[发明专利]基于Flex和web3D技术的富互联网应用方法

说明书

技术领域

   本发明专利涉及互联网应用程序开发，特别是基于Flex和web3D技术的富互联网应用方法。

背景技术

现在的网络世界越来越丰富多彩，随着网络带宽的提升以及信息技术的高速发展，网络上的信息量越来越大，特别是面向Web的三维交互技术的出现，需要在网络上传输大量的三维数据，海量的网格数据对计算机的存储能力和网络的传输能力有着更高的要求，传统的传输策略一般是下载后显示，即把要显示的内容预先下载在客户端浏览器上，等待下载完毕后再显示。为了解决以上问题，人们主要提出了缓存和预取两种方案，取得了一定效果。网络缓存技术，其目的就是减少网络中冗余数据的重复传输，使之最小化，将广域传输转为本地或就近访问。网络缓存技术类型可分为四种：代理缓存（Proxy Caching）、适用性网络缓存（Adaptive Web Caching）、推进式缓存（Push Cashing）、活性缓存（Active Caching）。其中代理缓存又包括了：孤立型（Standalone）缓存、透明型（transparent）缓存和反向代理缓存。用户端使用网络缓存，能够有效的减少与远端服务器连接的需求以及由此引发的网络通信量，从而降低骨干网上数据的传输量。而网络数据预取技术，利用WWW访问的空间局部性原理，通过分析用户当前和历史请求，自动预测用户将来可能浏览的页面，在用户正在操作当前页面时将预测得到的内容存入本地，这样用户如果确实要访问这些页面只要从本地高速缓存读取即可，空间局部性原理指web请求队列中不同请求之间的相互关系。对于预先存储的数据进行选择是预取技术的关键，现在比较流行的预取算法主要有六种：

1.     基于访问概率的预取模型，由于用户对Web的访问具有一定的规律，且具有历史性和相对集中的爱好，因此提出了基于组的兴趣和访问行为对未来将要访问的资源进行预测。

2.     基于数据挖掘的预取模型，利用数据挖掘技术挖掘用户的兴趣关联规则，作为对用户即将访问的页面进行预取的依据。

3.     基于Web语义的预取模型，通过提炼用户会话特征，按语义对用户会话进行分类，服务器确定用户会话所属的类别，预送用户可能使用的文档并发送到客户端。

4.     基于网络性能的预取模型，在对Web代理服务器上的业务进行分析和对网络RTT进行测量分析的基础上，对URL的未来访问进行预测。

5.     基于流行度的预取模型，定期地统计网页的访问次数，并选取访问次数较多的网页组成流行页面集。然后根据客户最近发出的请求量的大小，从每个服务器上的流行页面集中预取相当于用户最近发出的请求量的页面放在缓存或直接送给用户。利用Zipf第1定律和第2定律对访问流行度建模，提出了基于Web流行度的预取模型。

6.     基于神经网络的预取模型，采用基于神经网络的预取模型，利用BP或MA等算法进行学习并预测。通过抽取网页超链描述文字信息中的关键词作为神经网络的输入，神经网络输出结果作为预取依据，用户浏览路径页面作为训练样本反馈给神经网络进行学习。

另外，信息的表现形式也趋向多元化。从传统的文字、图片发展到流媒体、在线视频点播再到网页游戏、高速下载。富互联网（RIA）应用作为近几年新兴起的web应用，有着广泛的前景。其具有高度互动性、丰富用户体验以及功能强大的客户端。主要特点有：

1.    在消息确认和格式编排方面提供互动用户界面；

2.    在无刷新页面之下提供快捷的界面响应时间；

3.    提供通用的用户界面特性如拖放式以及在线和离线操作能力；

4.    采用逐步下载来检索内容和数据；

5.    可以充分被广泛采纳的互联网标准；

传统的网页制作技术有多种，成熟的制作软件如微软office组件里的FrontPage，Adobe公司的dreamweaver和Pagemill等等。常用的编程语言主要有asp.net,php，javascript，vbscript等等，都能根据用户的需要创建出形式多样的静态或者动态网页。