内存优化的方法、装置及计算机可读存储介质制造方法及图纸

本公开是关于一种内存优化的方法、装置及计算机可读存储介质，涉及终端技术领域。该方法包括：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。本公开在用户使用APP之前便可预测用户即将使用的APP的使用概率，并且可以根据预测的APP的使用概率自动进行内存优化，在无需用户手动操作的同时提高了内存优化的准确性。

Memory optimization method, device and computer readable storage medium

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。可选地，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。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：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。可选地，所述N个第一APP的历史行为数据至少包括历史使用顺序。可选地，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。可选地，所述指定预测模型为长短期记忆LSTM网络模型。第二方面，提供一种内存优化的装置，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，所述N为大于1的正整数；预测模块，用于根据所述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；优化模块，用于根据所述多个第二APP的使用概率进行内存优化。可选地，所述优化模块包括：第一选取子模块，用于根据所述多个第二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；第一加载子模块，用于将所述至少一个第二APP预先加载到所述内存中。可选地，所述优化模块还包括：检测子模块，用于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；第二加载子模块，用于将所述内存中未加载的第二APP预先加载至所述内存中。可选地，所述第一选取子模块包括：选取单元，用于从所述多个第二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。可选地，所述优化模块包括：第二选取子模块，用于从所述多个第二APP中选取使用概率小于第三预设概率的第二APP；清理子模块，用于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。可选地，所述N个第一APP的历史行为数据至少包括历史使用顺序。可选地，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。可选地，所述指定预测模型为长短期记忆LSTM网络模型。第三方面，提供一种内存优化的装置，所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述第一方面所述的任一项方法的步骤。第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面所述的任一项方法的步骤。第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面任一项所述方法的步骤。本公开的实施例提供的技术方案可以包括以下有益效果：在本公开实施例中，获取当前时间之前连续使用的N个第一APP的包名和历史行为数据，根据该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，根据该多个第二APP的使用概率进行内存优化。也即是，通过当前时间之前连续使用的N个第一APP和指定预测模型，预测当前时间之后用户会使用的多个第二APP的使用概率，如此，在用户使用APP之前便可预测用户即将使用的APP的使用概率，并且可以根据预测的APP的使用概率自动进行内存优化，在无需用户手动操作的同时提高了内存优化的准确性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种内存优化的方法的流程图。图2是根据一示例性实施例示出的一种内存优化的方法的流程图。图3是根据一示例性实施例示出的一种内存优化的方法的流程图。图4是根据一示例性实施例示出的一种内存优化的装置的框图。图5是根据一示例性实施例示出的一种装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。在对本公开实施例进行详细的解释说明之前，先对本公开实施例的应用场景进行介绍：随着终端的不断普及，APP也逐渐成为终端上不可或缺的一部分。为了追求比较强大的终端功能，用户往往会在终端上安装多个功能较强的APP，由于APP的功能越强，所占终端内存就越大，因此，多个功能较强的APP会占用终端大量的内存空间，导致内存资源紧张，终端运行不流畅。并且，每个APP在运行过程中都需要占用终端的内存资源，因此，当终端同时运行多个APP时，这多个APP会同时争占内存，导致内存资源供给不足，冲突加剧，手机出现卡顿。可见，亟需一种对终端内存进行优化的方法。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，以实现对内存本文档来自技高网...

【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