CN111868686A - 常用应用程序的导出方法和使用该方法的导出设备 - Google Patents

常用应用程序的导出方法和使用该方法的导出设备 Download PDF

Info

Publication number
CN111868686A
CN111868686A CN201980004018.XA CN201980004018A CN111868686A CN 111868686 A CN111868686 A CN 111868686A CN 201980004018 A CN201980004018 A CN 201980004018A CN 111868686 A CN111868686 A CN 111868686A
Authority
CN
China
Prior art keywords
application
common
time period
applications
time
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
Application number
CN201980004018.XA
Other languages
English (en)
Other versions
CN111868686B (zh
Inventor
朴圣贤
尹纹镐
李寿珍
李庸硕
崔一桓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LG Electronics Inc filed Critical LG Electronics Inc
Publication of CN111868686A publication Critical patent/CN111868686A/zh
Application granted granted Critical
Publication of CN111868686B publication Critical patent/CN111868686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G06F9/4451—User profiles; Roaming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44568—Immediately runnable code
    • G06F9/44584—Portable applications, i.e. making applications self-contained, e.g. U3 standard
    • 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
    • G06F9/451—Execution arrangements for user interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72469—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons
    • H04M1/72472—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons wherein the items are sorted according to specific criteria, e.g. frequency of use
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72451—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to schedules, e.g. using calendar applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Stored Programmes (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Debugging And Monitoring (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明提供常用应用程序导出方法和使用该方法的导出设备。根据本发明实施例的导出方法包括：在日常时间段(daily time period)、睡前时间段(pre‑bedtime period)和驾驶状况(driving situation)中的至少一个时间段和状况中收集应用程序使用信息的步骤；基于收集到的应用程序使用信息，通过机械学习或人工智能算法来学习应用程序的使用模式的步骤；以及基于学习到的应用程序的使用模式来提取时间段和状况中的常用应用程序，并推荐提取到的常用应用程序的步骤，提取并推荐常用应用程序的步骤能够包括：基于日常时间段和睡前时间段中使用应用程序的使用次数，提取日常时间段中的常用应用程序和所述睡前时间段中的常用应用程序的步骤；以及基于驾驶状况中执行应用程序的执行顺序，提取驾驶状况中的常用应用程序的步骤。由此，能够使用户查找常用应用程序的麻烦变得最小。

Description

常用应用程序的导出方法和使用该方法的导出设备
技术领域
本发明涉及常用应用程序的导出方法和使用该方法的导出设备，更详细地，涉及对在哪些时间段和状况下使用应用程序进行学习，以推荐根据时间段和状况而经常使用的应用程序的常用应用程序导出方法和利用该方法的导出设备。
背景技术
应用程序(App)是智能手机应用程序的简称，每天发布数百个新应用程序，其数量正在迅速增长。
在作为代表性的应用程序交易网站(例如，Google play和App store)注册的应用程序数量达到260万个以上，这表明应用程序的类型多种多样，并且其数量正在增长。
由于大量的不同应用程序安装于智能手机，因此，智能手机用户需要查找要执行的应用程序并执行。由此，增加了用户执行需要的应用程序时所花费的精力和时间，因此难以期待用户执行常用应用程序的效果。
为此，智能手机制造商、通信公司等通过使用以应用程序的使用频率、字母顺序、服务的类型等为基准收集了应用程序的文件夹等的方法，为智能手机用户提供便利性，但是，由于安装于智能手机本身的应用程序的数量正在增加，因此仍无法解决查找并执行应用程序的操作中存在的不便之处。
作为相关专利文献，韩国公开专利第10-2019-0007513号公开了一种“应用程序推荐系统和使用该系统的用户终端和方法”，其包括学习推荐应用程的时间点，并将至少1个备选执行应用程序通过用户界面进行输出的步骤。
在韩国公开专利第10-2019-0007513号中的应用程序推荐系统中，在用户终端和应用程序推荐服务服务器通过通信网络相连接的状态下，估计用户终端的多个状况，在确定完与各个状况相对应的备选执行应用程序之后，学习推荐备选执行应用程序的时间点。然后，可以估计用户终端的状况处于特定状况的概率，检测并提示已确定的与所估计的特定状况相对应的备选执行应用程序，但是在该情况下，由于使用概率来估计指定时间段内的指定数量的状况，所以未考虑诸如应用程序的执行次数或使用时间等，因此对于更准确地查找和执行与用户的需求相对应的应用程序而言可能存在不便。
此外，在韩国登记专利第10-1579585号中公开了“监视用户行为的方法、装置、系统以及用于执行监视用户行为的记录介质”，其能够基于用户的行为信息来提供服务，具体而言，通过监视诸如生物信号或移动信息等来驾驶适于所监视的用户的状况模式的应用程序。
首先，在韩国登记专利第10-1579585号中监视用户的行为，根据所监视的用户的行为设定状况模式，然后通过收集和分析用户的行为信息来驾驶适于预设状况模式的应用程序(诸如睡眠检测服务、运动量测量服务等)。
此外，在韩国登记专利第10-1579585号中，由于未考虑用户使用应用程序的使用次数、使用时间等的信息，因此仍存在导出用户主要使用的应用程序时存在的问题，并且需要考虑关于用户无需查找应用程序也能够执行常用应用程序等的服务。
【现有技术文献】
【专利文献】
韩国公开专利第10-2019-0007513号(2019年1月22日)
韩国登记专利第10-1579585号(2015年12月16日)
发明内容
发明所要解决的问题
本发明的一目的在于，通过导出适于用户的状况的常用应用程序来提高应用程序访问性，并提高使用应用程序的用户的便利性，以解决在查找现有的常用应用程序时需要一一进行查找或执行而引起的麻烦。
另外，本发明的另一目的在于，其可以基于多个条件来提取常用应用程序，从而提高提取用户常用的应用程序的准确度。
另外，本发明的另一目的在于，可以通过避免重复提取使用安装有应用程序的便携终端的日常时间段中常用的应用程序、特定时间段和特定状况等中常用的应用程序，来简化在用户终端示出的应用程序，从而容易地选择应用程序。
另外，本发明的另一目的在于，可以在使用安装有应用程序的便携终端的日常时间段中，避免特定时间段和特定状况等中常用的应用程序显示于便携终端，从而使日常时间段中使用应用程序的麻烦变得最小。
解决问题的技术方案
为了实现上述目的，根据本发明实施例的常用应用程序的导出方法可以构成为包括以下步骤：收集由用户终端执行的应用程序的使用信息，基于收集到的应用程序使用信息，通过人工智能算法对应用程序的使用模式进行学习，然后基于学习到的应用程序的使用模式来提取常用应用程序，推荐所提取到的应用程序为常用应用程序。
为了实现上述目的，根据本发明实施例的常用应用程序的导出方法，在提取并推荐常用应用程序时，可以收集在日常时间段(daily time period)、睡前时间段(pre-bedtime period)和驾驶状况(driving situation)中的至少一个时间段和状况中的应用程序的使用信息。
此外，为了实现上述目的，可以基于日常时间段和睡前时间段中使用应用程序的使用次数来提取常用应用程序，可以基于驾驶状况中执行应用程序的执行顺序来提取常用应用程序。
即，可以基于各种条件进行对常用应用程序的提取并推荐，而不是基于某一种条件进行常用应用程序的提取并推荐。
因此，可以避免提取并推荐常用应用程序时存在偏向性，并可以在更客观的条件下提取常用应用程序。
根据本发明实施例的常用应用程序导出方法，日常时间段中常用的应用程序和睡前时间段中常用的应用程序可以基于对使用应用程序的使用次数进行量化而得到的次数接近度。此时，可以将被赋予了最大次数接近度的应用程序提取为日常和睡前时间段中的第一常用应用程序。即，在提取日常时间段和睡前时间段中最偏好的应用程序时，可以将一个最经常执行的应用程序提取为日常和睡前时间段中的第一常用应用程序。
此外，根据本发明实施例的常用应用程序导出方法，驾驶状况中常用的应用程序可以基于对是否先执行进行量化而得到而提取的顺序接近度，将被赋予了最高顺序接近度的应用程序提取为驾驶状况中的第一常用应用程序。即，在驾驶状况中，可以将最先执行的应用程序提取为最偏好的应用程序。
如上所述，根据特定时间段和特定状况，基于各自不同的条件来提取最偏好的应用程序，从而可以基于更客观地条件导出常用应用程序。
根据本发明实施例的常用应用程序导出方法，在提取日常时间段中常用的应用程序和睡前时间段中常用的应用程序时，在提取日常时间段和睡前时间段的第一常用应用程序之后，根据同时基于应用程序的次数接近度和使用应用程序的使用时间来确定的偏好度，提取日常时间段和睡前时间段中的第二常用应用程序，然后可以根据仅基于使用应用程序的使用时间的使用时间接近度，提取日常时间段和睡前时间段中的第三常用应用程序。
此外，根据本发明实施例的常用应用程序导出方法，为了提取驾驶状况中常用的应用程序，在提取驾驶状况中的第一常用应用程序之后，根据同时基于应用程序的顺序接近度和应用程序的使用时间来确定的偏好度，提取驾驶状况中的第二常用应用程序，然后可以根据仅基于应用程序的使用时间来确定的使用时间接近度，提取驾驶状况中的第三常用应用程序。
如上所述，通过使提取最偏好的应用程序和依次偏好的应用程序的条件不同，可以避免提取应用程序存在偏向性。
根据本发明实施例的常用应用程序导出方法，判断在用户终端最后使用应用程序的时间，在最后使用应用程序之后在用户终端再次执行应用程序时，判断从最后使用应用程序到在用户终端中再次使用应用程序的时间是否经过了4小时以上，然后，在判断为经过4小时以上后在用户终端中再次使用应用程序时，可以将从最后使用应用程序的时间至一定时间以前的时间段判断为睡前时间段。
此外，根据发明的实施例的常用应用程序导出方法，可以以使睡前时间段中常用的应用程序和日常时间段中常用的应用程序不重复的方式推荐。
根据本发明实施例的常用应用程序导出方法，判断用户终端是否与车辆系统连接，可以判断为从用户终端与车辆系统连接的时间点用户终端在驾驶状况中被使用。
此外，根据本发明实施例的常用应用程序导出方法，可以以使驾驶状况中常用的应用程序和日常时间段中常用的应用程序不重复的方式进行推荐。
即，通过同时显示驾驶状况中提取到的常用应用程序和日常时间段中提取到的常用应用程序，以使用户用识别出推荐的常用应用程序是在哪一种状况下推荐，从而可以提高用户的应用程序使用便利性。
根据本发明实施例的常用应用程序导出方法，在判断为用户终端在驾驶状况中被使用之后，在利用用户终端的运动传感器识别到携带了用户终端的用户正在步行中，或者用户终端与车辆系统的连接信号减弱到一定水平以下时，可以判断为驾驶状况已结束。
如上所述，在根据条件判断为用户终端与车辆系统的连接被解除时，对于驾驶状况中常用的应用程序的提取被中止，可以仅进行对于日常时间段中常用的应用程序的提取。由此，当时间段和状况改变时，仅示出日常时间段中的常用应用程序，从而可以显示适合于时间段和状况的常用应用程序。
为了实现上述目的，根据本发明实施例的常用应用程序的导出设备可以构成为包括：存储器，收集在日常时间段(daily time period)、睡前时间段(pre-bedtime period)和驾驶状况(driving situation)中的至少一个的时间段和状况中的应用程序的使用信息；以及处理器，可以基于收集到的应用程序使用信息，通过人工智能算法对应用程序的使用模式进行学习，可以基于学习到的应用程序的使用模式，提取并推荐时间段和状况中常用的应用程序。
此外，为了实现上述目的，根据本发明实施例的常用应用程序的导出设备，处理器可以基于使用应用程序的使用次数，提取并推荐日常时间段中常用的应用程序和睡前时间段中常用的应用程序。
此外，为了实现上述目的，根据本发明实施例的常用应用程序的导出设备的处理器，可以基于执行应用程序的执行顺序，提取并推荐驾驶状况中常用的应用程序。
即，不会在基于某一个条件提取常用应用程序之后推荐提取到的应用程序，而是能够基于多种条件来提取并推荐常用应用程序，从而不仅可以避免在提取并推荐常用应用程序时存在偏向性，还可以更客观地提取常用应用程序。
此外，为了实现上述目的，根据本发明实施例的常用应用程序的导出设备可以构成为包括：存储器，收集在使用用户终端的日常时间段(daily time period)、睡前时间段(pre-bedtime period)和驾驶状况(driving situation)中的至少一个时间段和状况中的应用程序的使用信息；处理器，将收集到的应用程序使用信息，通过人工智能算法对应用程序的使用模式进行学习，能够基于学习到的应用程序的使用模式，提取并推荐时间段和状况中常用的应用程序。
此外，为了实现上述目的，根据本发明实施例的常用应用程序的导出设备的处理器可以构成为包括第一处理器，所述第一处理器基于应用程序的使用次数、执行应用程序的执行顺序中的任一条件提取第一常用应用程序。
此外，为了实现上述目的，根据本发明实施例的常用应用程序的导出设备的处理器可以构成为包括第二处理器，所述第二处理器同时基于应用程序的使用次数和应用程序的使用时间提取第二常用应用程序。
此外，为了实现上述目的，根据本发明实施例的常用应用程序的导出设备的处理器可以构成为包括第三处理器，所述第三处理器仅基于使用时间提取第三常用应用程序。
即，根据使用用户终端的时间和状况提取最偏好的应用程序，从而可以使用户在不进行查找的情况下使用到最偏好的应用程序。
为了实现上述目的，在根据本发明实施例的常用应用程序的导出设备中，基于对应用程序的使用次数进行量化而得到的次数接近度，可以将日常时间段和睡前时间段中的第一常用应用程序确定为被赋予了最大次数接近度的应用程序。
此外，为了实现上述目的，在根据本发明实施例的常用应用程序的导出设备中，基于对是否先执行应用程序进行量化而得到而导出的顺序接近度，可以将驾驶状况中的第一常用应用程序确定为给与了最高顺序接近度的应用程序。
即，当提取根据时间段和状况而最偏好的应用程序时，可以通过应用不同的处理器，以更准确地基准提取并推荐适合各个时间段和状况的偏好的应用程序。
为了实现上述目的，在根据本发明实施例的常用应用程序的导出设备中，日常时间段和睡前时间段中的第二常用应用程序可以根据同时基于次数接近度和使用时间确定的偏好度来确定。此外，驾驶状况中的第二常用应用程序可以根据同时基于顺序接近度和应用程序的使用时间确定的偏好度来确定。
为了实现上述目的，在根据本发明实施例的常用应用程序的导出设备中，日常和睡前时间段中的第三常用应用程序可以根据仅基于应用程序的使用时间确定的使用时间接近度来确定，驾驶状况中的第三常用应用程序可以根据仅基于应用程序的使用时间确定的使用时间接近度来确定。
即，在根据时间段或状况提取了最偏好的第一常用应用程序之后，可以通过改变使用时间和使用次数的条件来提取第二常用应用程序和第三常用应用程序。可以使提取第一常用应用程序的条件和提取第二和第三常用应用程序的条件不同，从而避免在提取应用程序时存在偏向性。
发明效果
根据本发明的一些实施例的常用应用程序导出方法和利用该方法的常用应用程序导出设备，可以收集应用程序的使用信息，在对收集到的应用程序使用信息通过人工智能算法进行学习之后，可以提取并推荐常用应用程序。由此，即使应用程序使用信息随着日期和时间的流逝而变化，也可以根据时间段和状况来提取并推荐常用的应用程序。此外，在执行应用程序的用户终端显示常用应用程序，因此，使用用户终端的用户可以在不查找常用应用程序的情况下容易地执行应用程序。
另外，根据本发明的实施例的常用应用程序导出方法和利用该方法的常用应用程序导出设备中，可以同时提取日常时间段中常用的应用程序和睡前时间段中常用的应用程序。尤其，在提取时，使得日常时间段中常用的应用程序和睡前时间段中常用的应用程序所显示的位置或者应用程序的类型不重复，由此可以容易地确认每个时间段中常用的应用程序的偏好度。
类似地，在提取驾驶状况中常用的应用程序时，可以同时提取日常时间段中常用的应用程序。在提取时，使得驾驶状况中常用的应用程序和日常时间段中常用的应用程序所显示的位置或者应用程序的类型不重复，由此可以容易地确定特定状况下常用的应用程序的偏好度。
另外，在根据本发明的实施例的常用应用程序导出方法和利用该方法的常用应用程序导出设备中，可以使提取最偏好的第一常用应用程序的条件、提取第二常用应用程序的条件以及提取第三常用应用程序的条件不同，从而可以避免在提取常用应用程序时存在偏向性。
另外，在根据本发明的实施例的常用应用程序导出方法和利用该方法的常用应用程序导出设备中，可以使提取日常时间段和睡前时间段中最偏好的应用程序的条件与提取驾驶状况中最偏好的应用程序的条件具有不同基准，从而可以根据状况和时间段提取适合的常用应用程序。
附图说明
图1是示出利用根据本发明实施例的常用应用程序的导出方法导出了常用应用程序的用户终端的图。在图1中用虚线示出了根据时间段和状况表示的常用应用程序。
图2是示出用于导出图1所示的常用应用程序的条件的图。图2示出了在导出常用应用程序时，所使用的条件不同地应用于各个常用应用程序的示例。
图3是用于说明常用应用程序随着时间的流逝而改变的示例图。图3示出了同时导出在日常时间段中的常用应用程序和在驾驶状况中的常用应用程序的示例。
图4是示出根据本发明实施例的常用应用程序导出设备的示意性构成的框图。
图5是示出根据图4的本发明实施例的处理器和存储器的示意性构成的框图。
图6是示出根据本发明实施例的常用应用程序导出方法的流程图。
图7是示出在图6的特定时间段导出常用应用程序的方法的流程图。图7示出了导出在睡前时间段中的常用应用程序的示例。
图8是示出提取在日常时间段中的常用应用程序和在睡前时间段中的常用应用程序的示例的图。
图9是示出导出在图6的特定状况下常用应用程序的方法的流程图。图9示出了导出在驾驶状况中常用应用程序的示例。
图10是示出提取在日常时间段中的常用应用程序和在驾驶状况中的常用应用程序的示例的图。
图11是示出根据本发明实施例的在一天内使用的应用程序之中提取常用应用程序以导出常用应用程序的示例的图。
图12是示出根据本发明实施例的对用于导出常用应用程序的应用程序使用数据进行整合的示例的图。
图13是示出基于图12的整合数据来导出常用应用程序的示例的图。
具体实施方式
在下文中，将参考附图更详细地说明本发明的实施例，以便更具体地说明本发明。在整个详细的说明中，相同的附图标记表示相同的构成要素。
在各个附图中相同的附图标记表示相同的部件。另外，仅出于说明根据本发明实施例的目的而示出了本发明一实施例的特定结构乃至功能性的说明，除非另外定义，否则本文所使用的所有术语包括技术或科学术语，均具有与本发明所属领域的普通技术人员通常理解的含义相同的含义。常用的诸如在词典中定义的术语应解释为具有与相关技术的上下文中的含义一致的含义，除非另外明确指出，否则这些术语优选不应以理想的或过度形式上的含义来解释。
图1是示出利用根据本发明实施例的常用应用程序的导出方法导出了常用应用程序的用户终端的图，图2是示出用于导出图1所示的常用应用程序的条件的图。
根据本发明实施例的常用应用程序导出设备可以是能够执行应用程序(App)的用户终端10，例如，可以是智能手机、平板PC、笔记本电脑等各种设备中的任一种。下面，在本发明的实施例中，将对常用应用程序导出设备是智能手机的情况进行说明，并为了便于说明，称为用户终端10。
在根据本发明实施例的用户终端10，安装和驾驶各种应用程序(App)，在所述用户终端10显示使用用户终端10的用户所经常使用的多个应用程序。具体而言，根据使用用户终端10的用户的偏好来选择常用应用程序，将所选择的偏好应用程序显示在用户终端10的屏幕，从而能使用户可以更容易且快速地使用偏好应用程序。
即，常用应用程序是指用户终端10的用户在一定时间段经常执行的应用程序，所述常用应用程序可以在用户终端10通过微件(widget)功能查看，而无需通过网络浏览器查看，所述微件功能是指能够直接使用诸如天气、日历、计算器等的功能以及新闻、游戏等的信息的小型应用程式。如此地，可以在用户终端10显示用户常用的应用程序，以使用户能够容易地执行偏好的应用程序。
这种常用应用程序可以构成为根据用户的时间段和状况显示不同类型的应用程序。例如，可以根据各种条件来区分使用用户终端10的时间段和状况，但是下面的本发明的实施例中，为了便于说明，将分为用户使用用户终端10的日常时间段(daily time period)N、作为用户准备睡眠的时间段的睡前时间段(pre-bedtime period)B以及作为用户正在驾驶中的状况的驾驶状况(driving situation)D来说明。
根据以上述方式区分的时间段和状况，在用户终端10显示的常用应用程序的类型可以不同。具体而言，如图1的(a)所示，日常时间段N中常用的应用程序可以显示为诸如设置应用程序、图库应用程序、时钟应用程序等的应用程序。与此不同，如图1的(b)所示，在作为特定时间段的睡前时间段B常用的应用程序可以显示为诸如备忘录应用程序、邮件应用程序等的应用程序。此时，使在睡前时间段B显示的常用应用程序和日常时间段N中常用的应用程序同时显示，从而能够容易地确认在各个时间段和状况下常用的应用程序的偏好度。
此时，在用户终端10显示的常用应用程序可以约有5个，被选择的应用程序可以根据相同条件提取，但是在另一实施例中，也可以根据不同条件提取。
根据本发明的实施例，例如，日常时间段N中常用的应用程序可以根据多个条件来提取。具体而言，参照图2，可以收集使用应用程序的使用信息。基于收集到的应用程序的使用信息来提取应用程序的基准可以是，基于对使用应用程序的使用次数进行量化而得到的接近度(Proximity)，提取给与了最大的次数接近度的第一常用应用程序N1。基于这种条件提取的第一常用应用程序可以是即时通讯应用程序。
然后，可以从除第一常用应用程序之外的其余应用程序中提取第二常用应用程序N2。此时，用于提取多个第二常用应用程序的条件可以以同时基于使用应用程序的使用次数和使用应用程序的使用时间的偏好度为基础进行提取。此时，第二常用应用程序可以按偏好度高的顺序提取多个，基于这种条件提取的多个第二常用应用程序可以是诸如设置应用程序、备忘录应用程序、音乐应用程序等。
当以上述方式提取第一常用应用程序N1和第二常用应用程序N2时，可以从除第一和第二常用应用程序之外的其余应用程序中提取第三常用应用程序N3。用于提取第三常用应用程序的条件可以仅基于使用应用程序的使用时间，并且基于这种条件提取的第三常用应用程序可以是SNS应用程序。
另一方面，可以基于在至少1天内使用的应用程序的使用信息来提取第一常用应用程序、第二常用应用程序以及第三常用应用程序，优选地，通过整合在4至7天内使用应用程序的使用信息来提取。
此外，虽然在本发明的实施例中举例了，当提取常用应用程序时，提取1个应用程序作为最偏好的应用程序，然后，提取多个应用程序作为常用应用程序，最后，提取1个应用程序作为常用应用程序，但是，所提取的应用程序的数量可以改变。
另一方面，用户在使用用户终端10期间不是仅使用同1个应用程序，因此在经过一定时间之后，常用应用程序的类型可能会不同。在下文中，将参照图3进行详细说明。
图3是用于说明常用应用程序随着时间的流逝而改变的示例图。
假设图3的(a)是初次持有用户终端10的时间点，当初次持有用户终端10时，不会留下用户在之前使用应用程序的使用记录。因此，可以根据在用户终端10本身设置的任意的条件提取并推荐日常时间段N中常用的应用程序。具体而言，当初次持有用户终端10时，作为日常时间段N中常用的应用程序而显示出的应用程序可以是，诸如能够设置用户终端10的具体内容的设置应用程序、用于显示照片的图库应用程序、查看时间的时间应用程序等。
然后，在经过一定时间(Nd+α_d：date)之后，从初次持有用户终端10的时间点开始保留使用天数(d+α)期间的用户常用的应用程序的使用记录。例如，当从持有用户终端10起经过一天时，可以将一天内的应用程序的使用数据存储到用户终端10，并可以基于所存储的应用程序使用数据，提取并推荐常用应用程序(参照图3的(b))。具体而言，可以显示即时通讯应用程序、设置应用程序、地图应用程序等。
然后，再经过一定时间之后，提取随着时间的流逝而改变的日常时间段N中常用的应用程序(参照图3的(c))。例如，假设从持有用户终端10开始经过一定时间的时间点之后经过了7天(Nd+7)，则在用户终端10可以存储有用户在7天内所执行的应用程序的使用数据。此时，可以不是使用全部所存储的应用程序使用数据，而是对7天之中最近4天内的应用程序使用数据进行整合，最终提取5个偏好的应用程序。
另一方面，从持有用户终端10开始，在使用用户终端10期间，除了日常时间段N之外，还可以存储特定状况(例如驾驶状况D)下使用应用程序的应用程序使用数据。如上所述，若在存储了驾驶状况D中的应用程序使用数据的状态下用户处于驾驶状况D，则可以以在用户终端10同时显示日常时间段N中常用的应用程序和驾驶状况D下常用的应用程序(参照图3的(d))的方式提取。
此时，在进行推荐时，可以使日常时间段N中常用的应用程序和驾驶状况D下常用的应用程序不重复。例如，可以使提取日常时间段N中常用的应用程序和驾驶状况D下常用的应用程序的位置、日常时间段N中常用的应用程序的类型以及驾驶状况D下常用的应用程序的类型等不重复，以显示在每个状况下常用的应用程序，由此，用户终端10用户可以准确地确认在哪些时间段和状况主要使用哪些应用程序。
另一方面，当用户的驾驶状况D结束时，可以移除驾驶状况D下常用的应用程序，可以仅提取日常时间段N中常用的应用程序。由此，能够使使用用户终端10的时间段和状况的混乱变得最小。对于这种常用应用程序导出方法的特征，下面将参考附图进一步详细说明。
在下文中，参考附图仔细观察导出根据不同时间段和状况提取的常用应用程序的导出设备。
图4是示出根据本发明实施例的常用应用程序导出设备的示意性构成的框图，图5是示出根据图4的本发明实施例的处理器和存储器的示意性构成的框图。
首先，根据本发明实施例的常用应用程序的导出设备100可以构成为包括存储器165和处理器163。
在详细说明常用应用程序的导出设备100之前，根据本发明实施例的常用应用程序的导出设备100可以是，使用作为最大速度达20GBps的移动通信技术的第5代移动通信(5G)来收集应用程序，并对收集到的应用程序的使用模式进行学习，然后利用学习到的应用程序使用模式来提取常用应用程序的设备。
此外，根据本发明实施例的常用应用程序的导出设备100可以是作为能够安装应用程序的智能设备的用户终端10(参照图1，例如，平板电脑、智能手机等)，在本发明的实施例中，将以智能手机为例进行说明。
具体而言，参考附图，常用应用程序的导出设备100的存储器165可以在使用常用应用程序的导出设备100(例如，用户终端)的时间段和状况即日常时间段N、睡前时间段B以及驾驶状况D下，收集用于导出经常使用的应用程序的应用程序使用信息。
即，假设用户在一定时间段主要使用的应用程序为即时通讯应用程序、相机应用程序、图库应用程序等，则存储器165可以收集这些应用程序的使用信息。此外，在存储器165收集的应用程序使用信息可以用于学习关于常用应用程序的导出设备100主要使用哪些应用程序的应用程序使用模式。
即，可以基于收集到的应用程序的使用信息，通过人工智能算法来学习应用程序的使用模式。在以上述方式学习应用程序的使用模式时，若基于在处理器163学习到的应用程序的使用模式，判断出用户在日常时间段N使用用户终端10，则基于判断的结果，提取并推荐日常时间段N中常用的应用程序。
即，当根据在一定时间段学习的应用程序使用模式，判断出用户在一定时间段使用用户终端10时，通过常用应用程序的导出设备100的屏幕来显示在一定时间段所主要使用的即时通讯应用程序、相机应用程序、图库应用程序等，从而能够使用户容易地选择和执行常用应用程序，而不必查找要使用的应用程序。
此时，处理器163可以构成为包括用于推荐常用应用程序而判断时间段和状况的参考信息，以及根据时间段和状况提取常用应用程序的条件等。
具体而言，处理器163可以包括第一处理器163-1，所述第一处理器163-1基于使用应用程序的使用次数和执行应用程序的顺序之中的任一条件来提取第一常用应用程序。此时，可以包括能够通过根据时间段和状况改变条件来提取常用应用程序的多个处理器。
详细而言，第一处理器163-1可以包括日常和睡前时间段的第一处理器163-1a，所述第一处理器163-1a提取在日常时间段N和睡前时间段B最常使用的日常和睡前时间段的第一常用应用程序。即，提取在日常时间段N和睡前时间段B最常使用的应用程序的基准可以相同，具体而言，可以基于对应用程序的使用次数进行量化而得到而提取的次数接近度，提取给与了次数接近度的日常和睡前时间段中的第一常用应用程序。
次数接近度(Proximity)可以是对于应用程序执行次数的分数，该条件可以以最常执行的应用程序为基准而被赋予最高分数(例如：10分)，然后，从经常执行的应用程序开始按递减1分的分数被赋予下一个，从而从最常用应用程序开始按顺序排列。此时，如果是执行次数为相同的应用程序，则可以根据使用应用程序的时间而被赋予不同的分数，按顺序排列的应用程序中，对于第10个以上的应用程序可以均被赋予1分。
与此不同地，第一处理器163-1可以构成为包括驾驶状况中的第一处理器163-1b。驾驶状况中的第一处理器163-1b将基于对是否先执行应用程序进行量化而得到的顺序接近度，提取被赋予了最大顺序接近度的驾驶状况中的第一常用应用程序。
如上所述，根据时间段和状况，基于不同的条件提取最偏好的应用程序，从而不会基于一个条件提取偏好的应用程序，由此可以避免在推荐应用程序时存在偏向性。
可以根据时间段和状况提取最偏好的应用程序，然后，提取偏好的应用程序。为此，处理器163可以构成为包括第二处理器163-2和第三处理器163-3。
具体而言，第二处理器163-2可以根据同时考虑了之前提取的次数接近度和使用应用程序的使用时间而被赋予了高分数的偏好度，按顺序提取多个应用程序。另一方面，在本发明的实施例中，举例了提取1个最偏好的应用程序，然后提取3个左右的多个应用程序作为偏好的应用程序，但是提取的应用程序的数量可以根据条件而改变。
第三处理器163-3可以提取作为第二常用应用程序之后偏好的最后应用程序的第三常用应用程序。提取第三常用应用程序的基准可以以仅基于使用应用程序的使用时间的使用时间接近度为基础，具体而言，可以提取使用时间最多的应用程序。
如上所述，根据各种条件提取偏好的应用程序，使得用于提取偏好的应用程序的方式具有差异，由此能够更准确且客观地提取偏好的应用程序。
另一方面，根据本发明实施例的常用应用程序导出设备100为了导出常用应用程序，除了存储器165和处理器163之外，还可以包括输入装置120、显示装置140、控制部160、通信部180以及信息DB130。
输入装置120可以生成常用应用程序的导出设备100执行应用程序的应用程序执行信号。所生成的应用程序执行信号可以传输到控制部160，并且可以成为提取常用应用程序的基准。
控制部160对应用程序执行信号进行收集、学习，基于学习结果，所述控制部160可以根据常用应用程序的导出设备100所使用的时间段或状况，适当地选择能够推荐常用应用程序的应用程序。为此，控制部160可以构成为包括：收集模块162、学习模块164以及信息选择模块166。
具体而言，收集模块162可以收集传输到控制部160的应用程序执行信号。可以在学习模块164中对根据收集到的应用程序执行信号执行了哪些应用程序进行学习。此时，学习模块164可以在日常时间段N、睡前时间段B以及驾驶状况D中的任一个时间段和状况下学习各自的常用应用程序的执行信号。信息选择模块166可以根据在学习模块164学习的学习结果，提取与用户使用常用应用程序的导出设备100的时间段和状况相对应的应用程序。
通信部180可以用于接收信息，该信息涉及诸如在控制部160中是否根据用户执行应用程序的应用程序执行输入对根据应用程序执行输入的应用程序进行学习，是否提取与使用常用应用程序的导出设备100的时间段和状况相对应的应用程序等。
信息DB130可以存储输入到输入装置120的应用程序执行输入信息。为此，信息DB130可以构成为包括能够存储应用程序执行输入信息的存储部。
如上所述，在使用用户终端10的期间，通过执行应用程序的信息来自动提取并推荐用户常用的应用程序，从而可以减少用户查找常用应用程序的时间和麻烦。
在下文中，将参考附图观察导出常用应用程序的过程。
图6是示出根据本发明实施例的常用应用程序导出方法的流程图。
在说明附图之前，当附图标记与图1至图5的附图说明的装置和构成的附图标记相同的情况下，假设为相同的装置和构成，以省略详细说明。
此外，在图6至图8的说明中常用应用程序的导出设备可以是能够安装和执行应用程序的智能手机、平板电脑等中的任一个，在以下说明中将称为用户终端10(参考图1)并进行说明。
首先，参照图6，根据本发明实施例的常用应用程序的导出方法可以构成为包括以下步骤：使用常用应用程序的导出设备以收集使用应用程序的使用信息(S110)，在对所收集的应用程序的使用信息进行学习之后(S120)，基于学习的应用程序的使用信息，通过人工智能算法来提取常用应用程序，推荐提取的常用应用程序(S130、S140、S150)。
为了收集使用应用程序的使用信息，收集在使用应用程序的日常时间段(dailytime period)、睡前时间段(pre-bedtime period)以及驾驶状况(driving situation)中的至少一个时间段和状况下使用的应用程序的使用信息(S110)。
此时，在收集应用程序的使用信息时，可以根据使用应用程序的时间段和状况，按不同条件收集应用程序的使用信息。具体而言，对于日常时间段N而言，可以是一天内使用的应用程序使用信息，对于睡前时间段B而言，可以是作为一定时间之前的时间即在睡前2小时至小于3小时之前，使用的应用程序使用信息。此外，对于驾驶状况D而言，可以是用户终端10与作为车辆的系统之一的蓝牙和车载套件(Car Kit)连接期间使用的应用程序使用信息。
另一方面，在收集应用程序的使用信息时，可以收集应用程序的最近使用信息。例如，可以收集和整合最近4天内使用用户终端10的应用程序的使用信息，从而最终导出约5个偏好应用程序。在这种情况下，需要至少一天内的应用程序使用信息，如果不存在最近使用应用程序的信息，则最多可以使用过去30天内的应用程序使用信息，以收集和整合应用程序使用信息。
当收集到应用程序的使用信息时，可以对收集到的应用程序的使用信息进行学习(S120)。此时，由于学习了根据每种状况和时间使用应用程序的使用信息，因此，即使用户在任何状况或时间段中使用用户终端10，也可以推荐合适的应用程序。
可以根据对应用程序进行学习的时间以及使用应用程序的时间段和状况，按不同条件进行学习。例如，对在日常时间段N收集的应用程序进行学习的时间而言，可以是在每天上午2点至上午4点之前的时间进行学习。这是因为通常使用用户终端10的用户处于睡眠的时间段，因此假设了未使用应用程序而设定的时间。与此不同地，对于在睡前时间段B收集的应用程序进行学习的时间而言，可以是在每天上午10点至11之前的时间进行学习。如上所述，使用用户终端10的用户通常可能在上午时间(凌晨时间)处于睡眠状态，并从早晨7点之后为起床时间，因此可以在能够充分地判断为已起床的上午10点至11点之前的时间，对在睡前时间段B使用的应用程序的使用信息进行学习。另外，对于在驾驶状况D下收集的应用程序的使用信息而言，可以是在每天凌晨3点至4点之前的时间进行学习。通常，驾驶是在白天进行，因此可以在上午3点至4点之前的时间对驾驶状况D下收集到的应用程序使用信息进行学习。
另一方面，在本发明的实施例中，基于一般状况说明了学习应用程序的时间，但是可以根据人工智能学习，适当地对应于使用用户终端10的用户的状况而自主地改变学习应用程序的时间。
如上所述，当根据时间段和状况对使用应用程序的使用信息进行学习时，可以基于学习到的应用程序使用模式，根据使用用户终端10的时间段或状况来提取并推荐用户常用的应用程序。
具体而言，基于使用应用程序的使用次数，可以提取日常时间段N中常用的应用程序和睡前时间段B中常用的应用程序。详细而言，日常时间段N中常用的应用程序和睡前时间段B中常用的应用程序可以基于对使用应用程序的使用次数进行量化而得到而提取的次数接近度。此时，被赋予了最大的次数接近度的应用程序可以成为在日常和睡前时间段的第一常用应用程序(S132、S134、S1322)。
次数接近度(Proximity)可以是关于执行应用程序的次数的程度，该条件可以以最常执行的应用程序为基准而被赋予最高分数(例如：10分)，然后，从经常执行的应用程序开始按递减1分的分数被赋予下一个，从而从最常用应用程序开始按顺序排列。此时，如果是执行次数为相同的应用程序，则可以根据使用应用程序的时间被赋予不同分数，按顺序排列的应用程序中，对于第10个以上的应用程序可以均被赋予1分。
当通过这种算法来提取日常和睡前时间段的第一常用应用程序时，可以以同时基于次数接近度和使用时间的偏好度为基础来提取第二常用应用程序(S140)。具体而言，提取第二常用应用程序的条件可以是，作为提取之前在日常和睡前时间段中的第一常用应用程序的各个应用程序的条件的次数接近度乘以使用应用程序的使用时间之和。
然后，可以以仅基于使用时间的使用时间接近度为基础，提取第三常用应用程序(S150)。使用时间接近度是，将除了之前提取的第一常用应用程序和第二常用应用程序以外使用时间最长的作为条件。根据这种条件提取应用程序，可以提取并推荐约5个常用应用程序。
与此不同，当使用用户终端10的状况为驾驶状况D时，导出最偏好驾驶状况中的第一常用应用程序的条件可以基于由应用程序的执行顺序确定的顺序接近度(S136)。
顺序接近度是指，当在如上所述的驾驶状况D下判断为车辆的系统与用户终端10相连接时(S1362)，对最先执行的应用程序被赋予最高分数(例如：10分)，对按顺序执行的应用程序，按递减1分的分数被赋予下一个的条件。
如上所述，导出驾驶状况D中最偏好的应用程序的条件在与导出日常时间段N和睡前时间段B中最偏好的应用程序的条件不同的情况下应用，因此不仅可以根据时间段和状况，按适当地条件导出偏好的应用程序，还可以更客观地导出偏好的应用程序(S1364)。
此后，可以按与上述第二常用应用程序提取条件和第三常用应用程序提取条件相同的条件，提取在驾驶状况D中的第二常用应用程序和第三常用应用程序。
如上所述，为了提取常用应用程序，通过区分时间段和状况来应用不同地条件。在下文中，将参照图7详细观察在睡前时间段B状况下提取常用应用程序的条件。
图7是示出在图6的特定时间段导出常用应用程序的方法的流程图，图8是示出提取在日常时间段中的常用应用程序和在睡前时间段中的常用应用程序的示例的图。
为了导出睡前时间段B中常用的应用程序，首先判断最后使用应用程序的时间(S1321)。睡眠是处于不发生其他行为(诸如执行应用程序的行为)的状况，因此，如果在判断最后使用应用程序的时间之后经过一定时间未使用应用程序，则可以判断为睡眠中。
然后，经过一定时间之后用户起床，此后可以在用户终端10再次执行应用程序。此时，可以判断从最后使用应用程序的时间到再次执行应用程序的时间是否经过了4小时以上(S1323、S1325)。如果以上述方式判断为从最后执行应用程序的时间到再次执行应用程序的时间为4小时以上，则可以将从使用应用程序的最后时间到一定时间之前的时间段判断为睡前时间段B。例如，从最后使用应用程序的时间到一定时间之前的时间段可以是2小时至3小时以内，这种时间段可以根据条件而变化。
此时，如果判断为执行应用程序的时间点是从最后使用应用程序的时间起在4小时之前使用了应用程序，则可以确定为使用应用程序的使用时间、即应用程序的加载时间，当应用程序的加载时间在一定时间以内时，可以判断为睡前时间段B。具体而言，可以在睡眠期间使用用户终端10来确认当前时间。在这种情况下，可以通过点亮(on)用户终端10的屏幕来确认用户终端10，而不是执行应用程序。因此，优选地，将这种情况判断为用户终端10处于睡前时间段B，从而不会判断为再次执行应用程序的时间。
当以上述方式判断睡前时间段B时，如果应用于用户终端10的时间为睡前时间段B，则可以提取并推荐睡前时间段B中常用的应用程序(S1322、S140、S150)。
此时，睡前时间段B中常用的应用程序可以通过学习之前的睡前时间段B中经常使用的应用程序的使用信息来进行提取并推荐。
在提取并推荐睡前时间段B中常用的应用程序时，可以同时提取并推荐日常时间段N中常用的应用程序。即，如图8所示，可以在用户终端10的屏幕同时显示睡前时间段B中常用的应用程序和日常时间段N中常用的应用程序。这可以仅单独显示特定时间段中常用的应用程序，从而向用户告知当前为特定时间段(睡前时间段)。
另一方面，可以以睡前时间段B中常用的应用程序与日常时间段N中常用的应用程序相重复的方式进行推荐，如果日常时间段N中常用的应用程序和睡前时间段B中常用的应用程序重复，则在显示时可以排除睡前时间段B的应用程序。
另外，睡前时间段B中常用的应用程序可以在显示有日常时间段N中常用的应用程序的下端显示，从而可以主要显示日常时间段N中常用的应用程序。
从最后使用应用程序的最后时间起经过一定时间之后，睡前时间段B中常用的应用程序可以被自动删除。这是因为在睡前时间段B用户无法任意地移除睡前时间段B中常用的应用程序。
另一方面，为了导出根据时间段和状况常用的应用程序，以驾驶状况D为例进行了说明，并将参照图9和图10进一步仔细观察导出驾驶状况D中常用的应用程序的条件。
图9是示出导出在图6的特定状况下常用应用程序的方法的流程图，图10是示出提取日常时间段中的常用应用程序和在驾驶状况中常用应用程序的示例的图。
参照附图，为了提取驾驶状况D中常用的应用程序，需要判断安装于用户终端10的应用程序是否与作为车辆系统之一的蓝牙和车载套件中的任一个相连接(S1362)。
然后，从用户终端10的应用程序与车辆的系统连接的时间点用户终端10起判断为处于驾驶状况，并且可以基于驾驶状况D中常用的应用程序的使用信息，将驾驶状况D中偏好的应用程序提取到用户终端10(S1363)。
此时，可以同时提取驾驶状况D中偏好的应用程序和日常时间段N中常用的应用程序，并在用户终端10的屏幕同时示出。尤其，在车辆行驶的状况下，驾驶状况D中常用的应用程序可以持续地在用户终端10的屏幕示出，从而能够使查找驾驶状况D中常用的应用程序的麻烦变得最小。
然后，当车辆停车或驻车时，需要判断是否继续提取驾驶状况D中常用的应用程序。即，需要判断驾驶状况中是否正在使用用户终端10。为此，在车辆停车或驻车之后，可以判断车辆的系统与用户终端10的应用程序之间的连接是否解除(S1365)。
具体而言，当由包括在用户终端10的运动传感器识别到携带用户终端10的用户离开车辆步行了一定步数以上时，或者当用户终端10与车辆系统的连接信号减弱到一定水平以下时，判断为驾驶状况已结束(S1367)。
此时，对于用于识别判断驾驶状况D是否结束的用户的步数，若利用包括在用户终端10的运动传感器判断出用户步行了至少5步，则可以判断为驾驶状况D已结束。
与此不同，当距离为无法建立车辆系统与应用程序之间的连接的最小距离以上时，或者与车辆系统连接的信号减弱时，可以判断驾驶状况D已结束。
如上所述，可以提取约5个应用程序作为日常时间段N中常用的应用程序。与此不同，当提取驾驶状况D中常用的应用程序时，可能无法将5个应用程序全部提取出。这是因为，驾驶状况D这一特殊状况下常用的应用程序可能少于5个。
在这种情况下，如图10所示，显示的驾驶状况D中常用的应用程序的数量可以少于日常时间段N中常用的应用程序的数量。即，仅示出特殊状况下常用的应用程序，可以避免推荐不必要的应用程序。
另一方面，当在睡前时间段B识别到用户终端10与车辆的蓝牙和车载套件中的任一个连接时，用户终端10判断为处于驾驶状况D，从而可以同时提取驾驶状况D中常用的应用程序。
此外，当在提取的驾驶状况D中常用的应用程序之中存在与日常时间段N中常用的应用程序重复的应用程序情况时，可以提取重复的应用程序之外的驾驶状况D中常用的应用程序。
另外，驾驶状况D中常用的应用程序在显示有日常时间段N中常用的应用程序的下端显示，从而可以主要显示日常时间段N中常用的应用程序。
另一方面，举例了在驾驶状况D中常用应用程序少于5个时，未将5个应用程序全部提取出的情况，但是，在睡前时间段B和睡前时间段B中常用的应用程序少于5个的情况下，当然也可以不将5个应用程序全部提取出。
如上所述，通过提取特定时间段和特定状况中常用的应用程序，即使时间段和状况变化，也可以提高提取常用应用程序的客观性。
如上所述，为了导出常用应用程序，可以收集至少一天内的应用程序的使用信息，并且可以对每天收集到的应用程序使用信息进行整合，以导出常用应用程序。在下文中，参照附图，将观察通过收集一天内的应用程序使用信息来提取一天的常用应用程序的方法，以及对每天收集到的应用程序使用信息进行整合以导出常用应用程序的方法。
图11是示出根据本发明实施例的在一天内使用的应用程序之中提取常用应用程序以导出常用应用程序的示例的图。
如附图所示，例如，为了通过在3月1日一天内使用的应用程序的使用信息来确定经常使用的应用程序的顺序，可以收集3月1日0时至3月1日24时使用的应用程序的使用信息。当仔细观察收集到的应用程序使用信息时，如果最常使用的应用程序是即时通讯应用程序，则接近度分数被赋予最高分数(10分)，并提取将使用时间全部相加的值和执行应用程序的执行次数(Frequency_3次)。如果提取所有这种测量值，则可以获得偏好度(Favorite score)。偏好度可以通过接近度10乘以使用时间的总和19来获得。以这种方式，可以基于一天内的常用应用程序的使用信息，顺序地列出常用应用程序。
可以通过对这种每日记录的应用程序使用信息进行整合来提取常用应用程序。
具体而言，图12是示出根据本发明实施例的对用于导出常用应用程序的应用程序使用数据进行整合的示例的图，图13是示出基于图12的整合数据来导出常用应用程序的示例的图。
参照附图，为了提取常用应用程序，可以收集在用户终端10使用的应用程序的使用信息。此时，在收集应用程序的使用信息的时间段可以收集从当前使用用户终端10的日期起最近4天的使用信息。
例如，假设使用当前用户终端10的日期为3月5日，则可以从3月1日起收集使用应用程序的使用信息。此时，假设3月1日的应用程序的使用信息按顺序经常使用包括即时通讯应用程序的各种应用程序，提取多个使用的应用程序的使用次数、使用时间等，并可以根据提取的应用程序使用信息被赋予偏好度分数。结果，在3月1日，作为偏好度分数最高的应用程序，可以提取即时通讯应用程序。以这种方式，基于到3月2日、3月3日以及3月4日的每日经常使用的应用程序的使用信息，可以从偏好度分数最高的应用程序开始按顺序提取。
如果对以上述方式提取的4天内的应用程序的使用信息进行整合，则可以提取3月5日之前的4天内的应用程序的使用信息顺序。依次可以是即时通讯应用程序、设置应用程序、网络浏览器应用程序、SNS应用程序以及音乐应用程序。当观察整合的应用程序的使用信息时，可以确认到即时通讯应用程序具有最高的接近度(Proximity)。因此，即时通讯应用程序可以成为最偏好的第一常用应用程序。然后，可以确认到，按偏好度(Favoritescore)高的顺序，提取了设置应用程序、网络浏览器应用程序、音乐应用程序。因此，设置应用程序、网络浏览器应用程序、音乐应用程序可以成为第二常用应用程序。然后，可以确认到，从除了第一和第二常用应用程序之外的其余应用程序之中，提取了使用的时间最长的应用程序时为SNS应用程序。SNS应用程序的情况下，其偏好度虽低，但使用时间除了提取的应用程序(第一和第二常用应用程序)之外为最长，因此可以判断为所述SNS应用程序是常用应用程序之一。以这种方式提取的5个应用程序可以在用户终端10的屏幕显示。
与此类似地，可以通过与之前提取3月5日常用的应用程序的方法相同的方法，收集和整合3月2至3月5日使用的应用程序的使用信息，以提取3月6日在用户终端10显示的常用应用程序。
如上所述，根据本发明实施例的常用应用程序导出方法和利用该方法的常用应用程序导出设备，可以在对应用程序的使用信息进行收集、整合之后，通过人工智能算法来对整合的应用程序的使用信息进行学习，然后可以提取并推荐常用应用程序。由此，可以根据天气或时间等的流逝，与使用应用程序的使用信息变化相对应地提取并推荐常用应用程序。此外，由于在执行应用程序的用户终端显示有常用应用程序，因此，使用用户终端的用户可以在不查找常用应用程序的情况下容易地执行应用程序。
此外，在提取并推荐常用应用程序时，可以根据时间段和状况，基于不同的条件来提取并推荐。由此，可以避免以具有偏向性的基准来提取到特定时间段和特定状况中常用的应用程序。
尽管上面已经说明了本发明的特定实施例，但是本发明不限于所记载的实施例，并且可以理解为，本领域普通技术人员在不脱离本发明的精神和范围的情况下，可以在其他特定的实施例以各种方式进行修改和变形。因此，本发明的范围不应由上述实施例限定，而应由所附权利要求书限定的技术思想限定。

Claims (15)

1.一种常用应用程序的导出方法，是导出由用户终端执行的常用应用程序的方法，其中，包括：
在日常时间段、睡前时间段和驾驶状况中的至少一个时间段和状况中收集应用程序的使用信息的步骤；
基于收集到的所述应用程序的使用信息，通过人工智能算法来学习应用程序的使用模式的步骤；以及
基于学习到的所述应用程序的使用模式来提取所述时间段和状况中的常用应用程序，并推荐提取到的所述常用应用程序的步骤，
提取并推荐所述常用应用程序的步骤包括：
基于在所述日常时间段和所述睡前时间段中使用应用程序的使用次数，提取所述日常时间段中的常用应用程序和所述睡前时间段中的常用应用程序的步骤；以及
基于在驾驶状况中执行应用程序的执行顺序，提取所述驾驶状况中的常用应用程序的步骤。
2.根据权利要求1所述的常用应用程序的导出方法，其中，
提取所述日常时间段中的常用应用程序和所述睡前时间段中的常用应用程序的步骤包括：基于对所述使用次数进行量化而得到的次数接近度，将被赋予最大次数接近度的应用程序提取为日常时间段和睡前时间段中的第一常用应用程序的步骤。
3.根据权利要求1所述的常用应用程序的导出方法，其中，
提取所述驾驶状况中的常用应用程序的步骤包括：
基于对是否先执行应用程序进行量化而得到的顺序接近度，将被赋予最大顺序接近度的应用程序提取为驾驶状况中的第一常用应用程序的步骤。
4.根据权利要求2所述的常用应用程序的导出方法，其中，
提取所述日常时间段中的常用应用程序和所述睡前时间段中的常用应用程序的步骤，
在提取所述日常时间段和睡前时间段中的第一常用应用程序的步骤之后，包括：
根据同时基于应用程序的次数接近度和应用程序的使用时间来确定的偏好度，提取所述日常时间段和睡前时间段中的第二常用应用程序的步骤；以及
根据仅基于应用程序的使用时间来确定的使用时间接近度，提取所述日常时间段和睡前时间段中的第三常用应用程序的步骤。
5.根据权利要求3所述的常用应用程序的导出方法，其中，
提取所述驾驶状况中的常用应用程序的步骤，
在提取所述驾驶状况中的第一常用应用程序的步骤之后，包括：
根据同时基于应用程序的顺序接近度和应用程序的使用时间来确定的偏好度，提取驾驶状况中的第二常用应用程序的步骤；以及
根据仅基于应用程序的使用时间来确定的使用时间接近度，提取驾驶状况中的第三常用应用程序的步骤。
6.根据权利要求1所述的常用应用程序的导出方法，其中，还包括：
判断在用户终端最后使用应用程序的时间的判断步骤；
所述判断步骤之后，在用户终端再次执行应用程序时，判断从最后使用所述应用程序的时间至在所述用户终端再次使用应用程序的时间是否经过了4小时以上的步骤；以及
在判断为经过4小时以上后在所述用户终端再次使用应用程序时，将从最后使用所述应用程序的时间至一定时间以前的时间段判断为所述睡前时间段的步骤。
7.根据权利要求1所述的常用应用程序的导出方法，其中，
在提取并推荐所述睡前时间段中的常用应用程序的步骤中，以使所述睡前时间段中的常用应用程序和所述日常时间段中的常用应用程序不重复的方式进行推荐。
8.根据权利要求1所述的常用应用程序的导出方法，其中，还包括：
判断所述用户终端是否与车辆系统连接的步骤；以及
判断为从所述用户终端与车辆系统连接的时间点起所述用户终端在驾驶状况中被使用的步骤。
9.根据权利要求1所述的常用应用程序的导出方法，其中，
在提取所述驾驶状况中的常用应用程序的步骤中，
以使所述驾驶状况中的常用应用程序和所述日常时间段中的常用应用程序不重复的方式进行推荐。
10.根据权利要求8所述的常用应用程序的导出方法，其中，
在判断为所述用户终端在驾驶状况中被使用的步骤之后，还包括：
在利用所述用户终端的运动传感器识别到携带了所述用户终端的用户正在步行中，或者所述用户终端与车辆系统的连接信号减弱到一定水平以下时，判断为驾驶状况已结束的步骤。
11.一种常用应用程序的导出设备，其中，包括：
存储器，收集在日常时间段、睡前时间段和驾驶状况中的至少一个时间段和状况中的应用程序使用信息；以及
处理器，基于收集到的所述应用程序使用信息，通过人工智能算法对应用程序的使用模式进行学习，基于学习到的所述应用程序的使用模式，提取并推荐所述时间段和所述状况中的常用应用程序，
在所述处理器中，
基于所述日常时间段和所述睡前时间段中使用应用程序的使用次数，提取并推荐所述日常时间段中的常用应用程序和所述睡前时间段中的常用应用程序，
基于所述驾驶状况中执行应用程序的执行顺序，提取并推荐所述驾驶状况中的常用应用程序。
12.一种常用应用程序的导出设备，其中，包括：
存储器，收集在日常时间段、睡前时间段和驾驶状况中的至少一个的时间段和状况中的应用程序使用信息；以及
处理器，基于收集到的所述应用程序使用信息，通过人工智能算法对应用程序的使用模式进行学习，基于学习到的所述应用程序的使用模式，提取并推荐所述时间段和所述状况中的常用应用程序，
在所述处理器中，
基于应用程序的使用次数和执行应用程序的执行顺序中的任一条件提取第一常用应用程序，
同时基于应用程序的使用次数和应用程序的使用时间来提取第二常用应用程序，
仅基于应用程序的使用时间提取第三常用应用程序。
13.根据权利要求12所述的常用应用程序的导出设备，其中，
基于对应用程序的使用次数进行量化而得到的次数接近度，将所述日常时间段和睡前时间段中的所述第一常用应用程序确定为被赋予最大次数接近度的应用程序，
基于对是否先执行应用程序进行量化而得到的顺序接近度，将所述驾驶状况中的所述第一常用应用程序确定为被赋予最高顺序接近度的应用程序。
14.根据权利要求12所述的常用应用程序的导出设备，其中，
所述日常时间段和睡前时间段中的所述第二常用应用程序根据同时基于所述次数接近度和应用程序的使用时间确定的偏好度来确定，
所述驾驶状况中的所述第二常用应用程序根据同时基于所述顺序接近度和应用程序的使用时间确定的偏好度来确定。
15.根据权利要求12所述的常用应用程序的导出设备，其中，
所述日常时间段和睡前时间段中的所述第三常用应用程序根据仅基于应用程序的使用时间确定的使用时间接近度来确定，
所述驾驶状况中的所述第三常用应用程序根据仅基于应用程序的使用时间确定的使用时间接近度来确定。
CN201980004018.XA 2019-02-20 2019-04-12 常用应用程序的导出方法和使用该方法的导出设备 Active CN111868686B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962808245P 2019-02-20 2019-02-20
US62/808,245 2019-02-20
PCT/KR2019/004469 WO2019147110A2 (ko) 2019-02-20 2019-04-12 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치

Publications (2)

Publication Number Publication Date
CN111868686A true CN111868686A (zh) 2020-10-30
CN111868686B CN111868686B (zh) 2023-12-08

Family

ID=67395662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980004018.XA Active CN111868686B (zh) 2019-02-20 2019-04-12 常用应用程序的导出方法和使用该方法的导出设备

Country Status (5)

Country Link
US (1) US11228675B2 (zh)
EP (1) EP3657325A4 (zh)
KR (1) KR20190109339A (zh)
CN (1) CN111868686B (zh)
WO (1) WO2019147110A2 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019104677A1 (zh) * 2017-11-30 2019-06-06 华为技术有限公司 不同屏显示不同的应用快捷菜单
KR20210060213A (ko) * 2019-11-18 2021-05-26 삼성전자주식회사 어플리케이션을 프리로드하는 방법 및 이를 지원하는 전자 장치
US11281558B2 (en) * 2020-01-06 2022-03-22 International Business Machines Corporation Cognitive and deep learning-based software component distribution
WO2021246816A1 (en) 2020-06-04 2021-12-09 Samsung Electronics Co., Ltd. Method for enhancing performance of electronic device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022777A (zh) * 2014-04-28 2015-11-04 福特全球技术公司 基于驾驶员行为的车辆应用推荐
US20160062635A1 (en) * 2014-08-27 2016-03-03 Honda Motor Co., Ltd. Application management
CN106202358A (zh) * 2016-07-06 2016-12-07 深圳市金立通信设备有限公司 一种推荐应用程序的方法及终端
US20170215024A1 (en) * 2016-01-25 2017-07-27 Baidu Online Network Technology (Beijing) Co., Ltd . Methods and apparatuses for recommending application and presenting recommended applications

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1256875A1 (en) * 2001-05-10 2002-11-13 Nokia Corporation Method and device for context dependent user input prediction
US20040260801A1 (en) * 2003-02-12 2004-12-23 Actiontec Electronics, Inc. Apparatus and methods for monitoring and controlling network activity using mobile communications devices
US20050138564A1 (en) * 2003-12-17 2005-06-23 Fogg Brian J. Visualization of a significance of a set of individual elements about a focal point on a user interface
JP2007193700A (ja) * 2006-01-20 2007-08-02 Ricoh Co Ltd アプリケーション選択管理装置、画像形成装置、アプリケーション選択管理方法及びアプリケーション選択管理プログラム
KR101782649B1 (ko) * 2011-04-28 2017-09-28 삼성전자주식회사 휴대단말기에서 외부 악세사리에 대한 어플리케이션 제공 장치 및 방법
KR101793999B1 (ko) * 2011-07-22 2017-11-06 삼성전자주식회사 휴대용 단말기에서 사용자 인터페이스 객체를 배치하는 방법 및 장치
US9417754B2 (en) * 2011-08-05 2016-08-16 P4tents1, LLC User interface system, method, and computer program product
KR101233955B1 (ko) * 2012-05-17 2013-02-15 권오형 사용자 중심의 메인 화면 아이콘 구성 장치 및 방법
US8490006B1 (en) * 2012-09-04 2013-07-16 State Farm Mutual Automobile Insurance Company Scene creation for building automation systems
KR20140091633A (ko) * 2013-01-11 2014-07-22 삼성전자주식회사 모바일 장치에서의 상황 인지에 따른 추천 항목을 제공하기 위한 방법 및 이를 위한 모바일 장치
US20140282207A1 (en) * 2013-03-15 2014-09-18 Rita H. Wouhaybi Integration for applications and containers
US10719122B2 (en) * 2013-11-15 2020-07-21 Apple Inc. Automated environment providing feedback based on user routine
US10768784B2 (en) * 2013-12-06 2020-09-08 Vivint, Inc. Systems and methods for rules-based automations and notifications
US9547683B2 (en) * 2014-05-30 2017-01-17 Apple Inc. Application suggestion features
US10324588B2 (en) * 2014-06-09 2019-06-18 Sony Corporation Organizing application icon based on user history information
KR101579585B1 (ko) 2014-06-18 2015-12-22 경북대학교 산학협력단 사용자 행동 모니터링 방법, 장치, 시스템 및 이를 수행하기 위한 기록매체
US10764424B2 (en) * 2014-12-05 2020-09-01 Microsoft Technology Licensing, Llc Intelligent digital assistant alarm system for application collaboration with notification presentation
KR20170138667A (ko) * 2016-06-08 2017-12-18 삼성전자주식회사 어플리케이션을 활성화하는 방법 및 이를 제공하는 전자 장치
DE102017203570A1 (de) * 2017-03-06 2018-09-06 Volkswagen Aktiengesellschaft Verfahren und vorrichtung zur darstellung von empfohlenen bedienhandlungen eines vorschlagssystems und interaktion mit dem vorschlagssystem
WO2018169372A1 (en) * 2017-03-17 2018-09-20 Samsung Electronics Co., Ltd. Method and system for routine disruption handling and routine management in a smart environment
US10470015B1 (en) * 2018-12-12 2019-11-05 Citrix Systems, Inc. System with automatic creation of application-orchestration widgets for multi-application interaction
KR102064489B1 (ko) 2019-01-14 2020-02-11 주식회사 엘렉시 앱 추천 시스템, 이를 위한 사용자 단말기 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022777A (zh) * 2014-04-28 2015-11-04 福特全球技术公司 基于驾驶员行为的车辆应用推荐
US20160062635A1 (en) * 2014-08-27 2016-03-03 Honda Motor Co., Ltd. Application management
US20170215024A1 (en) * 2016-01-25 2017-07-27 Baidu Online Network Technology (Beijing) Co., Ltd . Methods and apparatuses for recommending application and presenting recommended applications
CN106202358A (zh) * 2016-07-06 2016-12-07 深圳市金立通信设备有限公司 一种推荐应用程序的方法及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔刚: "基于协同过滤的个性化应用推荐方案" *

Also Published As

Publication number Publication date
WO2019147110A2 (ko) 2019-08-01
CN111868686B (zh) 2023-12-08
EP3657325A2 (en) 2020-05-27
US20210073008A1 (en) 2021-03-11
KR20190109339A (ko) 2019-09-25
US11228675B2 (en) 2022-01-18
EP3657325A4 (en) 2021-05-26
WO2019147110A3 (ko) 2020-01-02

Similar Documents

Publication Publication Date Title
CN111868686B (zh) 常用应用程序的导出方法和使用该方法的导出设备
CN108701495B (zh) 用于整合和提供从多个设备收集的数据的方法以及用于实现该方法的电子设备
US11893961B2 (en) Automatically adjusting screen brightness based on screen content
US10748121B2 (en) Enriching calendar events with additional relevant information
CN107256428B (zh) 数据处理方法、数据处理装置、存储设备及网络设备
CN106648512B (zh) 车载虚拟形象显示方法和装置、车载主机
EP2847986B1 (en) Configuring a terminal device according to a context determined by correlating different data sources
CN108983748B (zh) 一种车辆故障检测方法及终端设备
EP3528193A1 (en) Method and device for in-vehicle payment
CN105573613A (zh) 一种程序图标排序方法和装置
EP3872818A2 (en) Method for providing diagnostic system using semi-supervised learning, and diagnostic system using same
CN111144950B (zh) 模型筛选方法、装置、电子设备及存储介质
CN110807068B (zh) 换设备用户的识别方法、装置、计算机设备和存储介质
JP2008533576A (ja) 電子デバイスのカレンダーアプリケーションのための情報の形成
US20190347621A1 (en) Predicting task durations
CN105121620A (zh) 图像处理设备、图像处理方法、程序和存储介质
CN111797861A (zh) 信息处理方法、装置、存储介质及电子设备
CN104318140A (zh) 一种终端解锁的方法
US20180232127A1 (en) Structured response summarization of electronic messages
CN111798259A (zh) 应用推荐方法、装置、存储介质及电子设备
CN110476180A (zh) 用于提供基于文本阅读的奖励型广告服务的方法及用于实行该方法的用户终端
CN115111816A (zh) 用于检测电子膨胀阀的方法、装置及存储介质
CN111613217A (zh) 一种设备推荐方法、装置、电子设备及可读存储介质
US20240060791A1 (en) Identification of grouping criteria for bulk trip review in getting tax deductions
CN108234758B (zh) 应用的显示方法、装置、存储介质及电子设备

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