CN106056143A - 终端使用数据处理方法和防沉迷方法及装置、系统和终端 - Google Patents

Abstract

本发明公开了终端使用数据处理方法和防沉迷方法及装置、系统和终端。该终端使用数据处理方法应用于服务器，包括：接收终端发送的使用数据，提取使用数据中的特征值和特征值对应的结果；根据特征值和结果对终端对应的终端使用模型进行机器学习训练，终端使用模型用于分析用户使用终端的行为；根据终端使用模型，分析用户使用终端的行为，并将分析结果发送到终端。接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户带来的负面影响。

Description

终端使用数据处理方法和防沉迷方法及装置、系统和终端

技术领域

本发明涉及电子终端领域，尤其涉及终端使用数据处理方法和防沉迷方法及装置、系统和终端。

背景技术

随着电子技术的不断发展，移动终端的功能不断丰富，为人们的生活带来了越来越丰富的体验。

现在人们浪费在手机上的时间越来越多，有些人已经有手机依赖症，不由自主的就会打开手机沉迷进去对周围的事务不管不问。对手机的依赖不仅对身体有不好的影响，对于人类的沟通、思维等能力也会产生较大的负面影响。

发明内容

本发明提供了终端使用数据处理方法和防沉迷方法及装置、系统和终端，以解决现有技术中终端无节制使用给用户的身体健康和沟通交流带来的负面影响。

为实现上述设计，本发明采用以下技术方案：

第一方面采用一种终端使用数据处理方法，所述方法应用于服务器，所述方法包括：

接收终端发送的使用数据，提取所述使用数据中的特征值和特征值对应的结果；

根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，所述终端使用模型用于分析用户使用所述终端的行为；

根据所述终端使用模型，分析用户使用所述终端的行为，并将分析结果发送到所述终端。

第二方面采用一种防沉迷方法，所述方法应用于终端，所述方法包括：

监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否执行防沉迷操作。

第三方面采用一种终端使用数据处理装置，所述装置设置于服务器，所述装置包括：

接收提取单元，用于接收终端发送的使用数据，提取所述使用数据中的特征值和特征值对应的结果；

模型训练单元，用于根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，所述终端使用模型用于分析用户使用终端的行为；

分析发送单元，用于根据所述终端使用模型，分析用户使用终端的行为，并将分析结果发送到对应的终端。

第四方面采用一种防沉迷装置，所述装置设置于终端，所述装置包括：

监测发送单元，用于监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

结果接收模块，用于接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否需要执行防沉迷操作。

第五方面采用一种防沉迷系统，包括：

服务器，用于接收终端发送的使用数据，提取所述使用数据中的特征值和特征值对应的结果；

根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，所述终端使用模型用于分析用户使用所述终端的行为；

根据所述终端使用模型，分析用户使用所述终端的行为，并将分析结果发送到所述终端；

终端，用于监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否执行防沉迷操作。

第六方面采用一种终端，包括前文所述的防沉迷装置。

本发明的有益效果为：接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，对于终端而言，其终端使用模型的训练结果表明了终端的使用是否需要进行限制，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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的前提下，还可以根据本发明实施例的内容和这些附图获得其它的附图。

图1是本发明具体实施方式中提供的一种终端使用数据处理方法的第一实施例的方法流程图。

图2是本发明具体实施方式中提供的一种终端使用数据处理方法的第二实施例的方法流程图。

图3是本发明具体实施方式中提供的一种终端使用数据处理装置的第一实施例的结构方框图。

图4是本发明具体实施方式中提供的一种终端使用数据处理装置的第二实施例的结构方框图。

图5是本发明具体实施方式中提供的一种防沉迷方法的第一实施例的方法流程图。

图6是本发明具体实施方式中提供的一种防沉迷装置的第一实施例的结构方框图。

图7是本发明具体实施方式中提供的一种防沉迷系统的第一实施例的结构方框图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参考图1，其是本发明具体实施方式中提供的一种终端使用数据处理方法的第一实施例的方法流程图，如图所示，该方法包括：

步骤S11：接收终端发送的使用数据，提取使用数据中的特征值和特征值对应的结果。

接收终端的使用数据作为样本，使用数据用于描述终端的使用情况。一般而言，使用数据是指某一时间段内的使用数据，例如一天、一个白天、一周等。每一个时间段的使用数据作为一个样本，也就是说一个终端的历史使用数据可以形成多个样本，终端使用的时间越长，样本的数量越丰富，终端使用模型的训练越准确，最终在大量样本的基础上获得终端使用的准确模型。使用数据中的中的特征值具体用于描述终端的使用行为，例如打电话、使用某应用等，特征值对应的结果用于描述该行为在预设时间段内的持续时长。

步骤S12：根据特征值和结果对终端对应的终端使用模型进行机器学习训练。

机器学习训练主要基于无监督机器学习实现。对于每个终端，将其使用状态概括总结为一系列可以量化的属性。无监督机器学习对终端进行聚类分析，使用基于k-means的非监督式聚类机器学习算法，对特征值进行分类，由于k-means的结果与起始设置的中心点位置有关，可以使用不同的起始中心点多次运行聚类算法。同时，为了选择最佳的类别数量，可以选择不同的类别数量，计算准则函数值。根据准则函数的定义，类别数量越多，函数值越低。通过发现该函数的拐点，确定最佳类别数量。另外，也可以手工定义初始中心点和类别数量。通过无监督机器学习，最终得到终端使用模型。

步骤S13：根据终端使用模型，分析用户使用终端的行为，并将分析结果发送到终端。

终端使用模型的分析有多种方法，例如对变化趋势的分析，随着时间的推移，终端的使用时长呈上升趋势，那么可以初步判断使用终端的行为具有沉迷趋势；终端的使用时长呈下降趋势，那么可以初步判断使用终端的行为具有习惯变好的趋势。又例如对使用时长的均值的分析，如果使用时长在某一阈值以上，那么可以初步判断使用终端的行为具有沉迷趋势；如果使用时长低于某一阈值，那么可以初步判断使用终端的行为比较健康。训练终端使用模型采用的数据越复杂，判断的过程越复杂，对训练得到的模型的判断分析过程在现有技术中已有实现，在此不做过多描述。若有必要，可以生成多维度(横向的变化趋势与纵向的绝对大小)的分析结果，最后，将分析结果发送到终端。

综上所述，接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，对于终端而言，其终端使用模型的训练结果表明了终端的使用是否需要进行限制，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。

请参考图2，其是本发明具体实施方式中提供的一种终端使用数据处理方法的第二实施例的方法流程图，如图所示，该方法包括：

步骤S21：接收终端发送的使用数据，提取使用数据中的特征值和特征值对应的结果。

为了对终端的使用数据进行深度挖掘和细致分析，将终端的使用数据具体到终端的使用行为上，由此，需要进一步确认终端使用过程中的相关应用，相关应用的特征值也就是对应的特征标识；特征标识可以是应用名称，也可以是应用的名称，特征标识对应的结果包括使用时间，将特征标识和对应的使用时间关联接收。

步骤S22：根据特征值和结果计算终端中同一类别的应用的使用时间，根据各个类别和各个类别对应的使用时间进行机器学习训练。

终端的应用可能有多个，可以基于单个应用的使用数据进行机器学习训练，也可以将多个应用进行分类，将每一类别的应用的使用数据进行统计，基于分类后的使用数据进行分析，例如社交类、游戏类、多媒体类等，将单个终端中预设时段内每一类别的使用时间统计出来，基于类别的机器学习训练相对比较细致，具有较高的信度，同时又没有基于每个应用的使用数据的训练过程的数据处理量。在训练过程中，还可以为不同类型应用赋予不同的权重，例如一般认为社交类应用和游戏类与终端使用沉迷的相关度较高，在终端使用模型中需要重点考虑这两类应用，为其赋予较高的权重。当然，可以进一步具体到单个应用的使用数据，基于每个应用的使用数据进行高复杂度的训练，同样，不同的应用也可以赋予不同的权重，这一训练方式只是训练采用的数据不同，实际训练过程与应用分类的训练没有太大变化。

步骤S23：根据终端使用模型，分析用户使用终端的行为，获得是否沉迷的第一分析结果。

第一分析结果根据终端使用模型直接得出，在前一实施例中已有阐述，在此不做进一步说明。

步骤S24：若第一分析结果为未沉迷，将终端使用模型与已沉迷的终端使用模型进行特征比对，获得是否具有沉迷趋势的第二分析结果。

如果第一分析结果为未沉迷，还要预测该终端的使用行为的变化趋势，较佳的方案是与分析结果为已沉迷的终端使用模型进行特征比对，判断二者是否具有相同或相近的变化过程，如果二者具有相同或相近的变化过程，则认为该终端的使用行为具有沉迷的变化趋势。

更具体的，还可对终端使用模型进行进一步训练，对分析结果为已沉迷的所有终端使用模型进行机器学习训练，生成不对应于某个具体的终端，但是综合多个已沉迷的终端的变化过程，相当于对数据进行二次挖掘，得到更加准确的判断基准，根据大样本的终端使用行为习惯的变化过程判断个体的变化是否趋向沉迷。

步骤S25：将第一分析结果和第二分析结果发送到对应的终端。

将两个分析结果发送到终端，由用户对分析结果进行查看和/或由终端对第一分析结果和第二分析结果进行响应，以防止过度使用终端，陷入沉迷。

综上所述，接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，对于终端而言，其终端使用模型的训练结果表明了终端的使用是否需要进行限制，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。对使用数据的分类训练可以获得更加准确的判断结果，基于其他终端使用模型的特征比对能更进一步确认未沉迷的用户终端使用习惯的变化趋势。

请参考图3，其是本发明具体实施方式中提供的一种防沉迷方法的第一实施例的方法流程图，如图所示，该方法包括：

步骤S31：监测终端的使用状态以获得使用数据，将使用数据发送到服务器。

终端的使用状态由终端内部的中央处理器进行检测，可以以类似于日志的方式描述，也可以以表格方式记录，用于监测用户使用终端的行为，以分析用户使用终端的习惯，周期性地将使用数据发送到服务器。

步骤S32：接收服务器根据使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否执行防沉迷操作。

如果行为分析结果显示用于沉迷于终端(使用过度)或者有沉迷趋势，则认为需要对其使用进行限制，否则不予响应。

具体的防沉迷操作包括视觉提醒、声音提醒和操作提示提醒。

视觉提醒主要是在屏幕上输出提示，声音提醒主要是输出语音提示减少移动终端的使用，操作提示提醒可以输出菜单供用户选择锁屏、关机或者进入飞行模式。

综上所述，通过采集终端的使用数据，在服务器中根据历史使用数据判断用户使用终端的行为变化情况，判断用户是否沉迷于终端，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。

以下为本发明具体实施方式中提供的一种终端使用数据处理装置的实施例，终端使用数据处理装置的实施例基于前述的终端使用数据处理方法的实施例实现，在终端使用数据处理装置的实施例中未尽的描述，请参考前述的终端使用数据处理方法的实施例。

请参考图4，其是本发明具体实施方式中提供的一种终端使用数据处理装置的第一实施例的结构方框图，如图所示，该装置包括：

接收提取单元10，用于接收终端发送的使用数据，提取使用数据中的特征值和特征值对应的结果；

模型训练单元20，用于根据特征值和结果对终端对应的终端使用模型进行机器学习训练，终端使用模型用于分析用户使用终端的行为；

分析发送单元30，用于根据终端使用模型，分析用户使用终端的行为，并将分析结果发送到对应的终端。

综上所述，上述各单元的协同工作，接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，对于终端而言，其终端使用模型的训练结果表明了终端的使用是否需要进行限制，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。

请参考图5，其是本发明具体实施方式中提供的一种终端使用数据处理装置的第二实施例的结构方框图，如图所示，该装置包括：

接收提取单元10，用于接收终端发送的使用数据，提取使用数据中的特征值和特征值对应的结果；

模型训练单元20，用于根据特征值和结果对终端对应的终端使用模型进行机器学习训练，终端使用模型用于分析用户使用终端的行为；

分析发送单元30，用于根据终端使用模型，分析用户使用终端的行为，并将分析结果发送到对应的终端。

其中，模型训练单元20，具体用于：

根据特征值和结果结算终端中同一类别的应用的使用时间，根据各个类别和各个类别对应的使用时间进行机器学习训练。

其中，分析发送单元30，包括：

第一分析模块31，用于根据终端使用模型，分析用户使用终端的行为，获得是否沉迷的第一分析结果；

第二分析模块32，用于若第一分析结果为未沉迷，将终端使用模型与已沉迷的终端使用模型进行特征比对，获得是否具有沉迷趋势的第二分析结果；

结果发送模块33，用于将第一分析结果和第二分析结果发送到对应的终端。

其中，特征值包括使用的应用的特征标识；结果包括使用时间。

综上所述，上述各单元的协同工作，接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，对于终端而言，其终端使用模型的训练结果表明了终端的使用是否需要进行限制，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。对使用数据的分类训练可以获得更加准确的判断结果，基于其他终端使用模型的特征比对能更进一步确认未沉迷的用户终端使用习惯的变化趋势。

以下为本发明具体实施方式中提供的一种防沉迷装置的实施例，防沉迷装置的实施例基于前述的防沉迷方法的实施例实现，在防沉迷装置的实施例中未尽的描述，请参考前述的防沉迷方法的实施例。

请参考图6，其是本发明具体实施方式中提供的一种防沉迷装置的第一实施例的结构方框图，如图所示，该装置包括：

监测发送单元40，用于监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

结果接收模块50，用于接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否需要执行防沉迷操作。

其中，所述防沉迷操作包括视觉提醒、声音提醒和操作提示提醒。

综上所述，上述各单元的协同工作，通过采集终端的使用数据，在服务器中根据历史使用数据判断用户使用终端的行为变化情况，判断用户是否沉迷于终端，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。

本发明具体实施方式中还采用了一种防沉迷系统，防沉迷系统基于前述的终端使用数据处理方法和防沉迷方法实现，请参考图7，其是本发明具体实施方式中提供的防沉迷系统的第一实施例的结构方框图，如图所示，该防沉迷系统，包括：

服务器100，用于接收终端200发送的使用数据，提取使用数据中的特征值和特征值对应的结果；

根据特征值和结果对终端200对应的终端使用模型进行机器学习训练，终端使用模型用于分析用户使用终端200的行为；

根据终端使用模型，分析用户使用终端200的行为，并将分析结果发送到终端；

终端200，用于监测终端200的使用状态以获得使用数据，将使用数据发送到服务器100；

接收服务器100根据使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否执行防沉迷操作。

综上所述，终端通过采集使用数据，发送到服务器中根据历史使用数据判断用户使用终端的行为变化情况，再接收服务器返回的判断结果。服务器接收终端的使用数据，根据使用数据中的特征值和特征值对应的结果进行机器学习训练，得到终端使用模型，由终端使用模型判断终端的使用是否合理，对于终端而言，其终端使用模型的训练结果表明了终端的使用是否需要进行限制，建立基于大数据的终端使用模型，使得终端的使用情况判断更加客观准确，避免了终端无节制使用，降低终端使用给用户的身体健康和沟通交流带来的负面影响。

本发明具体实施方式中还提供了一种终端，包括前述实施例中所述的防沉迷装置，该终端对应具备前文所述的防沉迷装置的有益效果，终端的实施例在此不做重复说明。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (14)

1.一种终端使用数据处理方法，其特征在于，所述方法应用于服务器，所述方法包括：

接收终端发送的使用数据，提取所述使用数据中的特征值和特征值对应的结果；

根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，所述终端使用模型用于分析用户使用所述终端的行为；

根据所述终端使用模型，分析用户使用所述终端的行为，并将分析结果发送到所述终端。

2.根据权利要求1所述的方法，其特征在于，所述根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，包括：

根据所述特征值和结果计算所述终端中同一类别的应用的使用时间，根据各个类别和各个类别对应的使用时间进行机器学习训练。

3.根据权利要求1所述的方法，其特征在于，所述根据所述终端使用模型，分析用户使用终端的行为，并将分析结果发送到对应的终端，包括：

根据所述终端使用模型，分析用户使用终端的行为，获得是否沉迷的第一分析结果；

若所述第一分析结果为未沉迷，将所述终端使用模型与已沉迷的终端使用模型进行特征比对，获得是否具有沉迷趋势的第二分析结果；

将所述第一分析结果和第二分析结果发送到对应的终端。

4.根据权利要求1所述的方法，其特征在于，所述特征值包括使用的应用的特征标识；所述结果包括使用时间。

5.一种防沉迷方法，其特征在于，所述方法应用于终端，所述方法包括：

监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否执行防沉迷操作。

6.根据权利要求5所述的方法，其特征在于，所述防沉迷操作包括视觉提醒、声音提醒和操作提示提醒中的至少一项。

7.一种终端使用数据处理装置，其特征在于，所述装置设置于服务器，所述装置包括：

接收提取单元，用于接收终端发送的使用数据，提取所述使用数据中的特征值和特征值对应的结果；

模型训练单元，用于根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，所述终端使用模型用于分析用户使用终端的行为；

分析发送单元，用于根据所述终端使用模型，分析用户使用终端的行为，并将分析结果发送到对应的终端。

8.根据权利要求7所述的装置，其特征在于，所述模型训练单元，具体用于：

根据所述特征值和结果结算所述终端中同一类别的应用的使用时间，根据各个类别和各个类别对应的使用时间进行机器学习训练。

9.根据权利要求7所述的装置，其特征在于，所述分析发送单元，包括：

第一分析模块，用于根据所述终端使用模型，分析用户使用终端的行为，获得是否沉迷的第一分析结果；

第二分析模块，用于若所述第一分析结果为未沉迷，将所述终端使用模型与已沉迷的终端使用模型进行特征比对，获得是否具有沉迷趋势的第二分析结果；

结果发送模块，用于将所述第一分析结果和第二分析结果发送到对应的终端。

10.根据权利要求7所述的装置，其特征在于，所述特征值包括使用的应用的特征标识；所述结果包括使用时间。

11.一种防沉迷装置，其特征在于，所述装置设置于终端，所述装置包括：

监测发送单元，用于监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

结果接收模块，用于接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否需要执行防沉迷操作。

12.根据权利要求11所述的装置，其特征在于，所述防沉迷操作包括视觉提醒、声音提醒和操作提示提醒。

13.一种防沉迷系统，其特征在于，包括：

服务器，接收终端发送的使用数据，提取所述使用数据中的特征值和特征值对应的结果；

根据所述特征值和结果对所述终端对应的终端使用模型进行机器学习训练，所述终端使用模型用于分析用户使用所述终端的行为；

根据所述终端使用模型，分析用户使用所述终端的行为，并将分析结果发送到所述终端；

终端，用于监测所述终端的使用状态以获得使用数据，将所述使用数据发送到服务器；

接收所述服务器根据所述使用数据生成的使用终端的行为分析结果，并根据分析结果确定是否执行防沉迷操作。

14.一种终端，其特征在于，包括：权利要求11或12所述的防沉迷装置。