基于安卓用户行为习惯的清理后台应用程序的方法技术

本发明专利技术属于涉及机器学习和Android内存优化和数据挖掘领域，特别涉及一种基于安卓用户行为习惯的清理后台应用程序的方法，所述方法包括记录安卓手机用户使用各APP的时间、地点及其名称，并构成数据集；对数据集进行预处理，去掉数据集中的无关信息；对预处理后的数据集进行训练，得到用户使用APP的加权序列模式；计算在不同时间、地点使用APP的概率；将加权序列模式和概率存储到数据库中；根据数据库中的加权序列模式和概率，计算出后台应用程序的得分，确定出后台应用程序的优先级；清理掉优先级大于最低优先级的后台应用程序。本发明专利技术可清理掉手机用户在下一时刻最不可能使用的应用程序，释放资源，提高运行流畅度，提升用户体验。

A Method of Cleaning Background Applications Based on Android User Behavior Habits

The invention belongs to the field of machine learning and Android memory optimization and data mining, and in particular relates to a method of cleaning background applications based on Android user behavior habits. The method includes recording the time, place and name of each APP used by Android mobile phone user, forming data sets, and preprocessing data sets. Rationally, the irrelevant information in the data set is removed; the pre-processed data set is trained to get the weighted sequence pattern of APP used by users; the probability of using APP at different time and place is calculated; the weighted sequence pattern and probability are stored in the database; and the weighted sequence pattern and probability are calculated according to the weighted sequence pattern and probability in the database. The score of the background application determines the priority of the background application, and clears the background application whose priority is higher than the lowest priority. The invention can clean up the most impossible application program for mobile phone users at the next moment, release resources, improve running fluency and enhance user experience.

【技术实现步骤摘要】
基于安卓用户行为习惯的清理后台应用程序的方法
本专利技术涉及机器学习和Android内存优化和数据挖掘领域，特别涉及一种基于安卓用户行为习惯的清理后台应用程序的方法。
技术介绍
互联网的发展不仅推动了智能手机的普及，而且涌现了大量的手机APP，大量被安装在手机中的应用程序占用了大量的手机内存空间和资源，从而导致手机卡顿，严重降低了用户体验。Android手机卡顿的原因大多是用户或者手机自身启动了太多的进程、缓存和服务，占用了过多的内存，因此解决智能手机卡顿问题，我们要杀掉我们不需要的进程、缓存和服务，释放其占用的手机内存。目前智能手机清理后台应用进程大多采用OOM(OutofMemory)和LMK(LowerMemoryKiller)内存管理机制。OOM(OutofMemory)机制是指当HeapSize的total值超过了getMemoryClass()方法获取到的阈值时，会调用OOM内存管理机制，触发GC，根据LRU规则与应用的优先级，内存占用情况评估后决定哪些进程会被杀掉；定时进行检查(LowerMemoryKiller，LMK)内存管理机制是OOM的改进，它用OOM_adj和占用内存的大小来选择要杀掉的进程，从而释放内存资源。然而这两种方法都是从智能手机终端的角度来考虑清理内存进程的，并没有考虑到用户想要清理哪一个进程，当清理掉用户将要使用的应用程序进程时，会导致用户下一次打开应用程序时间长，严重影响用户体验。
技术实现思路
基于现有技术存在的问题，本专利技术提出一种基于安卓用户行为习惯的清理后台应用程序的方法，所述方法包括：S1、记录安卓手机用户使用各APP的时间、地点及其名称，并构成数据集；S2、对数据集进行预处理，去掉数据集中的无关信息；S3、对预处理后的数据集进行训练，得到用户使用APP的加权序列模式；计算在不同时间、不同地点使用APP的概率；将所述加权序列模式和概率存储到数据库SQLite中；S4、根据数据库中的加权序列模式和概率，计算出每个后台应用程序的得分，确定出每个后台应用程序的优先级；S5、清理掉优先级大于最低优先级min_adj的后台应用程序。进一步的，使用各APP的地点的获取方式包括采集使用APP时的安卓手机的发射台位置信息和Wifi位置信息，分析发射台和Wifi位置信息，获取到使用APP的地点。进一步的，使用各APP的时间及其名称的获取方式包括通过采集安卓手机用户APP日志文件，获取到使用APP的时间及其名称。进一步的，所述步骤S2包括通过五折交叉验证选取了数据集80％作为训练集，其余20％作为测试集；将使用时间采用热编码HotEncoder类进行编码，将地点和各应用程序通过标签编码LabelEncoder类进行编码；去掉无关信息，无关信息包括：标点符号、多余空格、缺失值。进一步的，所述步骤S3包括以手机从亮屏到灭屏为一个时间段，根据各APP的权重，对数据集中的每个时间段进行处理，采用序列模式分析算法Prefixspan挖掘出各时间段的加权序列模式，统计各加权序列模式的计数；统计各时间段内使用每个APP的概率；统计各地点使用每个APP的概率。进一步的，所述步骤S4包括：S41、查看数据库中该时间段内加权序列模式，计算使用当前APP的情况下各序列模式的概率、该时间段使用每个APP的概率和该地点使用每个APP的概率；S42、计算下一个后台应用程序总得分：；S43、结合定时进行检查LMK方法和后台应用程序总得分，调度后台应用程序优先级；其中，A为查看到的前台应用该程序，X为后台应用程序，T为当前时间段，L为当前地点。本专利技术的有益效果：本专利技术引入加权序列模式，充分考虑了用户行为习惯中对应用程序的喜爱程度，通过调度后台应用程序的优先级，使得清理后台时尽量清理智能手机用户下一时刻最不可能使用的应用程序，以达到既能释放一定的内存空间和资源，又能减少用户使用应用程序的冷启动次数的目的，从而提升用户体验。附图说明图1为本专利技术的方法流程图；图2为本专利技术优选实施例流程图；图3为本专利技术的加权序列模式挖掘流程图；图4为本专利技术的安卓手机后台应用程序优先级调度流程图；图5为本专利技术的安卓手机后台应用程序清理流程图。具体实施方案下面将结合附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提出一种基于用户行为习惯智能清理手机后台应用程序的方法，如图1，包括：S1、记录安卓手机用户使用各APP的时间、地点及其名称，并构成数据集；S2、对数据集进行预处理，去掉数据集中的无关信息；S3、对预处理后的数据集进行训练，得到用户使用APP的加权序列模式；计算在不同时间、不同地点使用APP的概率；将所述加权序列模式和概率存储到数据库SQLite中；S4、根据数据库中的加权序列模式和概率，计算出每个后台应用程序的得分，确定出每个后台应用程序的优先级；S5、清理掉优先级大于最低优先级min_adj的后台应用程序。使用各APP的地点的获取方式包括采集使用APP时的安卓手机的发射台位置信息和Wifi位置信息，分析发射台和Wifi位置信息，获取到使用APP的地点。使用各APP的时间及其名称的获取方式包括通过采集安卓手机用户APP日志文件，获取到使用APP的时间及其名称。所述步骤S2包括通过五折交叉验证选取了数据集80％作为训练集，其余20％作为测试集；将使用APP的时间采用独热编码函数HotEncoder类进行编码，将使用APP的地点及其名称通过标签编码函数LabelEncoder类进行编码；去掉无关信息，无关信息包括：标点符号、多余空格、缺失值。所述步骤S3包括输入数据集和各APP的权重，采用Prefixspan算法挖掘各时间段的加权序列模式，并统计各加权序列模式的计数；统计各时间段内使用每个APP的概率；统计各地点使用每个APP的概率。所述步骤S4包括：S41、查看数据库中该时间段内加权序列模式，计算使用当前APP的情况下各序列模式的概率、该时间段使用每个APP的概率和该地点使用每个APP的概率；S42、计算下一个后台应用程序总得分：；S43、结合定时进行检查LMK方法和后台应用程序总得分，调度后台应用程序优先级；其中，A为查看到的前台应用该程序，为后台应用程序，T为当前时间段，L为当前地点。如图2所示，本专利技术采用的基于安卓用户行为习惯的智能清理手机后台应用程序的优选实施例，包括获取各个应用程序的历史使用数据；利用加权序列模数挖掘并进行概率计算；另一方面，获取当前时间段前台以及后台使用的应用程序，计算前台和后台应用程序的得分，进行后台应用程序优先级调度，将后台应用程序进行清理。如图3所示，本专利技术的采用的加权序列模式挖掘流程，其先输入APP数据集，按照APP权值和最小加权支持度，扫描出所有的APP，判断其是否小于最小加权支持度，若是，则删除小于最小支持度的i-序列，若否，则找出前缀所对应的投影数据库，若投影数据库为空则返回，计算前缀与当前数据组成的i-序列的权值，再次判断是否小于最小加权支持度，若是，则删除小于支持度的i-序列，将当前AP本文档来自技高网...

【技术保护点】
1.基于安卓用户行为习惯的清理后台应用程序的方法，其特征在于，所述方法包括：S1、记录安卓手机用户使用各APP的时间、地点及其名称，并构成数据集；S2、对数据集进行预处理，去掉数据集中的无关信息；S3、对预处理后的数据集进行训练，得到用户使用APP的加权序列模式；计算在不同时间、不同地点使用APP的概率；将所述加权序列模式和概率存储到数据库SQLite中；S4、根据数据库中的加权序列模式和概率，计算出每个后台应用程序的得分，确定出每个后台应用程序的优先级；S5、清理掉优先级大于最低优先级min_adj的后台应用程序。

【技术特征摘要】
1.基于安卓用户行为习惯的清理后台应用程序的方法，其特征在于，所述方法包括：S1、记录安卓手机用户使用各APP的时间、地点及其名称，并构成数据集；S2、对数据集进行预处理，去掉数据集中的无关信息；S3、对预处理后的数据集进行训练，得到用户使用APP的加权序列模式；计算在不同时间、不同地点使用APP的概率；将所述加权序列模式和概率存储到数据库SQLite中；S4、根据数据库中的加权序列模式和概率，计算出每个后台应用程序的得分，确定出每个后台应用程序的优先级；S5、清理掉优先级大于最低优先级min_adj的后台应用程序。2.根据权利要求1所述的基于安卓用户行为习惯的清理后台应用程序的方法，其特征在于，使用各APP的地点的获取方式包括采集使用APP时的安卓手机的发射台位置信息和Wifi位置信息，分析发射台和Wifi位置信息，获取到使用APP的地点。3.根据权利要求2所述的基于安卓用户行为习惯的清理后台应用程序的方法，其特征在于，使用各APP的时间及其名称的获取方式包括通过采集安卓手机用户APP日志文件，获取到使用APP的时间及其名称。4.根据权利要求1所述的基于用户行为习惯的智能清理手机后台应用程序的方法，其特征在于，所述步骤S2包括通过五折交叉验证选取了数据集80％作为训练集，其...

【专利技术属性】
技术研发人员：唐宏，王保群，张雨帅，龚琴，雷曼，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50