CN112764513A - 提示方法和电子设备 - Google Patents

提示方法和电子设备 Download PDF

Info

Publication number
CN112764513A
CN112764513A CN202110120865.1A CN202110120865A CN112764513A CN 112764513 A CN112764513 A CN 112764513A CN 202110120865 A CN202110120865 A CN 202110120865A CN 112764513 A CN112764513 A CN 112764513A
Authority
CN
China
Prior art keywords
information
power consumption
time
time interval
target 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.)
Pending
Application number
CN202110120865.1A
Other languages
English (en)
Inventor
刘琛峰
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.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
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 Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202110120865.1A priority Critical patent/CN112764513A/zh
Publication of CN112764513A publication Critical patent/CN112764513A/zh
Priority to PCT/CN2022/073583 priority patent/WO2022161325A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G06F1/3212—Monitoring battery levels, e.g. power saving mode being initiated when battery voltage goes below a certain level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Abstract

本申请公开了一种提示方法及电子设备，属于电子技术领域，以解决在现有技术中，因没有考虑到人为、环境等多方面可变化因素的干扰，导致预测电池电量使用情况的准确率较低的问题。其中，所述提示方法，包括：获取第一特征向量；第一特征向量用于体现第一应用程序的第一特征信息，且第一应用程序为历史记录中关联的目标时段内运行的应用程序；获取第二特征向量；第二特征向量用于体现与目标时段的开始时刻相关联的第二耗电特征信息；根据所述第一特征向量和所述第二特征向量，确定电子设备在所述目标时段内的平均耗电速度；根据目标时段和平均耗电速度，输出电量提示信息。本申请中的提示方法应用于电子设备中。

Description

提示方法和电子设备
技术领域
本申请属于电子技术领域，具体涉及一种提示方法和电子设备。
背景技术
随着电子技术的发展，手机等电子设备逐渐成为人们生活的一部分。在日常生活中，用户需要使用电子设备进行导航、支付、通信、娱乐等，从而导致电子设备的耗电速度也逐渐加快。特别是在一些不方便充电的场景中，用户需实时关注电子设备的电池电量或者被迫减少使用，以避免因电池电量意外耗尽而带来损失。
为了避免因电池电量意外耗尽而带来损失，可通过预测电池电量的使用情况，来让用户更直观地了解剩余电池电量。在现有技术中，依据电压和电流，或者依据电子设备的历史平均耗电情况，来预测电池电量的使用情况。
可见，在现有技术中，因没有考虑到人为、环境等多方面可变化因素的干扰，导致预测电池电量使用情况的准确率较低。
发明内容
本申请实施例的目的是提供一种提示方法，能够解决在现有技术中，因没有考虑到人为、环境等多方面可变化因素的干扰，导致预测电池电量使用情况的准确率较低的问题。
为了解决上述技术问题，本申请是这样实现的：
第一方面，本申请实施例提供了一种提示方法，该方法包括：获取第一特征向量；所述第一特征向量用于体现第一应用程序的第一特征信息，且所述第一应用程序为历史记录中关联的目标时段内运行的应用程序；获取第二特征向量；所述第二特征向量用于体现与所述目标时段的开始时刻相关联的第二耗电特征信息；根据所述第一特征向量和所述第二特征向量，确定电子设备在所述目标时段内的平均耗电速度；根据所述目标时段和所述平均耗电速度，输出电量提示信息。
第二方面，本申请实施例提供了一种电子设备，该设备包括第一获取模块，用于获取第一特征向量；所述第一特征向量用于体现第一应用程序的第一特征信息，且所述第一应用程序为历史记录中关联的目标时段内运行的应用程序；第二获取模块，用于获取第二特征向量；所述第二特征向量用于体现与所述目标时段的开始时刻相关联的第二耗电特征信息；耗电速度确定模块，用于根据所述第一特征向量和所述第二特征向量，确定所述电子设备在所述目标时段内的平均耗电速度；提示模块，用于根据所述目标时段和所述平均耗电速度，输出电量提示信息。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
第五方面，本申请实施例提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如第一方面的方法。
这样，在本申请的实施例中，对目标时段的电池电量的使用情况进行预测时，一方面，基于用户的历史使用习惯，获取历史记录中关联的目标时段内运行的第一应用程序，第一应用程序可以是历史记录中记录的用户在目标时段内使用较为频繁的第一应用程序，从而获取第一应用程序对应的第一特征向量。另一方面，获取第二特征向量。第二特征向量所体现的第二耗电特征信息，与目标时段的开始时刻相关联，而目标时段的开始时刻(如当前时刻)与用户实际操作、实际环境相关联，因此，第二耗电特征信息是基于用户对设备的实际操作、以及所处实际环境而产生的信息。例如第二耗电特征信息包括目标时段开始时刻的电池电量信息、所处环境的温度等与实时耗电相关的一些信息。然后，整合两组特征向量，通过预先训练的回归树模型，计算出目标时段内的平均耗电速度。最后，根据目标时段，以及平均耗电速度，预测出目标时段的电池电量的使用情况。进一步地，将当前时刻至电量耗尽时刻之间的时段，划分为多个时段，重复上述过程，可预测出所有时段内的电池电量的使用情况，从而完成对电池电量的使用情况的预测。可见，本实施例在结合用户的历史使用习惯的同时，还考虑了用户实际操作情况和所处环境情况，从而结合了实际操作中的人为、环境等多方面可变化因素，提高了预测电池电量使用情况的准确率。
附图说明
图1是本申请实施例的提示方法的流程图；
图2～图6是本申请实施例的提示方法中涉及的数据说明示意图；
图7是本申请实施例的电子设备的框图；
图8是本申请实施例的电子设备的硬件结构示意图之一。
图9是本申请实施例的电子设备的硬件结构示意图之二。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的提示方法进行详细地说明。
图1示出了本申请一个实施例的提示方法的流程图，应用于电子设备，该提示方法包括：
步骤S1：获取第一特征向量。
其中，第一特征向量用于体现第一应用程序的第一特征信息，且第一应用程序为历史记录中关联的目标时段内运行的应用程序。
可选地，本实施例应用于对电池电量的使用情况的预测场景中，因此，目标时段可以是：从当前时刻开始、至电量耗尽时刻之间的时间内，任意时段。
其中，电量耗尽时刻为预测出来的时刻。
可参考地，从当前时刻开始，至电量耗尽时刻，可划分出一个或者多个时段，每个时段均可作为本实施例中的目标时段。
示例性地，可按照时间间隔T来划分出一个或者多个时段。
参见图2，例如，t1表示当前时刻，以时间间隔T为单位，至少划分出t1～t2、t2～t3等时段，每个时段均可作为本实施例的目标时段。
对应地，在该步骤中，可在历史记录中，获取目标时段内运行的应用程序，作为第一应用程序，从而获取第一应用程序的第一特征向量。
可选地，目标时段内运行的第一应用程序，可以是用户在目标时段内使用频繁的应用程序。
其中，该步骤中的目标时段内，用户使用频繁的第一应用程序，可体现出用户的历史使用习惯，从而使得本实施例可结合用户的历史使用习惯来预测电池电量的使用情况。
步骤S2：获取第二特征向量。
其中，第二特征向量用于体现与目标时段的开始时刻相关联的第二耗电特征信息。
在该步骤中，第二耗电特征信息与目标时段的开始时刻相关联，而目标时段的开始时刻的耗电情况至少可体现出用户对设备的实际操作情况，从而使得本实施例可结合用户对设备的实际操作来预测电池电量的使用情况。
可参考地，第二耗电特征信息包括：基于目标时段的开始时刻，在电子设备中产生与实时耗电相关的信息。
其中，第二耗电特征信息包括如电量、耗电速度、处理器占用率等与用户操作直接关联的信息；第二耗电特征信息还包括如网络类型、信号强度、时间、地理位置、温度等与环境相关的信息。基于以上列举的信息，可以看出第二耗电特征信息至少包括设备状态信息和环境状态信息。
因此，第二耗电特征信息还可体现出当前存在环境因素，从而使得本实施例还可结合实时的环境因素来预测电池电量的使用情况。
例如，在目标时段的开始时刻，网络信号不佳，设备响应服务器较慢，因此耗电加快，从而可在第二耗电特征信息中的耗电速度中体现。
又如，用户在每天下午两点到三点的时段，通常处于休息状态，电子设备中运行的应用程序较少，耗电速度较慢。而某一天的下午两点到三点的时段，用户没有休息，而是使用视频软件观看影视剧，用户的这一操作导致耗电加快，从而在待预测的目标时段的开始时刻，计算的瞬时耗电速度可以体现出用户的这一操作。因此，在第二耗电特征信息中包括瞬时耗电速度的情况下，第二耗电特征信息可体现出用户的实时操作。
其中，目标时段的开始时刻不早于当前时刻。
步骤S3：根据第一特征向量和第二特征向量，确定电子设备在目标时段内的平均耗电速度。
可选地，预设的处理方式为预先训练的回归树模型。
对应地，在该步骤中，将第一特征向量和第二特征向量输入回归树模型，从而基于回归树模型，计算得到电子设备在目标时段内的平均耗电速度。
在本实施例中，首先将用于体现用户的历史使用习惯的数据，以及用于体现用户实际操作的数据、环境数据，均以统一的特征向量的形式表现出来，再统一整合后输入回归树模型中，从而通过向量的输入，以及模型的计算，得到目标时段内的平均耗电速度。
可选地，回归树模型如，渐进梯度回归树(GradientBoostRegression Tree，简称GBRT)、极端梯度提升(eXtreme Gradient Boosting，简称XgBoos)、轻度梯度提升机(LightGradient Boosting Machine，简称LightGBM)等。
结合图2，具体地，首先由步骤S1获取t1～t2时段的第一特征向量，以及由步骤S2获取的t1～t2时段的第二特征向量，然后将这两组特征向量整合后输入到回归树模型中，则可预测出t1～t2时段内的平均耗电速度v1。
步骤S4：根据目标时段和平均耗电速度，输出电量提示信息。
在该步骤中，可预测出至少一个时段的耗电情况，以输出提示消息，供用户参考。
进一步地，为了提高预测结果的准确性，本实施例中的步骤S1～步骤S3，可以是循环重复执行的步骤，从而从当前时刻开始，依次预测出未来每个时段的平均耗电速度，从而截止电量耗尽时刻，可预测出期间所有时段的耗电情况，以输出提示消息，供用户参考。
其中，电量耗尽时刻为预测出来的时刻。
这样，在本申请的实施例中，对目标时段的电池电量的使用情况进行预测时，一方面，基于用户的历史使用习惯，获取历史记录中关联的目标时段内运行的第一应用程序，第一应用程序可以是历史记录中记录的用户在目标时段内使用较为频繁的第一应用程序，从而获取第一应用程序对应的第一特征向量。另一方面，获取第二特征向量。第二特征向量所体现的第二耗电特征信息，与目标时段的开始时刻相关联，而目标时段的开始时刻(如当前时刻)与用户实际操作、实际环境相关联，因此，第二耗电特征信息是基于用户对设备的实际操作、以及所处实际环境而产生的信息。例如第二耗电特征信息包括目标时段开始时刻的电池电量信息、所处环境的温度等与实时耗电相关的一些信息。然后，整合两组特征向量，并通过预先训练的回归树模型，计算出目标时段内的平均耗电速度。最后，根据目标时段，以及平均耗电速度，预测出目标时段的电池电量的使用情况。进一步地，将当前时刻至电量耗尽时刻之间的时段，划分为多个时段，重复上述过程，可预测出所有时段内的电池电量的使用情况，从而完成对电池电量的使用情况的预测。可见，本实施例在结合用户的历史使用习惯的同时，还考虑了用户实际操作情况和所处环境情况，从而结合了实际操作中的人为、环境等多方面可变化因素，提高了预测电池电量使用情况的准确率。
在本申请另一个实施例的提示方法的流程中，第二耗电特征信息至少包括目标时段的开始时刻的第一电池电量信息；步骤S4，包括：
子步骤A1：根据第一电池电量信息和平均耗电速度，确定目标时段的结束时刻的第二电池电量信息。
结合图2，例如，由平均耗电速度v1，可以预测出目标时段的结束时刻，即下一个待预测时段的开始时刻t2的电池电量为x1-v1*T。其中，x1表示第一电池电量信息，即目标时段的开始时刻t1的电池电量。
子步骤A2：在第二电池电量信息小于或者等于零的情况下，根据当前时刻至目标时段的结束时刻之内的所有时段，以及每个时段对应的平均耗电速度，输出电量提示信息。
在该步骤中，若目标时段的结束时刻的第二电池电量信息小于或者等于零，则说明在预测结果中，在目标时段的结束时刻时，电池电量已耗尽。因此，完成本次对电池电量的使用情况的预测。
进一步地，在一次对电池电量的使用情况的预测中，从当前时刻，至目标时段的结束时刻，预测过的所有时段的总和，即预测出来电池电量预计可使用的时段。
因此，将预测过的所有时段，结合每个时段对应得到的平均耗电速度，进行分析，输出电量提示信息。
可参考地，在当前的t1时刻进行电池电量的使用情况的预测。参见图3所示的表格。
首先，将t1～t2作为目标时段，根据t1～t2的第一特征向量和第二特征向量，得到t1～t2的预测结果。其中，第一行数据表示t1时刻的第二耗电特征信息和t1～t2的第一特征向量。
然后，将t2～t3作为目标时段，将预测出来的t2时刻关联的耗电特征信息作为t2～t3的第二特征向量，同时获取t2～t3对应的第一特征向量，得到t2～t3的预测结果。其中，第二行数据表示t2时刻的第二耗电特征信息和t2～t3的第一特征向量。
以此类推，直至预测出来的某一时段的结束时刻的电池电量为零，完成本次预测。
可见，图3所示表格中的数据，都将用于在t1时刻对电池电量的预测。
进一步地，在t1时刻对电池电量的预测结束后，在下一时刻，可重新预测，从而实时更新预测结果，以提高预测结果的准确性。
在本实施例中，提供一种重复执行步骤S1～步骤S3的预测过程，以得到最终的预测结果。首先，基于当前待预测的目标时段，执行步骤S1～步骤S3，得到目标时段的平均耗电速度v1，并可以得到相邻下一时段的耗电函数x1-v1*T。进一步地，重复执行步骤，将与目标时段相邻的下一时段作为待预测时段，得到用户在该时段的历史应用程序，以及该时段开始时刻相关的耗电特征信息，并更新对应的特征向量，将更新得到的特征向量输入到回归树模型中即可得到该时段的平均耗电速度v2，以及该时段相邻的下一时段的耗电函数。重复以上步骤，更新特征向量，并将特征向量输入到回归树模型，得到耗电速度，以及相邻下一时段的耗电函数。如此循环步骤，直到电池电量为零，结束本次预测，从而可基于当前时刻得到剩余电池电量未来的使用情况。可见，本实施例采用分时段预测的方法，分别考虑了每个时段关联的用户历史使用习惯和环境影响，而且每个时段均关联于当前时刻的用户实际操作以及当前时刻的所处环境，从而进一步提高对电池电量的使用情况预测的准确率。
在本申请另一个实施例的提示方法的流程中，步骤S4，至少包括以下任一项：
子步骤B1：输出电子设备的预计耗电曲线图。
在该步骤中，输出的电量提示信息可以是电子设备的预计耗电曲线图的形式。
可参考地，电子设备的预计耗电曲线图的横坐标表示时间，电子设备的预计耗电曲线图的纵坐标表示电池电量。
在本实施例的一种方案中，通过曲线图的形式展示预测出来的电池电量的使用情况，从而从视觉的角度考虑，提供了一种直观的提示方法。
子步骤B2：输出电子设备的预计剩余使用时长。
在该步骤中，输出的电量提示信息可以是电子设备的预计剩余使用时长的形式。
可参考地，在预测出来某一时段的结束时刻的电池电量小于或者等于零的情况下，将预测过的所有时段相加，得到电子设备的预计剩余使用时长。
在本实施例的另一种方案中，通过预计可用时长的形式展示预测出来的电池电量的使用情况，从而从时间的角度考虑，提供了一种直观的提示方法。
另外，本实施例提供的两种方案可单一实现，也可结合实现。
在本实施例中，提供了两种输出提示信息的方法。一种是以曲线图的形式输出，从而便于用户直观看到预测出来的耗电走势，进而用户可根据曲线图调整对电子设备的实际使用情况；另一种是以剩余可用时长的形式输出，从而便于用户直观看到预测出来的电量耗尽的时刻，进而用户可以根据剩余可用时长，合理安排充电计划、使用计划等。
在本申请另一个实施例的提示方法的流程中，在步骤S1之前，还包括：
步骤C1：记录各个应用程序的特征信息。
其中，特征信息至少包括识别信息、使用时间信息、使用时长信息和使用位置信息。
在该步骤中，其目的在于：收集用户的应用历史使用数据。
可选地，识别信息包括应用名称；使用时间信息包括时间、时长；使用位置信息包括地理位置。
示例性地，记录用户每次使用应用程序的应用名称、时间、时长和地理位置等信息，按时间顺序存入本地数据库，保证用户隐私和数据安全。对一些使用时间较短的应用程序进行剔除，减少数据存储的规模，提高后续习惯挖掘的检索速度。
步骤C2：根据记录的各个应用程序的特征信息，确定在各个时段内运行、且满足预设条件的应用程序。
在该步骤中，其目的在于：挖掘用户的历史使用习惯。
在本实施例中，考虑到用户很难以准确的时间点为单位，来形成使用习惯，因此以准确的时间点挖掘用户的历史使用习惯较难，从而以模糊的时间段为单位，挖掘用户的历史使用习惯。
可选地，根据用户的日常作息规律来划分出多个时段。例如，在下表1中，划分出多个时间范围，每个时间范围作为一个时段。
时段名称 时间范围
早餐 7:00～9:00
上午 9:00～12:00
午饭 12:00～14:00
下午 14:00～18:00
晚餐 18:00～20:00
晚上 20:00～23:00
深夜 23:00～(第二天)2:00
睡眠 2:00～7:00
表1
进一步地，通过检索前述记录用户历史使用习惯的本地数据库，在限定的一段日期内，可以挖掘到用户每天在某个时段内使用的、满足预设条件的应用程序。
可选地，预设条件为：使用的频繁程度大于预设程度。即，满足预设条件的应用程序为每天在某个时段内的使用较为频繁的应用程序。
可参考地，频繁应用的挖掘方式主要有以下两种：
方式一：基于频繁模式树(FrequentPatternTree，简称FP-Growth)或关联规则算法(Apriori)的频繁模式挖掘，把一段日期内相同时段内应用程序的使用记录作为一个事务数据库，通过迭代生成满足条件的更大频繁项来建立频繁集项，最终输出每个时段的频繁使用的应用程序。
方式二：基于统计的挖掘，统计一段日期内相同时段内的应用程序的使用记录，由应用程序出现的频次和使用时长来赋予权重，统计上述记录中权重较大的应用程序即为输出的频繁使用的应用程序。
在更多的实施例中，还可根据记录的各个应用程序的使用位置信息，确定在各个位置运行、且满足预设条件的应用程序。
进一步地，在预测场景中，可获取历史数据中，在当前位置运行、且满足预设条件的应用程序。
步骤C3：将在各个时段内运行、且满足预设条件的应用程序映射至一个向量空间。
该步骤中的目的在于，将获取的用户的历史使用习惯的数据向量化。
通常，应用程序和耗电情况是强相关的，不同种类的应用程序的耗电情况差别很大，比如游戏类和通讯类，二者的耗电情况差别很大。同类型的应用程序的耗电情况(如耗电速度)是相似的。为了刻画这种相对关系，使用了应用程序向量化模型，将所有应用程序映射到一个向量空间，实现了同类应用相近，不同类应用较远。
示例性地，任意应用程序的特征向量可以表示为：Xi＝{xi1，xi2，xi3...xim}。
而基于上述向量的表示方法，可以表现出同类应用相近，不同类应用较远的向量关系。
对应地，步骤S1，包括：
子步骤C4：基于向量空间，获取目标时段内运行、且满足预设条件的第一应用程序的第一特征向量。
第一应用程序，即挖掘到用户每天在目标时段内的使用较为频繁的应用程序。
其中，第一特征向量可以是一个应用程序的向量，还可以是多个应用程序的向量集合。
例如，基于某时段，第一特征向量中集合了n个应用程序，因此，第一特征向量可由向量相加而来，表示为：X＝{x1，x2，x3...xm}＝X1+X2+X3+...+Xn。
在本实施例中，在用户的使用过程中，实时记录用户的历史使用习惯，记录的历史使用习惯包括但不限于：应用程序的名称、使用时长、使用时间、使用位置等，从而可基于用户的作息时间，得到各个时段用户使用较为频繁的应用程序，进而将获取的各个时段用户使用较为频繁的应用程序，通过特征向量的方式统一化。在预测目标时段的电池电量的使用情况时，可在记录的历史使用习惯中，确定目标时段使用频繁的第一应用程序的第一特征向量，以输入回归树模型中。其中，第一特征向量可体现出第一应用程序的特征，从而输入回归树模型中，可体现出第一应用程序的耗电情况，使得本实施例可根据用户的历史使用习惯，预测出电池电量的使用情况，且各个时段的预测对应各个时段的使用习惯，使得预测的准确性较高。
在本申请另一个实施例的提示方法的流程中，在步骤S2之前，还包括：
步骤D1：获取第二耗电特征信息。
其中，第二耗电特征信息包括电池电量信息、时间信息、目标位置信息、网络状态信息、设备耗电时长信息和设备耗电速度信息；且第一电池电量信息、时间信息、目标位置信息、网络状态信息、设备耗电时长信息和设备耗电速度信息均关联于目标时段的开始时刻。
通常，用户的行为具有随机性，比如某个用户下午2点的时候在使用聊天软件进行聊天，3点的时候用户突然就想打开视频软件观看电视剧。如果在这种情况下，仅依靠历史习惯挖掘出来的那些应用程序，然后再依据这些应用程序的历史耗电情况进行预测，那就会和用户的实际使用情况有很大差别，最终预测出的剩余电量使用时间也是不准确的。所以不仅要根据用户的历史习惯，也要融合电子设备中实时的耗电特征信息，以结合用户操作和环境因素，动态调整预测结果。
因此，在该步骤中，基于待预测的目标时段，获取与目标时段的开始时刻关联的第二耗电特征信息。
其一，电池电量信息为目标时段的开始时刻的电池电量信息。可选地，将其处理成以下的特征：电量百分比。
一方面，在目标时段的开始时刻为当前时刻的情况下，通过电子设备的操作系统的接口获取到当前时刻的电量，作为电池电量信息。
另一方面，在目标时段的开始时刻非当前时刻的情况下，可基于当前时刻的电量，预测出目标时段的开始时刻的电量，作为电池电量信息。
其二，时间信息包括目标时段的开始时刻的时间信息。可选地，将其处理成以下的特征：星期几、相对于当天0点00分的分钟数。
一方面，在目标时段的开始时刻为当前时刻的情况下，通过电子设备的操作系统的接口获取到当前时刻，作为时间信息。
另一方面，在目标时段的开始时刻非当前时刻的情况下，可基于当前时刻，推算出目标时段的开始时刻，作为时间信息。
其三，目标位置信息和网络状态信息包括目标时段的开始时刻的目标位置信息和网络状态信息。
可选地，根据用户历史地理位置信息使用具有噪声的基于密度的聚类方法(Density-Based Spatial Clustering ofApplications with Noise，简称DB-SCAN)等聚类的方法设置地理围栏为1km，即可得到用户的一些常驻地，将这些常住地标记为：家里1，常住地2，常住地3等，即得到地理位置标签，作为位置信息，以在特征处理时为方便计算，处理为1、2、3…等这些类别标签。
一方面，在目标时段的开始时刻为当前时刻的情况下，通过电子设备的操作系统的接口获取到当前时刻的地理位置和网络状态，作为目标位置信息和网络状态信息。
另一方面，在目标时段的开始时刻非当前时刻的情况下，可将当前时刻的地理位置和网络状态，作为目标位置信息和网络状态信息。
其四，设备耗电时长信息包括目标时段的开始时刻至最近满电时刻的设备耗电时长信息。可选地，将其处理成以下的特征：相对于满电(100％电量)时刻的时长。
一方面，目标时段的开始时刻为当前时刻。
在电子设备从充满电开始就再未连接过电源适配器进行充电的情况下，可以检索出最近的满电状态对应的t100时刻，结合当前的t1时刻，得到相对于满电时刻的时长为t1-t100。
在电子设备从充满电之后，消耗电量又继续充电的情况下，按时间正序查询的视图中从当前是t1时刻的电量x1开始，向前查找比当前电量高的最近的电量下降序列seq1＝{(tk，xk)，(tk-1，xk-1)，(tk-2，xk-2)，…(t1，x1)}，再向前查找比tk时刻电量xk高的最近的电量下降序列seq2＝{(tk+p，xk+p)，(tk+p-1，xk+p-1)，(tk+p-2，xk+p-2)，…(tk+1，xk+1)}，重复以上步骤直至查询到100％电量为止，得到所有序列seq1、seq2、seq3、…seqm(图4所示)，然后将这些序列头尾拼接，减去间隔时间，即可得到从满电状态对应的t100时刻到当前的t1时刻的单调下降的完整耗电序列(图5所示)，则相对于满电的时间为t1-t100。
另一方面，目标时段的开始时刻非当前时刻，可基于当前时刻，以及当前时刻相对于满电时刻的时长，推算目标时段的开始时刻相对于满电时刻的时长，作为设备耗电时长信息。
其五，设备耗电速度信息包括目标时段的开始时刻的瞬时耗电速度和长时耗电速度。
一方面，目标时段的开始时刻为当前时刻。
瞬时耗电速度用于描述用户当前的耗电速度，当前时刻为电量为x1，5分钟之前的电量为x2，则瞬时耗电速度可表示为(x2-x1)/5。
长时耗电速度用于描述用户最近一段时间内的平均耗电速度，当前的t1时刻为电量为x1，与设备耗电时长信息的计算步骤类似，得到满电时刻到当前时刻的单调下降序列，即可得到从满电时刻到当前时刻的耗电时间间隔t，则长时耗电速度可表示为(100-x1)/t。
另一方面，目标时段的开始时刻非当前时刻，可基于当前时刻的电子设备耗电速度信息，结合目标时段与当前时刻的关系，得到电子设备耗电速度信息。
进一步地，参见图3，示出了一次预测中，与各个时段对应的第二耗电特征信息，以及每个时段对应的第一特征向量。
步骤D2：根据第二耗电特征信息，生成与第二耗电特征信息对应的第二特征向量。
将每个时段获取对应的第二耗电特征信息，按照预设规则，进行向量化，生成与每个时段对应的第二特征向量。
示例性地，首先检索历史使用习惯的应用程序，再将这些应用程序向量化，然后将获取到的第二耗电特征信息向量化，将向量化的应用序列和耗电特征连接在一起形成特征向量。参见图6，示出了某一时段，第一特征向量和第二特征向量一起形成的特征向量。
在本实施例中，基于待预测的目标时段，可结合目标时段的开始时刻，获取电子设备中产生的第二耗电特征信息，第二耗电特征信息包括但不限于本实施例所述以上具体特征信息。进一步地，为了将第二耗电特征信息输入回归树模型中进行计算，将获取的特征数据，进行向量化，再与对应时段的第一特征向量整合在在一起，形成待输入的特征向量，以使得对目标时段的电池电量的使用情况的预测可顺利完成。
综上，在本申请的实施例中，除了考虑到用户日常使用电子设备的习惯对耗电造成的影响；还考虑到用户使用电子设备的行为时刻都在发生变化，电子设备所处的环境时刻都在发生变化，预测的结果不是一成不变的，这一现象。因此，本实施例可动态地随用户的实际使用情况、以及环境情况，来预测未来电量变化情况。
可见，本申请的实施例通过用户日常的使用习惯、当前的实时设备状态，以及当前的实时环境状态，预测用户剩余电量未来的使用情况，可以实时为用户提供一个动态的剩余电量使用时间。
需要说明的是，本申请实施例提供的提示方法，执行主体可以为电子设备，或者该电子设备中的用于执行提示方法的控制模块。本申请实施例中以电子设备执行提示方法为例，说明本申请实施例提供的提示方法的电子设备。
图7示出了本申请另一个实施例的电子设备的框图，包括：
第一获取模块10，用于获取第一特征向量；第一特征向量用于体现第一应用程序的第一特征信息，且第一应用程序为历史记录中关联的目标时段内运行的应用程序；
第二获取模块20，用于获取第二特征向量；第二特征向量用于体现与目标时段的开始时刻相关联的第二耗电特征信息；
耗电速度确定模块30，用于根据第一特征向量和第二特征向量，确定电子设备在所述目标时段内的平均耗电速度；
提示模块40，用于根据目标时段和平均耗电速度，输出电量提示信息。
这样，在本申请的实施例中，对目标时段的电池电量的使用情况进行预测时，一方面，基于用户的历史使用习惯，获取历史记录中关联的目标时段内运行的第一应用程序，第一应用程序可以是历史记录中记录的用户在目标时段内使用较为频繁的第一应用程序，从而获取第一应用程序对应的第一特征向量。另一方面，获取第二特征向量。第二特征向量所体现的第二耗电特征信息，与目标时段的开始时刻相关联，而目标时段的开始时刻(如当前时刻)与用户实际操作、实际环境相关联，因此，第二耗电特征信息是基于用户对设备的实际操作、以及所处实际环境而产生的信息。例如第二耗电特征信息包括目标时段开始时刻的电池电量信息、所处环境的温度等与实时耗电相关的一些信息。然后，整合两组特征向量，并通过预先训练的回归树模型，计算出目标时段内的平均耗电速度。最后，根据目标时段，以及平均耗电速度，预测出目标时段的电池电量的使用情况。进一步地，将当前时刻至电量耗尽时刻之间的时段，划分为多个时段，重复上述过程，可预测出所有时段内的电池电量的使用情况，从而完成对电池电量的使用情况的预测。可见，本实施例在结合用户的历史使用习惯的同时，还考虑了用户实际操作情况和所处环境情况，从而结合了实际操作中的人为、环境等多方面可变化因素，提高了预测电池电量使用情况的准确率。
可选地，第二耗电特征信息至少包括目标时段的开始时刻的第一电池电量信息；提示模块40，包括：
电量信息确定单元，用于根据第一电池电量信息和平均耗电速度，确定目标时段的结束时刻的第二电池电量信息；
第一输出单元，用于在第二电池电量信息小于或者等于零的情况下，根据当前时刻至目标时段的结束时刻之内的所有时段，以及每个时段对应的平均耗电速度，输出电量提示信息。
可选地，提示模块40，至少包括以下任一项：
第二输出单元，用于输出电子设备的预计耗电曲线图；
第三输出单元，用于输出电子设备的预计剩余使用时长。
可选地，设备，还包括：
记录模块，用于记录各个应用程序的特征信息；特征信息至少包括识别信息、使用时间信息、使用时长信息和使用位置信息；
第一处理模块，用于根据记录的各个应用程序的特征信息，确定在各个时段内运行、且满足预设条件的应用程序；
第二处理模块，用于通过向量化模型，将在各个时段内运行、且满足预设条件的应用程序映射至一个向量空间；
第一获取模块10，包括：
向量获取单元，用于基于向量空间，获取目标时段内运行、且满足预设条件的第一应用程序的第一特征向量。
可选地，设备，还包括：
第三获取模块，用于获取第二耗电特征信息；
生成模块，用于根据第二耗电特征信息，生成与第二耗电特征信息对应的第二特征向量；
其中，第二耗电特征信息包括电池电量信息、时间信息、目标位置信息、网络状态信息、设备耗电时长信息和设备耗电速度信息；且电池电量信息、时间信息、目标位置信息、网络状态信息、设备耗电时长信息和设备耗电速度信息均关联于目标时段的开始时刻。
本申请实施例中的电子设备可以是设备，也可以是终端中的部件、集成电路、或芯片。该设备可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的电子设备可以为具有操作系统的设备。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的电子设备能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
可选地，如图8所示，本申请实施例还提供一种电子设备100，包括处理器101，存储器102，存储在存储器102上并可在所述处理器101上运行的程序或指令，该程序或指令被处理器101执行时实现上述任一种提示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图9为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备1000包括但不限于：射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、处理器1010等部件。
本领域技术人员可以理解，电子设备1000还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1010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。图9中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，处理器1010，用于获取第一特征向量；所述第一特征向量用于体现第一应用程序的第一特征信息，且所述第一应用程序为历史记录中关联的目标时段内运行的应用程序；获取第二特征向量；所述第二特征向量用于体现与所述目标时段的开始时刻相关联的第二耗电特征信息；根据所述第一特征向量和所述第二特征向量，确定电子设备1000在所述目标时段内的平均耗电速度；根据所述目标时段和所述平均耗电速度，输出电量提示信息。
这样，在本申请的实施例中，对目标时段的电池电量的使用情况进行预测时，一方面，基于用户的历史使用习惯，获取历史记录中关联的目标时段内运行的第一应用程序，第一应用程序可以是历史记录中记录的用户在目标时段内使用较为频繁的第一应用程序，从而获取第一应用程序对应的第一特征向量。另一方面，获取第二特征向量。第二特征向量所体现的第二耗电特征信息，与目标时段的开始时刻相关联，而目标时段的开始时刻(如当前时刻)与用户实际操作、实际环境相关联，因此，第二耗电特征信息是基于用户对设备的实际操作、以及所处实际环境而产生的信息。例如第二耗电特征信息包括目标时段开始时刻的电池电量信息、所处环境的温度等与实时耗电相关的一些信息。然后，整合两组特征向量，并通过预先训练的回归树模型，计算出目标时段内的平均耗电速度。最后，根据目标时段，以及平均耗电速度，预测出目标时段的电池电量的使用情况。进一步地，将当前时刻至电量耗尽时刻之间的时段，划分为多个时段，重复上述过程，可预测出所有时段内的电池电量的使用情况，从而完成对电池电量的使用情况的预测。可见，本实施例在结合用户的历史使用习惯的同时，还考虑了用户实际操作情况和所处环境情况，从而结合了实际操作中的人为、环境等多方面可变化因素，提高了预测电池电量使用情况的准确率。
可选地，所述第二耗电特征信息至少包括所述目标时段的开始时刻的第一电池电量信息；处理器1010，还用于根据所述第一电池电量信息和所述平均耗电速度，确定所述目标时段的结束时刻的第二电池电量信息；在所述第二电池电量信息小于或者等于零的情况下，根据当前时刻至所述目标时段的结束时刻之内的所有时段，以及每个时段对应的平均耗电速度，输出电量提示信息。
可选地，处理器1010，还用于输出电子设备1000的预计耗电曲线图；输出电子设备1000的预计剩余使用时长。
可选地，处理器1010，还用于记录各个应用程序的特征信息；所述特征信息至少包括识别信息、使用时间信息、使用时长信息和使用位置信息；根据记录的各个应用程序的特征信息，确定在各个时段内运行、且满足预设条件的应用程序；通过向量化模型，将所述在各个时段内运行、且满足预设条件的应用程序映射至一个向量空间；基于所述向量空间，获取所述目标时段内运行、且满足所述预设条件的第一应用程序的第一特征向量。
可选地，处理器1010，还用于获取第二耗电特征信息；根据所述第二耗电特征信息，生成与所述第二耗电特征信息对应的第二特征向量；其中，所述第二耗电特征信息包括第一电池电量信息、时间信息、目标位置信息、网络状态信息、设备耗电时长信息和设备耗电速度信息；且所述第一电池电量信息、所述时间信息、所述目标位置信息、所述网络状态信息、所述设备耗电时长信息和所述设备耗电速度信息均关联于所述目标时段的开始时刻。
应理解的是，本申请实施例中，输入单元1004可以包括图形处理器(GraphicsProcessing Unit，GPU)10041和麦克风10042，图形处理器10041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1006可包括显示面板10061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10071以及其他输入设备10072。触控面板10071，也称为触摸屏。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其他输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器1009可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器1010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1010中。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述任一种提示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述任一种提示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (12)

1.一种提示方法，其特征在于，所述方法包括：
获取第一特征向量；所述第一特征向量用于体现第一应用程序的第一特征信息，且所述第一应用程序为历史记录中关联的目标时段内运行的应用程序；
获取第二特征向量；所述第二特征向量用于体现与所述目标时段的开始时刻相关联的第二耗电特征信息；
根据所述第一特征向量和所述第二特征向量，确定电子设备在所述目标时段内的平均耗电速度；
根据所述目标时段和所述平均耗电速度，输出电量提示信息。
2.根据权利要求1所述的方法，其特征在于，所述第二耗电特征信息至少包括所述目标时段的开始时刻的第一电池电量信息；所述根据所述目标时段和所述平均耗电速度，输出电量提示信息，包括：
根据所述第一电池电量信息和所述平均耗电速度，确定所述目标时段的结束时刻的第二电池电量信息；
在所述第二电池电量信息小于或者等于零的情况下，根据当前时刻至所述目标时段的结束时刻之内的所有时段，以及每个时段对应的平均耗电速度，输出电量提示信息。
3.根据权利要求1所述的方法，其特征在于，所述输出电量提示信息，至少包括以下任一项：
输出所述电子设备的预计耗电曲线图；
输出所述电子设备的预计剩余使用时长。
4.根据权利要求1所述的方法，其特征在于，在所述获取第一特征向量之前，还包括：
记录各个应用程序的特征信息；所述特征信息至少包括识别信息、使用时间信息、使用时长信息和使用位置信息；
根据记录的各个应用程序的特征信息，确定在各个时段内运行、且满足预设条件的应用程序；
通过向量化模型，将所述在各个时段内运行、且满足预设条件的应用程序映射至一个向量空间；
所述获取第一特征向量，包括：
基于所述向量空间，获取所述目标时段内运行、且满足所述预设条件的第一应用程序的第一特征向量。
5.根据权利要求1所述的方法，其特征在于，在所述获取第二特征向量之前，还包括：
获取第二耗电特征信息；
根据所述第二耗电特征信息，生成与所述第二耗电特征信息对应的第二特征向量；
其中，所述第二耗电特征信息包括第一电池电量信息、时间信息、目标位置信息、网络状态信息、电子设备耗电时长信息和电子设备耗电速度信息；且所述第一电池电量信息、所述时间信息、所述目标位置信息、所述网络状态信息、所述电子设备耗电时长信息和所述电子设备耗电速度信息均关联于所述目标时段的开始时刻。
6.一种电子设备，其特征在于，所述设备包括：
第一获取模块，用于获取第一特征向量；所述第一特征向量用于体现第一应用程序的第一特征信息，且所述第一应用程序为历史记录中关联的目标时段内运行的应用程序；
第二获取模块，用于获取第二特征向量；所述第二特征向量用于体现与所述目标时段的开始时刻相关联的第二耗电特征信息；
耗电速度确定模块，用于根据所述第一特征向量和所述第二特征向量，确定所述电子设备在所述目标时段内的平均耗电速度；
提示模块，用于根据所述目标时段和所述平均耗电速度，输出电量提示信息。
7.根据权利要求6所述的设备，其特征在于，所述第二耗电特征信息至少包括所述目标时段的开始时刻的第一电池电量信息；所述提示模块，包括：
电量信息确定单元，用于根据所述第一电池电量信息和所述平均耗电速度，确定所述目标时段的结束时刻的第二电池电量信息；
第一输出单元，用于在所述第二电池电量信息小于或者等于零的情况下，根据当前时刻至所述目标时段的结束时刻之内的所有时段，以及每个时段对应的平均耗电速度，输出电量提示信息。
8.根据权利要求6所述的设备，其特征在于，所述提示模块，至少包括以下任一项：
第二输出单元，用于输出所述电子设备的预计耗电曲线图；
第三输出单元，用于输出所述电子设备的预计剩余使用时长。
9.根据权利要求6所述的设备，其特征在于，所述设备，还包括：
记录模块，用于记录各个应用程序的特征信息；所述特征信息至少包括识别信息、使用时间信息、使用时长信息和使用位置信息；
第一处理模块，用于根据记录的各个应用程序的特征信息，确定在各个时段内运行、且满足预设条件的应用程序；
第二处理模块，用于通过向量化模型，将所述在各个时段内运行、且满足预设条件的应用程序映射至一个向量空间；
所述第一获取模块，包括：
向量获取单元，用于基于所述向量空间，获取所述目标时段内运行、且满足所述预设条件的第一应用程序的第一特征向量。
10.根据权利要求6所述的设备，其特征在于，所述设备，还包括：
第三获取模块，用于获取第二耗电特征信息；
生成模块，用于根据所述第二耗电特征信息，生成与所述第二耗电特征信息对应的第二特征向量；
其中，所述第二耗电特征信息包括电池电量信息、时间信息、目标位置信息、网络状态信息、设备耗电时长信息和设备耗电速度信息；且所述电池电量信息、所述时间信息、所述目标位置信息、所述网络状态信息、所述电子设备耗电时长信息和所述电子设备耗电速度信息均关联于所述目标时段的开始时刻。
11.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-5任一项所述的提示方法的步骤。
12.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-5任一项所述的提示方法的步骤。
CN202110120865.1A 2021-01-28 2021-01-28 提示方法和电子设备 Pending CN112764513A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110120865.1A CN112764513A (zh) 2021-01-28 2021-01-28 提示方法和电子设备
PCT/CN2022/073583 WO2022161325A1 (zh) 2021-01-28 2022-01-24 提示方法和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110120865.1A CN112764513A (zh) 2021-01-28 2021-01-28 提示方法和电子设备

Publications (1)

Publication Number Publication Date
CN112764513A true CN112764513A (zh) 2021-05-07

Family

ID=75706505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110120865.1A Pending CN112764513A (zh) 2021-01-28 2021-01-28 提示方法和电子设备

Country Status (2)

Country Link
CN (1) CN112764513A (zh)
WO (1) WO2022161325A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113220106A (zh) * 2021-05-10 2021-08-06 维沃移动通信有限公司 省电控制方法和省电控制装置
CN113873083A (zh) * 2021-09-24 2021-12-31 杭州逗酷软件科技有限公司 续航时长确定方法、装置、电子设备及存储介质
WO2022161325A1 (zh) * 2021-01-28 2022-08-04 维沃移动通信有限公司 提示方法和电子设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117496677B (zh) * 2023-12-29 2024-03-26 深圳市明心数智科技有限公司 车辆实时预警方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108732502A (zh) * 2017-04-20 2018-11-02 深圳市理邦精密仪器股份有限公司 设备可使用的剩余时长的获取方法及装置
CN108810226A (zh) * 2018-06-22 2018-11-13 维沃移动通信有限公司 一种电量预警方法及移动终端
CN110554945A (zh) * 2018-06-01 2019-12-10 中兴通讯股份有限公司 一种电量控制方法、电子设备及计算机可读存储介质
WO2020177619A1 (zh) * 2019-03-06 2020-09-10 华为技术有限公司 终端充电提醒方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102180677B1 (ko) * 2014-05-20 2020-11-20 삼성전자주식회사 전자 장치의 배터리 관리 방법 및 이를 수행하는 전자 장치
CN107370877B (zh) * 2017-06-30 2020-06-02 Oppo广东移动通信有限公司 应用程序的推送方法、装置、存储介质及电子设备
CN112053011A (zh) * 2020-10-14 2020-12-08 腾讯科技（深圳）有限公司 电源优化管理方法、装置、电子设备和存储介质
CN112764513A (zh) * 2021-01-28 2021-05-07 维沃移动通信有限公司 提示方法和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108732502A (zh) * 2017-04-20 2018-11-02 深圳市理邦精密仪器股份有限公司 设备可使用的剩余时长的获取方法及装置
CN110554945A (zh) * 2018-06-01 2019-12-10 中兴通讯股份有限公司 一种电量控制方法、电子设备及计算机可读存储介质
CN108810226A (zh) * 2018-06-22 2018-11-13 维沃移动通信有限公司 一种电量预警方法及移动终端
WO2020177619A1 (zh) * 2019-03-06 2020-09-10 华为技术有限公司 终端充电提醒方法、装置、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022161325A1 (zh) * 2021-01-28 2022-08-04 维沃移动通信有限公司 提示方法和电子设备
CN113220106A (zh) * 2021-05-10 2021-08-06 维沃移动通信有限公司 省电控制方法和省电控制装置
CN113873083A (zh) * 2021-09-24 2021-12-31 杭州逗酷软件科技有限公司 续航时长确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2022161325A1 (zh) 2022-08-04

Similar Documents

Publication Publication Date Title
CN112764513A (zh) 提示方法和电子设备
CN104520815B (zh) 一种任务调度的方法及装置
CN108076224B (zh) 应用程序控制方法、装置及存储介质和移动终端
US11481231B2 (en) Systems and methods for intelligent application instantiation
KR102462365B1 (ko) 사용자 데모그래픽 정보 및 콘텍스트 정보에 기초한 텍스트 입력 예측 방법 및 장치
CN105357638B (zh) 预测预定时刻的用户位置的方法和装置
US20150100621A1 (en) User Interface for a System Including Smart Phone and Smart Watch
US20090240647A1 (en) Method and appratus for detecting patterns of behavior
CN105283839A (zh) 用以将命令显现在生产力应用用户界面内的个性化社区模型
CN107683443A (zh) 预测控制系统和方法
CN108153463A (zh) 应用界面显示控制方法、装置及存储介质和移动终端
CN107967358A (zh) 目标地点的推荐方法、装置、存储介质及移动终端
CN113259221B (zh) 消息显示方法、装置及电子设备
CN107402808B (zh) 进程管理方法、装置、存储介质及电子设备
CN111247782B (zh) 用于自动创建即时ad-hoc日历事件的方法和系统
CN110956505B (zh) 一种广告库存的预估方法以及相关装置
US20140195968A1 (en) Inferring and acting on user intent
CN104142781A (zh) 快速时间相关数据输入
CN107193718A (zh) 一种充电提醒方法、系统及终端设备
CN106293327A (zh) 终端应用程序快速操作方法及系统
CN108038050B (zh) 性能调整方法、装置、存储介质及电子设备
CN107748697B (zh) 应用关闭方法、装置、存储介质及电子设备
CN115017400A (zh) 一种应用app推荐方法及电子设备
WO2021115481A1 (zh) 终端控制方法、装置、终端和存储介质
CN111143608A (zh) 一种信息推送方法、装置、电子设备及存储介质

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