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
【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
本申请属于通信
，尤其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。然而处于后台的很多应用程序用户一段时间内并不会使用，但是这些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。
技术实现思路
本申请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。第一方面，本申请实施例提供一种应用程序管控方法，包括：采集应用程序的多维特征信息作为样本，构建所述应用程序的样本集，所述样本集包括第一样本集和第二样本集，所述第一样本集包括应用程序的特征信息，所述第二样本集包括电子设备的特征信息；利用所述第一样本集和所述第二样本集分别对循环神经网络模型和栈式自编码神经网络模型进行训练，得到训练后的预测模型；获取所述应用程序当前的...
【技术保护点】
一种应用程序管控方法，其特征在于，所述方法包括以下步骤：采集应用程序的多维特征信息作为样本，构建所述应用程序的样本集，所述样本集包括第一样本集和第二样本集，所述第一样本集包括应用程序的特征信息，所述第二样本集包括电子设备的特征信息；利用所述第一样本集和所述第二样本集分别对循环神经网络模型和栈式自编码神经网络模型进行训练，得到训练后的预测模型；获取所述应用程序当前的多维特征信息并作为预测样本；根据所述预测样本和训练后的预测模型生成预测结果，并根据所述预测结果对所述应用程序进行管控。
【技术特征摘要】
1.一种应用程序管控方法，其特征在于，所述方法包括以下步骤：采集应用程序的多维特征信息作为样本，构建所述应用程序的样本集，所述样本集包括第一样本集和第二样本集，所述第一样本集包括应用程序的特征信息，所述第二样本集包括电子设备的特征信息；利用所述第一样本集和所述第二样本集分别对循环神经网络模型和栈式自编码神经网络模型进行训练，得到训练后的预测模型；获取所述应用程序当前的多维特征信息并作为预测样本；根据所述预测样本和训练后的预测模型生成预测结果，并根据所述预测结果对所述应用程序进行管控。2.根据权利要求1所述的应用程序管控方法，其特征在于，利用所述第一样本集和所述第二样本集分别对循环神经网络模型和栈式自编码神经网络模型进行训练，得到训练后的预测模型的步骤，包括：将所述第一样本集和所述第二样本集作为训练数据分别输入循环神经网络模型和栈式自编码神经网络模型进行训练，以生成优化参数；根据所述优化参数和所述循环神经网络模型、栈式自编码神经网络模型生成训练后的预测模型。3.根据权利要求2所述的应用程序管控方法，其特征在于，将所述第一样本集和所述第二样本集作为训练数据分别输入循环神经网络模型和栈式自编码神经网络模型进行训练，以生成优化参数的步骤，包括：将所述循环神经网络模型和栈式自编码神经网络模型的输出值输入融合层以得到中间值；将所述中间值输入全连接层以得到对应多个预测结果的概率；根据多个所述预测结果和与其对应的多个所述概率得到损失值；根据所述损失值进行训练，生成所述优化参数。4.根据权利要求3所述的应用程序管控方法，其特征在于，所述根据所述损失值进行训练的步骤，包括：根据所述损失值利用随机梯度下降法进行训练。5.根据权利要求3所述的应用程序管控方法，其特征在于，所述将所述中间值输入全连接层以得到对应多个所述预测结果的概率的步骤，包括：将所述全连接层的输出结果基于第一预设公式计算以得到对应多个所述预测结果的概率，其中所述第一预设公式为：其中，ZK为中间值，C为预测结果的类别数，为第j个中间值。6.根据权利要求3所述的应用程序管控方法，其特征在于，所述根据多个所述预测结果和与其对应的多个所述概率得到损失值的步骤，包括：基于第二预设公式根据多个所述预测结果和与其对应的多个所述概率得到损失值，其中所述第二预设公式为：其中C为预测结果的类别数，yk为真实值。7.根据权利要求1所述的应用程序管控方法，其特征在于，所述预测结果包括第一预测值1和第二预测值0；所述根据所述预测结果对所述应用程序进行管控的步骤，包括：当所述预测结果为第一预测值1时，则清理所述应用程序；当所述预测结果为第二预测值0时，则保持所述应用程序的状态不变。8.一种应用程序管控装置，其特征在于，所述装置包括：采集模块，用于采集应...
【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
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。