CN108469975A - 控件显示方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种控件显示方法、装置、计算机设备和存储介质。所述方法包括：获取预设时长内用户界面中发生的多个触摸事件；用户界面中包括与触摸事件相对应的被触摸控件；提取被触摸控件的控件标识和触摸时间；根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组；将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率；根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。采用本方法能够调整控件的显示位置以实现用户界面个性化定制。

Description

控件显示方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种控件显示方法、装置、计算机设备和存储介质。

背景技术

随着智能终端的发展，人们对用户界面的要求随之提高。用户界面(UserInterface，简称UI)是智能终端和用户之间进行交互和信息交换的媒介。传统应用程序的用户界面通常是在版本发布之前就预设好的，用户界面中的控件的显示位置通常是固定的。

然而，随着应用程序的完善化、综合化，应用程序的一个用户界面上往往会包含大量不同功能的控件。由于不同用户对控件的使用通常有不同的需求，常用的控件也会有所不同。用户有时需要下拉或翻页才能选取到所需的控件。因此，如何针对用户的个性化需求对界面中控件的显示位置进行调节成为目前需要解决的一个技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够调整控件的显示位置以实现用户界面个性化定制的控件显示方法、装置、计算机设备和存储介质。

一种控件显示方法，所述方法包括：获取预设时长内用户界面中发生的多个触摸事件；所述用户界面中包括与所述触摸事件相对应的被触摸控件；提取所述被触摸控件的控件标识和触摸时间；根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组；将所述触摸事件数组输入预设的机器学习模型，得到所述被触摸控件对应的触摸概率；根据所述触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

在其中一个实施例中，所述触摸事件数组由被触摸控件在所述预设时长内的多个预设时间区间对应的触摸次数构成；所述将所述触摸事件数组输入预设的机器学习模型，得到所述被触摸控件对应的触摸概率，包括：获取所述用户界面对应的触摸历史数组；将所述触摸事件数组和所述触摸历史数组输入预设的机器学习模型；通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值；根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率。

在其中一个实施例中，所述通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值，包括：统计所述触摸事件数组对应的样本数据数量；所述样本数据数量为所述触摸事件数组中触摸次数的数量；当所述触摸事件数组中的样本数据数量小于预设阈值时，通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。

在其中一个实施例中，所述通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值，包括：对每个被触摸控件的触摸历史数组进行计算，得到每个被触摸控件对应的触摸次数的总体平均值；对每个被触摸控件的触摸事件数组进行计算，得到每个被触摸控件对应的触摸次数的样本平均值和样本标准偏差；根据所述总体平均值、所述样本平均值和所述样本标准偏差进行计算，得到检验统计量，并根据所述检验统计量在预设概率表中查找对应的检验概率区间；根据所述检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。

在其中一个实施例中，所述根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组，包括：根据所述控件标识所对应的触摸时间，统计触摸时间处于所述预设时长内每个预设时间区间的触摸事件的数量，作为相应预设时间区间对应的触摸次数；根据每个预设时间区间对应的触摸次数，生成所述控件标识对应的触摸事件数组。

在其中一个实施例中，所述方法还包括：确定触摸事件的触摸事件类别；所述根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组，包括：根据所述控件标识所属触摸事件的触摸事件类别，对多个控件标识进行分类；根据分类后的多个控件标识和相应的触摸时间，生成所述控件标识在相同触摸事件类别下的触摸事件数组。

在其中一个实施例中，所述根据所述触摸概率对多个被触摸控件在用户界面中的显示位置进行调整，包括：按照被触摸控件的触摸概率对被触摸控件进行排序；将排序后处于前预设个数的被触摸控件在用户界面中的显示位置调整为置顶位置。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述各个实施例中所述的控件显示方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各个实施例中所述的控件显示方法的步骤。

上述控件显示方法、装置、计算机设备和存储介质，通过获取预设时长内用户界面中发生的多个触摸事件，根据每个被触摸控件发生触摸事件的触摸时间，生成触摸事件数组。通过将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率。终端可根据被触摸控件对应的触摸概率对被触摸控件在用户界面中的显示位置进行调整，使得可将常用的被触摸控件置于便于被选取的显示位置。这种控件显示方法能够调整控件的显示位置以实现用户界面个性化定制，从而提高用户界面的操作便捷性。

附图说明

图1为一个实施例中控件显示方法的应用场景图；

图2为一个实施例中控件显示方法的流程示意图；

图3为一个实施例中概率论t分布表的示意图；

图4为一个实施例中控件显示装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一被触摸控件称为第二被触摸控件，且类似地，可将第二被触摸控件称为第一被触摸控件。第一被触摸控件和第二被触摸控件两者都是被触摸控件，但其不是同一被触摸控件。

本申请提供的控件显示方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端102上运行有操作系统，操作系统上运行了应用程序，终端102通过该应用程序实施控件显示方法。终端102在获取预设时长内用户界面中发生的多个触摸事件之后，可提取被触摸控件的控件标识和触摸时间。终端102可根据控件标识对应的触摸时间，生成触摸事件数组。终端102可将将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率，并根据触摸概率对终端102中多个控件在用户界面中的显示位置进行调整。终端102还可将触摸事件数据输入服务器104中预设的机器学习模型，服务器104通过预设的机器学习模型分析得到被触摸控件对应的触摸概率。服务器104还可将被触摸控件对应的触摸概率发送至终端102，使得终端102可根据触摸概率对终端102中多个控件在用户界面中的显示位置进行调整。

在一个实施例中，如图2所示，提供了一种控件显示方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：

步骤202，获取预设时长内用户界面中发生的多个触摸事件；用户界面中包括与触摸事件相对应的被触摸控件。

用户界面(User Interface，简称UI)是终端和用户之间进行交互和信息交换的媒介。用户界面可以是应用程序的用户界面。终端上运行有操作系统，并在操作系统上运行了应用程序。操作系统(Operating System，简称OS)是管理和控制终端硬件与软件资源的计算机程序，是直接运行在终端上的最基本的系统软件，应用程序需要在操作系统的支持下运行。其中，应用程序可以是社交应用程序、邮件应用程序或者网购应用程序等，但不限于此。

触摸事件是指用户作用于终端中用户界面上的触摸操作所对应的事件。触摸事件包括但不限于作用于用户界面中被触摸控件的点击操作、长按操作及滑动操作等。滑动操作是指用于触发被触摸控件移动的操作。其中，被触摸控件是指处于用户界面中，可由触摸操作触发的用于实现相应功能的可视化图形控件。被触摸控件包括但不限于按钮控件、文本框控件、下拉列表控件等。

在一个实施例中，终端中安装了插件SDK(Software Development Kit，软件开发工具包)。SDK是基于开源的用户界面跨平台框架预先开发生成的脚本。用户界面跨平台框架可以是React Native框架(一种开源的跨平台移动应用开发框架)或Weex框架(一种针对动态编程和发布项目的一个可扩展、跨平台的解决方案)等。SDK包括数据采集脚本、触摸事件拦截脚本和触摸事件上报脚本等，用于数据采集、触摸事件拦截和触摸事件上报等。终端可通过SDK拦截用户在多个应用程序的用户界面中实施的触摸事件，并确定与该触摸事件对应的被触摸控件。通过插件SDK捕捉了用户界面中发生的触摸事件之后，可按照捕捉触摸事件的时间顺序存储触摸事件，并每隔预设时长提取出所存储的多个触摸事件。

步骤204，提取被触摸控件的控件标识和触摸时间。

控件标识是指用于将每个被触摸控件区分与其他被触摸控件的标识，且控件标识可为全局唯一标识。控件标识可为被触摸控件的名称或编号。控件标识可以是包括数字、字母和符号中至少一种字符的字符串。触摸时间是指用户界面中的被触摸控件发生触摸事件的时间。触摸时间与发生触摸事件的被触摸控件的控件标识相对应，且一个被触摸控件可对应多个触摸时间。

在一个实施例中，当应用程序包含多个用户界面时，还可提取控件标识所处用户界面的视图标识。还可根据从触摸事件中提取的用户界面的视图标识、被触摸控件的控件标识和触摸时间生成一条触摸日志。按照触摸时间将触摸日志存储至应用程序所指定的存储位置。

步骤206，根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组。

触摸事件数组是指根据从预设时长内的多个触摸事件中所提取的触摸时间，所生成的针对每个被触摸控件的数组。触摸事件数组是有序的元素序列，可以是一维数组，也可以是二维数组，还可以是多维数组。组成触摸事件数组的各个元素可称为触摸事件数组的分量。可对触摸事件数组中每个元素预设数字编号作为下标，用于区分触摸事件数组中的各个元素。

在一个实施例中，根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组，包括：根据控件标识所对应的触摸时间，统计触摸时间处于预设时长内每个预设时间区间的触摸事件的数量，作为相应预设时间区间对应的触摸次数；根据每个预设时间区间对应的触摸次数，生成控件标识对应的触摸事件数组。

预设时间区间是指按照预先设定的时间点划分的时间区间。触摸次数是指被触摸控件发生触摸事件的次数。触摸时间处于预设时长内每个预设时间区间的触摸事件的数量，即可作为该预设时间区间内发生触摸事件的次数。

比如说，预设时长可为一周，可将一周内的每天00:00至24:00作为一个预设时间区间。根据每个触摸标识对应的触摸时间，统计每天中每个被触摸控件对应的触摸事件的触摸次数。将一周内一个被触摸控件对应的七个触摸次数生成一维的触摸事件数组。比如第一被触摸控件在第一天、第二天、……、第七天对应的触摸事件的触摸次数分别为3、5、7、10、8、4、6，则该第一被触摸控件对应的第一触摸事件数组为{3，5，7，10，8，4，20}。第二被触摸控件在第一天、第二天、……、第七天对应的触摸事件的触摸次数分别为10、15、17、1、18、14、3，则该第二被触摸控件对应的第二触摸事件数组为{10，15，17，1，18，14，3}。

步骤208，将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率。

触摸概率是指用户界面中的被触摸控件发生触摸事件的概率。预设的机器学习模型是指经过训练后具有根据触摸事件数组计算被触摸控件对应的触摸概率的机器学习模型。机器学习模型为根据机器学习(Machine Learning，简称ML)技术进行训练，而构建出来的模型。该机器学习模型可采用神经网络模型，支持向量机(Support Vector Machine，简称SVM)或者逻辑回归模型等。

步骤210，根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

用户界面中可包括多个控件。控件可包括预设时长内发生过触摸事件的被触摸控件和预设时长内没发生过触摸事件的闲置控件。显示位置是指控件在用户界面中进行显示的坐标位置。终端可根据每个被触摸控件对应的触摸概率对相应被触摸控件的位置进行调整，也可以根据每个被触摸控件对应的触摸概率对预设个数的触摸控件的位置进行调整。比如说，可以根据触摸概率仅对被触摸控件的显示位置进行调整，还可对被触摸控件以及闲置控件的显示位置都进行调整。

在一个实施例中，终端可直接定义控件的显示位置。控件的显示位置可以是居中显示或置顶显示等。比如说，终端可定义被触摸控件上侧边缘与用户界面上侧边缘的距离为第一预设值，比如说10pd(device independent pixels设备独立像素)，被触摸控件左侧边缘与用户界面左侧边缘的距离为用户界面宽度与被触摸控件宽度之差的二分之一，以实现被触摸控件置顶显示。

在一个实施例中，根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整，包括：按照被触摸控件的触摸概率对被触摸控件进行排序；将排序后处于前预设个数的被触摸控件在用户界面中的显示位置调整为置顶位置。

前预设个数的被触摸控件包括从排序第一位至排序第预设个数位的被触摸控件。举例来说，用户界面中包括10个被触摸控件，在计算得到每个被触摸控件对应的触摸概率之后，可根据触摸概率对被触摸控件进行排序，比如说，按照触摸概率从大到小对被触摸控件进行排序。比如说，排序后的触摸控件的触摸概率分别为：90％、80％、85％、70％、65％、40％、30％、20％、18％、12％。可以直接设置前预设个数，比如前3个，则将排在前3个被触摸控件在用户界面中的显示位置调整为置顶位置。还可将触摸概率大于预设阈值的被触摸控件调整为置顶位置，比如可将触摸概率大于60％的被触摸控件调整为置顶位置，则需对前5个被触摸控件的显示位置进行调整。

在一个实施例中，终端可定义控件与参考目标的相对位置。该参考目标可以是用户界面中的其他控件。其中参考位置是指控件以参考目标为基准，在某个方位上的偏移距离。比如说，终端在需要进行控件显示时，确定所有被触摸控件对应的触摸概率中最大触摸概率所对应的第一被触摸控件之后，可定义第一被触摸控件的显示位置为置顶位置。第二大触摸概率所对应的第二被触摸控件的显示位置可为，处于第一被触摸控件的水平向右方位，且与第一被触摸控件的显示位置相距10pd的位置。

在一个实施例中，终端可根据触摸概率调整多个控件相应的绘制数据，根据绘制数据生成用户界面。绘制数据是指按照预设界面编程语言编写的用于绘制用户界面的数据。绘制数据可以定义控件的显示位置及控件样式等。控件的显示位置包括控件在控件列表中所处的行位置或列位置，或者控件在用户界面对应的视图层位置，还可以是控件在用户界面布局中的位置，但不限于此。控件样式包括控件的颜色、形状或背景图像等其他样式。

上述控件显示方法中，通过获取预设时长内用户界面中发生的多个触摸事件，根据每个被触摸控件发生触摸事件的触摸时间，生成触摸事件数组。通过将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率。终端可根据被触摸控件对应的触摸概率对被触摸控件在用户界面中的显示位置进行调整，使得可将常用的被触摸控件置于便于被选取的显示位置。这种控件显示方法能够调整控件的显示位置以实现用户界面个性化定制，从而提高用户界面的操作便捷性。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，触摸事件数组由被触摸控件在预设时长内的多个预设时间区间对应的触摸次数构成；将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率，包括：获取用户界面对应的触摸历史数组；将触摸事件数组和触摸历史数组输入预设的机器学习模型；通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值；根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率。

触摸历史数组是指自从触摸事件被记录以来，根据针对每个被触摸控件对应的所有触摸次数所生成的数组。用户界面中包含多个被触摸控件，每个被触摸控件都可具有相应的触摸历史数组。在训练机器学习模型时，可将被触摸控件的触摸历史数组拆分为多个样本对机器学习模型进行训练。当训练达到需求时则可将训练完成的机器学习模型作为预设的机器学习模型。终端将触摸事件数组和触摸历史数组输入预设的机器学习模型之后，机器学习模型可根据触摸事件数组和触摸历史数组进行分析。机器学习模型可将被触摸控件对应的触摸次数的预测平均值作为输出，也可将被触摸控件的触摸概率作为输出。其中预测平均值是指，在下一个预设时长内用户界面中的被触摸控件发生触摸事件的预测次数。

在一个实施例中，该预设的机器学习模型还可部署于服务器中，终端可将与控件标识对应的触摸事件数组和触摸历史数组发送至服务器中预设的机器学习模型进行分析。服务器通过机器学习模型输出与控件标识对应的触摸概率之后，可将该触摸概率发送至终端，使得终端根据触摸概率进行进一步处理。

在一个实施例中，根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率，可以是根据多个被触摸控件的预测平均值对多个被触摸控件进行排序，根据排序位次查找对应的触摸概率。比如，排序位次的第一的触摸概率可预设为50％，排序位次的第二的触摸概率可预设为25％，以此类推。还可以是按照被触摸控件的预测平均值，在所有被触摸控件的预测平均值之和中的占比，计算得到被触摸控件的触摸概率。

在一个实施例中，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值，包括：统计触摸事件数组对应的样本数据数量；样本数据数量为触摸事件数组中触摸次数的数量；当触摸事件数组中的样本数据数量小于预设阈值时，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。

样本数据数量为触摸事件数组中触摸次数的数量。比如说，第一被触摸控件对应的第一触摸事件数组为{3，5，7，10，8，4，20}，则第一触摸事件数组对应的样本数据数量为7。当触摸历史数组的数据数量较大时，可认为触摸历史数组符合总体标准差未知的正态分布。当触摸事件数组中的样本数据数量小于预设阈值时，比如小于30个时，可进行第一假设检验分析。假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是：根据问题的需要对所研究的总体作零假设，记作H0；选取合适的统计量，这个统计量的选取要使得在零假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受零假设H0的判断。第一假设检验分析为针对样本数据的样本数据数量较小，且总体数据符合总体标准差未知的正态分布的假设检验分析。第一假设检验分析包括但不限于T检验(用T分布理论来推论差异发生的概率，也称student T检验)。

上述实施例中，通过第一假设检验分析，能够在触摸事件数组的样本数据数量较小的情况下，根据总体数据量较大的触摸历史数组分析得到被触摸控件对应的触摸次数的第一预测平均值。提高了第一预测平均值的精准度。

在一个实施例中，当触摸事件数组中的样本数据数量大于预设阈值时，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第二假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。第二假设检验分析为针对样本数据的样本数据数量较大，且总体数据符合总体标准差未知的正态分布的假设检验分析。

在一个实施例中，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值，包括：对每个被触摸控件的触摸历史数组进行计算，得到每个被触摸控件对应的触摸次数的总体平均值；对每个被触摸控件的触摸事件数组进行计算，得到每个被触摸控件对应的触摸次数的样本平均值和样本标准偏差；根据总体平均值、样本平均值和样本标准偏差进行计算，得到检验统计量，并根据检验统计量在预设概率表中查找对应的检验概率区间；根据检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。

对触摸事件数组和触摸历史数组进行第一假设检验分析，首先需要针对被触摸控件预设一个零假设H0：被触摸控件的第一预测平均值μ等于预设平均值μ₀。当计算得到的检验统计量为正值时，对立假设为被触摸控件的第一预测平均值μ大于μ₀；当计算得到的检验统计量为负值时，对立假设为被触摸控件的第一预测平均值μ小于μ₀。

当被触摸控件的触摸历史数组的历史数据数量较大时，可认为总体服从正态分布N(μ₀，σ)。其中，σ为总体标准差。可根据触摸历史数组μ＝{μ₁，μ₂，……μ_m}计算出被触摸控件的总体平均值作为初始的预设平均值。其中，m为触摸历史数组的历史数据数量。可根据被触摸控件的触摸事件数组x＝{x₁，x₂，……x_n}，计算出被触摸控件的样本平均值和样本标准偏差其中，n为触摸事件数组的样本数据数量。根据总体平均值μ₀、样本平均值样本数据数量n和样本标准偏差s计算检验统计量检验统计量t遵从自由度为n-1的t分布。

图3为概率论t分布表的示意图。图3仅展示出自由度n-1的范围为1至30，概率节点为0.25、0.10、0.05、0.025、0.01、0.005的部分概率论t分布表，可以理解，实际的概率论t分布表不限于此。得到检验统计量t和自由度n-1之后，可根据图3所示的概率论t分布表中查找出相应的检验概率区间。由于概率论t分布是对称的，所以在查表的时候不考虑检验统计量t的正负，可以认为是根据检验统计量t的绝对值和自由度n-1来查找对应的检验概率区间。比如说，当得到检验统计量t为2.17，自由度n-1为6时，可以从表中查找到检验概率区间为0.05至0.025。根据检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。比如说，当检验概率区间的上限小于预设阈值时，比如0.05时，则认为可以拒绝零假设H0；当检验概率区间的下限大于预设阈值时，比如0.05时，则认为可以零假设H0被触摸控件的第一预测平均值μ等于预设平均值μ₀成立。另外，当拒绝零假设H0时，可根据检验统计量t的正负判断被触摸控件的第一预测平均值μ大于或小于μ₀。当计算得到的检验统计量t为正值时，对立假设为被触摸控件的第一预测平均值μ大于μ₀；当计算得到的检验统计量t为负值时，对立假设为被触摸控件的第一预测平均值μ小于μ₀。可通过机器学习不断根据第一假设检验分析的分析结果调整预设平均值μ₀，直至将第一预测平均值μ的取值区间小于预设的区间范围，并将得到取值区间的中位数作为第一预测平均值。比如说，当通过分析得到第一预测平均值μ的取值区间为8至10，则将9作为第一预测平均值。

上述实施例中，通过结合第一假设检验分析和机器学习模型，对被触摸控件的触摸事件数组和触摸历史数组进行自动化分析，节省了人力分析的工作量，且提高了计算得到第一平均值的效率。在不断获得触摸事件数组之后，可对机器学习模型进行不断地训练，从而提高第一平均值的精准度。

在一个实施例中，该方法还包括：确定触摸事件的触摸事件类别；根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组，包括：根据控件标识所属触摸事件的触摸事件类别，对多个控件标识进行分类；根据分类后的多个控件标识和相应的触摸时间，生成控件标识在相同触摸事件类别下的触摸事件数组。

触摸事件类别是指触摸事件的类别，包括但不限于点击操作、长按操作及滑动操作等。滑动操作是指用于触发被触摸控件移动的操作。可通过AOP(Aspect OrientedProgramming,面向切面编程)技术获取用户针对终端用户界面的触摸事件。可针对每种控件类植入相应的埋点代码。比如说，可通过Hook函数(钩子函数)确定触摸事件的触摸事件类别。Hook函数可拦截以下类的方法：UIApplication类，收集的触摸事件包括UIControl控件、自定义添加的导航栏的BarButtonItem控件、UITabBarButton控件的点击操作；UIGestureReconizer类，收集的触摸事件为手势操作，包括轻击操作(tap)、长按操作(longpress)；UITableView类和UICollectionView类，收集的触摸事件为列表点击；UINavigationController类，收集的触摸事件为导航栏系统返回按钮点击操作。通过在被触摸控件的类中植入埋点代码，能够节约埋点的时间，提高获取触摸事件的效率。还可在终端即可完成触摸事件的采集，无需将触摸事件传入后台，可以避免泄露用户隐私。

在一个实施例中，如图4所示，提供了一种控件显示装置400，包括：获取模块402，用于获取预设时长内用户界面中发生的多个触摸事件；用户界面中包括与触摸事件相对应的被触摸控件；提取模块404，用于提取被触摸控件的控件标识和触摸时间；数组生成模块406，用于根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组；学习模块408，用于将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率；显示模块410，用于根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

在一个实施例中，触摸事件数组由被触摸控件在预设时长内的多个预设时间区间对应的触摸次数构成；学习模块408还用于获取用户界面对应的触摸历史数组；将触摸事件数组和触摸历史数组输入预设的机器学习模型；通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值；根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率。

在一个实施例中，学习模块408还用于统计触摸事件数组对应的样本数据数量；样本数据数量为触摸事件数组中触摸次数的数量；当触摸事件数组中的样本数据数量小于预设阈值时，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。

在一个实施例中，学习模块408还用于对每个被触摸控件的触摸历史数组进行计算，得到每个被触摸控件对应的触摸次数的总体平均值；对每个被触摸控件的触摸事件数组进行计算，得到每个被触摸控件对应的触摸次数的样本平均值和样本标准偏差；根据总体平均值、样本平均值和样本标准偏差进行计算，得到检验统计量，并根据检验统计量在预设概率表中查找对应的检验概率区间；根据检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。

在一个实施例中，数组生成模块406还用于根据控件标识所对应的触摸时间，统计触摸时间处于预设时长内每个预设时间区间的触摸事件的数量，作为相应预设时间区间对应的触摸次数；根据每个预设时间区间对应的触摸次数，生成控件标识对应的触摸事件数组。

在一个实施例中，数组生成模块406还用于确定触摸事件的触摸事件类别；根据控件标识所属触摸事件的触摸事件类别，对多个控件标识进行分类；根据分类后的多个控件标识和相应的触摸时间，生成控件标识在相同触摸事件类别下的触摸事件数组。

在一个实施例中，显示模块410还用于按照被触摸控件的触摸概率对被触摸控件进行排序；将排序后处于前预设个数的被触摸控件在用户界面中的显示位置调整为置顶位置。

关于控件显示装置的具体限定可以参见上文中对于控件显示方法的限定，在此不再赘述。上述控件显示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种控件显示方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取预设时长内用户界面中发生的多个触摸事件；用户界面中包括与触摸事件相对应的被触摸控件；提取被触摸控件的控件标识和触摸时间；根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组；将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率；根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

在一个实施例中，触摸事件数组由被触摸控件在预设时长内的多个预设时间区间对应的触摸次数构成；处理器执行计算机程序时，所实现的将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率的步骤，包括以下步骤：获取用户界面对应的触摸历史数组；将触摸事件数组和触摸历史数组输入预设的机器学习模型；通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值；根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率。

在一个实施例中，处理器执行计算机程序时，所实现的通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值的步骤，包括以下步骤：统计触摸事件数组对应的样本数据数量；样本数据数量为触摸事件数组中触摸次数的数量；当触摸事件数组中的样本数据数量小于预设阈值时，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。

在一个实施例中，处理器执行计算机程序时，所实现的通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值的步骤，包括以下步骤：对每个被触摸控件的触摸历史数组进行计算，得到每个被触摸控件对应的触摸次数的总体平均值；对每个被触摸控件的触摸事件数组进行计算，得到每个被触摸控件对应的触摸次数的样本平均值和样本标准偏差；根据总体平均值、样本平均值和样本标准偏差进行计算，得到检验统计量，并根据检验统计量在预设概率表中查找对应的检验概率区间；根据检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。

在一个实施例中，处理器执行计算机程序时，所实现的根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组的步骤，包括以下步骤：根据控件标识所对应的触摸时间，统计触摸时间处于预设时长内每个预设时间区间的触摸事件的数量，作为相应预设时间区间对应的触摸次数；根据每个预设时间区间对应的触摸次数，生成控件标识对应的触摸事件数组。

在一个实施例中，处理器执行计算机程序时，还实现以下步骤：确定触摸事件的触摸事件类别；所实现的根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组的步骤，包括：根据控件标识所属触摸事件的触摸事件类别，对多个控件标识进行分类；根据分类后的多个控件标识和相应的触摸时间，生成控件标识在相同触摸事件类别下的触摸事件数组。

在一个实施例中，处理器执行计算机程序时，所实现的根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整的步骤，包括以下步骤：按照被触摸控件的触摸概率对被触摸控件进行排序；将排序后处于前预设个数的被触摸控件在用户界面中的显示位置调整为置顶位置。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取预设时长内用户界面中发生的多个触摸事件；用户界面中包括与触摸事件相对应的被触摸控件；提取被触摸控件的控件标识和触摸时间；根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组；将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率；根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

在一个实施例中，触摸事件数组由被触摸控件在预设时长内的多个预设时间区间对应的触摸次数构成；计算机程序被处理器执行时，所实现的将触摸事件数组输入预设的机器学习模型，得到被触摸控件对应的触摸概率的步骤，包括以下步骤：获取用户界面对应的触摸历史数组；将触摸事件数组和触摸历史数组输入预设的机器学习模型；通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值；根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率。

在一个实施例中，计算机程序被处理器执行时，所实现的通过预设的机器学习模型对触摸事件数组和触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值的步骤，包括以下步骤：统计触摸事件数组对应的样本数据数量；样本数据数量为触摸事件数组中触摸次数的数量；当触摸事件数组中的样本数据数量小于预设阈值时，通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。

在一个实施例中，计算机程序被处理器执行时，所实现的通过预设的机器学习模型对触摸事件数组和触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值的步骤，包括以下步骤：对每个被触摸控件的触摸历史数组进行计算，得到每个被触摸控件对应的触摸次数的总体平均值；对每个被触摸控件的触摸事件数组进行计算，得到每个被触摸控件对应的触摸次数的样本平均值和样本标准偏差；根据总体平均值、样本平均值和样本标准偏差进行计算，得到检验统计量，并根据检验统计量在预设概率表中查找对应的检验概率区间；根据检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。

在一个实施例中，计算机程序被处理器执行时，所实现的根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组的步骤，包括以下步骤：根据控件标识所对应的触摸时间，统计触摸时间处于预设时长内每个预设时间区间的触摸事件的数量，作为相应预设时间区间对应的触摸次数；根据每个预设时间区间对应的触摸次数，生成控件标识对应的触摸事件数组。

在一个实施例中，计算机程序被处理器执行时，还实现以下步骤：确定触摸事件的触摸事件类别；所实现的根据控件标识所对应的触摸时间，生成控件标识对应的触摸事件数组的步骤，包括：根据控件标识所属触摸事件的触摸事件类别，对多个控件标识进行分类；根据分类后的多个控件标识和相应的触摸时间，生成控件标识在相同触摸事件类别下的触摸事件数组。

在一个实施例中，计算机程序被处理器执行时，所实现的根据触摸概率对多个被触摸控件在用户界面中的显示位置进行调整的步骤，包括以下步骤：按照被触摸控件的触摸概率对被触摸控件进行排序；将排序后处于前预设个数的被触摸控件在用户界面中的显示位置调整为置顶位置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种控件显示方法，所述方法包括：

获取预设时长内用户界面中发生的多个触摸事件；所述用户界面中包括与所述触摸事件相对应的被触摸控件；

提取所述被触摸控件的控件标识和触摸时间；

根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组；

将所述触摸事件数组输入预设的机器学习模型，得到所述被触摸控件对应的触摸概率；

根据所述触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

2.根据权利要求1所述的方法，其特征在于，所述触摸事件数组由被触摸控件在所述预设时长内的多个预设时间区间对应的触摸次数构成；所述将所述触摸事件数组输入预设的机器学习模型，得到所述被触摸控件对应的触摸概率，包括：

获取所述用户界面对应的触摸历史数组；

将所述触摸事件数组和所述触摸历史数组输入预设的机器学习模型；

通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值；

根据多个被触摸控件的预测平均值进行计算，得到每个被触摸控件的触摸概率。

3.根据权利要求2所述的方法，其特征在于，所述通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行分析，得到每个被触摸控件对应的触摸次数的预测平均值，包括：

统计所述触摸事件数组对应的样本数据数量；所述样本数据数量为所述触摸事件数组中触摸次数的数量；

当所述触摸事件数组中的样本数据数量小于预设阈值时，通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值。

4.根据权利要求3所述的方法，其特征在于，所述通过所述预设的机器学习模型对所述触摸事件数组和所述触摸历史数组进行第一假设检验分析，得到每个被触摸控件对应的触摸次数的第一预测平均值，包括：

对每个被触摸控件的触摸历史数组进行计算，得到每个被触摸控件对应的触摸次数的总体平均值；

对每个被触摸控件的触摸事件数组进行计算，得到每个被触摸控件对应的触摸次数的样本平均值和样本标准偏差；

根据所述总体平均值、所述样本平均值和所述样本标准偏差进行计算，得到检验统计量，并根据所述检验统计量在预设概率表中查找对应的检验概率区间；

根据所述检验概率区间确定每个被触摸控件对应的触摸次数的第一预测平均值。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组，包括：

根据所述控件标识所对应的触摸时间，统计触摸时间处于所述预设时长内每个预设时间区间的触摸事件的数量，作为相应预设时间区间对应的触摸次数；

根据每个预设时间区间对应的触摸次数，生成所述控件标识对应的触摸事件数组。

6.根据权利要求1至4中任意一项所述的方法，其特征在于，所述方法还包括：

确定触摸事件的触摸事件类别；

所述根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组，包括：

根据所述控件标识所属触摸事件的触摸事件类别，对多个控件标识进行分类；

根据分类后的多个控件标识和相应的触摸时间，生成所述控件标识在相同触摸事件类别下的触摸事件数组。

7.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述触摸概率对多个被触摸控件在用户界面中的显示位置进行调整，包括：

按照被触摸控件的触摸概率对被触摸控件进行排序；

将排序后处于前预设个数的被触摸控件在用户界面中的显示位置调整为置顶位置。

8.一种控件显示装置，其特征在于，所述装置包括：

获取模块，用于获取预设时长内用户界面中发生的多个触摸事件；所述用户界面中包括与所述触摸事件相对应的被触摸控件；

提取模块，用于提取所述被触摸控件的控件标识和触摸时间；

数组生成模块，用于根据所述控件标识所对应的触摸时间，生成所述控件标识对应的触摸事件数组；

学习模块，用于将所述触摸事件数组输入预设的机器学习模型，得到所述被触摸控件对应的触摸概率；

显示模块，用于根据所述触摸概率对多个被触摸控件在用户界面中的显示位置进行调整。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。