CN107783801A - 应用程序预测模型建立、预加载方法、装置、介质及终端 - Google Patents

应用程序预测模型建立、预加载方法、装置、介质及终端 Download PDF

Info

Publication number
CN107783801A
CN107783801A CN201711078330.2A CN201711078330A CN107783801A CN 107783801 A CN107783801 A CN 107783801A CN 201711078330 A CN201711078330 A CN 201711078330A CN 107783801 A CN107783801 A CN 107783801A
Authority
CN
China
Prior art keywords
application program
forecast model
terminal
status information
application
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
Application number
CN201711078330.2A
Other languages
English (en)
Other versions
CN107783801B (zh
Inventor
陈岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201711078330.2A priority Critical patent/CN107783801B/zh
Publication of CN107783801A publication Critical patent/CN107783801A/zh
Priority to US16/110,359 priority patent/US11429880B2/en
Priority to EP18194430.7A priority patent/EP3480692B1/en
Priority to PCT/CN2018/114166 priority patent/WO2019086043A1/en
Application granted granted Critical
Publication of CN107783801B publication Critical patent/CN107783801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G06F7/08—Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G06F9/4451—User profiles; Roaming

Abstract

本申请实施例公开了一种应用程序预测模型建立、预加载方法、装置、介质及终端。应用程序预测模型建立方法包括：获取预设时间段内的用户行为样本，其中用户行为样本包括至少两个应用程序的使用时序关联记录；提取与应用程序的使用时序关联记录对应的终端的状态信息；根据使用时序关联记录及状态信息，对设定预测模型进行训练，生成应用程序预测模型。本申请实施例通过采用上述技术方案，可以充分利用能够真实反映用户行为的应用程序使用时序关联记录及对应的终端的状态信息，优化应用程序预加载机制，有效的提高了对待启动应用程序预测的准确性，进一步降低了终端系统功耗和内存占用率。

Description

应用程序预测模型建立、预加载方法、装置、介质及终端
技术领域
本申请实施例涉及机器学习技术领域，尤其涉及应用程序预测模型建立、预加载方法、装置、介质及终端。
背景技术
随着电子技术的快速发展和人们生活水平的日益提高，智能手机、平板电脑等终端已经成为人们生活中必不可少的一部分。
终端上设置有各种各样的应用程序(Application Software，APP)，为了使应用程序运行的更加流畅，通常终端会将提前将某些应用程序的加载资源准备好，即对某些应用程序提前进行预加载。
但是，不能对应用程序进行随意预加载，因为若预加载太多资源，则会占用过大内存，同时功耗变大，会严重影响终端使用的流畅性。因此，优化预加载机制、降低终端功耗变得至关重要。
发明内容
本申请实施例的目的是提供应用程序预测模型建立、预加载方法、装置、介质及终端，可以优化应用程序的预加载机制，降低终端系统功耗。
第一方面，本申请实施例提供了一种应用程序预测模型建立方法，包括：
获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；
提取与所述应用程序的使用时序关联记录对应的终端的状态信息；
根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。
第二方面，本申请实施例提供了一种应用程序预加载方法，包括：
获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
第三方面，本申请实施例提供了一种应用程序预测模型建立装置，该装置包括：
用户行为样本获取模块，用于获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；
状态信息提取模块，用于提取与所述应用程序的使用时序关联记录对应的终端的状态信息；
应用程序预测模型生成模块，用于根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。
第四方面，本申请实施例提供了一种应用程序预加载装置，该装置包括：
状态获取模块，用于获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
概率值获取模块，用于将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
应用程序预加载模块，用于根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
第五方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例第一方面所述的应用程序预测模型建立方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例第二方面所述的应用程序预加载方法。
第七方面，本申请实施例提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例第一方面所述的应用程序预测模型建立方法。
第八方面，本申请实施例提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例第二方面所述的应用程序预加载方法。
本申请实施例中提供的应用程序预测模型建立及应用程序预加载方案，获取预设时间段内的用户行为样本，其中用户行为样本包括至少两个应用程序的使用时序关联记录；提取与应用程序的使用时序关联记录对应的终端的状态信息；根据使用时序关联记录及状态信息，对设定预测模型进行训练，生成应用程序预测模型。在对应用程序进行预加载时，获取终端当前运行应用程序的使用状态及使用状态获取时刻对应的终端的状态信息；将使用状态及状态信息输入至预先训练的应用程序预测模型中，获取应用程序预测模型输出的应用程序启动的概率值，其中，应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及使用时序关联记录训练生成；根据概率值确定待启动应用程序，并将待启动应用程序进行预加载。通过将用户在预设时间段内应用程序的使用时序关联记录及对应的终端的状态信息，作为训练样本，生成应用程序预测模型，并通过将终端当前的应用程序的使用状态及终端的状态信息输入到训练好的应用程序预测模型中，不仅解决了应用程序预加载太多资源，占用太多资源及功耗变大，甚至影响终端使用流程性的技术问题，而且有效的提高了对待启动应用程序预测的准确性，进一步降低了终端系统功耗和内存占用率。
附图说明
图1为本申请实施例提供的一种应用程序预测模型建立方法的流程示意图；
图2为本申请实施例提供的另一种应用程序预测模型建立方法的流程示意图；
图3为本申请实施例提供的又一种应用程序预测模型建立方法的流程示意图；
图4为本申请实施例提供的应用程序预加载方法的流程示意图；
图5为本申请实施例提供的一种应用程序预测模型建立装置的结构示意图；
图6为本申请实施例提供的一种应用程序预加载装置的结构示意图；
图7为本申请实施例提供的一种终端的结构示意图；
图8为本申请实施例提供的另一种终端的结构示意图；
图9为本申请实施例提供的又一种终端的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在终端设备上，对应用程序进行预加载是一种常用且有效提升用户体验的方法，通过提前把某些应用的加载资源准备好，使其运行时更流畅。
现有技术中，主要是基于统计的方法对应用程序进行预加载，比如用户最常用的应用程序可能只有几个，将其全部进行预加载；或者根据用户的使用习惯对应用程序进行打分排名，将排名较高的应用程序进行预加载。然而，上述方法由于忽略了应用程序之间相互关联的信息，以及时间信息，终端状态信息等，导致预加载应用程序的预测精度不够，需要预加载过多资源，但实际用户下一时刻使用的应用程序仅为一个，影响了用户体验。因此，准确预测用户下一时刻将要启动的应用程序具有重要意义。
图1为本申请实施例提供的应用程序预测模型建立方法的流程示意图，该方法可以由应用程序预测模型建立装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端中，该终端可以为服务器，如用于完成应用程序预测模型建立功能的建模服务器中，也可以为移动终端。如图1所示，该方法包括：
步骤101、获取预设时间段内的用户行为样本。
其中，用户行为样本包括至少两个应用程序的使用时序关联记录。
在本申请实施例中，预设时间段内的用户行为样本是指在预设时间段内，用户使用终端中的应用程序的历史使用时序关联记录。示例性的，在8:00-20:00这段时间内，用户对终端中的各个应用程序的使用时序关联记录。例如，用户在8:00使用淘宝这一应用程序，8:30将淘宝切换到京东商城这一应用程序，9:00将京东商城切换到支付宝这一应用程序。又如，用户11:40使用美团外卖这一应用程序，12：00将美团外卖切换到微信这一应用程序。应用程序的使用时序关联记录不仅包含了在各个时间点用户对应用程序的使用记录，而且还包括了用户对各个应用程序的使用的时序关系。
虽然，通常在终端中安装有各种各样的应用程序，然而，在预设时间段内，如一天中，用户使用的应用程序的个数是有限的，而且，用户经常使用的应用程序的个数也是有限的。大多数的应用程序的使用频率都较低，一周甚至一个月内，才有可能被用户使用一次。若将终端中安装的所有应用程序作为应用程序预测模型的训练样本，不仅数据量大，而且还会影响应用程序预测模型建立的精度，影响对下一时刻用户待启动的应用程序预测的准确性。
可选的，获取预设时间段内的用户行为样本，包括：根据预设时间段内应用程序的使用频次大小对应用程序进行排序；根据排序结果确定至少两个目标应用程序；根据目标应用程序的使用状态确定使用时序关联记录，作为用户行为样本。这样设置的好处在于，不仅可以大大减少应用程序预测模型建立时训练样本的数据量，而且还可以提高应用程序预测模型建立的精度及效率，进一步提高对待启动应用程序预测的准确性。
示例性的，预设时间段为8:00-22:00，对用户在这一预设时间段内对终端中各个应用程序的使用频次进行统计。根据使用频次对各个应用程序进行排序，如按照使用频次由大到小的顺序依次对各个应用程序进行排序。根据排序结果选取前M个目标应用程序，即将前M个目标应用程序确定为用户经常使用的应用程序，其中，M≥2。并根据目标应用程序的使用状态确定使用时序关联记录，其中，使用时序关联记录记载了用户在预设时间段内中的各个时间点对M个目标应用程序的使用情况，不仅包含了对M个目标应用程序使用及使用时对应的时刻，而且还包含了对M个目标应用程序使用的时序关系。
另外，在用户使用终端中应用程序的过程中，经常会因为用户的误操作，生成无效的应用程序使用记录。如用户本意是要触发淘宝这一应用程序，却误点击了指南针这一应用程序，通常用户会快速退出指南针这一应用程序。同样的，这些无效的应用程序使用记录，也会影响应用程序预测模型建立的精度，影响对下一时刻用户待启动的应用程序预测的准确性。
可选的，从预设时间段内应用程序的历史使用记录中，过滤掉无效的应用程序使用记录。示例性的，对某个应用程序的使用时间小于预设时间阈值时，将对该应用程序的使用记录过滤掉。例如，用户对应用程序A的使用时间为3s，预设时间阈值为5s，则将应用程序A的使用记录过滤掉。这样设置的好处在于，可以有效提高应用程序预测模型建立的精度，进一步提高了对待启动应用程序预测的准确性。
需要说明的是，可以先将应用程序的历史使用记录中过滤掉无效的应用程序使用记录，然后再根据应用程序的使用频次确定目标应用程序(用户经常使用的应用程序)；也可以先根据应用程序的使用频次确定目标应用程序(用户经常使用的应用程序)，然后再过滤掉无效的应用程序的使用记录。本申请实施例对滤掉无效的应用程序使用记录与根据应用程序的使用频次确定目标应用程序的先后顺序不作限定。
可选的，根据目标应用程序的使用状态确定使用时序关联记录，包括：按照预设采样周期对目标应用程序的使用日志进行采样，以确定采样时刻是否处于使用状态；根据采样时刻和使用状态，对至少两个目标应用程序的使用状态进行关联，确定使用时序关联记录。这样设置的好处在于，不仅可以较灵活的获取预设时间段内应用程序的使用时序关联记录，而且可以提高应用程序预测模型建立的精度，可以进一步提高对待启动应用程序预测的准确性。
示例性的，按照预设采样周期对目标应用程序的使用日志进行采样，如每隔三分钟对预设时间段内的目标应用程序的使用日志采样一次，从预设时间段内的初始时间开始进行第一次采样。例如，预设时间段为8:00-12:00，则8:00进行第一次采样，8:03进行第二次采样，8:06进行第三次采样，…，依次类推，直到将预设时间段内的目标应用程序的使用日志采样完毕。其中，预设采样周期可以根据预设时间段的长短进行设置，如预设时间段较长时，预设采样周期可以适应性地设置的长些；当预设时间段较短时，预设采样周期可以适应性地设置的短些。又示例性的，预设采样周期也可以根据用户需求进行适应性地设置，当对待启动的应用程序预测精度要求较高时，可以将采样周期设置的短些；当对待启动的应用程序预测精度要求较低时，可以将采样周期设置的长些。又示例性的，预设采样周期也可以根据终端处理数据量的能力大小进行设置，如终端对处理应用程序预测模型建立时训练样本的数据量的能力较大时，可以将采样周期设置的短些；终端对处理应用程序预测模型建立时训练样本的数据量的能力较小时，可以将采样周期设置的长些。本实施例对预设采样周期设置的长短及设置方式不做具体限定。
在本实施例中，确定各采样时刻各目标应用程序的使用状态，需要说明的是，在采样时刻，有且只能有一个目标应用程序处于使用状态，或者，在采样时刻无任何目标应用程序处于使用状态，如终端处于桌面状态，或是终端的显示屏处于熄灭状态。根据采样时刻和使用状态，对至少两个目标应用程序的使用状态进行关联，确定使用时序关联记录。示例性的，第一采样时刻应用程序A处于使用状态，第二采样时刻应用程序B处于使用状态，第三采样时刻终端的显示屏处于熄灭状态，标记为无任何应用程序使用，第四采样时刻应用程序C处于使用状态，…，根据采样时刻和使用状态，对应用程序的使用状态进行关联，确定使用时序关联记录。
可选的，应用程序的使用关联记录可以以采样时刻及使用状态的标识信息的形式进行记录。示例性的，M个目标应用程序按使用频次由大到小的顺序分别标记为1,2，…，M，若在采样时刻无任何应用程序使用时，则标记为M+1。可以理解的是，将1,2，…，M，M+1，作为应用程序的使用状态的标识信息，应用程序的使用关联记录可以通过采样时刻对应的应用程序的使用状态对应的标识信息进行记录。需要说明的是，本实施例对使用关联记录的具体表征方式不作限定。只要能用唯一的信息表征采样时刻的不同应用程序的使用状态即可。
步骤102、提取与应用程序的使用时序关联记录对应的终端的状态信息。
在本申请实施例中，在预设时间段内的各个时刻均存在一个终端的状态与之对应，即不同时刻对应终端不同的状态信息。获取应用程序的使用时序关联记录对应的终端的状态信息，其中，状态信息可以包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
可选的，根据终端的时间信息确定应用程序使用时序关联记录中应用程序的使用时间类别，其中，使用时间类别可以包括第一时间类别和第二时间类别。可选的，根据由终端的时间信息确定的应用程序的使用日期，获取第一时间类别，其中，第一时间类别可以包括：工作日及节假日；根据由终端的时间信息确定的应用程序的使用时间段，获取第二时间类别，其中，第二时间类别可以包括：早高峰、午间、晚高峰、工作时间以及休息时间；将第一时间类别以及第二时间类别的组合作为应用程序的使用时间类别。可选的，第二时间类别还可以包括白天、傍晚以及休息时间。当然，第二时间类别也可以对一天24小时0:00-24:00进行均等划分，如划分为6个时间段，每个时间段时长为4小时。其中，第二时间类别可以通过时间戳的形式进行记载。
在本申请实施例中，不同的状态信息可以通过不同的形式进行表示，例如可以采用文字的形式表示，也可以采用标识信息的形式表示，其中，标识信息为与状态信息的类别对应的数值。示例性的，电量信息分为高、中、低三档，电量信息为高时用0表示，电量信息为中时用1表示，电量信息为低时用2表示；位置信息可以分为在家和不在家两种情况，在家用0表示，不在家用1表示。
步骤103、根据使用时序关联记录及状态信息，对设定预测模型进行训练，生成应用程序预测模型。
在本申请实施例中，将使用时序关联记录及状态信息作为训练样本，对设定预测模型进行训练，生成应用程序预测模型。
可选的，根据使用时序关联记录中采样时刻对应的使用状态及状态信息，对设定预测模型进行训练。即，将采样时刻对应的使用状态及状态信息作为训练样本，对设定预测模型进行训练，生成应用程序预测模型。
可选的，应用程序预测模型的输入层单元数根据使用时序关联记录及状态信息的向量维数确定，应用程序预测模型的输出层单元数根据应用程序的数量确定；应用程序预测模型采用的误差函数为交叉熵损失函数：其中，yk表示应用程序使用状态的标准值，表示应用程序使用状态的预测值，C＝M+1，其中M表示应用程序的数量，J表示应用程序预测模型的交叉熵。
示例性的，应用程序预测模型为神经网络模型，其中，神经网络模型包括输入层、隐藏层和输出层。输入层单元数(即输入层的神经元数目)可以根据使用时序关联记录及状态信息的向量维数确定。示例性的，将使用时序关联记录中，t时刻使用的应用程序及t时刻对应终端的状态信息作为输入向量，以预测t+1时刻使用的应用程序。即[APPt TimeS,oltWeekday Scr,een Ch ing B,attery Wifi Lo,cation→aAPPt+1。r其中，APPt表示,t时刻使用的应用程序，TimeSolt表示终端使用时间，即第二时间类别，如早晚高峰，Weekday表示终端使用日期，即第一时间类别，如工作日或节假日，Screen表示显示屏亮灭信息，如显示屏处于点亮状态或显示屏处于熄灭状态，Charging表示是否充电，如终端处于充电状态或未处于充电状态，Battery表示电量信息，如电量为高、中或低，Wifi表示网络连接信息，如终端连接有Wifi网络或终端未连接Wifi网络，Location表示位置信息，如在家或是不在家，APPt+1表示t+1使用的应用程序。示例性的，还可以将使用时序关联记录中，t-1时刻使用的应用程序，t时刻使用的应用程序及t时刻对应终端的状态信息作为输入向量，以预测t+1时刻使用的应用程序。即[APPt-1,APPt,TimeSolt,Weekday,Screen,Charging,Battery,Wifi,Location]→APPt+1，其中，APPt-1表示t-1时刻使用的应用程序。
示例性的，隐藏层与输入层全连接，隐藏层的神经元数目可以为32。可选的，隐藏层可以包括激活函数层、池化层及归一化层中的至少一个。其中，激活函数层的激活函数可以为线性整流单元(Relu)，也可以为Softmax函数。本实施例对激活函数的个数及类别不做限定。
在本实施例中，APPt+1为独热码的形式，即在t+1时刻应用程序的使用状态是唯一的。示例性的，目标应用程序为M个,且为了方便，M个应用程序分别用1，2，…，M表示，M+1表示无任何应用程序使用。如M的取值为10，在t+1时刻，序号为5的应用程序处于使用状态，则预测的t+1时刻对应的编码向量为[0,0,0,0,1,0,0,0,0,0,0]，即只有序号为5对应的位置为1，其余全部为0。
训练过程为了防止过拟合，对于应用程序预测模型中的神经网络单元，按照一定的概率将其暂时从神经网络中丢弃，以提高应用程序预测模型的泛化能力。另外，利用随机梯度下降法进行训练的过程中，可以当损失值等于或小于预设损失阈值时，则完成训练；也可以当连续获取的两个或多个损失值没有变化时，则完成训练。训练完成后，获取此时的应用程序预测模型中的各个参数，并将各个参数保存为优化参数。当需要通过应用程序预测模型对应用程序进行预测时，使用该优化参数进行预测。可选的，随机梯度下降法可以采用小批量的方式训练得到最优参数，例如，批量大小为128。
本申请实施例提供的应用程序预测模型建立方法，可以充分利用能够真实反映用户行为的应用程序使用时序关联记录及对应的终端的状态信息，优化应用程序预加载机制，提高对待启动应用程序预测的准确性。
图2为本申请实施例提供的另一种应用程序预测模型建立方法的流程示意图，该方法包括：
步骤201、根据预设时间段内应用程序的使用频次大小对应用程序进行排序。
步骤202、根据排序结果确定至少两个目标应用程序。
步骤203、根据目标应用程序的使用状态确定使用时序关联记录，作为用户行为样本。
步骤204、提取与应用程序的使用时序关联记录对应的终端的状态信息。
其中，状态信息可以包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
步骤205、根据使用时序关联记录及状态信息，对设定预测模型进行训练，生成应用程序预测模型。
本申请实施例提供的应用程序预测模型建立方法，不仅可以充分利用能够真实反映用户行为的应用程序使用时序关联记录及对应的终端的状态信息，优化应用程序预加载机制，而且可以有效提高应用程序预测模型建立的精度，进一步提高了对待启动应用程序预测的准确性。
图3为本申请实施例提供的又一种应用程序预测模型建立方法的流程示意图，该方法包括：
步骤301、根据预设时间段内应用程序的使用频次大小对应用程序进行排序。
步骤302、根据排序结果确定至少两个目标应用程序。
步骤303、按照预设采样周期对目标应用程序的使用日志进行采样，以确定采样时刻是否处于使用状态。
步骤304、根据采样时刻和使用状态，对至少两个目标应用程序的使用状态进行关联，确定使用时序关联记录。
步骤305、提取与应用程序的使用时序关联记录对应的终端的状态信息。
步骤306、根据使用时序关联记录中采样时刻对应的使用状态及状态信息，对设定预测模型进行训练，生成应用程序预测模型。
本申请实施例提供的应用程序预测模型建立方法，不仅可以较灵活的获取预设时间段内应用程序的使用时序关联记录，而且可以提高应用程序预测模型建立的精度，可以进一步提高待启动应用程序预测的准确性。
图4为本申请实施例提供的应用程序预加载方法的流程示意图，该方法可以由应用程序预加载装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端中。如图4所示，该方法包括：
步骤401、获取终端当前运行应用程序的使用状态及使用状态获取时刻对应的终端的状态信息。
在本申请实施例中，获取终端当前的应用程序的使用状态，其中，应用程序的使用状态包括正在使用的应用程序和没有任何应用程序使用两种情况。如果当前存在正在使用的应用程序，则将使用状态标记为所述正在使用的应用程序对应的标识信息或图标信息；如果当前没有任何应用程序使用，则采用无应用程序使用的标识信息标记。需要说明的是，也可以采用其他形式记录当前运行应用程序的使用状态。
获取应用程序的使用状态获取时刻对应的终端的状态信息。其中，状态信息可以包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
可选的，根据终端当前的时间信息确定应用程序的使用时间类别，其中，使用时间类别可以包括第一时间类别和第二时间类别。可选的，根据由终端当前的时间信息确定的当前应用程序的使用日期，获取第一时间类别，其中，第一时间类别可以包括：工作日及节假日；根据由终端当前的时间信息确定的应用程序的使用时间段，获取第二时间类别，其中，第二时间类别可以包括：早高峰、午间、晚高峰、工作时间以及休息时间；将第一时间类别以及第二时间类别的组合作为当前应用程序的使用时间类别。可选的，第二时间类别还可以包括白天、傍晚以及休息时间。当然，第二时间类别也可以对一天24小时0:00-24:00进行均等划分，如划分为6个时间段，每个时间段时长为4小时。其中，第二时间类别可以通过时间戳的形式进行记载。
显示屏亮灭信息是指终端当前的显示屏处于点亮状态或处于熄灭状态；电量信息是指终端当前的电量多少，如电量为高、中或低；网络连接信息是指终端当前是否连接有网络，如是否连接有Wifi，或者是否连接有移动网络；位置信息是指终端当前所处的位置，如可以分为在家或是不在家；是否充电是指终端当前是否处于充电状态。
步骤402、将使用状态及状态信息输入至预先训练的应用程序预测模型中，获取应用程序预测模型输出的应用程序启动的概率值。
其中，应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及使用时序关联记录训练生成。
在本申请实施例中，将终端当前的应用程序的使用状态及使用状态获取时刻对应的状态信息，输入到预先训练的应用程序预测模型中，获取应用程序预测模型输出的应用程序启动的概率值。示例性的，应用程序预测模型是通过对预设时间段内M个应用程序的使用时序关联记录及对应终端的状态信息训练生成的，则进行应用程序预测时，应用程序预测模型输出M+1个概率值，其中，M+1个概率值包括M个应用程序启动的概率值和无任何应用程序使用的概率值。
可选的，还可以将终端上一时刻的应用程序的使用状态、当前的应用程序的使用状态以及当前的应用程序的使用状态获取时刻对应的状态信息，输入到预先训练的应用程序预测模型中，获取应用程序预测模型输出的应用程序启动的概率值。
步骤403、根据概率值确定待启动应用程序，并将待启动应用程序进行预加载。
在本申请实施例中，根据步骤402获得的概率值，确定待启动应用程序。示例性的，将步骤402获得的概率值中最大概率值对应的应用程序作为待启动应用程序。当无任何应用程序使用的概率值最大时，将位于第二位的概率值对应的应用程序作为待启动应用程序。对待启动的应用程序进行预加载，以使当用户使用所述待启动的应用程序时，提高使用效率及使用时的流畅性。
本申请实施例提供的应用程序预加载方法，不仅解决了应用程序预加载太多资源，占用太多资源及功耗变大，甚至影响终端使用流程性的技术问题，而且有效的提高了对待启动应用程序预测的准确性，进一步降低了终端系统功耗和内存占用率，优化了应用程序预加载机制。
图5为本申请实施例提供的一种应用程序预测模型建立装置的结构示意图，该装置可由软件和/或硬件实现，一般集成在终端上，如服务器中，可通过执行应用程序预测模型建立方法来构建应用程序预测模型。如图5所示，该装置包括：
用户行为样本获取模块501，用于获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；
状态信息提取模块502，用于提取与所述应用程序的使用时序关联记录对应的终端的状态信息；
应用程序预测模型生成模块503，用于根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。
本申请实施例提供的应用程序预测模型建立装置，可以充分利用能够真实反映用户行为的应用程序使用时序关联记录及对应的终端的状态信息，优化应用程序预加载机制，提高对待启动应用程序预测的准确性。
可选的，所述用户行为样本获取模块，包括：
应用程序排序单元，用于根据所述预设时间段内应用程序的使用频次大小对应用程序进行排序；
目标应用程序确定单元，用于根据排序结果确定至少两个目标应用程序；
使用时序关联记录确定单元，用于根据所述目标应用程序的使用状态确定使用时序关联记录，作为用户行为样本。
可选的，所述使用时序关联记录确定单元，用于：
按照预设采样周期对所述目标应用程序的使用日志进行采样，以确定采样时刻是否处于使用状态；
根据采样时刻和使用状态，对至少两个目标应用程序的使用状态进行关联，确定使用时序关联记录。
可选的，所述应用程序预测模型生成模块，用于：
根据所述使用时序关联记录中采样时刻对应的使用状态及所述状态信息，对设定预测模型进行训练。
可选的，所述状态信息包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
可选的，所述应用程序预测模型的输入层单元数根据所述使用时序关联记录及所述状态信息的向量维数确定，所述应用程序预测模型的输出层单元数根据所述应用程序的数量确定；
所述应用程序预测模型采用的误差函数为交叉熵损失函数：
其中，yk表示应用程序使用状态的标准值，表示应用程序使用状态的预测值，C＝M+1，其中M表示应用程序的数量，J表示应用程序预测模型的交叉熵。
图6为本申请实施例提供的一种应用程序预加载装置的结构示意图，该装置可由软件和/或硬件实现，一般集成在终端中，可通过执行应用程序预加载方法来对待启动的应用程序进行预加载。如图6所示，该装置包括：
状态获取模块601，用于获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
概率值获取模块602，用于将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
应用程序预加载模块603，用于根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
本申请实施例提供的应用程序预加载装置，不仅解决了应用程序预加载太多资源，占用太多资源及功耗变大，甚至影响终端使用流程性的技术问题，而且有效的提高了对待启动应用程序预测的准确性，进一步降低了终端系统功耗和内存占用率，优化了应用程序预加载机制。
可选的，所述状态信息包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行应用程序预测模型建立方法，该方法包括：
获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；
提取与所述应用程序的使用时序关联记录对应的终端的状态信息；
根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDRRAM、SRAM、EDORAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的应用程序预测模型建立操作，还可以执行本申请任意实施例所提供的应用程序预测模型建立方法中的相关操作。
本申请实施例还提供另一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行应用程序预加载方法，该方法包括：
获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
本申请实施例的计算机存储介质的具体细节与上面所述的计算机存储介质相似，此处不再赘述。
本申请实施例提供了一种终端，该终端中可集成本申请实施例提供的应用程序预测模型建立装置。图7为本申请实施例提供的一种终端的结构示意图。如图7所示，终端700可以包括：存储器701，处理器702及存储在存储器上并可在处理器运行的计算机程序，所述处理器702执行所述计算机程序时实现如本申请实施例所述的应用程序预测模型建立方法。
本申请实施例提供的终端，可以充分利用能够真实反映用户行为的应用程序使用时序关联记录及对应的终端的状态信息，优化应用程序预加载机制，提高对待启动应用程序预测的准确性。
本申请实施例提供了另一种终端，该终端中可集成本申请实施例提供的应用程序预加载装置。图8为本申请实施例提供的一种终端的结构示意图。如图8所示，终端800可以包括：存储器801，处理器802及存储在存储器上并可在处理器运行的计算机程序，所述处理器802执行所述计算机程序时实现如本申请实施例所述的应用程序预加载方法。
本申请实施例提供的终端，通过获取终端当前运行应用程序的使用状态及使用状态获取时刻对应的终端的状态信息，并将使用状态及状态信息输入至预先训练的应用程序预测模型中，获取应用程序预测模型输出的应用程序启动的概率值，其中，应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及使用时序关联记录训练生成，然后根据概率值确定待启动应用程序，并将待启动应用程序进行预加载，不仅解决了应用程序预加载太多资源，占用太多资源及功耗变大，甚至影响终端使用流程性的技术问题，而且有效的提高了对待启动应用程序预测的准确性，进一步降低了终端系统功耗和内存占用率，优化了应用程序预加载机制。
图9为本申请实施例提供的又一种终端的结构示意图，如图9所示，该终端可以包括：壳体(图中未示出)、存储器901、中央处理器(central processing unit，CPU)902(又称处理器，以下简称CPU)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述CPU902和所述存储器901设置在所述电路板上；所述电源电路，用于为所述终端的各个电路或器件供电；所述存储器901，用于存储可执行程序代码；所述CPU902通过读取所述存储器901中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以实现以下步骤：
获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
所述终端还包括：外设接口903、RF(Radio Frequency，射频)电路905、音频电路906、扬声器911、电源管理芯片908、输入/输出(I/O)子系统909、其他输入/控制设备910、触摸屏912、其他输入/控制设备910以及外部端口904，这些部件通过一个或多个通信总线或信号线907来通信。
应该理解的是，图示终端900仅仅是终端的一个范例，并且终端900可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的用于应用程序预加载的终端进行详细的描述，该终端以手机为例。
存储器901，所述存储器901可以被CPU902、外设接口903等访问，所述存储器901可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口903，所述外设接口903可以将设备的输入和输出外设连接到CPU902和存储器901。
I/O子系统909，所述I/O子系统909可以将设备上的输入输出外设，例如触摸屏912和其他输入/控制设备910，连接到外设接口903。I/O子系统909可以包括显示控制器9091和用于控制其他输入/控制设备910的一个或多个输入控制器9092。其中，一个或多个输入控制器9092从其他输入/控制设备910接收电信号或者向其他输入/控制设备910发送电信号，其他输入/控制设备910可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器9092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触摸屏912，所述触摸屏912是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。
I/O子系统909中的显示控制器9091从触摸屏912接收电信号或者向触摸屏912发送电信号。触摸屏912检测触摸屏上的接触，显示控制器9091将检测到的接触转换为与显示在触摸屏912上的用户界面对象的交互，即实现人机交互，显示在触摸屏912上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路905，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路905接收并发送RF信号，RF信号也称为电磁信号，RF电路905将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路905可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。
音频电路906，主要用于从外设接口903接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器911。
扬声器911，用于将手机通过RF电路905从无线网络接收的语音信号，还原为声音并向用户播放该声音。
电源管理芯片908，用于为CPU902、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
上述实施例中提供的应用程序预测模型建立装置、存储介质及终端可执行本申请实施例所提供的对应的应用程序预测模型建立方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的应用程序预测模型建立方法。
上述实施例中提供的应用程序预加载装置、存储介质及终端可执行本申请实施例所提供的对应的应用程序预加载方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的应用程序预加载方法。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (14)

1.一种应用程序预测模型建立方法，其特征在于，包括：
获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；
提取与所述应用程序的使用时序关联记录对应的终端的状态信息；
根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。
2.根据权利要求1所述的方法，其特征在于，所述获取预设时间段内的用户行为样本，包括：
根据所述预设时间段内应用程序的使用频次大小对应用程序进行排序；
根据排序结果确定至少两个目标应用程序；
根据所述目标应用程序的使用状态确定使用时序关联记录，作为用户行为样本。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标应用程序的使用状态确定使用时序关联记录，包括：
按照预设采样周期对所述目标应用程序的使用日志进行采样，以确定采样时刻是否处于使用状态；
根据采样时刻和使用状态，对至少两个目标应用程序的使用状态进行关联，确定使用时序关联记录。
4.根据权利要求3所述的方法，其特征在于，所述根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，包括：
根据所述使用时序关联记录中采样时刻对应的使用状态及所述状态信息，对设定预测模型进行训练。
5.根据权利要求1-4任一所述的方法，其特征在于，所述状态信息包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
6.根据权利要求1-4任一所述的方法，其特征在于：
所述应用程序预测模型的输入层单元数根据所述使用时序关联记录及所述状态信息的向量维数确定，所述应用程序预测模型的输出层单元数根据所述应用程序的数量确定；
所述应用程序预测模型采用的误差函数为交叉熵损失函数：
其中，yk表示应用程序使用状态的标准值，表示应用程序使用状态的预测值，C＝M+1，其中M表示应用程序的数量，J表示应用程序预测模型的交叉熵。
7.一种应用程序预加载方法，其特征在于，包括：
获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
8.根据权利要求7所述的方法，其特征在于，所述状态信息包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。
9.一种应用程序预测模型建立装置，其特征在于，包括：
用户行为样本获取模块，用于获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；
状态信息提取模块，用于提取与所述应用程序的使用时序关联记录对应的终端的状态信息；
应用程序预测模型生成模块，用于根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。
10.一种应用程序预加载装置，其特征在于，包括：
状态获取模块，用于获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；
概率值获取模块，用于将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；
应用程序预加载模块，用于根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的应用程序预测模型建立方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求7或8所述的应用程序预加载方法。
13.一种终端，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任一所述的应用程序预测模型建立方法。
14.一种终端，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求7或8所述的应用程序预加载方法。
CN201711078330.2A 2017-11-06 2017-11-06 应用程序预测模型建立、预加载方法、装置、介质及终端 Active CN107783801B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201711078330.2A CN107783801B (zh) 2017-11-06 2017-11-06 应用程序预测模型建立、预加载方法、装置、介质及终端
US16/110,359 US11429880B2 (en) 2017-11-06 2018-08-23 Methods and systems for preloading applications and generating prediction models
EP18194430.7A EP3480692B1 (en) 2017-11-06 2018-09-14 Methods and systems for preloading applications and generating prediction models
PCT/CN2018/114166 WO2019086043A1 (en) 2017-11-06 2018-11-06 M ethods and systems for preloading applications and generating prediction models

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711078330.2A CN107783801B (zh) 2017-11-06 2017-11-06 应用程序预测模型建立、预加载方法、装置、介质及终端

Publications (2)

Publication Number Publication Date
CN107783801A true CN107783801A (zh) 2018-03-09
CN107783801B CN107783801B (zh) 2021-03-12

Family

ID=61432693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711078330.2A Active CN107783801B (zh) 2017-11-06 2017-11-06 应用程序预测模型建立、预加载方法、装置、介质及终端

Country Status (4)

Country Link
US (1) US11429880B2 (zh)
EP (1) EP3480692B1 (zh)
CN (1) CN107783801B (zh)
WO (1) WO2019086043A1 (zh)

Cited By (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363593A (zh) * 2018-05-21 2018-08-03 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108595227A (zh) * 2018-05-10 2018-09-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
CN108595224A (zh) * 2018-04-28 2018-09-28 Oppo广东移动通信有限公司 应用程序提示方法、装置、存储介质及终端
CN108595230A (zh) * 2018-05-15 2018-09-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108628645A (zh) * 2018-04-28 2018-10-09 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108647059A (zh) * 2018-05-21 2018-10-12 Oppo广东移动通信有限公司 应用程序预测方法、装置、存储介质及移动终端
CN108647052A (zh) * 2018-04-28 2018-10-12 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108664286A (zh) * 2018-05-10 2018-10-16 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
CN108681474A (zh) * 2018-05-21 2018-10-19 Oppo广东移动通信有限公司 应用预加载方法、装置、存储介质及终端
CN108681475A (zh) * 2018-05-21 2018-10-19 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
CN108710516A (zh) * 2018-05-29 2018-10-26 Oppo广东移动通信有限公司 预测样本的采集方法、装置、存储介质及智能终端
CN108710512A (zh) * 2018-05-15 2018-10-26 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及智能终端
CN108762844A (zh) * 2018-05-29 2018-11-06 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108762843A (zh) * 2018-05-29 2018-11-06 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及智能终端
CN108762831A (zh) * 2018-05-15 2018-11-06 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108804153A (zh) * 2018-05-21 2018-11-13 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及终端
CN108829457A (zh) * 2018-05-29 2018-11-16 Oppo广东移动通信有限公司 应用程序预测模型更新方法、装置、存储介质及终端
CN108920156A (zh) * 2018-05-29 2018-11-30 Oppo广东移动通信有限公司 应用程序预测模型建立方法、装置、存储介质及终端
CN108958828A (zh) * 2018-05-21 2018-12-07 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN109033247A (zh) * 2018-07-05 2018-12-18 Oppo（重庆）智能科技有限公司 一种应用程序的管理方法、装置、存储介质及终端
CN109033147A (zh) * 2018-06-12 2018-12-18 网宿科技股份有限公司 一种数据展示方法、终端和计算机可存储介质
CN109189737A (zh) * 2018-08-18 2019-01-11 王梅 根据时间分段在移动互联网内进行文件预取的方法及系统
CN109388224A (zh) * 2018-09-26 2019-02-26 广东小天才科技有限公司 一种智能设备的功耗优化方法、系统及智能设备
CN109445581A (zh) * 2018-10-17 2019-03-08 北京科技大学 基于用户行为分析的大规模场景实时渲染方法
CN109656722A (zh) * 2019-01-04 2019-04-19 Oppo广东移动通信有限公司 内存优化方法、装置、移动终端及存储介质
EP3480692A1 (en) * 2017-11-06 2019-05-08 Guangdong OPPO Mobile Telecommunications Corp., Ltd. Methods and systems for preloading applications and generating prediction models
US20190155622A1 (en) * 2017-11-20 2019-05-23 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for Preloading Application, Terminal Device, and Medium
CN109976905A (zh) * 2019-03-01 2019-07-05 联想(北京)有限公司 内存管理方法、装置和电子设备
CN110209476A (zh) * 2019-05-09 2019-09-06 深圳如一探索科技有限公司 一种应用程序中的对象切换方法、装置、电子设备及存储介质
WO2019201193A1 (zh) * 2018-04-17 2019-10-24 中兴通讯股份有限公司 应用程序的管理方法、移动终端及计算机可读存储介质
EP3567479A1 (en) * 2018-05-10 2019-11-13 Guang Dong Oppo Mobile Telecommunications Corp., Ltd. Method for establishing application prediction model, storage medium, and terminal
WO2019223525A1 (en) * 2018-05-21 2019-11-28 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
EP3575963A3 (en) * 2018-05-29 2020-02-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
CN111367575A (zh) * 2018-12-06 2020-07-03 北京嘀嘀无限科技发展有限公司 一种用户行为预测方法、装置、电子设备及存储介质
CN111381902A (zh) * 2020-03-10 2020-07-07 中南大学 基于带属性异构网络嵌入的app启动加速方法
CN111464690A (zh) * 2020-02-27 2020-07-28 华为技术有限公司 一种应用的预加载方法及电子设备
CN111797874A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 行为预测方法、装置、存储介质及电子设备
WO2020226667A1 (en) * 2019-05-06 2020-11-12 Google Llc Performing subtask(s) for a predicted action in response to a separate user interaction with an automated assistant prior to performance of the predicted action
CN112334875A (zh) * 2018-11-30 2021-02-05 华为技术有限公司 一种功耗预测方法及装置
CN112927129A (zh) * 2019-12-06 2021-06-08 横河电机株式会社 判定装置及方法、训练装置及方法、以及记录介质
US11086663B2 (en) 2018-05-10 2021-08-10 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Preloading application using active window stack
CN113325998A (zh) * 2020-02-29 2021-08-31 杭州海康存储科技有限公司 读写速度控制方法、装置
US11222637B2 (en) 2019-05-06 2022-01-11 Google Llc Performing subtask(s) for a predicted action in response to a separate user interaction with an automated assistant prior to performance of the predicted action
CN114153358A (zh) * 2021-11-16 2022-03-08 中国电信集团系统集成有限责任公司 条码显示方法、装置、电子设备和存储介质
US11467855B2 (en) 2018-06-05 2022-10-11 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Application preloading method and device, storage medium and terminal
CN115562772A (zh) * 2022-03-31 2023-01-03 荣耀终端有限公司 一种场景识别和预处理方法及电子设备
US11604660B2 (en) 2018-05-15 2023-03-14 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for launching application, storage medium, and terminal
CN116663610A (zh) * 2023-08-02 2023-08-29 荣耀终端有限公司 调度网络训练方法、任务调度方法及相关设备

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10536857B1 (en) * 2019-06-24 2020-01-14 Bank Of America Corporation Systems and methods for pre-authenticating a user on a mobile device
CN110569176A (zh) * 2019-09-17 2019-12-13 北京字节跳动网络技术有限公司 应用预测模型的训练方法及装置、应用控制方法及装置
US11599384B2 (en) * 2019-10-03 2023-03-07 Micron Technology, Inc. Customized root processes for individual applications
US11436041B2 (en) 2019-10-03 2022-09-06 Micron Technology, Inc. Customized root processes for groups of applications
US11474828B2 (en) 2019-10-03 2022-10-18 Micron Technology, Inc. Initial data distribution for different application processes
CN110795655B (zh) * 2019-10-30 2022-07-08 中国人民解放军63850部队 一种基于爬虫的预测性显示信息加载算法
CN110809234A (zh) * 2019-11-08 2020-02-18 浙江每日互动网络科技股份有限公司 一种人物类别识别方法和终端设备
CN112905255A (zh) * 2019-11-19 2021-06-04 阿里巴巴集团控股有限公司 信息处理方法、装置及电子设备
US11429445B2 (en) 2019-11-25 2022-08-30 Micron Technology, Inc. User interface based page migration for performance enhancement
US20210240801A1 (en) * 2020-02-03 2021-08-05 Arris Enterprises Llc Digital rights management system resource manager
US11366752B2 (en) 2020-03-19 2022-06-21 Micron Technology, Inc. Address mapping between shared memory modules and cache sets
CN114116040A (zh) * 2020-08-31 2022-03-01 华为技术有限公司 加速应用启动的方法、电子设备及计算机存储介质
US11836087B2 (en) 2020-12-23 2023-12-05 Micron Technology, Inc. Per-process re-configurable caches
CN112862183A (zh) * 2021-02-04 2021-05-28 北京百度网讯科技有限公司 充电难度的预测方法、模型的训练方法、装置以及设备
CN114398094B (zh) * 2021-12-21 2023-08-18 中国银联股份有限公司 小程序启动方法、装置、设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593479A (zh) * 2013-11-29 2014-02-19 谢天添 应用程序菜单推荐方法及装置
CN107273011A (zh) * 2017-06-26 2017-10-20 努比亚技术有限公司 应用程序快速切换方法及移动终端

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9189252B2 (en) * 2011-12-30 2015-11-17 Microsoft Technology Licensing, Llc Context-based device action prediction
CN104217169B (zh) * 2013-06-05 2016-08-10 腾讯科技（深圳）有限公司 一种加密推荐方法及装置、终端
US9508040B2 (en) * 2013-06-12 2016-11-29 Microsoft Technology Licensing, Llc Predictive pre-launch for applications
US9871876B2 (en) * 2014-06-19 2018-01-16 Samsung Electronics Co., Ltd. Sequential behavior-based content delivery
CN105677378B (zh) 2014-11-20 2019-02-05 华为终端（东莞）有限公司 一种管理应用的方法和移动终端
CN105701113B (zh) 2014-11-27 2019-04-09 国际商业机器公司 用于优化网页预加载的方法和设备
US11086958B2 (en) * 2015-02-23 2021-08-10 Micro Focus Llc Navigation menu based on crowd data
CN104657183B (zh) 2015-03-09 2018-11-09 联想(北京)有限公司 信息处理方法、装置及电子设备
CN104951340B (zh) 2015-06-12 2018-07-06 联想(北京)有限公司 一种信息处理方法及装置
KR102401772B1 (ko) 2015-10-02 2022-05-25 삼성전자주식회사 전자 장치에서 어플리케이션 실행 장치 및 방법
CN107783801B (zh) 2017-11-06 2021-03-12 Oppo广东移动通信有限公司 应用程序预测模型建立、预加载方法、装置、介质及终端

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593479A (zh) * 2013-11-29 2014-02-19 谢天添 应用程序菜单推荐方法及装置
CN107273011A (zh) * 2017-06-26 2017-10-20 努比亚技术有限公司 应用程序快速切换方法及移动终端

Cited By (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11429880B2 (en) 2017-11-06 2022-08-30 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Methods and systems for preloading applications and generating prediction models
EP3480692A1 (en) * 2017-11-06 2019-05-08 Guangdong OPPO Mobile Telecommunications Corp., Ltd. Methods and systems for preloading applications and generating prediction models
WO2019086043A1 (en) * 2017-11-06 2019-05-09 Guangdong Oppo Mobile Telecommunications Corp., Ltd. M ethods and systems for preloading applications and generating prediction models
US20190155622A1 (en) * 2017-11-20 2019-05-23 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for Preloading Application, Terminal Device, and Medium
WO2019201193A1 (zh) * 2018-04-17 2019-10-24 中兴通讯股份有限公司 应用程序的管理方法、移动终端及计算机可读存储介质
CN108595224B (zh) * 2018-04-28 2021-01-12 Oppo广东移动通信有限公司 应用程序提示方法、装置、存储介质及终端
CN108628645A (zh) * 2018-04-28 2018-10-09 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108595224A (zh) * 2018-04-28 2018-09-28 Oppo广东移动通信有限公司 应用程序提示方法、装置、存储介质及终端
CN108628645B (zh) * 2018-04-28 2021-01-01 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
WO2019206213A1 (zh) * 2018-04-28 2019-10-31 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108647052A (zh) * 2018-04-28 2018-10-12 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
US11086663B2 (en) 2018-05-10 2021-08-10 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Preloading application using active window stack
US11442747B2 (en) 2018-05-10 2022-09-13 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for establishing applications-to-be preloaded prediction model based on preorder usage sequence of foreground application, storage medium, and terminal
EP3567479A1 (en) * 2018-05-10 2019-11-13 Guang Dong Oppo Mobile Telecommunications Corp., Ltd. Method for establishing application prediction model, storage medium, and terminal
WO2019214416A1 (en) * 2018-05-10 2019-11-14 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
WO2019214522A1 (en) * 2018-05-10 2019-11-14 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for establishing application prediction model, storage medium, and terminal
US11397590B2 (en) 2018-05-10 2022-07-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
CN108664286A (zh) * 2018-05-10 2018-10-16 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
CN108595227A (zh) * 2018-05-10 2018-09-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
CN108664286B (zh) * 2018-05-10 2021-07-09 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
US11604660B2 (en) 2018-05-15 2023-03-14 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for launching application, storage medium, and terminal
CN108762831A (zh) * 2018-05-15 2018-11-06 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108762831B (zh) * 2018-05-15 2021-11-09 上海瑾盛通信科技有限公司 应用程序预加载方法、装置、存储介质及终端
CN108595230B (zh) * 2018-05-15 2020-03-27 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108595230A (zh) * 2018-05-15 2018-09-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108710512A (zh) * 2018-05-15 2018-10-26 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及智能终端
CN108958828A (zh) * 2018-05-21 2018-12-07 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108647059A (zh) * 2018-05-21 2018-10-12 Oppo广东移动通信有限公司 应用程序预测方法、装置、存储介质及移动终端
CN108958828B (zh) * 2018-05-21 2022-01-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108363593A (zh) * 2018-05-21 2018-08-03 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108363593B (zh) * 2018-05-21 2020-01-21 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108681475A (zh) * 2018-05-21 2018-10-19 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
CN108681474A (zh) * 2018-05-21 2018-10-19 Oppo广东移动通信有限公司 应用预加载方法、装置、存储介质及终端
CN108804153A (zh) * 2018-05-21 2018-11-13 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及终端
CN108804153B (zh) * 2018-05-21 2021-03-12 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及终端
WO2019223510A1 (zh) * 2018-05-21 2019-11-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及移动终端
WO2019223578A1 (zh) * 2018-05-21 2019-11-28 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
WO2019223511A1 (zh) * 2018-05-21 2019-11-28 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及终端
WO2019223525A1 (en) * 2018-05-21 2019-11-28 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
CN108681474B (zh) * 2018-05-21 2021-12-07 Oppo广东移动通信有限公司 应用预加载方法、装置、存储介质及终端
US11099861B2 (en) 2018-05-29 2021-08-24 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
US20190370603A1 (en) * 2018-05-29 2019-12-05 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method and apparatus for establishing an application prediction model, storage medium and terminal
WO2019227994A1 (en) * 2018-05-29 2019-12-05 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method and apparatus for updating application prediction model, storage medium, and terminal
EP3579104A1 (en) * 2018-05-29 2019-12-11 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method and apparatus for establishing an application prediction model, storage medium and terminal
WO2019228149A1 (zh) * 2018-05-29 2019-12-05 Oppo广东移动通信有限公司 预测样本的采集方法、装置、存储介质及智能终端
EP3575963A3 (en) * 2018-05-29 2020-02-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for preloading application, storage medium, and terminal
WO2019228134A1 (zh) * 2018-05-29 2019-12-05 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108920156A (zh) * 2018-05-29 2018-11-30 Oppo广东移动通信有限公司 应用程序预测模型建立方法、装置、存储介质及终端
CN108829457A (zh) * 2018-05-29 2018-11-16 Oppo广东移动通信有限公司 应用程序预测模型更新方法、装置、存储介质及终端
CN108762843A (zh) * 2018-05-29 2018-11-06 Oppo广东移动通信有限公司 应用程序的预加载方法、装置、存储介质及智能终端
CN108762844B (zh) * 2018-05-29 2021-09-07 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108762844A (zh) * 2018-05-29 2018-11-06 Oppo广东移动通信有限公司 应用程序预加载方法、装置、存储介质及终端
CN108710516A (zh) * 2018-05-29 2018-10-26 Oppo广东移动通信有限公司 预测样本的采集方法、装置、存储介质及智能终端
US11467855B2 (en) 2018-06-05 2022-10-11 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Application preloading method and device, storage medium and terminal
CN109033147A (zh) * 2018-06-12 2018-12-18 网宿科技股份有限公司 一种数据展示方法、终端和计算机可存储介质
CN109033247A (zh) * 2018-07-05 2018-12-18 Oppo（重庆）智能科技有限公司 一种应用程序的管理方法、装置、存储介质及终端
CN109189737B (zh) * 2018-08-18 2021-11-26 北京合思信息技术有限公司 根据时间分段在移动互联网内进行文件预取的方法及系统
CN109189737A (zh) * 2018-08-18 2019-01-11 王梅 根据时间分段在移动互联网内进行文件预取的方法及系统
CN109388224A (zh) * 2018-09-26 2019-02-26 广东小天才科技有限公司 一种智能设备的功耗优化方法、系统及智能设备
CN109445581A (zh) * 2018-10-17 2019-03-08 北京科技大学 基于用户行为分析的大规模场景实时渲染方法
CN112334875A (zh) * 2018-11-30 2021-02-05 华为技术有限公司 一种功耗预测方法及装置
CN111367575A (zh) * 2018-12-06 2020-07-03 北京嘀嘀无限科技发展有限公司 一种用户行为预测方法、装置、电子设备及存储介质
CN111367575B (zh) * 2018-12-06 2023-10-24 北京嘀嘀无限科技发展有限公司 一种用户行为预测方法、装置、电子设备及存储介质
CN109656722B (zh) * 2019-01-04 2021-05-11 Oppo广东移动通信有限公司 内存优化方法、装置、移动终端及存储介质
CN109656722A (zh) * 2019-01-04 2019-04-19 Oppo广东移动通信有限公司 内存优化方法、装置、移动终端及存储介质
CN109976905A (zh) * 2019-03-01 2019-07-05 联想(北京)有限公司 内存管理方法、装置和电子设备
CN111797874A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 行为预测方法、装置、存储介质及电子设备
CN111797874B (zh) * 2019-04-09 2024-04-09 Oppo广东移动通信有限公司 行为预测方法、装置、存储介质及电子设备
WO2020226667A1 (en) * 2019-05-06 2020-11-12 Google Llc Performing subtask(s) for a predicted action in response to a separate user interaction with an automated assistant prior to performance of the predicted action
US11222637B2 (en) 2019-05-06 2022-01-11 Google Llc Performing subtask(s) for a predicted action in response to a separate user interaction with an automated assistant prior to performance of the predicted action
US11664028B2 (en) 2019-05-06 2023-05-30 Google Llc Performing subtask(s) for a predicted action in response to a separate user interaction with an automated assistant prior to performance of the predicted action
CN110209476A (zh) * 2019-05-09 2019-09-06 深圳如一探索科技有限公司 一种应用程序中的对象切换方法、装置、电子设备及存储介质
CN112927129A (zh) * 2019-12-06 2021-06-08 横河电机株式会社 判定装置及方法、训练装置及方法、以及记录介质
CN111464690A (zh) * 2020-02-27 2020-07-28 华为技术有限公司 一种应用的预加载方法及电子设备
CN111464690B (zh) * 2020-02-27 2021-08-31 华为技术有限公司 一种应用的预加载方法、电子设备、芯片系统及可读存储介质
CN113325998A (zh) * 2020-02-29 2021-08-31 杭州海康存储科技有限公司 读写速度控制方法、装置
CN111381902A (zh) * 2020-03-10 2020-07-07 中南大学 基于带属性异构网络嵌入的app启动加速方法
CN114153358A (zh) * 2021-11-16 2022-03-08 中国电信集团系统集成有限责任公司 条码显示方法、装置、电子设备和存储介质
CN115562772A (zh) * 2022-03-31 2023-01-03 荣耀终端有限公司 一种场景识别和预处理方法及电子设备
CN115562772B (zh) * 2022-03-31 2023-10-27 荣耀终端有限公司 一种场景识别和预处理方法及电子设备
CN116663610A (zh) * 2023-08-02 2023-08-29 荣耀终端有限公司 调度网络训练方法、任务调度方法及相关设备
CN116663610B (zh) * 2023-08-02 2023-12-19 荣耀终端有限公司 调度网络训练方法、任务调度方法及相关设备

Also Published As

Publication number Publication date
EP3480692B1 (en) 2023-01-11
CN107783801B (zh) 2021-03-12
EP3480692A1 (en) 2019-05-08
US11429880B2 (en) 2022-08-30
WO2019086043A1 (en) 2019-05-09
US20190138919A1 (en) 2019-05-09

Similar Documents

Publication Publication Date Title
CN107783801A (zh) 应用程序预测模型建立、预加载方法、装置、介质及终端
CN109814938A (zh) 应用程序预测模型建立、预加载方法、装置、介质及终端
CN107644642B (zh) 语义识别方法、装置、存储介质及电子设备
CN109814936A (zh) 应用程序预测模型建立、预加载方法、装置、介质及终端
CN109947498B (zh) 应用程序预加载方法、装置、存储介质及移动终端
CN108595227A (zh) 应用程序预加载方法、装置、存储介质及移动终端
CN109766138A (zh) 应用程序预测模型建立、预加载方法、装置、介质及终端
CN109960539A (zh) 应用程序预加载方法、装置、存储介质及移动终端
CN109947495A (zh) 应用程序预加载方法、装置、存储介质及移动终端
CN108595228A (zh) 应用程序预测模型建立方法、装置、存储介质及移动终端
CN109947497B (zh) 应用程序预加载方法、装置、存储介质及移动终端
CN107944259A (zh) 应用启动的管控方法、装置及存储介质和移动终端
CN108062180B (zh) 触摸屏灵敏度控制方法、装置及存储介质和移动终端
CN108076507A (zh) 定位方式控制方法、装置、存储介质及移动终端
CN107678823A (zh) 移动终端应用的控制方法、装置及存储介质和移动终端
CN108153463A (zh) 应用界面显示控制方法、装置及存储介质和移动终端
CN109033247A (zh) 一种应用程序的管理方法、装置、存储介质及终端
CN107943269A (zh) 调度作业控制方法、装置、终端设备及存储介质
CN104980559A (zh) 一种设置彩铃、彩铃音乐确定方法及装置
CN108304115A (zh) 终端条目选择方法、装置及存储介质和终端
CN108921530A (zh) 信息判断方法、装置、存储介质及终端
CN107707759A (zh) 终端控制方法、装置以及系统、存储介质
CN107566465A (zh) 一种信息推送的方法、装置、存储介质及移动终端
CN107357620A (zh) 一种应用程序的调整方法、装置、移动终端及存储介质
CN106744096A (zh) 电梯运行的控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1252344

Country of ref document: HK

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

GR01 Patent grant
GR01 Patent grant