वेब यूआई प्रेडिक्टिव बिहेवियर

यह तुरंत ध्यान दिया जाना चाहिए कि यह लेख केवल व्यक्तिपरक प्रतिबिंब है कि इंटरफ़ेस तत्वों का व्यवहार कैसे पता चलता है कि उपयोगकर्ता एक विशेष क्षण में क्या कर रहा है और देख सकता है और कार्यान्वित किया जा सकता है। विचार, हालांकि, थोड़ा शोध और कार्यान्वयन द्वारा समर्थित हैं। चलो चलते हैं।



इंटरनेट की भोर में, साइटों ने बुनियादी इंटरफ़ेस तत्वों को स्टाइल करने में व्यक्तित्व की तलाश नहीं की। परिवर्तनशीलता छोटी थी, इसलिए उनके घटकों में पृष्ठ काफी समान थे।



प्रत्येक लिंक एक लिंक की तरह दिखता है, एक बटन की तरह एक बटन, और एक चेकबॉक्स की तरह एक चेकबॉक्स। उपयोगकर्ता जानता था कि उसकी कार्रवाई क्या होगी, क्योंकि उसके पास प्रत्येक तत्व के संचालन के सिद्धांत का एक स्पष्ट विचार था।

लिंक को दूसरे पृष्ठ पर भेजना चाहिए, चाहे वह लिंक कहाँ से आए, नेविगेशन मेनू से या विवरण में पाठ से। बटन वर्तमान पृष्ठ की सामग्री को बदल देगा, संभवतः सर्वर को एक अनुरोध भेजकर। चेकबॉक्स की स्थिति, सबसे अधिक संभावना है, किसी भी तरह से सामग्री को प्रभावित नहीं करेगी, जब तक कि हम कुछ कार्रवाई के लिए बटन दबाते हैं जो इस राज्य का उपयोग करता है। इस प्रकार, यह उपयोगकर्ता के लिए इंटरफ़ेस तत्व को देखने के लिए पर्याप्त था ताकि उच्च स्तर की संभावना के साथ समझ सके कि इसके साथ कैसे बातचीत की जाए और इससे क्या होगा।



आधुनिक साइटें उपयोगकर्ता को बड़ी संख्या में पहेलियाँ प्रदान करती हैं। सभी लिंक पूरी तरह से अलग दिखते हैं, बटन बटन की तरह नहीं लगते हैं, और इसी तरह। यह समझने के लिए कि क्या एक रेखा एक कड़ी है, उपयोगकर्ता को इसके विपरीत रंग परिवर्तन को देखने के लिए उस पर मँडरा देना चाहिए। यह समझने के लिए कि क्या कोई तत्व एक बटन है, हम माउस को भी भरते हुए टोन में बदलाव देखने के लिए मँडराते हैं। विभिन्न मेनू के तत्वों के साथ, सब कुछ भी जटिल है, उनमें से कुछ संभवतः एक अतिरिक्त सबमेनू का विस्तार करेंगे, और कुछ नहीं करेंगे, हालांकि वे दिखने में समान हैं।

हालांकि, हम जल्दी से उन इंटरफेस के लिए अभ्यस्त हो जाते हैं जो हम नियमित रूप से उपयोग करते हैं और अब तत्वों की कार्यक्षमता में भ्रमित नहीं हैं। इंटरफेस की समग्र निरंतरता द्वारा एक प्रमुख भूमिका निभाई जाती है। ऊपर दिए गए पृष्ठ को देखने के बाद, हमें तुरंत पता चलेगा कि "फाइंड" शब्दों के साथ पीला तीर सिर्फ एक सजावटी तत्व नहीं है, बल्कि एक बटन है, हालांकि यह बिल्कुल मानक एचटीएमएल बटन की तरह नहीं दिखता है। इसलिए, पूर्वानुमान और व्यक्तित्व के संदर्भ में, अधिकांश संसाधन उपयोगकर्ताओं द्वारा स्वीकार किए गए एक स्थिर सहमति के लिए आए हैं।

दूसरी ओर, एक इंटरफ़ेस प्राप्त करना दिलचस्प होगा जो उपयोगकर्ता को किसी तत्व की बारीकियों के बारे में पहले से बताता है या उसके लिए नियमित काम का हिस्सा है। कर्सर मेनू आइटम की ओर बढ़ता है - आप पहले से ही सबमेनू का विस्तार कर सकते हैं, जिससे इंटरफ़ेस के साथ बातचीत तेज हो जाती है, उपयोगकर्ता कर्सर को बटन पर ले जाता है - आप क्लिक करने के बाद ही आवश्यक अतिरिक्त सामग्री लोड कर सकते हैं। लेख की हेडिंग मानक इंटरफ़ेस (बाएं) और पूर्वानुमान की तुलना करती है।

एक साधारण दृश्य परीक्षण से पता चलता है कि कर्सर की गति और उसके डेरिवेटिव का विश्लेषण करके, एक निश्चित संख्या में चरणों में आंदोलन की दिशा और स्टॉप के निर्देशांक की भविष्यवाणी करना संभव है। यह देखते हुए कि गति की गति के परिमाण के सापेक्ष एक स्थिर आवृत्ति के साथ गति की घटनाओं को ट्रिगर किया जाता है, लक्ष्य के करीब पहुंचने पर गति कम हो जाती है। इस प्रकार, आप पहले से उपयोगकर्ता द्वारा नियोजित कार्रवाई का पता लगा सकते हैं, जो पहले से घोषित लाभों की ओर जाता है।



इस प्रकार, समस्या में दो कार्य शामिल हैं: कर्सर के भविष्य के निर्देशांक का निर्धारण करना और उपयोगकर्ता के इरादों को निर्धारित करना (हॉवर, क्लिक, हाइलाइट, और इसी तरह)। ये सभी डेटा केवल कर्सर निर्देशांक के पिछले मूल्यों के विश्लेषण के आधार पर प्राप्त किए जाने चाहिए।



प्राथमिक कार्य रोक क्षण की भविष्यवाणी करने के बजाय कर्सर आंदोलन की दिशा का मूल्यांकन करना है, जो एक अधिक जटिल समस्या है। एक शोर मात्रा के मापदंडों के अनुमान के रूप में, गति की दिशा की गणना की समस्या को ज्ञात विधियों के द्रव्यमान द्वारा हल किया जा सकता है।

पहला विकल्प जो मन में आता है वह एक चलती औसत फिल्टर है। पिछले क्षणों में गति का लाभ उठाते हुए, आप निम्नलिखित में इसका मूल्य प्राप्त कर सकते हैं। पिछले मूल्यों को एक निश्चित कानून (रैखिक, घातीय, घातीय) के अनुसार निकटतम राज्यों के प्रभाव को बढ़ाने के लिए अधिक दूर के मूल्यों के योगदान को कम करके वजन किया जा सकता है।

एक अन्य विकल्प एक पुनरावर्ती एल्गोरिदम का उपयोग करना है, जैसे कि कण फिल्टर । कर्सर की गति का मूल्यांकन करने के लिए, फ़िल्टर गति के वर्तमान मूल्य के बारे में कई परिकल्पनाएं बनाता है, जिन्हें कण भी कहा जाता है। प्रारंभिक समय में, ये परिकल्पनाएं पूरी तरह से यादृच्छिक होती हैं, लेकिन आगे बढ़ने के साथ, फ़िल्टर अमान्य परिकल्पनाओं को हटा देता है और समय-समय पर पुनर्वितरण चरण में विश्वसनीय लोगों के आधार पर नए उत्पन्न करता है। इस प्रकार, परिणाम के रूप में परिकल्पनाओं के सेट से, वेग के सही मूल्य के निकटतम केवल वही रहते हैं।

नीचे दिए गए उदाहरण में, विज़ुअलाइज़ेशन के लिए प्रत्येक कण के कर्सर को घुमाते समय, त्रिज्या मान सीधे उसके वजन के अनुपात में होता है। इस प्रकार, भारी कणों की उच्चतम सांद्रता वाला क्षेत्र कर्सर आंदोलन की सबसे संभावित दिशा की विशेषता है।


हालांकि, आंदोलन की प्राप्त दिशा उपयोगकर्ता के इरादों को निर्धारित करने के लिए पर्याप्त नहीं है। इंटरफ़ेस तत्वों की एक उच्च घनत्व के साथ, कर्सर पथ उनमें से कई पर झूठ बोल सकता है, जिससे पूर्ववर्ती एल्गोरिथ्म की झूठी सकारात्मकता का एक द्रव्यमान हो जाएगा। यहाँ मशीन सीखने के तरीके बचाव के लिए आते हैं, अर्थात् आवर्तक तंत्रिका नेटवर्क।

कर्सर के निर्देशांक दृढ़ता से सहसंबद्ध मूल्यों का एक क्रम है। जब आंदोलन धीमा हो जाता है, तो समय पर पड़ोसी पदों के निर्देशांक के बीच का अंतर घटना से घटना तक घट जाता है। आंदोलन की शुरुआत में रिवर्स प्रवृत्ति ध्यान देने योग्य है - समन्वय अंतराल बढ़ता है। संभवतया, स्वीकार्य सटीकता के साथ, इस समस्या को पथ के विभिन्न हिस्सों पर डेरिवेटिव के मूल्यों की जांच करके और इन मूल्यों के व्यवहार के आधार पर प्रतिक्रिया सीमा को एन्कोडिंग करके विश्लेषणात्मक रूप से हल किया जा सकता है। लेकिन इसकी प्रकृति से, कर्सर की स्थिति का समन्वय अनुक्रम एक डेटा सेट की तरह दिखता है जो दीर्घकालिक अल्पकालिक स्मृति के नेटवर्क के संचालन के सिद्धांतों के साथ अच्छी तरह से फिट बैठता है।

LSTM नेटवर्क आवर्तक तंत्रिका नेटवर्क का एक विशिष्ट प्रकार का आर्किटेक्चर है, जो दीर्घकालिक निर्भरता के प्रशिक्षण के लिए अनुकूलित है। यह कई राज्यों में नेटवर्क मॉड्यूल द्वारा जानकारी संग्रहीत करने की क्षमता से सुविधा प्रदान करता है। इस प्रकार, नेटवर्क संकेतों के आधार पर पहचान कर सकता है, उदाहरण के लिए कि कर्सर कितनी देर तक धीमा रहा, इससे पहले क्या हुआ, कैसे मंदी की शुरुआत में कर्सर की गति बदल गई, और इसी तरह। ये संकेत कुछ कार्यों के दौरान उपयोगकर्ता के व्यवहार के विशिष्ट पैटर्न की विशेषता रखते हैं, उदाहरण के लिए, एक बटन पर क्लिक करना।



इस प्रकार, कण फिल्टर और तंत्रिका नेटवर्क के उत्पादन में प्राप्त आंकड़ों का लगातार विश्लेषण करके, हमें एक क्षण मिलता है जब, उदाहरण के लिए, आप ड्रॉप-डाउन मेनू दिखा सकते हैं, क्योंकि उपयोगकर्ता कर्सर को अगले सेकंड में खोलने के लिए इसे स्थानांतरित करता है। प्रत्येक माउस ईवेंट के लिए यह विश्लेषण करना, सही क्षण को याद करना मुश्किल है।



उपयोगकर्ता के व्यवहार के विश्लेषण की प्रक्रिया में प्राप्त डेटा सेट पर LSTM नेटवर्क प्रशिक्षण किया जा सकता है, इंटरफ़ेस के साथ बातचीत करते समय इसकी विशेषताओं की पहचान करने के लिए डिज़ाइन किए गए कार्यों की एक श्रृंखला का प्रदर्शन: एक बटन पर क्लिक करें, लिंक पर कर्सर ले जाएं, मेनू खोलें, और इसी तरह। निम्न तंत्रिका नेटवर्क विश्लेषण के बिना केवल कण फिल्टर के आधार पर भविष्य कहनेवाला तत्वों के मैट्रिक्स को ट्रिगर करने का एक उदाहरण है।



नीचे दिए गए एनिमेशन उपयोगकर्ता के व्यवहार की भविष्यवाणी करने की प्रक्रिया में तंत्रिका नेटवर्क के योगदान को प्रदर्शित करते हैं। झूठी सकारात्मकता बहुत कम हो जाती है।



सामान्य तौर पर, कार्य दो मात्राओं के बीच संतुलन बनाने के लिए उबलता है - कार्रवाई और इसकी भविष्यवाणी और त्रुटियों की संख्या (झूठी सकारात्मक और चूक) के बीच की अवधि। दो चरम मामले पृष्ठ पर सभी तत्वों (अधिकतम भविष्यवाणी अवधि, त्रुटियों की एक बड़ी संख्या) का चयन करने के लिए होते हैं, या जब उपयोगकर्ता कार्य करता है तो एल्गोरिथ्म तुरंत काम करता है (शून्य भविष्यवाणी अवधि और लापता त्रुटियां)।



आरेख अधिकतम मान को सामान्यीकृत परिणाम दिखाते हैं, क्योंकि उपयोगकर्ता की गति विशुद्ध रूप से व्यक्तिगत है, और त्रुटियों की संख्या प्रश्न में इंटरफ़ेस पर निर्भर करती है। मूविंग एवरेज और पार्टिकल फिल्टर एल्गोरिदम लगभग समान परिणाम दिखाते हैं। दूसरा थोड़ा अधिक सटीक है, खासकर टचपैड के उपयोग के मामले में। अंततः, ये सभी विकल्प विशिष्ट उपयोगकर्ता और डिवाइस पर अत्यधिक निर्भर हो सकते हैं।



अंत में, एचटीएमएल तत्वों के पूर्वानुमान संबंधी व्यवहार का एक छोटा डेमो, आदर्श से दूर, लेकिन थोड़ा खुलासा।


बेशक, ऐसे कार्यों में कार्यक्षमता और पूर्वानुमान के बीच संतुलन बनाना महत्वपूर्ण है। यदि परिणामी व्यवहार उपयोगकर्ता के लिए स्पष्ट नहीं है, तो होने वाली जलन सभी प्रयासों को शून्य कर देगी। इस बारे में बात करना मुश्किल है कि क्या उपयोगकर्ता के लिए एल्गोरिदम को सीखने की प्रक्रिया को अदृश्य बनाना संभव है, उदाहरण के लिए, पेज इंटरफेस के साथ अपने संचार के पहले सत्रों में, ताकि प्रशिक्षित एल्गोरिदम का उपयोग कर, फिर इंटरफ़ेस तत्वों का अनुमान लगाने का व्यवहार करें। किसी भी मामले में, प्रत्येक व्यक्ति की व्यक्तिगत विशेषताओं के कारण अतिरिक्त प्रशिक्षण आवश्यक होगा और यह अतिरिक्त शोध का विषय है।