CC BY
0
УДК 378:004
АРХИТЕКТУРА ВЕБ-ПРИЛОЖЕНИЯ ДЛЯ ОЦЕНКИ ПОЛЬЗОВАТЕЛЬСКИХ ИНТЕРФЕЙСОВ
И. В. Десятов1, А. А. Свечников2, А. В. Кузнецов3
1 2 3Пензенский государственный университет, Пенза, Россия
1 [email protected] 2 [email protected] 3 [email protected]
Аннотация. Описывается архитектура системы для анализа веб-интерфейсов с использованием нейросети. Рассматриваются основные принципы построения системы, использующей искусственный интеллект, и функционал ее компонентов.
Ключевые слова: веб-интерфейс, анализ сайтов, распознавание элементов, пользовательский опыт, микросервисная архитектура, мобильные и десктопные приложения, нейросети, искусственный интеллект, высо-конагруженные системы
Для цитирования: Десятов И. В., Свечников А. А., Кузнецов А. В. Архитектура веб-приложения для оценки пользовательских интерфейсов // Вестник Пензенского государственного университета. 2024. № 4. С. 31-34.
Искусственный интеллект (ИИ) все основательнее проникает в разнообразные сферы нашей жизни, становясь необходимой составляющей нынешних технологий. Благодаря ИИ получается существенно увеличить эффективность большого количества процессов, автоматизируя проблемы, какие прежде требовали существенных временных и человеческих ресурсов. Один из основных компонентов эффективной реализации ИИ - тщательно спроектированная структура системы, обеспечивающая ее бесперебойную работу, а кроме того, результативное взаимодействие между ее раздельными элементами.
Веб-приложения, предназначенные для оценки качества пользовательских интерфейсов разнообразных веб-сайтов, а кроме того, для распознавания и анализа компонентов их интерфейсов, строятся в основе комплексной архитектуры, включающей ряд основных частей. Каждая из этих частей играет немаловажную роль в общей работе системы, снабжая ее работоспособность, эффективность, а также безопасность. В состав системы входят следующие ключевые элементы:
1. Брокер сообщений выполняет функцию посредника между различными микросервисами системы, снабжая прочную и эффективную передачу информации. Он отвечает за организацию обмена данными, гарантируя, что все сообщения доставляются адресату в нужном порядке, а также вместе с требуемой скоростью. В высоконагруженных системах, где значимы скорость и безопасность передачи информации, брокер сообщений становится критически значимым компонентом, предотвращая вероятные перебои, а также обеспечивая целостность передаваемой информации.
© Десятов И. В., Свечников А. А., Кузнецов А. В., 2024
31
2. Серверная часть системы считается ее центральным узлом, отвечающим за обработку входящих запросов от юзеров. Именно она обрабатывает сведения, прибывающие с клиентской части, а также взаимодействует вместе с остальными элементами системы, такими как база данных и нейронная сеть. Серверная часть несет ответственность за осуществление логики приложения, а кроме того, за интеграцию с внешними сервисами и API. Помимо этого, именно она управляет распределением нагрузки между разными микросервисами, что в особенности немаловажно для предоставления устойчивой работы в условиях больших нагрузок [1].
3. Пользовательский интерфейс (UI) является тем компонентом системы, вместе с которым напрямую взаимодействует юзер. От качества, а также удобства UI зависит пользовательский опыт, а кроме того, результативность работы вместе с приложением. В случае веб-приложений, оценивающих прочие веб-интерфейсы, UI обязан быть подсознательно ясным, а также эластичным, предоставляя юзеру доступ к абсолютно всем функциям системы, таким как отправление запросов в анализ интерфейса, просмотр итогов, а также регулирование настройками. Высококачественно разработанный пользовательский интерфейс значительно упрощает работу с системой, делая ее легкодоступной для обширного круга юзеров.
4. Файловое хранилище применяется с целью сохранения разных видов файлов, в том числе рисунков веб-интерфейсов, какие необходимо проанализировать. Оно обязано обеспечивать безопасное сохранение информации, стремительный доступ к ней, а также защиту с несанкционированного доступа. Эффективное управление файлами в хранилище имеет главное значение для обеспечения бесперебойной работы системы, так как от этого зависят темп, а также качество анализа информации. Немаловажно выделить, что файловое хранилище обязано сохранять масштабируемость, для того чтобы преодолевать увеличение объема информации по мере увеличения количества юзеров системы.
5. База данных считается главным хранилищем высокоструктурированной информации, нужной для работы системы. Именно она сохраняет сведения о юзерах, результаты анализа интерфейсов, данные о файлах, а также иных составляющих, значимых для функционирования системы. Инновационные базы данных гарантируют значительную эффективность, моментальный доступ к информации, а также возможность эффективной обработки. В системе, оценивающей веб-интерфейсы, база данных обязана сохранять крупные размеры данных, а также гарантировать их целостность, то, что дает возможность системе трудиться постоянно, а также надежно.
6. Нейронная сеть представляет собою главной элемент системы, осуществляющий функции анализа, а также распознавания компонентов веб-интерфейсов. Благодаря способностям машинного обучения, а также глубокого обучения нейронная сеть может подвергать обработке трудные проблемы, такие как распознавание компонентов интерфейса, анализ их удобства, а также предсказание взаимодействия юзера вместе с интерфейсом. Применение нейронных сетей дает возможность автоматизировать процесс анализа, существенно сократив время и действия, нужные для выполнения данной проблемы вручную [2]. Помимо этого, нейронная сеть может учиться на основе новейших сведений, что гарантирует ее приспособление к меняющимся условиям и потребностям юзеров.
Система может быть показана в виде схемы (рис. 1), объединяющей базу данных (БД), искусственный интеллект (ИИ) в виде нейронной сети, файловое хранилище и брокер сообщений для эффективного управления информацией и коммуникациями. Такая структура может быть реализована на основе микросервисов, что дает возможность достичь высокой гибкости, масштабируемости и надежности системы. Микросервисная архитектура делает систему легко адаптируемой к изменениям, а также дает возможность ей стремительно реагировать на изменения в потребностях пользователей или на технические изменения.
Рис. 1. Структура системы
Рассмотрим работу этой архитектуры. Пользователь отправляет с сайта запросы, которые обрабатываются на серверной части. Запрос может содержать изображение веб-интерфейса для анализа. При отправке запроса на анализ фотографии система сохраняет файл в хранилище, а после через брокера сообщений отравляет запрос в нейронную сеть для анализа.
База данных используется для хранения структурированной информации, такой как данные о пользователях, результаты обработки фотографии, информация о файлах и т.д. Благодаря БД допустимо продуктивно организовывать, а также подвергать обработке крупные объемы информации, гарантировать моментальный доступ к данным, а также обеспечивать целостность информации [1].
Файловое хранилище используется для хранения различных файлов, таких как изображения. Благодаря файловому хранилищу возможно эффективно управлять и хранить медиаконтент, обеспечивать доступ к нему и его безопасность [3].
Брокер сообщений в системе используется для обмена сообщениями между различными микросервисами системы, обеспечивая межкомпонентную коммуникацию. Благодаря брокеру сообщений можно обеспечить надежную и быструю передачу информации между компонентами системы, обеспечить целостность сообщений и обработку их в нужном порядке.
Заключение
Внедрение и совершенствование искусственного интеллекта имеют большой потенциал в разных сферах нашей жизни. Необходимо уделить внимание не только разработке алгоритмов и моделей, но и созданию эффективной и надежной структуры системы [4]. Предложенная архитектура обеспечивает высокую гибкость, масштабируемость и производительность системы, позволяя эффективно решать сложные задачи и обеспечивать надежную работу приложения [1].
Список литературы
1. Клеппман М. Высоконагруженные приложения. Программирование, масштабирование, поддержка. Sprint Book, 2024. 638 с. URL: github.com>
2. Иванов И. И., Сидоров В. П. Машинное обучение для распознавания интерфейсов // Программная инженерия. 2022. № 4. С. 45-53.
3. Кузнецова Л. В., Бондаренко Н. И. Оценка удобства использования мобильных интерфейсов // UX Design. 2023. № 6. С. 78-85.
4. Траск Э. Грокаем глубокое обучение. Питер, 2021. 603 c. URL : habr.com>ru/companies/piter
Информация об авторах Десятов Иван Вячеславович, студент, Пензенский государственный университет.
Свечников Артём Александрович, студент, Пензенский государственный университет.
Кузнецов Алексей Валерьевич, доцент кафедры «Вычислительная техника», Пензенский государственный университет.
Авторы заявляют об отсутствии конфликта интересов.
