CN113110979B - 应用程序优化评估方法、装置、计算设备及存储介质 - Google Patents

应用程序优化评估方法、装置、计算设备及存储介质 Download PDF

Info

Publication number
CN113110979B
CN113110979B CN202010033884.6A CN202010033884A CN113110979B CN 113110979 B CN113110979 B CN 113110979B CN 202010033884 A CN202010033884 A CN 202010033884A CN 113110979 B CN113110979 B CN 113110979B
Authority
CN
China
Prior art keywords
page
optimization
user
shortest path
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010033884.6A
Other languages
English (en)
Other versions
CN113110979A (zh
Inventor
吁玲
傅建新
林文英
竺士杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Zhejiang Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Zhejiang Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Zhejiang Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010033884.6A priority Critical patent/CN113110979B/zh
Publication of CN113110979A publication Critical patent/CN113110979A/zh
Application granted granted Critical
Publication of CN113110979B publication Critical patent/CN113110979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/3476—Data logging
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例涉及计算机技术领域，公开了一种应用程序优化评估方法、装置、计算设备及存储介质，该方法包括：获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。通过上述方式，本发明实施例能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。

Description

应用程序优化评估方法、装置、计算设备及存储介质
技术领域
本发明实施例涉及计算机技术领域，具体涉及一种应用程序优化评估方法、装置、计算设备及存储介质。
背景技术
在应用程序(App)发布投入使用后，如何对App的功能进行优化，是所有开发者都面对的问题。优化不同于修改问题，优化的核心是发现优化点并且能评价优化的收益。由于大量的App投放的目标用户数量都比较巨大，使用场景多样，传统软件的优化更多的是面向软件的结构、可维护性和效率等技术层面，对用户使用场景和体验进行改进的优化缺少评价方法。随着App在软件应用中所占的比例急速增长，对优化点的寻找和优化收益的评价具有很高的价值。
目前对App优化的评估主要分为三种方法：1)采用用户交互设计原则的评审方法，比较当前App设计交互的缺陷，缺陷的来源包括用户反馈，参考其他优秀App等，然后提升交互设计原则，在设计风格、组件交互及页面迁移模式等方面进行优化，评估的依据主要是交互设计原则的优劣及专家经验。该方法主观性非常强，不同交互设计缺少清晰可行的评价标准可以遵循，而且对于功能优化的程度也缺乏指导意义，无法量化优化成果。2)采用App埋点的数据度量方法，用埋点度量功能的处理时间，崩溃日志等，然后通过比较埋点收集数据，寻找页面中的问题和性能较差的部分，对功能进行优化并验证优化效果。该方法只能应对比较低级的优化点，比如软件故障或者单体的功能性能低下等问题，对App的整体性的优化缺少办法。远远不能适应App设计中对用户体验进行优化的需求。3)通过对App结构重构的方法，对App进行分层和服务化设计。该方法更多的是面向软件结构本身，主要用于优化App功能不断膨胀带来的结构混乱，管理困难等问题，出发点并不是用户使用的视角，在当前App作为软件的主要发布方式，无法面对用户体验优化的发现和度量进行优化。
发明内容
鉴于上述问题，本发明实施例提供了一种应用程序优化评估方法、装置、计算设备及存储介质，克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面，提供了一种应用程序优化评估方法，所述方法包括：获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
在一种可选的方式中，所述根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图，包括：根据每个用户对每个页面的所述访问次数计算每个页面的权值；根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；根据每个页面的所述权值和所述总停留时间构建迁移关系图。
在一种可选的方式中，所述根据每个用户对每个页面的所述访问次数计算每个页面的权值，包括：计算所述预设时间内每个用户对每个页面的访问次数占比；将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
在一种可选的方式中，所述根据每个用户对每个页面的每次访问的所述页面停留时间计算每个页面的总停留时间，包括：分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间。
在一种可选的方式中，所述根据每个页面的所述权值和所述总停留时间构建迁移关系图，包括：将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；对每个所述顶点标注所述权值和所述总停留时间，构成所述迁移关系图。
在一种可选的方式中，所述根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值，包括：以首页为起点，根据所述迁移关系图获取从所述首先出发到每个页面的最短路径；计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积。
在一种可选的方式中，所述以首页为起点，根据所述迁移关系图获取从所述首页出发到每个页面的最短路径，包括：根据所述迁移关系图中每条所述连接边的起点、终点以及优化权值生成连接边属性表；初始化所述迁移关系图中每个顶点的最短路径表；多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。
根据本发明实施例的另一个方面，提供了一种应用程序优化评估装置，所述装置包括：数据获取单元，用于获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；迁移关系获取单元，用于根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；优化价值获取单元，用于根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；应用优化单元，根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
根据本发明实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述应用程序优化评估方法的步骤。
根据本发明实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述应用程序优化评估方法的步骤。
本发明实施例通过获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化，能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的应用程序优化评估方法的流程示意图；
图2示出了本发明实施例提供的应用程序优化评估方法的页面权值计算流程示意图；
图3示出了本发明实施例提供的应用程序优化评估方法的迁移关系示意图；
图4示出了本发明实施例提供的应用程序优化评估方法的连接边优化价值示意图；
图5示出了本发明实施例提供的应用程序优化评估方法的优化后的迁移关系示意图；
图6示出了本发明实施例提供的应用程序优化评估装置的结构示意图；
图7示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的应用程序优化评估方法的流程示意图。如图1所示，应用程序优化评估方法包括：
步骤S11：获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间。
在本发明实施例中，记录每个用户对APP每个页面的访问次数。在预设时间内，用户打开App使用过一次该页面，则这个页面的访问计数就加1，对一个用户统计预设时间内，比如一周或者一个月，使用App过程中每个页面的访问计数。同时记录每一次页面呈现给用户到用户关闭页面之间的这段时间，即为该次访问的页面停留时间，单位为秒(S)。页面关闭包括用户关闭App或者通过功能迁移到其他页面的情况。
步骤S12：根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图。
具体地，如图2所示，包括：
步骤S121：根据每个用户对每个页面的所述访问次数计算每个页面的权值。
在本发明实施例中，每个页面的权值是根据每个页面的访问次数进行计算的，基本原则是页面在用户所有打开页面中使用的占比越高，对该用户而言权重越大。在步骤S121中，计算每个页面的权值Weight时，计算所述预设时间内每个用户对每个页面的访问次数占比；再将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
由于首页是每个用户必须进入的页面，在所有页面使用次数中删除首页，去除首页后对权值评估更有意义。在本发明实施例中，删除所述预设时间内每个用户对应用程序首页的访问次数；计算所述预设时间内每个用户对每个页面的次访问数与除首页外的所有页面的访问次数之和的比值，得到每个用户对每个页面的所述访问次数占比。例如，给定一个用户，计算每个页面在这个用户中的访问次数占比(PageUserRatio)，每个页面会得到一个比例，比如2％，其含义是在用户打开所有页面的总计访问次数中，此页面的访问次数的占比为2％，则此页面在该用户下的权值Weight记为2。
在本发明实施例中，对所有的统计用户(比如2000名用户)，将所有的单个用户的对每个页面的访问次数占比进行相加，得到每个页面对应的权值Weight。比如在2000名用户中，一个页面的访问次数占比PageUserRatio都是1的话，该页面的权值Weight就计算为2000(2000个1相加)。根据实际的统计范围，为了方便计算，可以将权重单位设置为千，那么该页面的权重就变为2。例如，针对某一APP，统计得到的每个页面的权值Weight如表1所示。
表1页面权重
软件页面 P1 P2 P3 P4 P5 … P19 P20
用户1占比 2 3 2 2 3 4 1
用户2占比 3 1 2 2 0 3 0
……
用户n占比 2 0 1 1 1 4 2
权值(千) 2.3 3.2 2 1.5 4 6.3 5.2
参见表1，该App合计有20个功能页面，每行代表每个页面在单个用户总访问次数中的占比，页面最终的权重为n个目标用户的占比之和，n为正整数。
步骤S122：根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；
在步骤S122中，分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间StayTime。停留时间使用标准的日志记录或者性能测量系统进行记录和测量。
步骤S123：根据每个页面的所述权值和所述总停留时间构建迁移关系图。
在本发明实施例中，获取每个页面的权值和每个页面的总停留时间后，根据App的页面的迁移关系构造一个迁移关系图。将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边，箭头表示迁移方向；对每个所述顶点标注所述权值和所述总停留时间，构成所述迁移关系图。如图3所示，P1、P2、P3等页面都表示为图的顶点，StayTime为上述计算所得的页面的总停留时间(单位秒S)，Weight为上述计算所得的页面的权值。如果页面P1可以跳转到页面P2的话，在页面P1和页面P2顶点之间绘制一条连接边，箭头表示可以从页面P1迁移到页面P2。
步骤S13：根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值。
以App的首页(如图3中的P1)为起点，可以计算从首页出发到达所有页面的最短路径值。最短路径值定义为从起始页到达任意一个页面的最小优化价值的总和。其计算方法使用最短路径算法，得到的最短路径值就是我们用于评估优化价值的量化标准。
具体地，以首页为起点，根据所述迁移关系图获取从所述首先出发到每个页面的最短路径；计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值。其中，所述连接边的优化价值OptimizeValue为所述连接边终点对应的页面的所述权值Weight与所述总停留时间StayTime的乘积。在图3所示的迁移关系图上标记连接边的优化价值后得到图4所示的优化价值图。例如，如果页面P6的页面权值Weight为2，总停留时间StayTime为5秒，则连接页面P1和页面P6的连接边的优化价值OptimizeValue的计算方法为2*5，其结果为10。如果页面P4的页面权值Weight为1，总停留时间StayTime为10秒，则连接页面P2和页面P4的连接边的优化价值OptimizeValue的计算方法为1*10，其结果为10。同样地，连接页面P3和页面P4的连接边的优化价值OptimizeValue的计算方法也为1*10，其结果同样为10。
在本发明实施例中，根据所述迁移关系图中每条所述连接边的起点、终点以及优化权值生成连接边属性表。根据图3所示迁移关系图形成的连接边属性表如表2所示，其中，S表示连接边的起点，E表示连接边的终点，V表示连接边的优化价值。例如，表2中第一行表示连接边由页面P1迁移到页面P2，且该连接边的优化权值为16。
表2连接边属性表
起点(S) 终点(E) 值(V)
P1 P2 16
P2 P4 10
P4 P5 20
P7 P8 48
P1 P3 50
P3 P4 10
P1 P6 10
P6 P7 16
P7 P5 20
然后初始化所述迁移关系图中每个顶点的最短路径表。假设页面P1为APP首页，初始化从首页P1出发的每个顶点的最短路径表。根据图3所示的迁移关系图得到如表3所示的初始化最短路径表，首页P1的路径的价值为0，其他页面的最短路径的价值初始化为无穷大。
表3初始化最短路径表
页面 P1 P2 P3 P4 P5 P6 P7 P8
价值 0 无穷大 无穷大 无穷大 无穷大 无穷大 无穷大 无穷大
在本发明实施例中，多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。具体地，计算连接边属性表任一连接边对应的价值与该连接边的起点在当前最短路径表中对应的价值之和，将计算结果与连接边属性表中该连接边的终点在当前最短路径表中对应的价值进行比较。如果该连接边的终点在当前最短路径表中对应的价值较大，则将当前最短路径表中该连接边的终点对应的价值替换为连接边在连接边属性表中对应的价值与该连接边的起点在当前最短路径表中对应的价值之和。否则当前最短路径表中该连接边的终点对应的价值保持不变。
第一次循环为：计算连接边属性表任一连接边对应的价值与该连接边的起点在初始化最短路径表中对应的价值之和，将计算结果与连接边属性表中该连接边的终点在初始化最短路径表中对应的价值进行比较。如果该连接边的终点在初始化最短路径表中对应的价值较大，则将初始化最短路径表中该连接边的终点对应的价值替换为连接边在连接边属性表中对应的价值与该连接边的起点在初始化最短路径表中对应的价值之和。否则初始化最短路径表中该连接边的终点对应的价值保持不变。例如，依次从表2中取出一行[S，E，V]，然后查看表3中E的路径的价值是否大于(表3中S的值+V)，如果大于，则替换为(表3中S的值+V)，否则保持不变。例如：从表2中取出第一行[P1，P2，16]，表3中页面P2的价值是无穷大，页面P1的价值为0，无穷大比16(0+16)要大，所以将表3中页面P2的价值更新为16。以此类推，把表2中每一行做如上运算后，得到第一次循环后的最短路径表如表4所示。
表4第一次循环后的最短路径表
页面 P1 P2 P3 P4 P5 P6 P7 P8
价值 0 16 50 无穷大 无穷大 10 无穷大 无穷大
第二次循环还是从表1中依次取出每一行，针对表4结果继续进行相同计算。比如，当取出第二行[P2，P4，10]，表4中页面P4的价值是无穷大，页面P2的价值为16，所以无穷大比26(16+10)要大，所以将表4页面P4的价值更新为26。以此类推，把表1中每一行做如上运算后，得到的第二次循环后的最短路径表如表5所示。
表5第二次循环后的最短路径表
页面 P1 P2 P3 P4 P5 P6 P7 P8
价值 0 16 50 26 46 10 26 无穷大
继续对表1进行循环，然后针对表5所示的最短路径表进行更新，不断执行这个过程次，得到最终的最短路径表。在本发明实施例中，遍历连接边属性表的次数为APP的页面总数-1，例如，图3所示的APP共有8个页面，需要循环7次，得到最终的最短路径表如表6所示，
表6最终的最短路径表
页面 P1 P2 P3 P4 P5 P6 P7 P8
价值 0 16 50 26 46 10 26 74
通过表6所示的最短路径，可以获取所有页面的最短路径的优化价值。该优化价值是由不同页面的优化价值通过路径求和得到的总值，例如，页面P8的优化价值是74，而页面P5的优化价值是46。该优化价值综合考虑了用户使用这些功能页面的数量占比和停留时间及其使用路径，可以客观的评价该页面对用户而言所具有的价值。换言之，一个页面的优化价值越高，也就越值得去进行优化。
本发明实施例通过用户停留时间和页面权值评估，兼顾了用户使用频次和实际消耗，并且通过最短路径算法计算了用户完成一个完整功能所使用一系列页面的累计效应，不仅仅只是评判用户在某个页面的耗时，对用户实际使用情况的刻画更加准确；通过引入样本用户的统计值和不同用户权值的汇总值，能够表征App在用户群体中的整体使用情况。
步骤S14：根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
根据各页面的最短路径对应的优化价值对APP进行优化，并对优化后的效果进行度量。具体地，优先选择优化价值大的页面进行优化，重新获取优化后的迁移关系图，并计算新的优化价值，进而根据页面的优化价值的变速度量优化程序的大小。
由于App中一些页面是对用户有用的功能页面，而有的页面是过渡页面，用户串接功能或者提供一些附加的帮助。得到最终的最短路径表后，可以根据App设计选择一个子集，包括对用户有用的功能对应的页面，优先选择优化价值大的功能进行优化。例如，根据表6所示的最短路径表，通过查看App功能设计，对用户有用的功能对应的页面子集为(P5，P7，P8)。从表6中可以发现子集中各页面对应的优化价值分别为(46，26，74)，如此可以选择优化价值大的功能进行优化，如页面P8。通过分析可以很容易找出页面P8功能的最短路径为P1->P6->P7->P8，针对该功能的页面P8展开优化分析及设计。假设基于一次设计优化，增加了页面P6直接跳转页面P8的功能，并且通过优化交互方式及提升数据加载速度，将页面P8的总停留时间削减到20秒，那么优化后的迁移关系图如图5所示，增加了页面P6至页面P8的连接边，且该连接边的优化价值为40。根据图5所示的迁移关系图应用前述的方法得到优化后的最短路径表如表7所示。
表7优化后的最短路径表
页面 P1 P2 P3 P4 P5 P6 P7 P8
价值 0 16 50 26 46 10 26 50
如此，对页面P8功能(最短路径为P1->P6->P7->P8)进行优化后，页面P8的优化价值变为了50，比优化前的74小，如此可以量化的评估该页面P8的改善大小为提升了(74-50)/74，即约32％，也就是说用户完成相同的操作(P1->P6->P7->P8)减少了32％的操作成本，减少的成本就是优化的收益。本发明实施例的基于最短路径的算法非常的便利高效，没有歧义性，并且在准确度量用户使用成本来选择优化点以及比较优化前后改善程度方面也非常直观。
本发明实施例给出了一种具有较高通用价值的优化功能点选择及度量方法，可以没有歧义的计算出一个App的各个功能的优化价值，并且可以对比不同优化方案对App的改善程度大小，为App的优化提供了一种统一而客观的度量方法。而基于用户页面停留时间和次数占比这样普遍可测量的数据构造，降低了评价的成本，而且基于最短路径算法对App的优化点进行选择，具有较高的实用价值，可以大大提高优化方案选择的性价比，并且可以通过相同的方法进行优化前后改善程度的量化比较。
本发明实施例通过获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化，能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。
图6示出了本发明实施例的应用程序优化评估装置的结构示意图。如图6所示，该应用程序优化评估装置包括：数据获取单元601、迁移关系获取单元602、优化价值获取单元603以及应用优化单元604。其中：
数据获取单元601用于获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；迁移关系获取单元602用于根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；优化价值获取单元603用于根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；应用优化单元604根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
在一种可选的方式中，迁移关系获取单元602用于：根据每个用户对每个页面的所述访问次数计算每个页面的权值；根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；根据每个页面的所述权值和所述总停留时间构建迁移关系图。
在一种可选的方式中，迁移关系获取单元602用于：计算所述预设时间内每个用户对每个页面的访问次数占比；将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
在一种可选的方式中，迁移关系获取单元602还用于：分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间。
在一种可选的方式中，迁移关系获取单元602用于：将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；对每个所述顶点标注所述权值和所述总停留时间，构成所述迁移关系图。
在一种可选的方式中，优化价值获取单元603用于：以首页为起点，根据所述迁移关系图获取从所述首先出发到每个页面的最短路径；计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积。
在一种可选的方式中，优化价值获取单元603用于：根据所述迁移关系图中每条所述连接边的起点、终点以及优化权值生成连接边属性表；初始化所述迁移关系图中每个顶点的最短路径表；多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。
本发明实施例通过获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化，能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的应用程序优化评估方法。
可执行指令具体可以用于使得处理器执行以下操作：
获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；
根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；
根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；
根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据每个用户对每个页面的所述访问次数计算每个页面的权值；
根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；
根据每个页面的所述权值和所述总停留时间构建迁移关系图。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
计算所述预设时间内每个用户对每个页面的访问次数占比；
将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；
对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；
对每个所述顶点标注所述权值和所述总停留时间，构成所述迁移关系图。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
以首页为起点，根据所述迁移关系图获取从所述首先出发到每个页面的最短路径；
计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
从信控暂停接口表获取用户号码和缴费流水号；
根据所述迁移关系图中每条所述连接边的起点、终点以及优化权值生成连接边属性表；
初始化所述迁移关系图中每个顶点的最短路径表；
多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。
本发明实施例通过获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化，能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。
本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的应用程序优化评估方法。
可执行指令具体可以用于使得处理器执行以下操作：
获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；
根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；
根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；
根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据每个用户对每个页面的所述访问次数计算每个页面的权值；
根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；
根据每个页面的所述权值和所述总停留时间构建迁移关系图。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
计算所述预设时间内每个用户对每个页面的访问次数占比；
将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；
对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；
对每个所述顶点标注所述权值和所述总停留时间，构成所述迁移关系图。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
以首页为起点，根据所述迁移关系图获取从所述首先出发到每个页面的最短路径；
计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
从信控暂停接口表获取用户号码和缴费流水号；
根据所述迁移关系图中每条所述连接边的起点、终点以及优化权值生成连接边属性表；
初始化所述迁移关系图中每个顶点的最短路径表；
多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。
本发明实施例通过获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化，能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。
图7示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对设备的具体实现做限定。
如图7所示，该计算设备可以包括：处理器(processor)702、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。
其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。处理器702，用于执行程序710，具体可以执行上述应用程序优化评估方法实施例中的相关步骤。
具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器，可以是同一类型的处理器，如一个或各个CPU；也可以是不同类型的处理器，如一个或各个CPU以及一个或各个ASIC。
存储器706，用于存放程序710。存储器706可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以下操作：
获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；
根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；
根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；
根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
根据每个用户对每个页面的所述访问次数计算每个页面的权值；
根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；
根据每个页面的所述权值和所述总停留时间构建迁移关系图。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
计算所述预设时间内每个用户对每个页面的访问次数占比；
将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；
对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；
对每个所述顶点标注所述权值和所述总停留时间，构成所述迁移关系图。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
以首页为起点，根据所述迁移关系图获取从所述首先出发到每个页面的最短路径；
计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
从信控暂停接口表获取用户号码和缴费流水号；
根据所述迁移关系图中每条所述连接边的起点、终点以及优化权值生成连接边属性表；
初始化所述迁移关系图中每个顶点的最短路径表；
多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。
本发明实施例通过获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；根据每个页面的所述访问次数和每次访问的页面停留时间构建迁移关系图；根据所述迁移关系图获取到任一页面的最短路径以及所述页面的与所述最短路径对应的优化价值；根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化，能够基于用户实际使用情况量化选择优化的功能，并进行优化前后改善程度的量化比较，可以大大提高优化方案选择的性价比，具有较高的实用价值。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或每个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或每个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成每个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在每个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (7)

1.一种应用程序优化评估方法，其特征在于，所述方法包括：
获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；
根据每个用户对每个页面的所述访问次数计算每个页面的权值；
根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；
将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；
对每个所述顶点标注所述权值和所述总停留时间，构成迁移关系图；
以首页为起点，根据所述迁移关系图获取从所述首页出发到每个页面的最短路径；
计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积；
根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
2.根据权利要求1所述的方法，其特征在于，所述根据每个用户对每个页面的所述访问次数计算每个页面的权值，包括：
计算所述预设时间内每个用户对每个页面的访问次数占比；
将所有用户对每个页面的所述访问次数占比求和，得到每个页面对应的权值。
3.根据权利要求1所述的方法，其特征在于，所述根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间，包括：
分别对每个用户所述预设时间内访问每个页面的所述页面停留时间进行求和计算，得到每个用户所述预设时间内对每个页面的总访问时间；
对所述预设时间内所有用户访问每个页面的所述总访问时间进行求和，除以所有用户总的访问次数，得到每个页面的所述总停留时间。
4.根据权利要求1所述的方法，其特征在于，所述以首页为起点，根据所述迁移关系图获取从所述首页出发到每个页面的最短路径，包括：
根据所述迁移关系图中每条所述连接边的起点、终点以及优化价值生成连接边属性表；
初始化所述迁移关系图中每个顶点的最短路径表；
多次遍历所述连接边属性表，求得从所述首页出发到每个页面的优化价值最小的路径作为所述最短路径。
5.一种应用程序优化评估装置，其特征在于，所述装置包括：
数据获取单元，用于获取预设时间内每个用户对应用程序每个页面的访问次数以及每次访问的页面停留时间；
迁移关系获取单元，用于根据每个用户对每个页面的所述访问次数计算每个页面的权值；
所述迁移关系获取单元，还用于根据每个用户对每个页面的所述页面停留时间计算每个页面的总停留时间；
所述迁移关系获取单元，还用于将每个页面设置为顶点，存在迁移关系的任两个顶点之间设置连接边；
所述迁移关系获取单元，还用于对每个所述顶点标注所述权值和所述总停留时间，构成迁移关系图；
优化价值获取单元，用于以首页为起点，根据所述迁移关系图获取从所述首页出发到每个页面的最短路径；
所述优化价值获取单元，还用于计算所述最短路径上所有连接边的优化价值之和，作为所述页面的所述优化价值，其中，所述连接边的优化价值为所述连接边终点对应的页面的所述权值与所述总停留时间的乘积；
应用优化单元，根据每个页面的最短路径对应的所述优化价值对所述应用程序进行优化。
6.一种计算设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行根据权利要求1-4任一项所述应用程序优化评估方法的步骤。
7.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行根据权利要求1-4任一项所述应用程序优化评估方法的步骤。
CN202010033884.6A 2020-01-13 2020-01-13 应用程序优化评估方法、装置、计算设备及存储介质 Active CN113110979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010033884.6A CN113110979B (zh) 2020-01-13 2020-01-13 应用程序优化评估方法、装置、计算设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010033884.6A CN113110979B (zh) 2020-01-13 2020-01-13 应用程序优化评估方法、装置、计算设备及存储介质

Publications (2)

Publication Number Publication Date
CN113110979A CN113110979A (zh) 2021-07-13
CN113110979B true CN113110979B (zh) 2023-04-07

Family

ID=76709034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010033884.6A Active CN113110979B (zh) 2020-01-13 2020-01-13 应用程序优化评估方法、装置、计算设备及存储介质

Country Status (1)

Country Link
CN (1) CN113110979B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001075678A1 (en) * 2000-04-03 2001-10-11 Usablenet, Inc. System and method for evaluating an optimizing web site attributes
CN106446228A (zh) * 2016-10-08 2017-02-22 中国工商银行股份有限公司 一种web页面数据的采集分析方法及装置
CN106598881A (zh) * 2016-12-20 2017-04-26 北京小米移动软件有限公司 页面处理方法及装置
CN109753421A (zh) * 2018-12-29 2019-05-14 广东益萃网络科技有限公司 服务系统的优化方法、装置、计算机设备和存储介质
CN110020912A (zh) * 2019-01-31 2019-07-16 阿里巴巴集团控股有限公司 页面展示方法、装置及设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060107219A1 (en) * 2004-05-26 2006-05-18 Motorola, Inc. Method to enhance user interface and target applications based on context awareness

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001075678A1 (en) * 2000-04-03 2001-10-11 Usablenet, Inc. System and method for evaluating an optimizing web site attributes
CN106446228A (zh) * 2016-10-08 2017-02-22 中国工商银行股份有限公司 一种web页面数据的采集分析方法及装置
CN106598881A (zh) * 2016-12-20 2017-04-26 北京小米移动软件有限公司 页面处理方法及装置
CN109753421A (zh) * 2018-12-29 2019-05-14 广东益萃网络科技有限公司 服务系统的优化方法、装置、计算机设备和存储介质
CN110020912A (zh) * 2019-01-31 2019-07-16 阿里巴巴集团控股有限公司 页面展示方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
移动应用性能管理解决方案的研究与实现;梁力图;《中国优秀硕士学位论文全文数据库（电子期刊）》;20170228;第1-16页 *
起底⼩程序数据分析，每⼀个指标都不应该;企鹅号小编;《https://cloud.tencent.com/developer/article/1032683》;20180131;第1-12页 *

Also Published As

Publication number Publication date
CN113110979A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
Han et al. Benchmarking big data systems: A review
US10503632B1 (en) Impact analysis for software testing
Liu et al. Multi-objective scheduling of scientific workflows in multisite clouds
CN111832236B (zh) 一种芯片回归测试方法、系统、电子设备及存储介质
US11188348B2 (en) Hybrid computing device selection analysis
CN113626324B (zh) 一种面向Move语言虚拟机的模糊测试方法
JP7088897B2 (ja) データアクセス方法、データアクセス装置、機器及び記憶媒体
CN111242318A (zh) 基于异构特征库的业务模型训练方法及装置
CN105765561A (zh) 根据跟踪数据的生产对比开发使用的确定
Boroujerdian et al. FARSI: An early-stage design space exploration framework to tame the domain-specific system-on-chip complexity
US10528691B1 (en) Method and system for automated selection of a subset of plurality of validation tests
CN112148276A (zh) 用于深度学习的可视化编程
US8463799B2 (en) System and method for consolidating search engine results
US20130318499A1 (en) Test script generation
CN104580109A (zh) 生成点选验证码的方法及装置
CN113110979B (zh) 应用程序优化评估方法、装置、计算设备及存储介质
CN115186305B (zh) 一种构建数据元件模型并生产数据元件的方法
US20230401086A1 (en) Quality control system for quantum-as-a-service brokers
US10732946B2 (en) Simulation-based code duplication
Lim et al. R High Performance Programming
CN108334313A (zh) 用于大型soc研发的持续集成方法、装置及代码管理系统
US10733345B1 (en) Method and system for generating a validation test
CN109460255B (zh) 内存地址的查询方法及装置
CN112463896A (zh) 档案编目数据处理方法、装置、计算设备及存储介质
CN104809165A (zh) 一种多媒体文件相关度的确定方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant