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，所述方法包括：采集应用程序的多维特征信息作为样本，构建应用程序的样本集，按照预设规则从样本集中提取特征信息，构建多个训练集，根据多个训练集对逻辑回归模型进行训练，以得到训练后的预测模型，获取应用程序当前的多维特征信息并作为预测样本，根据预测样本和训练后的预测模型生成预测结果，并根据预测结果对应用程序进行管控。本申请可以提高对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。

【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，使得中央处理器(centralprocessingunit，CPU)占用率过高，导致电子设备出现运行速度变慢，卡顿，耗电过快等问题，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；按照预设规则从所述样本集中提取特征信息，构建多个训练集；根据所述多个训练集对逻辑回归模型进行训练，以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。第二方面，本申请实施例提供一种应用程序管控装置，包括：采集模块，用于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；构建模块，用于按照预设规则从所述样本集中提取特征信息，构建多个训练集；训练模块，用于根据所述多个训练集对逻辑回归模型进行训练，以得到训练后的预测模型；管控模块，用于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。第三方面，本申请实施例提供一种存储介质，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上述的应用程序管控方法。第四方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行上述的应用程序管控方法。本申请实施例提供的应用程序管控方法、装置、存储介质及电子设备，通过采集应用程序的多维特征信息作为样本，构建应用程序的样本集，按照预设规则从样本集中提取特征信息，构建多个训练集，根据多个训练集对逻辑回归模型进行训练，以得到训练后的预测模型，获取应用程序当前的多维特征信息并作为预测样本，根据预测样本和训练后的预测模型生成预测结果，并根据预测结果对应用程序进行管控。本申请可以提高对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。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的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应用程序管控装置的另一应用场景示意图。图6为本申请实施例提供的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电子设备的结构示意图。图10为本申请实施例提供的电子设备的另一结构示意图。具体实施方式请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。本文所使用的术语“模块”可看作为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看作为在该运算系统上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。本申请中的术语“第一”、“第二”和“第三”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，而是某些实施例还包括没有列出的步骤或模块，或某些实施例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，该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：采集应用程序的多维特征信息作为样本，构建应用程序的样本集，按照预设规则从样本集中提取特征信息，构建多个训练集，根据所述多个训练集对逻辑回归模型进行训练，以得到训练后的预测模型，获取应用程序当前的多维特征信息并作为预测样本，根据预测样本和训练后的预测模型生成预测结果，并根据预测结果对应用程序进行管控，例如清理、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应用程序a、应用程序b以及应用程序c。然后分别获取应用程序a对应的多维特征信息、应用程序b对应的多维特征信息以及应用程序c对应的多维特征信息，通过逻辑回归模型对应用程序a是否需要被使用的概率进行预测，得到概率a’，通过逻辑回归模型对应用程序b是否需要被本文档来自技高网...

【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；按照预设规则从所述样本集中提取特征信息，构建多个训练集；根据所述多个训练集对逻辑回归模型进行训练，以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；按照预设规则从所述样本集中提取特征信息，构建多个训练集；根据所述多个训练集对逻辑回归模型进行训练，以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，所述按照预设规则从所述样本集中提取特征信息，构建多个训练集的步骤包括：对所述样本集中的样本进行标记，得到每个样本的第一标签；从所述样本集中提取单个样本，根据所述样本以及对应的第一标签构成第一训练集，多次提取以得到多个第一训练集；从所述样本集中提取两个样本，根据所述两个样本分别对应的第一标签生成所述两个样本的第二标签，根据所述两个样本以及对应的第二标签构成第二训练集，多次提取以得到多个第二训练集；根据所述多个第一训练集和所述第二训练集构建多个训练集。3.根据权利要求1所述的应用程序管控方法，其特征在于，所述根据所述多个训练集对逻辑回归模型进行训练的步骤，包括：根据所述多个第一训练集获取所述逻辑回归模型的第一损失函数；根据所述多个第二训练集获取所述逻辑回归模型的第二损失函数；根据所述第一损失函数和第二损失函数生成目标损失函数，并根据所述目标损失函数估计所述逻辑回归模型中的模型参数。4.根据权利要求3所述的应用程序管控方法，其特征在于，根据预设公式以及所述多个第一训练集获取所述逻辑回归模型的第一损失函数。其中所述预设公式为：其中：i、k均为正整数，为预测概率分布，Ns为训练分类的批量大小，C为类别个数，yi为表征样本类别的独热码。5.根据权利要求3所述的应用程序管控方法，其特征在于，根据所述第一损失函数和第二损失函数生成目标损失函数的步骤，包括：分别获取所述第一损失函数和第二损失函数的权重值；计算所述第一损失函数和第二损失函数的加权和，以得到所述目标损失函数。6.根据权利要求3所述的应用程序管控方法，其特征在于，根据所述目标损失函数估计所述逻辑回归模型中的模型参数的步骤，包括：基于梯度下降法对所述目标损失函数计算，以得到所述逻辑回归模型中的模型参数。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：所述应用程序可清理的第一概率、和不可清理的第二概率；根据所述预测结果对所述应用程序进行管控的步骤，包括：对应用程序可清理的第一概率与不可清理的第二概率进行比较，得到比较结果；根据比较结果输出应用程序可清理的第一预测结果、或者不可清理的第二预测结果；根据第一预测结果的数量和第二预测结果的数量，确定所述应用程序是否可清理。8.根据权利要求7所述的应用程序管控方法，其特征在于，根据比较结果输出应用程序可清理的第一预测结果、或者不可清理的第二预测结果的步骤，包括：当所述第一概率大于所述第二概率时，输出可清理的第一预测结果；当所述第一概率不大于所述第二...

【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