应用程序的处理方法、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应用程序的处理方法、装置、存储介质及电子设备。该应用程序的处理方法，通过获取历史时间段内每一采样时间点样本应用程序的第一使用信息，从第一使用信息中获取处于目标历史时间段内的第二使用信息，根据采样时间点、第一使用信息以及第二使用信息生成训练样本，根据训练样本对预设的算法模型进行训练，并基于训练后的算法模型对后台应用程序进行处理。该方案优化了算法模型，可降低电子设备终资源的占用，提升了电子设备的运行流畅度，减少了电子设备的功耗。

【技术实现步骤摘要】
应用程序的处理方法、装置、存储介质及电子设备
本申请涉及电子设备
，尤其涉及一种应用程序的处理方法、装置、存储介质及电子设备。
技术介绍
随着互联网的发展和移动通信网络的发展，同时也伴随着电子设备的处理能力和存储能力的迅猛发展，海量的应用得到了迅速传播和使用；常用的应用在方便用户工作和生活的同时，不乏新开发的应用也进入到用户的日常生活，提高了用户的生活质量、使用终端的频率以及使用中的娱乐感。当电子设备开启有多个应用程序时，在后台运行的应用程序会严重地占用电子设备的资源，降低电子设备的运行流畅度，同时还会导致电子设备的功耗较大。
技术实现思路
本申请实施例提供一种应用程序的处理方法、装置、存储介质及电子设备，可以智能地管控应用程序，降低电子设备功耗。第一方面，本申请实施例提供一种应用程序的处理方法，应用于电子设备，所述方法包括：获取历史时间段内每一采样时间点样本应用程序的第一使用信息；从所述第一使用信息中获取处于目标历史时间段内的第二使用信息；根据所述采样时间点、第一使用信息以及第二使用信息生成训练样本；根据所述训练样本对预设的算法模型进行训练；基于训练后的算法模型对所述电子设备中的后台应用程序进行处理。第二方面，本申请实施例提供了一种应用程序的处理装置，应用于电子设备，所述装置包括：第一获取模块，用于获取历史时间段内每一采样时间点样本应用程序的第一使用信息；第二获取模块，用于从所述第一使用信息中获取处于目标历史时间段内的第二使用信息；生成模块，用于根据所述采样时间点、第一使用信息以及第二使用信息生成训练样本；训练模块，用于根据所述训练样本对预设的算法模型进行训练；处理模块，用于基于训练后的算法模型对所述电子设备中的后台应用程序进行处理。第三方面，本申请实施例还提供了一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述的应用程序的处理方法。第四方面，本申请实施例还提供了一种电子设备，包括处理器及存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；处理器用于执行上述的应用程序的处理方法。本申请实施例公开了一种应用程序的处理方法、装置、存储介质及电子设备。该应用程序的处理方法，通过获取历史时间段内每一采样时间点样本应用程序的第一使用信息，从第一使用信息中获取处于目标历史时间段内的第二使用信息，根据采样时间点、第一使用信息以及第二使用信息生成训练样本，根据训练样本对预设的算法模型进行训练，并基于训练后的算法模型对后台应用程序进行处理。该方案优化了算法模型，可降低电子设备终资源的占用，提升了电子设备的运行流畅度，减少了电子设备的功耗。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是本申请实施例提供的应用程序的处理方法的场景架构示意图。图2是本申请实施例提供的应用程序的处理方法的一种流程示意图。图3是本申请实施例提供的应用程序的处理方法的另一种流程示意图。图4是本申请实施例提供的一种算法模型的示意图。图5是本申请实施例提供的一种算法模型的示意图。图6是本申请实施例提供的应用程序的处理装置的一种结构示意图。图7是本申请实施例提供的应用程序的处理装置的另一种结构示意图。图8是本申请实施例提供的应用程序的处理装置的又一种结构示意图。图9是本申请实施例提供的电子设备的一种结构示意图。图10是本申请实施例提供的电子设备的另一种结构示意图。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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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。本申请实施例提供一种应用程序的处理方法、装置、存储介质及电子设备。以下将分别进行详细说明。请参阅图1，图1为本申请实施例提供的应用程序的处理方法的场景架构示意图。如图，以对后台运行的应用程序为A～E进行处理为例。首先进行数据采集，记录电子设备在各应用程序的第一使用信息，如记录一个月内打开各应用程序的时间。然后，从所记录的第一使用信息中选取处于某一目标时间段(如最近一周)内的使用信息，作为第二使用信息。对第一使用信息以及第二使用信息进行加权处理，得到处理后的新的数据。根据处理后的新的数据统计出各应用程序在不同时间的使用概率，并将使用时间及对应的使用概率作为训练样本，对预设的算法模型(如高斯模型)进行训练，根据所输入的样本调整该算法模型中的参数信息，以得到每一应用程序所对应的训练后的算法模型。基于各应用程序对应的训练后的算法模型，对后台应用程序在时间T下的使用概率进行计算，从多个后台应用程序A～E中确定出使用概率低于预设概率P的目标后台应用程序，并关闭目标后台应用程序。从而基于用户的使用习惯实现对后台应用程序的管控，减少应用程序对电子设备资源的占用。其中，电子设备可以为移动终端，如手机、平板电脑、笔记本电脑等，本申请实施例对此不进行限定。在一实施例中，提供一种应用程序的处理方法，应用于电子设备，该电子设备可以为智能手机、平板电脑、笔记本电脑等移动终端。如图2所示，流程可以如下：101、获取历史时间段内每一采样时间点样本应用程序的第一使用信息。本实施例所提及的应用程序，可以是电子设备上安装的任何一个应用程序，例如办公应用、社交应用、游戏应用、购物应用等。其中，样本应用程序可为电子设备中多个或所有已安装的应用程序。应用程序的使用信息可以为应用程序的使用记录，如各应用程序的开启时间记录。采样时间点则可根据实际需求进行设定，若想得到精确度较高的结果，则可将采集时间点设置地密集一些，如每隔1min为一采样时间点；若想节省电子设备的资源而对结果的精确度不做要求，则可将采样时间点设置地松散一些，如每隔10min为一采样时间点。在一些实施例中，自应用程序安装，则可记录每一已安装应用程序的使用信息，转换成相应的数据存储到预设的存储区域中。当需要使用某一或某些应用程序的使用信息时，则可以从该存储区域中调取与该某一或某些应用程序对应的数据，对获取的数据进行解析得到相应的信息，以作为该某一或某些应用程序的使用信息，而该某一或某些应用程序则作为样本应用程序，从获取的使用信息中选取出所需时间段内的使用信息即可。在一些实施例中，为减少电子设备的功耗，节省电子设备的终端资源，可直接设定所需记录的时间段，然后在该时间段内对每一采样时间点样本应用程序的使用信息进行记录即可，以便后续使用。102、从第一使用信息中获取处于目标历史时间段内的第二使用信息在本申请实施例中，目标历史时间段包含于上述历史时间段内。比如，假设上述历史时间段为“2017年10月1日～2017年10月31日”，则该目标历史时间段可以为“2017年10月1日～2017年10月7日”、“2017年10月25日～2017年10月31日”等等。在一些实施例中，历史时间段为最近一个月，则目标历史时间段可为最近一星期。本申请实施例中，确定目标历史时间段的方式本文档来自技高网...

【技术保护点】
一种应用程序的处理方法，应用于电子设备，其特征在于，所述方法包括：获取历史时间段内每一采样时间点样本应用程序的第一使用信息；从所述第一使用信息中获取处于目标历史时间段内的第二使用信息；根据所述采样时间点、第一使用信息以及第二使用信息生成训练样本；根据所述训练样本对预设的算法模型进行训练；基于训练后的算法模型对所述电子设备中的后台应用程序进行处理。

【技术特征摘要】
1.一种应用程序的处理方法，应用于电子设备，其特征在于，所述方法包括：获取历史时间段内每一采样时间点样本应用程序的第一使用信息；从所述第一使用信息中获取处于目标历史时间段内的第二使用信息；根据所述采样时间点、第一使用信息以及第二使用信息生成训练样本；根据所述训练样本对预设的算法模型进行训练；基于训练后的算法模型对所述电子设备中的后台应用程序进行处理。2.如权利要求1所述的应用程序的处理方法，其特征在于，第一使用信息包括第一使用时长，第二使用信息包括第二使用时长；根据所述采样时间点、第一使用信息以及第二使用信息生成训练样本的步骤，包括：获取第一使用时长和第二使用时长对应的加权信息；根据所述加权信息对第一使用时长、第二使用时长生进行处理，得到第一加权时长和第二加权时长；根据所述采样时间点、第一加权时长、以及第二加权时长生成训练样本。3.如权利要求2所述的应用程序的处理方法，其特征在于，所述历史时间段、目标历史时间段包括多个时间周期，每一时间周期划分为多个采样时段；根据所述采样时间点、第一加权时长、以及第二加权时长生成训练样本的步骤，包括：确定每一采样时间点对应的时间周期和采样时段，其中，每一时间周期内采样时间点与采样时段一一对应；将不同时间周期中处于相同采样时段对应的第一加权时长、第二加权时长进行处理，得到样本应用程序在每一采样时段对应的样本使用概率；基于所述采样时段以及对应的样本使用概率生成训练样本。4.如权利要求3所述的应用程序的处理方法，其特征在于，将不同时间周期中处于相同采样时段对应的第一加权时长、第二加权时长进行处理，得到样本应用程序在每一采样时段对应的样本使用概率的步骤，包括：获取每一样本应用在相同采样时段中对应的第一加权时长和/或第二加权时长的总和，得到加权总时长；获取所述相同采样时段的总和，得到采样总时长；根据所述加权总时长和所述采样总时长，计算每一样本应用程序在每一采样时段对应的样本使用概率。5.如权利要求3所述的应用程序的处理方法，其特征在于，所述采样时段包括[t1,t2…tm]，所述样本使用概率包括[P1,P2…Pm]；根据所述训练样本对预设的算法模型进行训练的步骤，包括：将所述采样时段及对应的样本使用概率输入至第一公式中，所述第一预设公式为:其中，Ai表示样本应用程序i，t表示采样时段，k表示子算法模型数量，μk表示数学期望，σk表示方差，ωk表示权值，N(t|μk,σk)表示随机变量t服从一个数学期望为μk、方差为σk的正态分布，P(t|Ai)表示样本应用程序i的运行状态为前台运行时采样时段为t的概率；基于所输入的采样时段、样本使用概率，对所述第一预设公式进行训练，得到多个训练后的子算法模型；将多个训练后的子算法模型叠加，以得到训练后的算法模型。6.如权利要求5所述的应用程序的处理方法，其特征在于，基于训练后的算法模型对所述电子设备中的后台应用程序进行处理的步骤，包括：确定所述电子设备中的后台应用程序；基于每一应用程序所对应训练后的算法模型，利用第二预设公式计算每一后台应用程序在目标时间的使用概率，所述第二预设公式为：

【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