减少Web应用中用户感知时间的技术研究

针对Web应用程序的特点,从SQL层以及Web层两个方面分别提出了缩短Web数据传输延迟的方法,介绍了数据查询优化技术、分页技术、ASP.NET缓存技术以及数据压缩技术等。利用ACT测试工具进行测试,验证了在网络带宽没有扩充、网络绝对流量增加的情况下,采用文中所提出的方法能极大地提高网站的性能,有效缩短用户感知时间。

基于用户访问模式的Web预取算法

缩短Web访问中的用户感知时间,是Web应用中的一个重要问题,服务器需要预测用户未来的HTTP请求和处理当前的网页以提高Web服务器的响应速度,为此提出了一种基于用户访问模式的Web预取算法。该算法根据Web日志信息分析了用户的访问模式,并计算出Web页面间的转移概率,以此作为对用户未来请求预取的依据。实验结果表明,该预取算法能有效提高预测精度和命中率,有效地缩短了用户的感知时间。

基于时间感知注意力机制的混合编码网络方法

传统的混合编码网络在小样本数据训练情况下,捕捉用户意图与语义分析方面存在局限性,很难应用到新领域进行迁移训练。时间感知注意混合编码网络(time-aware attention hybrid code networks, TAA-HCN)通过构建时间感知的注意力机制和用户意图集成(user intent integration, UII)的门控机制建模用户意图与动作措施的关系,捕捉用户意图随时间动态变化,结合元学习的思想进行模型梯度自适应,以便模型快速收敛。TAA-HCN模型在WOZ数据集与BABI数据集上进行试验与分析,当目标域数据为总数据的5%时,F1与BLEU指标几乎全收敛,且准确率为69.3%,这表明了本研究的模型具有仅需很少的目标数据即可实现良好性能的能力。