CN107992361B - 后台应用的清理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请公开了一种后台应用的清理方法、装置、存储介质及电子设备。该后台应用的清理方法包括：在利用配置的算法判断终端后台的应用是否允许被清理时，记录该算法输出的后台中各应用的清理概率值；对该后台中各应用进行分类，并获取基础阈值的数值；根据该基础阈值的数值，为该后台中各类别的应用分别确定出目标阈值；按照记录到的该后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。本申请可以提高终端后台应用清理的灵活性。

Description

后台应用的清理方法、装置、存储介质及电子设备

技术领域

本申请属于终端技术领域，尤其涉及一种后台应用的清理方法、装置、存储介质及电子设备。

背景技术

人工智能技术的应用越来越广泛和深入。在人工智能技术中，终端设备可以对用户的行为习惯进行学习，并根据学习到的用户行为习惯，智能地做出一些决策并执行相应的操作，从而使终端设备更加智能化。比如，终端可以使用一定的算法对用户的应用使用行为进行学习，并根据学习到的用户行为习惯判断位于终端后台的应用是否可清理，以及将可清理的应用从后台清理。

发明内容

本申请实施例提供一种后台应用的清理方法、装置、存储介质及电子设备，可以提高终端后台应用清理的灵活性。

本申请实施例提供一种后台应用的清理方法，包括：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；

对所述后台中各应用进行分类，并获取基础阈值的数值；

根据所述基础阈值的数值，为所述后台中各类别的应用分别确定出目标阈值；

按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。

本申请实施例提供一种后台应用的清理装置，包括：

记录模块，用于在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；

分类模块，用于对所述后台中各应用进行分类，并获取基础阈值的数值；

确定模块，用于根据所述基础阈值的数值，为所述后台中各类别的应用分别确定出目标阈值；

清理模块，用于按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。

本申请实施例提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行本申请实施例提供的后台应用的清理方法中的步骤。

本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本申请实施例提供的后台应用的清理方法中的步骤。

本申请实施例提供的后台应用的清理方法、装置、存储介质及电子设备，终端可以对后台应用进行分类，并在基础阈值的基础上为不同类别的应用分别确定出不同的目标阈值。然后，终端可以根据算法输出的各应用的清理概率值及其所属类别对应的目标阈值，来判断是否可以将本应用从后台清理掉。因此，本实施例可以提高对后台应用进行清理的灵活性。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其有益效果显而易见。

图1是本申请实施例提供的后台应用的清理方法的流程示意图。

图2是本申请实施例提供的后台应用的清理方法的另一流程示意图。

图3至图4是本申请实施例提供的后台应用的清理方法的场景示意图。

图5是本申请实施例提供的后台应用的清理装置的结构示意图。

图6是本申请实施例提供的后台应用的清理装置的另一结构示意图。

图7是本申请实施例提供的移动终端的结构示意图。

图8是本申请实施例提供的移动终端的另一结构示意图。

具体实施方式

请参照图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。

可以理解的是，本申请实施例的执行主体可以是诸如智能手机或平板电脑等的终端设备。

请参阅图1，图1是本申请实施例提供的后台应用的清理方法的流程示意图，流程可以包括：

在步骤S101中，在利用配置的算法判断终端后台的应用是否允许被清理时，记录该算法输出的后台中各应用的清理概率值。

终端可以使用预先配置的算法对用户的应用使用行为进行学习，并根据学习到的用户行为习惯判断位于终端后台的应用是否可清理，以及将可清理的应用从后台清理。其中，在判断位于终端后台的应用是否可清理时，该算法会输出后台中各应用的清理概率值，该清理概率值表示后台应用可清理的概率。然后，终端可以将清理概率值达到阈值的应用从后台中清理，而对于清理概率值未达到阈值的后台应用则不清理。

例如，后台应用包括A、B、C，该算法输出的应用A的清理概率值为0.82，应用B的清理概率值为0.6，应用C的清理概率值为0.9。而阈值为0.8，那么终端可以将清理概率值大于0.8的应用A和应用C从后台中清理掉，而对于应用B则可以不清理。然而，这种清理后台应用的方式，其灵活性较差。

在本申请实施例的步骤S101中，在利用当前配置的算法判断位于终端后台的应用是否可清理时，终端可以记录该算法输出的后台中各应用的清理概率值。

例如，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。此时，终端可以先对后台中各应用及其清理概率值进行记录。

在步骤S102中，对该后台中各应用进行分类，并获取基础阈值的数值。

比如，在对该算法输出的后台中各应用的清理概率值进行记录之后，终端可以对后台中的各应用进行分类。

例如，终端可以将后台中的各应用分为即时通讯类、新闻阅读类、音乐类、游戏类等等。或者，终端也可以简单地将后台中各应用分为办公类、娱乐类等。可以理解的是，此处举例不构成对本申请实施例的限定。

在对后台中各应用进行分类之后，终端可以获取基础阈值的数值。

需要说明的是，基础阈值是预先设定的一个与该算法对应的概率阈值。例如，基础阈值的数值大小为0.8。也就是说，在不使用本申请方案的情况下，只要后台应用的清理概率值大于或等于0.8，那么就可以该后台应用从后台中清理掉。例如，该算法输出的后台应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。那么，在不使用本申请方案的情况下，终端可以将后台应用A和C清理掉(应用A和C的清理概率值均大于0.8)，而对于应用B和D则可以不清理(应用B和D的清理概率值均小于0.8)。

在步骤S103中，根据该基础阈值，为该后台中各类别的应用分别确定出目标阈值。

比如，在获取到基础阈值的数值后，终端可以根据该基础阈值的数值，为后台中各类别的应用分别确定出一个目标阈值。

例如，基础阈值的数值为0.8，当前驻留在后台的应用包括即时通讯类、新闻阅读类、音乐类、游戏类的应用。那么，终端可以将即时通讯类的应用的清理概率阈值由0.8提高到0.85(即时通讯类的应用的目标阈值变为0.85)，而将新闻阅读类、音乐类和游戏类的应用的清理概率阈值由0.8降低到0.7(新闻阅读类、音乐类、游戏类的应用的目标阈值变为0.7)。

在步骤S104中，按照记录到的该后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。

比如，在计算得到各类别的应用分别对应的目标阈值后，终端可以根据之前记录到的后台中各应用的清理概率值以及各类别的目标阈值，对后台应用进行清理。

例如，在后台中对各应用进行分类后，A应用属于即时通讯类，B应用属于新闻阅读类，C应用属于音乐类，D应用属于游戏类。即时通讯类的应用可以按照目标阈值0.85来判断是否可清理，而新闻阅读类、音乐类和游戏类的应用可以按照目标阈值0.7来判断是否可清理。

由于A应用的清理概率值为0.82小于0.85，因此本实施例可以不将A应用从后台清理。由于B应用的清理概率值为0.6小于0.7，因此可以不将B应用从后台清理。由于C应用的清理概率值为0.9大于0.7，因此可以将C应用从后台清理。由于D应用的清理概率值为0.75大于0.7，因此可以将D应用从后台清理。即，本实施例可以将应用C和D从后台清理。

可以理解的是，本实施例中，终端可以对后台应用进行分类，并在基础阈值的基础上为不同类别的应用分别确定出不同的目标阈值。然后，终端可以根据算法输出的各应用的清理概率值及其所属类别对应的目标阈值，来判断是否可以将本应用从后台清理掉。因此，本实施例可以提高对后台应用进行清理的灵活性。

请参阅图2，图2为本申请实施例提供的后台应用的清理方法的另一流程示意图，流程可以包括：

在步骤S201中，在利用配置的算法判断终端后台的应用是否允许被清理时，终端记录该算法输出的后台中各应用的清理概率值。

比如，在利用当前配置的算法判断位于终端后台的应用是否可清理时，终端可以记录该算法输出的后台中各应用的清理概率值。

例如，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。此时，终端可以先对后台中各应用及其清理概率值进行记录。

在步骤S202中，终端统计位于该后台的应用的数量。

比如，在对该算法输出的后台中各应用的清理概率值进行记录之后，终端可以统计位于后台的应用的数量，并检测该数量是否达到预设阈值。

如果检测到该数量未达到预设阈值，那么终端可以不对后台应用进行分类。在这种情况下，终端可以按照基础阈值来判断后台各应用是否可以被清理。即，对于清理概率值大于或等于基础阈值的后台应用，终端可以将其从后台清理。对于清理概率值小于基础阈值的后台应用，终端可以不将其从后台清理。

如果检测到该数量达到预设阈值，那么进入步骤S203。

在步骤S203中，若检测到该数量达到预设阈值，则终端获取该后台中各应用的应用名称关键字。

在步骤S204中，根据应用名称关键字，终端对该后台中各应用进行分类。

比如，步骤S203和S204可以包括：

终端检测到后台应用的数量大于或等于预设阈值，那么终端可以先获取后台各应用的应用名称关键字，并根据各应用的应用名称关键字对后台应用进行分类。

比如，终端可以将后台中的各应用分为即时通讯类、新闻阅读类、音乐类、游戏类等等。或者，终端也可以简单地将后台中各应用分为办公类、娱乐类等。可以理解的是，此处举例不构成对本申请实施例的限定。

例如，终端获取到的某个后台应用的名称为“XX通讯”，那么终端可以根据名称中的“通讯”，将该后台应用确定为即时通讯类应用。又如，终端获取到的某个后台应用的名称为“XX手游”，那么终端可以根据名称中的“手游”，将该后台应用确定为游戏类应用。

在步骤S205中，终端获取基础阈值的数值。

比如，在对后台中各应用进行分类之后，终端可以获取基础阈值的数值。

需要说明的是，基础阈值是预先设定的一个与该算法对应的概率阈值。例如，基础阈值的数值大小为0.8。也就是说，在不使用本申请方案的情况下，只要后台应用的清理概率值大于或等于0.8，那么就可以该后台应用从后台中清理掉。例如，该算法输出的后台应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。那么，在不使用本申请方案的情况下，终端可以将后台应用A和C清理掉(应用A和C的清理概率值均大于0.8)，而对于应用B和D则可以不清理(应用B和D的清理概率值均小于0.8)。

在步骤S206中，根据该基础阈值的数值，终端为该后台中各类别的应用分别确定出目标阈值。

比如，在获取到基础阈值的数值后，终端可以根据该基础阈值的数值，为后台中各类别的应用分别确定出一个目标阈值。

例如，基础阈值的数值为0.8，当前驻留在后台的应用包括即时通讯类、新闻阅读类、音乐类、游戏类的应用。那么，终端可以将即时通讯类的应用的清理概率阈值由0.8提高到0.85(即时通讯类的应用的目标阈值变为0.85)，而将新闻阅读类、音乐类和游戏类的应用的清理概率阈值由0.8降低到0.7(新闻阅读类、音乐类、游戏类的应用的目标阈值变为0.7)。

在一种实施方式中，终端可以根据基础阈值的数值以及当前时间，为各类别的后台应用确定出目标阈值。例如，终端可以先获取当前时间，并判断当前时间是否为工作日的工作时间。

若判断出当前时间为工作日的工作时间，则终端可以计算基础阈值与一正数的第一和值，并将该第一和值确定为与工作有关的后台应用类别的目标阈值。同时，终端可以计算基础阈值与一负数的第二和值，并将该第二和值确定为与工作无关的后台应用类别的目标阈值。

若判断出当前时间为工作日的非工作时间或非工作日时间，则终端可以计算基础阈值与另一正数的第三和值，并将该第三和值确定为与工作无关的后台应用类别的目标阈值。同时，终端可以计算基础阈值与另一负数的第四和值，并将该第四和值确定为与工作有关的后台应用类别的目标阈值。

在步骤S207中，终端获取该后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔。

在步骤S208中，对于该时间间隔大于预设时长的后台应用，终端按照记录到的清理概率值以及所属类别对应的目标阈值来判断是否进行清理。

比如，步骤S207和S208可以包括：

在计算得到各类别的应用分别对应的目标阈值后，终端可以获取该后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔。之后，终端可以检测各应用的安装时间与当前时间的时间间隔是否大于预设时长。

若检测到某一应用的安装时间与当前时间的时间间隔大于预设时长，则可以认为该应用是安装了较长时间的应用。对于这种应用，终端可以按照记录到的该应用的清理概率值及其所属类别对应的目标阈值来判断是否对其进行清理。

若检测到某一应用的安装时间与当前时间的时间间隔小于或等于预设时长，则可以认为该应用是刚安装的应用。对于这种应用，终端可以按照记录到的该应用的清理概率值及基础阈值来判断是否对其进行清理。

例如，在后台中对各应用进行分类后，A应用属于即时通讯类，B应用属于新闻阅读类，C应用属于音乐类，D应用属于游戏类。即时通讯类的应用可以按照目标阈值0.85来判断是否可清理，而新闻阅读类、音乐类和游戏类的应用可以按照目标阈值0.7来判断是否可清理。另外，终端检测到应用C的安装时间与当前时间的间隔小于预设时长，而应用A、B、D的安装时间与当前时间的间隔均大于预设时长。

那么，由于A应用的清理概率值为0.82小于0.85，因此本实施例可以不将A应用从后台清理。由于B应用的清理概率值为0.6小于0.7，因此可以不将B应用从后台清理。由于D应用的清理概率值为0.75大于0.7，因此可以将D应用从后台清理。由于C应用的清理概率值为0.9虽然大于0.7，但应用C的安装时间距离当前时间较近，可以认为是刚安装不久的应用，用户很有可能需要使用应用C，因此可以不将C应用从后台清理。即，本实施例可以将应用D从后台清理。

在一种实施方式中，本实施例还可以包括如下步骤：

根据用户输入的信息，终端对预设时长进行调整。

比如，用户可以根据自身的使用需要，在终端上输入预设的信息，用于对预设时长进行调整。比如，原来预设时长是2小时，即当某个应用的安装时间与当前时间的间隔小于2小时时，可以认为该应用为刚安装不久的应用。但用户的使用习惯不会在安装后的2小时再使用新安装的应用，而是在安装后的30分钟内就会多次使用。因此，用户可以输入一定的信息，将预设时长由默认的2小时修改为30分钟。

可以理解的是，通过允许用户对预设时长进行修改，可以进一步提高对后台应用进行清理的灵活性。

在一种实施方式中，除了可以根据应用名称关键字对后台应用进行分类外，终端还可以通过其他方式对后台应用进行分类。例如，应用商店中一般会对应用进行分类。因此，在终端安装某一应用时，如果是在应用商店中下载安装的，那么终端可以根据该应用在应用商店中的分类信息，对该应用进行类别标注。比如，E应用在应用商店中被划分为游戏类应用，那么终端在安装E应用时可以将E应用在应用商店中的分类信息即游戏类，标注在E应用上。这样，当E应用被切换到后台后，终端通过获取E应用的标注信息，即可得知E应用属于游戏类应用。

请参阅图3至图4，图3至图4为本申请实施例提供的后台应用的清理方法的场景示意图。

比如，用户将应用A由前台切换到后台从而触发终端对后台应用进行自动清理。此时，终端可以利用预先配置的算法输出后台中各应用的清理概率值。例如，在本次判断后台应用是否可清理时，如图3所示，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。之后，终端可以对后台中各应用及其清理概率值进行记录，并统计位于后台的应用的数量，以及检测该数量是否达到预设阈值。

例如，预设阈值为4。那么，终端可以检测到后台应用的数量达到预设阈值，此时终端可以获取后台各应用的应用名称关键字，并根据各应用的应用名称关键字对后台应用进行分类。例如，终端将后台中的应用A、B、C、D分别划分为即时通讯类、新闻阅读类、音乐类、游戏类应用。

然后，终端可以获取基础阈值的数值。例如，基础阈值的数值为0.8。

在获取到基础阈值的数值后，终端可以根据该基础阈值的数值，为后台中各类别的应用分别确定出一个目标阈值。

例如，终端可以将即时通讯类的应用的清理概率阈值由0.8提高到0.85(即时通讯类的应用的目标阈值变为0.85)，而将新闻阅读类、音乐类和游戏类的应用的清理概率阈值由0.8降低到0.7(新闻阅读类、音乐类、游戏类的应用的目标阈值变为0.7)。

在计算得到各类别的应用分别对应的目标阈值后，终端可以获取该后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔。之后，终端可以检测各应用的安装时间与当前时间的时间间隔是否大于预设时长。例如，终端检测到应用A、B、D的安装时间与当前时间的间隔均大于预设时长，而应用C的安装时间与当前时间的间隔小于预设时长。

对于安装时间与当前时间的时间间隔大于预设时长的应用，终端可以按照记录到的该应用的清理概率值及其所属类别对应的目标阈值来判断是否对其进行清理。而对于安装时间与当前时间的时间间隔小于或等于预设时长，终端可以按照记录到的该应用的清理概率值及基础阈值来判断是否对其进行清理。

例如，由于A应用的清理概率值为0.82小于0.85，因此本实施例可以不将A应用从后台清理。由于B应用的清理概率值为0.6小于0.7，因此可以不将B应用从后台清理。由于D应用的清理概率值为0.75大于0.7，因此可以将D应用从后台清理。由于C应用的清理概率值为0.9虽然大于0.7，但应用C的安装时间距离当前时间较近，可以认为是刚安装不久的应用，用户很有可能需要使用应用C，因此可以不将C应用从后台清理。即，本实施例可以将应用D从后台清理。如图4所示，对后台应用清理后，当前后台只剩下应用A、B、C。

请参阅图5，图5为本申请实施例提供的后台应用的清理装置的结构示意图。后台应用的清理装置300可以包括：记录模块301，分类模块302，确定模块303，以及清理模块304。

记录模块301，用于在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值。

比如，在利用当前配置的算法判断位于终端后台的应用是否可清理时，记录模块301可以记录该算法输出的后台中各应用的清理概率值。

例如，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。此时，记录模块301可以先对后台中各应用及其清理概率值进行记录。

分类模块302，用于对所述后台中各应用进行分类，并获取基础阈值的数值。

比如，在记录模块301对该算法输出的后台中各应用的清理概率值进行记录之后，分类模块302可以对后台中的各应用进行分类。

例如，分类模块302可以将后台中的各应用分为即时通讯类、新闻阅读类、音乐类、游戏类等等。或者，分类模块302也可以简单地将后台中各应用分为办公类、娱乐类等。可以理解的是，此处举例不构成对本申请实施例的限定。

在对后台中各应用进行分类之后，分类模块302可以获取基础阈值的数值。

需要说明的是，基础阈值是预先设定的一个与该算法对应的概率阈值。例如，基础阈值的数值大小为0.8。也就是说，在不使用本申请方案的情况下，只要后台应用的清理概率值大于或等于0.8，那么就可以该后台应用从后台中清理掉。例如，该算法输出的后台应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.75。那么，在不使用本申请方案的情况下，终端可以将后台应用A和C清理掉(应用A和C的清理概率值均大于0.8)，而对于应用B和D则可以不清理(应用B和D的清理概率值均小于0.8)。

确定模块303，用于根据所述基础阈值的数值，为所述后台中各类别的应用分别确定出目标阈值。

比如，在分类模块302获取到基础阈值的数值后，确定模块303可以根据该基础阈值的数值，为后台中各类别的应用分别确定出一个目标阈值。

例如，基础阈值的数值为0.8，当前驻留在后台的应用包括即时通讯类、新闻阅读类、音乐类、游戏类的应用。那么，确定模块303可以将即时通讯类的应用的清理概率阈值由0.8提高到0.85(即时通讯类的应用的目标阈值变为0.85)，而将新闻阅读类、音乐类和游戏类的应用的清理概率阈值由0.8降低到0.7(新闻阅读类、音乐类、游戏类的应用的目标阈值变为0.7)。

清理模块304，用于按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。

比如，在计算得到各类别的应用分别对应的目标阈值后，清理模块304可以根据之前记录到的后台中各应用的清理概率值以及各类别的目标阈值，对后台应用进行清理。

例如，在后台中对各应用进行分类后，A应用属于即时通讯类，B应用属于新闻阅读类，C应用属于音乐类，D应用属于游戏类。即时通讯类的应用可以按照目标阈值0.85来判断是否可清理，而新闻阅读类、音乐类和游戏类的应用可以按照目标阈值0.7来判断是否可清理。

由于A应用的清理概率值为0.82小于0.85，因此清理模块304可以不将A应用从后台清理。由于B应用的清理概率值为0.6小于0.7，因此清理模块304可以不将B应用从后台清理。由于C应用的清理概率值为0.9大于0.7，因此清理模块304可以将C应用从后台清理。由于D应用的清理概率值为0.75大于0.7，因此清理模块304可以将D应用从后台清理。即，本实施例可以将应用C和D从后台清理。

在一种实施方式中，所述分类模块302用于：统计位于所述后台的应用的数量；若检测到所述数量达到预设阈值，则对所述后台中各应用进行分类。

比如，在记录模块301对该算法输出的后台中各应用的清理概率值进行记录之后，分类模块302可以统计位于后台的应用的数量，并检测该数量是否达到预设阈值。

如果检测到该数量未达到预设阈值，那么终端可以不对后台应用进行分类。在这种情况下，终端可以按照基础阈值来判断后台各应用是否可以被清理。即，对于清理概率值大于或等于基础阈值的后台应用，终端可以将其从后台清理。对于清理概率值小于基础阈值的后台应用，终端可以不将其从后台清理。

如果终端检测到后台应用的数量大于或等于预设阈值，那么分类模块302可以对后台应用进行分类。

在一种实施方式中，所述分类模块302用于：获取所述后台中各应用的应用名称关键字；根据应用名称关键字，对所述后台中各应用进行分类。

比如，分类模块302可以先获取后台各应用的应用名称关键字，并根据各应用的应用名称关键字对后台应用进行分类。

例如，分类模块302获取到的某个后台应用的名称为“XX通讯”，那么分类模块302可以根据名称中的“通讯”，将该后台应用确定为即时通讯类应用。又如，分类模块302获取到的某个后台应用的名称为“XX手游”，那么分类模块302可以根据名称中的“手游”，将该后台应用确定为游戏类应用。

在一种实施方式中，所述清理模块304，用于获取所述后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔；对于所述时间间隔大于预设时长的后台应用，按照记录到的清理概率值以及所属类别对应的目标阈值来判断是否进行清理。

比如，在计算得到各类别的应用分别对应的目标阈值后，清理模块304可以获取该后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔。之后，清理模块304可以检测各应用的安装时间与当前时间的时间间隔是否大于预设时长。

若检测到某一应用的安装时间与当前时间的时间间隔大于预设时长，则可以认为该应用是安装了较长时间的应用。对于这种应用，清理模块304可以按照记录到的该应用的清理概率值及其所属类别对应的目标阈值来判断是否对其进行清理。

例如，在后台中对各应用进行分类后，A应用属于即时通讯类，B应用属于新闻阅读类，C应用属于音乐类，D应用属于游戏类。即时通讯类的应用可以按照目标阈值0.85来判断是否可清理，而新闻阅读类、音乐类和游戏类的应用可以按照目标阈值0.7来判断是否可清理。另外，终端检测到应用C的安装时间与当前时间的间隔小于预设时长，而应用A、B、D的安装时间与当前时间的间隔均大于预设时长。

那么，由于A应用的清理概率值为0.82小于0.85，因此清理模块304可以不将A应用从后台清理。由于B应用的清理概率值为0.6小于0.7，因此清理模块304可以不将B应用从后台清理。由于D应用的清理概率值为0.75大于0.7，因此清理模块304可以将D应用从后台清理。由于C应用的清理概率值为0.9虽然大于0.7，但应用C的安装时间距离当前时间较近，可以认为是刚安装不久的应用，用户很有可能需要使用应用C，因此可以不将C应用从后台清理。即，清理模块304可以只将应用D从后台清理。

请一并参阅图6，图6为本申请实施例提供的后台应用的清理装置的另一结构示意图。在一实施例中，后台应用的清理装置300还可以包括：调整模块305。

调整模块305，用于根据用户输入的信息，对所述预设时长进行调整。

比如，用户可以根据自身的使用需要，在终端上输入预设的信息，用于对预设时长进行调整。比如，原来预设时长是2小时，即当某个应用的安装时间与当前时间的间隔小于2小时时，可以认为该应用为刚安装不久的应用。但用户的使用习惯不会在安装后的2小时再使用新安装的应用，而是在安装后的30分钟内就会多次使用。因此，用户可以输入一定的信息，终端在接收到敖该信息后，可以触发调整模块305将预设时长由默认的2小时修改为30分钟。

本实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的后台应用的清理方法中的步骤。

本实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本实施例提供的后台应用的清理方法中的步骤。

例如，上述电子设备可以是诸如平板电脑或者智能手机等移动终端。请参阅图7，图7为本申请实施例提供的移动终端的结构示意图。

该移动终端400可以包括显示单元401、存储器402、处理器403等部件。本领域技术人员可以理解，图7中示出的移动终端结构并不构成对移动终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

显示单元401可以包括如显示屏等。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

处理器403是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。

在本实施例中，移动终端中的处理器403会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中，并由处理器403来运行存储在存储器402中的应用程序，从而实现步骤：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；对所述后台中各应用进行分类，并获取基础阈值的数值；根据所述基础阈值的数值，为所述后台中各类别的应用分别确定出目标阈值；按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。

请参阅图8，移动终端500可以包括显示单元501、存储器502、处理器503、输入单元504、输出单元505等部件。

显示单元501可以包括显示屏等。

存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序，从而执行各种功能应用以及数据处理。

处理器503是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器502内的应用程序，以及调用存储在存储器502内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。

输入单元504可用于接收输入的数字、字符信息或用户特征信息(比如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

输出单元505可用于显示由用户输入的信息或提供给用户的信息以及移动终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。输出单元可包括显示面板。

在本实施例中，移动终端中的处理器503会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中，并由处理器503来运行存储在存储器502中的应用程序，从而实现步骤：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；对所述后台中各应用进行分类，并获取基础阈值的数值；根据所述基础阈值的数值，为所述后台中各类别的应用分别确定出目标阈值；按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理。

在一种实施方式中，处理器503执行所述对所述后台中各应用进行分类的步骤时，可以执行：统计位于所述后台的应用的数量；若检测到所述数量达到预设阈值，则对所述后台中各应用进行分类。

在一种实施方式中，处理器503执行所述对所述后台中各应用进行分类的步骤时，可以执行：获取所述后台中各应用的应用名称关键字；根据应用名称关键字，对所述后台中各应用进行分类。

在一种实施方式中，处理器503执行所述按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理的步骤时，可以执行：获取所述后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔；对于所述时间间隔大于预设时长的后台应用，按照记录到的清理概率值以及所属类别对应的目标阈值来判断是否进行清理。

在一种实施方式中，处理器503还可以执行如下步骤：根据用户输入的信息，对所述预设时长进行调整。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对后台应用的清理方法的详细描述，此处不再赘述。

本申请实施例提供的所述后台应用的清理装置与上文实施例中的后台应用的清理方法属于同一构思，在所述后台应用的清理装置上可以运行所述后台应用的清理方法实施例中提供的任一方法，其具体实现过程详见所述后台应用的清理方法实施例，此处不再赘述。

需要说明的是，对本申请实施例所述后台应用的清理方法而言，本领域普通技术人员可以理解实现本申请实施例所述后台应用的清理方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在存储器中，并被至少一个处理器执行，在执行过程中可包括如所述后台应用的清理方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器(ROM，ReadOnly Memory)、随机存取记忆体(RAM，Random Access Memory)等。

对本申请实施例的所述后台应用的清理装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。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，所述存储介质譬如为只读存储器，磁盘或光盘等。

以上对本申请实施例所提供的一种后台应用的清理方法、装置、存储介质以及电子设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种后台应用的清理方法，其特征在于，包括：

在利用配置的算法判断终端后台的应用是否允许被清理时，所述算法对用户的应用使用行为进行学习，并根据学习到的用户行为习惯判断位于所述终端后台的应用是否可清理，得到后台中各应用的清理概率值，并记录所述算法输出的后台中各应用的清理概率值，所述清理概率值用于表征后台应用可清理的概率；

对所述后台中各应用进行分类，并获取基础阈值的数值；

获取当前时间；

如果所述当前时间为工作日的工作时间，则计算所述基础阈值与一正数的第一和值，并将所述第一和值确定为与工作有关的后台应用类别的目标阈值，以及计算所述基础阈值与一负数的第二和值，并将所述第二和值确定为与工作无关的后台应用类别的目标阈值；

如果当前时间为工作日的非工作时间或非工作日时间，则计算所述基础阈值与另一正数的第三和值，并将所述第三和值确定为与工作无关的后台应用类别的目标阈值，以及计算所述基础阈值与另一负数的第四和值，并将所述第四和值确定为与工作有关的后台应用类别的目标阈值；

判断所述后台中各应用的清理概率值是否大于各应用所属类别对应的目标阈值，并根据判断结果，清理所述后台中清理概率值大于目标阈值的应用程序。

2.根据权利要求1所述的后台应用的清理方法，其特征在于，所述对所述后台中各应用进行分类，包括：

统计位于所述后台的应用的数量；

若检测到所述数量达到预设阈值，则对所述后台中各应用进行分类。

3.根据权利要求1所述的后台应用的清理方法，其特征在于，所述对所述后台中各应用进行分类，包括：

获取所述后台中各应用的应用名称关键字；

根据应用名称关键字，对所述后台中各应用进行分类。

4.根据权利要求3所述的后台应用的清理方法，其特征在于，按照记录到的所述后台中各应用的清理概率值以及各应用所属类别对应的目标阈值，对后台应用进行清理，包括：

获取所述后台中各应用的安装时间，并计算各应用的安装时间与当前时间的时间间隔；

对于所述时间间隔大于预设时长的后台应用，按照记录到的清理概率值以及所属类别对应的目标阈值来判断是否进行清理。

5.根据权利要求4所述的后台应用的清理方法，其特征在于，所述方法还包括：

根据用户输入的信息，对所述预设时长进行调整。

6.一种后台应用的清理装置，其特征在于，包括：

记录模块，用于在利用配置的算法判断终端后台的应用是否允许被清理时，所述算法对用户的应用使用行为进行学习，并根据学习到的用户行为习惯判断位于所述终端后台的应用是否可清理，得到后台中各应用的清理概率值，并记录所述算法输出的后台中各应用的清理概率值，所述清理概率值用于表征后台应用可清理的概率；

分类模块，用于对所述后台中各应用进行分类，并获取基础阈值的数值；

确定模块，用于获取当前时间，如果所述当前时间为工作日的工作时间，则计算所述基础阈值与一正数的第一和值，并将所述第一和值确定为与工作有关的后台应用类别的目标阈值，以及计算所述基础阈值与一负数的第二和值，并将所述第二和值确定为与工作无关的后台应用类别的目标阈值，如果当前时间为工作日的非工作时间或非工作日时间，则计算所述基础阈值与另一正数的第三和值，并将所述第三和值确定为与工作无关的后台应用类别的目标阈值，以及计算所述基础阈值与另一负数的第四和值，并将所述第四和值确定为与工作有关的后台应用类别的目标阈值；

清理模块，用于判断所述后台中各应用的清理概率值是否大于各应用所属类别对应的目标阈值，并根据判断结果，清理所述后台中清理概率值大于目标阈值的应用程序。

7.根据权利要求6所述的后台应用的清理装置，其特征在于，所述分类模块用于：

统计位于所述后台的应用的数量；

若检测到所述数量达到预设阈值，则对所述后台中各应用进行分类。

8.根据权利要求7所述的后台应用的清理装置，其特征在于，所述分类模块用于：

获取所述后台中各应用的应用名称关键字；

根据应用名称关键字，对所述后台中各应用进行分类。

9.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上执行时，使得所述计算机执行如权利要求1至5中任一项所述的方法。

10.一种电子设备，包括存储器，处理器，其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如权利要求1至5中任一项所述的方法。

Images