【技术实现步骤摘要】
本申请属于互联网，具体涉及一种页面状态的实时监控方法、装置、设备及介质。
技术介绍
1、前端网页是指用户浏览器中运行和呈现的网页部分，前端网页可以根据用户所使用的设备和屏幕尺寸进行响应式设计和移动优化，并且不需要用户下载固定的应用程序，通过使用各种浏览器即可打开。前端网页逐渐成为用户使用和商家开发的主要选择，因此，及时发现前端网页的状态异常，保证前端网页的可靠运行至关重要。
2、目前，识别前端网页状态异常的方式，主要采用人工测试与规则匹配。人工测试的方式费时费力，规则匹配的方式中预定义的规则一成不变，但页面状态异常的表现形式复杂，无法检测出所有状态异常。因此，如何快速、准确地识别出前端页面的状态异常是本领域技术人员亟待解决的技术问题。
技术实现思路
1、本申请实施例的目的是提供一种页面状态的实时监控方法、装置、设备及介质，目的在于确定前端页面的异常类型，实现快速、精准地发现并修复前端网页的状态异常，提高前端网页的可靠性。
2、第一方面，本申请实施例提供了一种页面状态的实时监控方法，所述方法包括：
3、获取前端页面的状态数据；
4、将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型；其中，所述神经网络模型是通过预设数量的样本数据进行有监督训练得到的；
5、根据所述异常类型预先关联的异常修复措施，对所述前端页面进行异常修复。
6、第二方面，本申请实施例提供了一种页
7、状态数据获取模块，用于获取前端页面的状态数据；
8、异常类型预测模块，用于将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型；其中，所述神经网络模型是通过预设数量的样本数据进行有监督训练得到的；
9、异常修复模块，用于根据所述异常类型预先关联的异常修复措施，对所述前端页面进行异常修复。
10、第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
11、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
12、第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。
13、在本申请实施例中，获取前端页面的状态数据；将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型；其中，所述神经网络模型是通过预设数量的样本数据进行有监督训练得到的；根据所述异常类型预先关联的异常修复措施，对所述前端页面进行异常修复。上述页面状态的实时监控方法，通过将前端页面的状态数据输入进神经网络模型，可以确定前端页面的异常类型，实现快速、精准地发现并修复前端网页的异常，提高前端网页的可靠性。
本文档来自技高网...【技术保护点】
1.一种页面状态的实时监控方法，其特征在于，所述方法包括：
2.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
3.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
4.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
5.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
6.根据权利要求1所述的页面状态的实时监控方法，其特征在于，根据所述异常类型预先关联的异常修复措施，对所述前端页面进行异常修复，包括：
7.根据权利要求6所述的页面状态的实时
8.一种页面状态的实时监控装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-7中任一项所述的页面状态的实时监控方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-7中任一项所述的页面状态的实时监控方法的步骤。
...【技术特征摘要】
1.一种页面状态的实时监控方法，其特征在于，所述方法包括：
2.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
3.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
4.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所述前端页面的异常类型，包括：
5.根据权利要求1所述的页面状态的实时监控方法，其特征在于，将所述状态数据输入至预先训练的神经网络模型，根据所述神经网络模型的输出结果，预测所...
【专利技术属性】
技术研发人员：周桂麟，徐治钦，
申请(专利权)人：广州三七极梦网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。