CN105205131A - 确定垃圾文件大小的方法和装置及电子设备 - Google Patents

Abstract

本发明提出一种确定垃圾文件大小的方法和装置及电子设备，该确定垃圾文件大小的方法包括：获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；根据所述特征点数据，将所述所有目标区域分成训练集和测试集；根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。该方法能够预估出每个目标区域的首次可清理的垃圾文件大小。

Description

确定垃圾文件大小的方法和装置及电子设备

技术领域

本发明涉及垃圾文件清理技术领域，尤其涉及一种确定垃圾文件大小的方法和装置及电子设备。

背景技术

当前用户手机存储中，由于应用的开发规范不当，导致大量存储空间被无用数据占用，致使手机存储空间不足，存储数据杂乱不堪，因此清理更多的无用数据，释放更多存储空间，成为用户的强烈需求。而各国清理需求并不一致，需结合各国因素预估该国首次可清理的垃圾文件大小，进而可以根据该大小制定相应的运营策略。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种确定垃圾文件大小的方法，该方法可以预估出每个目标区域的首次可清理的垃圾文件大小。

本发明的另一个目的在于提出一种确定垃圾文件大小的装置。

本发明的另一个目的在于提出一种电子设备。

为达到上述目的，本发明第一方面实施例提出的确定垃圾文件大小的方法，包括：获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；根据所述特征点数据，将所述所有目标区域分成训练集和测试集；根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述根据所述特征点数据，将所述所有目标区域分成训练集和测试集，包括：根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

可选的，所述根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小，包括：根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系；根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系，包括：采用分类回归树算法，根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

可选的，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数；判断所述衡量参数是否满足预设的最优条件；如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

可选的，所述判断所述衡量参数是否满足预设的最优条件之后，所述方法还包括：如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

可选的，所述获取已有的所有目标区域中每个目标区域的特征点数据，包括：获取已有的所有目标区域中每个目标区域的初始数据；根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

可选的，所述根据预设规则，对所述初始数据进行过滤，包括：去除所述初始数据中的无效数据。

可选的，所述特征点数据包括如下项中的至少一项：已有的首次可清理的垃圾文件大小；首次垃圾清理的用户数；非首次可清理的垃圾文件大小；非首次垃圾清理的用户数；安装比例较高的预设个数的安装包中已运营的安装包的占比率；要完成预设比例的覆盖率，剩余待运营的安装包个数；平均安装包个数；不同机型的占比率；检出的首次可清理的垃圾文件大小在预设范围内的用户数的占比率。

本发明第一方面实施例提出的确定垃圾文件大小的方法，通过得到训练集和测试集，并根据训练集中每个目标区域的特征点数据得到测试集中每个目标区域的首次可清理的垃圾文件大小，可以预估出每个目标区域的首次可清理的垃圾文件大小。

为达到上述目的，本发明第二方面实施例提出的确定垃圾文件大小的装置，包括：获取模块，用于获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；划分模块，用于根据所述特征点数据，将所述所有目标区域分成训练集和测试集；确定模块，用于根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述划分模块具体用于：根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

可选的，所述确定模块包括：第一单元，用于根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系；第二单元，用于根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述第一单元具体用于：采用分类回归树算法，根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

可选的，还包括：计算模块，用于根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数；判断模块，用于判断所述衡量参数是否满足预设的最优条件；保存模块，用于如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

可选的，还包括：调整模块，用于如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，还包括：处理模块，用于按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

可选的，所述获取模块具体用于：获取已有的所有目标区域中每个目标区域的初始数据；根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

可选的，所述获取模块具体用于根据预设规则，对所述初始数据进行过滤，得到所述特征点数据，包括：去除所述初始数据中的无效数据。

本发明第二方面实施例提出的确定垃圾文件大小的装置，通过得到训练集和测试集，并根据训练集中每个目标区域的特征点数据得到测试集中每个目标区域的首次可清理的垃圾文件大小，可以预估出每个目标区域的首次可清理的垃圾文件大小。

为达到上述目的，本发明第三方面实施例提出的电子设备，包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行以下步骤：获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；根据所述特征点数据，将所述所有目标区域分成训练集和测试集；根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述根据所述特征点数据，将所述所有目标区域分成训练集和测试集，包括：根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

可选的，所述根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小，包括：根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系；根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系，包括：采用分类回归树算法，根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

可选的，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数；判断所述衡量参数是否满足预设的最优条件；如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

可选的，所述判断所述衡量参数是否满足预设的最优条件之后，所述方法还包括：如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

可选的，所述获取已有的所有目标区域中每个目标区域的特征点数据，包括：获取已有的所有目标区域中每个目标区域的初始数据；根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

可选的，所述根据预设规则，对所述初始数据进行过滤，包括：去除所述初始数据中的无效数据。

可选的，所述特征点数据包括如下项中的至少一项：已有的首次可清理的垃圾文件大小；首次垃圾清理的用户数；非首次可清理的垃圾文件大小；非首次垃圾清理的用户数；安装比例较高的预设个数的安装包中已运营的安装包的占比率；要完成预设比例的覆盖率，剩余待运营的安装包个数；平均安装包个数；不同机型的占比率；检出的首次可清理的垃圾文件大小在预设范围内的用户数的占比率。

本发明第三方面实施例提出的电子设备，通过得到训练集和测试集，并根据训练集中每个目标区域的特征点数据得到测试集中每个目标区域的首次可清理的垃圾文件大小，可以预估出每个目标区域的首次可清理的垃圾文件大小。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一实施例提出的确定垃圾文件大小的方法的流程示意图；

图2是本发明实施例中获取已有的所有目标区域中每个目标区域的特征点数据的流程示意图；

图3是本发明实施例中根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小的流程示意图；

图4是本发明实施例中分类回归树的结构示意图；

图5是本发明另一实施例提出的确定垃圾文件大小的方法的流程示意图；

图6是本发明另一实施例提出的确定垃圾文件大小的方法的流程示意图；

图7是本发明另一实施例提出的确定垃圾文件大小的装置的结构示意图；

图8是本发明另一实施例提出的确定垃圾文件大小的装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

图1是本发明一实施例提出的确定垃圾文件大小的方法的流程示意图，该方法包括：

S11：获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据。

其中，获取的特征点数据可以理解为是数据源，以用于后续运算。

目标区域例如为国家。

特征点数据包括至少一项，假设用N项表示，则对应已有的所有目标区域，每个目标区域需要获取N项。

考虑到一些数据是无效的，因此，可选的，参见图2，所述获取已有的所有目标区域中每个目标区域的特征点数据，包括：

S21：获取已有的所有目标区域中每个目标区域的初始数据。

其中，初始数据是指每个目标区域能够获取的数据，这些数据可能是无效的。

S22：根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

可选的，所述根据预设规则，对所述初始数据进行过滤，包括：

去除所述初始数据中的无效数据。

例如，以目标区域是国家为例，初始数据中包括国家号，如果国家号是无效的国家号，则去掉该无效国家号对应的数据。

可选的，所述特征点数据包括如下项中的至少一项：

(1)已有的首次可清理的垃圾文件大小。

首次可清理的垃圾文件大小(以下简称为首扫size)是指第一次使用垃圾文件清理工具对用户设备进行垃圾文件扫描后得到的垃圾文件的大小，本实施例的用户设备可以具体是指移动设备，如手机。

首扫size可以分为国家的首扫size和用户的首扫size，其中，用户的首扫size是指每个用户在自己的用户设备上首次扫描出的垃圾文件的大小，国家的首扫size是指该国所有用户的首扫size的平均值，当然，可以理解的是，国家的首扫size也可以采用其他算法由用户的首扫size得到。

虽然最后要预估一个国家的首扫size，但初始时该国家也会有一个首扫size的初始值，该初始值可能准确或者不准确，该初始值就是该国已有的首扫size。

(2)首次垃圾清理的用户数，是指一个国家当前统计时进行首次垃圾文件扫描的所有用户的总数。

(3)非首次可清理的垃圾文件大小，是指一个国家当前统计时不是首扫时清理出的垃圾文件大小。

(4)非首次垃圾清理的用户数，是指一个国家当前统计时不是首扫时清理出的垃圾文件大小。

(5)安装比例较高的预设个数的安装包中已运营的安装包的占比率。

其中，在不同的国家内，用户会安装不同的安装包，例如，都是具有美图功能的软件，中国安装的安装包是软件A，而美国安装的安装包是软件B。

因此，可以对每个国家的安装包进行统计，并按照安装比例从高到低的顺序选择预设个数的安装包。

本实施例中，预设个数包括500和1000，因此，本实施例中，该占比率具体包括：

安装比例较高的500个安装包中已运营的安装包的占比率；

安装比例较高的1000个安装包中已运营的安装包的占比率。

另外，在垃圾文件清理时，需要先对安装包进行运营，例如，确定每个安装包的可以清理的部分等。但是，由于安装包种类繁多，并不一定每个安装包都被运营了，因此会存在该占比率。

以安装比例较高的500个安装包中已运营的安装包的占比率为例，假设在该500个安装包中已运营的安装包的个数是200个，则占比率是200/500。

类似的，还可以计算出安装比例较高的1000个安装包中已运营的安装包的占比率。

(6)要完成预设比例的覆盖率，剩余待运营的安装包个数。

本实施例中，预设比例例如为(70％，60％)。

(70％，60％)的覆盖率是指：一个国家70％的用户安装了已运营的安装包，且，一个用户安装的60％的安装包已运营。

(7)平均安装包个数，是指一个国家每个用户安装的安装包的个数的平均值。

(8)不同机型的占比关系，例如，将机型划分为高中低三种，则确定出三种机型的比例关系。

(9)检出的首次可清理的垃圾文件大小在预设范围内的用户数的占比率。

本实施例中，该占比率包括：

检出的首次可清理的垃圾文件大小在[200M，500M]这一范围的用户数的占比率；

检出的首次可清理的垃圾文件大小在[500M，1G]这一范围的用户数的占比率。

如上所述，首扫size包括用户的首扫size，不同用户的首扫size可以不同，因此可以对一个国家的每个用户的首扫size进行统计，例如，得到用户的首扫size在[200M，500M]这一范围的用户的总数，之后再用该范围的用户总数除以该国家的用户总数，得到检出的首次可清理的垃圾文件大小在[200M，500M]这一范围的用户数的占比率。

S12：根据所述特征点数据，将所述所有目标区域分成训练集和测试集。

例如，在得到特征点数据后，可以将所有目标区域进行划分，得到清理效果好的一组目标区域，以及，清理效果差的另一组目标区域，其中，清理效果好的一组目标区域组成训练集，清理效果差的另一组目标区域组成测试集。

具体的，所述根据所述特征点数据，将所述所有目标区域分成训练集和测试集，包括：

根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；

按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；

将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

具体的清理效果可以根据特征点数据确定，例如，选择安装比例较高的500个安装包中已运营的安装包的占比率作为衡量指标，该指标的数值越大表明清理效果越好。

可以理解的是，选择哪个特征点数据，或者哪些特征点数据的组合作为衡量清理效果的指标不限于上述示例，可以进行其他配置。

S13：根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，参见图3，所述根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小，包括：

S31：根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

训练算法可以有多种，本实施例以分类回归树算法为例。分类回归树算法是weka软件提供的算法。由于分类回归树算法是已有技术，在此不过多描述，简要描述如下：

采用分类回归树算法最后会建立一颗树，该树包括多个节点，例如，参见图4，包括根节点41，中间节点42和叶子节点43，叶子节点中保存国家的首扫size与特征点数据之间函数关系，假设国家的首扫size分别用Y表示，特征点数据分别用X＝x1,x2，…表示，则参见图4，一个叶子节点中的函数关系用Y＝f1(X)表示，另一个叶子节点中的函数关系用Y＝f2(X)表示，其余叶子节点类似。

根节点和中间节点分别表示相应的特征点数据，例如，根节点41表示已有的首扫size，一个中间节点421表示安装比例较高的500个安装包中已运营的安装包的占比率(图4中简写为top500占比)，另一个中间节点422表示检出的首次可清理的垃圾文件大小在[200M，500M]这一范围的用户数的占比率(图4中简写为[200M,500M]占比)。

另外，在该分类回归树中走的路径可以根据相应的阈值确定，例如，从根节点开始，假设阈值用a表示，则已有的首扫size小于或等于a时，进入中间节点421，否则，当已有的首扫size大于a时，进入中间节点422。

具体的分类回归树的根节点和中间节点表示的特征点数据，叶子节点中保存的函数关系，以及，各路径的阈值，都可以对训练集内每个国家的特征点数据进行训练后得到。

S32：根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

在得到如图4所示的分类回归树后，就可以根据一个国家的特征点数据得到相应的国家首扫size。例如，从该国已有的首扫size开始，如果该国的已有的首扫size小于a，则进入中间节点421，之后比对该国中间节点421的值与该中间节点的阈值，例如，该国top500占比小于top500占比对应的阈值，则进入中间节点421的左侧节点，假设该左侧节点就是叶子节点，则可以从叶子节点中获取相应的函数关系，例如，得到的函数关系是Y＝f1(X)，则可以根据该f1(X)得到该国的首扫size(Y)。

另一实施例中，参见图5，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：

S51：根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数。

衡量参数是可以配置的。

本实施例以确定出的各国首扫size的相关系数为例。

S52：判断所述衡量参数是否满足预设的最优条件。

根据衡量参数的不同，最优条件可以相应配置。

假设衡量参数时相关系数，则最优条件是相关系数最大。

可以理解的是，在评估最优时，还可以进一步进行人工评价。

S53：如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

例如，计算出的相关系数最大，则表明确定出的测试集中每个国家的首扫size是准确的，之后，可以对确定出的国家首扫size进行保存，以便后续为运营等处理提供基础数据。

另一方面，所述方法还包括：

如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

在重新选择训练集和测试集时，可以依据新的指标进行重新选择，例如初始是根据top500占比选择的，重新选择时可以根据(70％,60％)覆盖率选择等。

在重新选择出训练集和测试集后，可以参照上述流程重新确定出测试集中每个国家的首扫size。

可选的，参见图6，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：

S61：按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

该流程也可以具体是在国家首扫size被保存后执行的。

对相应国家进行垃圾文件清理的处理例如对该国家的安装包进行垃圾清理的运营，例如，找到安装包需要清理的部分。

该步骤可以对国家的首扫size较大的国家进行优先运营。

本实施例中，通过得到训练集和测试集，并根据训练集中每个目标区域的特征点数据得到测试集中每个目标区域的首扫size，可以预估目标区域的首扫size。

图7是本发明另一实施例提出的确定垃圾文件大小的装置的结构示意图，该装置70包括：

获取模块71，用于获取已有的所有目标区域中每个目标区域的用于垃圾文件清理特征点数据；

其中，获取的特征点数据可以理解为是数据源，以用于后续运算。

目标区域例如为国家。

特征点数据包括至少一项，假设用N项表示，则对应已有的所有目标区域，每个目标区域需要获取N项。

可选的，所述获取模块71具体用于：

获取已有的所有目标区域中每个目标区域的初始数据；

根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

可选的，所述获取模块71具体用于根据预设规则，对所述初始数据进行过滤，得到所述特征点数据，包括：

去除所述初始数据中的无效数据。

其中，初始数据是指每个目标区域能够获取的数据，这些数据可能是无效的。

例如，以目标区域是国家为例，初始数据中包括国家号，如果国家号是无效的国家号，则去掉该无效国家号对应的数据。

可选的，所述特征点数据包括如下项中的至少一项：

(1)已有的首次可清理的垃圾文件大小。

首次可清理的垃圾文件大小(以下简称为首扫size)是指第一次使用垃圾文件清理工具对用户设备进行垃圾文件扫描后得到的垃圾文件的大小，本实施例的用户设备可以具体是指移动设备，如手机。

首扫size可以分为国家的首扫size和用户的首扫size，其中，用户的首扫size是指每个用户在自己的用户设备上首次扫描出的垃圾文件的大小，国家的首扫size是指该国所有用户的首扫size的平均值，当然，可以理解的是，国家的首扫size也可以采用其他算法由用户的首扫size得到。

虽然最后要预估一个国家的首扫size，但初始时该国家也会有一个首扫size的初始值，该初始值可能准确或者不准确，该初始值就是该国已有的首扫size。

(2)首次垃圾清理的用户数，是指一个国家当前统计时进行首次垃圾文件扫描的所有用户的总数。

(3)非首次可清理的垃圾文件大小，是指一个国家当前统计时不是首扫时清理出的垃圾文件大小。

(4)非首次垃圾清理的用户数，是指一个国家当前统计时不是首扫时清理出的垃圾文件大小。

(5)安装比例较高的预设个数的安装包中已运营的安装包的占比率。

其中，在不同的国家内，用户会安装不同的安装包，例如，都是具有美图功能的软件，中国安装的安装包是软件A，而美国安装的安装包是软件B。

因此，可以对每个国家的安装包进行统计，并按照安装比例从高到低的顺序选择预设个数的安装包。

本实施例中，预设个数包括500和1000，因此，本实施例中，该占比率具体包括：

安装比例较高的500个安装包中已运营的安装包的占比率；

安装比例较高的1000个安装包中已运营的安装包的占比率。

另外，在垃圾文件清理时，需要先对安装包进行运营，例如，确定每个安装包的可以清理的部分等。但是，由于安装包种类繁多，并不一定每个安装包都被运营了，因此会存在该占比率。

以安装比例较高的500个安装包中已运营的安装包的占比率为例，假设在该500个安装包中已运营的安装包的个数是200个，则占比率是200/500。

类似的，还可以计算出安装比例较高的1000个安装包中已运营的安装包的占比率。

(6)要完成预设比例的覆盖率，剩余待运营的安装包个数。

本实施例中，预设比例例如为(70％，60％)。

(70％，60％)的覆盖率是指：一个国家70％的用户安装了已运营的安装包，且，一个用户安装的60％的安装包已运营。

(7)平均安装包个数，是指一个国家每个用户安装的安装包的个数的平均值。

(8)不同机型的占比关系，例如，将机型划分为高中低三种，则确定出三种机型的比例关系。

(9)检出的首次可清理的垃圾文件大小在预设范围内的用户数的占比率。

本实施例中，该占比率包括：

检出的首次可清理的垃圾文件大小在[200M，500M]这一范围的用户数的占比率；

检出的首次可清理的垃圾文件大小在[500M，1G]这一范围的用户数的占比率。

如上所述，首扫size包括用户的首扫size，不同用户的首扫size可以不同，因此可以对一个目标区域的每个用户的首扫size进行统计，例如，得到用户的首扫size在[200M，500M]这一范围的用户的总数，之后再用该范围的用户总数除以该国家的用户总数，得到检出的首次可清理的垃圾文件大小在[200M，500M]这一范围的用户数的占比率。

划分模块72，用于根据所述特征点数据，将所述所有目标区域分成训练集和测试集；

例如，在得到特征点数据后，可以将所有目标区域进行划分，得到清理效果好的一组目标区域，以及，清理效果差的另一组目标区域，其中，清理效果好的一组目标区域组成训练集，清理效果差的另一组目标区域组成测试集。

可选的，所述划分模块72具体用于：

根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；

按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；

将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

具体的清理效果可以根据特征点数据确定，例如，选择安装比例较高的500个安装包中已运营的安装包的占比率作为衡量指标，该指标的数值越大表明清理效果越好。

可以理解的是，选择哪个特征点数据，或者哪些特征点数据的组合作为衡量清理效果的指标不限于上述示例，可以进行其他配置。

确定模块73，用于根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，参见图8，所述确定模块73包括：

第一单元731，用于根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系；

可选的，所述第一单元731具体用于：

采用分类回归树算法，根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

训练算法可以有多种，本实施例以分类回归树算法为例。分类回归树算法是weka软件提供的算法。由于分类回归树算法是已有技术，在此不过多描述，简要描述如下：

采用分类回归树算法最后会建立一颗树，该树包括多个节点，例如，参见图4，包括根节点41，中间节点42和叶子节点43，叶子节点中保存国家的首扫size与特征点数据之间函数关系，假设首扫size分别用Y表示，特征点数据分别用X＝x1,x2，…表示，则参见图4，一个叶子节点中的函数关系用Y＝f1(X)表示，另一个叶子节点中的函数关系用Y＝f2(X)表示，其余叶子节点类似。

根节点和中间节点分别表示相应的特征点数据，例如，根节点41表示已有的首扫size，一个中间节点421表示安装比例较高的500个安装包中已运营的安装包的占比率(图4中简写为top500占比)，另一个中间节点422表示检出的首次可清理的垃圾文件大小在[200M，500M]这一范围的用户数的占比率(图4中简写为[200M,500M]占比)。

另外，在该分类回归树中走的路径可以根据相应的阈值确定，例如，从根节点开始，假设阈值用a表示，则已有的首扫size小于或等于a时，进入中间节点421，否则，当已有的首扫size大于a时，进入中间节点422。

具体的分类回归树的根节点和中间节点表示的特征点数据，叶子节点中保存的函数关系，以及，各路径的阈值，都可以对训练集内每个国家的特征点数据进行训练后得到。

第二单元732，用于根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

在得到如图4所示的分类回归树后，就可以根据一个国家的特征点数据得到相应的国家首扫size。例如，从该国已有的首扫size开始，如果该国的已有的首扫size小于a，则进入中间节点421，之后比对该国中间节点421的值与该中间节点的阈值，例如，该国top500占比小于top500占比对应的阈值，则进入中间节点421的左侧节点，假设该左侧节点就是叶子节点，则可以从叶子节点中获取相应的函数关系，例如，得到的函数关系是Y＝f1(X)，则可以根据该f1(X)得到该国的首扫size(Y)。

另一实施例中，参见图8，该装置70还包括：

计算模块74，用于根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数；

衡量参数是可以配置的。

本实施例以确定出的各国首扫size的相关系数为例。

判断模块75，用于判断所述衡量参数是否满足预设的最优条件；

根据衡量参数的不同，最优条件可以相应配置。

假设衡量参数时相关系数，则最优条件是相关系数最大。

可以理解的是，在评估最优时，还可以进一步进行人工评价。

保存模块76，用于如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

例如，计算出的相关系数最大，则表明确定出的测试集中每个国家的首扫size是准确的，之后，可以对确定出的国家首扫size进行保存，以便后续为运营等处理提供基础数据。

另一实施例中，参见图8，该装置70还包括：

调整模块77，用于如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

在重新选择训练集和测试集时，可以依据新的指标进行重新选择，例如初始是根据top500占比选择的，重新选择时可以根据(70％,60％)覆盖率选择等。

在重新选择出训练集和测试集后，可以参照上述流程重新确定出测试集中每个国家的首扫size。

另一实施例中，参见图8，该装置70还包括：

处理模块78，用于按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

以目标区域是国家为例，该流程也可以具体是在国家首扫size被保存后执行的。

对相应国家进行垃圾文件清理的处理例如对该国家的安装包进行垃圾清理的运营，例如，找到安装包需要清理的部分。

该步骤可以对国家的首扫size较大的国家进行优先运营。

本实施例中，通过得到训练集和测试集，并根据训练集中每个目标区域的特征点数据得到测试集中每个目标区域的首扫size，可以预估目标区域的首扫size。

本发明实施例还提出一种电子设备，该电子设备可以具体是服务器。该电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行以下步骤：

获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；

根据所述特征点数据，将所述所有目标区域分成训练集和测试集；

根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述根据所述特征点数据，将所述所有目标区域分成训练集和测试集，包括：根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

可选的，所述根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小，包括：根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系；根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系，包括：采用分类回归树算法，根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

可选的，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数；判断所述衡量参数是否满足预设的最优条件；如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

可选的，所述判断所述衡量参数是否满足预设的最优条件之后，所述方法还包括：如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

可选的，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

可选的，所述获取已有的所有目标区域中每个目标区域的特征点数据，包括：获取已有的所有目标区域中每个目标区域的初始数据；根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

可选的，所述根据预设规则，对所述初始数据进行过滤，包括：去除所述初始数据中的无效数据。

可选的，所述特征点数据包括如下项中的至少一项：已有的首次可清理的垃圾文件大小；首次垃圾清理的用户数；非首次可清理的垃圾文件大小；非首次垃圾清理的用户数；安装比例较高的预设个数的安装包中已运营的安装包的占比率；要完成预设比例的覆盖率，剩余待运营的安装包个数；平均安装包个数；不同机型的占比率；检出的首次可清理的垃圾文件大小在预设范围内的用户数的占比率。

上述步骤的具体内容可以参见上述实施例中的相关描述，在此不再赘述。

本实施例中，通过得到训练集和测试集，并根据训练集中每个目标区域的特征点数据得到测试集中每个目标区域的首扫size，可以预估目标区域的首扫size。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种确定垃圾文件大小的方法，其特征在于，包括：

获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；

根据所述特征点数据，将所述所有目标区域分成训练集和测试集；

根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

2.根据权利要求1所述的方法，其特征在于，所述根据所述特征点数据，将所述所有目标区域分成训练集和测试集，包括：

根据所述特征点数据，确定所述所有目标区域中每个目标区域的清理效果；

按照所述清理效果从好到差的顺序，选择预设个数的目标区域组成训练集；

将所述所有目标区域中除组成所述训练集的目标区域之外的其他目标区域，组成测试集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小，包括：

根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系；

根据所述函数关系，以及所述测试集中每个目标区域的特征点数据，得到所述测试集中每个目标区域的首次可清理的垃圾文件大小。

4.根据权利要求3所述的方法，其特征在于，所述根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系，包括：

采用分类回归树算法，根据所述训练集中每个目标区域的特征点数据进行训练，得到对应每个目标区域的首次可清理的垃圾文件大小与所述特征点数据之间的函数关系。

5.根据权利要求1所述的方法，其特征在于，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：

根据确定出的每个目标区域的首次可清理的垃圾文件大小，计算预设的衡量参数；

判断所述衡量参数是否满足预设的最优条件；

如果满足，保存所述确定出的每个目标区域的首次可清理的垃圾文件大小。

6.根据权利要求5所述的方法，其特征在于，所述判断所述衡量参数是否满足预设的最优条件之后，所述方法还包括：

如果不满足，重新组成新的训练集和测试集，并重新确定新的测试集中每个目标区域的首次可清理的垃圾文件大小。

7.根据权利要求1所述的方法，其特征在于，所述确定所述测试集中每个目标区域的首次可清理的垃圾文件大小之后，所述方法还包括：

按照首次可清理的垃圾文件大小的从大到小的顺序，对相应目标区域进行垃圾文件清理的处理。

8.根据权利要求1所述的方法，其特征在于，所述获取已有的所有目标区域中每个目标区域的特征点数据，包括：

获取已有的所有目标区域中每个目标区域的初始数据；

根据预设规则，对所述初始数据进行过滤，得到所述特征点数据。

9.一种确定垃圾文件大小的装置，其特征在于，包括：

获取模块，用于获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；

划分模块，用于根据所述特征点数据，将所述所有目标区域分成训练集和测试集；

确定模块，用于根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。

10.一种电子设备，其特征在于，包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行以下步骤：

获取已有的所有目标区域中每个目标区域的用于进行垃圾文件清理的特征点数据；

根据所述特征点数据，将所述所有目标区域分成训练集和测试集；

根据所述训练集中每个目标区域的特征点数据，确定所述测试集中每个目标区域的首次可清理的垃圾文件大小。