基于大数据的网页通信系统优化方法及系统与流程

1.本技术涉及大数据和网页通信优化技术领域，具体而言，涉及一种基于大数据的网页通信系统优化方法及系统。


背景技术：

2.科学技术的不断进步使得用户之间的通信模式由传统的语音文字通信模式向交互式图像化模式升级，网页通信应运而生。网页通信能够更加丰富、直观地呈现不同用户之间的通信内容，传统模式无法实现的动图、视频呈现功能几乎都可以借助网页通信技术得到很好地解决。然而，伴随大数据技术与网页通信的不断融合，网页通信所承载的内容量和内容种类越来越多，网页通信延时一直是现目前难以有效改善的一个痛点，比如，相关技术很难实现针对性的网页通信延时优化，并且难以保障延时优化的时效性。


技术实现要素：

3.第一方面，本技术实施例提供了一种基于大数据的网页通信系统优化方法，应用于网页通信优化系统，所述方法至少包括：确定目标网页通信时段下的页面通信反馈内容，并确定目标网页通信时段下的页面通信反馈内容的前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况；确定用于对目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，并确定所述网页通信延时优化算法中的指向性整理标识和整理手段；在所述网页通信延时优化算法识别所述目标网页通信时段下的页面通信反馈内容的通信延时因素的状态下，经由所述整理手段将所述网页通信延时优化算法中对应于所述指向性整理标识之前的优化策略机制识别得到的通信延时因素和所述前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况进行整理，得到整理结果；将所述整理结果传入到所述网页通信延时优化算法中对应于所述指向性整理标识之后的优化策略机制进行网页通信延时优化，得到所述目标网页通信时段下的页面通信反馈内容的网页通信延时优化情况。
4.如此设计，在根据目标网页通信时段下的页面通信反馈内容进行通信延时优化的过程中，通过结合前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况，可以实现将前一网页通信时段下的页面通信反馈内容中的重要反馈要素迁移到目标网页通信时段下的页面通信反馈内容中，从而将前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况作为目标网页通信时段下的页面通信反馈内容的参考条件，通过参考条件对目标网页通信时段下的页面通信反馈内容进行网页通信延时优化，可以尽可能挖掘到目标网页通信时段下的页面通信反馈内容中的通信延时描述（因素），进而实现针对性且高时效性的网页通信延时优化。对于每个待处理的目标网页通信时段下的页面通信反馈内容，通过针对性地部署对应的网页通信延时优化算法，并在该网页通信延时优化算法中设置前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况的指向性整理标识和整理手段，可以实现在页面通信反馈内容内为待进行分析处理的信息高效地实现处理负
荷调度，进而在一定程度上保障网页通信延时优化算法的使用效率和准确性，得到时效性更强、准确度更高的网页通信延时优化情况。
5.一些可独立实施的设计思路下，所述确定用于对目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，包括：借助集群式ai算法确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法；所述集群式ai算法涵盖若干存在关联情况的优化策略机制。
6.一些可独立实施的设计思路下，借助集群式ai算法确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，包括：在所述目标网页通信时段下的页面通信反馈内容所对应的页面通信运营记录中确定携带所述目标网页通信时段下的页面通信反馈内容的多个不间断的单侧通信反馈信息；在已经完成调试的第一集群式ai算法中寻找匹配第一延时优化负荷指标的不少于一个局部ai算法集，其中，每个所述局部ai算法集中涵盖为每个单侧通信反馈信息寻找的第一局部ai算法；通过所述不少于一个局部ai算法集确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法。
7.如此设计，通过在第一集群式ai算法中寻找匹配第一延时优化负荷指标的不少于一个局部ai算法集，进而根据该不少于一个局部ai算法集确定每个单侧通信反馈信息所对应的网页通信延时优化算法的思路，可以实现在多个不间断的单侧通信反馈信息所对应的网页通信延时优化算法匹配全局性的处理负荷限制（换言之，第一延时优化负荷指标）的基础上，实现智能化地在多个不间断的单侧通信反馈信息之间实现处理负荷调度，从而保障基于大数据的网页通信系统优化方法的实施效率，以提高基于大数据的网页通信系统优化方法的处理精度和时效性。
8.一些可独立实施的设计思路下，所述通过所述不少于一个局部ai算法集确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，包括：确定目标算法调试模板大数据；通过所述目标算法调试模板大数据对每个所述局部ai算法集进行算法调试，得到不少于一个算法调试结果；在所述不少于一个算法调试结果中定位目标算法调试结果所对应的目标局部ai算法集，并依据所述目标局部ai算法集确定所述网页通信延时优化算法，其中，所述目标算法调试结果为所述不少于一个算法调试结果中匹配第一算法调试要求的算法调试结果。
9.如此设计，通过目标算法调试模板大数据在不少于一个局部ai算法集中为多个不间断的单侧通信反馈信息选定优化质量最高的局部ai算法，可以提高网页通信延时优化的准确性，从而得到质量更高的网页通信延时优化情况。
10.一些可独立实施的设计思路下，所述在已经完成调试的第一集群式ai算法中寻找匹配第一延时优化负荷指标的不少于一个局部ai算法集，包括：确定每个单侧通信反馈信息的目标寻找区间；其中，每个所述目标寻找区间中包括设定寻找层面中多个第一寻找层面的一个寻找区间；所述第一寻找层面包括：旨在引导网页通信延时优化算法配置的空域注意力寻找层面，以及旨在引导所述指向性整理标识和整理手段的时域注意力寻找层面；通过每个单侧通信反馈信息的目标寻找区间，在已经完成调试的第一集群式ai算法中寻找匹配所述第一延时优化负荷指标的局部ai算法，并根据寻找到的局部ai算法确定所述局部ai算法集。
11.如此设计，对于不同单侧通信反馈信息可以使用同一集群式ai算法进行寻找，寻找得到一组空域注意力配置，以及指向性整理标识和整理手段各不相同的局部ai算法。基于此，可以实现在多个不间断的单侧通信反馈信息之间高效地进行处理负荷的调度，从而提高网页通信延时优化的精度和可信度，得到准确度、可信度更高的网页通信延时优化情况。
12.一些可独立实施的设计思路下，经由如下方式调试待调试的第一集群式ai算法：确定第一调试模板大数据集，其中，所述第一调试模板大数据集中包括多个第一调试模板大数据，每个第一调试模板大数据包括多个单侧通信反馈信息；在待调试的第一集群式ai算法中识别多组待调试局部ai算法；每组待调试局部ai算法中局部ai算法的量化统计结果与每个第一调试模板大数据中单侧通信反馈信息的量化统计结果一致，且一个待调试局部ai算法对应处理该调试模板大数据中的一个单侧通信反馈信息；通过所述第一调试模板大数据集对每组待调试局部ai算法进行调试，以通过调试获得所述第一集群式ai算法。
13.如此设计，通过上述调试方法对待调试的第一集群式ai算法进行调试，可以调试得到配置不相同，且复杂度可调的局部ai算法；从而能够匹配不同的负荷限制要求，以匹配不同的网页通信环境。
14.一些可独立实施的设计思路下，在所述前一网页通信时段下的页面通信反馈内容为多侧通信反馈信息的基础上，经由如下方式确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法：在设定寻找层面中确定与所述前一网页通信时段下的页面通信反馈内容相配对的多个第二寻找层面的寻找区间；所述多个第二寻找层面包括旨在引导所述前一网页通信时段下的页面通信反馈内容所对应的网页通信延时优化算法配置的空域注意力寻找层面；通过每个第二寻找层面的寻找区间对已经完成调试的第二集群式ai算法进行寻找，得到匹配第二延时优化负荷指标的不少于一个第二局部ai算法；其中，所述第二延时优化负荷指标旨在表达对多侧通信反馈信息进行延时因素分析的质量评价；通过所述不少于一个第二局部ai算法确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
15.如此设计，通过设置第二寻找层面，并而根据第二寻找层面在第二集群式ai算法中为多侧通信反馈信息寻找相应的局部ai算法作为网页通信延时优化算法的思路，可以高效地、智能化地在第二集群式ai算法中确定匹配条件的网页通信延时优化算法。
16.一些可独立实施的设计思路下，所述通过所述不少于一个第二局部ai算法确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法，包括：通过每个第二局部ai算法对设定算法调试集进行处理，得到多个算法调试结果；其中，所述算法调试结果旨在表达对应第二局部ai算法的算法性能指标；在所述多个算法调试结果中确定目标算法调试结果所对应的第二局部ai算法为所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法，其中，所述目标算法调试结果为多个算法调试结果中匹配第二算法调试要求的算法调试结果。
17.如此设计，通过设定算法调试集对挑选出的匹配第二处理负荷限制要求的不少于一个第二局部ai算法进行算法调试的思路，可以得到优化质量最高的第二局部ai算法，从而可以在保证网页通信延时优化算法的处理准确性的同时，定位出匹配时效性要求较高的网页通信场景的网页通信延时优化算法。
18.一些可独立实施的设计思路下，所述方法还包括：在所述不少于一个第二局部ai算法的算法调试结果中没有确定出所述目标算法调试结果的基础上，调整每个第二寻找层面所对应的寻找区间；根据调整之后的寻找区间对第二集群式ai算法进行寻找，直至在寻找到匹配所述第二延时优化负荷指标的不少于一个第二局部ai算法的算法调试结果中确定出目标算法调试结果的基础上，基于该目标算法调试结果所对应的第二局部ai算法确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
19.如此设计，通过调整每个第二寻找层面的寻找区间，可以精简第二集群式ai算法中网页通信延时优化算法的寻找区间，从而能够及时的从第二集群式ai算法中寻找到相应的快捷的局部ai算法作为前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
20.一些可独立实施的设计思路下，经由如下方式调试待调试的第二集群式ai算法：确定第二调试模板大数据集；所述第二调试模板大数据集中包括多个第二调试模板大数据；在所述待调试的第二集群式ai算法中为每个第二调试模板大数据选定多个局部ai算法；通过所述第二调试模板大数据集中的多个第二调试模板大数据对选定到的所述多个局部ai算法进行调试，以通过调试获得所述第二集群式ai算法。
21.如此设计，通过任意选定不少于一个局部ai算法，并对选定到的每个局部ai算法进行调试的思路，可以实现通过对集群式ai算法的一次调试过程得到匹配不同寻找要求的局部ai算法，从而使得该集群式ai算法能够匹配更多的网页通信环节，从而减少了算法配置寻找的软硬件资源浪费。
22.一些可独立实施的设计思路下，所述设定寻找层面包括：空域注意力寻找层面和时域注意力寻找层面，所述空域注意力寻找层面包括以下一种或多于一种变量：ai算法配置变量、特征挖掘单元变量、局部关注单元变量；所述时域注意力寻找层面包括：整理变量；所述ai算法配置变量旨在表达待寻找的网页通信延时优化算法在集群式ai算法中所需优化策略机制的量化统计结果；所述特征挖掘单元变量旨在表达以下一种或者多于一种：待寻找的网页通信延时优化算法在集群式ai算法中所需优化策略机制识别得到的描述模式量化统计结果、待寻找的网页通信延时优化算法在集群式ai算法中所需特征挖掘单元的特征挖掘节点覆盖范围，和/或，旨在表达待寻找的网页通信延时优化算法在集群式ai算法中所需特征挖掘单元的聚类量化统计结果；所述局部关注单元变量旨在引导是否激活每个优化策略机制中事先配置的局部关注单元；所述整理变量旨在引导所述前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况整理至所述网页通信延时优化算法中的指向性整理标识和整理手段。
23.如此设计，通过设置ai算法配置变量、特征挖掘单元变量、局部关注单元变量和整理变量，可以在ai算法寻找范围中扩展ai算法的寻找范围，从而寻找出延时优化质量匹配设定指标的快捷ai算法，从而尽可能及时地实现网页通信延时优化，避免网页通信延时带来的不必要的损失。
24.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
25.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
26.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
27.图1是根据本技术的一些实施例所示的一种示例性基于大数据的网页通信系统优化方法的应用场景的框图。
28.图2是根据本技术的一些实施例所示的一种示例性网页通信优化系统中硬件和软件组成的示意图。
29.图3是根据本技术的一些实施例所示的一种示例性基于大数据的网页通信系统优化方法和/或过程的流程图。
具体实施方式
30.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
31.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本技术。
32.这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本技术的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本技术的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本技术的范围。应当知晓的是，这些附图并不依照比例。
33.本技术中使用流程图说明根据本技术的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
34.图1是根据本技术的一些实施例所示的一种示例性基于大数据的网页通信系统优化方法的应用场景300的框图，基于大数据的网页通信系统优化方法的应用场景300可以包括网页通信优化系统100和网页通信客户端200。
35.在一些实施例中，如图2所示，网页通信优化系统100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
36.处理引擎110可以处理相关的信息和/或数据以执行本技术中描述的一个或多个
功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(central processing unit，cpu)、专用集成电路(application-specific integrated circuit，asic)、专用指令集处理器(application-specific instruction-set processor，asip)、图形处理单元(graphics processing unit，gpu)、物理处理单元(physics processing unit，ppu)、数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(field programmable gate array，fpga)、可编程逻辑器件(programmable logic device，pld)、控制器、微控制器单元、精简指令集计算机(reduced instruction-set computer，risc)、微处理器等或其任意组合。
37.网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(local area network，lan)、广域网(wide area network，wan)、无线局域网络(wireless local area network，wlan)、城域网(metropolitan area network，man)、公用电话交换网(public telephone switched network，pstn)、蓝牙网络、无线个域网络、近场通讯(near field communication，nfc)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
38.存储器130可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
39.可以理解，图2所示的结构仅为示意，网页通信优化系统100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
40.图3是根据本技术的一些实施例所示的一种示例性基于大数据的网页通信系统优化方法和/或过程的流程图，基于大数据的网页通信系统优化方法应用于图1中的网页通信优化系统100，进一步可以包括以下内容所描述的技术方案。
41.步骤31、确定目标网页通信时段下的页面通信反馈内容，并确定目标网页通信时段下的页面通信反馈内容的前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况；确定用于对目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，并确定所述网页通信延时优化算法中的指向性整理标识和整理手段。
42.本技术实施例中，目标网页通信时段可以理解为当前通信时段，比如以时间间隔t为一个通信时段，t-1可以理解为前一网页通信时段，t 1可以理解为后一网页通信时段。进一步地，页面通信反馈内容可以是网页通信客户端反馈的在网页通信过程中存在的各种延时问题，比如图片加载慢、视频卡顿、可视化交互响应延迟或者无响应等问题，基于此，页面通信反馈内容还可以理解为通信大数据，用于记录通信过程中的不同层面的延时情况。此外，网页通信延时优化情况用于记录针对网页通信进行延时优化之后的记录，比如可以记录“关闭某些数据传输通道”、“暂停一些非关键性的可视化输出线程的运行”、“压缩图片质
量”“优化不同用户的通信身份验证”等优化手段。
43.本技术实施例中，延时因素分析可以理解为对页面通信反馈内容进行用户需求大数据挖掘，从而发现用户在网页通信过程中想要优化的方面是哪些方面，基于此，网页通信延时优化算法可以是神经网络模型，比如cnn或者lstm等。进一步地，指向性整理标识可以理解为拼接位置或者拼接指示，用于指示进行相关特征内容的组合，整理手段可以理解为拼接方式。
44.此外，上述的优化手段可以基于延时问题
‑‑
解决策略这种分类匹配型的方式实现，因此网页通信延时优化算法也可以是分类器比如支持向量机，本技术实施例不作进一步限制。
45.在一些可能的实施例中，步骤31所描述的确定用于对目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，可以通过以下步骤310所描述的技术方案实现。
46.步骤310、借助集群式ai算法确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法。
47.在本技术实施例中，所述集群式ai算法涵盖若干存在关联情况的优化策略机制。可以理解的是，不同优化策略机制之间可以互相连接，以形成集群式的ai算法模型。
48.在上述内容的基础上，步骤310所描述的借助集群式ai算法确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，可以通过步骤311-步骤313所描述的技术方案实现。
49.步骤311、在所述目标网页通信时段下的页面通信反馈内容所对应的页面通信运营记录中确定携带所述目标网页通信时段下的页面通信反馈内容的多个不间断的单侧通信反馈信息。
50.在本技术实施例中，单侧通信反馈信息可以理解为关键程度相对较低的反馈信息，比如文件下载过慢的反馈信息。
51.步骤312、在已经完成调试的第一集群式ai算法中寻找匹配第一延时优化负荷指标的不少于一个局部ai算法集。
52.在本技术实施例中，每个所述局部ai算法集中涵盖为每个单侧通信反馈信息寻找的第一局部ai算法（比如可以理解为子网络）。延时优化负荷指标可以理解为进行延时优化时所需要的软硬件资源的最大开销限制。
53.在一些可独立实施的设计思路下，步骤312所描述的在已经完成调试的第一集群式ai算法中寻找匹配第一延时优化负荷指标的不少于一个局部ai算法集，可以通过步骤3121和步骤3122所描述的技术方案实现。
54.步骤3121、确定每个单侧通信反馈信息的目标寻找区间。
55.在本技术实施例中，每个所述目标寻找区间（比如可以理解为查询范围）中包括设定寻找层面中多个第一寻找层面（比如可以理解为查询维度或者查询角度）的一个寻找区间；所述第一寻找层面包括：旨在引导网页通信延时优化算法配置的空域注意力寻找层面（比如可以理解为空间查询维度），以及旨在引导所述指向性整理标识和整理手段的时域注意力寻找层面（比如可以理解为时间查询维度）。
56.步骤3122、通过每个单侧通信反馈信息的目标寻找区间，在已经完成调试的第一
集群式ai算法中寻找匹配所述第一延时优化负荷指标的局部ai算法，并根据寻找到的局部ai算法确定所述局部ai算法集。
57.步骤313、通过所述不少于一个局部ai算法集确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法。
58.在一些可独立实施的设计思路下，步骤313所描述的通过所述不少于一个局部ai算法集确定用于对所述目标网页通信时段下的页面通信反馈内容进行延时因素分析的网页通信延时优化算法，可以通过步骤3131和步骤3132所描述的技术方案实现。
59.步骤3131、确定目标算法调试模板大数据；通过所述目标算法调试模板大数据对每个所述局部ai算法集进行算法调试，得到不少于一个算法调试结果。
60.步骤3132、在所述不少于一个算法调试结果中定位目标算法调试结果所对应的目标局部ai算法集，并依据所述目标局部ai算法集确定所述网页通信延时优化算法，其中，所述目标算法调试结果为所述不少于一个算法调试结果中匹配第一算法调试要求的算法调试结果。
61.在本技术实施例中，调试模板大数据可以理解为模型测试样本，对应的算法调试结果可以理解为测试结果。
62.对于一些可独立实施的设计思路而言，还可以经由如下方式调试待调试的第一集群式ai算法：确定第一调试模板大数据集，其中，所述第一调试模板大数据集中包括多个第一调试模板大数据，每个第一调试模板大数据包括多个单侧通信反馈信息；在待调试的第一集群式ai算法中识别多组待调试局部ai算法；每组待调试局部ai算法中局部ai算法的量化统计结果与每个第一调试模板大数据中单侧通信反馈信息的量化统计结果（比如可以理解为数量）一致，且一个待调试局部ai算法对应处理该调试模板大数据中的一个单侧通信反馈信息；通过所述第一调试模板大数据集对每组待调试局部ai算法进行调试，以通过调试获得所述第一集群式ai算法。
63.步骤32、在所述网页通信延时优化算法识别所述目标网页通信时段下的页面通信反馈内容的通信延时因素的状态下，经由所述整理手段将所述网页通信延时优化算法中对应于所述指向性整理标识之前的优化策略机制识别得到的通信延时因素和所述前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况进行整理，得到整理结果；以及将所述整理结果传入到所述网页通信延时优化算法中对应于所述指向性整理标识之后的优化策略机制进行网页通信延时优化，得到所述目标网页通信时段下的页面通信反馈内容的网页通信延时优化情况。
64.在本技术实施例中，优化策略机制可以理解为网页通信延时优化算法中的功能模块或者网络层，所识别到的通信延时因素可以是产生网页通信延时的原因，基于此，可以将对应于指向性整理标识之前的优化策略机制识别得到的通信延时因素和前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况进行组合，从而得到具有参考价值的整理结果，然后将整理结果继续进行传递以指示网页通信延时优化算法结合整理结果对目标网页通信时段下的页面通信反馈内容进行针对性的网页通信延时优化以得到目标网页通信时段下的页面通信反馈内容的网页通信延时优化情况。
65.可以理解的是，得到的目标网页通信时段t下的页面通信反馈内容的网页通信延时优化情况又可以继续作为后一网页通信时段t 1的页面通信反馈内容的网页通信延时优
化的参考，从而通过正序传递实现针对性且高时效性的网页通信优化。其中，指向性整理标识用于指示优化策略机制的位置，比如以指向性整理标识为界限，位于指向性整理标识之前的一个优化策略机制对应于前一网页通信时段t-1，位于指向性整理标识之后的一个优化策略机制对应于目标网页通信时段t。
66.在另外的一些实施例中，在所述前一网页通信时段下的页面通信反馈内容为多侧通信反馈信息（比如可以理解为关键程度较高的具有实时交互性质的反馈信息）的基础上，可以经由如下步骤41-步骤43确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
67.步骤41、在设定寻找层面中确定与所述前一网页通信时段下的页面通信反馈内容相配对的多个第二寻找层面的寻找区间；所述多个第二寻找层面包括旨在引导所述前一网页通信时段下的页面通信反馈内容所对应的网页通信延时优化算法配置的空域注意力寻找层面。
68.在本技术实施例中，所述设定寻找层面包括：空域注意力寻找层面和时域注意力寻找层面。
69.进一步地，所述空域注意力寻找层面包括以下一种或多于一种变量：ai算法配置变量、特征挖掘单元变量（卷积参数）、局部关注单元变量（注意力参数）；所述时域注意力寻找层面包括：整理变量。
70.举例而言，所述ai算法配置变量旨在表达待寻找的网页通信延时优化算法在集群式ai算法中所需优化策略机制的量化统计结果。
71.此外，所述特征挖掘单元变量旨在表达以下一种或者多于一种：待寻找的网页通信延时优化算法在集群式ai算法中所需优化策略机制识别得到的描述模式量化统计结果、待寻找的网页通信延时优化算法在集群式ai算法中所需特征挖掘单元的特征挖掘节点覆盖范围、旨在表达待寻找的网页通信延时优化算法在集群式ai算法中所需特征挖掘单元的聚类量化统计结果。
72.可以理解的是，所述局部关注单元变量旨在引导是否激活每个优化策略机制中事先配置的局部关注单元。
73.进一步地，所述整理变量旨在引导所述前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况整理至所述网页通信延时优化算法中的指向性整理标识和整理手段。
74.步骤42、通过每个第二寻找层面的寻找区间对已经完成调试的第二集群式ai算法进行寻找，得到匹配第二延时优化负荷指标的不少于一个第二局部ai算法；其中，所述第二延时优化负荷指标旨在表达对多侧通信反馈信息进行延时因素分析的质量评价（比如可以理解为复杂度或者难易程度）。
75.步骤43、通过所述不少于一个第二局部ai算法确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
76.在一些可能的实施例中，步骤43所描述的通过所述不少于一个第二局部ai算法确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法，可以通过步骤431和步骤432所描述的技术方案实现。
77.步骤431、通过每个第二局部ai算法对设定算法调试集进行处理，得到多个算法调
试结果。
78.在本技术实施例中，所述算法调试结果旨在表达对应第二局部ai算法的算法性能指标（比如可以理解为预测精度）。
79.步骤432、在所述多个算法调试结果中确定目标算法调试结果所对应的第二局部ai算法为所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
80.在本技术实施例中，所述目标算法调试结果为多个算法调试结果中匹配第二算法调试要求的算法调试结果。
81.在上述内容的基础上，该方法还可以包括如下内容：在所述不少于一个第二局部ai算法的算法调试结果中没有确定出所述目标算法调试结果的基础上，调整每个第二寻找层面所对应的寻找区间；根据调整之后的寻找区间对第二集群式ai算法进行寻找，直至在寻找到匹配所述第二延时优化负荷指标的不少于一个第二局部ai算法的算法调试结果中确定出目标算法调试结果的基础上，基于该目标算法调试结果所对应的第二局部ai算法确定所述前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
82.对于一些可独立实施的设计思路而言，可以通过如下方式调试待调试的第二集群式ai算法：确定第二调试模板大数据集；所述第二调试模板大数据集中包括多个第二调试模板大数据；在所述待调试的第二集群式ai算法中为每个第二调试模板大数据选定多个局部ai算法；通过所述第二调试模板大数据集中的多个第二调试模板大数据对选定到的所述多个局部ai算法进行调试，以通过调试获得所述第二集群式ai算法。
83.基于上述相关实施例，本技术所公开的技术方案至少可以实现如下有益效果。
84.（1）在根据目标网页通信时段下的页面通信反馈内容进行通信延时优化的过程中，通过结合前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况，可以实现将前一网页通信时段下的页面通信反馈内容中的重要反馈要素迁移到目标网页通信时段下的页面通信反馈内容中，从而将前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况作为目标网页通信时段下的页面通信反馈内容的参考条件，通过参考条件对目标网页通信时段下的页面通信反馈内容进行网页通信延时优化，可以尽可能挖掘到目标网页通信时段下的页面通信反馈内容中的通信延时描述（因素），进而实现针对性且高时效性的网页通信延时优化。对于每个待处理的目标网页通信时段下的页面通信反馈内容，通过针对性地部署对应的网页通信延时优化算法，并在该网页通信延时优化算法中设置前一网页通信时段下的页面通信反馈内容的网页通信延时优化情况的指向性整理标识和整理手段，可以实现在页面通信反馈内容内为待进行分析处理的信息高效地实现处理负荷调度，进而在一定程度上保障网页通信延时优化算法的使用效率和准确性，得到时效性更强、准确度更高的网页通信延时优化情况。
85.（2）通过在第一集群式ai算法中寻找匹配第一延时优化负荷指标的不少于一个局部ai算法集，进而根据该不少于一个局部ai算法集确定每个单侧通信反馈信息所对应的网页通信延时优化算法的思路，可以实现在多个不间断的单侧通信反馈信息所对应的网页通信延时优化算法匹配全局性的处理负荷限制（换言之，第一延时优化负荷指标）的基础上，实现智能化地在多个不间断的单侧通信反馈信息之间实现处理负荷调度，从而保障基于大数据的网页通信系统优化方法的实施效率，以提高基于大数据的网页通信系统优化方法的处理精度和时效性。
86.（3）通过目标算法调试模板大数据在不少于一个局部ai算法集中为多个不间断的单侧通信反馈信息选定优化质量最高的局部ai算法，可以提高网页通信延时优化的准确性，从而得到质量更高的网页通信延时优化情况。
87.（4）对于不同单侧通信反馈信息可以使用同一集群式ai算法进行寻找，寻找得到一组空域注意力配置，以及指向性整理标识和整理手段各不相同的局部ai算法。基于此，可以实现在多个不间断的单侧通信反馈信息之间高效地进行处理负荷的调度，从而提高网页通信延时优化的精度和可信度，得到准确度、可信度更高的网页通信延时优化情况。
88.（5）通过上述调试方法对待调试的第一集群式ai算法进行调试，可以调试得到配置不相同，且复杂度可调的局部ai算法；从而能够匹配不同的负荷限制要求，以匹配不同的网页通信环境。
89.（6）通过设置第二寻找层面，并而根据第二寻找层面在第二集群式ai算法中为多侧通信反馈信息寻找相应的局部ai算法作为网页通信延时优化算法的思路，可以高效地、智能化地在第二集群式ai算法中确定匹配条件的网页通信延时优化算法。
90.（7）通过设定算法调试集对挑选出的匹配第二处理负荷限制要求的不少于一个第二局部ai算法进行算法调试的思路，可以得到优化质量最高的第二局部ai算法，从而可以在保证网页通信延时优化算法的处理准确性的同时，定位出匹配时效性要求较高的网页通信场景的网页通信延时优化算法。
91.（8）通过调整每个第二寻找层面的寻找区间，可以精简第二集群式ai算法中网页通信延时优化算法的寻找区间，从而能够及时的从第二集群式ai算法中寻找到相应的快捷的局部ai算法作为前一网页通信时段下的页面通信反馈内容所对应网页通信延时优化算法。
92.（9）通过任意选定不少于一个局部ai算法，并对选定到的每个局部ai算法进行调试的思路，可以实现通过对集群式ai算法的一次调试过程得到匹配不同寻找要求的局部ai算法，从而使得该集群式ai算法能够匹配更多的网页通信环节，从而减少了算法配置寻找的软硬件资源浪费。
93.（10）通过设置ai算法配置变量、特征挖掘单元变量、局部关注单元变量和整理变量，可以在ai算法寻找范围中扩展ai算法的寻找范围，从而寻找出延时优化质量匹配设定指标的快捷ai算法，从而尽可能及时地实现网页通信延时优化，避免网页通信延时带来的不必要的损失。
94.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
95.本技术实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是
基于本技术所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
96.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可以对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
97.同时，本技术使用了特定术语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
98.另外，本领域普通技术人员可以理解的是，本技术的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本技术的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
99.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、rf、或类似介质、或任何上述介质的组合。
100.本技术各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net，python等，或类似的常规程序编程语言，如"c"编程语言，visual basic，fortran 2003，perl，cobol 2002，php，abap，动态编程语言如python，ruby和groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
101.此外，除非申请专利范围中明确说明，本技术所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
102.同样应当理解的是，为了简化本技术揭示的表述，从而帮助对至少一个发明实施
例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。