Técnicas de aprendizaje automático para mejorar el rendimiento de aplicaciones web: un mapeo sistemático de literatura

Descripción:

La proliferación de las aplicaciones web ha generado una cultura cada vez más demandante por parte de los usuarios. Se estima que un usuario promedio espera solo dos segundos antes de abandonar una aplicación web, si esta no responde dentro de ese lapso. Por esta razón, la creación de sitios web eficientes se ha convertido en una prioridad para los desarrolladores. El objetivo de este estudio es identificar las principales técnicas de aprendizaje automático utilizadas para mejorar el rendimiento de las aplicaciones web, sus indicadores de desempeño, usos, y capas de aplicación. Para esto se realizó un mapeo sistemático de literatura que identificó 37 estudios primarios. Los resultados indican que los árboles de decisión son el algoritmo más explorado para mejorar el rendimiento de las aplicaciones, seguido por las redes neuronales y las máquinas de soporte vectorial. Los indicadores más utilizados para medir el rendimiento de las aplicaciones web fueron el uso de caché, el tiempo del primer byte y el tiempo de carga de página. El principal uso de aprendizaje automático reportado está en la predicción efectiva de futuras acciones de un usuario durante su interacción con una aplicación web para aśı pre cargar recursos necesarios en memoria antes que sean requeridos. Las capas de infraestructura y back-end fueron las que más reportaron el uso de aprendizaje automático para mejorar el rendimiento.

Tipo de publicación: Conference Paper

Publicado en: CIbSE

Autores
  • Jean Carlo Zúñiga-Madrigal
  • Christian Quesada-López
  • Marcelo Jenkins
  • Alexandra Martinez

Investigadores del CITIC asociados a la publicación
Christian Quesada-López
Marcelo Jenkins Coronas

Proyecto asociado a la publicación

BIBTEXT

Datos bibliográficos
Cita bibliográfica
Técnicas de aprendizaje automático para mejorar el rendimiento de aplicaciones web: un mapeo sistemático de literature