The present disclosure relates to a memory optimization method, a device and a computer readable storage medium, and relates to the terminal technology field. The method includes: obtaining the package name and historical behavior data of the N first application APP, which is continuously used before the current time, and the N is a positive integer greater than 1; according to the package name and historical behavior data of the N first APP, the use probability of multiple second APP used after the current time is predicted by specifying the prediction model. The specified prediction model is trained by statistics of the packet names and historical behavior data of APP in each of the terminals owned by a number of users; memory optimization is carried out according to the use probability of the multiple second APP. The present disclosure can predict the usage probability of the APP that the user will use before using the APP, and can automatically optimize the memory according to the predicted APP usage probability, and improve the accuracy of the memory optimization without the user manual operation.
【技术实现步骤摘要】
内存优化的方法、装置及计算机可读存储介质
本公开涉及终端
,尤其涉及一种内存优化的方法、装置及计算机可读存储介质。
技术介绍
随着终端技术的不断发展,大量功能各异的APP(Application,应用程序)不断涌现,这样,在终端上安装的APP的数量也就比较多。然而,随着终端上APP数量的增加,当终端同一时间运行多个APP时,终端的内存资源就会出现严重不足,从而造成终端的卡顿,因此,对内存的优化显得尤为重要。目前,主要是通过手动的方式对内存进行优化,即当终端出现卡顿时,用户可以手动清理终端的内存,以实现对内存的优化。
技术实现思路
为克服相关技术中存在的问题,本公开提供一种内存优化的方法、装置及计算机可读存储介质。第一方面,提供一种内存优化的方法,应用于终端,所述方法包括:获取当前时间之前连续使用的N个第一应用程序APP的包名和历史行为数据,所述N为大于1的正整数;根据所述N个第一APP的包名和历史行为数据,通过指定预测模型,预测当前时间之后会使用的多个第二APP的使用概率,所述指定预测模型是通过统计多个用户使用各自拥有的终端中的APP的包名和历史行为数据训练得到;根据所述多个第二APP的使用概率进行内存优化。可选地,所述根据所述多个第二APP的使用概率进行内存优化,包括:根据所述多个第二APP的使用概率,按照预设规则从所述多个第二APP中选取至少一个第二APP;将所述至少一个第二APP预先加载到所述内存中。可选地,所述将所述至少一个第二APP预先加载到所述内存中之前,还包括:对所述内存中已加载的APP进行检测,以从所述至少一个第二APP中确定所述内存中未 ...
【技术保护点】
1.一种内存优化的方法,其特征在于,应用于终端,所述方法包括:获取当前时间之前连续使用的N个第一应用程序APP的包名和历史行为数据,所述N为大于1的正整数;根据所述N个第一APP的包名和历史行为数据,通过指定预测模型,预测当前时间之后会使用的多个第二APP的使用概率,所述指定预测模型是通过统计多个用户使用各自拥有的终端中的APP的包名和历史行为数据训练得到;根据所述多个第二APP的使用概率进行内存优化。
【技术特征摘要】
1.一种内存优化的方法,其特征在于,应用于终端,所述方法包括:获取当前时间之前连续使用的N个第一应用程序APP的包名和历史行为数据,所述N为大于1的正整数;根据所述N个第一APP的包名和历史行为数据,通过指定预测模型,预测当前时间之后会使用的多个第二APP的使用概率,所述指定预测模型是通过统计多个用户使用各自拥有的终端中的APP的包名和历史行为数据训练得到;根据所述多个第二APP的使用概率进行内存优化。2.如权利要求1所述的方法,其特征在于,所述根据所述多个第二APP的使用概率进行内存优化,包括:根据所述多个第二APP的使用概率,按照预设规则从所述多个第二APP中选取至少一个第二APP;将所述至少一个第二APP预先加载到所述内存中。3.如权利要求2所述的方法,其特征在于,所述将所述至少一个第二APP预先加载到所述内存中之前,还包括:对所述内存中已加载的APP进行检测,以从所述至少一个第二APP中确定所述内存中未加载的第二APP;将所述内存中未加载的第二APP预先加载至所述内存中。4.如权利要求2所述的方法,其特征在于,所述根据所述多个第二APP的使用概率,按照预设规则从所述多个第二APP中选取至少一个第二APP,包括:从所述多个第二APP中选取使用概率均大于第一预设概率且使用概率之和大于第二预设概率的至少一个第二APP,所述第一预设概率小于所述第二预设概率。5.如权利要求1所述的方法,其特征在于,所述根据所述多个第二APP的使用概率进行内存优化,包括:从所述多个第二APP中选取使用概率小于第三预设概率的第二APP;清理所述内存中选取的使用概率小于所述第三预设概率的第二APP。6.如权利要求1-5任一所述的方法,其特征在于,所述N个第一APP的历史行为数据至少包括历史使用顺序。7.如权利要求6所述的方法,其特征在于,所述N个第一APP的历史行为数据还包括历史使用地点和历史使用日期,所述历史使用日期是指历史使用的时间是节假日还是工作日。8.如权利要求1所述的方法,其特征在于,所述指定预测模型为长短期记忆LSTM网络模型。9.一种内存优化的装置,其特征在于,应用于终端,所述装置包括:获取模块,用于获取当前时间之前连续使用的N个第一应用程序APP的包名和历史行为数据,所...
【专利技术属性】
技术研发人员:刘任,李加佳,
申请(专利权)人:北京小米移动软件有限公司,
类型:发明
国别省市:北京,11
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。