后台应用清理方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种后台应用清理方法、装置、存储介质及电子设备，所述方法中，通过对应用的样本集进行筛选以确定预设训练模型的训练样本，然后将训练样本存储至缓存模块中，从缓存模块中获取训练样本对预设训练模型进行训练，并利用训练后的训练模型对应用进行预测，以确定是否可以清理应用，由此能够提高电子设备的运行流畅度，降低功耗。

Background application cleaning methods, devices, storage media and electronic equipment

The embodiment of the invention discloses a cleaning method and background application device, storage medium and electronic equipment, the method, screening to determine the pre training model of training samples through the application of the sample set, and then the training samples are stored to the cache module, obtaining training samples to train the preset training model from corrosion the memory module, and carries on the forecast to the application using the training model after training, to determine whether the application can be cleaned, thereby improving electronic equipment running smoothly, reduce power consumption.

【技术实现步骤摘要】
后台应用清理方法、装置、存储介质及电子设备
本申请涉及通信
，具体涉及一种后台应用清理方法、装置、存储介质及电子设备。
技术介绍
随着技术的发展，智能手机、平板电脑等电子设备的功能越来越强大，尤其是多任务处理能力更是进一步提高了用户体验。利用多任务处理技术，当电子设备上安装有多个应用时，可以支持多个应用同时运行，即一个应用在前台运行，其他应用则可以停留在后台运行而不需要退出或关闭。然而，当后台应用越来越多，或者后台应用长时间不清理，将会占用大量系统资源，导致电子设备的可用内存变少、中央处理器(centralprocessingunit，CPU)占用率过高，造成电子设备出现运行速度变慢，卡顿，耗电过快等问题。
技术实现思路
有鉴于此，本申请实施例提供了一种后台应用清理方法、装置、存储介质及电子设备，能够提高电子设备的运行流畅度，降低功耗。本申请实施例提供一种后台应用清理方法，包括：采集应用的多个特征信息作为样本，构建所述应用的样本集；获取预设训练模型的模型信息，并根据所述预设训练模型的模型信息对所述样本集中的样本进行筛选，以确定所述预设训练模型的训练样本；将所述预设训练模型的训练样本本文档来自技高网...

【技术保护点】
一种后台应用清理方法，其特征在于，包括：采集应用的多个特征信息作为样本，构建所述应用的样本集；获取预设训练模型的模型信息，并根据所述预设训练模型的模型信息对所述样本集中的样本进行筛选，以确定所述预设训练模型的训练样本；将所述预设训练模型的训练样本存储至缓存模块中；从所述缓存模块中获取预设训练模型的训练样本，并利用获取的训练样本对所述预设训练模型进行训练，得到预测模型；当所述应用进入后台时，利用所述预测模型对所述应用的当前特征信息进行预测，并根据预测结果确定是否可以清理所述应用。

【技术特征摘要】
1.一种后台应用清理方法，其特征在于，包括：采集应用的多个特征信息作为样本，构建所述应用的样本集；获取预设训练模型的模型信息，并根据所述预设训练模型的模型信息对所述样本集中的样本进行筛选，以确定所述预设训练模型的训练样本；将所述预设训练模型的训练样本存储至缓存模块中；从所述缓存模块中获取预设训练模型的训练样本，并利用获取的训练样本对所述预设训练模型进行训练，得到预测模型；当所述应用进入后台时，利用所述预测模型对所述应用的当前特征信息进行预测，并根据预测结果确定是否可以清理所述应用。2.根据权利要求1所述的方法，其特征在于，所述将所述预设训练模型的训练样本存储至缓存模块中之后，还包括：将预设训练模型的训练样本按照使用的先后顺序依次排序。3.根据权利要求2所述的方法，其特征在于，所述预设训练模型包括至少两级计算模型；所述将预设训练模型的训练样本按照使用的先后顺序依次排序，包括：将每一级计算模型对应的训练样本进行标记，得到每一级计算模型对应的训练样本集；根据每一级计算模型的级别顺序，对每一级计算模型对应的训练样本集进行排序，以将预设训练模型的训练样本按照使用的先后顺序依次排序。4.根据权利要求3所述的方法，其特征在于，从所述缓存模块中获取预设训练模型的训练样本，并利用获取的训练样本对所述预设训练模型进行训练，包括：根据训练样本集的排列顺序，从所述缓存模块中依次获取每一级训练样本集，并将每一级训练样本集中的训练样本输入至对应的一级计算模型中，其中前一级计算模型输出的计算结果作为下一级计算模型的一个训练样本输入至下一级计算模型中。5.根据权利要求4所述的方法，其特征在于，所述根据训练样本集的排列顺序，从所述缓存模块中依次获取每一级训练样本集之前，还包括：将每一级训练样本集中的训练样本按照使用的先后顺序进行排序。6.根据权利要求5所述的方法，其特征在于，将下一级计算模型对应的训练样本集中的训练样本输入至下一级计算模型之前，还包括：将前一级计算模型输出的计算结果增加至下一级计算模型对应的训练样本集中，以更新下一级计算模型对应的训练样本集；对更新后的下一级计算模型的训练样本集中的训练样本按照使用的先后顺序进行排序。7.一种后台应用清理装置，其特征在于，包括：采集模块，用于采集应用的多个特征信息作为样本...

【专利技术属性】
技术研发人员：梁昆，
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