面向用户运行情境的移动计算软件可用性优化技术研究

Software usability is an important concern of mobile users, but the existing technology can not guarantee software usability for diverse user groups (such as different aged users) under complex environment (such as diversified equipment and various coexisting software). This project breakthrough software usability tuning practice via changing the traditional passive user feedback collection to preactive user situation modeling. The project tries to improve software usability via analyzing the runtime data and monitoring the user interactions. The process includes the mobile applications, the system and the user all together, which forms a tighter loop of software usability enhancement than traditional one. For a specific target mobile application, we analyze its run-time data for solving the ease of use, laggy, power consumption and other usability issues. This helps developers to enhance software usability. By analyzing the user behavior and the system context, we can locate the context-aware software usability issues, and help the user to optimize the system usability accordingly. Finally, by limiting the scope of collecting and using user's runtime data, this project clearly defines the privacy boundaries of our developed toolsets and therefore solves the practical concerns.

移动计算软件可用性是用户的重要关切，然而现有技术无法对多元的用户群体（如不同年龄段用户）在复杂的运行情境（如多样化共存软件）下保障移动计算的可用性。项目提出在移动计算软件可用性调优过程中以主动对运行情境建模替代被动等待用户反馈，达到对多元用户群体与复杂运行情境的理解。项目以运行时数据分析与用户行为理解为核心，综合考虑应用、系统和用户因素，重点突破移动计算应用、系统软件可用性优化技术，并形成可用性持续提升迭代闭环。对移动应用软件本身，通过运行时数据分析，突破对软件易用性、性能的用户感知刻画不足，指导开发者优化开发。对移动计算系统，通过分析用户行为与运行情境，突破对影响软件可用性的系统和用户交互理解不足，协助用户现场调优。最后，项目通过限制运行时数据使用范围，明确了可用性优化工具的隐私边界，突破了工具自身的可用性问题。研究成果将物化为实效的开源可用性优化工具，包括软件开发工具与用户端助手工具。

移动计算软件可用性是用户的重要关注点，本课题的主要研究目标是以软件运行时的数据分析和用户行为理解为核心，综合考虑应用软件、用户和系统，来保障移动计算软件的可用性。课题分别从应用软件、用户和系统三个角度开展可用性研究，并在真实系统中对研究成果进行了实证研究。研究成果具体分为如下四个方面：..（1）在应用软件的可用性方面，对于开发人员常常忽视的软件性能故障，课题对新型人工智能相关应用的深度学习模型训练场景下共享GPU资源调度性能问题进行了实证研究。对于软件的运行时故障，课题设计了基于运行时数据的异常用户检测和定位方法；（2）用户反馈对于提升计算软件的可用性至关重要，在研究用户反馈方面，本课题针对当前移动应用的社交化功能进行了用户体验研究。同时也对处理海量用户反馈所需的自然语言处理技术相关技术进行了针对性研究，包括基于低频词词向量优化的短文本分类以及基于短语成分表示的中文关系抽取技术；（3）在系统可用性提升方面，目前移动软件利用云计算服务来提升软件性能。因此，课题针对云端服务系统的运行时可用性进行了研究，提出了数据驱动的智能化服务故障处理框架，包括基于监控信号依赖的智能化服务故障预警机制、基于深度学习的系统故障关联方法和故障排除指南的智能推荐技术；（4）本课题提出的部分研究在真实云系统中进行了实证研究。实证研究结果表明，本课题提出的故障关联方法对于发生在465个真实服务中的故障能够取得94.5%的F1指数。本课题提出的故障缓解推荐方法在18个在线系统上能够准确处理80.3%的故障。