其中，处理器120可以执行图3所示方法中的步骤。图3是示出了根据本申请一实施例的文件处理方法的示意性流程图，应用于服务器端，包括步骤301至步骤303。步骤301：从客户端获取用户的数据信息。在本申请实施例中，系统的服务器端从客户端获取用户的数据信息，其中，所述用户的数据信息包括用户的状态数据信息、用户的标识信息、用户的角色信息和用户的等级信息等。例如，在大型游戏系统中，所述用户的状态数据信息可以是用户在游戏中所使用的资源数据即附加资源文件分包，所述用户的标识信息可以是用户的游戏账号或id，所述用户的角色信息可以是用户的游学角色的职业或门派，所述用户的等级信息可以是用户的游戏角色的等级，当然，所述用户的数据信息还可以包括用户的常用地图信息、用户的常用的地图切换顺序信息、用户的任务执行情况以及用户的游戏好友数据等等。步骤302：将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端。在本申请实施例中，在服务器端的预测服务器中预先离线训练好一个概率预测模型，将所述用户的数据信息输入概率预测模型，对该用户的数据信息对应的用户在近期游戏过程中可能使用到的所述附加资源文件分包进行预测，得到附加资源文件分包的预测使用序列，并将预测结果即所述附加资源文件分包的预测使用序列返回给所述客户端。步骤303：根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。在本申请实施例中，在服务器端中的游戏服务器接收到所述客户端的请求，并在游戏运行的过程中将对应的所述附加资源文件分包发送至所述客户端，使得在客户端内提前存储有用户近期在游戏过程中可能会使用到附加资源文件分包，从而用户能够始终处于流畅的游戏体验当中。本申请基于人工智能技术，由系统自动大量收集终端用户过往的游戏数据信息，并根据收集的数据信息进行分析计算，判断该用户近期可能用到的游戏资源文件，并自动在游戏过程中下载对应的游戏资源文件，使得各个用户的客户端都是不一样的，均是由系统根据用户之前的游戏行为对用户进行私人定制而形成的客户端，使得用户无须下载服务器的全部数据，而是通过人工智能技术生成满足用户需要的实时定制化客户端，方便灵活解决了现有技术的客户端文件过大问题。其中，处理器120可以执行图4所示方法中的步骤。图4是示出了根据本申请一实施例的文件处理方法的示意性流程图，应用于服务器端，包括步骤401至步骤405。步骤401：从客户端获取用户的数据信息。在本申请实施例中，系统的服务器端从客户端获取用户的数据信息，其中，所述用户的数据信息包括用户的状态数据信息、用户的标识信息、用户的角色信息和用户的等级信息等。例如，在大型游戏系统中，所述用户的状态数据信息可以是用户在游戏中所使用的资源数据即附加资源文件分包，所述用户的标识信息可以是用户的游戏账号或id，所述用户的角色信息可以是用户的游学角色的职业或门派，所述用户的等级信息可以是用户的游戏角色的等级，当然，所述用户的数据信息还可以包括用户的常用地图信息、用户的常用的地图切换顺序信息、用户的任务执行情况以及用户的游戏好友数据等等。步骤402：判断所述用户的数据信息中是否包括用户的状态数据信息。若是则执行步骤403，若否则执行步骤404。在本申请实施例中，所述服务器端中预测服务器判断所述用户的数据信息中是否包括用户的状态数据信息，其差异产生的原因在于对于新用户而言其尚未加载相关的资源数据即附加资源文件分包，因此并没有相应的状态数据信息，因此，为了使本申请能够处理全部的情况，在所述预测服务器中存储有独立概率预测模型和全局概率预测模型。步骤403：将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列，并将所述附加资源文件分包的独立预测使用序列返回给所述客户端。在本申请实施例中，所述概率预测模型包括独立概率预测模型，在所述用户的数据信息中包括用户的状态数据信息的情况下，通过将所述用户的数据信息输入独立概率预测模型，所述独立概率预测模型通过对所述用户的状态数据信息进行分析和计算，得到附加资源文件分包的独立预测使用序列的预测结果，即该状态数据信息对应的用户近期在游戏过程中可能会使用到的附加资源文件分包的预测序列。在本申请实施例中，如图5所示，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列包括步骤501至步骤504：步骤501：根据所述独立概率预测模型得到每个附加资源文件分包的使用概率。在本申请实施例中，将用户的数据信息输入独立概率预测模型，得到每个附加资源文件分包对应在该用户当前数据条件下可能被使用的概率。以用户在游戏中的地图切换过程为例，假设其地图切换过程为一个马尔可夫过程，即用户将要加载的储存有游戏地图资源的附加资源文件分包只与最近几次加载的储存有游戏地图资源的附加资源文件分包相关，则所述预测服务器会根据用户的标识信息、用户的角色信息、用户的等级信息和用户的状态数据信息计算生成独立马尔可夫概率转移矩阵，并根据所述独立马尔可夫概率转移矩阵得到附加资源文件分包的独立预测使用序列，其中，所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息，例如储存有游戏地图资源的附加资源文件分包的标识信息。步骤502：将所述每个附加资源文件分包的使用概率由高到低依次进行排序。步骤503：获取所述使用概率位于前n位且大于使用阈值的附加资源文件分包的第一标识信息，其中，n为大于等于1的正整数。在本申请实施例中，如表1所示，在实际操作中，可以仅保留所述使用概率位于前10位且大于使用阈值大于2％的附加资源文件分包的第一标识信息。表1附加资源文件分包的第一标识信息使用概率m3150％m3242％m3338％m3435％m3531％m4127％m4222％m4317％m4411％m455％步骤504：根据所述第一标识信息生成所述附加资源文件分包的独立预测使用序列。在本申请实施例中，根据表1中的使用概率位于前10位且大于使用阈值大于2％的附加资源文件分包的第一标识信息生成所述附加资源文件分包的独立预测使用序列，即用户近期在游戏过程中可能会使用到的附加资源文件分包的前十位的预测序列。步骤404：将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列，并将所述附加资源文件分包的全局预测使用序列返回给所述客户端。在本申请实施例中，所述概率预测模型包括全局概率预测模型，在所述用户的数据信息中未包括用户的状态数据信息的情况下，通过将所述用户的数据信息输入全局概率预测模型，所述独立概率预测模型通过对所述用户的状态数据信息进行分析和计算，得到附加资源文件分包的全局预测使用序列的预测结果，即该状态数据信息对应的用户近期在游戏过程中可能会使用到的附加资源文件分包的预测序列。在本申请实施例中，如图6所示，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列包括步骤601至步骤604：步骤601：根据所述全局概率预测模型得到每个附加资源文件分包的使用概率。在本申请实施例中，将新手用户的数据信息输入全局概率预测模型，得到每个附加资源文件分包对应在该用户当前数据条件下可能被使用的概率。以用户在游戏中的地图切换过程为例，假设其地图切换过程为一个马尔可夫过程，即用户将要加载的储存有游戏地图资源的附加资源文件分包只与最近几次加载的储存有游戏地图资源的附加资源文件分包相关，然而由于新用户没有对应的状态数据信息，则所述预测服务器会根据用户的标识信息、用户的角色信息和用户的等级信息生成全局马尔可夫概率转移矩阵，并根据所述全局马尔可夫概率转移矩阵得到附加资源文件分包的全局预测使用序列，其中，所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息，例如储存有游戏地图资源的附加资源文件分包的标识信息。步骤602：将所述每个附加资源文件分包的使用概率由高到低依次进行排序。步骤603：获取所述使用概率位于前n位且大于使用阈值的附加资源文件分包的第一标识信息，其中，n为大于等于1的正整数。在本申请实施例中，如表2所示，在实际操作中，可以仅保留所述使用概率位于前10位且大于使用阈值大于2％的附加资源文件分包的第一标识信息。表2附加资源文件分包的第一标识信息使用概率m5166％m5258％m5347％m5440％m5538％m6132％m6229％m6322％m6416％m659％步骤604：根据所述第一标识信息生成所述附加资源文件分包的全局预测使用序列。在本申请实施例中，根据表2中的使用概率位于前10位且大于使用阈值大于2％的附加资源文件分包的第一标识信息生成所述附加资源文件分包的全局预测使用序列，即新手用户近期在游戏过程中可能会使用到的附加资源文件分包的前十位的预测序列。步骤405：根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。在本申请实施例中，在服务器端中的游戏服务器接收到所述客户端的请求，并在游戏运行的过程中将对应的所述附加资源文件分包发送至所述客户端，使得在客户端内提前存储有用户近期在游戏过程中可能会使用到附加资源文件分包，从而用户能够始终处于流畅的游戏体验当中。可选的，所述独立概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，所述全局概率预测模型通过以下方法训练：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息不包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。本申请通过马尔可夫模型提前离线训练出独立概率预测模型和全局概率预测模型，从而在用户进入游戏时收集用户的数据信息，对用户在近期在游戏过程中可能会使用到的附加资源文件分包的使用概率进行预测和排序，将使用概率较高若干个附加资源文件分包在游戏运行的过程中发送至对应的客户端，实现了每个用户端之间的异构和个性化。其中，处理器120可以执行图7所示方法中的步骤。图7是示出了根据本申请一实施例的文件处理方法的示意性流程图，应用于服务器端，包括步骤701至步骤705。步骤701：向客户端发送必要资源文件包。在本申请实施例中，所述服务器端强制向每个客户端发送用于维持游戏正常运行的必要资源文件包步骤702：根据客户端的请求向客户端发送至少一个附加资源文件分包。在本申请实施例中，所述服务器端根据客户端的请求向客户端发送至少一个附加资源文件分包，由于每个客户端的请求可能存在差异使得每个客户端下载的附加资源文件分包的种类也存在差异。步骤703：从客户端获取用户的数据信息。在本申请实施例中，系统的服务器端从客户端获取用户的数据信息，其中，所述用户的数据信息包括用户的状态数据信息、用户的标识信息、用户的角色信息和用户的等级信息等。例如，在大型游戏系统中，所述用户的状态数据信息可以是用户在游戏中所使用的资源数据即附加资源文件分包，所述用户的标识信息可以是用户的游戏账号或id，所述用户的角色信息可以是用户的游戏角色的职业或门派，所述用户的等级信息可以是用户的游戏角色的等级，当然，所述用户的数据信息还可以包括用户的常用地图信息、用户的常用的地图切换顺序信息、用户的任务执行情况以及用户的游戏好友数据等等。步骤704：将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端。在本申请实施例中，在服务器端的预测服务器中预先离线训练好一个概率预测模型，将所述用户的数据信息输入概率预测模型，对该用户的数据信息对应的用户在近期游戏过程中可能使用到的所述附加资源文件分包进行预测，得到附加资源文件分包的预测使用序列，并将预测结果即所述附加资源文件分包的预测使用序列返回给所述客户端。步骤705：根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。在本申请实施例中，在服务器端中的游戏服务器接收到所述客户端的请求，并在游戏运行的过程中将对应的所述附加资源文件分包发送至所述客户端，使得在客户端内提前存储有用户近期在游戏过程中可能会使用到附加资源文件分包，从而用户能够始终处于流畅的游戏体验当中。本申请通过将文件系统内的文件划分为必须下载的必要资源文件包和可以进行选择性下载的附加资源文件包，并将所述附加资源文件包分为为多个附加资源文件分包，任一客户端可以根据用户信息从服务器获取多个附加资源文件分包中一个或几个附加资源文件分包，便于客户端的定制、管理和文件的删除。其中，处理器120可以执行图8所示方法中的步骤。图8是示出了根据本申请一实施例的文件处理方法的示意性流程图，应用于客户端，包括步骤801至步骤806。步骤801：获取用户的数据信息。在本申请实施例中，所述用户的数据信息包括用户的状态数据信息、用户的标识信息、用户的角色信息和用户的等级信息等。例如，在大型游戏系统中，所述用户的状态数据信息可以是用户在游戏中所使用的资源数据即附加资源文件分包，所述用户的标识信息可以是用户的游戏账号或id，所述用户的角色信息可以是用户的游学角色的职业或门派，所述用户的等级信息可以是用户的游戏角色的等级，当然，所述用户的数据信息还可以包括用户的常用地图信息、用户的常用的地图切换顺序信息、用户的任务执行情况以及用户的游戏好友数据等等。步骤802：将所述用户的数据信息发送至服务器端。步骤803：判断是否从所述服务器端接收到附加资源文件分包的预测使用序列。若是则执行步骤804，若否则执行步骤805至806。步骤804：根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。在本申请实施例中，在从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。步骤805：调用预存的使用概率排序表。在本申请实施例中，在网络通讯出现异常，使得客户端未能从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，调用预存在客户端内的使用概率排序表，所述使用概率排序表中存储有开发人员根据用户的角色信息和用户的等级信息，对若干个附加资源文件分包的使用概率的排序，对于整个系统是全局固定的，并移文件的放在客户端。步骤806：根据所述使用概率排序表从所述服务器端按顺序下载对应的附加资源文件分包。在本申请实施例中，客户端根据根据所述使用概率排序表从所述服务器端按顺序下载对应的附加资源文件分包，可以实现在游戏的运行过程中对附加资源文件分包进行下载，保证了用户的游戏体验。可选的，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息和用户的状态数据信息；或者，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息；可选的，所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。在本申请的一个实施例中，如图9所示，在获取用户的数据信息之前，还包括步骤901至步骤903：步骤901：从服务器端获取必要资源文件包。步骤902：根据用户的请求从服务器获取对应的至少一个附加资源文件分包。步骤903：根据获取的必要资源文件包和附加资源文件分包，生成文件包队列。本申请实施例中，所述客户端将获取到的必要资源文件包和附加资源文件分包生成一个文件包队列，即客户端初始的游戏文件列表，所述客户端通过加载该文件包队列从而使得用户能够进行游戏。本申请通过将文件系统内的文件划分为必须下载的必要资源文件包和可以进行选择性下载的附加资源文件包，并将所述附加资源文件包分为为多个附加资源文件分包，任一客户端可以根据用户信息从服务器获取多个附加资源文件分包中一个或几个附加资源文件分包，便于客户端的定制、管理和文件的删除。与上述方法实施例相对应，本说明书还提供了文件处理系统的实施例，图10和图11示出了本说明书一实施例的文件处理系统的模块图。如图10所示，该文件处理系统包括：第一获取模块1001，被配置为从客户端获取用户的数据信息；预测模块1002，被配置为将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；反馈模块1003，被配置为根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。可选的，所述装置还包括：判断模块1004，判断所述用户的数据信息中是否包括用户的状态数据信息。可选的，所述概率预测模型包括独立概率预测模型；所述预测模块1002包括：第一预测子模块，被配置为在所述用户的数据信息中包括用户的状态数据信息的情况下，将所述用户的数据信息输入独立概率预测模型，得到附加资源文件分包的独立预测使用序列，并将所述附加资源文件分包的独立预测使用序列返回给所述客户端。所述第一预测子模块包括：第一计算单元，被配置为根据所述独立概率预测模型得到每个附加资源文件分包的使用概率；第一排序单元，被配置为将所述每个附加资源文件分包的使用概率由高到低依次进行排序；第一保留单元，被配置为获取所述使用概率位于前n位且大于使用阈值的附加资源文件分包的第一标识信息，其中，n为大于等于1的正整数；第一生成单元，被配置为根据所述第一标识信息生成所述附加资源文件分包的独立预测使用序列。可选的，所述装置还包括第一模型训练模块，被配置为：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，所述概率预测模型包括全局概率预测模型；预测模块1002包括：第二预测子模块，被配置为在所述用户的数据信息中未包括用户的状态数据信息的情况下，将所述用户的数据信息输入全局概率预测模型，得到附加资源文件分包的全局预测使用序列，并将所述附加资源文件分包的全局预测使用序列返回给所述客户端。所述第二预测子模块包括：第二计算单元，被配置为根据所述全局概率预测模型得到每个附加资源文件分包的使用概率；第二排序单元，被配置为将所述每个附加资源文件分包的使用概率由高到低依次进行排序；第二保留单元，被配置为获取所述使用概率位于前n位且大于使用阈值的附加资源文件分包的第一标识信息，其中，n为大于等于1的正整数；第二生成单元，被配置为根据所述第一标识信息生成所述附加资源文件分包的全局预测使用序列。可选的，所述装置还包括第二模型训练模块，被配置为：获取训练样本集，其中，所述训练样本集包括用户的历史数据信息以及用户下载的附加资源文件分包的目标标识信息，所述用户的历史数据信息不包括历史状态数据信息；通过所述训练样本集对独立概率预测模型进行训练，得到训练好的独立概率预测模型，所述独立概率预测模型使得所述用户的历史数据信息与所述用户下载的附加资源文件分包的目标标识信息相关联。可选的，所述装置还包括：第一配置模块1005，被配置为向客户端发送必要资源文件包；第二配置模块1006，被配置为根据客户端的请求向客户端发送至少一个附加资源文件分包。可选的，所述用户的数据信息还包括用户的标识信息、用户的角色信息和用户的等级信息；所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。在本申请的另一个实施例中，如图11所示，本申请的文件系统还包括：第二获取模块1101，被配置为获取用户的数据信息；传输模块1102，被配置为将所述用户的数据信息发送至服务器端；分析模块1103，被配置为判断是否从所述服务器端接收到附加资源文件分包的预测使用序列；执行模块1104，被配置为在从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，根据所述预测使用序列从所述服务器端按顺序下载对应的附加资源文件分包。所述执行模块1104还被配置为在未从所述服务器端接收到附加资源文件分包的预测使用序列的情况下，调用预存的使用概率排序表；根据所述使用概率排序表从所述服务器端按顺序下载对应的附加资源文件分包。可选的，所述装置还包括：第一接收模块1105，被配置为从服务器端获取必要资源文件包；第二接收模块1106，被配置为根据用户的请求从服务器获取对应的至少一个附加资源文件分包；集合模块1107，被配置为根据获取的必要资源文件包和附加资源文件分包，生成文件包队列。可选的，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息和用户的状态数据信息；或者，所述用户的数据信息包括用户的标识信息、用户的角色信息、用户的等级信息；所述用户的状态数据信息包括已经下载完毕的所述附加资源文件分包的第二标识信息。可选的，所述附加资源文件分包为储存有游戏地图资源的附加资源文件分包。本申请一实施例还提供一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现以下步骤：从客户端获取用户的数据信息；将所述用户的数据信息输入概率预测模型，得到附加资源文件分包的预测使用序列，并将所述附加资源文件分包的预测使用序列返回给所述客户端；根据所述客户端的请求将对应的所述附加资源文件分包发送至所述客户端。本申请一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述文件处理方法的步骤。上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的文件处理方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述文件处理方法的技术方案的描述。所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。需要说明的是，对于前述的各方法实施例，为了简便描述，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。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，所涉及的动作和模块并不一定都是本申请所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本申请的原理和实际应用，从而使所属
技术领域：
技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。当前第1页12