劉鳳霞，陳國棟，黃洪海，翟朝亮，余 輪

（福州大學(xué) 數(shù)字媒體研究院，福建 福州350002）

0 引 言

關(guān)于面向Web的三維交互技術(shù)的研究已經(jīng)有相當(dāng)?shù)某晒?，但是這一技術(shù)在實際中并沒有得到廣泛的應(yīng)用。首先，該技術(shù)需要在網(wǎng)絡(luò)上傳輸大量的三維數(shù)據(jù)，海量的網(wǎng)格數(shù)據(jù)對計算機的存儲能力和網(wǎng)絡(luò)的傳輸能力提出了新的挑戰(zhàn)［1］。其次，受網(wǎng)絡(luò)帶寬的限制，用戶在訪問網(wǎng)頁之前要忍受較長的等待時間。再次，傳統(tǒng)的傳輸策略是“先下載后顯示”，不足在于響應(yīng)時間太長。為了解決這些問題，人們提出了多種技術(shù)方案，其中最主要的有緩存（caching）和預(yù)取技術(shù)（pre－fetching）兩種。緩存技術(shù)已在網(wǎng)絡(luò)節(jié)點的不同位置得到廣泛應(yīng)用，但隨著網(wǎng)絡(luò)資源更新頻率的增加，緩存帶來的性能改善不再顯著。預(yù)取技術(shù)為提高網(wǎng)絡(luò)性能帶來了新的機遇，同時也遇到了一些新的問題。大多數(shù)的預(yù)取算法都是將客戶端、代理服務(wù)器端和服務(wù)器端的預(yù)取分開進行研究［2］，這樣的研究方式并不能解決諸如將預(yù)取放在網(wǎng)絡(luò)的什么位置、在一個給定的網(wǎng)絡(luò)中應(yīng)該進行預(yù)取的數(shù)量和不同位置之間的預(yù)取在什么情況下應(yīng)該協(xié)作等問題。

為了提高用戶體驗，出現(xiàn)了一種新類型的Web應(yīng)用，那就是富互聯(lián)網(wǎng)應(yīng)用（rich internet application，RIA）［3］。RIA簡化并改進了Web應(yīng)用程序的用戶交互，可以提供更豐富、更具有交互性和響應(yīng)性的用戶體驗。但現(xiàn)有RIA的響應(yīng)速度還有待提高，特別是在人機交互非常頻繁的系統(tǒng)中，這種需求更為迫切［4－5］。對于網(wǎng)絡(luò)數(shù)據(jù)傳輸而言，需要計算機主動判斷何時該為用戶傳輸何種數(shù)據(jù)。所以可以把上下文感知計算引入數(shù)據(jù)的傳輸策略，利用用戶沒有發(fā)出請求時客戶端網(wǎng)絡(luò)的空閑時間，后臺程序感知預(yù)測用戶下一步的行為和該行為所需的驅(qū)動程序和數(shù)據(jù)，預(yù)先把用戶所需的驅(qū)動程序和數(shù)據(jù)傳輸?shù)綖g覽器端，進一步提高系統(tǒng)的響應(yīng)性。

1 上下文感知計算模型

1.1 上下文感知計算模型的構(gòu)建

上下文感知是指RIA系統(tǒng)能發(fā)現(xiàn)并有效利用上下文信息（如用戶位置，瀏覽時間，環(huán)境參數(shù)，用戶活動等）進行計算的一種計算模式。上下文感知技術(shù)是富互聯(lián)網(wǎng)應(yīng)用確定自身行為最為直接、有效的依據(jù)。在 Mikael［6］和李蕊［7］等人關(guān)于上下文感知計算的研究基礎(chǔ)上，本文提出一個面向RIA的上下文感知計算模型，如圖1所示。

圖1 面向RIA的上下文感知計算模型

面向RIA的上下文感知計算模型調(diào)用不同的傳感器對用戶的輸入和富互聯(lián)網(wǎng)環(huán)境的隱式輸入進行感知、監(jiān)測和獲取。這些上下文信息的主要來源包括3個方面：①經(jīng)過識別的用戶輸入，它是用戶意圖和個性化因素最集中的體現(xiàn)，是用戶上下文推理的主要依據(jù)；②服務(wù)器端的隱式輸入，包括網(wǎng)絡(luò)帶寬的使用情況、服務(wù)器的負載情況等；③其它隱式輸入，包括設(shè)備特征和上下文日志，所有上下文形成之后都被保存，從這些記錄中往往可以提取規(guī)律性信息，挖掘出有意義的上下文。

不同類型的上下文在感知方法、數(shù)據(jù)類型、表示形式上存在顯著的差異，為了對多源上下文信息進行整合，系統(tǒng)利用語義的支持消除這些底層差異，采用本體語言［8］對上下文信息進行統(tǒng)一的規(guī)范化描述，向高層應(yīng)用提供表示格式統(tǒng)一、只與當(dāng)前應(yīng)用語義相關(guān)的上下文信息，使上下文的有效利用達到一個更高的水平。

上下文組織模塊把表示過的上下文信息進行有效的管理和存儲，方便后續(xù)的推理、調(diào)度和執(zhí)行。

上下文形成后發(fā)出與高層應(yīng)用通信的請求，系統(tǒng)則根據(jù)上下文信息表示的各個域的值對其進行推理和協(xié)調(diào)調(diào)度，其中上下文的優(yōu)先級是調(diào)度的重要依據(jù)，越是重要的上下文信息，其優(yōu)先級越高。對于優(yōu)先級相等的上下文信息，則根據(jù)其是否搶占性進行調(diào)度。上下文的推理和調(diào)度是研究數(shù)據(jù)傳輸策略，增強用戶體驗的關(guān)鍵模塊。

1.2 上下文推理及用戶意圖預(yù)測

用戶在使用RIA系統(tǒng)過程中，下一步行為與用戶的上下文（用戶的瀏覽目的、文化背景、興趣愛好、行為習(xí)慣等）及當(dāng)前環(huán)境狀態(tài)等因素相關(guān)聯(lián)［9］。由于這些因素的差異，各個用戶的瀏覽過程也就表現(xiàn)出不同的個性化特點，某些用戶的瀏覽過程表現(xiàn)出相同或相近的特點。王大玲［10］和竇伊男［11］等對網(wǎng)絡(luò)用戶分類的研究取得了較好的結(jié)果。通過對用戶分類，由于不同類別的用戶其瀏覽過程差別較大，用不同的模型來描述他們的特征更為合理。

本文在獲得上下文語義支持的基礎(chǔ)上，通過多馬爾科夫鏈模型［12］建立用戶行為與上下文的聯(lián)系，從而預(yù)測用戶下一步行為。假設(shè)根據(jù)用戶在富互聯(lián)網(wǎng)空間的瀏覽特點可以將用戶分為L類，首先利用單馬爾科夫鏈模型［13－14］對每一類用戶行為進行建模，定義每一類用戶行為模型為：λl＝（S，Al，πl(wèi)）。

其中：S＝｛s1，s2，…，sN｝代表用戶的行為狀態(tài)的集合，N為其隱含狀態(tài)數(shù)；

Al＝｛alij｝，1≤i，j≤N表示第l類用戶的動作狀態(tài)轉(zhuǎn)移概率矩陣，aij＝P ｛ql（t＋1）＝sj｜qlt＝si｝，q1t表示第l類用戶在時刻t的狀態(tài)；

πl(wèi)表示第l類用戶各行為的初始分布，πl(wèi)＝｛πl(wèi)j｝，πl(wèi)j＝P（ql1＝sj），1≤j≤N。

根據(jù)馬爾科夫鏈模型觀測值與隱含狀態(tài)之間的概率函數(shù)關(guān)系，在用戶類別λl中，瀏覽序列O＝s1s2，…sT出現(xiàn)的概率為

記P（λl）為第l類用戶的概率分布，則任意一個用戶瀏覽序列O＝s1s2，…，sT出現(xiàn)的概率為

可以推導(dǎo)出該瀏覽序列屬于第l類用戶的概率為

用N維向量Dl（t）來描述第l類用戶在時刻t的狀態(tài)，若qlt＝si，則該向量的第i維為1，其余各維為0。用N維向量Vl（t）來描述第l類用戶在時刻t0的狀態(tài)概率，Vl（t）＝［P（qlt＝s1），P（qlt＝s1），…，P（qlt＝s1）］，利用式（4）對用戶在t時刻的狀態(tài)進行預(yù)測

向量Vl（t）中，概率值最大的那一維對應(yīng)的狀態(tài)，即用戶在t時刻最可能的狀態(tài)。

為驗證該算法，采用數(shù)字媒體研究院開發(fā)的人體經(jīng)絡(luò)系統(tǒng)中的相關(guān)數(shù)據(jù)進行分析。從人體經(jīng)絡(luò)系統(tǒng)的日志文件中隨機獲取用戶對服務(wù)器的3705次請求，并將這些數(shù)據(jù)轉(zhuǎn)化為195個瀏覽序列，并從中隨機抽取120個作為實驗數(shù)據(jù)，建立多馬爾科夫模型，其它75個作為測試數(shù)據(jù)。實驗中采用動態(tài)預(yù)測方法，對每一個用戶的下一個狀態(tài)做出預(yù)測后，就利用該用戶的瀏覽序列對該用戶所屬類別的馬爾科夫鏈模型和概率分布進行更新。實驗結(jié)果如圖2所示。

圖2 多馬爾科夫鏈預(yù)測準(zhǔn)確率

由圖2可知用戶的瀏覽序列越長，獲得的用戶信息就越多，對用戶分類就越準(zhǔn)確，預(yù)測的準(zhǔn)確率也越高。

2 基于上下文感知的數(shù)據(jù)傳輸策略

本文把上下文感知計算技術(shù)引入面向RIA的系統(tǒng)傳輸策略中，如圖3所示。

圖3 面向RIA的數(shù)據(jù)傳輸策略

在瀏覽器和服務(wù)器之間增加一個上下文感知計算模塊，以實現(xiàn)用戶操作和服務(wù)器響應(yīng)異步化。用戶與RIA系統(tǒng)的交互過程中，服務(wù)器不再直接響應(yīng)用戶的請求，而是在用戶主動請求之前，通過傳感器獲取當(dāng)前計算環(huán)境中的上下文和歷史上下文，并依據(jù)上下文感知計算模塊感知計算的結(jié)果，向服務(wù)器發(fā)送數(shù)據(jù)預(yù)傳輸?shù)恼埱蟆７?wù)器按照請求并充分利用網(wǎng)絡(luò)空閑時間向瀏覽器端發(fā)送數(shù)據(jù)，提高了網(wǎng)絡(luò)帶寬的利用率，縮短了用戶的等待時間。

傳統(tǒng)的Web請求處理過程中等待時間［15］如圖4所示。

圖4 傳統(tǒng)的Web系統(tǒng)用戶請求處理過程

所有等待時間（響應(yīng)時間）＝（N1＋N2＋N3＋N4）＋（A1＋A2＋A3），其中，Nx代表網(wǎng)絡(luò)等待時間，Ax代表應(yīng)用等待時間。通常，響應(yīng)時間主要由N1和N4決定，這個等待時間代表了客戶訪問Internet的方式。網(wǎng)絡(luò)等待時間N2和N3常常依賴服務(wù)器交互設(shè)備的性能。要減少應(yīng)用等待時間（A1，A2，A3）比較困難，因為服務(wù)器應(yīng)用軟件的復(fù)雜性將使得性能調(diào)整變得十分復(fù)雜。

面向RIA的數(shù)據(jù)傳輸策略的Web請求處理過程中的等待時間如圖5所示。

圖5 面向RIA的系統(tǒng)的用戶請求處理過程

當(dāng)用戶發(fā)送請求之后，首先判斷該請求所需要的數(shù)據(jù)是否已經(jīng)根據(jù)上下文感知計算模型的計算結(jié)果事先傳輸?shù)綖g覽器端，如果已經(jīng)開始傳輸并傳輸完畢，響應(yīng)時間約等于0，如果已經(jīng)開始傳輸?shù)菦]有傳輸完畢，傳輸時間為傳輸剩余部分數(shù)據(jù)所需的時間。如果所請求的數(shù)據(jù)還沒有開始傳輸，響應(yīng)時間與傳統(tǒng)的Web請求響應(yīng)時間是一致的。

3 實驗結(jié)果與分析

基于上述的理論和方法，將本文研究的面向RIA的數(shù)據(jù)傳輸策略應(yīng)用于人體經(jīng)絡(luò)系統(tǒng)。實驗中，客戶端通過ADSL與服務(wù)器連接，根據(jù)用戶體驗來驗證該傳輸策略的有效性。系統(tǒng)上下文感知計算模塊通過分析用戶在人體經(jīng)絡(luò)系統(tǒng)的瀏覽記錄和特點將用戶分為4類，記為λ1，λ2，λ3，λ4。以某老用戶為例進行分析，以下為用戶訪問系統(tǒng)流程及系統(tǒng)的處理過程：

（1）用戶輸入登錄信息，系統(tǒng)判斷該用戶類別為λ1，系統(tǒng)開始主菜單即場景1的數(shù)據(jù)傳輸。同時上下文感知計算模塊根據(jù)該用戶的瀏覽日志和馬爾科夫鏈模型λ1，預(yù)測該用戶下一步最可能瀏覽的場景（如場景2），并向服務(wù)器發(fā)送場景2數(shù)據(jù)的預(yù)傳輸請求；

圖6 人體經(jīng)絡(luò)系統(tǒng)部分場景

（2）用戶進入場景1，服務(wù)器開始場景2的數(shù)據(jù)傳輸，同時系統(tǒng)對馬爾科夫鏈模型λ1和相關(guān)概率分布進行更新，上下文感知計算模塊開始預(yù)測用戶的下一步行為（如場景4）；

（3）用戶發(fā)送請求，若用戶選擇場景2，即可直接進入場景2并開始用戶與系統(tǒng)的交互，同時服務(wù)器開始場景4數(shù)據(jù)的預(yù)傳輸。若用戶選擇其它場景（如場景3），則服務(wù)器停止其他數(shù)據(jù)的傳輸，立刻向客戶端傳輸場景3的相關(guān)數(shù)據(jù)；

（4）重復(fù)步驟（2）、（3），系統(tǒng)不斷更新馬爾科夫鏈模型λ1和預(yù)測用戶下一步的數(shù)據(jù)需求。假設(shè)用戶行為依次為場景1、場景2、場景4、場景5，場景5中又包含了相關(guān)視頻、循經(jīng)動畫、模型操作等行為。故用戶進入場景5后，系統(tǒng)要預(yù)測用戶是要在當(dāng)前場景中進行查看視頻等操作，還是要進入下一個場景。

（5）假設(shè)系統(tǒng)預(yù)測到用戶進入場景5后要查看相關(guān)視頻，則服務(wù)器在傳輸完場景5的基本數(shù)據(jù)后，立刻開始傳輸相關(guān)視頻。各相關(guān)場景如圖6所示。

經(jīng)過實驗測試，得到用戶在前一場景停留時間、場景數(shù)據(jù)傳輸時間和用戶等待時間見表1。

表1 面向RIA的傳輸策略下的測試結(jié)果

傳統(tǒng)的數(shù)據(jù)傳輸策略中，用戶等待時間即場景傳輸時間，由表1可知，面向RIA的數(shù)據(jù)傳輸策略大大減少了用戶的等待時間，特別是在比較復(fù)雜的場景中，效果更為明顯。

4 結(jié)束語

本文以面向RIA的網(wǎng)絡(luò)游戲的發(fā)布和用戶體驗為應(yīng)用背景，將上下文感知計算引入到數(shù)據(jù)傳輸策略中，并應(yīng)用于人體經(jīng)絡(luò)系統(tǒng)。用戶在使用RIA系統(tǒng)初期只需下載初始化應(yīng)用界面所需的少量數(shù)據(jù)，在后續(xù)使用過程中，系統(tǒng)能夠自動感知或預(yù)測用戶的意圖和下一步對數(shù)據(jù)的需求，充分利用用戶和系統(tǒng)交互過程中的網(wǎng)絡(luò)空閑時間傳輸數(shù)據(jù)，減少了用戶的等待時間。這種基于上下文感知的數(shù)據(jù)傳輸策略，為提高RIA系統(tǒng)的響應(yīng)速度提供了新思路和新方法，具有廣泛的應(yīng)用前景。

［1］PANG Ming－yong，LU Zhang－ping，ZHANG Fu－yan，et al.Compact data format for progressive meshes and its data transmission over internet［J］.Journal of System Simulation，2007，19（2）：332－335（in Chinese）.［龐明勇，盧章平，張福炎，等.緊湊的累進網(wǎng)格數(shù)據(jù)格式及其網(wǎng)絡(luò)傳輸［J］.系統(tǒng)仿真學(xué)報，2007，19（2）：332－335.］

［2］ZHAO Yue，LIU Yan－h(huán)eng，LI Zhao，et al.Web prefetching model based on client［J］.Computer Engineering and Applications，2008，44（20）：102－106（in Chinese）.［趙越，劉衍珩，李釗，等.基于客戶端的網(wǎng)頁預(yù)取模型［J］.計算機工程與應(yīng)用，2008，44（20）：102－106.］

［3］WU Bao－yu.RIA client－side technology research and application［D］.Hefei：Hefei University of Technology，2009（in Chinese）.［吳報玉.RIA客戶端技術(shù)研究與應(yīng)用［D］.合肥：合肥工業(yè)大學(xué)，2009.］

［4］Rong Yao，Wang Jian－dong，Ding Jian－li.RIA－based visualization platform of flight delay intelligent prediction［C］.Sanya，China：ISECS International Colloquium on CCCM，2009：94－97.

［5］Nijdam N A，Han S，Kevelham B，et al.A context－aware adaptive rendering system for user－centric pervasive computing environments［C］.Valletta，Malta：The 15th IEEE Mediterranean Electro Technical Conference，2010：790－795.

［6］Mikael Desertot，Sylvain Lecomte，Dana Popovici，et al.A context aware framework for services management in the transportation domain［C］.Athens，Greece：The 10th Annual International Conference on New Technologies of Distributed Systems（NOTERE），2010：157－164.

［7］LI Rui.Research on some key techniques of context－aware computing［D］.Changsha：Hunan University，2007（in Chinese）.［李蕊.上下文感知計算若干關(guān)鍵技術(shù)研究［D］.長沙：湖南大學(xué)，2007.］

［8］WANG Shu－ning，YU Jian－xin.Ontology－based context－aware system architecture［J］.Computer Engineering，2007，33（11）：42－43（in Chinese）.［王曙寧，俞建新.基于本體的上下文感知系統(tǒng)［J］.計算機工程，2007，33（11）：42－43.］

［9］Roman Y Shtykh，Zhu Yishui，Jin Qun.A context－aware framework for flowable services［C］.Qingdao，China：The third International Conference on Multimedia and Ubiquitous Engineering，2009：251－256.

［10］WANG Da－ling，BAO Yu－bin，YU Ge.Study of user classification rule mining for personalized recommendation［J］.Mini Micro Systems，2004，25（11）：1948－1951（in Chinese）.［王大玲，鮑玉斌，于戈.支持個性化推薦的用戶分類規(guī)則挖掘的研究［J］.小型微型計算機系統(tǒng)，2004，25（11）：1948－1951.］

［11］DOU Yi－nan.Research on network user classification based on multi－dimensional characteristics［D］.Beijing：Beijing University of Posts and Telecommunications，2010（in Chinese）.［竇伊男.根據(jù)多維特征的網(wǎng)絡(luò)用戶分類研究［D］.北京：北京郵電大學(xué)，2010.］

［12］XING Yong－kang，MA Shao－ping.Modeling user navigation sequences based on multi－Markov chains［J］.Chinese Journal of Computers，2003，26（11）：1510－1517（in Chinese）.［邢永康，馬少平.多Markov鏈用戶瀏覽預(yù)測模型［J］.計算機學(xué)報，2003，26（11）：1510－1517.］

［13］PENG Limin.Research on semantic events of analyzing soccer video based on hidden Markov model［J］.Computer Engineering and Design，2008，29（19）：5002－5005（in Chinese）.［彭利民.基于HMM的足球視頻語義分析研究［J］.計算機工程與設(shè)計，2008，29（19）：5002－5005.］

［14］WU Yi－jian.Research of speech synthesis technology based on hidden Markov model［D］.Hefei：University of Science and Technology of China，2006（in Chinese）.［吳義堅.基于隱馬爾科夫模型的語音合成技術(shù)研究［D］.合肥：國科學(xué)技術(shù)大學(xué)，2006.］

［15］LU Xiao－li.Research on testing technology of web applications［D］.Xi’an：Northwest University，2006（in Chinese）.［路曉麗.Web應(yīng)用軟件的測試技術(shù)研究［D］.西安：西北大學(xué)，2006.］