CN103177086A - 一种对应用搜索结果进行排序的方法及装置 - Google Patents
一种对应用搜索结果进行排序的方法及装置 Download PDFInfo
- Publication number
- CN103177086A CN103177086A CN2013100740497A CN201310074049A CN103177086A CN 103177086 A CN103177086 A CN 103177086A CN 2013100740497 A CN2013100740497 A CN 2013100740497A CN 201310074049 A CN201310074049 A CN 201310074049A CN 103177086 A CN103177086 A CN 103177086A
- Authority
- CN
- China
- Prior art keywords
- mobile
- performance test
- power consumption
- score
- test factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种对应用搜索结果进行排序的方法及装置,包括预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分;在所述应用商店中获取与用户请求匹配的候选移动应用;根据候选移动应用的性能得分对候选移动应用进行排序。通过上述方式,本发明能够提高移动应用搜索结果排名的客观性。
Description
【技术领域】
本发明涉及互联网技术,特别涉及一种对应用搜索结果进行排序的方法及装置。
【背景技术】
随着移动技术的发展,智能设备上安装的移动应用为人们的工作生活带来了极大的便利。应用商店(例如苹果公司的APP store)是为人们提供各种移动应用的场所,人们在应用商店中输入自己感兴趣的移动应用关键词,就可以得到一系列相关的应用,用户在这些应用中选取自己需要的应用安装在智能设备上即可使用。
由于应用商店中的移动应用数量很多,在检索结果中排名靠前的移动应用被用户选择的可能性要大于排名靠后的移动应用,因此应用商店中移动应用的排名算法很重要。在现有技术中,是根据用户对移动应用的推荐程度或下载数量确定移动应用的排名的,即被用户推荐越多或下载越多的应用,排名越靠前。这种方式导致了某些应用开发者对自己开发的移动应用进行作弊的情况出现,即人为地使得某个移动应用的用户推荐数增加或用户下载数增加,从而导致移动应用的排名不够客观。
【发明内容】
本发明所要解决的技术问题是提供一种对应用搜索结果进行排序的方法及装置,以提高移动应用搜索结果排名的客观性。
本发明为解决技术问题而采用的技术方案是提供一种对应用搜索结果进行排序的方法,包括:预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分;在所述应用商店中获取与用户请求匹配的候选移动应用;根据候选移动应用的性能得分对候选移动应用进行排序。
根据本发明之一优选实施例,所述性能测试因子至少包括资源消耗量类型和稳定性类型中的一种,其中所述资源消耗量类型的性能测试至少包括以下一种:CPU占用率、内存占用率以及耗电程度,所述稳定性类型至少包括以下一种:连续运行时间以及崩溃概率。
根据本发明之一优选实施例,对移动应用进行耗电程度测试的步骤包括:
将移动应用运行设定长度的时间,以得到移动应用的第一耗电程度;
根据预设的组件与耗电水平之间的映射表确定移动应用包含的组件对应的第二耗电程度,并根据所述第二耗电程度对第一耗电程度进行修正,以得到移动应用的最终耗电程度。
根据本发明之一优选实施例,移动应用的性能得分根据下列公式计算得到:其中,Score表示移动应用的性能得分,factor(i)表示该移动应用在第i个性能测试因子上的得分,αi表示预先获取的第i个性能测试因子对应的权重,n表示性能测试因子的总数。
根据本发明之一优选实施例,预先获取各性能测试因子对应的权重的步骤包括:对所述应用商店中热门移动应用的性能测试因子得分进行排序,以确定热门移动应用的性能测试因子排名,其中排名越高的性能测试因子的权重越高。
本发明还提供了一种对应用搜索结果进行排序的装置,包括:测试单元,用于预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分;查找单元,用于在所述应用商店中获取与用户请求匹配的候选移动应用;排序单元,用于根据候选移动应用的性能得分对候选移动应用进行排序。
根据本发明之一优选实施例,所述性能测试因子至少包括资源消耗量类型和稳定性类型中的一种,其中所述资源消耗量类型的性能测试至少包括以下一种:CPU占用率、内存占用率以及耗电程度,所述稳定性类型至少包括以下一种:连续运行时间以及崩溃概率。
根据本发明之一优选实施例,所述测试单元对移动应用进行耗电程度测试的方式包括:
将移动应用运行设定长度的时间,以得到移动应用的第一耗电程度;
根据预设的组件与耗电水平之间的映射表确定移动应用包含的组件对应的第二耗电程度,并根据所述第二耗电程度对第一耗电程度进行修正,以得到移动应用的最终耗电程度。
根据本发明之一优选实施例,移动应用的性能得分根据下列公式计算得到:其中,Score表示移动应用的性能得分,factor(i)表示该移动应用在第i个性能测试因子上的得分,αi表示预先获取的第i个性能测试因子对应的权重,n表示性能测试因子的总数。
根据本发明之一优选实施例,所述测试单元预先获取各性能测试因子对应的权重的方式包括:对所述应用商店中热门移动应用的性能测试因子得分进行排序,以确定热门移动应用的性能测试因子排名,其中排名越高的性能测试因子的权重越高。
由以上技术方案可以看出,本发明首先通过对应用商店中各移动应用进行性能测试,得到各移动应用的性能得分,然后在用户检索所需的移动应用时,根据检索到的移动应用的性能得分对这些移动应用进行排序,可以避免移动应用搜索结果作弊情况的出现,提高移动应用搜索结果排名的客观性。
【附图说明】
图1为本发明中对应用搜索结果进行排序的方法的实施例的流程示意图;
图2为本发明中对应用搜索结果进行排序的装置的实施例的结构示意框图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
请参考图1,图1为本发明中对应用搜索结果进行排序的方法的实施例的流程示意图。如图1所示,该实施例包括:
步骤S1:预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分。
步骤S2:在应用商店中获取与用户请求匹配的候选移动应用。
步骤S3:根据候选移动应用的性能得分对候选移动应用进行排序。
下面对上述步骤进行详细介绍。
步骤S1中的性能测试因子,指的是对移动应用进行的一种性能测试。在一个实施例中,本发明中的性能测试因子又可以分为两种类型,一种是资源消耗量类型的性能测试因子,一种是稳定性类型的性能测试因子。
在一个实施例中,资源消耗量类型的性能测试因子包括CPU占用率。CPU占用率指的是移动应用在运行时占用的CPU资源与移动装置的所有CPU资源之间的比值。CPU占用率越高的移动应用,在该项性能测试因子上的测试得分就越低。作为一种实施方式,可以根据移动应用在一段运行时间内的CPU的平均占用率确定这项性能测试因子的测试得分。
在一个实施例中,资源消耗量类型的性能测试因子包括内存占用率。内存的占用率指的是移动应用程序在运行时占用的内存资源与移动装置的所有内存资源之间的比值。内存占用率越高的移动应用,在该项性能测试因子上的测试得分就越低。作为一种实施方式,可以根据移动应用在一段运行时间内内存的平均占用率确定这项性能测试因子的测试得分。作为另一种实施方式,还可以设定若干个连续运行时间,并测试移动应用在这若干个连续运行时间内是否出现内存泄露的情况确定移动应用的内存泄露概率,并根据内存泄露概率调整在前一个实施例中得到的内存占用率这项性能测试因子的测试得分。例如有三个连续运行时间,分别是1小时、2小时和3小时,移动应用程序第一次连续运行了1小时,没有出现内存泄露,第二次连续运行了2小时,也没有出现内存泄露,第三次连续运行了3小时,出现内存泄露,即移动应用A在3次测试中有一次出现内存泄露,则移动应用程序A的内存泄露概率为1/3=33%。如果移动应用程序A的内存平均占用率为12%,对应内存的占用率的测试得分为78分,则可以根据一个预设的降权权重修正移动应用程序A在内存占用率这项性能测试因子上的测试得分。降权权重是一个固定值,表示对内存占用率这项性能测试因子进行修正的修正系数,其与内存泄露概率的乘积等于对内存占用率这项性能测试因子进行修正时的绝对修正量。假设降权权重为10,则移动应用程序A的内存占用率的测试得分修正为78-10*33%=74.7。根据这种实施方式,如果移动应用程序A没有出现内存泄露,则其内存占用率的测试得分还是78。值得注意的是,上面为每次测试中设定的连续运行时间,可以相同,也可以不同,例如上面的三次测试当中,每次测试设定的连续运行时间也可以都是1小时。
在一个实施例中,资源消耗量类型的性能测试因子包括耗电程度。耗电程度指的是移动应用程序在使用过程中单位时间的耗电量。耗电程度越高的移动应用程序,在该项性能测试因子上的测试得分就越低。
作为一种实施方式,对移动应用进行耗电程度测试的步骤包括:
步骤S11:将移动应用运行设定长度的时间,以得到移动应用的第一耗电程度。例如将移动应用运行10分钟,然后求得这10分钟内该移动应用的平均耗电量,根据此即可得到该移动应用的第一耗电程度。这种方式是通过对移动应用进行实测以确定移动应用的耗电状况的。
作为另一种实施方式,与上一实施方式相比,对移动应用进行耗电程度测试的步骤进一步还包括:
步骤S12:根据预设的组件与耗电水平之间的映射表确定移动应用包含的组件对应的第二耗电程度,并根据第二耗电程度对第一耗电程度进行修正,以得到移动应用的最终耗电程度。
组件是移动应用的一个功能单元,在本发明中,可以预先根据数据统计确定各种组件与耗电水平之间的对应关系,得到所述的映射表。例如下面是本发明中一个映射表的实施例的结构示意:
上述映射表的实施例中的耗电水平的数值仅为表示相对高低的一种方式,例如耗电水平表示为100的组件可以认为比耗电水平表示为10的组件对电量消耗的水平要高,但是在其他的实施例中,也可以用其他类型的数值表示这种相对关系。
在步骤S12中,首先对移动应用包含的组件进行分析,并查找上述的映射表,以确定移动应用包含多少与上述映射表相匹配的组件,将所有匹配组件的耗电水平相加,再根据这个和值即可得到第二耗电程度的分值,其中上述和值越高说明耗电越多,第二耗电程度的分值就越低。步骤S12中可以根据第二耗电程度和预设的降权权值对第一耗电程度进行调整。这里的降权权值是一个固定值,表示对第一耗电程度进行调整的调整系数,其与第二耗电程度的乘积等于对第一耗电程度进行调整的绝对调整量。例如,降权权值为0.1,如果第一耗电程度为80分,第二耗电程度为60分,则对第一耗电水平进行修正为80-0.1*60=74分,即最终的耗电程度就是74分。
上述的实施方式中,耗电程度是结合了定量实测和定性评估两种方式得到的,因为在实测中,移动应用的各组件未必都会运行,对两个包含不同组件的移动应用而言,在实测时,有可能耗电量高的组件均未运行,因此这两个移动应用的实测值有可能相差不大,通过定性评估的方式,可以有效地将包含不同组件的移动应用的耗电量水平区分开,得到更为可信的值。
以上对步骤S1中对移动应用进行资源消耗量类型的性能测试因子的测试进行了介绍,下面介绍如何对移动应用进行稳定性类型的性能测试因子的测试。
在一个实施例中,稳定性类型的性能测试因子包括连续运行时间。连续运行时间指的是移动应用在接收模拟的用户操作时,可以连续正常运行的时间长度。可以通过对每个移动应用执行一次测试来得到移动应用在该项性能测试因子上的测试得分,其中,连续运行时间越长的移动应用,其在该项性能测试因子上的测试得分就越高。作为一种方式,可以设定一个测试时间,例如是3小时,在这3小时内均可正常运行的移动应用在该项性能测试因子上的得满分,如果一个移动应用运行1小时后崩溃,则这个移动应用在该项性能测试因子上的得分可以按比例取得,为33分。
在一个实施例中,稳定性类型的性能测试因子包括崩溃概率。崩溃概率指的是移动应用在接收模拟的用户操作时,出现程序崩溃的可能性大小。可以通过对每个移动应用执行多次测试来得到移动应用在该项性能测试因子上的测试得分,其中,每次测试的运行时间可以是随机的。例如对一个移动应用执行了5次崩溃概率的性能测试因子的测试,在这5次测试中,这个移动应用崩溃了3次,则这个移动应用的崩溃概率就是0.6。移动应用的崩溃概率越高,在该项性能测试因子上的测试得分就越低。
通过上面的介绍可以看出,在步骤S1中,每个移动应用都可以进行多个性能测试因子的测试,每个性能测试因子都可以得到一个得分。作为一种实施方式,在步骤S1中,可以通过下列公式计算移动应用的性能得分:
例如移动应用A的CPU占用率的得分为80,内存占用率的得分为75,耗电程度的得分为80,连续运行时间的得分为70,崩溃概率的得分为60,而已知CPU的占用率对应的权重为0.2,内存的占用率对应的权重为0.2,耗电量对应的权重为0.4,连续运行时间对应的权重为0.1,崩溃概率对应的权重为0.1,则移动应用A的性能得分=80*0.2+75*0.2+80*0.4+70*0.1+60*0.1=76。
在本实施例中,每个性能测试因子对应的权重是预先获取的,下面将介绍一种获取各个性能测试因子对应的权重的方式。
在一个实施例中,获取各性能测试因子对应的权重的步骤包括:对应用商店中热门移动应用的性能测试因子得分进行排序,以确定热门移动应用的性能测试因子排名,其中排名越高的性能测试因子的权重越高。
上述实施例中,热门移动应用既可以是一定时间内用户下载量排名靠前的移动应用,也可以是在一定时间内用户点击率排名靠前的移动应用,本发明对热门的定义不做限制。
假设有三个热门移动应用,分别是移动应用A、移动应用B和移动应用C,每个移动应用具有三个性能测试因子,分别是性能测试因子X、性能测试因子Y和性能测试因子Z。对A、B、C排序后的结果如下表所示:
从上述表中可以看出,由于X作为排名第一的性能测试因子在热门移动应用中占多数,Y作为排名第二的性能测试因子在热门移动应用中占多数,因此X、Y、Z的权重大小关系为X>Y>Z。
以上对步骤S1进行了完整介绍。在执行完步骤S1后,应用商店里的应用都对应了一个性能得分。
在步骤S2中,用户请求包含用于检索的关键字,例如用户想要查找“愤怒的小鸟”这个应用,本实施例中,在接收到用户的请求后,就会在应用商店数据库中进行查找,以得到能与“愤怒的小鸟”相匹配的候选移动应用。由于查找到的候选移动应用均有一个对应的性能得分,因此在步骤S3中,只需要将候选移动应用按照性能得分从高到低的顺序进行排列并提供给用户即可。
请参考图2,图2为本发明中对应用搜索结果进行排序的装置的实施例的结构示意框图。如图2所示,该实施例包括:测试单元201、查找单元202和排序单元203。
其中,测试单元201,用于预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分。
查找单元202,用于在应用商店中获取与用户请求匹配的候选移动应用。
排序单元203,用于根据候选移动应用的性能得分对候选移动应用进行排序。
本发明中的性能测试因子,指的是对移动应用进行的一种性能测试。在一个实施例中,本发明中的性能测试因子又可以分为两种类型,一种是资源消耗量类型的性能测试因子,一种是稳定性类型的性能测试因子。
在一个实施例中,资源消耗量类型的性能测试因子包括CPU占用率。CPU占用率指的是移动应用在运行时占用的CPU资源与移动装置的所有CPU资源之间的比值。CPU占用率越高的移动应用,在该项性能测试因子上的测试得分就越低。作为一种实施方式,测试单元201可以根据移动应用在一段运行时间内的CPU的平均占用率确定这项性能测试因子的测试得分。
在一个实施例中,资源消耗量类型的性能测试因子包括内存的占用率。内存的占用率指的是移动应用程序在运行时占用的内存资源与移动装置的所有内存资源之间的比值。内存占用率越高的移动应用,在该项性能测试因子上的测试得分就越低。作为一种实施方式,测试单元201可以根据移动应用在一段运行时间内的内存的平均占用率确定这项性能测试因子的测试得分。作为另一种实施方式,测试单元201还可以设定若干个连续运行时间,并测试移动应用在这若干个连续运行时间内是否出现内存泄露的情况确定移动应用的内存泄露概率,并根据内存泄露概率调整在前一个实施例中得到的内存占用率这项性能测试因子的测试得分。例如有三个连续运行时间,分别是1小时、2小时和3小时,移动应用程序第一次连续运行了1小时,没有出现内存泄露,第二次连续运行了2小时,也没有出现内存泄露,第三次连续运行了3小时,出现内存泄露,即移动应用A在3次测试中有一次出现内存泄露,则移动应用程序A的内存泄露概率为1/3=33%。如果移动应用程序A的内存平均占用率为12%,对应内存的占用率的测试得分为78分,则测试单元201可以根据一个预设的降权权重修正移动应用程序A在内存占用率这项性能测试因子上的测试得分。降权权重是一个固定值,表示对内存占用率这项性能测试因子进行修正的修正系数,其与内存泄露概率的乘积等于对内存占用率这项性能测试因子进行修正时的绝对修正量。假设降权权重为10,则移动应用程序A的内存占用率的测试得分修正为78-10*33%=74.7。根据这种实施方式,如果移动应用程序A没有出现内存泄露,则其内存占用率的测试得分还是78。
在一个实施例中,资源消耗量类型的性能测试因子包括耗电程度。耗电程度指的是移动应用程序在使用过程中单位时间的耗电量。耗电程度越高的移动应用程序,在该项性能测试因子上的测试得分就越低。
作为一种实施方式,测试单元201对移动应用进行耗电程度测试的方式包括:
将移动应用运行设定长度的时间,以得到移动应用的第一耗电程度。例如将移动应用运行10分钟,然后求得这10分钟内该移动应用的平均耗电量,根据此即可得到该移动应用的第一耗电程度。这种方式是通过对移动应用进行实测以确定移动应用的耗电状况的。
作为另一种实施方式,与上一实施方式相比,测试单元201对移动应用进行耗电程度测试的方式进一步还包括:
根据预设的组件与耗电水平之间的映射表确定移动应用包含的组件对应的第二耗电程度,并根据第二耗电程度对第一耗电程度进行修正,以得到移动应用的最终耗电程度。
组件是移动应用的一个功能单元,在本发明中,可以预先根据数据统计确定各种组件与耗电水平之间的对应关系,得到所述的映射表。例如下面是本发明中一个映射表的实施例的结构示意:
上述映射表的实施例中的耗电水平的数值仅为表示相对高低的一种方式,例如耗电水平表示为100的组件可以认为比耗电水平表示为10的组件对电量消耗的水平要高,但是在其他的实施例中,也可以用其他类型的数值表示这种相对关系。
上述实施例中,测试单元201首先对移动应用包含的组件进行分析,并查找上述的映射表,以确定移动应用包含多少与上述映射表相匹配的组件,将所有匹配组件的耗电水平相加,再根据这个和值即可得到第二耗电程度的分值,其中上述和值越高说明耗电越多,第二耗电程度的分值就越低。测试单元201可以根据第二耗电程度和预设的降权权值对第一耗电程度进行调整。这里的降权权值是一个固定值,表示对第一耗电程度进行调整的调整系数,其与第二耗电程度的乘积等于对第一耗电程度进行调整的绝对调整量。例如,降权权值为0.1,如果第一耗电程度为80分,第二耗电程度为60分,则测试单元201对第一耗电程度进行修正为80-0.1*60=74分,即最终的耗电程度就是74分。
以上对测试单元201对移动应用进行资源消耗量类型的性能测试因子的测试进行了介绍,下面介绍测试单元201对移动应用进行稳定性类型的性能测试因子的测试。
在一个实施例中,稳定性类型的性能测试因子包括连续运行时间。连续运行时间指的是移动应用在接收模拟的用户操作时,可以连续正常运行的时间长度。可以通过对每个移动应用执行一次测试来得到移动应用在该项性能测试因子上的测试得分,其中,连续运行时间越长的移动应用,其在该项性能测试因子上的测试得分就越高。作为一种方式,测试单元201可以设定一个测试时间,例如是3小时,在这3小时内均可正常运行的移动应用在该项性能测试因子上的得满分,如果一个移动应用运行1小时后崩溃,则这个移动应用在该项性能测试因子上的得分可以按比例取得,为33分。
在一个实施例中,稳定性类型的性能测试因子包括崩溃概率。崩溃概率指的是移动应用在接收模拟的用户操作时,出现程序崩溃的可能性大小。测试单元201可以通过对每个移动应用执行多次测试来得到移动应用在该项性能测试因子上的测试得分,其中,每次测试的运行时间可以是随机的。例如对一个移动应用执行了5次崩溃概率的性能测试因子的测试,在这5次测试中,这个移动应用崩溃了3次,则这个移动应用的崩溃概率就是0.6。移动应用的崩溃概率越高,在该项性能测试因子上的测试得分就越低。
通过上面的介绍可以看出,每个移动应用都可以进行多个性能测试因子的测试,每个性能测试因子都可以得到一个得分。作为一种实施方式,测试单元201可以通过下列公式计算移动应用的性能得分:
其中,Score表示移动应用的性能得分,factor(i)表示该移动应用在第i个性能测试因子上的得分,αi表示预先获取的第i个性能测试因子对应的权重,n表示性能测试因子的总数。
例如移动应用A的CPU占用率的得分为80,内存占用率的得分为75,耗电程度的得分为80,连续运行时间的得分为70,崩溃概率的得分为60,而已知CPU的占用率对应的权重为0.2,内存的占用率对应的权重为0.2,耗电量对应的权重为0.4,连续运行时间对应的权重为0.1,崩溃概率对应的权重为0.1,则移动应用A的性能得分=80*0.2+75*0.2+80*0.4+70*0.1+60*0.1=76。
在本实施例中,每个性能测试因子对应的权重是预先获取的,下面将介绍测试单元201获取各个性能测试因子对应的权重的方式。
在一个实施例中,测试单元201获取各性能测试因子对应的权重的方式包括:对应用商店中热门移动应用的性能测试因子得分进行排序,以确定热门移动应用的性能测试因子排名,其中排名越高的性能测试因子的权重越高。
上述实施例中,热门移动应用既可以是一定时间内用户下载量排名靠前的移动应用,也可以是在一定时间内用户点击率排名靠前的移动应用,本发明对热门的定义不做限制。
假设有三个热门移动应用,分别是移动应用A、移动应用B和移动应用C,每个移动应用具有三个性能测试因子,分别是性能测试因子X、性能测试因子Y和性能测试因子Z。对A、B、C排序后的结果如下表所示:
从上述表中可以看出,由于X作为排名第一的性能测试因子在热门移动应用中占多数,Y作为排名第二的性能测试因子在热门移动应用中占多数,因此X、Y、Z的权重大小关系为X>Y>Z。
本发明中的测试单元201,使得应用商店中的每个移动应用具有了一个对应的性能得分,因此,查询单元202在接收到用户的请求后,就会在应用商店数据库中进行查找,以得到能与用户请求中的关键词相匹配的候选移动应用,由于查找到的候选移动应用均有一个对应的性能得分,因此排序单元203只需要将候选移动应用按照性能得分从高到低的顺序进行排列并提供给用户即可。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种对应用搜索结果进行排序的方法,包括:
预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分;
在所述应用商店中获取与用户请求匹配的候选移动应用;
根据候选移动应用的性能得分对候选移动应用进行排序。
2.根据权利要求1所述的方法,其特征在于,所述性能测试因子至少包括资源消耗量类型和稳定性类型中的一种,其中所述资源消耗量类型的性能测试至少包括以下一种:CPU占用率、内存占用率以及耗电程度,所述稳定性类型至少包括以下一种:连续运行时间以及崩溃概率。
3.根据权利要求1所述的方法,其特征在于,对移动应用进行耗电程度测试的步骤包括:
将移动应用运行设定长度的时间,以得到移动应用的第一耗电程度;
根据预设的组件与耗电水平之间的映射表确定移动应用包含的组件对应的第二耗电程度,并根据所述第二耗电程度对第一耗电程度进行修正,以得到移动应用的最终耗电程度。
4.根据权利要求1所述的方法,其特征在于,移动应用的性能得分根据下列公式计算得到:
其中,Score表示移动应用的性能得分,factor(i)表示该移动应用在第i个性能测试因子上的得分,αi表示预先获取的第i个性能测试因子对应的权重,n表示性能测试因子的总数。
5.根据权利要求4所述的方法,其特征在于,预先获取各性能测试因子对应的权重的步骤包括:
对所述应用商店中热门移动应用的性能测试因子得分进行排序,以确定热门移动应用的性能测试因子排名,其中排名越高的性能测试因子的权重越高。
6.一种对应用搜索结果进行排序的装置,包括:
测试单元,用于预先对应用商店中的各移动应用进行一个以上性能测试因子的测试,以得到各移动应用的性能得分;
查找单元,用于在所述应用商店中获取与用户请求匹配的候选移动应用;
排序单元,用于根据候选移动应用的性能得分对候选移动应用进行排序。
7.根据权利要求6所述的装置,其特征在于,所述性能测试因子至少包括资源消耗量类型和稳定性类型中的一种,其中所述资源消耗量类型的性能测试至少包括以下一种:CPU占用率、内存占用率以及耗电程度,所述稳定性类型至少包括以下一种:连续运行时间以及崩溃概率。
8.根据权利要求6所述的装置,其特征在于,所述测试单元对移动应用进行耗电程度测试的方式包括:
将移动应用运行设定长度的时间,以得到移动应用的第一耗电程度;
根据预设的组件与耗电水平之间的映射表确定移动应用包含的组件对应的第二耗电程度,并根据所述第二耗电程度对第一耗电程度进行修正,以得到移动应用的最终耗电程度。
10.根据权利要求9所述的装置,其特征在于,所述测试单元预先获取各性能测试因子对应的权重的方式包括:
对所述应用商店中热门移动应用的性能测试因子得分进行排序,以确定热门移动应用的性能测试因子排名,其中排名越高的性能测试因子的权重越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310074049.7A CN103177086B (zh) | 2013-03-08 | 2013-03-08 | 一种对应用搜索结果进行排序的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310074049.7A CN103177086B (zh) | 2013-03-08 | 2013-03-08 | 一种对应用搜索结果进行排序的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103177086A true CN103177086A (zh) | 2013-06-26 |
CN103177086B CN103177086B (zh) | 2019-08-27 |
Family
ID=48636947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310074049.7A Active CN103177086B (zh) | 2013-03-08 | 2013-03-08 | 一种对应用搜索结果进行排序的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103177086B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015010624A1 (zh) * | 2013-07-23 | 2015-01-29 | 贝壳网际(北京)安全技术有限公司 | 应用程序耗电信息的获取方法、装置和移动终端 |
CN105224559A (zh) * | 2014-06-17 | 2016-01-06 | 中兴通讯股份有限公司 | 竞价排名方法及装置 |
CN105279079A (zh) * | 2014-06-25 | 2016-01-27 | 腾讯科技(深圳)有限公司 | 应用程序性能估测方法、装置和系统 |
CN106294168A (zh) * | 2016-08-16 | 2017-01-04 | 广州华多网络科技有限公司 | 一种进行应用程序测试的方法和系统 |
CN103605754B (zh) * | 2013-11-22 | 2017-02-01 | 北京飞流九天科技有限公司 | 用于对应用进行排名的方法和设备 |
CN107832859A (zh) * | 2017-10-27 | 2018-03-23 | 广东欧珀移动通信有限公司 | 游戏预约列表生成方法、装置以及服务器 |
CN107911345A (zh) * | 2017-10-27 | 2018-04-13 | 广东欧珀移动通信有限公司 | 游戏预约列表生成方法、装置以及服务器 |
CN107924320A (zh) * | 2015-08-25 | 2018-04-17 | 三星电子株式会社 | 用于提供应用列表的系统及方法 |
CN104424433B (zh) * | 2013-08-22 | 2018-12-11 | 腾讯科技(深圳)有限公司 | 一种应用程序的反作弊方法和相关系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070261030A1 (en) * | 2006-05-04 | 2007-11-08 | Gaurav Wadhwa | Method and system for tracking and prioritizing applications |
CN102298542A (zh) * | 2011-08-24 | 2011-12-28 | 百度在线网络技术(北京)有限公司 | 一种应用程序的质量确定方法和系统 |
-
2013
- 2013-03-08 CN CN201310074049.7A patent/CN103177086B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070261030A1 (en) * | 2006-05-04 | 2007-11-08 | Gaurav Wadhwa | Method and system for tracking and prioritizing applications |
CN102298542A (zh) * | 2011-08-24 | 2011-12-28 | 百度在线网络技术(北京)有限公司 | 一种应用程序的质量确定方法和系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015010624A1 (zh) * | 2013-07-23 | 2015-01-29 | 贝壳网际(北京)安全技术有限公司 | 应用程序耗电信息的获取方法、装置和移动终端 |
CN104424433B (zh) * | 2013-08-22 | 2018-12-11 | 腾讯科技(深圳)有限公司 | 一种应用程序的反作弊方法和相关系统 |
CN103605754B (zh) * | 2013-11-22 | 2017-02-01 | 北京飞流九天科技有限公司 | 用于对应用进行排名的方法和设备 |
CN105224559A (zh) * | 2014-06-17 | 2016-01-06 | 中兴通讯股份有限公司 | 竞价排名方法及装置 |
CN105279079A (zh) * | 2014-06-25 | 2016-01-27 | 腾讯科技(深圳)有限公司 | 应用程序性能估测方法、装置和系统 |
CN107924320A (zh) * | 2015-08-25 | 2018-04-17 | 三星电子株式会社 | 用于提供应用列表的系统及方法 |
US11269488B2 (en) | 2015-08-25 | 2022-03-08 | Samsung Electronics Co., Ltd. | System for providing application list and method therefor |
CN106294168A (zh) * | 2016-08-16 | 2017-01-04 | 广州华多网络科技有限公司 | 一种进行应用程序测试的方法和系统 |
CN106294168B (zh) * | 2016-08-16 | 2018-10-23 | 广州华多网络科技有限公司 | 一种进行应用程序测试的方法和系统 |
CN107911345A (zh) * | 2017-10-27 | 2018-04-13 | 广东欧珀移动通信有限公司 | 游戏预约列表生成方法、装置以及服务器 |
CN107832859B (zh) * | 2017-10-27 | 2020-07-24 | Oppo广东移动通信有限公司 | 游戏预约列表生成方法、装置以及服务器 |
CN107911345B (zh) * | 2017-10-27 | 2020-07-24 | Oppo广东移动通信有限公司 | 游戏预约列表生成方法、装置以及服务器 |
CN107832859A (zh) * | 2017-10-27 | 2018-03-23 | 广东欧珀移动通信有限公司 | 游戏预约列表生成方法、装置以及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN103177086B (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103177086A (zh) | 一种对应用搜索结果进行排序的方法及装置 | |
TWI591556B (zh) | Search engine results sorting method and system | |
CN102750334B (zh) | 一种基于dm的农业信息精准推送的方法 | |
CN107704467B (zh) | 搜索质量评估方法及装置 | |
CN106251174A (zh) | 信息推荐方法及装置 | |
CN107122980B (zh) | 识别商品所属类目的方法和装置 | |
TWI615723B (zh) | 網路搜尋方法及設備 | |
CN109739768B (zh) | 搜索引擎评测方法、装置、设备以及可读存储介质 | |
WO2021003391A1 (en) | Machine learning systems and methods for evaluating sampling bias in deep active classification | |
CN103309894B (zh) | 基于用户属性的搜索实现方法及系统 | |
CN104050197A (zh) | 一种信息检索系统评测方法和装置 | |
CN104318497A (zh) | 用于自动社区化学习的方法及系统 | |
Chuklin et al. | A comparative analysis of interleaving methods for aggregated search | |
CN106326297A (zh) | 一种应用程序推荐方法及装置 | |
US20160117334A1 (en) | Search Method and Apparatus | |
CN106202242A (zh) | 一种应用程序推荐方法和装置 | |
CN105740434B (zh) | 网络信息评分方法及装置 | |
CN109426655A (zh) | 数据分析方法、装置、电子设备及计算机可读存储介质 | |
CN106020719A (zh) | 一种分布式存储系统的初始参数配置方法 | |
CN107463660A (zh) | 产品活跃用户数据测算方法及计算机设备 | |
CN102737038B (zh) | 关联度确定方法及装置、信息提供方法及装置 | |
CN107943994B (zh) | 一种基于转移概率的网页排序方法及系统 | |
Xu et al. | Introducing sub-impact factor (SIF-) sequences and an aggregated SIF-indicator for journal ranking | |
CN106294416B (zh) | Seo词库的分类模型建立方法、关键词选取方法及装置 | |
CN113190763A (zh) | 一种信息推荐方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |