CN111159507A - 终端帐户的分类方法、装置、终端及存储介质 - Google Patents
终端帐户的分类方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN111159507A CN111159507A CN201911380454.5A CN201911380454A CN111159507A CN 111159507 A CN111159507 A CN 111159507A CN 201911380454 A CN201911380454 A CN 201911380454A CN 111159507 A CN111159507 A CN 111159507A
- Authority
- CN
- China
- Prior art keywords
- terminal
- account
- data
- target
- target terminal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 26
- 238000000586 desensitisation Methods 0.000 claims description 9
- 238000013468 resource allocation Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 17
- 238000013459 approach Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000001186 cumulative effect Effects 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004617 sleep duration Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 230000036578 sleeping time Effects 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
本申请实施例公开了一种终端帐户的分类方法、装置、终端及存储介质,属于计算机技术领域,目标终端能够从自身中获取已经登录的终端帐户对应的操作记录,该操作记录用于指示目标终端接受到的操作,根据该操作记录确定对应的分类结果,分类结果用于指示操作记录匹配的画像模版,画像模版是用于指示具有指定资源配置需求的用户画像,当分类结果的置信度大于目标阈值时,目标终端将终端帐户的类型确定为画像模板指示的类型。通过本申请实施例提供的方法,目标终端能够按照目标终端中记录的操作记录确定分类结果,使得目标终端能够根据使用情况的进行分类,提高了对终端帐户的分类效果。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种终端帐户的分类方法、装置、终端及存储介质。
背景技术
随着移动终端相关的软硬件技术的快速发展,服务商通过将终端帐户分为指定类型的帐户而提供差异性服务。
在一些可能的应用方式中,移动终端在获取用户的许可下,收集用户的年龄、性别和所在地区等个人信息,并根据该个人信息确定用户所使用的终端帐户的分类,并根据该终端帐户的分类,向终端帐户推送对应的消息。
发明内容
本申请实施例提供了一种终端帐户的分类方法、装置、终端及存储介质。
所述技术方案如下:
根据本申请的一方面内容,提供了一种终端帐户的分类方法,所述方法包括:
从目标终端中获取终端帐户对应的操作记录,所述操作记录用于指示所述目标终端接受到的操作;
确定所述操作记录对应的分类结果,所述分类结果用于指示所述操作记录匹配的画像模板,所述画像模板是用于指示具有指定资源配置需求的用户画像;
当所述分类结果的置信度大于目标阈值时,将所述终端帐户的类型确定为所述画像模板指示的类型。
根据本申请的另一方面内容,提供了一种终端帐户的分类装置,所述装置包括:
记录获取模块,用于从目标终端中获取终端帐户对应的操作记录,所述操作记录用于指示所述目标终端接受到的操作;
结果确定模块,用于确定所述操作记录对应的分类结果,所述分类结果用于指示所述操作记录匹配的画像模板,所述画像模板是用于指示具有指定资源配置需求的用户画像;
类型确定模块,用于当所述分类结果的置信度大于目标阈值时,将所述终端帐户的类型确定为所述画像模板指示的类型。
根据本申请的另一方面内容,提供了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如本申请实施提供的终端帐户的分类方法。
根据本申请的另一方面内容,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如本申请实施提供的终端帐户的分类方法。
本申请实施例提供的技术方案带来的有益效果可以包括:
目标终端能够从自身中获取终端帐户对应的操作记录,该操作记录用于指示目标终端接受到的操作,根据该操作记录确定对应的分类结果,分类结果用于指示操作记录匹配的画像模版,画像模版是用于指示具有指定资源配置需求的用户画像,当分类结果的置信度大于目标阈值时,目标终端将终端帐户的类型确定为画像模板指示的类型。通过本申请实施例提供的方法,目标终端能够根据自身被操作的情况来确定对应的分类结果,并在分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模版指示的类型。由于该方案能够按照目标终端中记录的操作记录确定分类结果,提高了按照终端使用情况的进行分类的效果。
附图说明
为了更清楚地介绍本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是图1是本申请一个示例性实施例提供的终端的结构框图;
图2是本申请一个示例性实施例提供的一种终端帐户的分类方法的流程图;
图3是本申请另一个示例性实施例提供的另一种终端帐户的分类方法流程图;
图4是本申请一个示例性实施例提供的一种终端帐户的分类装置的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
为了本申请实施例所示方案易于理解,下面对本申请实施例中出现的若干名词进行介绍。
用户画像(英文:User portrait):用于描述用户性为或属性等特征的数据。
云端(英文:Cloud):用于指示作为服务提供端的服务器。
置信度(英文:Confidence level):用于指示被测量参数的测量值的可信程度。
终端帐户:登录在目标终端中的帐户,终端帐户可以在不同的终端上登录。在本申请实施例中,终端帐户是登录在目标终端中的帐户。示意性的,该终端帐户可以是终端厂商提供的帐户系统分配的,该终端帐户也可以是第三方服器商提供的帐户系统分配的。
操作记录:用于记录目标终端的使用者操作目标终端所产生的记录。一种可能的方式中,操作记录用于指示目标终端接受到的操作。另一种可能的方式中,操作记录用于指示目标终端接受到的操作所产生的关联数据。
可选地,从与系统资源配置方面进行分类,本申请实施例可以将操作记录中的数据分为功耗行为数据、性能行为数据和公共行为数据三种数据。在一种可能的实现方式中,操作记录中的数据可以通过加密数据库的形式存放在终端本地的data分区中。终端中的data分区在终端不被root时,无法被非系统应用访问,较有较强的安全性。
一种可能的方式中,功耗行为数据用于指示目标终端中与能源消耗关联的操作。需要说明的是,目标终端可以是移动终端。当目标终端是移动终端时,功耗行为数据用于指示目标终端中与该移动终端运行所使用的能源的消耗相关的操作。可选地,该能源可以电能。需要说明的是,该能源还可以是其它能够驱动目标终端工作的能源,本申请实施例对此不作限制。
示意性的,功耗行为数据可以包括以下数据中的至少一种:单次充电时长、充电起始电量、充电结束电量、单位时间内低电量次数、低电量模式开始时电量、累积耗电极大值应用或累积耗电极大值硬件组件。下面对各个数据的含义进行介绍。
(1)单次充电时长:用于指示目标终端从外部电源开始充电的时刻,到外部电源停止充电的时刻之间的时长。一种可能的方式中,单次充电时长的单位可以定义为分钟。另一种可能的方式中,单次充电时长的单位可以定义为秒。例如,当目标终端从15:02:33开始有外部电源充电,在15:35:21不再接收外部电源提供的电能,则单次充电时长为32分48秒。该单次充电时长的数据可以为多个,每一个单次充电时长用于指示一次充电过程的持续时长。
(2)充电起始电量:用于指示目标终端在一次充电操作开始时的剩余电量。示意性的,该充电起始电量的取值区间可以是[0,100]。
(3)充电结束电量用于指示目标终端在一次充电操作结束时的剩余电量。示意性的,该充电结束电量的取值区间可以是[0,100]。
(4)单位时间内低电量次数:用于指示单位时间内目标终端的电量低于低电量阈值的次数。其中,单位时间可以是12小时、24小时或48小时等指定时长的时间段,也可以是7天、15天或30天等时间较长的时间段。本申请实施例不对单位时间的具体取值进行限定。
(5)低电量模式开始时电量,用于指示用户设置的低电量阈值。示意性的,该电量可以是25、20或15等数值,本申请实施例对此不作限定。
(6)累积耗电极大值应用,用于指示单位时间内在目标终端中累积耗电量最高的应用。示意性的,该应用可以是一个应用,也可以是多个应用。当该应用是一个应用时,该累积耗电极大值应用是单位时间内在目标终端中累积耗电量最高的应用。当该应用是p个应用时,该累积耗电极大值应用是单位时间内在目标终端中累积耗电量前p个最高的应用。例如,该累积耗电极大值应用为3个时,可以是[即时通讯应用A、短视频应用B和音乐应用C]。
(7)累积耗电极大值硬件组件,用于指示单位时间中目标终端中耗电累积量最高的硬件组件。示意性的,该硬件组件可以是一个硬件组件,也可以是多个硬件组件。当该硬件组件是p个硬件组件时,该累积耗电极大值硬件组件是单位时间中目标终端中耗电累积量最高的前p个硬件组件。例如,该累积耗电极大值硬件组件是3个时,可以是[中央处理器、摄像头和卫星导航芯片]。
(8)亮屏事件次数,用于指示单位时间中目标终端累积执行的亮屏事件的总次数。
(9)亮屏持续时长,用于指示在一次亮屏事件中,目标终端保持屏幕点亮状态的时长。
另一种可能的方式中,性能行为数据用于指示目标终端中与系统性能关联的操作。性能行为数据可以被用户事先预定,不同的性能行为数据对终端的性能有直接的影响。
示意性的,性能行为数据可以包括以下数据中的至少一种:一键清理次数、冷启动时长、热启动时长、丢帧次数、丢帧的应用类型、CPU各个核的使用时长、CPU使用百分比信息和CPU温度信息等等。下面对各个数据的含义进行介绍。
(1)一键清理次数:用于指示终端的一键清理功能被使用的次数。可选地,例如,终端在多任务界面中可以通过点击清理图标来触发一次一键清理功能。终端也可以通过预设的操作触发一次一键清理操作。例如,当终端运行游戏等指定应用时,终端可以在接收到指定操作时显示一键清理按钮,在该按钮被触发时执行一次一键清理操作。
(2)冷启动时长:用于指示指定应用进行冷启动所花费的时长。其中,冷启动是指定应用在启动时,系统后台没有该应用的进程,操作系统会新创建一个进程给该应用的启动方式。该冷启动时长用于指示终端新启动一个指定应用所需要的时长,反映了终端新启动指定应用所需要的时长。
(3)热启动时长:用于指示指定应用进行热启动所花费的时长。其中,热启动是指定应用在启动时,系统后台已经存在该应用的进行,操作系统通过直接调用该进行执行应用的启动方式。该热启动时长用于指示终端启动一个已经启动过的指定应用所需要的时长,反映了终端再次启动指定应用所需要的时长。
(4)丢帧次数:用于指示指定类型的应用中每秒显示丢帧的次数。该丢帧次数用于指示终端渲染图像的性能。丢帧次数越高,说明终端针对指定类型的应用处理图像的性能越低。丢帧次数越低,说明终端针对指定类型的应用处理图形的性能越高。
示意性的,指定类型的应用包括但不限于视频播放应用、拍摄美化应用、社交通讯应用、音乐电台应用、实用工具应用、便捷生活应用、网上购物应用、新闻阅读应用、金融理财应用、教育学习应用、交通导航应用、旅游出行应用、系统优化应用、生活娱乐应用、医疗健康应用和办公应用等。
(5)丢帧的应用类型,该丢帧的应用类型可以是上述指定类型中的任意一种,或者,该丢帧的应用类型还可以是其它类型的应用,本申请实施例对此不作限定。
(6)CPU各个核的使用时长:用于指示多核心的CPU在单位时间内累积的使用时长。其中,单位时间可以是12小时、24小时或者48小时等数值,本申请实施例对此不作限定。例如,终端的CPU有8个核心,每个核心在24小时内的使用时长表一中的数据所示。
表一
核心 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
T(h) | 18.4 | 12.2 | 11.8 | 12.6 | 17.9 | 5.6 | 6.4 | 6.2 |
在表一所示的数据中,CPU的核心采用从0至7的编号编排。其中,核心0和核心4在24小时中累积工作时间最长,分别为18.4小时和17.9小时。核心1、核心2和核心3在24小时中累积工作时间次之,分别为12.2小时、11.8小时和12.6小时。核心5、核心6和核心7在24小时中累积工作时间较少,分别为5.6小时、6.4小时和6.2小时。
(7)CPU使用百分比信息:用于指示CPU在指定采样时刻时的使用百分比。一种可能的实现方式中,终端可以每隔半小时采集一次CPU使用百分比信息,则在24小时的时长内,终端将获得48个CPU使用百分比信息的数据。在其它可能实现的方式中,终端还可以每隔15分钟,或者每隔1小时采集一次CPU使用百分比信息,本申请实施例对此不作限定。
(8)CPU温度信息:用于指示CPU在采集时刻的温度值。一种可能的实现方式中,终端可以每隔15分钟采集一次CPU温度信息,则在24小时的时长内,终端将获得96个CPU温度信息的信息。
一种可能的方式中,公共行为数据用于指示终端中操作记录中除了功耗行为数据和性能行为数据之外的行为记录。在另一种表述方式中,公共行为数据还可以是用于表示客观存在的用户行为数据,该用户是终端的使用者。
示意性的,公共行为数据可以包括以下数据中的至少一种:运行时长、解锁次数、充电次数、网络类型占比、行走步数、睡眠时长、内存使用数据、外存使用数据、单次使用时长、已安装应用的数量、应用切换事件的数量、开关机事件的数量、耳机插拔事件的数量、通知事件的数量或设置改动事件的数量。下面对各个数据的含义进行介绍。
(1)运行时长:用于指示终端在单位时间内,处于运行状态的累积时长。以单位时间是24小时为例,运行时长可以是24小时内终端处于运行状态的累积时长。示意性的,运行状态可以是终端处于解锁亮屏的状态。
(2)解锁次数:用于指示终端在单位时间内,响应解锁指令的次数。示意性的,当用户通过一次解锁验证的过程时,终端响应解锁指令,将终端解除锁定状态。用户可以通过指纹解锁、密码解锁、人脸解锁、虹膜解锁或者上述解锁方式的组合进行解锁。本申请实施例不对解锁的方式进行限定。
(3)充电次数:用于指示终端在单位时间内,连通电源进行充电的次数。示意性的,当终端连接外部电源,终端从外部电源开始获取电能时,终端记做一次充电。一种可能的方式中,当终端持续从外部电源连续获取电能超过预定时间阈值时,终端认为本次充电为一次有效充电,将本次充电记做一次充电。同时,若终端从外部电源连续获取电能的时长没有超过预定时间阈值时,终端确定本次充电为无效充电,不将本次充电记为一次充电。示意性的,预定时间阈值可以是30秒、60秒或者120秒等数值,本申请实施例对此不做限制。
(4)网络类型占比:用于指示终端访问网络时采用的上网方式占比。其中,可以采用的上网方式包括Wi-Fi(英文:Wireless Fidelity,中文:无线保真)、5G新空口(英文:NewRadio,缩写:NR)、4G(中文:第四代的移动信息系统)、3G(中文:第三代的移动信息系统)和2G(中文:第二代的移动信息系统)中的至少一种。
一种可能的实现方式中,网络类型占比可以是数据量的占比。例如,终端从网络下载的数据量为1000MB,其中,通过Wi-Fi下载500MB数据,通过5G新空口下载300MB数据,通过4G下载100MB数据,通过3G下载100MB数据。在该场景下,[Wi-Fi,5G新空口,4G,3G]各自的网络类型占比为[50%,30%,10%,10%]。
另一种可能的实现方式中,网络类型占比可以是使用时长的占比。例如,终端在单位时间内,共使用网络10小时,其中,使用Wi-Fi网络共4小时、使用5G新空口网络共3小时、使用4G网络共2小时,使用3G网络共1小时。在该场景下,[Wi-Fi,5G新空口,4G,3G]各自的网络类型占比为[40%,30%,20%,10%]。
(5)行走步数:用于指示终端的使用者在单位时间内的行走步数。需要说明的是,行走步数是终端通过步数统计算法结合终端中的运动传感器计算得到的数据,该步数和用户实际的步数之间可能存在误差。
(6)睡眠时长:用于指示终端的使用者在单位时间内的睡眠时长。需要说明的是,睡眠时长是终端通过睡眠时长统计算法计算得到的数据,该睡眠时长和用户实际的睡眠时长之间可能存在误差。
(7)内存使用数据:用于指示终端中的内存的使用情况,可以包括内存使用的百分比或内存使用的容量大小。示意性的,内存使用数据可以按照预设统计周期进行统计,例如,统计周期可以是1小时、2小时、6小时或者12小时等时长,本申请实施例对此不作限定。
(8)外存使用数据:用于指示终端中的外部存储的使用情况,可以包括外部存储的百分比或外部存储使用的容量大小。示意性的,外存使用数据可以按照预设统计周期进行统计,例如,统计周期可以是1小时、2小时、6小时或者12小时等时长,本申请实施例对此不作限定。
(9)单次使用时长;用于指示终端从一次解锁开始,直到下一次屏幕锁定的时间长度。针对本数据的统计,终端能够统计单位时间内的单次使用时长。例如,终端在24小时内供被使用85次,终端可以统计24小时内终端这85次每一次的单次使用时长。
(10)已安装应用的数量:用于指示终端中已经安装的应用的数量。在一种可能的统计方式中,已安装应用的数量包括系统应用和第三方应用。在另一种可能的统计方式中,已安装应用的数量可以仅包括第三方应用。
(11)应用切换事件的数量:用于指示单位时间内目标终端触发应用切换事件的数量。其中,单位时间可以是48小时、24小时或12小时等时长。
(12)开关机事件的数量:用于指示单位时间内目标终端触发开关机事件的数量。其中,单位时间可以是48小时、24小时或12小时等时长。
(13)耳机插拔事件的数量:用于指示单位时间内目标终端触发耳机插拔事件的数量。其中,一个耳机插拔事件包括一次耳机插接事件和一次耳机拔离事件。当目标终端触发一次耳机插接事件和一次耳机拔离事件时,目标终端记录触发了一次耳机插拔事件。
(14)通知事件的数量:用于指示单位时间内目标终端触发通知事件的数量。其中,一次通知事件既可以是系统应用触发的通知事件,也可以是第三方应用触发的通知事件。
(15)设置改动事件的数量,用于指示单位时间内目标终端触发设置改动事件的数量。其中,设置改动事件可以是目标终端中硬件设置被更改的事件。例如,屏幕的亮度、音量的大小、屏幕显示的频率或屏幕的灵敏度中的至少一种。
画像模板:有若干个特征所组成的用户画像,该画像可以是指定的模型通过机器学习算法从大数据中自动聚类得到的用户画像。在本申请实施例中,画像模版用于指示具有相同的终端使用习惯的用户。基于该能够反映用户使用终端的动态行为的画像模版,云端的服务人员能够有针对性地为终端设计系统资源调度方法,提高终端使用终端时的效能。
需要说明的是,云端的服务人员能够针对不同的画像模版配置相对应的目标配置数据,通过目标配置数据配置终端中的资源的调度。
示例性地,本申请实施例所示的终端帐户的分类方法,可以应用在终端中,该终端具备显示屏且具备终端帐户的分类功能。终端可以包括手机、平板电脑、膝上型电脑、智能眼镜、智能手表、数码相机、MP4(英文:Moving Picture Experts GroupⅣ,中文:动态图像专家组四)播放终端、MP5(英文:Moving Picture Experts GroupⅤ,中文:动态图像专家组五)播放终端、学习机、点读机、电纸书或电子词典等。
请参考图1,图1是本申请一个示例性实施例提供的终端的结构框图,如图1所示,该终端包括处理器120和存储器140,所述存储器140中存储有至少一条指令,所述指令由所述处理器120加载并执行以实现如本申请各个方法实施例所述的终端帐户的分类方法。
在本申请中,终端100是具备为终端帐户进行分类功能的电子设备。当终端100从目标终端中获取终端帐户对应的操作记录时,终端100能够确定操作记录对应的分类结果,当分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模版指示的类型。其中,操作记录用于指示目标终端接受到的操作,分类结果用于指示所述操作记录匹配的画像模板,所述画像模板是用于指示具有指定资源配置需求的用户画像。
处理器120可以包括一个或者多个处理核心。处理器120利用各种接口和线路连接整个终端100内的各个部分,通过运行或执行存储在存储器140内的指令、程序、代码集或指令集,以及调用存储在存储器140内的数据,执行终端100的各种功能和处理数据。可选的,处理器120可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器120可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器120中,单独通过一块芯片进行实现。
存储器140可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。可选的,该存储器140包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器140可用于存储指令、程序、代码、代码集或指令集。存储器140可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等;存储数据区可存储下面各个方法实施例中涉及到的数据等。
请参考图2,图2是本申请一个示例性实施例提供的一种终端帐户的分类方法的流程图。该终端帐户的分类方法可以应用在上述图1所示的终端中。在图2中,终端帐户的分类方法包括:
步骤210,从目标终端中获取终端帐户对应的操作记录,操作记录用于指示目标终端接受到的操作。
在本申请实施例中,图2所示的方法可以既由目标终端执行,也可以由目标终端之外的设备通过与目标终端进行数据交互,从而实现本申请实施例提供的终端帐户的分类方法。
可选的,m个样本终端帐户对应的操作记录存储在加密数据库中,加密数据库存储在目标终端的系统只读区,系统只读区中的数据向目标终端的操作系统提供访问权限。
示意性的,本申请实施例中以目标终端为执行主体进行说明。一种可能的方式中,目标终端从自身的存储区域中获取终端帐户对应的操作记录。在一种可能的方式中,由于目标终端的操作记录涉及用户的隐私,因此,本申请实施例将通过用户明确知晓的方式令用户了解自己的操作习惯被目标终端收集以便于提高目标终端调度系统资源的效率。
示意性的,由于目标终端中需要采集的操作记录较多。在本申请实施例中,目标终端能够将操作记录保存在一个文件中,使得获取目标终端的操作记录通过读取该文件来完成。一种可能的实施方式中,目标终端能够获取自身单位时间内的操作记录。该单位时间可以是48小时、24小时或12小时等。针对单位时间的设计,目标终端可以按照能够反映用户使用终端的周期来设定。在另一种可能的方式中,终端可以将统计周期的开始时刻设置为用户的起床时刻。在另一种可能的方式中,终端可以将指定的时刻确认为用户的单位时间的开始时刻。
步骤220,确定操作记录对应的分类结果,分类结果用于指示操作记录匹配的画像模板,画像模板是用于指示具有指定资源配置需求的用户画像。
在一种可能的方式中,终端能够通过操作记录进行处理分析,得到该操作记录对应分类结果,该分类结果用于指示操作记录匹配的画像模版。
在一种可能的方式中,目标终端能够在本地存储画像模版。例如,服务器端事先通过大数据聚类出580个画像模版,每一个画像模版大小为1KB左右,则该部分画像模版以系统文件的形式存储在目标终端的本地。
在另一种可能的方式中,目标终端将从云端确定操作记录匹配的画像模版。示意性的,画像模版可以是一个文件,该文件中包括指定个数的维度的数据。例如,一个画像模版包括210个维度,则该文件中存储该210个维度具体的数值。在本申请的配置中,画像模板有对应的系统资源配置数据。
步骤230,当分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模板指示的类型。
由于本申请实施例通过指定的计算方式计算分类结果。因此,为了保证分类结果的正确性,本申请实施例将对分类结果的置信度进行计算。当分类结果的置信度大于目标阈值时,终端将能够将终端帐户的类型确定为画像模版指示的类型。
可选地,作为一种可能的实现方式,本申请实施例获取置信度的方法包括但不限于贝叶斯准则(英文:Bayesian Information Criterion,缩写:BIC)、对数相似值和欧式距离中至少一种。
可选地,目标阈值可以是92%、95%或98%中至少一种,本申请实施例不对目标阈值的具体取值进行限定。
由此可见,本申请实施例能够在获取一个终端帐户的操作记录的情况下,将该终端帐户分类为对应的画像模版指示的类型,从而使得一个终端帐户在不主动提供使用终端的偏好等数据的情况下,能够对自身的终端帐户进行较为准确的分类,从而为后续提供针对性的系统硬件资源调度方案或用户界面调优方案。从而在用户被给换目标终端的情况,从硬件资源的使用和软件上的用户界面调优两个方面上给予用户适合自身使用习惯的方案,提高了用户使用目标终端的操作效率。
综上所述,在本实施例提供的终端帐户的分类方法中,目标终端能够从自身中获取终端帐户对应的操作记录,该操作记录用于指示目标终端接受到的操作,根据该操作记录确定对应的分类结果,分类结果用于指示操作记录匹配的画像模版,画像模版是用于指示具有指定资源配置需求的用户画像,当分类结果的置信度大于目标阈值时,目标终端将终端帐户的类型确定为画像模板指示的类型。通过本申请实施例提供的方法,目标终端能够根据自身被操作的情况来确定对应的分类结果,并在分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模版指示的类型。由于该方案能够按照目标终端中记录的操作记录确定分类结果,提高了按照终端使用情况的进行分类的效果。
基于上一个实施例所公开的方案,终端还能够预先通过大数据分析的方法,对画像模版进行聚类,请参考如下实施例。
请参见图3,图3是本申请另一个示例性实施例提供的另一种终端帐户的分类方法流程图。该终端帐户的分类方法可以应用在上述所示的目标终端中。在图3中,该终端帐户的分类方法包括:
步骤311,获取m个样本终端帐户对应的操作记录。
在本申请实施例中,m为正整数。目标终端能够获取m个样本终端帐户对应的操作记录。目标终端能够通过加密数据的方式获得该数据。
需要说明的是,若样本操作记录是服务器发送的数据,则该样本操作记录可以是指定地理范围内的样本终端提供的数据。例如,样本终端和目标终端所处的地理位置相同,该地理位置可以是省份、城市或国家等任意一种地理位置。
示意性的,若样本操作记录是服务器发送的数据,则该样本操作记录可以是最近3天、最近7天或者最近15天服务器采集的数据。由于样本操作记录是最近时段采集的数据,因此,该数据能够反映最近的目标终端被操作产生的特征。
步骤312,对m个样本终端帐户对应的操作记录进行数据脱敏,获得脱敏后样本数据。
目标终端能够对m个样本终端帐户对应的操作记录进行数据脱敏,获得脱敏后的样本数据。由于样本终端帐户对应的操作记录经过了数据脱敏,因此,样本终端帐户对应的操作记录将不会泄露用户的隐私,该操作保障了样本终端帐户的操作记录的安全。
步骤313,通过第一聚类算法,对脱敏后样本数据进行处理,得到n类画像模板。
在本申请实施例中,n为正整数。目标终端能够通过第一聚类算法,对脱敏后样本数据进行处理,得到n类完成聚类的画像模版。
在本申请实施例中,第一聚类算法可以是K-Means聚类算法、DBSCAN(英文:Density-Based Spatial Clustering of Applications with Noise,中文:基于密度的噪声应用空间聚类)算法、两步聚类或密度最大值DPEAK算法中的一种。示意性的,本申请实施例还能够采用其他聚类算法。在本实施例中,上述每一个聚类算法都可以制作成为一个插件,便于交叉检验无监督聚类结果。
经过第一聚类算法的处理后,目标终端将m个脱敏后样本数据聚类成为n类完成聚类的画像模版。示意性的,每一个画像模版有自身的聚类中心。
在本申请实施例中,目标终端在执行完成步骤313后,既可以执行步骤320,也可以执行步骤331和步骤332。
步骤320,若通过第一聚类算法,在经过预设时段后的分类结果的准确度小于预设阈值,则采用第二聚类算法重新对脱敏后样本数据进行处理,得到p类画像模板。
在本申请实施例中,p为正整数。示意性的,第一聚类算法和第二聚类算法是处理操作不同的算法。第二聚类算法也可以是K-Means聚类算法、DBSCAN算法或密度最大值DPEAK算法中的一种。
在一种可能的方式中,画像模版的数值需要满足可分级和分类值中至少一个要求。
示意性的,画像模版可以包括公共基础画像、功耗画像、性能画像和网络画像中至少一个方向的画像,使得画像模版能够全面的描述终端账号使用目标终端的整体情况。
步骤331,当得到n类画像模板时,为n类画像模板标注生命周期。
示意性的,目标终端在得到n类画像模版时,将能够为n类画像模版标注生命周期。一种可能的方式中,画像模版的生命周期的时长可以是7天、15天或30天等时长。需要说明的是,生命周期可以是n类画像模版统一的生命周期。该步骤得到的n类画像模版为一个批次的画像模版,生命周期为统一的一个数值。
步骤332,当生命周期到达预设时长时,采用第二聚类算法重新对脱敏后样本数据进行处理,得到q类画像模板。
在本申请实施例中,q为正整数。预设时长可以是生命周期的长度。比如,当n类画像模版的生命周期达到预设时长时,目标终端将采用不同于第一聚类算法的第二聚类算法重新对脱敏后的样本数据进行处理,得到q类画像模版。
由于目标终端采用不同的聚类算法重新对脱敏后样本数据进行处理。因此,目标终端将获取从新的q类画像模版,使得目标终端能够获取根据不同聚类算法得到的画像模版。
步骤341,获取目标终端中登录的终端帐户。
示意性的,目标终端将能够获取本端中登录的终端帐户。
一种可能的方式中,终端帐户可以是终端厂商设置的用户系统中的帐户。
另一种可能的方式中,终端帐户可以是第三方性能优化厂商设置的用户系统中的帐户。可选地,该系统还可以手机终端帐户所使用的目标终端的硬件配置。
步骤342,获取终端帐户的分类数据。
在本申请实施例中,终端帐户的分类数据可以是终端帐户的一个属性信息,该属性信息用于指示终端帐户是否已经被标注过分类的类型。当终端帐户已经被标注过分类的帐户时,该属性信息将指示终端帐户的具体类型。当终端帐户是没有被标注过分类的帐户时,该终端帐户可以被视作新帐户。
步骤343,当终端帐户的分类数据为空数据时,从目标终端中获取终端帐户对应的操作记录。
在本申请实施例中,当终端帐户的分类数据为空数据时,目标终端能够从本地中获取终端帐户对应的操作记录。一种可能的方式中,终端帐户对应的操作记录是目标终端在登录终端帐户的期间,目标终端接受到操作所产生的数据。
步骤350,确定操作记录对应的分类结果。
在本申请中,步骤350的执行过程和步骤220的执行过程相同,此处不再赘述。
步骤360,当分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模板指示的类型。
在本申请中,步骤360的执行过程和步骤230的执行过程相同,此处不再赘述。
步骤371,根据终端帐户的类型,获取目标配置数据。
在本申请实施例中,目标终端根据终端帐户的类型,从本地的数据库中获取对应的目标配置数据。或者,若本地不存在该目标配置数据时,终端可以从云端获取该目标配置数据。
步骤372,根据目标配置数据,为目标终端配置系统资源。
在本申请实施例中,终端将按照目标配置数据,为目标终端配置系统资源。目标配置数据中可以包括时间信息、地点信息和应用信息中至少一种辅助信息。目标终端将根据自身当前所处的时间(也即时间信息)、所处的地点(也即地点信息)或者开启的应用(也即应用信息)中的一种,从目标配置数据中选择对应的系统资源的调度方式来调度系统资源。
综上所述,本实施例能够先获取m个样本终端帐户对应的操作记录,对m个所述样本终端帐户对应的操作记录进行数据脱敏,获得脱敏后样本数据,通过第一聚类算法,对所述脱敏后样本数据进行处理,得到n类所述画像模板。此后,获取目标终端中登录的终端帐户,获取终端帐户的分类数据,当终端帐户的分类数据为空数据时,从目标终端中获取终端帐户对应的操作记录,并确定操作记录对应的分类结果,在分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模版指示的类型。由此可见,本申请所示的方法能够通过大数据获取数据自动聚类的n类画像模版,提高了确定终端帐户所属分类的效率,使得终端帐户终端确定的分类更有针对性。
可选地,本申请实施例还能够在针对新的终端帐户进行分类,在新的终端帐户不存在分类信息时,及时准确地为新的终端帐户确定对应的分类,提高了为新用户及时提供有效的范围的效果。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图4,图4是本申请一个示例性实施例提供的一种终端帐户的分类装置的结构框图。该终端帐户的分类装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置包括:
记录获取模块410,用于从目标终端中获取终端帐户对应的操作记录,所述操作记录用于指示所述目标终端接受到的操作;
结果确定模块420,用于确定所述操作记录对应的分类结果,所述分类结果用于指示所述操作记录匹配的画像模板,所述画像模板是用于指示具有指定资源配置需求的用户画像;
类型确定模块430,用于当所述分类结果的置信度大于目标阈值时,将所述终端帐户的类型确定为所述画像模板指示的类型。
在一个可选的实施例中,所述装置帐户获取模块和分类数据获取模块,所述帐户获取模块,用于获取所述目标终端中登录的所述终端帐户;所述分类数据获取模块,用于获取所述终端帐户的分类数据;所述记录获取模块410,用于当所述终端帐户的分类数据为空数据时,从目标终端中获取终端帐户对应的操作记录。
在一个可选的实施例中,所述装置还包括样本获取模块、脱敏模块和第一聚类模块,所述样本获取模块,用于获取m个样本终端帐户对应的操作记录,m为正整数;所述脱敏模块,用于对m个所述样本终端帐户对应的操作记录进行数据脱敏,获得脱敏后样本数据;所述第一聚类模块,用于通过第一聚类算法,对所述脱敏后样本数据进行处理,得到n类所述画像模板,n为正整数。
在一个可选的实施例中,所述装置还包括第二聚类模块,所述第二聚类模块,用于若通过所述第一聚类算法,在经过预设时段后的分类结果的准确度小于预设阈值,则采用第二聚类算法重新对所述脱敏后样本数据进行处理,得到p类所述画像模板,p为正整数;其中,所述第一聚类算法和所述第二聚类算法是处理操作不同的算法。
在一个可选的实施例中,所述周期标注模块和第二聚类模块,所述周期标注模块,用于当得到n类所述画像模板时,为n类所述画像模板标注生命周期;所述第二聚类模块,用于当所述生命周期到达预设时长时,采用第二聚类算法重新对所述脱敏后样本数据进行处理,得到q类所述画像模板,q为正整数,其中,所述第一聚类算法和所述第二聚类算法是处理操作不同的算法。
在一个可选的实施例中,所述装置涉及的所述m个样本终端帐户对应的操作记录存储在加密数据库中,所述加密数据库存储在所述目标终端的系统只读区,所述系统只读区中的数据向所述目标终端的操作系统提供访问权限。
在一个可选的实施例中,所述装置还包括配置获取模块和系统资源配置模块,所述配置获取模块,用于根据所述终端帐户的类型,获取目标配置数据;所述系统资源配置模块,用于根据所述目标配置数据,为所述目标终端配置系统资源。
综上所述,本实施例能够先获取m个样本终端帐户对应的操作记录,对m个所述样本终端帐户对应的操作记录进行数据脱敏,获得脱敏后样本数据,通过第一聚类算法,对所述脱敏后样本数据进行处理,得到n类所述画像模板。此后,获取目标终端中登录的终端帐户,获取终端帐户的分类数据,当终端帐户的分类数据为空数据时,从目标终端中获取终端帐户对应的操作记录,并确定操作记录对应的分类结果,在分类结果的置信度大于目标阈值时,将终端帐户的类型确定为画像模版指示的类型。由此可见,本申请所示的方法能够通过大数据获取数据自动聚类的n类画像模版,提高了确定终端帐户所属分类的效率,使得终端帐户终端确定的分类更有针对性。
本申请实施例还提供了一种计算机可读介质,该计算机可读介质存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的终端帐户的分类方法。
需要说明的是:上述实施例提供的终端帐户的分类装置在执行终端帐户的分类方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的终端帐户的分类装置与终端帐户的分类方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的能够实现的示例性的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种终端帐户的分类方法,其特征在于,所述方法包括:
从目标终端中获取终端帐户对应的操作记录,所述操作记录用于指示所述目标终端接受到的操作;
确定所述操作记录对应的分类结果,所述分类结果用于指示所述操作记录匹配的画像模板,所述画像模板是用于指示具有指定资源配置需求的用户画像;
当所述分类结果的置信度大于目标阈值时,将所述终端帐户的类型确定为所述画像模板指示的类型。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标终端中登录的所述终端帐户;
获取所述终端帐户的分类数据;
当所述终端帐户的分类数据为空数据时,执行所述从目标终端中获取终端帐户对应的操作记录的步骤。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取m个样本终端帐户对应的操作记录,m为正整数;
对m个所述样本终端帐户对应的操作记录进行数据脱敏,获得脱敏后样本数据;
通过第一聚类算法,对所述脱敏后样本数据进行处理,得到n类所述画像模板,n为正整数。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若通过所述第一聚类算法,在经过预设时段后的分类结果的准确度小于预设阈值,则采用第二聚类算法重新对所述脱敏后样本数据进行处理,得到p类所述画像模板,p为正整数;
其中,所述第一聚类算法和所述第二聚类算法是处理操作不同的算法。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当得到n类所述画像模板时,为n类所述画像模板标注生命周期;
当所述生命周期到达预设时长时,采用第二聚类算法重新对所述脱敏后样本数据进行处理,得到q类所述画像模板,q为正整数;
其中,所述第一聚类算法和所述第二聚类算法是处理操作不同的算法。
6.根据权利要求3所述的方法,其特征在于,所述m个样本终端帐户对应的操作记录存储在加密数据库中,所述加密数据库存储在所述目标终端的系统只读区,所述系统只读区中的数据向所述目标终端的操作系统提供访问权限。
7.根据权利要求1至6任一所述的方法,其特征在于,所述方法还包括:
根据所述终端帐户的类型,获取目标配置数据;
根据所述目标配置数据,为所述目标终端配置系统资源。
8.一种终端帐户的分类装置,其特征在于,所述装置包括:
记录获取模块,用于从目标终端中获取终端帐户对应的操作记录,所述操作记录用于指示所述目标终端接受到的操作;
结果确定模块,用于确定所述操作记录对应的分类结果,所述分类结果用于指示所述操作记录匹配的画像模板,所述画像模板是用于指示具有指定资源配置需求的用户画像;
类型确定模块,用于当所述分类结果的置信度大于目标阈值时,将所述终端帐户的类型确定为所述画像模板指示的类型。
9.一种终端,其特征在于,所述终端包括处理器、和与所述处理器相连的存储器,以及存储在所述存储器上的程序指令,所述处理器执行所述程序指令时实现如权利要求1至7任一所述的终端帐户的分类方法。
10.一种计算机可读存储介质,所述存储介质中存储有程序指令,其特征在于,所述程序指令被处理器执行时实现如权利要求1至7任一所述的终端帐户的分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380454.5A CN111159507B (zh) | 2019-12-27 | 2019-12-27 | 终端帐户的分类方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380454.5A CN111159507B (zh) | 2019-12-27 | 2019-12-27 | 终端帐户的分类方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159507A true CN111159507A (zh) | 2020-05-15 |
CN111159507B CN111159507B (zh) | 2023-10-31 |
Family
ID=70558753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911380454.5A Active CN111159507B (zh) | 2019-12-27 | 2019-12-27 | 终端帐户的分类方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159507B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103607427A (zh) * | 2013-10-30 | 2014-02-26 | 小米科技有限责任公司 | 信息展示方法和装置 |
CA2794101A1 (en) * | 2012-10-31 | 2014-04-30 | Open Text Corporation | Reconfigurable model for auto-classification system and method |
CN109086318A (zh) * | 2018-06-28 | 2018-12-25 | 深圳市彬讯科技有限公司 | 用户画像模板的定义方法和装置 |
CN109376313A (zh) * | 2018-09-28 | 2019-02-22 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN109618229A (zh) * | 2018-12-21 | 2019-04-12 | 广州酷狗计算机科技有限公司 | 音视频的关联播放方法、装置、服务器及存储介质 |
CN110598070A (zh) * | 2019-09-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 应用类型识别方法及装置、服务器及存储介质 |
-
2019
- 2019-12-27 CN CN201911380454.5A patent/CN111159507B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2794101A1 (en) * | 2012-10-31 | 2014-04-30 | Open Text Corporation | Reconfigurable model for auto-classification system and method |
CN103607427A (zh) * | 2013-10-30 | 2014-02-26 | 小米科技有限责任公司 | 信息展示方法和装置 |
CN109086318A (zh) * | 2018-06-28 | 2018-12-25 | 深圳市彬讯科技有限公司 | 用户画像模板的定义方法和装置 |
CN109376313A (zh) * | 2018-09-28 | 2019-02-22 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN109618229A (zh) * | 2018-12-21 | 2019-04-12 | 广州酷狗计算机科技有限公司 | 音视频的关联播放方法、装置、服务器及存储介质 |
CN110598070A (zh) * | 2019-09-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 应用类型识别方法及装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111159507B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891142B2 (en) | Method and device for preloading application, storage medium, and terminal device | |
EP3502880B1 (en) | Method for preloading application, storage medium, and terminal device | |
KR102446811B1 (ko) | 복수의 디바이스들로부터 수집된 데이터 통합 및 제공 방법 및 이를 구현한 전자 장치 | |
CN111176698B (zh) | 基于对等事件数据来对移动设备进行动态调整 | |
CN110083730B (zh) | 使用语音标签管理图像的方法和装置 | |
CN107101665B (zh) | 运动信息提供方法及支持所述方法的电子装置 | |
US10552177B2 (en) | Method for preloading application, storage medium, and terminal device | |
CN105825522B (zh) | 图像处理方法和支持该方法的电子设备 | |
CN109947496B (zh) | 应用程序预加载方法、装置、存储介质及移动终端 | |
US9794441B2 (en) | Electronic device using composition information of picture and shooting method using the same | |
CN109947497B (zh) | 应用程序预加载方法、装置、存储介质及移动终端 | |
CN105955973B (zh) | 用户信息处理方法和支持该方法的电子设备 | |
CN108605205B (zh) | 用于确定电子装置的位置的设备和方法 | |
KR102376700B1 (ko) | 비디오 컨텐츠 생성 방법 및 그 장치 | |
TW201633131A (zh) | 行動裝置基於熱條件之動態調整 | |
CN107885742B (zh) | 服务推荐方法和装置 | |
CN107995099A (zh) | 好友推荐方法及装置 | |
WO2018010409A1 (zh) | 耗电提醒方法及装置 | |
KR20160050713A (ko) | 오디오 데이터 저장 방법 및 이를 지원하는 전자 장치 | |
CN111079023B (zh) | 目标帐户的识别方法、装置、终端及存储介质 | |
CN112256890A (zh) | 信息展示方法、装置、电子设备及存储介质 | |
CN111159507B (zh) | 终端帐户的分类方法、装置、终端及存储介质 | |
WO2020024938A1 (zh) | 数据流量的处理方法、终端及计算机存储介质 | |
CN113127067B (zh) | 系统资源的配置方法、装置、终端及存储介质 | |
CN118089224A (zh) | 基于用户信息的空调控制方法、装置和空调 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |