应用程序控制方法、装置及存储介质和移动终端制造方法及图纸

本申请实施例公开了一种应用程序控制方法、装置及存储介质和移动终端，所述方法包括：在设定周期内每隔设定时间，获取目前行为特征；获取基于机器学习方法生成的预设行为预测模型，所述预设行为预测模型由多个已知控制操作的行为特征样本训练得到，用于基于行为特征预测控制操作；将所述目前行为特征输入至所述预设行为预测模型，得到所述预设行为预测模型输出的预测结果；根据所述预测结果，自动执行符合用户行为习惯的控制操作，所述控制操作包括应用程序的数据清理和数据更新操作。本申请实施例提供的技术方案，可以自动执行符合用户行为习惯的应用程序控制操作，提升了应用程序控制的智能化。

【技术实现步骤摘要】
应用程序控制方法、装置及存储介质和移动终端
本申请实施例涉及移动终端
，尤其涉及一种应用程序控制方法、装置及存储介质和移动终端。
技术介绍
手机等移动终端中的功能越来越多，为人们的生活和工作提供了便利，在移动终端中人们可以安装各式各样的应用软件，来支持移动终端不同功能的实现，人们可以利用手机接打电话，还可以听音乐、观看视频、聊天、玩游戏等。用户在使用移动终端的过程中，会有一些自身的行为习惯，现有技术中对应用程序进行控制时，并没有很好的利用该用户行为习惯，需要改进。
技术实现思路
本申请实施例提供一种应用程序控制方法、装置及存储介质和移动终端，可以自动执行符合用户行为习惯的应用程序控制操作。在第一方面，本申请实施例提供了一种应用程序控制方法，包括：在设定周期内每隔设定时间，获取目前行为特征；获取基于机器学习方法生成的预设行为预测模型，所述预设行为预测模型由多个已知控制操作的行为特征样本训练得到，用于基于行为特征预测控制操作；将所述目前行为特征输入至所述预设行为预测模型，得到所述预设行为预测模型输出的预测结果；根据所述预测结果，自动执行符合用户行为习惯的控制操作，所述控制操作包括应用程本文档来自技高网...

【技术保护点】
一种应用程序控制方法，其特征在于，包括：在设定周期内每隔设定时间，获取目前行为特征；获取基于机器学习方法生成的预设行为预测模型，所述预设行为预测模型由多个已知控制操作的行为特征样本训练得到，用于基于行为特征预测控制操作；将所述目前行为特征输入至所述预设行为预测模型，得到所述预设行为预测模型输出的预测结果；根据所述预测结果，自动执行符合用户行为习惯的控制操作，所述控制操作包括应用程序的数据清理和数据更新操作。

【技术特征摘要】
1.一种应用程序控制方法，其特征在于，包括：在设定周期内每隔设定时间，获取目前行为特征；获取基于机器学习方法生成的预设行为预测模型，所述预设行为预测模型由多个已知控制操作的行为特征样本训练得到，用于基于行为特征预测控制操作；将所述目前行为特征输入至所述预设行为预测模型，得到所述预设行为预测模型输出的预测结果；根据所述预测结果，自动执行符合用户行为习惯的控制操作，所述控制操作包括应用程序的数据清理和数据更新操作。2.根据权利要求1所述的应用程序控制方法，其特征在于，所述应用程序的数据清理操作包括应用程序的缓存数据清理操作和/或后台应用程序的关闭操作，所述应用程序的数据更新操作包括应用程序的版本更新操作和/或应用程序的运行参数更新操作。3.根据权利要求1所述的应用程序控制方法，其特征在于，还包括：在移动终端的运行期间，采集用户操作移动终端的第一用户行为习惯；对所述第一用户行为习惯进行分析，得到第一基本行为特征；将所述第一基本行为特征作为训练样本，基于机器学习方法进行训练，生成预设行为预测模型。4.根据权利要求3所述的应用程序控制方法，其特征在于，所述基本行为特征包括移动终端的性能参数、应用程序标识、行为发生时间、行为结束时间、行为发生地点、行为内容和行为频率中的至少一项。5.根据权利要求1-4任一项所述的应用程序控制方法，其特征在于，所述机器学习方法包括神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法、和随机森林方法。6.根据权利要求3所述的应用程序控制方法，其特征在于，所述机器学习方法包括神经网络方法，所述神经网络方法包括输入层、隐藏层和输出层，所述将所述第一基本行为特征作为训练样本，基于机器学习方法进行训练，生成预设行为预测模型包括：将所述第一基本行为特征输入至所述输入层，并经过与所述隐藏层各节点对应...

【专利技术属性】
技术研发人员：陈岩，刘耀勇，
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