一种基于人工智能的应用程序信息管控系统及方法技术方案

本发明专利技术涉及信息管理技术领域，具体为一种基于人工智能的应用程序信息管控系统及方法，包括：采集各应用程序功能信息，各应用程序的历史使用记录，并分别对各程序类型集中应用程序发生程序跳转的所有历史使用记录进行捕捉；分析各历史记录集中间隔时长的变化程度，并根据变化程度分析各类目标程序和跳转程序之间的关联性；分析各相邻时间节点对应浏览信息之间的相似度，分析各相似度变化图的拟合直线斜率并根据拟合直线斜率分析目标用户对任意跳转程序的兴趣程度，构建目标用户对各类目标程序和相应跳转程序的个性化需求模型；根据个性化需求模型自适应选择是否进行应用程序的跳转，提高用户对应用程序的使用便利性

【技术实现步骤摘要】
一种基于人工智能的应用程序信息管控系统及方法


[0001]本专利技术涉及信息管理
，具体为一种基于人工智能的应用程序信息管控系统及方法
。

技术介绍

[0002]应用程序是指为完成某项或多项特定工作的计算机程序，它运行于独立的进程，拥有自己独立的地址空间，可以和用户进行交互，具有可视的用户界面
。
当然，不同的应用程序之间也可以通过系统调用与内核进行交互，从而请求操作系统内核提供各种服务，为人们带来了诸多便利，例如人们利用应用程序跳转进行
APP
网络授权，实现两个应用程序之间的交互
。
[0003]然而在现有技术中，很多应用程序的商家为了获得更多的收益，将不良广告等信息投入到用户使用的应用程序中，并提高传感器的灵敏度，增加应用程序的跳转率，实现恶意广告的定向劫持
。
针对这种乱跳转现象，如何根据应用程序之间的关联性和用户的使用习惯自适应判断用户对应用程序跳转的需求性成为亟待解决的问题
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的应用程序信息管控系统及方法，以解决上述
技术介绍
中提出的问题
。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的应用程序信息管控方法，包括以下步骤：
[0006]步骤
S100
：采集目标用户在手机终端下载的各应用程序功能信息，并根据功能信息对各应用程序进行分类，分别形成若干个程序类型集；采集目标用户对若干个程序类型集的历史使用记录，分别对各程序类型集中发生应用程序跳转的所有历史使用记录进行捕捉，形成各程序类型集相应的历史记录集；
[0007]上述步骤的程序类型集中将同一种功能的应用程序归为一类；
[0008]步骤
S200
：将各历史记录集中目标用户使用的应用程序和发生跳转的应用程序分别设为目标程序和跳转程序；分别对各历史记录集中目标用户将跳转程序切换回目标程序的间隔时长进行捕捉，分析各历史记录集中间隔时长的变化程度，并根据变化程度分析各类目标程序和跳转程序之间的关联性；
[0009]步骤
S300
：根据各类目标程序和跳转程序之间的关联性对任意历史记录集进行筛选，根据筛选后数据获取任意历史记录集的各历史记录中目标用户对跳转前各个时间节点对应的浏览信息，分析各相邻时间节点对应浏览信息之间的相似度；根据各历史记录中相邻时间节点对应浏览信息之间的相似度构建相似度变化图，分析各相似度变化图的拟合直线斜率并根据拟合直线斜率分析目标用户对任意跳转程序的兴趣程度，构建目标用户对各类目标程序和相应跳转程序的个性化需求模型；
[0010]步骤
S400
：自动识别到目标用户当前使用的目标程序触发某一跳转程序的跳转条
件，则将目标程序和跳转程序匹配相应目标用户的个性化需求模型，并根据个性化需求模型自适应选择是否进行应用程序的跳转
。
[0011]进一步的，步骤
S200
包括：
[0012]步骤
S210
：捕捉各历史记录集中任意一条历史记录，分别将当前使用的应用程序和跳转后的程序记为目标程序和跳转程序；则以各历史记录集中历史记录按时间顺序排列的序号为横坐标，历史记录中跳转程序切换回目标程序的间隔时长为纵坐标对各历史记录集构建二维平面坐标系，分别形成各历史记录集对应的时长变化图；
[0013]上述步骤中的时长变化图分析的是各历史记录集中的各类目标程序和跳转程序之间的关联性；
[0014]步骤
S220
：对各历史记录集对应的时长变化图进行捕捉，根据时长变化图依次计算各相邻历史记录对应间隔时长的斜率绝对值
|K|
；获取时长变化图中
|K|
大于斜率阈值
α1的所有坐标点，形成坐标集合
A1
，进一步确认坐标集合
A1
中所有间隔时长的均值
T1
和坐标集合
A1
在时长变化图中的数量占比
S1
；获取时长变化图中
|K|
小于斜率阈值
α1的所有坐标点，形成坐标集合
A2
，进一步确认坐标集合
A2
中所有间隔时长的均值
T2
和坐标集合
A2
在时长变化图中的数量占比
S2
；此时根据坐标集合
A1
和坐标集合
A2
确认各时长变化图的变化程度
G
＝
σ
1*T1*S1+
σ
2*T2*S2
；其中
σ1表示坐标集合
A1
的权重值，
σ2表示坐标集合
A2
的权重值，
σ1＞＞
σ2；
[0015]上述步骤中当
S1
占比变大时，相应
T1*S1
的值变大，由于
σ1＞＞
σ2，则
G
的变化程度越高，此时变化程度
G
大于变化阈值的可能性越高；
[0016]其中坐标集合
A1
的权重值
σ1远大于坐标集合
A2
的权重值
σ2的目的是：现实情况下坐标集合
A1
中间隔时长变化率较高，相应的权重设置较大；分析各时长变化图中各历史记录对应间隔时长的斜率绝对值
|K|
，则当
|K|
大于斜率阈值
α1时，表示用户对相应一类应用程序的跳转接受度变化较大；
[0017]通过分析各时长变化图中各历史记录对应间隔时长的斜率绝对值，并根据斜率绝对值分析各时长变化图的变化程度，有利于分析目标用户对各类目标程序跳转时的使用规律性；
[0018]步骤
S230
：当变化程度
G
小于变化阈值
s
时，得到各时长变化图对应历史记录集中各类目标程序和相应跳转程序之间的关联程度
R
＝
G
；反之，当变化程度
G
大于变化阈值
s
时，各时长变化图对应各类目标程序和相应跳转程序之间的关联程度则无法确定
。
[0019]进一步的，步骤
S300
包括：
[0020]步骤
S310
：获取各类目标程序和相应跳转程序关联程度无法确定的任意历史记录集，则根据任意历史记录集中各历史记录的间隔时长分别和时长阈值
γ
的比较值大小，将任意历史记录集中的各历史记录分别设为有效记录集
P1
和无效记录集
P2
；分别获取有效记录集
P1
和无效记录集
P2
的各历史记录中目标用户对跳转前各个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的应用程序信息管控方法，其特征在于：包括以下步骤：步骤
S100
：采集目标用户在手机终端下载的各应用程序功能信息，并根据功能信息对各应用程序进行分类，分别形成若干个程序类型集；采集目标用户对若干个程序类型集的历史使用记录，分别对各程序类型集中发生应用程序跳转的所有历史使用记录进行捕捉，形成各程序类型集相应的历史记录集；步骤
S200
：将各历史记录集中目标用户使用的应用程序和发生跳转的应用程序分别设为目标程序和跳转程序；分别对各历史记录集中目标用户将跳转程序切换回目标程序的间隔时长进行捕捉，分析各历史记录集中间隔时长的变化程度，并根据变化程度分析各类目标程序和跳转程序之间的关联性；步骤
S300
：根据各类目标程序和跳转程序之间的关联性对任意历史记录集进行筛选，根据筛选后数据获取任意历史记录集的各历史记录中目标用户对跳转前各个时间节点对应的浏览信息，分析各相邻时间节点对应浏览信息之间的相似度；根据各历史记录中相邻时间节点对应浏览信息之间的相似度构建相似度变化图，分析各相似度变化图的拟合直线斜率并根据拟合直线斜率分析目标用户对任意跳转程序的兴趣程度，构建目标用户对各类目标程序和相应跳转程序的个性化需求模型；步骤
S400
：自动识别到目标用户当前使用的目标程序触发某一跳转程序的跳转条件，则将目标程序和跳转程序匹配相应目标用户的个性化需求模型，并根据个性化需求模型自适应选择是否进行应用程序的跳转
。2.
根据权利要求1所述的一种基于人工智能的应用程序信息管控方法，其特征在于：所述步骤
S200
包括：步骤
S210
：捕捉各历史记录集中任意一条历史记录，分别将当前使用的应用程序和跳转后的程序记为目标程序和跳转程序；则以各历史记录集中历史记录按时间顺序排列的序号为横坐标，历史记录中跳转程序切换回目标程序的间隔时长为纵坐标对各历史记录集构建二维平面坐标系，分别形成各历史记录集对应的时长变化图；步骤
S220
：对各历史记录集对应的时长变化图进行捕捉，根据时长变化图依次计算各相邻历史记录对应间隔时长的斜率绝对值
|K|
；获取时长变化图中
|K|
大于斜率阈值
α1的所有坐标点，形成坐标集合
A1
，进一步确认坐标集合
A1
中所有间隔时长的均值
T1
和坐标集合
A1
在时长变化图中的数量占比
S1
；获取时长变化图中
|K|
小于斜率阈值
α1的所有坐标点，形成坐标集合
A2
，进一步确认坐标集合
A2
中所有间隔时长的均值
T2
和坐标集合
A2
在时长变化图中的数量占比
S2
；此时根据坐标集合
A1
和坐标集合
A2
确认各时长变化图的变化程度
G
＝
σ
1*T1*S1+
σ
2*T2*S2
；其中
σ1表示坐标集合
A1
的权重值，
σ2表示坐标集合
A2
的权重值，
σ1＞＞
σ2；步骤
S230
：当变化程度
G
小于变化阈值
s
时，得到各时长变化图对应历史记录集中各类目标程序和相应跳转程序之间的关联程度
R
＝
G
；反之，当变化程度
G
大于变化阈值
s
时，各时长变化图对应各类目标程序和相应跳转程序之间的关联程度则无法确定
。3.
根据权利要求2所述的一种基于人工智能的应用程序信息管控方法，其特征在于：所述步骤
S300
包括：步骤
S310
：获取各类目标程序和相应跳转程序关联程度无法确定的任意历史记录集，则根据任意历史记录集中各历史记录的间隔时长分别和时长阈值
γ
的比较值大小，将任意
历史记录集中的各历史记录分别设为有效记录集
P1
和无效记录集
P2
；分别获取有效记录集
P1
和无效记录集
P2
的各历史记录中目标用户对跳转前各个时间节点对应的浏览信息，形成各历史记录对应的浏览信息集；依次对浏览信息集中各相邻时间节点对应的浏览信息
B1、B2
进行捕捉，则得到各相邻时间节点对应浏览信息的相似度
w
＝
|B1∩B2|/|B1∪B2|
，并将所述相似度赋值给各相邻时间节点的后时间节点，形成各历史记录对应的相似度集合；步骤
S320
：以相似度集合中各时间节点为横坐标，各时间节点对应的相似度为纵坐标构建相似度变化图；对相似度变化图中各时间节点的相似度进行直线拟合，确认拟合直线的斜率
F
；根据各历史记录中拟合直线的斜率
F
分别形成有效记录集
P1
的拟合直线斜率集和无效记录集

【专利技术属性】
技术研发人员：许昭红，
申请(专利权)人：广州东恒信息科技有限公司，
类型：发明
国别省市：