应用程序管控方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种应用程序管控方法、装置、存储介质及电子设备。所述应用程序管控方法包括：获取多个预设应用程序的特征信息，并根据所述特征信息，生成训练样本，其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息，根据所述训练样本，生成隐马尔科夫模型，并利用所述隐马尔科夫模型进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控。本申请实施例通过采集应用程序的使用记录生成训练样本，并利用隐马尔科夫模型预测应用是否可清理，以提高对预设应用程序进行预测的准确性，从而提升对进入后台的应用程序进行管控的智能化和准确性。

Application management and control methods, devices, storage media and electronic equipment

The application discloses an application management control method, a device, a storage medium and an electronic device. Including the application program control method: obtaining a plurality of preset application feature information, and according to the characteristic information to generate training samples, the training sample includes a corresponding plurality of training time and training each time point of the plurality of preset application state information, according to the training samples generation, hidden Markov model, and using the hidden Markov model to predict the forecast results to generate, and the prediction results were the control of background applications according to the. The embodiment of the application through the acquisition application usage records to generate training samples, and the use of hidden Markov model to predict the application of cleaning, in order to improve the prediction accuracy of the default application, so as to enhance the management and control of the application into the background of the intelligence and accuracy.

【技术实现步骤摘要】
应用程序管控方法、装置、存储介质及电子设备
本申请涉及移动通信
，尤其涉及移动设备
，具体涉及一种应用程序管控方法、装置、存储介质及电子设备。
技术介绍
随着电子技术的发展，人们通常在电子设备上安装很多应用程序。当用户在电子设备中打开多个应用程序时，若用户退回电子设备的桌面或者停留在某一应用程序的应用界面或者管控电子设备屏幕，则用户打开的多个应用程序依然会在电子设备的后台运行。然而在后台运行的应用程序会严重地占用电子设备的内存，并且导致电子设备的耗电速度加快，而且还会降低电子设备的运行流畅度。
技术实现思路
本申请实施例提供一种应用程序管控方法、装置、存储介质及电子设备，能够提升对应用程序进行管控的智能化和准确性。本申请实施例提供一种应用程序管控方法，应用于电子设备中，所述方法包括：获取多个预设应用程序的特征信息；根据所述特征信息，生成训练样本，其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息；根据所述训练样本，生成隐马尔科夫模型；当检测到所述多个预设应用程序中存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控。本申请实施例还提供一种应用程序管控装置，所述装置包括：获取模块，用于获取多个预设应用程序的特征信息；第一生成模块，用于根据所述特征信息，生成训练样本，其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息；第二生成模块，用于根据所述训练样本，生成隐马尔科夫模型；管控模块，用于当检测到所述多个预设应用程序中存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控。本申请实施例还提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如上所述的应用程序管控方法。本申请实施例还提供一种电子设备，包括存储器和处理器，其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如上所述的应用程序管控方法。本申请实施例通过获取多个预设应用程序的特征信息，并根据所述特征信息，生成训练样本，其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息，根据所述训练样本，生成隐马尔科夫模型，并利用所述隐马尔科夫模型进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控。本申请实施例通过采集应用程序的使用记录生成训练样本，并利用隐马尔科夫模型预测应用是否可清理，以提高对预设应用程序进行预测的准确性，从而提升对进入后台的应用程序进行管控的智能化和准确性。附图说明下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。图1为本申请实施例提供的一种应用程序管控装置的系统示意图。图2为本申请实施例提供的一种应用程序管控装置的应用场景示意图。图3为本申请实施例提供的一种应用程序管控方法的流程示意图。图4为本申请实施例提供的一种应用程序管控方法的另一流程示意图。图5为本申请实施例提供的一种应用程序管控方法的又一流程示意图。图6为本申请实施例提供的一种应用程序管控装置的结构示意图。图7为本申请实施例提供的一种应用程序管控装置的另一结构示意图。图8为本申请实施例提供的一种应用程序管控装置的又一结构示意图。图9为本申请实施例提供的一种电子设备的结构示意图。图10为本申请实施例提供的一种电子设备的另一结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。在现有技术中，对后台的应用程序进行管控时，通常直接根据电子设备的内存占用情况以及各应用程序的优先级，对后台的部分应用程序进行清理，以释放内存。然而有些应用程序对用户很重要、或者用户在短时间内需要再次使用某些应用程序，若在对后进行清理时将这些应用程序清理掉，则用户再次使用这些应用程序时需要电子设备重新加载这些应用程序的进程，需要耗费大量时间及内存资源。其中，所述电子设备可以是智能手机、平板电脑、台式电脑、笔记本电脑、或者掌上电脑等设备。请参阅图1，图1为本申请实施例提供的一种应用程序管控装置的系统示意图。该应用程序管控装置主要用于：预先采集用户常用的应用程序的使用记录，以统计预设应用程序的特征信息，并根据所述预设应用程序的特征信息生成训练样本；通过对所述训练样本进行训练，生成隐马尔科夫模型，并利用所述隐马尔科夫模型进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控，例如关闭、或者冻结等。具体的，请参阅图2，图2为本申请实施例提供的一种应用程序管控装置的应用场景示意图。比如，应用程序管控装置在接收到管控请求时，检测到在电子设备的后台运行的应用程序包括预设应用程序a、预设应用程序b以及预设应用程序c；然后将多个连续的观测值输入隐马尔科夫模型，分别获取预设应用程序a即将被使用的预测概率a’、预设应用程序b即将被使用的预测概率b’以及预设应用程序c即将被使用的预测概率c’，根据概率a’、概率b’以及概率c’与预设阈值之间的大小关系，对后台运行的预设应用程序a、预设应用程序b以及预设应用程序c进行管控，例如将概率a’小于预设阈值的预设应用程序a进行关闭处理，以使得在后台运行的应用程序调整为预设应用程序b和预设应用程序c。本申请实施例提供的一种应用程序管控方法的执行主体，可以为本申请实施例提供的一种应用程序管控装置，或者集成了所述应用程序管控装置的电子设备(譬如掌上电脑、平板电脑、智能手机等)，所述应用程序管控装置可以采用硬件或者软件的方式实现。请参阅图3至图5，图3至图5均为本申请实施例提供的一种应用程序管控方法的流程示意图。所述方法应用于电子设备中，所述方法包括：步骤101，获取多个预设应用程序的特征信息。其中，预设应用程序可以是安装在电子设备中的任意应用程序，例如通讯应用程序、多媒体应用程序、游戏应用程序、资讯应用程序、购物应用程序、导本文档来自技高网...

【技术保护点】
一种应用程序管控方法，应用于电子设备中，其特征在于，所述方法包括：获取多个预设应用程序的特征信息；根据所述特征信息，生成训练样本，其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息；根据所述训练样本，生成隐马尔科夫模型；当检测到所述多个预设应用程序中存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控。

【技术特征摘要】
1.一种应用程序管控方法，应用于电子设备中，其特征在于，所述方法包括：获取多个预设应用程序的特征信息；根据所述特征信息，生成训练样本，其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息；根据所述训练样本，生成隐马尔科夫模型；当检测到所述多个预设应用程序中存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控。2.如权利要求1所述的应用程序管控方法，其特征在于，所述根据所述训练样本，生成隐马尔科夫模型，包括：根据所述训练样本，获取所述多个预设应用程序的状态集合以及观测集合；根据所述训练样本，生成所述多个预设应用程序之间的状态转移概率，以得到状态转移概率集合；根据所述训练样本，生成每一训练时间点对应的所述多个预设应用程序的观测概率，以得到观测概率集合；根据所述状态集合、观测集合、状态转移概率集合以及观测概率集合，生成隐马尔科夫模型。3.如权利要求2所述的应用程序管控方法，其特征在于，所述根据所述训练样本，生成所述多个预设应用程序之间的状态转移概率，以得到状态转移概率集合，包括：根据所述训练样本，获取第一预设应用程序与第二预设应用程序依次被使用的第一次数，以及所述第一预设应用程序被使用的第二次数；根据所述第一次数以及所述第二次数，生成所述第一预设应用程序跳转至所述第二预设应用程序的状态转移概率，遍历所述多个预设应用程序以得到观测概率集合。所述根据所述训练样本，生成每一训练时间点对应的所述多个预设应用程序的观测概率，以得到观测概率集合，包括：根据所述训练样本，获取第一预设应用程序与第二预设应用程序在相邻训练时间点依次被使用的第三次数，其中所述相邻训练时间点包括第一训练时间点和第二训练时间点，且获取所述第二预设应用程序在所述第二训练时间点被使用的第四次数；根据所述第三次数以及所述第四次数，生成所述第二预设应用程序在第二训练时间点被使用时所述第一预设应用程序在所述第一训练时间点被观测到的观测概率，遍历每一训练时间点对应的所述多个预设应用程序以得到观测概率集合。4.如权利要求3所述的应用程序管控方法，其特征在于，所述根据所述训练样本，获取所述多个预设应用程序的状态集合以及观测集合，包括：基于第一预设公式对所述训练样本进行处理，获取所述多个预设应用程序的状态集合，其中所述第一预设公式为：Q＝{q1,q2,...,qn}，其中n表示状态数，Q表示所述多个预设应用程序的状态集合；基于第二预设公式对所述训练样本进行处理，获取所述多个预设应用程序的观测集合，其中所述第二预设公式为：V＝{v1,v2,...,vm}，其中，m表示观测序列中的观测数，V表示所述多个预设应用程序的观测集合。5.如权利要求4所述的应用程序管控方法，其特征在于，所述根据所述第一次数以及所述第二次数，生成所述第一预设应用程序跳转至所述第二预设应用程序的状态转移概率，遍历所述多个预设应用程序以得到观测概率集合，包括：基于第三预设公式对所述第一次数以及所述第二次数进行处理，生成所述第一预设应用程序跳转至所述第二预设应用程序的状态转移概率，其中所述第三预设公式为：其中，N(i,j)表示第一预设应用程序i与第二预设应用程序j依次被使用的第一次数，N(i)表示所述第一预设应用程序i被使用的第二次数，aij表示所述第一预设应用程序i跳转至所述第二预设应用程序j的状态转移概率，i＝qt,j＝qt+1，qt表示在t时刻被使用的预设应用程序，qt+1表示在t+1时刻被使用的预设应用程序；基于第四预设公式遍历所述多个预设应用程序，以得到观测概率集合，其中所述第四预设公式为：A＝[aij]n×n，其中，所述状态转移概率集合A用于记录所有预设应用程序状态之间跳转的概率，其中n表示状态数，aij表示状态转移概率。6.如权利要求5所述的应用程序管控方法，其特征在于，所述根据所述第三次数以及所述第四次数，生成所述第二预设应用程序在第二训练时间点被使用时所述第一预设应用程序在所述第一训练时间点被观测到的观测概率，遍历每一训练时间点对应的所述多个预设应用程序以得到观测概率集合，包括：基于第五预设公式对所述根据所述第三次数以及所述第四次数进行处理，生成所述第二预设应用程序在第二训练时间点被使用时所述第一预设应用程序在所述第一训练时间点被观测到的观测概率，其中所述第五预设公式为：其中N(k,j)表示第一预设应用程序与第二预设应用程序j在相邻训练时间点依次被使用的第三次数，N(j)表示所述第二预设应用程序j在所述第二训练时间点被使用的第四次数N(j)，bjk表示所述第二预设应用程序j在第二训练时间点被使用时在第一训练时间点产生观测值k的观测概率，k＝vt,j＝qt+1，vt表示在第t训练时间点观测到第一预设应用程序被使用的观测值，qt+1表示在第t+1训练时间点被使用的预设应用程序；基于第六预设公式遍历每一训练时间点对应的所述多个预设应用程序，以得到观测概率集合，其中所述第六预设公式为：B＝[bjk]n×m，其中所述观测概率集合B用于记录所有训练时间点对应的所述多个预设应用程序的观测概率，n表示状态数，m表示观测序列中的观测数，bjk表示观测概率。7.如权利要求1-6任一项所述的应用程序管控方法，其特征在于，所述当检测到所述预设应用程序存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测，以生成预测结果，并根据所述预测结果对所述后台应用程序进行管控，包括：当检测到所述预设应用程序存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本，输出所述后台应用程序即将被使用的预测概率；判断所述预测概率是否小于预设阈值；当所述预测概率小于预设阈值时，生成的预设结果为所述后台应用程序即将不被使用，则清理所述后台应用程序；或者当所述预测概率大于或者等于预设阈值时，生成的预设结果为所述后台应用程序即将被使用，则保留所述后台应用程序。8.如权利要求7所述的应用程序管控方法，其特征在于，所述当检测到所述预设应用程序存在后台应用程序时，所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本，输出所述后台应用程序即将被使用的预测概率，包括：当检测到所述预设应用程序存在后台应用程序时，所述隐马尔科夫模型基于第七预设公式对所述后台应用程序的当前特征信息以及所述训练样本，输出所述后台应用程序即将被使用的预测概率，其中所述第七预设公式为：其中N表示观测值个数，n表示状态数，[k1,k2,...,kN]表示N个连续观测值，[j1,j2,...,jN-1]表示与N-1个连续观测值[k1,k2,...,kN-1]对应在下一相邻训练时间点被使用的预设应用程序，jN表示与第N个训练时间点观测到观测值kN时对应...

【专利技术属性】
技术研发人员：曾元清，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44