CN108595228A - 应用程序预测模型建立方法、装置、存储介质及移动终端 - Google Patents
应用程序预测模型建立方法、装置、存储介质及移动终端 Download PDFInfo
- Publication number
- CN108595228A CN108595228A CN201810443981.5A CN201810443981A CN108595228A CN 108595228 A CN108595228 A CN 108595228A CN 201810443981 A CN201810443981 A CN 201810443981A CN 108595228 A CN108595228 A CN 108595228A
- Authority
- CN
- China
- Prior art keywords
- application program
- sample
- use information
- application
- sample use
- 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
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
- 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
- G06F9/44568—Immediately runnable code
- G06F9/44578—Preparing or optimising for loading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3442—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for planning or managing the needed capacity
-
- 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
- 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
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4812—Task transfer initiation or dispatching by interrupt, e.g. masked
- G06F9/4818—Priority circuits therefor
-
- 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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本发明实施例公开了应用程序预测模型建立方法、装置、存储介质及移动终端。所述方法包括:当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的预设数量范围内的应用程序作为样本使用信息对应的样本标记;根据样本使用信息及与样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。本申请实施例通过采用上述技术方案,可以有效提高应用程序预测模型训练生成的速度,及应用程序预测模型的精度,进而提高对待启动应用程序预测的准确性。
Description
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方法、装置、存储介质及移动终端。
背景技术
目前,随着智能终端技术的快速发展,诸如智能手机、平板电脑以及智能电视等智能设备已成为人们生活中必不可少的电子设备。
智能终端上安装有各种各样的应用程序(Application Software,APP),一般默认在用户打开一个应用程序时才开始加载这个应用程序,而应用程序占用的存储空间越来越大,加载时间也越来越长,浪费了用户的宝贵时间。为了使应用程序运行的更加流畅,有些智能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,则会占用较多的存储空间,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
本申请实施例提供应用程序预测模型建立方法、装置、存储介质及移动终端,可以优化移动终端中应用程序的预加载方案。
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:
当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
第二方面,本申请实施例提供了一种应用程序预测模型建立装置,包括:
第一序列采集模块,用于当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
应用监测模块,用于监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
预测模型训练模块,用于根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
第三方面,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。
第四方面,本申请实施例提供了一种移动终端,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。
本发明实施例中提供的应用程序预测模型建立方案,当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息,监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的预设数量范围内的应用程序作为样本使用信息对应的样本标记,然后根据样本使用信息及与样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。通过采用上述技术方案,有效提高了应用程序预测模型训练生成的速度,及应用程序预测模型的精度,进而提高了对待启动应用程序预测的准确性。
附图说明
图1为本发明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为本发明实施例提供的混合网络模型的结构示意图;
图3为本发明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4为本发明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5为本发明实施例提供的再一种应用程序预测模型建立方法的流程示意图;
图6为本发明实施例提供的一种应用程序预测模型建立装置的结构框图;
图7为本发明实施例提供的一种移动终端的结构示意图;
图8为本发明实施例提供的另一种移动终端的结构示意图。
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发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明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,一般可集成在移动终端中。如图1所示,该方法包括:
步骤101、当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息。
在本申请实施例中,当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列。其中,第一前序使用序列可以理解为,从当前时刻往前追溯预设时间段内,与当前运行的第一应用程序相关的应用程序使用时序关联序列。示例性的,当检测应用程序B切换到应用程序A时,表明检测到前台运行应用程序的切换操作,此时,当前运行的第一应用程序为应用程序A,上一时刻运行的应用程序为应用程序B,则当前运行的第一应用程序A的第一前序使用序列为:应用程序B-应用程序A。又示例性的,当前运行的第一应用程序为应用程序C,上一时刻运行的应用程序为应用程序D,在上一时刻的前一时刻运行的应用程序为应用程序E。可以理解的是,先由应用程序E切换到应用程序D,再由应用程序D切换到应用程序C,则当前运行的应用程序C的第一前序使用序列可以表示为:应用程序E-应用程序D-应用程序C。需要说明的是,本申请实施例对第一应用程序的第一前序使用序列中包含的应用程序的数量不做限定。
可以理解的是,在预设时间段内,当检测到前台运行应用程序的切换操作时,就对当前运行的第一应用程序的第一前序使用序列进行一次采集,并将此作为一条样本使用信息。示例性的,预设时间段为一个月,则采集一个月内前台运行应用程序的切换操作时,对应运行的第一应用程序的第一前序使用序列。例如,在一个月内,共检测到5000次前台运行应用程序的切换操作,则共采集到5000条对应的第一前序使用序列,即5000条样本使用信息。其中,每条第一前序使用序列中包含的应用程序的数量可以相同,也可以不同。
步骤102、监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记。
在本申请实施例中,当通过建立的应用程序预测模型对即将启动的目标应用程序进行预测时,通常希望应用程序预测模型能够输出预设数量的候选应用程序即将启动的概率值,并根据各个概率值从各个候选应用程序中确定待加载的目标应用程序。因此,在生成应用程序预测模型时,可以监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的预设数量范围内的应用程序作为样本使用信息对应的样本标记。可选的,当预设时间窗口长度内被打开的应用程序的数量大于预设数量,则可以将在先打开的预设数量范围内的应用程序作为样本使用信息。当预设时间窗口长度内被打开的应用程序的数量小于预设数量,则可以将实际打开的所有应用程序作为样本使用信息。
示例性的,某条样本使用信息(即第一前序使用序列)为:应用程序A-应用程序B-应用程序C,该样本使用信息的采集时刻为8:00。可以理解的是,8:00检测到应用程序B切换到应用程序C的切换操作,则采集8:00这一时刻运行的应用程序C的第一前序使用序列:应用程序A-应用程序B-应用程序C,并将此作为一条样本使用信息。将预设时间窗口长度设置为5分钟,则监测8:00-8:05这一时间窗口内被打开的应用程序。例如,8:00-8:05这一时间窗口内被打开的应用程序按时间的先后顺序依次为:应用程序D、应用程序F、应用程序B、应用程序G及应用程序A。若预设数量设置为4,则将应用程序D、应用程序F、应用程序B及应用程序G作为第一前序使用序列:应用程序A-应用程序B-应用程序C对应的样本标记。若预设数量设置为6,则将应用程序D、应用程序F、应用程序B、应用程序G及应用程序A均作为第一前序使用序列:应用程序A-应用程序B-应用程序C对应的样本标记。
其中,可以按照在先打开的预设数量范围内的应用程序按照随机排序的顺序,对样本使用信息进行样本标记。也可以将在先打开的预设数量范围内的应用程序的打开序列,作为样本使用信息的样本标记,也即按照被打开的应用程序的打开时间的先后顺序,对样本使用信息进行样本标记。
可选的,将所述被打开的应用程序中在先打开的预设数量范围内的应用程序对应的打开序列,作为所述样本使用信息对应的样本标记。这样设置的好处在于,可以按照应用程序的打开序列对样本使用信息进行样本标记,可以有效提高应用程序预测模型建立的精确度。
示例性的,带有样本标记的样本使用信息包括第一前序使用序列及对应预设时间窗口长度内,被打开的应用程序中在先打开的预设数量范围内的应用程序。例如,第一前序使用序列:应用程序A-应用程序B-应用程序C对应的被打开的应用程序中在先打开的预设数量范围内的应用程序对应的打开序列为:应用程序D-应用程序F-应用程序B-应用程序G,则该带有样本标记的样本使用信息可以表示为:(应用程序A,应用程序B,应用程序C→应用程序D,应用程序F,应用程序B,应用程序G)。即箭头(→)前的应用程序为第一前序使用序列,箭头(→)后的应用程序为第一前序使用序列的样本标记。
步骤103、根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
在本申请实施例中,将获取的样本使用信息及与样本使用信息对预设机器学习模型进行训练,生成应用程序预测模型。其中,预设机器学习模型可以包括循环神经网络(Recurrent neural networks,RNN)、长短期记忆(Long Short-Term Memory,LSTM)网络、门限循环单元、简单循环单元及混合网络模型等等。
示例性的,在根据样本使用信息及与样本使用信息对应的样本标记,对预设机器学习模型进行训练,生成应用程序预测模型的过程中,可根据样本使用信息(也即第一前序使用序列)中包括的应用程序的数量确定应用程序预测模型的输入层单元数,根据样本使用信息对应的样本标记的数量确定应用程序预测模型的输出层单元数。即,应用程序预测模型的输入层单元数可以根据样本使用信息中包括的应用程序的数量确定,应用程序预测模型的输出层单元数可以根据样本使用信息对应的样本标记的数量确定。例如,样本使用信息中包括2个应用程序的使用序列,样本使用信息对应的样本标记包括4个应用程序,则应用程序预测模型的输入层单元数为2,输出层单元数为4。可以理解的是,生成应用程序预测模型的过程中的训练样本的数据格式为(APPt-n,APPt-n+1,…,APPt-1,APPt→APPt+1,APPt+2,APPt+3,APPt+4)。其中,(APPt-n,APPt-n+1,…,APPt-1,APPt)表示第一前序使用序列,(APPt+1,APPt+2,APPt+3,APPt+4)表示第一前序使用序列的样本标记。
本申请实施例提供的应用程序预测模型建立方法,当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息,监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的预设数量范围内的应用程序作为样本使用信息对应的样本标记,然后根据样本使用信息及与样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。通过采用上述技术方案,有效提高了应用程序预测模型训练生成的速度,及应用程序预测模型的精度,进而提高了对待启动应用程序预测的准确性。
在一些实施例中,所述将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记,包括:按照所述被打开的应用程序的打开时刻与所述起始时刻的时间间隔,为所述被打开的应用程序中在先打开的预设数量范围内的应用程序分配概率值;将所述预设数量范围内的应用程序及对应的概率值,作为所述样本使用信息对应的样本标记。这样设置的好处在于,在进行应用程序预测模型建立的过程中,不仅可以确定样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,而且还可以确定被打开的应用程序打开时刻距离起始时刻的时间长短,可以进一步提高应用程序预测模型建立的精度。
示例性的,预设数量为N,被打开的应用程序中在先打开的N个的应用程序分别用X1、X2、…、XN-1、XN表示,应用程序X1、X2、…、XN-1、XN的打开时刻与起始时刻的时间间隔分别为T1、T2、…、TN-1、TN,则为应用程序X1分配的概率值为PX1=TN/(T1+T2+…+TN-1+TN),为应用程序X2分配的概率值为PX2=TN-1/(T1+T2+…+TN-1+TN),依次类推,为应用程序XN-1分配的概率值为PXN=T1/(T1+T2+…+TN-1+TN)。
示例性的,带有样本标记的样本使用信息包括第一前序使用序列、预设数量范围内的应用程序及各个应用程序对应概率值。例如,第一前序使用序列为:应用程序F-应用程序H-应用程序G,与第一前序使用序列对应的被打开的应用程序中在先打开的预设数量范围内的应用程序为:应用程序A、应用程序B、应用程序C、应用程序D。且应用程序A的打开时刻与第一前序使用序列的采集时刻,也即起始时刻的时间间隔为a,应用程序B的打开时刻与所述起始时刻的时间间隔为b,应用程序C的打开时刻与所述起始时刻的时间间隔为c,应用程序D的打开时刻与所述起始时刻的时间间隔为d。根据时间间隔a、b、c及d,为应用程序A分配的概率值为PA=d/(a+b+c+d),为应用程序B分配的概率值为PB=c/(a+b+c+d),为应用程序C分配的概率值为Pc=b/(a+b+c+d),为应用程序D分配的概率值为PD=a/(a+b+c+d)。其中,被打开的应用程序对应的时间间隔越小,也即应用程序越先被打开,对应的概率值越大,反之,被打开的应用程序对应的时间间隔越大,也即应用程序越晚被打开,对应的概率值越小。则该带有样本标记的样本使用信息可以表示为:(应用程序F,应用程序H,应用程序G→应用程序A,PA,应用程序B,PB,应用程序C,Pc,应用程序D,PD)。即箭头(→)前的应用程序为第一前序使用序列,箭头(→)后的应用程序及对应的概率值为第一前序使用序列的样本标记。
在一些实施例中,在根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练之前,还包括:获取与所述样本使用信息采集时刻对应的移动终端的状态特征信息;根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,包括:根据所述状态特征信息、所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练。这样设置的好处在于,通过将应用程序的样本使用信息及样本使用信息采集时刻对应的移动终端的状态特征信息,作为应用程序预测模型训练的样本来源,可以进一步提高应用程序预测模型训练的精度,以提高对待加载的应用程序预测的准确度。
其中,状态特征信息可以包括以下至少一项:时间信息、日期类别、移动数据网络的开关状态、无线热点的连接状态、所连接的无线热点的身份信息、当前应用程序在后台停留的时长、当前应用程序最近一次被切换至后台的时间、耳机插孔的插拔状态、充电状态、电池电量信息、屏幕显示时长、移动终端的运动状态和位置信息。
时间信息可以理解为终端当前的时间段,例如,时间信息可以包括:早高峰、午间、晚高峰、工作时间以及休息时间。当然,时间信息也可以对一天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,时间信息可以通过时间戳的形式进行记载。日期类别可以包括:工作日及节假日,其中,日期类别也可以通过时间戳的形式进行记载。移动数据网络的开关状态可以包括移动数据网络处于开启状态和关闭状态,可以理解的是,当移动数据网络处于开启状态时,移动终端可以通过移动数据网络进行网页浏览等一系列的上网操作;当移动数据网络处于关闭状态时,移动终端不可以通过移动数据网路进行网页浏览等操作。无线热点的连接状态可以包括无线热点处于连接状态和无线热点处于断开状态。当无线热点处于连接状态时,还状态特征信息还可以包括连接的无线热点的身份信息。连接的无线热点的身份信息可以包括服务集标识符(Service SetIdentifier,SSID),和基本业务集标识(Basic Service Set ID,BSSID)。当前应用程序在后台停留的时长可以理解为当前应用程序从被切换至后台到被从后台彻底清除的时长。当前应用程序最近一次被切换至后台的时间可以理解为从当前应用程序最近一次被切换至后台的时刻,根据该时间可以确定当前应用程序最近一次被切换至后台距离当前时刻的时长。耳机插孔的插拔状态可以理解为耳机与移动终端处于连接状态或耳机与移动终端处于未连接状态。充电状态可以包括移动终端是否处于充电模式,其中,当移动终端处于充电模式时,还可以包括充电模式类型。充电模式类型可以包括快速充电模式和普通充电模式,快速充电模式可以是通过快充电源适配器(如移动电源)进行充电,普通充电模式可以是通过普通的电源适配器(如移动终端的原装充电器)进行充电。电池电量信息可以理解为当前移动终端剩余电量的多少。屏幕显示时长可以理解为最近一次屏幕被点亮维持的时长。运动状态可以包括移动终端当前的速度和/或加速度。位置信息可以理解为移动终端当前所处的具体位置,可以包括省、市、区和县,甚至可以具体到街道名称、大厦名称等。
在本申请实施例中,当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息,同时获取第一前序使用序列采集时刻对应的移动终端的状态特征信息,也即获取当前样本使用信息采集时刻对应的移动终端的状态特征信息。并根据状态特征信息、样本使用信息及与样本使用信息对应的样本标记对预设机器学习模型进行训练,生成应用程序预测模型。此时,生成应用程序预测模型的过程中的训练样本的数据格式为(APPt-n,APPt-n+1,…,APPt-1,APPt,特征1,特征2,…,特征m→APPt+1,APPt+2,APPt+3,APPt+4)。其中,(APPt-n,APPt-n+1,…,APPt-1,APPt)表示第一前序使用序列,也即t时刻运行的应用程序APPt的前序使用序列,(APPt+1,APPt+2,APPt+3,APPt+4)表示第一前序使用序列的样本标记,(特征1,特征2,…,特征m)表示t时刻对应的移动终端的状态特征信息,也即当前样本使用信息采集时刻对应的移动终端的状态特征信息。其中,n为大于等于1的整数,m也为大于等于1的整数。
在一些实施例中,预设机器学习模型为混合网络模型,其中,所述混合网络模型包括循环神经网络子模型和基于全连接层构建的全连接网络子模型,所述循环神经网络子模型的输出层与所述全连接网络子模型的输出层基于全连接关系形成所述混合网络模型;相应的,根据所述状态特征信息、所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,包括:将所述样本使用信息及与所述样本使用信息对应的样本标记输入至所述循环神经网络子模型,同时将所述状态特征信息输入至所述全连接网络子模型,以对所述混合网络模型进行训练。这样设置的好处在于,通过循环神经网络子模型与全连接网络子模型构造的混合网络模型,对样本使用信息及与所述样本使用信息对应的样本标记,以及与样本使用信息对应的移动终端的状态特征信息进行训练,可以进一步提高应用程序预测模型训练的精度,从而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,预设数量设置为N,则生成应用程序预测模型的过程中的训练样本的数据格式为(APPt-n,APPt-n+1,…,APPt-1,APPt→APPt+1,APPt+2,APPt+3,APPt+4)(APPt-n,APPt-n+1,…,APPt-1,APPt,特征1,特征2,…,特征m→APPt+1,APPt+2,…,APPt+N)。分别将各个训练样本数据中的样本使用信息及与样本使用信息对应的样本标记输入至混合网络模型中的循环神经网络子模型,即将(APPt-n,APPt-n+1,…,APPt-1,APPt→APPt+1,APPt+2,…,APPt+N)输入至混合网络模型中的循环神经网络子模型,其中,样本使用信息表示应用程序的前序使用序列,样本标记表示被预测的即将启动的应用程序,也即,混合网络模型的输出层的单元数与样本标记的数量相同。同时将状态特征信息输入至所述全连接网络子模型,以对混合网络模型进行训练。图2为本申请实施例提供的混合网络模型的结构示意图。如图2所示,将(APPt-n,APPt-n+1,…,APPt-1,APPt→APPt+1,APPt+2,…,APPt+N)输入至混合网络模型中的循环神经网络子模型201,即将(APPt-n,APPt-n+1,…,APPt-1,APPt→APPt+1,APPt+2,…,APPt+N)作为循环神经网络子模型201的训练数据,同时,将状态特征信息{特征1,特征2,…,特征m}输入至混合网络模型中的全连接网络子模型202,通过对上述样本数据的训练,生成应用程序预测模型。
在一些实施例中,所述预设数量为N,在得到应用程序预测模型之后,还包括:检测到应用预加载预测事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列;将所述第二前序使用序列输入至所述应用程序预测模型中;根据所述应用程序预测模型的输出结果预测出即将启动的N个目标应用程序;对所述N个目标应用程序进行预加载。这样设置的好处在于,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畅性的技术问题,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。
在本申请实施例中,当检测到应用程序预加载事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列,从而进行应用程序预加载的管控事件。
可选的,当检测到一个新的应用程序的被打开时,也即当检测到前台运行应用程序的切换操作时,应用程序预加载事件被触发;或者,当用户主动点击打开应用程序预加载预测权限时,表征应用预加载预测事件被触发。需要说明的是,本申请实施例对应用预加载预测事件被触发的具体表现形式不做限定。
在本申请实施例中,当检测到应用程序预加载事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列。其中,第二前序使用序列可以理解为,从当前时刻往前追溯预设时间段内,与当前运行的第二应用程序相关的应用程序使用时序关联序列。例如当前运行的第二应用程序为应用程序F,第二前序使用序列为:应用程序H-应用程序F。可以理解的是,第一应用程序为训练应用程序预测模型时,样本使用信息采集时刻运行的应用程序,而第二应用程序为需要对即将启动的应用程序进行预测时,预测时刻运行的应用程序。将获取的当前运行的第二应用程序的第二前序使用序列输入至应用程序预测模型中,应用程序预测模型对第二前序使用序列进行分析,得出即将启动的N个目标应用程序,并对N个目标应用程序进行预加载。
在一些实施例中,对所述N个目标应用程序进行预加载,包括:基于预先创建的预加载活动窗口堆栈预加载所述N个目标应用程序对应的应用界面,其中,所述预加载活动窗口堆栈对应的边界坐标位于显示屏幕的坐标范围之外。这样设置的好处在于,可以基于在显示屏幕外面创建的预加载活动窗口堆栈对需要进行预加载的应用程序的应用界面进行预加载,该预加载方式能够较大程度地完成应用启动前的准备工作,提升目标应用程序的启动速度,且不会影响到前台应用程序的显示内容在显示屏幕上的显示。
本申请实施例中,活动窗口可理解为一个独立的直接面向用户提供交互和操作的界面,在不同的操作系统中可能采用不同的名词来命名该界面。为了便于理解,下面以安卓(Android)操作系统为例进行下面的说明。
在Android系统中,活动窗口被称为Activity。Activity是一个负责与用户交互的组件,其提供一个屏幕(可以理解为屏幕界面,而非实体的显示屏幕),以供用户交互完成某项任务。在一个android应用程序中,一个Activity通常就是一个单独的屏幕,它上面可以显示一些控件也可以监听并处理用户的事件。在对Activity进行管理中,有这样两个概念:Task(任务栈)和Stack(活动窗口堆栈)。Task对应一个应用程序,Task用于存放Activity,一个Task中可以存放一个或多个Activity,且这些Activity遵循“先进后出,后进先出”的原则。而Stack又用于对Task进行管理,通常,一个Stack对一个屏幕所需展示的各Activity所属的Task进行管理,一个Stack可以管理一个或多个Task,当然,Stack也同样遵循堆栈的基本管理原则。这里所述的屏幕并不一定是完整独立的显示屏,以“两个屏幕”为例,这两个屏幕可能只是一个完整显示屏中两个独立显示各自显示内容的区域。当然,如果终端具备两个甚至是两个以上的独立显示屏,则“两个屏幕”也可以是两个独立的显示屏。
在Android系统中,支持多窗口模式,可包括分屏模式、画中画模式以及自由模式(FreeForm)。在多窗口模式下,应用程序所在的Stack可以有自己的尺寸(size),可以包括以终端屏幕左上角为原点的坐标系中的上下左右坐标。例如,(a,b,c,d),一般描述的是一个矩形的边界,可采用矩形左上角的坐标和右下角的坐标进行表示,即矩形的左上角坐标为(a,b),右下角坐标为(c,d),这样的矩形区域就对应Stack的size。Stack中的应用内布局是以Stack的size为准的,也就是说Activity对应的应用界面是在size的边界范围内进行显示的。
在多窗口模式下,可以允许多个应用程序处于可见状态,包括系统和用户均可见和仅系统可见。系统和用户均可见指的是在显示屏幕上进行显示,且用户能够看到;仅系统可见指的是操作系统可见,而用户不可见,可能被前台的应用遮挡或者如本申请所要实现的在显示屏幕外显示。
本申请实施例中,在显示屏幕外对目标应用程序的应用界面进行预加载,可以基于操作系统的多窗口机制来实现,通过多窗口机制将应用程序对应的size设在显示屏幕外而达到对用户不可见的目的,从而不会影响到前台应用程序的显示内容在显示屏幕上的显示。
一般的,多窗口模式下,可以存在多种类型的Stack,如Home Stack表示桌面应用显示的Stack,App Stack表示第三方应用显示的Stack,还可以有其他分屏Stack等,上述三种Stack中包含的内容可在显示屏幕上显示,本申请实施例中统称为应用活动窗口堆栈。本申请实施例中,新增了预加载活动窗口堆栈(预加载Stack),用于表示预加载应用显示的Stack,并设置预加载Stack的边界坐标位于显示屏幕的坐标范围之外,待预加载的应用程序可以显示在该Stack。对于Android系统来说,可以基于Android系统的多窗口机制,新建一个专门用于显示预加载应用的Stack。本申请实施例中,新建Stack是因为可以让新建的预加载Stack拥有自己的size以及可见性,从而实现在显示屏幕外预加载的目的。
本申请实施例中,对预加载Stack的创建时机不做限定,可以是在终端出厂前默认设置预加载Stack处于常驻状态,即预加载Stack一直存在;也可以在终端开机时或终端解锁成功后创建;还可以在应用预加载事件被触发后(可以在确定目标应用程序之前)创建等等。可选的,所述基于预先创建的预加载活动窗口堆栈预加载所述目标应用程序对应的应用界面,包括:判断是否存在预先创建的预加载活动窗口堆栈;若不存在,则按照预设规则创建预加载活动窗口堆栈;基于所创建的预加载活动窗口堆栈预加载所述目标应用程序对应的应用界面。这样设置的好处在于,在确定待预加载的目标应用程序之后,判断预加载Stack是否存在,若存在,则无需新建,若不存在,则进行创建,可以节省系统资源。可以理解的是,当目标应用程序包含多个时,也即需要在短时间内连续预加载多个应用程序时,在第一个目标应用程序开始加载前,预加载Stack已创建完毕,那么第二个目标应用程序开始加载前,预加载Stack是存在的,可以不必进行上述判断。
本申请实施例中,对基于预加载Stack预加载目标应用程序对应的应用界面的具体过程不做限定,例如可以基于预加载Stack的size进行应用界面的绘制并显示等。
在一些实施例中,所述基于预先创建的预加载活动窗口堆栈预加载所述目标应用程序对应的应用界面,包括:创建所述目标应用程序对应的目标进程;在预先创建的预加载活动窗口堆栈中创建所述目标应用程序对应的任务栈;基于所述目标进程在所述任务栈中启动所述目标应用程序对应的活动窗口;基于所启动的活动窗口绘制并显示所述目标应用程序对应的应用界面。这样设置的好处在于,能够基于屏幕坐标范围之外的预加载活动窗口堆栈对目标应用程序的应用界面进行绘制并显示,不会干扰前台应用程序的运行及显示,保证系统稳定性,同时有效提高目标应用程序启动时的速度。在创建目标进程的同时,还可包括目标进程的初始化过程。在上述步骤的执行过程中,还可能涉及其他资源的预加载,如应用服务启动、内存分配、文件内容读取及网络数据获取等,本申请实施例对其他资源的预加载过程不做限定。
在一些实施例中,在对所述N个目标应用程序进行预加载的过程中,还包括:判断是否监测到所述第二应用程序的预设代码路径的打开操作;当监测到所述预设代码路径的打开操作时,暂停对所述N个目标应用程序的预加载操作。这样设置的好处在于,在对待启动的应用程序进行预加载的过程中,可以有效保证当前应用程序的使用的流畅性,使其正常使用,满足用户体验。
在本申请实施例中,对目标应用程序进行预加载的过程中,判断是否监测到当前应用程序的预设代码路径的打开操作,若是,则暂停对N个目标应用程序的预加载操作。可以理解的是,在对N个目标应用程序进行预加载的过程中,用户可能还在对当前运行的第二应用程序进行使用,并启动一些相关功能。其中,预设代码路径可以包括应用程序打开前至应用程序被完全打开的过程中,需要访问的代码路径。示例性的,当前运行的第二应用程序为应用程序D,用户需要打开应用程序D中的a功能,此时,需要通过访问打开与a功能对应的代码路径a1。若应用程序D的预设代码路径包括代码路径a1,代码路径b1及代码路径c1,表明监测到当前应用程序的预设代码路径的打开操作,则暂停对N个目标应用程序的预加载操作,以防目标应用程序的预加载操作影响当前应用程序的正常使用。可选的,当监测到第二应用程序的预设代码路径的打开操作执行完毕时,恢复对N个目标应用程序的预加载操作。示例性的,检测到用户触发打开a功能的时刻为t1,也即检测到代码路径a1被触发打开的时刻为t1,代码路径a1被完全加载完的时刻为t2,则在t1-t1这段时间内,暂停对N个目标应用程序的加载操作。例如,在t1时刻正在对应用程序A进行预加载,则t1-t2这段时间内终止对应用程序A的预加载操作,并在t2时刻之后,重新对应用程序A进行预加载,并继续对其他未预加载的目标应用程序进行预加载。
在一些实施例中,对所述N个目标应用程序进行预加载,包括:获取所述移动终端的CPU使用率;当所述CPU使用率小于预设使用率阈值时,对所述N个目标应用程序进行预加载;或获取所述移动终端的剩余存储空间值;当所述剩余存储空间值大于预设存储阈值时,对所述N个目标应用程序进行预加载。这样设置的好处在于,在不影响当前应用程序正常使用的前提下,在对待启动的应用程序进行预加载,满足用户需求。
其中,移动终端的CPU使用率就是指移动终端中所有运行的应用程序占用CPU的总的资源的多少,移动终端的CPU使用率越高,移动终端中所有运行的应用程序占用CPU的总资源越多,此时,移动终端的响应速度就会越慢;反之,移动终端的CPU使用率越低,移动终端中所有运行的应用程序占用CPU的总资源越少,此时,移动终端的响应速度就会越快。若移动终端的CPU使用率小于预设使用率阈值,则表明当前移动终端中可用的CPU资源较多,对目标应用程序进行预加载不会影响当前应用程序的正常使用,也不会影响移动终端的处理速度。因此,当移动终端的CPU使用率小于预设使用率阈值时,对N个目标应用程序进行预加载。
剩余存储空间值反映了移动终端中可用的存储空间的大小,其中,剩余存储空间值越大,表示移动终端中可用的存储空间越大,反之,剩余存储空间值越小,表示移动终端中可用的存储空间越小。若移动终端的剩余存储空间值大于预设存储阈值,则表明当前移动终端中可用的存储空间较大,对目标应用程序进行预加载不会影响当前应用程序的正常使用,也不会影响移动终端的处理速度。因此,当移动终端的剩余存储空间值大于预设存储阈值时,对N个目标应用程序进行预加载。
在一些实施例中,对所述N个目标应用程序进行预加载,包括:将N个目标应用程序记录至应用程序预加载列表中;每隔预设加载时间段依次对所述应用程序预加载列表中各个目标应用程序进行预加载,直至所述N个目标应用程序全部加载完毕。这样设置的好处在于,可以有效避免在对目标应用程序加载的过程中,容易造成移动终端卡顿的现象发生。
在本申请实施例中,同时对多个目标应用程序进行预加载,相当于同时打开多个目标应用程序,容易造成移动终端卡顿,影响当前应用程序的使用,用户体验较差。因此,当目标应用程序包含多个时,也即N为大于等于2的整数时,通过有效的预加载策略,使N个目标应用程序的预加载时间错开。示例性的,N=5,即将启动的目标应用程序共五个,分别为应用程序A、应用程序B、应用程序C、应用程序D及应用程序E。将这五个应用程序添加至应用程序预加载列表,即应用程序A、应用程序B、应用程序C、应用程序D及应用程序E组成一个应用程序预加载列表。可选的,应用程序预加载列表按各个应用程序即将被启动的概率值由大到小的顺序排列。每隔预设预加载时间段分别对该应用程序预加载列表中各个目标应用程序进行预加载。例如,这五个应用程序按被启动的概率值由大到小的排序为:应用程序C、应用程序B、应用程序A、应用程序E及应用程序D。通常某应用程序打开耗时约为2-6s,一般不超过10s,因此,可以将预设加载时间段设置为10s。因此,可先对应用程序C进行预加载,10s后,再对应用程序B进行预加载,再隔10s后,对应用程序A进行预加载,依次类推,直至将所有目标应用程序加载完毕为止。需要说明的是,当在对N个目标应用程序加载的过程中,检测到某应用程序的打开操作时,停止对目标应用程序的加载,并将刚打开的这个应用程序作为当前使用的应用程序,重新对即将启动的目标应用程进行预测。
图3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301、当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息。
步骤302、监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的预设数量范围内的应用程序对应的打开序列,作为样本使用信息对应的样本标记。
步骤303、获取与样本使用信息采集时刻对应的移动终端的状态特征信息。
其中,状态特征信息包括以下至少一项:时间信息、日期类别、移动数据网络的开关状态、无线热点的连接状态、所连接的无线热点的身份信息、当前应用程序在后台停留的时长、当前应用程序最近一次被切换至后台的时间、耳机插孔的插拔状态、充电状态、电池电量信息、屏幕显示时长、移动终端的运动状态和位置信息。
步骤304、将样本使用信息及与样本使用信息对应的样本标记输入至循环神经网络子模型,同时将状态特征信息输入至全连接网络子模型,以对混合网络模型进行训练,得到应用程序预测模型。
需要说明的是,本申请实施例对步骤302与步骤303执行的先后顺序不做限定,可以先执行步骤302,再执行步骤303;也可以先执行步骤303,再执行步骤302;还可以同时执行步骤302和步骤303。
本申请实施例提供的应用程序预测模型建立方法,能够充分利用移动终端在对应历史状态特征信息时应用程序的使用规律,对由循环神经网络子模型与全连接网络子模型构造的混合网络模型进行训练,生成应用程序预测模型,可以进一步优化应用程序预加载机制,提高对即将启动的应用程序预测的准确性。
图4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401、当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息。
步骤402、监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的N个应用程序作为样本使用信息对应的样本标记。
步骤403、根据样本使用信息及与样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
步骤404、检测到应用预加载预测事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列。
步骤405、将第二前序使用序列输入至应用程序预测模型中。
步骤406、根据应用程序预测模型的输出结果预测出即将启动的N个目标应用程序。
步骤407、对N个目标应用程序进行预加载。
本申请实施例提供的应用程序预测模型建立方法,能够有效提高应用程序预测模型训练生成的速度,及应用程序预测模型的精度,并在对即将启动的应用程序进行预测时,可以提高对待启动应用程序预测的准确性。
图5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501、当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息。
步骤502、监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序。
步骤503、按照被打开的应用程序的打开时刻与起始时刻的时间间隔,为被打开的应用程序中在先打开的N个应用程序分配概率值。
步骤504、将N个应用程序及对应的概率值,作为样本使用信息对应的样本标记。
步骤505、获取与样本使用信息采集时刻对应的移动终端的状态特征信息。
其中,状态特征信息包括以下至少一项:时间信息、日期类别、移动数据网络的开关状态、无线热点的连接状态、所连接的无线热点的身份信息、当前应用程序在后台停留的时长、当前应用程序最近一次被切换至后台的时间、耳机插孔的插拔状态、充电状态、电池电量信息、屏幕显示时长、移动终端的运动状态和位置信息。
步骤506、将样本使用信息及与样本使用信息对应的样本标记输入至循环神经网络子模型,同时将状态特征信息输入至全连接网络子模型,以对混合网络模型进行训练,得到应用程序预测模型。
步骤507、检测到应用预加载预测事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列及第二前序使用序列获取时刻对应的移动终端的当前状态特征信息。
步骤508、将所述第二前序使用序列输入至所述应用程序预测模型中的循环神经网络子模型中,同时将当前状态特征信息输入至所述应用程序预测模型中的全连接网络子模型中。
步骤509、根据所述应用程序预测模型的输出结果预测出即将启动的N个目标应用程序。
步骤510、基于预先创建的预加载活动窗口堆栈预加载所述N个目标应用程序对应的应用界面,其中,所述预加载活动窗口堆栈对应的边界坐标位于显示屏幕的坐标范围之外。
本申请实施例提供的应用程序预测模型建立方法,在进行应用程序预测模型建立的过程中,不仅可以确定样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,而且还可以确定被打开的应用程序打开时刻距离起始时刻的时间长短,可以进一步提高应用程序预测模型建立的精度。另外,还可以基于在显示屏幕外面创建的预加载活动窗口堆栈对需要进行预加载的应用程序的应用界面进行预加载,该预加载方式能够较大程度地完成应用启动前的准备工作,提升了目标应用程序的启动速度,且不会影响到前台应用程序的显示内容在显示屏幕上的显示。
图6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,一般集成在终端中,可通过执行应用程序预测模型建立方法来得到应用预测模型。如图6所示,该装置包括:
第一序列采集模块601,用于当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
应用监测模块602,用于监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
预测模型训练模块603,用于根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
本发明实施例中提供的应用程序预测模型建立装置,当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息,监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将被打开的应用程序中在先打开的预设数量范围内的应用程序作为样本使用信息对应的样本标记,然后根据样本使用信息及与样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。通过采用上述技术方案,有效提高了应用程序预测模型训练生成的速度,及应用程序预测模型的精度,进而提高了对待启动应用程序预测的准确性。
可选的,所述将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记,包括:
将所述被打开的应用程序中在先打开的预设数量范围内的应用程序对应的打开序列,作为所述样本使用信息对应的样本标记。
可选的,所述将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记,包括:
按照所述被打开的应用程序的打开时刻与所述起始时刻的时间间隔,为所述被打开的应用程序中在先打开的预设数量范围内的应用程序分配概率值;
将所述预设数量范围内的应用程序及对应的概率值,作为所述样本使用信息对应的样本标记。
可选的,该装置还包括:
特征信息获取模块,用于在根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练之前,获取与所述样本使用信息采集时刻对应的移动终端的状态特征信息;
所述预测模型训练模块,包括:
预测模型训练单元,用于根据所述状态特征信息、所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练。
可选的,预设机器学习模型为混合网络模型,其中,所述混合网络模型包括循环神经网络子模型和基于全连接层构建的全连接网络子模型,所述循环神经网络子模型的输出层与所述全连接网络子模型的输出层基于全连接关系形成所述混合网络模型;
相应的,所述预测模型训练单元,用于:
将所述样本使用信息及与所述样本使用信息对应的样本标记输入至所述循环神经网络子模型,同时将所述状态特征信息输入至所述全连接网络子模型,以对所述混合网络模型进行训练。
可选的,所述状态特征信息包括以下至少一项:
时间信息、日期类别、移动数据网络的开关状态、无线热点的连接状态、所连接的无线热点的身份信息、当前应用程序在后台停留的时长、当前应用程序最近一次被切换至后台的时间、耳机插孔的插拔状态、充电状态、电池电量信息、屏幕显示时长、移动终端的运动状态和位置信息。
可选的,该装置还包括:
第二序列获取模块,用于所述预设数量为N,在得到应用程序预测模型之后,检测到应用预加载预测事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列;
第二序列输入模块,用于将所述第二前序使用序列输入至所述应用程序预测模型中;
应用预测模块,用于根据所述应用程序预测模型的输出结果预测出即将启动的N个目标应用程序;
应用预加载模块,用于对所述N个目标应用程序进行预加载。
可选的,所述应用预加载模块,用于:
基于预先创建的预加载活动窗口堆栈预加载所述N个目标应用程序对应的应用界面,其中,所述预加载活动窗口堆栈对应的边界坐标位于显示屏幕的坐标范围之外。
可选的,在对所述N个目标应用程序进行预加载的过程中,还包括:
判断是否监测到所述第二应用程序的预设代码路径的打开操作;
当监测到所述预设代码路径的打开操作时,暂停对所述N个目标应用程序的预加载操作。
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:
当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
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。
本申请实施例提供了一种移动终端,该移动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移动终端的结构示意图。移动终端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移动终端,能够有效提高应用程序预测模型训练生成的速度,及应用程序预测模型的精度,进而提高对待启动应用程序预测的准确性。
图8为本申请实施例提供的另一种移动终端的结构示意图,该移动终端可以包括:壳体(图中未示出)、存储器801、中央处理器(central processing unit,CPU)802(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CPU802和所述存储器801设置在所述电路板上;所述电源电路,用于为所述移动终端的各个电路或器件供电;所述存储器801,用于存储可执行程序代码;所述CPU802通过读取所述存储器801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:
当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
所述移动终端还包括:外设接口803、RF(Radio Frequency,射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、其他输入/控制设备810、触摸屏812、其他输入/控制设备810以及外部端口804,这些部件通过一个或多个通信总线或信号线807来通信。
应该理解的是,图示移动终端800仅仅是移动终端的一个范例,并且移动终端800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测模型建立的移动终端进行详细的描述,该移动终端以手机为例。
存储器801,所述存储器801可以被CPU802、外设接口803等访问,所述存储器801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803,所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。
I/O子系统809,所述I/O子系统809可以将设备上的输入输出外设,例如触摸屏812和其他输入/控制设备810,连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中,一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号,其他输入/控制设备810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8092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812,所述触摸屏812是用户移动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809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触,显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互,即实现人机交互,显示在触摸屏812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805,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805接收并发送RF信号,RF信号也称为电磁信号,RF电路805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805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806,主要用于从外设接口803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811。
扬声器811,用于将手机通过RF电路805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808,用于为CPU802、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、存储介质及移动终端可执行本发明任意实施例所提供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,可参见本发明任意实施例所提供的应用程序预测模型建立方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明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发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种应用程序预测模型建立方法,其特征在于,包括:
当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
2.根据权利要求1所述的方法,其特征在于,所述将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记,包括:
将所述被打开的应用程序中在先打开的预设数量范围内的应用程序对应的打开序列,作为所述样本使用信息对应的样本标记。
3.根据权利要求1所述的方法,其特征在于,所述将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记,包括:
按照所述被打开的应用程序的打开时刻与所述起始时刻的时间间隔,为所述被打开的应用程序中在先打开的预设数量范围内的应用程序分配概率值;
将所述预设数量范围内的应用程序及对应的概率值,作为所述样本使用信息对应的样本标记。
4.根据权利要求1所述的方法,其特征在于,在根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练之前,还包括:
获取与所述样本使用信息采集时刻对应的移动终端的状态特征信息;
根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,包括:
根据所述状态特征信息、所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练。
5.根据权利要求4所述的方法,其特征在于,预设机器学习模型为混合网络模型,其中,所述混合网络模型包括循环神经网络子模型和基于全连接层构建的全连接网络子模型,所述循环神经网络子模型的输出层与所述全连接网络子模型的输出层基于全连接关系形成所述混合网络模型;
相应的,根据所述状态特征信息、所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,包括:
将所述样本使用信息及与所述样本使用信息对应的样本标记输入至所述循环神经网络子模型,同时将所述状态特征信息输入至所述全连接网络子模型,以对所述混合网络模型进行训练。
6.根据权利要求4或5所述的方法,其特征在于,所述状态特征信息包括以下至少一项:
时间信息、日期类别、移动数据网络的开关状态、无线热点的连接状态、所连接的无线热点的身份信息、当前应用程序在后台停留的时长、当前应用程序最近一次被切换至后台的时间、耳机插孔的插拔状态、充电状态、电池电量信息、屏幕显示时长、移动终端的运动状态和位置信息。
7.根据权利要求1所述的方法,其特征在于,所述预设数量为N,在得到应用程序预测模型之后,还包括:
检测到应用预加载预测事件被触发时,获取移动终端的当前运行的第二应用程序的第二前序使用序列;
将所述第二前序使用序列输入至所述应用程序预测模型中;
根据所述应用程序预测模型的输出结果预测出即将启动的N个目标应用程序;
对所述N个目标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,对所述N个目标应用程序进行预加载,包括:
基于预先创建的预加载活动窗口堆栈预加载所述N个目标应用程序对应的应用界面,其中,所述预加载活动窗口堆栈对应的边界坐标位于显示屏幕的坐标范围之外。
9.根据权利要求7所述的方法,其特征在于,在对所述N个目标应用程序进行预加载的过程中,还包括:
判断是否监测到所述第二应用程序的预设代码路径的打开操作;
当监测到所述预设代码路径的打开操作时,暂停对所述N个目标应用程序的预加载操作。
10.一种应用程序预测模型建立装置,其特征在于,包括:
第一序列采集模块,用于当检测到前台运行应用程序的切换操作时,采集当前运行的第一应用程序的第一前序使用序列,作为样本使用信息;
应用监测模块,用于监测在以样本使用信息采集时刻为起始时刻的预设时间窗口长度内被打开的应用程序,并将所述被打开的应用程序中在先打开的预设数量范围内的应用程序作为所述样本使用信息对应的样本标记;
预测模型训练模块,用于根据所述样本使用信息及与所述样本使用信息对应的样本标记对预设机器学习模型进行训练,得到应用程序预测模型。
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1-9中任一所述的应用程序预测模型建立方法。
12.一种移动终端,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,所述处理器执行所述计算机程序时实现如权利要求1-9任一所述的应用程序预测模型建立方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443981.5A CN108595228B (zh) | 2018-05-10 | 2018-05-10 | 应用程序预测模型建立方法、装置、存储介质及移动终端 |
PCT/CN2019/085347 WO2019214522A1 (en) | 2018-05-10 | 2019-04-30 | Method for establishing application prediction model, storage medium, and terminal |
EP19173310.4A EP3567479B1 (en) | 2018-05-10 | 2019-05-08 | Method for establishing application prediction model, storage medium, and terminal |
US16/407,602 US11442747B2 (en) | 2018-05-10 | 2019-05-09 | Method for establishing applications-to-be preloaded prediction model based on preorder usage sequence of foreground application, storage medium, and terminal |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443981.5A CN108595228B (zh) | 2018-05-10 | 2018-05-10 | 应用程序预测模型建立方法、装置、存储介质及移动终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108595228A true CN108595228A (zh) | 2018-09-28 |
CN108595228B CN108595228B (zh) | 2021-03-12 |
Family
ID=63637107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810443981.5A Active CN108595228B (zh) | 2018-05-10 | 2018-05-10 | 应用程序预测模型建立方法、装置、存储介质及移动终端 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11442747B2 (zh) |
EP (1) | EP3567479B1 (zh) |
CN (1) | CN108595228B (zh) |
WO (1) | WO2019214522A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109508209A (zh) * | 2018-10-11 | 2019-03-22 | 南京机器岛智能科技有限公司 | 一种基于统计数据的app加载流程优化方法 |
WO2019214522A1 (en) * | 2018-05-10 | 2019-11-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for establishing application prediction model, storage medium, and terminal |
CN110471711A (zh) * | 2019-07-31 | 2019-11-19 | 维沃移动通信有限公司 | 应用程序预加载方法及终端设备 |
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 |
CN111221479A (zh) * | 2020-01-19 | 2020-06-02 | 苏州浪潮智能科技有限公司 | 一种判断存储容量变化量异常的方法、系统及存储介质 |
CN111597947A (zh) * | 2020-05-11 | 2020-08-28 | 浙江大学 | 一种基于电源功率因数矫正噪声的应用程序推断方法 |
CN111753235A (zh) * | 2020-06-28 | 2020-10-09 | 北京小米松果电子有限公司 | 一种页面加载的方法、装置及存储介质 |
US11397590B2 (en) | 2018-05-10 | 2022-07-26 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for preloading application, storage medium, and terminal |
CN115018081A (zh) * | 2021-11-19 | 2022-09-06 | 荣耀终端有限公司 | 特征选择方法、应用程序预测方法及装置 |
US11467855B2 (en) | 2018-06-05 | 2022-10-11 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Application preloading method and device, storage medium and terminal |
US11604660B2 (en) | 2018-05-15 | 2023-03-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for launching application, storage medium, and terminal |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11095743B2 (en) | 2014-07-16 | 2021-08-17 | Tensera Networks Ltd. | Optimized content-delivery network (CDN) for the wireless last mile |
US11397555B2 (en) | 2017-10-26 | 2022-07-26 | Tensera Networks Ltd. | Background pre-loading and refreshing of applications with audio inhibition |
CN109947497B (zh) * | 2017-12-20 | 2021-06-08 | 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 |
US11204806B2 (en) * | 2018-06-03 | 2021-12-21 | Apple Inc. | Systems and methods for user adaptive resource management |
KR20210060213A (ko) * | 2019-11-18 | 2021-05-26 | 삼성전자주식회사 | 어플리케이션을 프리로드하는 방법 및 이를 지원하는 전자 장치 |
CN111258854B (zh) * | 2020-01-21 | 2023-10-03 | 北京奇艺世纪科技有限公司 | 模型训练方法、基于预测模型的报警方法和相关装置 |
US11006268B1 (en) | 2020-05-19 | 2021-05-11 | T-Mobile Usa, Inc. | Determining technological capability of devices having unknown technological capability and which are associated with a telecommunication network |
CN111784043A (zh) * | 2020-06-29 | 2020-10-16 | 南京工程学院 | 一种基于模态gru学习网络的配电台区售电量精准预测方法 |
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 |
CN112417086B (zh) * | 2020-11-30 | 2024-02-27 | 深圳市与飞科技有限公司 | 数据处理方法、装置、服务器及存储介质 |
US11861395B2 (en) * | 2020-12-11 | 2024-01-02 | Samsung Electronics Co., Ltd. | Method and system for managing memory for applications in a computing system |
CN113296951A (zh) * | 2021-05-31 | 2021-08-24 | 阿里巴巴新加坡控股有限公司 | 一种资源配置方案确定方法及设备 |
CN115016854B (zh) * | 2021-11-15 | 2023-04-18 | 荣耀终端有限公司 | 应用程序预测方法、电子设备及存储介质 |
Citations (3)
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 |
CN107766201A (zh) * | 2017-09-28 | 2018-03-06 | 联想(北京)有限公司 | 一种软件处理方法和装置、电子设备 |
Family Cites Families (147)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1311004B1 (it) | 1999-03-16 | 2002-02-27 | Antonio Gallicchio | Impianto per denti artificiali. |
US6748457B2 (en) | 2000-02-03 | 2004-06-08 | Realtime Data, Llc | Data storewidth accelerator |
KR100618997B1 (ko) | 2000-04-10 | 2006-08-31 | 삼성전자주식회사 | 홈 페이지 광고 방법 |
US20050160352A1 (en) | 2001-06-14 | 2005-07-21 | Samsung Electronics Co., Ltd. | Information storage medium containing preload information, apparatus for and method of reproducing therefor |
US7392390B2 (en) | 2001-12-12 | 2008-06-24 | Valve Corporation | Method and system for binding kerberos-style authenticators to single clients |
US20040030882A1 (en) | 2002-08-08 | 2004-02-12 | Forman George Henry | Managed application pre-launching |
US8015259B2 (en) | 2002-09-10 | 2011-09-06 | Alan Earl Swahn | Multi-window internet search with webpage preload |
US20040153445A1 (en) | 2003-02-04 | 2004-08-05 | Horvitz Eric J. | Systems and methods for constructing and using models of memorability in computing and communications applications |
US9207717B2 (en) | 2010-10-01 | 2015-12-08 | Z124 | Dragging an application to a screen using the application manager |
US9213365B2 (en) | 2010-10-01 | 2015-12-15 | Z124 | Method and system for viewing stacked screen displays using gestures |
US7275150B2 (en) | 2004-03-15 | 2007-09-25 | International Business Machines Corporation | Method and system for adding frequently selected applications to a computer startup sequence |
US7747749B1 (en) | 2006-05-05 | 2010-06-29 | Google Inc. | Systems and methods of efficiently preloading documents to client devices |
US8112755B2 (en) | 2006-06-30 | 2012-02-07 | Microsoft Corporation | Reducing latencies in computing systems using probabilistic and/or decision-theoretic reasoning under scarce memory resources |
US8745507B2 (en) | 2007-11-30 | 2014-06-03 | At&T Intellectual Property I, L.P. | Preloader employing enhanced messages |
US8260603B2 (en) * | 2008-09-30 | 2012-09-04 | Hewlett-Packard Development Company, L.P. | Scaling a prediction model of resource usage of an application in a virtual environment |
US9557889B2 (en) | 2009-01-28 | 2017-01-31 | Headwater Partners I Llc | Service plan design, user interfaces, application programming interfaces, and device management |
WO2011049881A2 (en) | 2009-10-19 | 2011-04-28 | Barnes & Noble, Inc. | Apparatus and method for control of multiple displays from a single virtual frame buffer |
US20110291964A1 (en) | 2010-06-01 | 2011-12-01 | Kno, Inc. | Apparatus and Method for Gesture Control of a Dual Panel Electronic Device |
US20120023226A1 (en) | 2010-07-26 | 2012-01-26 | Steve Petersen | Prediction of activity session for mobile network use optimization and user experience enhancement |
US20120167122A1 (en) | 2010-12-27 | 2012-06-28 | Nokia Corporation | Method and apparatus for pre-initializing application rendering processes |
US8812658B1 (en) | 2011-05-20 | 2014-08-19 | Amazon Technologies, Inc. | Pre-fetching of network page content |
US20120324481A1 (en) | 2011-06-16 | 2012-12-20 | Samsung Electronics Co. Ltd. | Adaptive termination and pre-launching policy for improving application startup time |
CN102446096B (zh) | 2011-09-20 | 2016-08-24 | 宇龙计算机通信科技(深圳)有限公司 | 终端和基于位置的显示方法 |
US8878794B2 (en) | 2011-09-27 | 2014-11-04 | Z124 | State of screen info: easel |
US9448708B1 (en) | 2011-10-19 | 2016-09-20 | Google Inc. | Theming for virtual collaboration |
KR20130054076A (ko) | 2011-11-16 | 2013-05-24 | 삼성전자주식회사 | 복수 개의 어플리케이션을 프리로딩하는 터치스크린을 가지는 장치 및 그 제어 방법 |
CN102541602A (zh) | 2011-12-28 | 2012-07-04 | 用友软件股份有限公司 | 界面的预加载装置和预加载方法 |
US9189252B2 (en) | 2011-12-30 | 2015-11-17 | Microsoft Technology Licensing, Llc | Context-based device action prediction |
CN103246529B (zh) | 2012-02-13 | 2017-08-25 | 腾讯科技(深圳)有限公司 | 更新和推送导航栏的方法、设备和系统 |
CN103581754A (zh) | 2012-07-20 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种数据显示方法及智能设备 |
CN102819436B (zh) | 2012-08-01 | 2016-03-30 | 广州博冠信息科技有限公司 | 一种基于网页邮箱的用户界面交互方法和设备 |
CN103631612B (zh) | 2012-08-23 | 2017-09-29 | 腾讯科技(深圳)有限公司 | 启动操作系统的方法与装置 |
US10261938B1 (en) | 2012-08-31 | 2019-04-16 | Amazon Technologies, Inc. | Content preloading using predictive models |
US20140075377A1 (en) | 2012-09-10 | 2014-03-13 | Samsung Electronics Co. Ltd. | Method for connecting mobile terminal and external display and apparatus implementing the same |
CN102929532B (zh) | 2012-09-29 | 2015-07-22 | 东莞宇龙通信科技有限公司 | 应用程序的启动方法及通信终端 |
CN104838352B (zh) | 2012-12-07 | 2018-05-08 | 优特设备有限公司 | 在多表面装置中的动作初始化 |
US9104813B2 (en) | 2012-12-15 | 2015-08-11 | International Business Machines Corporation | Software installation method, apparatus and program product |
CN103092687B (zh) | 2012-12-26 | 2017-10-20 | 上海斐讯数据通信技术有限公司 | 一种应用程序管理装置和方法 |
CN103106000B (zh) | 2013-01-23 | 2015-11-25 | 东莞宇龙通信科技有限公司 | 多焦点窗口的实现方法及通信终端 |
CN104298554B (zh) | 2013-07-15 | 2019-01-18 | 北京三星通信技术研究有限公司 | 管理多任务应用程序的方法及装置 |
US20140373032A1 (en) | 2013-06-12 | 2014-12-18 | Microsoft Corporation | Prefetching content for service-connected applications |
US9508040B2 (en) * | 2013-06-12 | 2016-11-29 | Microsoft Technology Licensing, Llc | Predictive pre-launch for applications |
CN103376974A (zh) | 2013-06-28 | 2013-10-30 | 广州市动景计算机科技有限公司 | 一种窗口切换方法及装置 |
US9588897B2 (en) | 2013-07-19 | 2017-03-07 | Samsung Electronics Co., Ltd. | Adaptive application caching for mobile devices |
US9565233B1 (en) | 2013-08-09 | 2017-02-07 | Google Inc. | Preloading content for requesting applications |
CN103412757B (zh) | 2013-08-19 | 2017-08-01 | 南京大学 | 移动应用个性化集成框架的实现方法 |
US20160246484A1 (en) | 2013-11-08 | 2016-08-25 | Lg Electronics Inc. | Electronic device and method for controlling of the same |
CN103677922B (zh) | 2013-12-13 | 2018-01-09 | 北京奇虎科技有限公司 | 对应用软件进行启动的方法和装置 |
US9513888B1 (en) | 2014-01-30 | 2016-12-06 | Sprint Communications Company L.P. | Virtual preloads |
KR102262102B1 (ko) | 2014-04-09 | 2021-06-09 | 삼성전자 주식회사 | 애플리케이션 실행 방법 및 장치 |
CN105022642A (zh) | 2014-04-17 | 2015-11-04 | 中兴通讯股份有限公司 | 一种移动终端及加载内容的处理方法 |
CN105094861A (zh) | 2014-05-06 | 2015-11-25 | 腾讯科技(深圳)有限公司 | 网页应用程序加载方法、装置及系统 |
US9665296B2 (en) | 2014-05-07 | 2017-05-30 | Sandisk Technologies Llc | Method and computing device for using both volatile memory and non-volatile swap memory to pre-load a plurality of applications |
US10055096B2 (en) | 2014-06-06 | 2018-08-21 | Apple Inc. | Continuous reading of articles |
CN104092821A (zh) | 2014-07-01 | 2014-10-08 | 惠州Tcl移动通信有限公司 | 一种移动终端的图标隐藏方法及系统 |
WO2018055506A1 (en) | 2016-09-22 | 2018-03-29 | Tensera Networks Ltd. | An optimized content-delivery network (cdn) for the wireless last mile |
GB2546692A (en) | 2014-10-13 | 2017-07-26 | Seven Networks Llc | Wireless traffic management system for caching at a mobile device based on user characteristics |
US20160117716A1 (en) | 2014-10-22 | 2016-04-28 | Hsiu-Ping Lin | Methods and systems for advertising apps |
US10114661B2 (en) | 2014-11-07 | 2018-10-30 | Roku, Inc. | System and method for fast starting an application |
US20160162148A1 (en) | 2014-12-04 | 2016-06-09 | Google Inc. | Application launching and switching interface |
CN105786839A (zh) | 2014-12-22 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 一种应用数据获取方法及装置 |
US9971972B2 (en) | 2014-12-30 | 2018-05-15 | Oath Inc. | Predicting the next application that you are going to use on aviate |
US10402038B2 (en) | 2015-01-08 | 2019-09-03 | Hand Held Products, Inc. | Stack handling using multiple primary user interfaces |
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 |
CN104809174A (zh) | 2015-04-13 | 2015-07-29 | 深圳市金立通信设备有限公司 | 一种终端应用的打开方法 |
US10459887B1 (en) | 2015-05-12 | 2019-10-29 | Apple Inc. | Predictive application pre-launch |
US10097973B2 (en) | 2015-05-27 | 2018-10-09 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
CN104850799B (zh) | 2015-05-27 | 2018-11-16 | 努比亚技术有限公司 | 一种隐藏移动终端中的数据的方法及移动终端 |
US9983887B2 (en) | 2015-06-05 | 2018-05-29 | Apple Inc. | Memory management of data processing systems |
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 |
CN106325913A (zh) | 2015-07-03 | 2017-01-11 | 龙芯中科技术有限公司 | 应用程序启动方法及装置 |
CN105824657B (zh) | 2015-07-27 | 2018-06-26 | 维沃移动通信有限公司 | 一种显示应用程序的方法及移动终端 |
KR102443069B1 (ko) | 2015-08-12 | 2022-09-14 | 삼성전자주식회사 | 어플리케이션을 실행하기 위한 장치 및 방법 |
CN112214260B (zh) | 2015-09-21 | 2023-09-22 | 创新先进技术有限公司 | 终端应用app的加载方法及装置 |
KR102401772B1 (ko) | 2015-10-02 | 2022-05-25 | 삼성전자주식회사 | 전자 장치에서 어플리케이션 실행 장치 및 방법 |
CN105426214B (zh) | 2015-12-08 | 2019-04-30 | 惠州Tcl移动通信有限公司 | 一种应用程序启动方法、系统及移动终端 |
KR20170077714A (ko) | 2015-12-28 | 2017-07-06 | 삼성전자주식회사 | 어플리케이션 실행 방법 및 이를 지원하는 전자 장치 |
CN105657522B (zh) | 2016-01-05 | 2019-06-28 | 深圳市金立通信设备有限公司 | 一种视频播放的方法以及终端 |
KR102459031B1 (ko) | 2016-02-15 | 2022-10-26 | 삼성전자 주식회사 | 전자 장치 및 그 어플리케이션 표시 방법 |
CN105682037A (zh) | 2016-03-03 | 2016-06-15 | 惠州Tcl移动通信有限公司 | 一种移动终端及其操作系统的切换方法 |
CN105912227A (zh) | 2016-04-13 | 2016-08-31 | 广州阿里巴巴文学信息技术有限公司 | 一种文本信息的显示方法、装置和移动设备 |
CN105955765B (zh) | 2016-04-22 | 2020-03-03 | 北京小米移动软件有限公司 | 应用预加载方法及装置 |
CN105912215A (zh) | 2016-04-25 | 2016-08-31 | 上海斐讯数据通信技术有限公司 | 一种应用程序的切换方法及移动终端 |
CN106056010A (zh) | 2016-05-20 | 2016-10-26 | 北京小米移动软件有限公司 | 终端处理消息的方法、装置及终端 |
CN105939416A (zh) | 2016-05-30 | 2016-09-14 | 努比亚技术有限公司 | 移动终端及其应用预启动方法 |
CN106055364B (zh) | 2016-05-31 | 2020-05-08 | Oppo广东移动通信有限公司 | 一种启动应用方法及终端设备 |
CN106066805B (zh) | 2016-05-31 | 2020-03-17 | 宇龙计算机通信科技(深圳)有限公司 | 一种终端应用程序启动的方法、装置及终端 |
CN106055369A (zh) | 2016-06-08 | 2016-10-26 | 维沃移动通信有限公司 | 一种移动终端应用程序的启动方法及移动终端 |
CN106201241A (zh) | 2016-06-24 | 2016-12-07 | 北京奇虎科技有限公司 | 终端屏幕的分屏显示方法、装置及终端 |
CN106250988B (zh) | 2016-07-28 | 2018-09-11 | 武汉理工大学 | 基于样本特性的相关向量回归增量学习算法及系统 |
CN107885591A (zh) * | 2016-09-27 | 2018-04-06 | 华为技术有限公司 | 为应用分配系统资源的方法和终端 |
US10204059B2 (en) | 2016-09-29 | 2019-02-12 | International Business Machines Corporation | Memory optimization by phase-dependent data residency |
US10264050B2 (en) | 2016-10-03 | 2019-04-16 | Paypal, Inc. | Predictive analysis of computing patterns for preloaded data to reduce processing downtime |
CN106569894A (zh) | 2016-10-11 | 2017-04-19 | 北京元心科技有限公司 | 图片加载方法和系统 |
US10127125B2 (en) * | 2016-10-21 | 2018-11-13 | Accenture Global Solutions Limited | Application monitoring and failure prediction |
CN106406966B (zh) | 2016-10-31 | 2020-04-07 | 维沃移动通信有限公司 | 一种应用程序的预加载方法及移动终端 |
CN106775820A (zh) | 2016-11-10 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 应用程序管理的方法及装置 |
CN106648747B (zh) | 2016-11-14 | 2021-01-05 | 腾讯科技(深圳)有限公司 | 进程预加载处理方法及装置 |
CN106685851A (zh) | 2016-12-20 | 2017-05-17 | 深圳市金立通信设备有限公司 | 一种数据流量控制方法及终端 |
CN106778248B (zh) | 2016-12-26 | 2020-07-14 | 北京奇虎科技有限公司 | 应用程序Activity启动的方法和装置 |
CN106874091A (zh) | 2017-02-06 | 2017-06-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种应用程序调用方法、装置及移动终端 |
US10310872B2 (en) * | 2017-02-21 | 2019-06-04 | Red Hat, Inc. | Transparent fast application launcher |
US20180246635A1 (en) | 2017-02-24 | 2018-08-30 | Microsoft Technology Licensing, Llc | Generating user interfaces combining foreground and background of an image with user interface elements |
CN106874095A (zh) | 2017-02-28 | 2017-06-20 | 珠海市魅族科技有限公司 | 一种应用加载方法及装置 |
CN108572965B (zh) | 2017-03-08 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 一种资源加载方法及装置 |
CN108572818B (zh) | 2017-03-08 | 2021-07-23 | 斑马智行网络(香港)有限公司 | 一种用户界面渲染方法及装置 |
CN106941672A (zh) | 2017-03-09 | 2017-07-11 | 东软集团股份有限公司 | 应用软件异常处理的方法及装置 |
CN106959879B (zh) | 2017-03-31 | 2020-08-25 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
CN106919313A (zh) | 2017-04-21 | 2017-07-04 | 维沃移动通信有限公司 | 一种应用程序的启动方法及移动终端 |
CN107249074A (zh) | 2017-05-16 | 2017-10-13 | 努比亚技术有限公司 | 应用程序快速启动方法、移动终端及计算机可读存储介质 |
CN107229397A (zh) | 2017-06-08 | 2017-10-03 | 惠州Tcl移动通信有限公司 | 一种提高终端流畅度的方法、系统、终端以及存储装置 |
CN107368361B (zh) | 2017-06-26 | 2019-08-20 | 中广热点云科技有限公司 | 一种移动终端应用程序切换方法及系统 |
CN107508961A (zh) | 2017-06-26 | 2017-12-22 | 努比亚技术有限公司 | 一种活动窗口启动方法、终端及计算机可读存储介质 |
CN107562495A (zh) | 2017-07-20 | 2018-01-09 | 郑州云海信息技术有限公司 | 一种应用程序的启动方法和启动装置 |
KR20190021141A (ko) | 2017-08-22 | 2019-03-05 | 삼성전자주식회사 | 멀티 윈도우를 제어하는 전자 장치 및 그 동작 방법 |
CN107728874A (zh) * | 2017-09-06 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 提供用户快捷操作的方法、装置及设备 |
CN107678823A (zh) | 2017-09-30 | 2018-02-09 | 广东欧珀移动通信有限公司 | 移动终端应用的控制方法、装置及存储介质和移动终端 |
CN107678799B (zh) | 2017-09-30 | 2019-10-25 | Oppo广东移动通信有限公司 | 应用程序管控方法、装置、存储介质及电子设备 |
CN107678803B (zh) | 2017-09-30 | 2020-12-01 | Oppo广东移动通信有限公司 | 应用管控方法、装置、存储介质及电子设备 |
CN107729133A (zh) | 2017-10-26 | 2018-02-23 | 努比亚技术有限公司 | 一种运行应用程序的方法、终端和计算机可读存储介质 |
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 |
US11113604B2 (en) * | 2017-11-06 | 2021-09-07 | Google Llc | Training and/or utilizing an interaction prediction model to determine when to interact, and/or prompt for interaction, with an application on the basis of an electronic communication |
CN107872523B (zh) | 2017-11-07 | 2020-04-17 | Oppo广东移动通信有限公司 | 网络数据的加载方法、装置、存储介质及移动终端 |
CN107833073A (zh) | 2017-11-08 | 2018-03-23 | 吉浦斯信息咨询(深圳)有限公司 | 应用潜力评估方法、系统 |
CN109814938A (zh) | 2017-11-20 | 2019-05-28 | 广东欧珀移动通信有限公司 | 应用程序预测模型建立、预加载方法、装置、介质及终端 |
CN107943650B (zh) | 2017-11-21 | 2021-09-17 | Oppo广东移动通信有限公司 | 应用程序的控制方法、装置、存储介质及终端 |
CN107748685B (zh) | 2017-11-21 | 2020-12-25 | Oppo广东移动通信有限公司 | 应用程序启动控制方法、装置、终端设备及存储介质 |
CN107944259A (zh) | 2017-11-21 | 2018-04-20 | 广东欧珀移动通信有限公司 | 应用启动的管控方法、装置及存储介质和移动终端 |
CN107748686B (zh) | 2017-11-30 | 2021-03-12 | Oppo广东移动通信有限公司 | 应用程序的启动优化方法、装置、存储介质及智能终端 |
CN108076224B (zh) | 2017-12-21 | 2021-06-29 | Oppo广东移动通信有限公司 | 应用程序控制方法、装置及存储介质和移动终端 |
US11915012B2 (en) | 2018-03-05 | 2024-02-27 | Tensera Networks Ltd. | Application preloading in the presence of user actions |
US20190303176A1 (en) | 2018-03-29 | 2019-10-03 | Qualcomm Incorporated | Using Machine Learning to Optimize Memory Usage |
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 |
CN108647052B (zh) | 2018-04-28 | 2020-12-01 | 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 |
CN108595228B (zh) * | 2018-05-10 | 2021-03-12 | 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、存储介质及移动终端 |
CN108614722B (zh) | 2018-05-10 | 2020-09-08 | 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 |
CN108647056B (zh) | 2018-05-10 | 2020-04-24 | 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 |
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 |
CN108710513B (zh) | 2018-05-15 | 2020-07-21 | Oppo广东移动通信有限公司 | 应用程序启动方法、装置、存储介质及终端 |
CN108595231B (zh) | 2018-05-15 | 2021-06-15 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及智能终端 |
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 |
CN108762839B (zh) | 2018-05-22 | 2020-12-18 | 北京小米移动软件有限公司 | 应用程序的界面显示方法及装置 |
CN108829456A (zh) | 2018-05-29 | 2018-11-16 | 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 |
CN108829457B (zh) | 2018-05-29 | 2020-09-29 | 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 |
CN108762843B (zh) | 2018-05-29 | 2020-05-05 | 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 |
CN108804157A (zh) | 2018-06-05 | 2018-11-13 | 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 |
-
2018
- 2018-05-10 CN CN201810443981.5A patent/CN108595228B/zh active Active
-
2019
- 2019-04-30 WO PCT/CN2019/085347 patent/WO2019214522A1/en active Application Filing
- 2019-05-08 EP EP19173310.4A patent/EP3567479B1/en active Active
- 2019-05-09 US US16/407,602 patent/US11442747B2/en active Active
Patent Citations (3)
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 |
CN107766201A (zh) * | 2017-09-28 | 2018-03-06 | 联想(北京)有限公司 | 一种软件处理方法和装置、电子设备 |
Non-Patent Citations (1)
Title |
---|
LANXIN0802: "神经网络来进行时间序列预测", 《CSDN》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
US11604660B2 (en) | 2018-05-15 | 2023-03-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for launching application, storage medium, and terminal |
US11467855B2 (en) | 2018-06-05 | 2022-10-11 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Application preloading method and device, storage medium and terminal |
CN109508209A (zh) * | 2018-10-11 | 2019-03-22 | 南京机器岛智能科技有限公司 | 一种基于统计数据的app加载流程优化方法 |
CN110471711A (zh) * | 2019-07-31 | 2019-11-19 | 维沃移动通信有限公司 | 应用程序预加载方法及终端设备 |
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 |
CN111221479B (zh) * | 2020-01-19 | 2022-08-05 | 苏州浪潮智能科技有限公司 | 一种判断存储容量变化量异常的方法、系统及存储介质 |
CN111221479A (zh) * | 2020-01-19 | 2020-06-02 | 苏州浪潮智能科技有限公司 | 一种判断存储容量变化量异常的方法、系统及存储介质 |
CN111597947A (zh) * | 2020-05-11 | 2020-08-28 | 浙江大学 | 一种基于电源功率因数矫正噪声的应用程序推断方法 |
CN111753235A (zh) * | 2020-06-28 | 2020-10-09 | 北京小米松果电子有限公司 | 一种页面加载的方法、装置及存储介质 |
CN115018081A (zh) * | 2021-11-19 | 2022-09-06 | 荣耀终端有限公司 | 特征选择方法、应用程序预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108595228B (zh) | 2021-03-12 |
WO2019214522A1 (en) | 2019-11-14 |
EP3567479B1 (en) | 2020-12-23 |
US11442747B2 (en) | 2022-09-13 |
US20190347113A1 (en) | 2019-11-14 |
EP3567479A1 (en) | 2019-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108595227A (zh) | 应用程序预加载方法、装置、存储介质及移动终端 | |
CN108920156A (zh) | 应用程序预测模型建立方法、装置、存储介质及终端 | |
CN108829457A (zh) | 应用程序预测模型更新方法、装置、存储介质及终端 | |
CN108595230A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108363593A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108958830A (zh) | 应用程序启动方法、装置、存储介质及终端 | |
CN108804157A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108614722A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108647055A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108762843A (zh) | 应用程序的预加载方法、装置、存储介质及智能终端 | |
CN108710513A (zh) | 应用程序启动方法、装置、存储介质及终端 | |
CN109947496A (zh) | 应用程序预加载方法、装置、存储介质及移动终端 | |
CN108595224A (zh) | 应用程序提示方法、装置、存储介质及终端 | |
CN108762831A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108628645A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108829456A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108762837A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108595231A (zh) | 应用程序预加载方法、装置、存储介质及智能终端 | |
CN108958828A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN107402713B (zh) | 加快黑屏手势处理的方法、装置、存储介质及移动终端 | |
CN108804153A (zh) | 应用程序的预加载方法、装置、存储介质及终端 | |
CN108647056A (zh) | 应用程序预加载方法、装置、存储介质及终端 | |
CN108776599A (zh) | 预加载应用的管理方法、装置、存储介质及智能终端 | |
CN106844159A (zh) | 一种信息获取方法、装置及智能终端 |
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: 1260857 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |