应用程序启动预测方法、装置以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启动预测方法、装置以及电子设备。方法包括：获取应用程序的使用序列以及使用序列中每个应用程序的使用数据，使用数据包括对应的应用程序的标识以及对应的应用程序在活跃状态和非活跃状态之间进行切换的时间；将多个应用程序各自的使用数据输入目标神经网络模型，目标神经网络模型为预先基于多个训练样本对待训练的神经网络模型进行训练得到，每个训练样本包括一个电子设备中的应用程序的使用数据；获取目标神经网络模型输出的多个应用程序的启动概率；基于多个应用程序的启动概率预测多个应用程序的启动顺序。从而通过上述方式使得提升了预测多个应用程序的启动顺序的准确性。多个应用程序的启动顺序的准确性。多个应用程序的启动顺序的准确性。

【技术实现步骤摘要】
应用程序启动预测方法、装置以及电子设备


[0001]本申请涉及计算机
，更具体地，涉及一种应用程序启动预测方法、装置以及电子设备。

技术介绍

[0002]目前随着电子设备的发展，电子设备存储容量越来越大，电子设备上所安装的应用程序也越来越多，而应用程序本身体积也越来越大。但是，在相关的方式中，还无法较好的预测应用程序的启动顺序。

技术实现思路

[0003]鉴于上述问题，本申请提出了一种应用程序启动预测方法、装置以及电子设备，以改善上述问题。
[0004]第一方面，本申请提供了一种应用程序启动预测方法，所述方法包括：获取应用程序的使用序列以及所述使用序列中每个应用程序的使用数据，所述使用数据包括对应的应用程序的标识以及对应的应用程序在活跃状态和非活跃状态之间进行切换的时间；将所述多个应用程序各自的使用数据输入目标神经网络模型，所述目标神经网络模型为预先基于多个训练样本对待训练的神经网络模型进行训练得到，每个所述训练样本包括一个电子设备中的应用程序的使用数据；获取所述目标神经网络模型输出的所述多个应用程序的启动概率；基于所述多个应用程序的启动概率预测所述多个应用程序的启动顺序。
[0005]第二方面，本申请提供了一种应用程序启动预测装置，所述装置包括：数据获取单元，用于获取应用程序的使用序列以及所述使用序列中每个应用程序的使用数据，所述使用数据包括对应的应用程序的标识以及对应的应用程序在活跃状态和非活跃状态之间进行切换的时间；数据处理单元，用于将所述多个应用程序各自的使用数据输入目标神经网络模型，所述目标神经网络模型为预先基于多个训练样本对待训练的神经网络模型进行训练得到，每个所述训练样本包括一个电子设备中的应用程序的使用数据；模型数据获取单元，用于获取所述目标神经网络模型输出的所述多个应用程序的启动概率；程序预测单元，用于基于所述多个应用程序的启动概率预测所述多个应用程序的启动顺序。
[0006]第三方面，本申请提供了一种电子设备，所述电子设备至少包括处理器、以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现上述方法。
[0007]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码被处理器运行时执行上述方法。
[0008]本申请提供的一种应用程序启动预测方法、装置以及电子设备，获取应用程序的使用序列以及所述使用序列中每个应用程序的使用数据，并且每个使用数据包括对应的应用程序的标识以及对应的应用程序在活跃状态和非活跃状态之间进行切换的时间。之后，将多个应用程序各自的使用数据输入目标神经网络模型，目标神经网络模型为预先基于多
个训练样本对待训练的神经网络模型进行训练得到，每个训练样本包括一个电子设备中的应用程序的使用数据。获取目标神经网络模型输出的多个应用程序的启动概率，基于多个应用程序的启动概率预测多个应用程序的启动顺序。从而通过上述方式使得可以基于多个应用程序的使用序列，以及使用序列中的应用程序在活跃状态和非活跃状态之间进行切换的时间进行模型训练，以得到目标神经网络模型，然后再基于电子设备中的多个应用程序的使用序列，以及使用序列中的应用程序在活跃状态和非活跃状态之间进行切换的时间作为模型的输入数据，进而得到多个应用程序的启动顺序，从而提升了预测多个应用程序的启动顺序的准确性。
附图说明
[0009]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。
[0010]图1示出了本申请实施例提出的应用程序启动预测方法的一种应用场景的示意图；
[0011]图2示出了本申请实施例提出的应用程序启动预测方法的另一种应用场景的示意图；
[0012]图3示出了本申请实施例提出的一种应用程序启动预测方法的流程图；
[0013]图4示出了本申请实施中应用程序的使用序列的示意图；
[0014]图5示出了本申请实施中电子设备进行使用数据采集的示意图；
[0015]图6示出了本申请另一实施例提出的一种应用程序启动预测方法的流程图；
[0016]图7示出了本申请实施中电子设备进行应用程序的启动预测的示意图；
[0017]图8示出了本申请实施中进行后处理操作的示意图；
[0018]图9示出了本申请再一实施例提出的一种应用程序启动预测方法的流程图；
[0019]图10示出了本申请实施例提出的另一种应用程序启动预测装置的结构框图；
[0020]图11示出了本申请的用于执行根据本申请实施例的应用程序启动预测方法的另一种电子设备的结构框图；
[0021]图12是本申请实施例的用于保存或者携带实现根据本申请实施例的应用程序启动预测方法的程序代码的存储单元。
具体实施方式
[0022]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，本领域普通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。
[0023]目前随着电子设备的发展，电子设备存储容量越来越大，电子设备上所安装的应用程序也越来越多，而应用程序本身体积也越来越大。但是，在相关的方式中，还无法较好的预测应用程序的启动顺序。
[0024]因此，专利技术人在研究中发现上述问题后，提出了本申请中可以改善上述问题的应用程序启动预测方法、装置以及电子设备。获取应用程序的使用序列以及所述使用序列中每个应用程序的使用数据，并且每个使用数据包括对应的应用程序的标识以及对应的应用程序在活跃状态和非活跃状态之间进行切换的时间。之后，将多个应用程序各自的使用数据输入目标神经网络模型，目标神经网络模型为预先基于多个训练样本对待训练的神经网络模型进行训练得到，每个训练样本包括一个电子设备中的应用程序的使用数据。获取目标神经网络模型输出的多个应用程序的启动概率，基于多个应用程序的启动概率预测多个应用程序的启动顺序。从而通过上述方式使得可以基于多个应用程序的使用序列，以及使用序列中的应用程序在活跃状态和非活跃状态之间进行切换的时间进行模型训练，以得到目标神经网络模型，然后再基于电子设备中的多个应用程序的使用序列，以及使用序列中的应用程序在活跃状态和非活跃状态之间进行切换的时间作为模型的输入数据，进而得到多个应用程序的启动顺序，从而提升了预测多个应用程序的启动顺序的准确性。
[0025]在对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及一种应用环境进行介绍。
[0026]下面先对本申请实施例所涉及的应用场景进行介绍。
[0027]在本申请实施例中，所提供的应用程序启动预测方法可以由电子设备执行。在由电子设备执行的这种方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用程序启动预测方法，其特征在于，所述方法包括：获取应用程序的使用序列以及所述使用序列中每个应用程序的使用数据，所述使用数据包括对应的应用程序的标识以及对应的应用程序在活跃状态和非活跃状态之间进行切换的时间；将所述多个应用程序各自的使用数据输入目标神经网络模型，所述目标神经网络模型为预先基于多个训练样本对待训练的神经网络模型进行训练得到，每个所述训练样本包括一个电子设备中的应用程序的使用数据；获取所述目标神经网络模型输出的所述多个应用程序的启动概率；基于所述多个应用程序的启动概率预测所述多个应用程序的启动顺序。2.根据权利要求1所述的方法，其特征在于，所述将所述多个应用程序各自的使用数据输入目标神经网络模型，包括：获取所述多个应用程序中属于黑名单中的应用程序；将所述属于黑名单中的应用程序删除，得到剩余的应用程序；将所述剩余的应用程序的使用数据输入目标神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述将所述剩余的应用程序的使用数据输入目标神经网络模型，包括：将所述剩余的应用程序的使用数据进行数值化处理，得到数值化的使用数据；将所述数值化的使用数据输入目标神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述将所述剩余的应用程序的使用数据进行数值化处理，包括：基于剩余的应用程序从非活跃状态切换为活跃状态的时间得到剩余的应用程序被激活时所处的时间；基于剩余的应用程序从非活跃状态切换为活跃状态的时间戳，以及剩余的应用程序从活跃状态切换为非活跃状态的时间得到剩余的应用程序处于活跃状态的持续时间；基于剩余的应用程序从非活跃状态切换为活跃状态的时间戳，以相邻的上一个剩余的应用程序从活跃状态切换为非活跃状态的时间，得到两个剩余的应用程序处于活跃状态之间的时间间隔。5.根据权利要求4所述的方法，其特征在于，所述将所述剩余的应用程序的使用数据进行数值化处理还包括：将所述应用程序的名称替换为对应的数值。6.根据权利要求5所述的方法，其特征在于，所述将所述应用程序的名称替换为对应的数值，包括：将第一应用程序的名称替换为对应的数值，所述第一应用程序为剩余的应用程序中属于白名单中的应用程序；将第二应用程序的名称替换为指定数值，所述第二应用程序为不属于所述黑名单和所述白名单中的应用程序。7.根据权利要求1所述的方法，其特征在于，所述基于...

【专利技术属性】
技术研发人员：黄钢，
申请(专利权)人：OPPO重庆智能科技有限公司，
类型：发明
国别省市：