CN105988870B

CN105988870B - 低触摸操作次数移动设备

Info

Publication number: CN105988870B
Application number: CN201510083392.7A
Authority: CN
Inventors: 汪灏泓
Original assignee: TCL Technology Group Co Ltd
Current assignee: TCL Technology Group Co Ltd
Priority date: 2014-12-31
Filing date: 2015-02-13
Publication date: 2020-11-17
Anticipated expiration: 2035-02-13
Also published as: CN105988870A; US20160188169A1

Abstract

本发明公开了一种个性化的在移动设备中切换app的方法、系统及其存储介质。其中，所述方法包括：获取在移动设备上的用户行为统计数据并且依据该数据分析用户行为模式及偏好。所述方法还包括，依据所述用户行为模式以及偏好，生成至少一个推荐app和获取节点，所述获取节点包括至少一个功能接入口和至少一个功能类别，其中，所述至少一个功能类别包括至少一个不同于第一app的第二app。进一步的，所述方法还包括从推荐的功能类别中获取用户选择的第二app，并且在不返回移动设备上任何主页的情况下，从第一app页面切换到第二app页面。

Description

低触摸操作次数移动设备

技术领域

本发明涉及计算机处理技术领域，尤其涉及一种移动应用切换的方法及其系统。

背景技术

如今，移动应用(APP)已经成为移动设备，例如手机，平板电脑，智能手表及其他智能可穿戴式设备上最主要的用户交互部分。用户花费越来越多的时间在移动应用上。所述移动应用(APP)是被设计用于在智能手机，平板电脑以及其他可移动设备上的电脑程序。但是，近几年的数据显示，用户习惯使用的移动应用数量稳定在每个月26个左右。与移动应用的整体数量(在2014年中，已经总计有约250万的移动应用)相比，每个月用户使用的26个移动应用只占很少的百分比(0.001％)，这显示了用户可能由于缺乏检索APP的能力而并未能充分的利用移动应用的智能服务资源。在另一方面，在移动应用的使用过程中，移动应用有时需要用户付出很大的努力才能找到与自己当前需求相符的功能页面。

近来，基本上所有类型的移动设备都具备一个展示移动应用的主页。在用户对于其移动设备上的移动应用非常熟悉的提前下，典型的使用模式为：用户启动一个移动应用来解决其当前的需求，然后返回到首页并启动另一移动应用来解决下一个任务，并不断循环上述步奏。但是，当用户需要组合使用多个APP来解决一个任务时，上述不停转换APP功能页面的方式操作方式会使得用户感到繁琐。

本发明公开的方法及其系统用于解决现有技术中的一个或者多个问题。

发明内容

本发明的一方面公开了一种在移动设备中切换APP的方法。所述方法包括：在移动设备运行第一APP时，获取用户在移动设备上的行为统计数据并且依据获取的用户行为统计数据，分析用户在移动设备上的行为模式和偏好。所述方法还包括：依据用户在移动设备上的行为模式和偏好，生成至少一个推荐APP以及接入节点，所述接入节点包括至少一个功能接口以及功能项，其中，所述至少一个功能项包括至少一个与第一APP不相同的第二APP并且推荐至少一个功能项给用户。进一步的，所述方法包括：获取用户从推荐的功能项中选择的第二APP。并且在不返回移动设备任何类型的主页的情况下，直接从第一APP的页面直接转换为第二APP的页面。

本发明另一方面公开了一种在移动设备中切换APP的系统。所述系统包括：用户界面以及用户交互模块，用于获取与第一APP联系的用户指令，获取至少一个推荐APP以及接入节点，所述接入节点包括至少一个功能接口以及功能项，其中，所述至少一个功能项包括至少一个与第一APP不相同的第二APP。所述系统还包括：APP池，用于存储多种推荐的本地APP，功能项使用习惯模块用于上传用户在移动设备上的行为统计数据到云端平台，用户行为及偏好分析模块用于，在移动设备运行第一APP时，获取用户在移动设备上的行为统计数据并依据获取的用户行为统计数据，分析用户在移动设备上的行为模式和偏好。当前场景检测模块用于，利用移动设备的传感器，生成用于当前场景的主要页面。进一步的，所述系统还包括功能项推荐模块，用于依据所述分析结果及移动设备的当前场景，生成初始功能项推荐结果给用户。后续功能项预测模块，用于依据所述分析结果及移动设备的当前场景预测下一步使用功能项(FUNC)的习惯。长期功能项预测模块，用于预测用户在第二天或者一段时间段后潜在的功能项(FUNC)使用习惯。功能项控制模块用于通过动态转移app机构在云端平台与移动设备之间转移APP使上述多个功能项(FUNC)可用。

本发明还提供了一个存储在计算机可读存储介质中，用于在移动设备上运行切换app的操作的可执行计算机指令。所述指令包括：获取在移动设备运行第一APP时，获取用户在移动设备上的行为统计数据并依据获取的用户行为统计数据，分析用户在移动设备上的行为模式和偏好。所述指令还包括：依据用户在移动设备上的行为模式和偏好，生成至少一个推荐APP以及接入节点，所述接入节点包括至少一个功能接口以及功能项，其中，所述至少一个功能项包括至少一个与第一APP不相同的第二APP并且推荐至少一个功能项给用户。进一步的，所述指令包括，获取用户从推荐的功能项中选择的第二APP。并且在不返回移动设备任何类型的主页的情况下，直接从第一APP的页面直接转换为第二APP的页面。

本发明的其他方面，所属技术领域技术人员能够依据本发明的权利要求书，说明书，以及附图有效实施并充分公开。

附图说明

图1为本发明具体实施方式中的工作系统示意图。

图2本发明具体实施方式中的计算系统的示意图。

图3为本发明具体实施方式中的切换app系统的结构图。

图4为本发明具体实施方式中在云端平台运行切换app方法的方法示意图。

图5为本发明具体实施方式中在终端运行切换app方法的方法示意图。

图6为本发明另一具体实施方式中切换app方法的方法示意图。

具体实施方式

附图中展示的部分将被引用以具体说明，阐述本发明具体技术实施方案。说明书中引用的数字代表附图的相应部分。

当用户想要从一个app切换到另一个app时，现有的app之间的切换方式(即切换回主页的方式)会慢于当两个页面之间存在连接桥时，直接在两个app之间进行切换。本发明具体实施例用于说明上述两个app间切换以及其他请求页面间的类似情形。

如图1所示，这是本发明具体实施方式中的工作系统100。所述工作系统100可以包括：移动设备102，网络连接设备106，用户108，网络110。可选择的，工作系统100还可以包括输入设备(未在图中示出)。所述输入设备具体可以包括任何简易的输入/输出设备，例如键盘，触摸笔，或者声控设备等。

移动设备102可以是任何合适类型的移动设备，例如平板或者手提电脑，智能手机等。移动设备102可以运行一些供用户使用的app。所述移动设备102可以从任何合适的资源途径获得app，例如从本地存储设备中，从共享或者非共享的服务提供者的网络设备，或者从因特网中。更具体的，所述app可以包括任何合适类型的app，例如，娱乐应用，新闻应用，游戏应用，教育用于，旅游应用，社交应用，效率型应用以及利用型应用等等。

更具体的，所述网络连接设备106可以包括任何合适的用于在移动设备102间建立连接，存储数据以及处理数据的计算或者消费电子设备。例如，当系统100使用网上服务时，一个由服务提供者的网络连接设备可以提供许多的app给移动设备102，即，app服务。移动设备102与网络连接设备106可以通过通信网络110，例如，有线网络，电话网络以及/或者卫星网络等进行连接。尽管图1仅显示了一个网络连接设备106及移动设备102，本发明还可以包括任意数量的网络连接设备106及移动设备102。

移动设备102及/或网络连接设备106可以在任何合适的电子计算平台上运行。如图2所示，为本发明具体实施例中的一种可用于实现上述设备102和/或106的功能的计算系统200的结构框图。

如图2所示，所述计算系统200包括一个处理器202，存储器204，播放器206，通信模块208，数据库210以及外围设备212。所述计算系统可以减省上述设备，也可以添加一些其他类型的设备，而不限于上述设备。

所述处理器202可以是任何合适的处理器或处理器组。具体的，所述处理器202为能够进行多线程处理的多核心处理器。存储器204可以是任何合适的存储设备，例如ROM，RAM，闪存或者大容量存储器，例如CD-ROM，硬盘等。存储器204用于存储为进行各种数据处理而预设的计算机运行程序。

所述外围设备212具体包括：各种类型的传感器以及输入，输出设备，例如键盘，鼠标。通信模块208具体包括：各类网络交互设备，用于在设备间通过网络系统建立连接。数据库214具体包括一到多个用于存储不同数据以及对数据进行一些处理(例如搜索数据)的数据库。

举例来说，为了存取存储在移动设备102上的某一app，用户108可以首先按动移动设备102上的按钮，然后触摸移动设备102的屏幕，点击对应app的图标。当然，在运行该app的过程中，用户108可以点击一些图标(或者按钮)和/或按下键盘上的按键来改变在移动设备102当前显示的app。

这样，在实际运行过程中，移动设备102，网络连接设备106及/或输入设备可以执行一个用于切换两个或更多的app页面或者其他应用或者功能的自动程序。这样，用户可以直接从第一个应用切换为第二个应用，代替原有需要返回开机主页或者其他开机页面的操作。为了实现这一切换操作，可以先推荐所述第二个app的功能，然后再进行切换。

可以使用app推荐及获取节点的方式，在没有明显的用户互动以及指令的情况下用来完成上述切换任务。所述app推荐及获取节点可以包括某个在移动设备或者网络上的功能的接入口，功能的类型以及其他相关信息，例如，位置信息，状态信息，功能的原始信息等。所述功能可以包括：本地app，在线app以及作为云应用程序接口(API)的定制功能。

本地app可以认为是一个用特定的编程语言为对应的操作系统编码的移动应用程序。所述本地app直接安装在移动设备中。这样，本地app安装在移动设备中，并可以通过在移动设备主页的上对应的图标启动。这些本地app可以通过应用商店安装。所述本地app通常可以利用移动设备的功能，例如照相、GPS、加速计、罗盘、连接列表以及互动手势操作等等。进一步的，本地app可以使用移动设备的通知列表以及可以在无网络连接下使用。

在线app可以认为是一个通过在移动设备上的网络浏览器执行预定功能的网页。这样的，一个在线app并不是一个真正的应用而是一个具备与本地app相似外观及使用感觉的网页，其并非不在移动设备中运行。所述用户首次进入在线app，进入任何一个在线app都是通过一个特定的URL并进入在线app。然后，用户一般会在移动设备的主页等创建前往该在线app的书签。

所述功能的接入口以及接口类型一般包括许多不同类型的配置。例如，所述获取节点可以包括在线app的连接，消费功能的连接、本地app的连接或者快捷方式，本地app的压缩包的连接，下载或者安装本地app的连接以及应用推荐页面的连接等等。该状态信息可以显示这些功能是否可以脱机使用，或者需要依靠云API或者来自于服务器等等。

由于现有不便利的操作方式，在此使用“功能项(FUNC)”这一术语来代表这些推荐app及获取节点。具体来说，即每个“功能项”(FUNC)均与一个能满足用户特定需求的功能或者服务联系起来。对于一个相同的需求，不同的用户会根据自己的习惯或者偏好，使用表示不同app的不同的FUNC(例如，某个用户会使用Facebook来分享图片，而其他用户可能会用WeChat来做相同的事)。由于功能项(FUNC)提供了一个本地app、在线app或者消费功能的接入口，所以FUNC可以用于执行从一个app切换到另一个app的操作。FUNC能够提供一个在不同移动应用页面的直接切换路径，这样的直接切换路径不需要首先重新返回到启动页面(如主页)，通过多次的用户互动操作后运行某一特定的app页面。

利用所述的功能项(FUNC)，无需进行app层面的操作就能建立一个更为流畅的用户操作的功能流程。所述app层面的操作即是一些通过切换回主页的方式，在多个app或者网站服务中进行多次操作并且因此需要用户与设备之间进行更多的互动(即触摸屏幕或者按压按键)的一些操作。例如，一个典型的应用层次上的操作为：用户寻找并打开一个符合当前需要的APP，然后返回设备主页并启动另一应用来解决另一项需求，不断的执行这项循环。

在另一方面，在FUNC层面的操作(即一些在两个app页面，或者其他类似的请求页面之间，通过移动设备或者网页的功能接入口实现的直接切换操作)能够联系多个app或者在线app或者在线服务。进一步的，在本发明提供的实施例中，当用户使用FUNC时，所述系统可以预测用户最有可能使用的下一个FUNC并预先准备该FUNC。如果该预期FUNC不可用(如该app未在移动设备上安装)，那么运行对应的app下载操作来获取该应用。

进一步的，如果下载操作的成本较高，令人不满意的(如应用的下载成本存在一个由用户设定的阈值)，那么可以选择一个可替代的在线app进行替代。该下载操作的成本可以是下载所需的时间或者购买、下载该应用的所需的费用。当用户完成当前FUNC操作后，将会提供包括多个可能FUNC的推荐列表供用户选择，用户可以选择推荐列表中的FUNC进入下一个任务中。

多个FUNC之间的变化数据也可以用来提升用户体验。也就是，一些之前使用FUNC的数据可以设置在当前FUNC中以便于用户不需要在当前FUNC中重新输入类似的信息。如果一个用户的日常活动有一个需求及解决方案的对应列表，该FUNC的对应列表可以用来代替这些解决方案通过移动设备的操作，以及该连续的FUNC列表可以实现最少的用户与移动设备的互动操作去满足其需求，这也被称为低触摸操作次数方法。

因此，与现有的移动设备相比，本发明还提供了一种新的用户交互模块。亦即，使用两个或以上app页面切换的方式。进一步的，主页不再是一个固定的页面(在现有移动设备中，主页一般都是包含前往其他移动应用页面通道的第一页)。所述主页可以依据由传感器或者使用者输入操作的检测获得当前状态作出变化，并且在预测下一步的用户交互操作，使用户可以从当前app页面直接进入到其他app相应的页面。

平均用户交互次数可以作为其中一种评价交互系统的用户体验效果的参数。所述平均用户交互次数可以认为是对某移动设备，在一个确定的时间段内(如10分钟)，完成同一项任务所需要的触摸或者操作手势的次数。亦即，对于同一项任务而言，较低的平均用户交互次数代表了移动设备具备较好的用户操作体验。换句话说，通过对用户行为的学习，如果能够良好的预测用户紧接的下一任务，并且能够准备好相应的app页面，该用户的体验将变得非常的顺滑、流畅，亦即最低触摸次数app系统。进一步的，移动设备存在存储空间限制，不可能安装所有移动应用。因此，可以使用一个虚拟应用池，本地移动设备与云虚拟应用池之间可以方便的转移app。另一方面，可衡量的app存在概念可以实现存储空间限制与响应时间之间的平衡。也就是，app的组成模块安装得越少，app的响应时间越短，占用的存储空间也越小。

图3显示了本发明具体实施例切换的系统的结构框图。如图3所示，系统300由云平台(也被称作cloud)30以及终端31组成，其中终端31可以是任何类型的移动设备。

所述云平台30(如服务器106)可以包括：用户行为及偏好分析模块301，功能项推荐模块302，当前情景检测模块305，应用池306，后续功能项预测模块307，长期功能项预测模块308以及功能项控制模块309。上述平台可以减省所述模块，也可以添加一些其他类型的模块，而不限于所述模块。所述云平台30中的多个部分具体可以由硬件实现其功能，也可以由软件实现其功能，还可以结合硬件和软件一起实现其功能。

所述用户行为及偏好分析模块301可以用于紧密的监视用户与移动设备的互动以及分析用户的移动设备使用习惯中的应用开启模式。用户交互次数的平均值可以用来作为衡量系统用户体验的其中一个参数。所述用户交互次数的平均数可以认为是在移动设备上，在一个确定的时间段内(如10分钟)，完成同一项任务所需要的触摸或者操作手势的次数。

所述用户行为及偏好分析模块301还可以用于监视用户在一定时间段内的使用历史并且依据该使用历史确认用户的主要兴趣，例如，用户选择的应用列表。特别的，所述用户行为及偏好分析模块301还可以监视用户的交互动作，并计算用户的行为模式。例如，用户可以通过移动设备的按钮来迅速的选择应用。

所述用户行为及偏好分析模块301可以采用多种不同的手段分析用户使用移动设备的习惯(例如，最常使用的应用)来确定用户行为与偏好之间的关系。例如，用户行为及偏好分析模块301可以通过用户交互的点击幅度及/或选择使用的应用来确定用户当前的喜好。

所述用户行为及偏好分析模块301可以确定使用图标(或者按键)的模式或者用户在移动设备上使用图标(或者按键)的习惯。例如，一些用户可能使用一个流畅的行为来点击图标(或者按键)，同时，其他用户则可能只在移动设备上展示有限的图标(或者按键)。其中，成年男人、妇女、儿童都可能对app有不同的选择喜好。

所述用户行为及偏好分析模块301可以生成移动设备上app的使用习惯类型。例如，日常使用时间、频率等等。不同的用户可能有不同的图标(或者按钮)使用模式，包括某一图标(或者按钮)的使用频率，某一图标(或者按钮)的切换频率等等。例如，用户行为及偏好分析模块301可以创建并持续更新一个包括各种使用习惯的概率表，并且运用所述概率表确定用户及其对应的行为类型。

更具体的，可以从许多不同的角度分析用户行为，例如某一菜单/连接/按键的使用习惯以及某一手势的使用习惯来获得用户行为与其偏好之间的内在联系。为了更好的解释在系统中的用户app开启模式，所述用户开启app的分布可以由随时间改变的功能变化表示。例如，用户行为及偏好分析模块301可以首先测试每天中以小时为单位的开启app的时间分布，然后，测试每周内以天为单位的开启app的时间分布。用户行为及偏好分析模块301在指导FUNC推荐中发挥着非常重要的作用。

当分析一个应用类型时，用户偏好分析的目标是基于多种的情景及相应的背景内容，描述用户的长期移动设备历史使用习惯。一般的，在聚类算法中，一个FUNC可以标记为向量<X_i>，其中X_i属于类似于{0,1…,G}这样的无限数列，该数列代表了一个商业/工具类型，例如旅行、商业、社交类型功能。

用户行为及偏好分析模块301使用混合高斯分布(在本发明具体实施例中，K＝1，X_i是一个二值元素)来表示用户偏好。其中，每个高斯分布依据各自所属的特定的类别的频率所确定。因此，用户偏好X_i在时间t的概率可以通过下式计算：

其中，t表示时间信息，K表示与当前app相关的类型数量，W是一个归一化权重。μ_i和σ_i分别表示第i个分布的均值和标准差。

需要确定混合高斯分布中具有最显著影响的分布并将其用于判断用户当前是否有特定的偏好。启发性地，所述具有最有力支持证据的同时具有最少变化的高斯分布可以认为是最佳的分布。用户行为及偏好分析模块301可以依据w/σ的值，对上述K个高斯分布进行排序并且动态调整。因此，所述最佳分布可以保持在列表的顶端，而最不可能分布则保持在列表的末尾。

所述关于一个FUNC类型的最佳分布模型可以由下式获得：

其中，阈值T是一个特定类型的给定的总权重的部分。

用户行为及偏好分析模块301可以检测当前用户的评价与现有高斯分布K的差距来检测高斯分布的均值与当前偏好取值的距离是否在这一分布的标准偏差的可预期范围内(例如，是某一分布的标准偏差的2.5倍)。当没有高斯分布K处于这一限制范围内，w/σ最小的最不可能分布将由一个由当前数值作为其均值，具有预先分配的高方差以及低优先权重的新的高斯分布所代替。否则，如果配对的分布属于B分布，那么该分布即为用户偏好。

用户行为及偏好分析模块301可以利用同一用户选择的下一应用，保持模型动态调整并连续更新模型的参数。对于一个已经配对的高斯分布，所有与时间有关的参数可以依据新的X_t进行更新。

具体的，优先级权重更新如下：

w_t＝(1-α)w_t-1+α (3)

均值及标准差分别可以更新如下：

μ_t＝(1-ρ)μ_t-1+ρX_t (4)

其中，α是一个控制调整速度的学习速率，1/α表示由变化频率决定的时间限制，p为当前用户的可能性，由学习速率α衡量。P可以通过如下算式表示：

对于不匹配的分布，均值μ_t和标准差σ_t保持不变，而优先级权重更新为：

w_t＝(1-α)w_t-1 (7)

因此，一个初始的偏好分布会保持在混合模型中，直达他成为最不可能的分布并且观测到一个新的偏好。如果静态的用户偏好发生改变，先前的偏好分布可以迅速的合并到模型中。

在经过分析之后，用户行为及偏好分析模块301可以输出分析结果到其他的单元或者模块中作进一步数据处理，例如功能项推荐模块302、应用池306、后续功能项预测模块307以及长期功能项预测模块308。

功能项推荐模块302可以用于依据当前移动设备情景以及用户过往交互操作历史，为用户创建一个最初的FUNC推荐。所述最初的FUNC推荐可以由功能项推荐模块302决定或者选择是否应用于推荐中。

当前场景检测模块305可以利用移动设备的传感器功能决定当前场景的主要页面。例如，所述场景可以是家，工作，准备用餐，在汽车等等。所述传感器包括位置传感器、连接传感器、移动触摸传感器、媒体传感器以及软件传感器。如果用户可以协助标记某些活动，所述系统就可以学习并在之后认识到这些活动或者场景。

后续功能项预测模块307可以用于预测用户在下一步骤中想要选择的FUNC。即，后续功能项预测模块307可以实时预测用户可能需要的下一功能。例如，用户可以随时激活后续FUNC浮动窗口，一个包括许多推荐的FUNC列表将会呈现。如果后续功能项预测模块307无法成功的捕捉到用户的当前需要，用户可以到系统主页(或者应用首页)去寻找相应的应用以完成目标。因此，后续功能项预测模块307需要保持较高的准确性。

长期功能项预测模块308可以用于预测用户在另一天或者在一定时间段后的潜在功能项使用习惯。该预测能够帮助功能项控制模块在云端和终端之间转移app。

功能项控制模块309可以用于在云端和终端存储部分转移app，使得各FUNC能够有效的使用。一个动态app联系机构可以依据长期功能项预测模块308的指引，自动对移动设备以及云端中的app进行调整，以便于满足用户最近时间段的需求。即，所述动态app联系机构用于平衡设备存储容量限制以及用户需要的最近时间段的FUNC对应的接入口。

具体的，所述功能项控制模块309可以动态的决定(根据具体的FUNC)是否从云端下载app，安装到本地终端中或者通过所述动态app联系机构不安装本地移动应用。另外，功能项控制模块309可以获得FUNC相关的本地应用的出现频率。因此，功能项控制模块309可以通过最高的预测得分或者本地最有可能连接保持对FUNC的预测。

终端设备31(例如，移动设备102)可以包括一个功能项习惯模块311，用户界面(UI)以及用户互动模块313以及一个app池315。

所述用户界面(UI)以及用户交互模块313可以用于获取用户启动某app的输入指令，推荐的FUNC从设置在云端平台的功能项推荐模块302生成的同时，设置在云端平台的后续功能项推荐模块307生成下一步骤的FUNC推荐。所述用户界面以及用户交互模块313可以通过输入设备或者用户的手指获取用户的输入指令。在接收到用户输入指令后，用户界面以及用户交互模块313可以运行相应的操作，例如，运行或者移除某一app等等。进一步的，所述用户界面与用户交互模块313可以判断用户的输入指令是否改变了当前的推荐参数。

所述功能项使用模块311可以用于发送用户在移动终端的行为统计数据到云端平台。所述用户行为统计数据包括一段时间内用户接入选择(开启的app变化)的分布，某一按键(或者图标)的触摸或者手势操作次数等等。

所述虚拟应用池315用于在本地移动设备以及云端虚拟应用池306之间转移各种app，因为移动设备受存储空间限制，无法安装所有的app。

因此，在实际应用中，系统可以通过一系列操作实现两个app页面的切换。如图4所示，为本发明具体实施的云端平台。在云端平台上，所述切换程序可以包括以下步骤：

当移动设备运行第一个应用时，云端平台获取用户行为统计数据。(S401)。然后，依据获取的用户行为统计数据，分析用户在移动设备上的行为及偏好(S402)。所述云端平台紧密的监视用户与移动设备之间的互动操作，并依据获取的用户行为统计数据分析用户的移动设备使用习惯的FUNC流向模式。

特别的，当分析应用列表类型时，所述用户行为分析目标在于，依据各种场景以及相关内容背景，类别，显示用户的长期移动设备使用习惯历史的特征。一般的，一个FUNC可以被标记为向量<X_i>,其中X_i属于一个类似于{0,1,…G}这样的无限长度序列，其代表了一个商业或者工具包类型列表，例如旅行，商业，社交。

所述云端平台可以用混合高斯分布K来代表用户行为(k＝1，在X_i中是一个二元值)，其中每个高斯分布依据每个特定类型的频率所决定。因此，用户偏好Xi的概率在时间t中可以通过算式(1)进行计算。

需要选择出混合分布中最有影响的分布，并且使用该分布判断当前用户是否具有特定的偏好。因此，所述具有最多支持证据的高斯分布以及最小方差的分布可以确认为是最优的分布。所述云端平台可以依据w/σ的值对K个分布进行分类，排序并动态调整目标列表。由此，最优的分布可以保持在列表的顶端的同时最低可能的情况改变的分布维持在列表末尾。

云端平台可以检测当前用户与现有的高斯分布k的区别来检测分布的均值与当前偏好价值是否在该分布的标准差的预设范围之内(例如，2.5倍于该标准差)如果没有高斯分布k存在于该价值范围内，w/σ值最低的最低可能性分布会由一个新的，以当前价值为均值，具有较高预设方差及低优先级权重的高斯分布所代替。如果匹配的分布属于B分布中的一个，锁定该分布为用户偏好。

云端平台可以保持上述模型处于活动状态并且持续更新模型的参数(如优先级权重，均值、方差)。通过同一用户选择的下一应用，对于已经匹配的高斯分布，在时间t的情况下，所有的参数都依据X_i更新(具体如上所述)。对于未匹配的高斯分布，均值μ_t和标准差σ_t保持不变，优先级权重依据算式7进行更新。

在上述更新方法中，原有的偏好分布保持在混合高斯模型中，直到所述偏好分布成为最不可能的分布并且观察到一个新的分布。因此，如果静态偏好发生了改变，之前的偏好分布可以立即重新加入到模型中。

依据用户行为模式以及用户在移动设备上的偏好，生成至少一个推荐app以及获取节点，所述获取节点包括至少一个功能接入口以及一个FUNC，其中，所述至少一个FUNC包括至少一个不同于第一应用的第二应用(S403)。

然后，依据移动设备的当前状态以及用户过去的交互历史，云端平台通过移动设备的用户界面将初始的FUNC推荐提供给用户(S404)

进一步的，云端平台预测后续选择的FUNC(如用户可以进入下一步骤的FUNC)(S405)。例如，一个用户可以随时点开后续FUNC悬浮窗口，获取包含许多不同的推荐FUNC的列表，如果用户当前的需求没有在列表内，用户可以自行前往系统主页(或者应用页面)来寻找相应的应用实现自己的目标。

进一步的，云端平台还可以预测FUNC的长期使用习惯(S406)。即，可以通过云端平台预测用户在第二天或者在一定时间段后的潜在FUNC使用习惯。所述第二天或者一定时间段后的预测可以帮助用户在移动终端和云端之间转移app。

后续FUNC预测和长期FUNC预测可以在用户偏好模块中完成。在偏好列表中，移动设备优先选择已经在本地安装完毕的FUNC(或者相关app)。因此，依据用户行为和偏好的研究，应用界面预测机构可以通过预测的用户偏好，在移动设备上从一个app页面直接跳转到另一app页面。

根据后续FUNC预测以及长时间FUNC预测的结果，通过使用动态app联系机构，app可以从云端和移动设备本地存储空间之间移动使得用户需要的FUNC处于可使用状态(S407)。亦即，所述预测具有最高的预测得分或者最高相似度的FUNC对应的功能维持在移动设备上。

所述动态app联系机构可以动态的决定是否从云端到本地(如移动设备)，安装本地app(与FUNC相关)或者不安装一个本地app。由于用户的需求是随机的，FUNC需要准备满足用户需求的多种不同的app(例如本地app或者在线app)。尽管现在的移动设备已经具备越来越大的存储空间(32g甚至128G)，但存储空间的限制依然存在(例如，用户一般会使用5G的空间用于安装app，而app的内容还会占用更多的空间)，并且，现有的本地应用也越来越大，(10M的应用越来越常见)。因此，仅有有限数量的app可以安装在本地。换句话说，如果一个本地app尚未安装到移动设备中，但是其又被用户当前需要使用的FUNC激活时，相关app的下载及安装将会被激活(这些步骤一般会持续10s或者更多，依据网络状况以及需下载的应用的大小而定)。如果上述情景经常出现，会对系统的响应时间造成影响，并且降低用户的体验。因此，所述功能项控制模块通过平衡存储空间限制与反应时间来优化用户的体验。所述FUNC提供一个前往本地app，在线app或者各种功能的接口，下表显示了6种选择(获取节点)FUNC能够用于动态方法。

如上表所示，当获取节点为前往已安装的本地app的连接或者快捷方式时，反应时间快并且占用的存储空间由app所决定。因此，本地app可以提供最快的运行速度并且具有很高的可靠性。

当所述获取节点为前往某项定制功能的连接时，所述定制功能建立在云API服务基础上(如果该定制功能可以使用)，响应时间非常快，并且需要占用一部分本地存储空间。

当获取节点为前往在线app的连接时(如果该在线应用页面可用)，所述反应时间会稍微慢于本地应用页面，并且不会占用存储空间。

当获取节点为前往压缩的本地app的连接时，响应时间较慢，需要考虑是否对该软件进行解压，并且占用的本地存储空间将小于应用，也可以采用不同的压缩方式。

当获取节点为前往本地app下载以及安装的连接时，响应时间将非常慢，尽管在连接触发前并不需要任何的存储空间。

当获取节点为前往app指引页面时，该指引页面建议用户开启其他应用以完成相类似的而不需要下载以及安装操作FUNC的连接。其响应时间将慢于在线应用页面因为需要更多的用户互动，但是用户体验会得到提升。

回到图4，在步骤S407中，所述动态app联系机构可以通过一个最优解问题完成操作。令S表示app存储空间限制，{F_m}(m属于{1,2,…M})表示一系列与推荐FUNC相关的移动应用，所述推荐FUNC由长期功能项预测模块生成。N是本地FUNC出现的类型数量，{sm,n,rm,n}(n属于{1,2,…,N})是对应需占用的存储空间以及{F_m}中的应用启动的响应时间。

所述问题可以通过如下算式表达：

应当指出的是，不考虑那些需要立即下载的应用所致需要的额外存储空间的情况。因为这些情况需要控制到最小从而获得有说服力的用户体验，因此，额外的存储空间可以忽略。

可以通过拉格朗日乘数法松弛该存储空间限制求解算式8，并且在松弛该问题后，使其能够使用图论中的最小路径算法求解。令U为一系列所有可能的已经决定的向量u_m,n，其中u_m,n＝{s_m,n,r_m,n}。拉格朗日成本函数可以定义如下：

其中，λ为拉格朗日乘数。

如果存在一个λ^*使得u*＝arg[minuJ_λ(u)]，从而使u*的总存储空间等于S。此时，u*即为方程式9的一个最优解。因此，求解方式9即相当于寻找使成本函数最小的非限制性问题的最优解以及选择合适的拉格朗日乘数来满足所述限制。上述问题可以转化为图论中的在DAG中寻找最短路径的问题。

如图5所示，为本发明具体实施例中，在移动设备中切换应用的方式。在移动设备中，切换方法可以包括如下步骤：

首先，移动设备获取用户的输入指令开启的第一应用(S501)用户输入操作可以通过输入设备或者用户的手指完成。所述输入设备可以包括任何的输入/输出设备，例如键盘，触控笔以及声控输入设备等等。

所述移动设备获取由云端平台给出的初始的FUNC推荐作为后续FUNC推荐(S502)。在步骤502中，多个供用户选择的推荐FUNC在移动设备的屏幕中列出，所述推荐FUNC的数量可以由用户预先设定。

然后，移动设备判断本地的app池是否包括与用户输入指令对应的一系列推荐的候选应用。(S503)。如果本地应用池没能包括一个或者多个所述候选应用，(例如，推荐候选应用尚未在本地安装),则前往S504，否则进入S507。

在S504中，移动设备进一步判断应用下载的成本是否超过用户设置的阈值，若超过阈值(即“是”)，那么，使用一个替代性的在线应用作为代替(S505)，然后进入S507。在另一方面，如果没有超过阈值，(即“否”)，执行应用的下载操作以获得该移动应用(S506)，所述成本可以使下载所需时间或者是下载、购买应用所需的金额。在相应的应用从云端平台的应用池下载完毕后，进入S507。

所述移动设备从推荐FUNC中获取用户选择的第二应用(S507)。进一步的，基于获取的用户选择的第二应用，在不返回任何移动设备的主页的前提下直接从第一应用切换到第二应用(S508)。依据获取的用户行为以及用户选择的FUNC，计算的FUNC使用习惯并上传到云端平台(S509)。

图6展示了本发明具体实施例的切换方法。如图6所示，终端为智能手机，而所述切换方法包括如下两个步骤。

首先，云端平台获取智能手机的用户行为统计数据(S601)，然后依据所述用户行为统计数据，分析用户在智能手机上的习惯及偏好(S602)。所述云端平台紧密监视用户与智能手机之间的互动，并且基于获取的用户行为统计数据，分析用户的智能手机使用习惯的FUNC流动模式。

在此时，用户的开启智能手机上的日历应用(假设为第一应用)来查看他的日程。即，所述智能手机获取到用户的输入指令操作为使用日历应用(S603)。根据用户的行为模式以及智能手机使用偏好，产生至少一个移动应用推荐以及接入点，其中，所述接入点包括：至少一个FUNC以及一个功能的入口。所述FUNC包括至少一个与第一应用(日历应用)不相同的第二应用(S604)。所述云端平台将初始FUNC推荐作为后续的FUNC推荐呈现给用户(S605)。即，在云端平台推荐至少一个FUNC给用户。

所述智能手机设备获取该初始FUNC推荐作为由云端平台生成的下一FUNC推荐(S606)。特别的，将多个呈现给用户的推荐FUNC形成一个列表，放置在智能手机屏幕顶端的小窗口中。例如，所述列表可以包括电子邮件页面，联系人页面，银行账户登录页面，天气信息页面，药物字典页面等等。所述推荐FUNC的数量可以由用户预先设定。

更具体的，判断智能手机是否包含了与用户输入指令对应的推荐候选应用(S607)。特别的，如果智能手机没有包含一个或者多个推荐候选应用与用户输入指令对应(即一个或者多个推荐候选应用，如药物字典等尚未安装，下载在智能手机上)，那么，将判断下载该应用的成本是否超出了用户预先设定的阈值。所述成本可以包括下载应用所需的时间或者下载，购买该应用所需的金钱。更进一步的，如果所述成本超过了预设阈值，一个替代性的在线应用将会用以作为代替。否则，移动应用(如药物字典)将从云端平台的应用池中下载。

进一步的，所述智能手机从推荐的FUNC中获取用户选择的第二应用(S608)。当用户从推荐的候选应用列表中，选择银行账户登陆页面时(如第二应用页面)，所述智能手机从日历界面(如第一应用页面)直接转变为银行账户登陆页面，而无需返回移动设备的主页(S609)。依据获取的用户行为以及选择的FUNC，FUNC使用习惯可以被计算出并上传至云端平台(S610)。

更具体的，所述云端平台预测长期的FUNC使用习惯(S611)。即，用户在第二天或者相隔一预定时间的可能的FUNC使用习惯可以由云端平台进行预测。依据后续FUNC预测及长期FUNC使用习惯，移动应用在云端平台与智能手机之间移动，通过动态app转移机构以便于该应用可以供用户使用(S612)。

使用本发明所述的方法及系统，移动用户的用户体验问题可以被指向为一个使用户互动和/或接触移动设备次数最少的最优解问题。一个FUNC显示选择机制可以用来使所述系统平衡存储空间限制以及响应时间的矛盾，通过决定FUNC的出现被选择来预先存储在移动设备中。当然，本发明所述的方法及系统并不限制于在移动应用场景中使用。所述方法可以良好的应用于任何已联网设备群组中来平衡存储空间限制以及处理请求的响应时间。

将本发明所述系统和方法应用于不同领域，进行改进，替换，调整或者相当于本发明所公开的具体技术实施方案都是本领域普通技术人员不需要通过创造性劳动就能实现的。

Claims

1.一种在移动设备中切换app的方法，所述方法包括：

当移动设备运行第一app时，获取移动设备的用户行为统计数据；

依据获取的用户行为统计数据，分析用户在移动设备上的行为模式以及偏好；

依据所述用户行为模式以及偏好，生成至少一个推荐app和获取节点，所述获取节点包括至少一个功能接入口和至少一个功能项，其中，所述至少一个功能项包括至少一个不同于第一app的第二app；

为用户推荐至少一个功能项；

从推荐的功能项中获取用户选择的第二app，并且

在不返回移动设备的主页的情况下，从第一app的页面切换到第二app的页面；

所述为用户推荐至少一个功能项的步骤具体包括：

依据用户行为及偏好分析结果和当前移动设备场景，在移动设备中生成一个初始功能项推荐给用户，并且

依据用户行为及偏好分析结果和当前移动设备场景，预测用户在移动设备上选择的后续功能项。

2.根据权利要求1所述的方法，其特征在于，所述功能项包括本地app、在线app以及定制功能中的至少一个。

3.根据权利要求1所述的方法，其特征在于，所述获取节点包括前往在线app的连接、前往定制功能的连接、前往压缩的本地app的连接、前往本地app下载以及安装的连接和前往用于建议用户打开其中的app的app指引页面的连接中的至少一个。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

依据用户行为及偏好分析结果，进行长期功能项预测，其中，所述长期功能项预测结果具体为用户在第二天和间隔一段预定时间后的潜在功能项使用习惯，并且

依据预测结果，通过动态app联系机构在云端平台和移动设备之间转移app。

5.根据权利要求1所述的方法，其特征在于，所述用户偏好通过混合高斯分布表示，X_i表示用户偏好，X_i在时间t的概率通过下式计算：

其中，t表示时间信息，K表示与当前app相关的类型数量，W是一个归一化权重；μ_i和σ_i分别表示第i个分布的均值和标准差。

6.根据权利要求4所述的方法，其特征在于，所述动态app联系机构具体由以下算式表示：

其中，S为移动设备的总存储空间，M和N均为是大于1的整数，m属于{1,2，…,M}，n属于{1,2,…N}，s_m,n和r_m,n分别表示占用的存储空间和响应时间。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

判断本地app池是否包含了与用户输入指令对应的推荐app，并且

当本地app池没有包含一个或者多个所述与用户输入指令对应的推荐app时，判断app下载成本是否超出用户预先设定的阈值；其中

当所述下载成本超出所述阈值时，使用具有替代性的在线app代替，并且

当所述下载成本没有超出所述阈值时，执行用于获取推荐app的app下载操作。

8.一种在移动设备中切换app的系统，其特征在于，所述系统包括：用户界面及用户交互模块，用于获取用户关于第一app的输入指令，并且依据用户在移动设备上的行为模式和偏好，生成至少一个app推荐和一个至少包括一个功能接入口和功能项的获取节点，其中所述功能项包括至少一个与第一app不相同的第二app；

本地app池，用户在本地存储多种app；

功能项习惯模块，用于将在移动设备上的用户行为统计数据发送到云端平台；

用户行为及偏好分析模块，用于当移动设备正在运行第一app时，获取用户在移动设备上的行为统计数据，并且依据获取的用户行为统计数据，分析用户在移动设备上的行为模式及偏好；

当前场景检测模块，用于利用移动设备的传感器功能，决定符合当前场景的主要页面；

功能项推荐模块，用于依据行为模式及偏好的分析结果及当前场景，生成初始功能项推荐给用户；

后续功能项预测模块，用于依据行为模式及偏好的分析结果及当前场景，预测后续功能项的使用习惯；

长期功能项预测模块，用于预测在未来的一段预定时间或者预定天数内的潜在功能项使用习惯；以及

功能项控制模块，用于在云端平台和移动设备之间通过动态app联系机构转移app以便于对应的功能项处于可用状态。

9.根据权利要求8所述的系统，其特征在于，所述功能项包括本地app、在线app以及定制功能中的至少一个。

10.根据权利要求8所述的系统，其特征在于，所述获取节点包括至少一个前往在线app的连接；前往定制功能的连接；前往压缩的本地app的连接；前往本地app下载以及安装的连接以及前往用于建议用户打开其中的app的app指引页面的连接。

11.根据权利要求8所述的系统，其特征在于，所述用户界面及用户交互模块还用于

当本地app池没有包含一个或者多个与用户输入指令对应的多种推荐app时，判断app下载成本是否超出用户预先设定的阈值；其中

12.根据权利要求8所述的系统，其特征在于，所述用户偏好通过混合高斯分布表示，X_i表示用户偏好，X_i在时间t的概率通过下式计算：

13.根据权利要求8所述的系统，其特征在于，所述动态app联系机构具体由以下算式表示：

其中，S为移动设备的总存储空间，M和N均为是大于1的整数，m属于{1,2，…,M},n属于{1,2,…N}，s_m,n,r_m,n分别表示占用的存储空间和响应时间。