基于范畴论的移动用户界面模式推荐研究

发布时间：2020-07-11 06:07

【摘要】：为了提高移动设备的用户界面开发效率和质量,移动用户界面开发中广泛使用基于模式的用户界面开发方法。通过引入移动用户界面模式(Mobile User Interface Pattern,MUIP),不但能够为复杂的设计问题快速提供可复用的解决方案,而且能够帮助开发人员快速理解和使用开发中的设计知识与经验。在基于模式的用户界面开发中,为了提高查找MUIP的准确性和效率,开发人员使用模式推荐方法从模式库中查找MUIP。然而,在使用现有的模式推荐方法帮助开发人员查找MUIP时,还存在查找的准确性较低和推荐列表排序质量不佳的问题。这包括两方面的原因,首先,现有的模式库构建方法无法对MUIP及其关系进行高级抽象层次的描述,导致建立的模式库没有层次结构,不能为模式推荐方法提供结构化支持。其次,现有的模式推荐方法没有充分利用MUIP查找中的各种映射关系,在需求信息抽取、查找策略以及设计问题与MUIP的相似性度量等方面都在存在不足之处。为解决上述问题,本文从构建模式库和模式推荐方法两个方面展开研究。在构建模式库方面,首先,对用户界面模式语言进行研究,使用范畴论从高级抽象层次去描述MUIP及其关系。然后,使用用户界面模式语言建立一个具有层次结构的模式库,为模式推荐方法提供结构化支持。在研究模式推荐方法方面,首先,使用范畴论对查找过程中的各种映射关系进行范畴化描述,发现各种映射关系的内在结构和规律。然后,将这些内在结构和规律应用到模式推荐方法中。本文的主要创新研究总结如下:(1)针对现有模式库不能为模式推荐方法提供结构化支持的问题,提出一种基于范畴论的移动用户界面模式语言(Category Theory-based Mobile User Interface Pattern Language,CTBMUIPL),并利用其构建一个具有层次结构的范畴化模式库。在CTBMUIPL中,利用范畴论对不同抽象层中的MUIP及其之间的关系进行描述和组织,通过实例分析了范畴化模式库具有的映射类型和结构特性。实验结果表明,使用CTBMUIPL构建的模式库能够为模式推荐方法提供结构化支持。(2)在孤立设计问题的查找策略中,为缩小查找范围,提出一种基于改进PSO和抽象层次信息的MUIP聚类(Improved Particle Swarm Optimization and Abstract Hierarchical information-based Mobile User Interface Pattern Clustering,IPSOAMC)算法,该算法使用了半监督核模糊C均值(Semi-Supervised Kernel Fuzzy C-Means,SSKFCM)聚类和抽象层次信息。为解决聚类参数敏感问题,提出一种改进的粒子群优化(Improved PSO,IPSO)算法,用于优化聚类参数。实验结果表明,IPSOAMC算法在聚类效果和收敛性方面的表现都优于现有的聚类算法。(3)针对现有模式推荐方法无法提供高质量推荐列表的问题,从需求信息的完整性和关键属性的相似度性度量两个方面展开研究。首先,为保证抽取需求信息的完整性,提出一种基于问答的需求信息抽取方法,通过一系列的问答形式引导开发人员描述需求信息,从而获得查找MUIP所需的关键属性信息。然后,提出一种基于拉回的相同属性查找算法,利用拉回查找设计问题与MUIP之间相同部分。为了提高相似度量的准确性,该算法被应用到设计问题和MUIP的相似性计算中。推荐效果的实验结果表明,对需求信息的完整性和相似度量的研究能够提高推荐列表的排序质量。(4)提出一种基于范畴论的MUIP推荐方法(Category Theory-based Mobile User Interface Pattern Recommendation Method,CTBMPR),首先,为了将设计问题与模式库紧密结合在一起,使用范畴论对MUIP查找中的各种映射关系进行描述。然后,使用基于问答的需求信息抽取方法从设计问题中抽取需求信息。最后,将IPSOAMC算法和范畴化的映射关系分别应用到孤立设计问题和关联设计问题的查找策略中。根据设计问题与MUIP的相似度量结果,为开发人员提供MUIP的推荐列表。实验结果表明,CTBMPR在查找的准确性和推荐列表的排序质量方面的表现都优于现有的模式推荐方法。
【学位授予单位】：西北大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP391.3;O154.1
【图文】：

模式图,数据信息,图模式,模式

数据信息展示模式

数据信息,可分离性,范畴化,可视化信息

图 4.1 数据信息展示模式实例图 4.2 聚类结果4）MUIP 数据不具有线性可分离性有的研究表明[34]，MUIP 数据之间存在大量的非线性关系，而且 MUIP个不规则的空间中。因此，在范畴化模式库中，MUIP 数据在输入空间可分离性。0 xy1A2A提供信息细节展示数据信息展示模式提供可视化信息展示

分岔图,分岔图

( ) ( ( ))( ) ( ) ( ( ))4 sinmod ,1 0.52 414 sinmod ,1 0.52 4iiiiiib Qb QQb Qb QQππ ′′ + < = ′ ′ + ≥ 序列， b′ 是控制参数。能够解决 Sine 映射中存在的问题，图 4.4 和图 4.映射作用下分别产生的分岔图，从图中可以看出，时，迭代才会映射到整个[ 0,1] 区间，说明 Sine 映射有一定的局限性且均匀分布特性较差，而 Ten-Sin整个[ 0,1] 区间，这说明 Ten-Sine 映射的满映射参高了混沌序列的范围和随机性能，使得 Ten-Sine 映混沌反向学习策略中采用 Ten-Sine 映射。

【参考文献】