CN111800537B - 终端使用状态的评估方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请实施例公开了一种终端使用状态的评估方法、装置、存储介质及电子设备，本申请实施例通过采集电子设备的应用操作信息和设备配置信息；将应用操作信息和设备配置信息转化为用户行为向量信息；对用户行为向量信息进行处理，生成相应的情景向量信息；根据情景向量信息确定相应的偏好评估信息。以此可以采集应用操作信息和设备配置信息，将该应用操作信息和设备配置信息转化为隐含使用习惯的用户行为向量信息，对该用户行为向量信息进行分析处理，生成包含用户使用偏好的情景向量信息，根据情景向量信息推导确认出用户相应的偏好评估信息，提升了终端使用状态的评估效率。

Description

终端使用状态的评估方法、装置、存储介质及电子设备

技术领域

本申请涉及电子设备技术领域，尤其涉及一种终端使用状态的评估方法、装置、存储介质及电子设备。

背景技术

随着电子技术的不断发展，电子设备如手机的功能越来越强大，在手机中可以安装和使用各种各样的应用，以满足用户的需求，为用户的生活工作带来更多的便利。

目前，为了方便用户对手机的智能使用，需要对用户使用手机的习惯偏好进行一定的了解和评估，如了解用户对手机的摄像功能习惯的偏好，可以相应的为用户推荐关于拍照的升级方案，因此，如何准确的对用户习惯偏好进行评估，有着重要的意义。

发明内容

本申请实施例提供一种终端使用状态的评估方法、装置、存储介质及电子设备，可以提升终端使用状态的评估效率。

第一方面，本申请实施例了提供了一种终端使用状态的评估方法，包括：

采集电子设备的应用操作信息和设备配置信息；

将所述应用操作信息和设备配置信息转化为用户行为向量信息；

对所述用户行为向量信息进行处理，生成相应的情景向量信息；

根据所述情景向量信息确定相应的偏好评估信息。

第二方面，本申请实施例了提供了的一种终端使用状态的评估装置，包括：

采集单元，用于采集电子设备的应用操作信息和设备配置信息；

转化单元，用于将所述应用操作信息和设备配置信息转化为用户行为向量信息；

处理单元，用于对所述用户行为向量信息进行处理，生成相应的情景向量信息；

确定单元，用于根据所述情景向量信息确定相应的偏好评估信息。

在一些实施方式中，所述转化单元，包括：

第一生成子单元，用于根据所述应用操作信息生成相应的第一向量信息；

第二生成子单元，用于根据所述设备配置信息生成相应的第二向量信息；

结合子单元，用于结合所述第一向量信息和第二向量信息，生成相应维度的用户行为向量信息。

在一些实施方式中，所述结合子单元，具体用于：

将所述第一向量信息和第二向量信息合并，生成目标向量信息；

对所述目标向量信息的维度进行归一化处理，生成相应维度的用户行为向量信息。

在一些实施方式中，所述处理单元，包括：

统计子单元，用于将每一用户行为向量信息进行求和统计，生成相应的标签数据；

提取子单元，用于通过神经网络模型对每一用户行为向量信息和标签数据进行训练，并提取所述训练后的神经网络模型中的高维特征向量作为相应的情景向量信息。

在一些实施方式中，所述装置还包括：

上传单元，用于收集预设时间段内的偏好评估信息，并将收集的偏好评估信息上传至服务器中。

第三方面，本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的终端使用状态的评估方法。

第四方面，本申请实施例提供的电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的终端使用状态的评估方法。

本申请实施例通过采集电子设备的应用操作信息和设备配置信息；将应用操作信息和设备配置信息转化为用户行为向量信息；对用户行为向量信息进行处理，生成相应的情景向量信息；根据情景向量信息确定相应的偏好评估信息。以此可以采集应用操作信息和设备配置信息，将该应用操作信息和设备配置信息转化为隐含使用习惯的用户行为向量信息，对该用户行为向量信息进行分析处理，生成包含用户使用偏好的情景向量信息，根据情景向量信息推导确认出用户相应的偏好评估信息，提升了终端使用状态的评估效率。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。

图1是本申请实施例提供的终端使用状态的评估方法的应用场景示意图。

图2是本申请实施例提供的终端使用状态的评估方法的流程示意图。

图3为本申请实施例提供的终端使用状态的评估方法的另一流程示意图。

图4为本申请实施例提供的终端使用状态的评估装置的模块示意图。

图5为本申请实施例提供的终端使用状态的评估装置的另一模块示意图。

图6为本申请实施例提供的电子设备的结构示意图。

图7为本申请实施例提供的电子设备的另一结构示意图。

具体实施方式

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

本文所使用的术语「模块」可看做为在该运算系统上执行的软件对象。本文该的不同组件、模块、引擎及服务可看做为在该运算系统上的实施对象。而本文该的装置及方法优选的以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。

参考图1，图1为本申请实施例提供的终端使用状态的评估方法的应用场景示意图。该终端使用状态的评估方法应用于电子设备。该电子设备中设置有全景感知架构。该全景感知架构为电子设备中用于实现该终端使用状态的评估方法的硬件和软件的集成。

其中，全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。

信息感知层用于获取电子设备自身的信息或者外部环境中的信息。该信息感知层可以包括多个传感器。例如，该信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。

其中，距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器，可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。

数据处理层用于对信息感知层获取到的数据进行处理。例如，数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。

其中，数据清理是指对信息感知层获取到的大量数据进行清理，以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度，以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等，以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下，最大限度的精简数据量。

特征抽取层用于对数据处理层处理后的数据进行特征抽取，以提取该数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。

其中，特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。

过滤法是指对提取到的特征进行过滤，以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起，以构建一种更加高效、更加准确的特征提取方法，用于提取特征。

情景建模层用于根据特征抽取层提取到的特征来构建模型，所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如，情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。

智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如，智能服务层可以为用户提供基础应用服务，可以为电子设备进行系统智能优化，还可以为用户提供个性化智能服务。

此外，全景感知架构中还可以包括多种算法，每一种算法都可以用于对数据进行分析处理，该多种算法可以构成算法库。例如，该算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。

在一些实施方式中，该信息感知层采集电子设备的应用操作信息和设备配置信息，通过数据处理层将该应用操作信息和设备配置信息转化为用户行为向量信息，对该用户行为向量信息进行处理，生成相应的情景向量信息，根据该情景向量信息确定出相应的用户的偏好评估信息。

本申请实施例提供一种终端使用状态的评估方法，该终端使用状态的评估方法的执行主体可以是本申请实施例提供的终端使用状态的评估装置，或者集成了该终端使用状态的评估装置的电子设备，其中该终端使用状态的评估装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑(PDA，Personal DigitalAssistant)等。

以下进行具体分析说明。

本申请实施例提供一种终端使用状态的评估方法，如图2所示，图2为本申请实施例提供的终端使用状态的评估方法的流程示意图，该终端使用状态的评估方法可以包括以下步骤：

在步骤S101中，采集电子设备的应用操作信息和设备配置信息。

其中，该应用操作信息为带有时间序列的用户对于应用的操作历史信息，可以为拍照、游戏、网络、影音娱乐和屏幕点击等等的行为信息，该设备配置信息可以为电子设备的硬件配置信息，该硬件配置信息为该电子设备硬件的带有时间序列的使用状态信息，可以为续航信息、内存信息、中央处理器(Central Processing Unit，CPU)使用率和图形处理器(Graphics Processing Unit，GPU)使用率等等，可以定期收集该电子设备的应用操作信息和设备配置信息进行存储。

在步骤S102中，将应用操作信息和设备配置信息转化为用户行为向量信息。

其中，可以将应用操作信息和设备配置信息进行向量化表示，生成应用操作信息相应的向量信息和设备配置信息相应的向量信息，将两者的向量信息进行合并，生成隐含用户使用习惯的用户行为向量信息。

在一些实施方式中，该将应用操作信息和设备配置信息转化为用户行为向量信息的步骤，可以包括：

(1)采集电子设备的应用操作信息，并根据该应用操作信息生成相应的第一向量信息；

(2)采集电子设备的设备配置信息，并根据该设备配置信息生成相应的第二向量信息；

(3)结合该第一向量信息和第二向量信息，生成相应维度的用户行为向量信息。

其中，可以采集电子设备的应用操作信息，将该应用操作信息进行向量化，生成相应的第一向量信息，相应的，采集电子设备的设备配置信息，将该设备配置信息进行向量化，生成相应的第二向量信息，将该第一向量信息和第二向量信息进行向量合并，生成多维度的用户行为向量信息。

进一步的，通过归一化维度处理方式对多维度的用户行为向量信息进行归一化处理，生成相应统一维度的用户行为向量信息，如10维度的用户行为向量信息或者20维度的用户行为向量信息，以增加后期的运算效率。

在一些实施方式中，该结合该第一向量信息和第二向量信息，生成相应维度的用户行为向量信息的步骤，可以包括：

(1.1)将该第一向量信息和第二向量信息合并，生成目标向量信息；

(1.2)对该目标向量信息的维度进行归一化处理，生成相应维度的用户行为向量信息。

其中，可以相应的将第一向量信息和第二向量信息进行向量合并，生成包含两者维度总和的目标向量信息，进一步的，可以通过主成分分析(Principal ComponentAnalysis，PCA)方法对目标向量信息的维度进行归一化降维处理，生成统一维度的用户行为向量信息，如将目标向量信息的维度都降为10维度的用户行为向量信息。

在步骤S103中，对用户行为向量信息进行处理，生成相应的情景向量信息。

其中，根据对每一隐含用户使用习惯的用户行为向量信息进行总体分析，得到每一用户行为向量信息在总的用户行为向量信息中相应的分布情况，该分布情况体现了用户操作的偏好情况，如对于听歌、拍照、上网等的依赖情况，代表拍照的用户行为向量信息的分布越高，说明用户对拍照的依赖越高，反之则说明用户对拍照的依赖越低，将该分布情况确定为相应的情景向量信息，该情景向量信息可以在一定程度上体现出用户的使用偏好。

在一些实施方式中，该对用户行为向量信息进行处理，生成相应的情景向量信息的步骤，可以包括：

(1)将每一用户行为向量信息进行求和统计，生成相应的标签数据；

(2)将每一用户行为向量信息和标签数据输入至神经网络模型中，以对所述神经网络模型进行训练，并提取训练后的神经网络模型中的高维特征向量作为相应的情景向量信息。

其中，可以将每一用户行为向量信息进行累加求和统计，将统计值作为相应的标签数据，而将该每一用户行为向量信息作为相应的输入数据，将该每一用户行为向量信息和标签数据输入至该神经网络模型中，对该神经网络模型进行训练学习，该神经网络模型可以为循环神经网络(Recurrent Neural Network，RNN)模型或者卷积神经网络(Convolutional Neural Networks，CNN)模型等等，该高维特征向量为靠近输出层的神经层上的相应的特征向量，需要说明的是，该靠近输出层的神经层上的相应的特征向量与输出的场景结果的关联度极大，尤其为倒数第二神经层上的相应的特征向量与输出的场景结果的关联度最大，该倒数第二神经层上的相应的特征向量可以为特征分布，该特征分布即为情景向量信息。

在步骤S104中，根据情景向量信息确定相应的偏好评估信息。

其中，可以根据包含用户使用偏好的情景向量信息在一定程度上反映出用户对某功能的偏好信息，如对听歌、拍照、上网、或者游戏功能的偏好信息，将该偏好信息确定为相应的偏好评估信息，使得后期可以根据该偏好评估信息对电子设备的相应功能进行针对性的升级或者评测。

在一些实施方式中，该根据情景向量信息确定相应的偏好评估信息的步骤，可以包括：

(1)分析该情景向量信息，确定相应的偏好特征向量信息；

(2)根据该偏好特征向量信息确定出相应的偏好评估信息。

其中，由于该情景向量信息为每一用户使用习惯特征相应的特征分布，所以通过对该情景向量信息进行分析，可以得出在一定程度上反映出用户对电子设备上某功能的偏好情况，分布值较高的向量信息代表该功能的偏好程度较高，可以将该分布值较高的向量信息确定为相应的偏好特征向量信息。

进一步的，虽然该偏好特征向量信息可以在一定程度上反映出用户对某功能的偏好情况，但是还可以将该偏好特征向量信息与用户主观意愿进行结合，如，可以根据偏好特征向量信息获取相应的偏好功能，根据偏好功能向用户发出咨询信息，咨询用户是否满意该偏好功能的使用满意度情况，然后根据用户对于咨询信息反馈的满意度来确定出最后的偏好评估信息。

由上述可知，本实施例提供的一种终端使用状态的评估方法，通过采集电子设备的应用操作信息和设备配置信息；将应用操作信息和设备配置信息转化为用户行为向量信息；对用户行为向量信息进行处理，生成相应的情景向量信息；根据情景向量信息确定相应的偏好评估信息。以此可以采集应用操作信息和设备配置信息，将该应用操作信息和设备配置信息转化为隐含使用习惯的用户行为向量信息，对该用户行为向量信息进行分析处理，生成包含用户使用偏好的情景向量信息，根据情景向量信息推导确认出用户相应的偏好评估信息，提升了终端使用状态的评估效率。

根据上述实施例所描述的方法，以下将举例作进一步详细说明。

请参阅图3，图3为本申请实施例提供的终端使用状态的评估方法的另一流程示意图。

具体而言，该方法包括：

在步骤S201中，采集电子设备的应用操作信息和设备配置信息。

需要说明的是，为了更好的说明本申请，以下将电子设备以手机进行举例说明。

其中，该应用操作信息为带有时间序列的用户对于手机上的应用的操作历史信息，可以为拍照、游戏、网络、影音娱乐和屏幕点击等等的行为信息，该设备配置信息可以为手机的硬件配置信息，该硬件配置信息为该手机硬件的带有时间序列的使用状态信息，可以为续航信息、内存信息、中央处理器使用率和图形处理器使用率等等，可以定期收集该手机的应用操作信息和设备配置信息进行存储。

在步骤S202中，根据应用操作信息生成相应的第一向量信息。

其中，可以对手机上存储的应用操作信息进行one hot编码方法，该one hot编码方法又称独热编码、一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。对该应用操作信息进行one hot编码方法之后，生成相应多维度的第一向量信息。

在步骤S203中，根据设备配置信息生成相应的第二向量信息。

其中，可以对手机上存储的设备配置信息也进行one hot编码方法，生成相应多维度的第二向量信息。

在步骤S204中，将第一向量信息和第二向量信息合并，生成目标向量信息。

其中，可以将应用操作信息对应的第一向量信息与设备配置信息对应的第二向量信息进行张量合并，生成包含两者维度的目标向量信息。

在步骤S205中，对目标向量信息的维度进行归一化处理，生成相应维度的用户行为向量信息。

其中，由于目标向量信息包含了第一向量信息和第二向量信息两者的维度，为了方便后期的处理，需要对目标向量信息的维度使用PCA主成分分析算法进行向量归一化维度，该PCA主成分分析算法为一种较为常用的降维技术，可以将目标向量信息的维度降为10维度的用户行为向量信息。

在步骤S206中，将每一用户行为向量信息进行求和统计，生成相应的标签数据。

其中，可以按照时间序列将每一用户行为向量信息进行求和统计，将累加统计值作为标签数据Y。

在步骤S207中，将每一用户行为向量信息和标签数据输入至神经网络模型中，以对所述神经网络模型进行训练，并提取训练后的神经网络模型中的高维特征向量作为相应的情景向量信息。。

其中，可以将用户行为信息作为输入数据X和标签数据Y一起输入循环神经网络模型中，对该循环神经网络模型进行训练，在训练结束后，提取该循环神经网络模型中倒数第二层的特征分布作为情景向量信息，该情景向量信息可以在一定程度上体现用户操作的分布情况。

在步骤S208中，分析情景向量信息，确定相应的偏好特征向量信息。

其中，对情景向量信息进行分析，将分布较高的特征向量信息确定为偏好特征向量信息，该偏好特征向量信息代表了用户操作的偏好情况，如用户对于听歌、拍照、上网等的依赖情况。

在步骤S209中，根据偏好特征向量信息查询相应的特征库，以确定相应的偏好索引。

其中，该特征库可以为音频特征库、摄像特征库和网络特征库等，假设根据偏好特征向量信息确定出拍照相应的特征像值的分布较大，因此查询拍摄特征库，得到相应的偏好索引分布数据[1，1]，需要说明的是，第一个1为表示前置虚化度满意度，第二个1为表示前置美颜满意度。

在步骤S210中，根据偏好索引发出提示信息，并接收用户根据提示信息反馈的偏好数据，根据偏好数据确定出相应的偏好评估信息。

其中，在手机处于闲事，如用户操作较少的时间根据偏好索引发出提示信息，该偏好索引可以为一个弹窗，用于咨询用户是否对前置摄像头的虚化度和美颜满意度是否满意，当用户根据提示信息反馈为满意时，数据保持1，当用户根据提示信息反馈为不满意时，则可以以满意度衰减系数r，如r等于0.8进行衰减，得到相应的偏好数据[1，0.8]，根据该偏好数据[1，0.8]确定出相应的偏好评估信息。

在步骤S211中，收集预设时间段内的偏好评估信息，并将收集的偏好评估信息上传至服务器中。

其中，可以收集2周内的偏好评估信息，生成相应的偏好概率向量，上传至系统服务器中心，系统服务器中心可以根据用户的偏好习惯以及满意度进行针对性的升级，更好的提升用户的操作体验。

由上述可知，本实施例提供的一种终端使用状态的评估方法，通过采集电子设备的应用操作信息和设备配置信息，根据应用操作信息生成相应的第一向量信息，根据设备配置信息生成相应的第二向量信息，将第一向量信息和第二向量信息合并与降维，生成相应维度的用户行为向量信息，将每一用户行为向量信息进行求和统计，生成相应的标签数据，将每一用户行为向量信息和标签数据输入至神经网络模型中，以对神经网络模型进行训练，并提取训练后的神经网络模型中的高维特征向量作为相应的情景向量信息，分析情景向量信息，确定相应的偏好特征向量信息并查询相应的特征库，得到偏好索引，根据偏好索引发出提示信息，接收用户的反馈，生成相应的偏好评估信息，收集一段时间的偏好评估信息，一并上传至服务器中。以此可以采集应用操作信息和设备配置信息，将该应用操作信息和设备配置信息转化为隐含使用习惯的用户行为向量信息，对该用户行为向量信息进行分析处理，生成包含用户使用偏好的情景向量信息，根据情景向量信息推导确认出用户相应的偏好评估信息，提升了终端使用状态的评估效率。

为便于更好的实施本申请实施例提供的终端使用状态的评估方法，本申请实施例还提供一种基于上述终端使用状态的评估方法的装置。其中名词的含义与上述终端使用状态的评估方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图4，图4为本申请实施例提供的终端使用状态的评估装置的模块示意图。具体而言，该终端使用状态的评估装置300，包括：采集单元31、转化单元32、处理单元33以及确定单元34。

采集单元31，用于采集电子设备的应用操作信息和设备配置信息。

其中，该应用操作信息为带有时间序列的用户对于应用的操作历史信息，可以为拍照、游戏、网络、影音娱乐和屏幕点击等等的行为信息，该设备配置信息可以为电子设备的硬件配置信息，该硬件配置信息为该电子设备硬件的带有时间序列的使用状态信息，可以为续航信息、内存信息、中央处理器使用率和图形处理器使用率等等，采集单元31可以定期收集该电子设备的应用操作信息和设备配置信息进行存储。

转化单元32，用于将该应用操作信息和设备配置信息转化为用户行为向量信息。

其中，转化单元32可以将应用操作信息和设备配置信息进行向量化表示，生成应用操作信息相应的向量信息和设备配置信息相应的向量信息，将两者的向量信息进行合并，生成隐含用户使用习惯的用户行为向量信息。

处理单元33，用于对该用户行为向量信息进行处理，生成相应的情景向量信息。

其中，处理单元33根据对每一隐含用户使用习惯的用户行为向量信息进行总体分析，得到每一用户行为向量信息在总的用户行为向量信息中相应的分布情况，该分布情况体现了用户操作的偏好情况，如对于听歌、拍照、上网等的依赖情况，代表拍照的用户行为向量信息的分布越高，说明用户对拍照的依赖越高，反之则说明用户对拍照的依赖越低，将该分布情况确定为相应的情景向量信息，该情景向量信息可以在一定程度上体现出用户的使用偏好。

确定单元34，用于根据该情景向量信息确定相应的偏好评估信息。

其中，可以根据包含用户使用偏好的情景向量信息在一定程度上反映出用户对某功能的偏好信息，如对听歌、拍照、上网、或者游戏功能的偏好信息，确定单元34将该偏好信息确定为相应的偏好评估信息，使得后期可以根据该偏好评估信息对电子设备的相应功能进行针对性的升级或者评测。

可一并参考图5，图5为本申请实施例提供的终端使用状态的评估装置的另一模块示意图，该终端使用状态的评估装置300还可以包括：

其中，该转化单元32可以包括第一采集子单元321、第二采集子单元322以及结合子单元323。

进一步的，该第一采集子单元321，用于采集电子设备的应用操作信息，并根据该应用操作信息生成相应的第一向量信息。第二采集子单元322，用于采集电子设备的设备配置信息，并根据该设备配置信息生成相应的第二向量信息。结合子单元323，用于结合该第一向量信息和第二向量信息，生成相应维度的用户行为向量信息。

该结合子单元323，具体用于：将该第一向量信息和第二向量信息合并，生成目标向量信息；对该目标向量信息的维度进行归一化处理，生成相应维度的用户行为向量信息。

其中，该处理单元33可以包括统计子单元331以及提取子单元332。

进一步的，该统计子单元331，用于将每一用户行为向量信息进行求和统计，生成相应的标签数据。该提取子单元332，用于将每一用户行为向量信息和标签数据输入至神经网络模型中，以对所述神经网络模型进行训练，并提取训练后的神经网络模型中的高维特征向量作为相应的情景向量信息。。

上传单元35，用于收集预设时间段内的偏好评估信息，并将收集的偏好评估信息上传至服务器中。

由上述可知，本实施例提供的一种终端使用状态的评估装置，通过采集单元31采集电子设备的应用操作信息和设备配置信息；转化单元32将应用操作信息和设备配置信息转化为用户行为向量信息；处理单元33对用户行为向量信息进行处理，生成相应的情景向量信息；确定单元34根据情景向量信息确定相应的偏好评估信息。以此可以采集应用操作信息和设备配置信息，将该应用操作信息和设备配置信息转化为隐含使用习惯的用户行为向量信息，对该用户行为向量信息进行分析处理，生成包含用户使用偏好的情景向量信息，根据情景向量信息推导确认出用户相应的偏好评估信息，提升了终端使用状态的评估效率。

本申请实施例还提供一种电子设备。请参阅图6，电子设备500包括处理器501以及存储器502。其中，处理器501与存储器502电性连接。

该处理器500是电子设备500的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器502内的计算机程序，以及调用存储在存储器502内的数据，执行电子设备500的各种功能并处理数据，从而对电子设备500进行整体监控。

该存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502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，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。

在本申请实施例中，电子设备500中的处理器501会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器502中，并由处理器501运行存储在存储器502中的计算机程序，从而实现各种功能，如下：

采集电子设备的应用操作信息和设备配置信息；

将该应用操作信息和设备配置信息转化为用户行为向量信息；

对该用户行为向量信息进行处理，生成相应的情景向量信息；

根据该情景向量信息确定相应的偏好评估信息。

在某些实施方式中，在将该应用操作信息和设备配置信息转化为用户行为向量信息时，处理器501可以具体执行以下步骤：

采集电子设备的应用操作信息，并根据该应用操作信息生成相应的第一向量信息；

采集电子设备的设备配置信息，并根据该设备配置信息生成相应的第二向量信息；

结合该第一向量信息和第二向量信息，生成相应维度的用户行为向量信息。

在某些实施方式中，在结合该第一向量信息和第二向量信息，生成相应维度的用户行为向量信息时，处理器501可以具体执行以下步骤：

将该第一向量信息和第二向量信息合并，生成目标向量信息；

对该目标向量信息的维度进行归一化处理，生成相应维度的用户行为向量信息。

在某些实施方式中，在对该用户行为向量信息进行处理，生成相应的情景向量信息时，处理器501可以具体执行以下步骤：

将每一用户行为向量信息进行求和统计，生成相应的标签数据；

将每一用户行为向量信息和标签数据输入至神经网络模型中，以对所述神经网络模型进行训练，并提取训练后的神经网络模型中的高维特征向量作为相应的情景向量信息。

在某些实施方式中，在根据该情景向量信息确定相应的偏好评估信息时，处理器501可以具体执行以下步骤：

分析该情景向量信息，确定相应的偏好特征向量信息；

根据该偏好特征向量信息确定出相应的偏好评估信息。

在某些实施方式中，在根据该偏好特征向量信息确定出相应的偏好评估信息时，处理器501可以具体执行以下步骤：

根据该偏好特征向量信息查询相应的特征库，以确定相应的偏好索引；

根据该偏好索引发出提示信息，并接收用户根据该提示信息反馈的偏好数据；

根据该偏好数据确定出相应的偏好评估信息。

在某些实施方式中，在根据该情景向量信息确定相应的偏好评估信息的步骤之后，处理器501还可以具体执行以下步骤：

收集预设时间段内的偏好评估信息，并将收集的偏好评估信息上传至服务器中。

由上述可知，本申请实施例的电子设备通过采集电子设备的应用操作信息和设备配置信息；将应用操作信息和设备配置信息转化为用户行为向量信息；对用户行为向量信息进行处理，生成相应的情景向量信息；根据情景向量信息确定相应的偏好评估信息。以此可以采集应用操作信息和设备配置信息，将该应用操作信息和设备配置信息转化为隐含使用习惯的用户行为向量信息，对该用户行为向量信息进行分析处理，生成包含用户使用偏好的情景向量信息，根据情景向量信息推导确认出用户相应的偏好评估信息，提升了终端使用状态的评估效率。

请一并参阅图7，在某些实施方式中，电子设备500还可以包括：显示器503、射频电路504、音频电路505以及电源506。其中，其中，显示器503、射频电路504、音频电路505以及电源506分别与处理器501电性连接。

该显示器503可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器503可以包括显示面板，在某些实施方式中，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、或者有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。

该射频电路504可以用于收发射频信号，以通过无线通信与网络设备或其他终端建立无线通讯，与网络设备或其他终端之间收发信号。

该音频电路505可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。

该电源506可以用于给电子设备500的各个部件供电。在一些实施例中，电源506可以通过电源管理系统与处理器501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

本申请实施例还提供一种存储介质，该存储介质存储有计算机程序，当该计算机程序在计算机上运行时，使得该计算机执行上述任一实施例中的终端使用状态的评估方法，比如：采集电子设备的应用操作信息和设备配置信息；将该应用操作信息和设备配置信息转化为用户行为向量信息；对该用户行为向量信息进行处理，生成相应的情景向量信息；根据该情景向量信息确定相应的偏好评估信息。

在本申请实施例中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM，)、或者随机存取记忆体(Random Access Memory，RAM)等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

需要说明的是，对本申请实施例的终端使用状态的评估方法而言，本领域普通测试人员可以理解实现本申请实施例的终端使用状态的评估方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，如存储在电子设备的存储器中，并被该电子设备内的至少一个处理器执行，在执行过程中可包括如终端使用状态的评估方法的实施例的流程。其中，该的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。

对本申请实施例的终端使用状态的评估装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。该集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，该存储介质譬如为只读存储器，磁盘或光盘等。

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

Claims (9)

1.一种终端使用状态的评估方法，其特征在于，包括：

采集电子设备的应用操作信息和设备配置信息；

将所述应用操作信息和设备配置信息转化为用户行为向量信息；

将每一用户行为向量信息进行求和统计，生成相应的标签数据；

将每一用户行为向量信息和标签数据输入至神经网络模型中，以对所述神经网络模型进行训练，并提取训练后的神经网络模型中神经层上相应的特征向量作为高维特征向量，根据所述特征向量确定每一用户使用习惯的特征分布并作为情景向量信息；

根据所述情景向量信息确定用户使用应用程序的偏好评估信息。

2.如权利要求1所述的终端使用状态的评估方法，其特征在于，所述将所述应用操作信息和设备配置信息转化为用户行为向量信息的步骤，包括：

根据所述应用操作信息生成相应的第一向量信息；

根据所述设备配置信息生成相应的第二向量信息；

结合所述第一向量信息和第二向量信息，生成相应维度的用户行为向量信息。

3.如权利要求2所述的终端使用状态的评估方法，其特征在于，所述结合所述第一向量信息和第二向量信息，生成相应维度的用户行为向量信息的步骤，包括：

将所述第一向量信息和第二向量信息合并，生成目标向量信息；

对所述目标向量信息的维度进行归一化处理，生成相应维度的用户行为向量信息。

4.如权利要求1所述的终端使用状态的评估方法，其特征在于，所述根据所述情景向量信息确定用户使用应用程序的偏好评估信息的步骤，包括：

分析所述情景向量信息，确定相应的偏好特征向量信息；

根据所述偏好特征向量信息确定用户使用应用程序的偏好评估信息。

5.如权利要求4所述的终端使用状态的评估方法，其特征在于，所述根据所述偏好特征向量信息确定用户使用应用程序的偏好评估信息的步骤，包括：

根据所述偏好特征向量信息查询相应的特征库，以确定相应的偏好索引；

根据所述偏好索引发出提示信息，并接收用户根据所述提示信息反馈的偏好数据；

根据所述偏好数据确定用户使用应用程序的偏好评估信息。

6.如权利要求1所述的终端使用状态的评估方法，其特征在于，所述根据所述情景向量信息确定用户使用应用程序的偏好评估信息的步骤之后，还包括：

收集预设时间段内的偏好评估信息，并将收集的偏好评估信息上传至服务器中。

7.一种终端使用状态的评估装置，其特征在于，包括：

采集单元，用于采集电子设备的应用操作信息和设备配置信息；

转化单元，用于将所述应用操作信息和设备配置信息转化为用户行为向量信息；

处理单元，将每一用户行为向量信息进行求和统计，生成相应的标签数据，将每一用户行为向量信息和标签数据输入至神经网络模型中，以对所述神经网络模型进行训练，并提取训练后的神经网络模型中神经层上相应的特征向量作为高维特征向量，根据所述特征向量确定每一用户使用习惯的特征分布并作为情景向量信息；

确定单元，用于根据所述情景向量信息确定用户使用应用程序的偏好评估信息。

8.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至6任一项所述的终端使用状态的评估方法。

9.一种电子设备，包括处理器和存储器，所述存储器有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至6任一项所述的终端使用状态的评估方法。

Images