CN103678417B - 人机交互数据处理方法和装置 - Google Patents

Abstract

本发明实施例提供一种人机交互数据处理方法和装置。本发明人机交互数据处理方法，包括：接收用户终端发送的数据采集信息，数据采集信息包括用户终端的标识信息、传感器数据和数据采集时间信息；获取与标识信息和数据采集时间信息对应的应用业务内容信息，并从应用业务内容信息中提取用户活动行为特征；根据用户终端的用户活动行为特征，对传感器数据进行标记处理。本发明实施例由于对于每一个用户均可以采用本实施例提供的方法来进行传感器数据的采集，避免需要用户主动配合的方式，同时保证了大规模的传感器数据量，使后续处理更加简便准确。

Description

人机交互数据处理方法和装置

技术领域

本发明实施例涉及通信技术，尤其涉及一种人机交互数据处理方法和装置。

背景技术

随着用户终端功能的不断增强，用户终端的使用与用户的日常生活联系更加紧密。利用用户终端对用户动作、活动甚至用户意图进行感知和预测的研究与应用正在兴起。

为了识别用户动作和活动，就需要使用用户终端中的大量传感器数据，并且需要将用户终端采集到的传感器数据与用户的动作和活动进行匹配。现有技术中，为了采集传感器数据，普遍采用征集志愿者的方式。志愿者可以提供所携带的用户终端上的传感器数据，并且志愿者还需要主动提供与该传感器数据对应的其自身的动作和活动，例如提供视频数据或音频数据，已作为与传感器数据进行匹配的依据。在具体匹配时，工作人员需要通过检查视频数据或音频数据将不同的动作和活动与传感器数据相匹配，从而完成传感器数据的标记。

但是，现有技术受到志愿者征集人数和志愿者参与积极性的限制，无法保证大规模的传感器数据量，对于志愿者来说，其操作复杂，而且，对于工作人员来说，其后续处理复杂耗时。

发明内容

本发明实施例提供一种人机交互数据处理方法和装置，以克服现有技术受到志愿者征集人数和志愿者参与积极性的限制，无法保证大规模的传感器数据量，以及对于志愿者和操作人员操作过于复杂耗时的问题。

本发明实施例提供一种人机交互数据处理方法，包括：

接收用户终端发送的数据采集信息，所述数据采集信息包括用户终端的标识信息、传感器数据和数据采集时间信息；

获取与所述标识信息和所述数据采集时间信息对应的应用业务内容信息，并从所述应用业务内容信息中提取用户活动行为特征；

根据所述用户终端的用户活动行为特征，对所述传感器数据进行标记处理。

进一步的，上述人机交互数据处理方法，其中，所述获取与所述标识信息和所述数据采集时间信息对应的应用业务内容信息，包括：

获取与所述标识信息对应的用户终端在所述数据采集时间信息对应的时间段内所使用的应用的业务内容信息。

进一步的，上述人机交互数据处理方法，其中，所述从所述应用业务内容信息中提取用户活动行为特征，包括：

从所述应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取所述用户活动行为特征。

进一步的，上述人机交互数据处理方法，其中，所述根据所述用户终端的用户活动行为特征，对所述传感器数据进行标记处理，包括：对所述用户终端的用户活动行为特征进行分类处理；

采用分类处理后的用户活动行为特征，对所述传感器数据进行标记处理。

进一步的，上述人机交互数据处理方法，其中，所述应用，包括：

社交分享应用、签到应用、在线评论应用、生活日志应用中的至少一种应用。

本发明实施例提供一种服务器，包括：

传感器数据接收模块，用于接收用户终端发送的数据采集信息，所述数据采集信息包括用户终端的标识信息、传感器数据和数据采集时间信息；

应用业务获取模块，用于获取与所述标识信息和所述数据采集时间信息对应的应用业务内容信息，并从所述应用业务内容信息中提取用户活动行为特征；

标记处理模块，用于根据所述用户终端的用户活动行为特征，对所述传感器数据进行标记处理。

进一步的，上述服务器，其中，所述应用业务获取模块，包括：

业务内容获取单元，用于获取与所述标识信息对应的用户终端在所述数据采集时间信息对应的时间段内所使用的应用的业务内容信息；

特征提取单元，用于从所述应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取所述用户活动行为特征。

进一步的，上述服务器，其中，所述标记处理模块，包括：

特征分类单元，用于对所述用户终端的用户活动行为特征进行分类处理；

标记处理单元，用于采用分类处理后的用户活动行为特征，对所述传感器数据进行标记处理。

进一步的，上述服务器，其中，所述应用，包括：

社交分享应用、签到应用、在线评论应用、生活日志应用中的至少一种应用。

本发明实施例人机交互数据处理方法和装置，通过接收用户终端发送的数据采集信息，同时获取与标识信息和数据采集时间信息对应的应用业务内容信息，并从应用业务内容信息中提取用户活动行为特征，再根据用户终端的用户活动行为特征，对传感器数据进行标记处理。实现传感器数据的有效采集，并保证了传感器数据与用户相应活动内容的匹配，由于对于每一个用户均可以采用本实施例提供的方法来进行传感器数据的采集，避免需要用户主动配合的方式，同时保证了大规模的传感器数据量，使后续处理更加简便准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明人机交互数据处理方法实施例一的流程图；

图2为本发明人机交互数据处理方法实施例二的流程图；

图3为本发明服务器实施例一的结构图；

图4为本发明服务器实施例二的结构示意图；

图5为本发明服务器实施例三的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

图1为本发明人机交互数据处理方法实施例一的流程图，如图1所示，本实施例的方法可以包括：

步骤100、接收用户终端发送的数据采集信息。

具体的，服务器可以接收用户终端发送的数据采集信息，该数据采集信息可以包括用户终端的标识信息、传感器数据和数据采集时间信息。

举例来说，用户终端的标识信息，可以为用户手机号、微博账号、社交网络账号等可以唯一标识用户身份的信息。

传感器数据，例如可以包括：根据蜂窝基站定位技术产生的位置数据或GPS产生的位置数据、加速度、角度、光照、声音传感器采集的各类传感数据。

数据采集时间信息，标示采集某段数据的时间点，或者时间段。

优选地，服务器可以将数据采集信息存在服务器中的传感器数据库中，同时将标识信息和数据采集时间信息储存在服务器的活动关联信息库中。

步骤102、获取与标识信息和数据采集时间信息对应的应用业务内容信息。

具体的，服务器可以对同一用户同一时间段内通过移动终端发布的应用业务内容信息进行提取。例如当一个用户使用智能移动终端在微博中发送一条消息“我在散步”，服务器会获取该用户微博账号的对应信息、该用户发送“我在散步”这条消息的时间信息、以及该应用业务的内容信息“我在散步”。因此，服务器可以根据不同用户不同的标识信息和数据采集时间信息，对大量用户发布的应用业务内容信息进行提取。

步骤104、从应用业务内容信息中提取用户活动行为特征。

具体的，服务器可以从应用业务内容信息中提取用户活动行为特征。目的在于将同一用户同一时间段内的应用业务内容信息与传感器数据进行匹配，可以根据应用业务内容信息的不同，来进行相应的用户活动行为特征提取。例如，在获取到应用业务的内容信息“我在散步”后，从中将“散步”提取出来，作为用户活动行为特征。并将该用户活动行为特征存储到服务器上的活动行为特征库中。

步骤106、根据用户终端的用户活动行为特征，对传感器数据进行标记处理。

具体的，服务器可以将一段时间内的传感器数据与相同时间内用户活动行为特征对应起来，例如，将提取到的用户活动行为特征“散步”根据用户终端的标识信息以及数据采集时间信息与对应的传感器数据，如用户终端上的传感器采集的用户位置数据、加速度数据等进行匹配，对匹配好的传感器数据进行标记处理，并将标记后的用户活动行为特征存储到活动标记数据库中与对应的传感器数据匹配。例如，在上述“散步”对应的传感器数据上标记类型为“运动”。

本实施例，通过接收用户终端发送的数据采集信息，同时获取与标识信息和数据采集时间信息对应的应用业务内容信息，并从应用业务内容信息中提取用户活动行为特征，再根据该用户终端的用户活动行为特征，对传感器数据进行标记处理。实现传感器数据的有效采集，并保证了传感器数据与用户相应活动内容的匹配，由于对于每一个用户均可以采用本实施例提供的方法来进行传感器数据的采集，避免需要用户主动配合的方式，所以就可以基于大量用户同时进行传感器数据的采集，保证了大规模的传感器数据量，使后续处理更加简便准确。

基于本发明人机交互数据处理方法实施例一，进一步的，图2为本发明人机交互数据处理方法实施例二的流程图，如图2所示，本实施例的方法可以包括：

步骤200，接收用户终端发送的数据采集信息。

具体的，步骤200的功能和原理已在本发明人机交互数据处理方法实施例一的步骤100中已进行了详细说明，此处不再赘述。

步骤202，获取与标识信息对应的用户终端在数据采集时间信息对应的时间段内所使用的应用的业务内容信息。

具体的，对于用户不同的活动，用户终端上的传感器采集到的传感器数据是不同的，例如，在用户跑步时传感器采集到的加速度数据与用户看书时的加速度数据显然是不同的，为了对用户不同活动对应的传感器数据进行区分，本实施例提供的方法通过服务器中的应用业务获取模块获取与标识信息对应的用户终端在数据采集时间信息对应的时间段内所使用的应用的业务内容信息。其意义在于，在用户进行活动时，传感器数据可与在同一时间内用户通过移动终端发布的应用业务内容信息相匹配，例如，用户在跑步时用户移动终端上的传感器获取了一组相应的加速度数据，同时，在该时间段内，用户通过移动终端在微博上发布了“我在跑步”的应用业务内容，此时由服务器获取“我在跑步”的应用业务内容信息。因此，服务器可以根据不同用户不同的标识信息和数据采集时间信息，对大量用户发布的应用业务内容信息进行提取。

步骤204，从应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取用户活动行为特征。

具体的，对于文本信息，可以提取文本信息的事件和动作词汇，可以基于半结构化分析方法，即将网页格式中不需要的字段信息去除，提取有用的内容，如地点、业务名、评分、社交关系等等特征，例如用户通过移动终端在微博上公布“我在跑步”，则此时通过服务器将“跑步”提取出来；对于用户发布的链接信息，可以根据链接信息的统一资源定位符(Uniform Resource Locator，以下简称URL)对链接信息对应的网站进行区分，例如区分该网站属于运动俱乐部网站、影院网站等等，进一步的，服务器可以打开该网站，利用基于文字内容的提取方法对网站中的文本信息进行相应的用户活动行为特征提取；对于用户发布的图片，既可以根据图片附带的文字内容进行相应的用户活动行为特征提取，又可以根据相关图像识别技术来对图片中的人、地点进行识别，从而对相应的用户活动行为特征进行提取。

对于从应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取到的用户活动行为特征，可选的，服务器的将用户活动行为特征存储到活动行为特征库中。

步骤206，对用户终端的用户活动行为特征进行分类处理。

具体的，因为对于用户通过移动终端发布的应用业务内容信息各不相同，所以服务器提取到的用户活动行为特征也各不相同，但是对于多个用户活动行为特征来说，是可以进行分类的。可选的，分类方法，服务器可以通过决策树、贝叶斯分类算法、SVM分类器、最大熵分类器、KNN分类算法等分类算法对用户活动行为特征进行分类，再通过基于隐变量矩阵、相似图等聚类方法，产生对于用户活动行为特征的聚类结果完成整个分类处理。当服务器提取到了大量的用户的大量用户活动行为特征后，就可以根据这些分类算法和聚类算法对不同用户的不同用户活动行为特征的进行分类和聚类。不需要想现有技术需要志愿者的主动参与。通过本发明实施例提供的方法采集到的大量用户活动行为特征，保证了分类和聚类的准确和细致。需要说明的是，本发明实施例对于分类算法和聚类算法不做限制，并且可以将不同的分类、聚类算法存储在服务器上的一个分类处理模型库中。

步骤208，采用分类处理后的用户活动行为特征，对传感器数据进行标记处理。

具体的，对于分类处理后的用户活动行为特征，此时还需要对用户活动行为特征进行标记处理，可选的，可以通过操作人员对已分好类的用户活动行为特征进行标记，例如被分到一类的用户活动行为特征分别为：“跑步”、“游泳”、“散步”，此时操作人员可以将该类用户活动行为特征定义为“运动”；也可以通过建立一个知识库，将同一类的用户活动行为特征与知识库中的类型进行比对，对一类用户活动行为特征的类型进行上位概括，将概括出的类型标记在该类用户活动行为特征上，例如，被分到一类的用户活动行为特征分别为：“吃火锅”、“吃面”、“吃烤肉”，此时，将这些用户活动行为特征与知识库中的类别名称进行比对，最终由服务器根据知识库的比对结果进行上位概括，将该类用户活动行为特征标记为“吃饭”。这样就将用户发布的各式各样的应用业务内容信息总结归类到某一个大类中。此时，又因为用户活动行为特征与具有相同用户终端的标识信息和数据采集时间信息，所以对于用户活动行为特征的标记处理，实际上也就是对对应的传感器数据的标记处理。并可以将标记处理后的传感数据存储在活动标记数据库中。

需要说明的是，上述应用，包括：社交分享应用、签到应用、在线评论应用、生活日志应用中的至少一种应用。

本实施例，通过获取与标识信息对应的用户终端在数据采集时间信息对应的时间段内所使用的应用的业务内容信息，从应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取用户活动行为特征，对用户终端的用户活动行为特征进行分类处理，并采用分类处理后的用户活动行为特征，对传感器数据进行标记处理。实现对于用户传感器数据与对应用户活动行为特征的准确匹配，由于对于每一个用户均可以采用本实施例提供的方法来进行传感器数据的采集，避免需要用户主动配合的方式，所以就可以基于大量用户同时进行传感器数据的采集，保证了大规模的传感器数据量，使后续处理更加简便准确。

图3为本发明服务器实施例一的结构图，如图3所示，本实施例的服务器可以包括：传感器数据接收模块10、应用业务获取模块12、标记处理模块14。

传感器数据接收模块10，用于接收用户终端发送的数据采集信息，数据采集信息包括用户终端的标识信息、传感器数据和数据采集时间信息。

具体的，传感器接收模块10接收来自于用户移动终端上的各类传感器采集的传感器数据，用户终端的标识信息以及数据采集时间信息。并可以将数据采集信息存储在传感器数据库中，同时将标识信息和数据采集时间信息储存在服务器的活动关联信息库中。

应用业务获取模块12，用于获取与标识信息和数据采集时间信息对应的应用业务内容信息，并从应用业务内容信息中提取用户活动行为特征。

具体的，应用业务获取模块12从上述活动关联信息库中获取用户的标识信息以及数据采集时间信息，并且同时在网络上获取与该用户的标识信息以及数据采集时间信息对应的应用业务内容信息。由于用户通过移动终端发布的应用业务内容中有许多无用的信息，例如在网页中发布的文本信息具有网页固有的格式字段等，这对于用户具体的活动内容是没有意义的，所以需要对应用业务内容中的用户活动行为特征进行提取，例如，“我在看电影”，其中“我在”没有具体意义，所以由应用业务获取模块12进行用户活动行为特征的提取，将“看电影”作为该应用业务内容的用户活动行为特征提取出来。当然，对于复杂的应用业务内容，可以同时提取其中的地点、业务名、评分和社交关系等等。之后由应用业务获取模块12将这些提取出来的用户活动行为特征储存到服务器中的活动行为特征库中。

标记处理模块14，用于根据用户终端的用户活动行为特征，对传感器数据进行标记处理。

具体的，标记处理模块14将一段时间内的传感器数据与相同时间内用户活动行为特征通过添加标记的方式对应起来，具体的原理和方法已在本发明人机交互数据处理方法一中进行了详细说明，此处不再赘述。

本实施例的服务器，可以用于执行本发明人机交互数据处理方法一的技术方案，其实现原理和技术效果类似，此处不再赘述。

在图3的基础上，图4为本发明服务器实施例二的结构示意图，如图4所示，应用业务获取模块12，包括：业务内容获取单元120、特征提取单元122。

业务内容获取单元120，用于获取与标识信息对应的用户终端在数据采集时间信息对应的时间段内所使用的应用的业务内容信息。

具体的，业务内容获取单元120从本发明服务器实施例一中的活动关联信息库中获取用户的标识信息以及数据采集时间信息，并且同时在网络上获取与该用户的标识信息以及数据采集时间信息对应的应用业务内容信息。

特征提取单元122，用于从应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取用户活动行为特征。

具体的，特征提取单元122提取用户活动行为特征的方法和原理在本发明人机交互数据处理方法二中已进行了详细说明，此处不再赘述。

如图4所示，标记处理模块14，包括：标记处理单元140、特征分类单元142。

标记处理单元140，用于采用分类处理后的用户活动行为特征，对传感器数据进行标记处理。

特征分类单元142，用于对用户终端的用户活动行为特征进行分类处理。

具体的，特征分类单元142根据各类分类、聚类处理算法，对用户活动行为特征进行分类和聚类，可选的各类分类、聚类处理算法储存在服务器的分类模型库中。具体的分类处理方法和过程，本发明机交互数据处理方法实施例二已进行了详细说明，此处不再赘述。

可选的，由操作人员通过服务器的标记处理模块14对进行过分类处理的用户活动行为特征进行标记，也可以通过标记处理模块14与预先设置在服务器中的知识库配合对用户活动行为特征进行标记，从而实现对对传感器数据的标记处理，具体的方法和过程在本发明机交互数据处理方法实施例二已进行了详细说明，此处不再赘述。

进一步的，上述应用，包括：社交分享应用、签到应用、在线评论应用、生活日志应用中的至少一种应用。

本实施例的服务器，可以用于执行本发明人机交互数据处理方法实施例二的技术方案，其实现原理和技术效果类似，此处不再赘述。

在图4的基础上，图5为本发明服务器实施例三的结构示意图，下面参照图4，采用实例对本发明服务器实施例三的技术方案进行详细说明。

假设，用户在8:30至10:00这段时间内散步，此时由用户的移动终端上的传感器记录用户的位置数据和加速度数据，可选的，传感器可以通过多种采集方案进行数据采集，比如，在移动终端不同的运行模式下采取不同的时间间隔对数据进行采集。之后，由服务器上的传感器数据接收模块10将传感器采集到的用户终端的标识信息、传感器数据以及数据采集时间信息一并储存到服务器上的传感器数据库11中，并将其中的用户终端的标识信息和数据采集时间信息存储到服务器上的活动关联信息库13中。

服务器上应用业务获取模块12中的业务内容获取单元120根据活动关联信息库13中的用户终端的标识信息和数据采集时间信息，对同一用户同一时间段，用户通过移动终端发布的应用业务内容信息进行提取，如业务内容获取单元120提取在9:30时，上述用户通过移动终端在微博发布“我在散步”的应用业务内容信息。并将提取到的应用业务内容信息“我在散步”存储到应用业务获取模块12中的业务内容库124中，可选的，业务内容库124可以独立设置于服务器中。再通过应用业务获取模块12中的特征提取单元122对应用业务内容信息“我在散步”的用户活动行为特征进行提取，提取得到“散步”。并将该用户活动行为特征“散步”存储到服务器中的活动行为特征库15中。

标记处理模块14中的特征分类单元142提取活动行为特征库15中该用户的用户活动行为特征“散步”，并根据服务器中分类处理模型库16提供的分类处理模型对“散步”进行分类，需要说明的是，此处之举了用户在散步的一个例子，当该用户发布了大量应用业务内容信息时，均通过特征分类单元以及服务器中分类处理模型库16配合对应用业务内容信息中的用户活动行为特征进行分类处理，并将分类处理后的用户活动行为特征“散步”被发送给标记处理单元140，此时标记处理单元140将“散步”与被分在一类的该用户在其他时间段内发布的一些用户活动行为特征如“跑步”、“游泳”等标记为“运动”，整个标记处理过程可以通过操作人员进行标记处理，也可以通过在服务器中预先设置知识库进行匹配处理，其具体方法和过程在本发明人机交互数据处理方法实施例二中进行了详细说明，此处不再赘述。并将标记处理过的用户活动行为特征“运动”存储到活动标记数据库17中，并且根据活动关联信息库13中的用户终端的标识信息和数据采集时间信息，将活动标记数据库17中标记过的用户活动行为特征与传感器数据库11中的传感器数据对应起来。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种人机交互数据处理方法，其特征在于，包括：

接收用户终端发送的数据采集信息，所述数据采集信息包括用户终端的标识信息、传感器数据和数据采集时间信息；

获取与所述标识信息和所述数据采集时间信息对应的应用业务内容信息，并从所述应用业务内容信息中提取用户活动行为特征；

根据所述用户终端的用户活动行为特征，对所述传感器数据进行标记处理；

所述从所述应用业务内容信息中提取用户活动行为特征，包括：

从所述应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取所述用户活动行为特征；

所述获取与所述标识信息和所述数据采集时间信息对应的应用业务内容信息，包括：

获取与所述标识信息对应的用户终端在所述数据采集时间信息对应的时间段内所使用的应用的业务内容信息；

其中，数据采集时间信息标示传感器数据采集的时间段。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户终端的用户活动行为特征，对所述传感器数据进行标记处理，包括：对所述用户终端的用户活动行为特征进行分类处理；

采用分类处理后的用户活动行为特征，对所述传感器数据进行标记处理。

3.根据权利要求1或2所述的方法，其特征在于，所述应用，包括：

社交分享应用、签到应用、在线评论应用、生活日志应用中的至少一种应用。

4.一种服务器，其特征在于，包括：

传感器数据接收模块，用于接收用户终端发送的数据采集信息，所述数据采集信息包括用户终端的标识信息、传感器数据和数据采集时间信息；

应用业务获取模块，用于获取与所述标识信息和所述数据采集时间信息对应的应用业务内容信息，并从所述应用业务内容信息中提取用户活动行为特征；

标记处理模块，用于根据所述用户终端的用户活动行为特征，对所述传感器数据进行标记处理；

所述应用业务获取模块，包括：

业务内容获取单元，用于获取与所述标识信息对应的用户终端在所述数据采集时间信息对应的时间段内所使用的应用的业务内容信息；

特征提取单元，用于从所述应用业务内容信息中的文本信息、链接信息以及图片信息中的至少一种信息中提取所述用户活动行为特征；

其中，数据采集时间信息标示传感器数据采集的时间段。

5.根据权利要求4所述的服务器，所述标记处理模块，包括：

特征分类单元，用于对所述用户终端的用户活动行为特征进行分类处理；

标记处理单元，用于采用分类处理后的用户活动行为特征，对所述传感器数据进行标记处理。

6.根据权利要求4或5所述的服务器，其特征在于，所述应用，包括：

社交分享应用、签到应用、在线评论应用、生活日志应用中的至少一种应用。