CN113439253B - 应用清理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本实施例公开了一种应用清理方法，包括：获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；利用该目标模型，判断该目标应用是否可清理；若判断出该目标应用可清理，则将该目标应用从该电子设备中清理。

Description

应用清理方法、装置、存储介质及电子设备

技术领域

本申请属于应用处理技术领域，尤其涉及一种应用清理方法、装置、存储介质及电子设备。

背景技术

随着电子设备的各项配置不断提升，用户可以在电子设备上安装各种各样的应用，从而实现各种功能。例如，用户可以在电子设备上安装视频播放应用，从而实现视频播放功能。或者，用户可以在电子设备上安装游戏应用，从而进行游戏等。相关技术中，电子设备可以判断是否可以将某一应用从电子设备中清理，以节省电子设备的系统资源。

发明内容

本申请实施例提供一种应用清理方法、装置、存储介质及电子设备，可以提高电子设备在判断应用是否可以被从电子设备中清理时的灵活性。

本申请实施例提供一种应用清理方法，包括：

获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

利用所述目标模型，判断所述目标应用是否可清理；

若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

本申请实施例提供一种应用清理装置，包括：

获取模块，用于获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

判断模块，用于利用所述目标模型，判断所述目标应用是否可清理；

清理模块，用于若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

本申请实施例提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的应用清理方法。

本实施例提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行：

获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

利用所述目标模型，判断所述目标应用是否可清理；

若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

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有益效果显而易见。

图1是本申请实施例提供的应用清理方法的流程示意图。

图2是本申请实施例提供的应用清理方法的另一流程示意图。

图3至图5是本申请实施例提供的应用清理方法的场景示意图。

图6是本申请实施例提供的应用清理装置的结构示意图。

图7是本申请实施例提供的电子设备的结构示意图。

图8是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

请参照图示，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。

可以理解的是，本申请实施例的执行主体可以是诸如智能手机或平板电脑等的电子设备。

请参阅图1，图1是本申请实施例提供的应用清理方法的流程示意图，流程可以包括：

在101中，获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型。

随着电子设备的各项配置不断提升，用户可以在电子设备上安装各种各样的应用，从而实现各种功能。例如，用户可以在电子设备上安装视频播放应用，从而实现视频播放功能。或者，用户可以在电子设备上安装游戏应用，从而进行游戏等。相关技术中，电子设备可以根据用户的应用使用行为习惯来判断是否可以将某一应用从电子设备中清理，以节省电子设备的系统资源。然而，相关技术中，电子设备使用同一个模型来判断该电子设备中的所有应用是否可清理。即，相关技术中，电子设备在判断应用是否可以被从电子设备中清理时，其灵活性较差。

在本申请实施例的101中，比如，当判断某一应用是否可以被从电子设备的后台中清理，即进行目标应用是否可以被从后台中清理的判断时，电子设备可以获取与该目标应用对应的模型，即目标模型。

在本实施例中，电子设备中的每一应用可以对应一模型。例如，电子设备中包含五个不同的模型，分别为模型a、模型b、模型c、模型d、模型e。电子设备将上述五个模型中的模型a确定为应用A对应的模型。那么，当判断应用A是否可以被从后台中清理时，电子设备可以获取与应用A对应的模型a，即电子设备获取的与应用A对应的目标模型为模型a。又如，电子设备将上述五个模型中的模型b确定为应用B对应的模型。那么，当判断应用B是否可以被从后台中清理时，电子设备可以获取与应用B对应的模型b，即电子设备获取的与应用B对应的目标模型为模型b。

在102中，利用目标模型，判断目标应用是否可清理。

比如，在获取到与目标应用对应的目标模型后，电子设备可以利用该目标模型来判断该目标应用是否可以被从电子设备中清理。

如果判断到该目标应用不可以被从电子设备中清理，那么电子设备可以执行其它操作，而不将该目标应用清理。

如果判断到该目标应用可以被从电子设备中清理，那么可以进入103中。

在103中，若判断出目标应用可清理，则将该目标应用从电子设备中清理。

比如，电子设备利用模型a判断出应用A可以被从后台中清理，那么电子设备可以将该应用A从后台中清理。

可以理解的是，本申请实施例中，电子设备可以获取与该目标应用对应的目标模型，并利用该目标模型来判断该目标应用是否可清理。其中，电子设备中的每一应用均对应一模型。若判断出目标应用可清理，则电子设备可以将该目标应用从电子设备中清理。相比于相关技术中电子设备使用同一个模型来判断该电子设备中的所有应用是否可清理的方案，由于本实施例中每一应用均对应一模型，因此本实施例在进行应用是否可清理的判断时具有更好的灵活性。

请参阅图2，图2为本申请实施例提供的应用清理方法的另一流程示意图，流程可以包括：

在201中，电子设备获取至少两个模型在判断目标应用是否可清理时的历史判断准确率。

比如，电子设备中预先配置了多个模型，这些模型均可以用于判断该电子设备后台中的应用是否可以被清理。例如，电子设备中预先配置了五个模型，分别为模型a、模型b、模型c、模型d、模型e。

当在历史上进行某一应用(即目标应用)是否可以被从后台中清理的判断时，电子设备可以利用该电子设备中预先配置的多个模型中的至少两个模型，来判断该目标应用是否可清理。并且，电子设备可以统计每一模型的判断准确率，从而得到每一模型在判断目标应用是否可清理时的历史判断准确率。

例如，在判断应用A是否可以被从后台中清理时，电子设备可以先利用模型a、模型b、模型c、模型d来进行判断。每一模型均可以输出一判断结果。电子设备可以记录每一模型的判断结果及其判断正确与否，并据此获取到每一模型的历史判断准确率。

在一些实施方式中，电子设备中配置的模型可以是基于深度学习的算法模型，如自适应学习算法(Adaptive algorithm)、卷积神经网络(Convolutional NeuralNetworks，CNN)、递归神经网络(Recurrent Neural Network，RNN)、深度置信神经网络(DBN-DNN)等。

在202中，根据历史判断准确率，电子设备从至少两个模型中确定与目标应用对应的目标模型。

比如，在获取到至少两个模型在历史上判断目标应用是否可清理时的历史判断准确率后，电子设备可以根据该历史判断准确率，从该至少两个模型中确定出与该目标应用对应的目标模型。

在一种实施方式中，电子设备在执行202的流程时，可以执行：将历史判断准确率最高的模型确定为目标应用对应的目标模型。

例如，在历史上，电子设备利用模型a、b、c、d来判断应用A是否可从后台中清理。其中，模型a的判断准确率为90％，模型b的判断准确率为80％，模型c是判断准确率为82％，模型d的判断准确率为79％。那么，由于模型a的判断准确率(即历史判断准确率)最高，因此电子设备可以将模型a确定为与应用A对应的模型，即模型a被电子设备确定为应用A的目标模型。也即，此时电子设备可以将应用A与模型a进行绑定。在确定出应用A的目标模型之后，当电子设备需要判断应用A是否可从后台中清理时，电子设备可以仅利用对应的目标模型a来进行判断，而不会再利用模型b、c、d来进行判断。

在本实施例中，电子设备可以将历史判断准确率最高的模型确定为目标应用对应的目标模型，这样可以将最适合目标应用的模型与该目标应用绑定，从而起到提高判断目标应用是否可清理的准确率。

需要说明的是，上述流程201和202用于从电子设备预先配有的至少两个模型中确定出与目标应用对应的目标模型，从而将目标应用与其对应的目标模型绑定。

又如，电子设备中还包括应用B、应用C、应用D。其中，在历史上，电子设备在利用模型a、模型b、模型c来判断应用B是否可从后台清理时，统计到模型b的判断准确率最高，那么电子设备可以将模型b确定为应用B的目标模型。电子设备在利用模型a、模型b、模型c、模型e来判断应用C是否可从后台清理时，统计到模型b的判断准确率最高，那么电子设备可以将模型b确定为应用C的目标模型。电子设备在利用模型a、模型b、模型c、模型d、模型e来判断应用D是否可从后台清理时，统计到模型c的判断准确率最高，那么电子设备可以将模型c确定为应用D的目标模型。

通过采用上述方式，电子设备中的每一应用均可以对应一目标模型，且每一应用对应的目标模型是电子设备从多个模型中经选择后确定的。

在203中，当进行目标应用是否可清理的判断时，电子设备获取与该目标应用对应的目标模型，其中，该电子设备中的每一应用对应一模型。

比如，在确定出与目标应用对应的目标模型后，当进行目标应用是否可从后台清理的判断时，电子设备可以获取与该目标应用对应的目标模型。

例如，电子设备已经将模型a确定为应用A的目标模型。那么，之后，当进行应用A是否可从后台中清理的判断时，电子设备可以先获取与应用A对应的目标模型，即模型a。

在204中，利用目标模型，电子设备判断目标应用是否可清理。

比如，在获取到与目标应用对应的目标模型后，电子设备可以利用该目标模型来判断该目标应用是否可以被从后台中清理。

如果通过目标模型判断出目标应用不能被从后台中清理，则电子设备可以执行其它操作，而不将该目标应用从后台中清理。

如果通过目标模型判断出目标应用可以被从后台中清理，则可以进入205中。

在205中，若判断出目标应用可清理，则电子设备生成询问信息，该询问信息用于询问是否将该目标应用从电子设备中清理。

比如，电子设备利用模型a判断出应用A可以被从后台中清理，那么电子设备可以生成一则询问信息，该询问信息可以用于询问用户是否将应用A从后台中清理。

如果用户选择不将应用A从后台中清理，那么电子设备可以执行其它操作，而不将应用A从后台中清理。

如果用户选择将应用A从后台中清理，那么进入207中。

在206中，若接收到将目标应用从电子设备的后台中清理的信息，则该电子设备将该目标应用从后台中清理。

比如，在接收到电子设备生成的询问信息后，用户选择同意电子设备将应用A从后台中清理，那么电子设备可以根据用户的选择将应用A从后台中清理，从而减少驻留在后台中的应用消耗电子设备的系统资源。

又如，在将模型b确定为应用B的目标模型后，当进行应用B是否可从后台中清理的判断时，电子设备可以获取与应用B对应的目标模型b。然后，电子设备可以利用模型b来判断应用B是否可从后台清理。如果利用模型b预测出应用B可从后台中清理，那么电子设备可以询问用户是否将应用B从后台中清理。若用户同意，则电子设备可以将应用B从后台中清理。

可以理解的是，本实施例中，电子设备在判断出某一应用可以被从后台中清理时，可以生成询问信息，并在用户同意将该应用从后台中清理的情况下，才会将该应用从后台中清理，这样可以避免在用户完全不知情的情况下将一个应用从后台中清理，即避免用户误以为电子设备运行发生错误导致后台应用被错误清理，从而提升用户体验。

在一种实施方式中，本实施例201中获取至少两个模型在判断目标应用是否可清理时的历史判断准确率的流程，可以包括：

电子设备获取至少两个模型中的每一模型在预设第一时间段内判断目标应用是否可清理的总判断次数和正确判断次数；

根据每一模型的总判断次数以及正确判断次数，电子设备获取对应的模型的历史判断准确率。

例如，历史上，电子设备利用模型a、模型b、模型c、模型d来判断应用A是否可从后台清理时，该电子设备获取每一模型在预设第一时间段内的总判断次数和正确判断次数。例如，预设第一时间段为最近10天，那么电子设备可以获取模型a、b、c、d中的各模型在最近10天所进行总判断次数和正确判断次数。

例如，电子设备获取到模型a在最近10天一共进行了100次应用A是否可清理的判断，其中正确判断次数为90次。电子设备获取到模型b在最近10天一共进行了100次应用A是否可清理的判断，其中正确判断次数为88次。电子设备获取到模型c在最近10天一共进行了100次应用A是否可清理的判断，其中正确判断次数为85次。电子设备获取到模型d在最近10天一共进行了100次应用A是否可清理的判断，其中正确判断次数为80次。

在获取到每一模型的总判断次数和正确判断次数后，电子设备可以据此统计出每一模型的判断准确率。例如，模型a的总判断次数为100次，正确判断次数为90次，那么模型a的判断准确率为90％，即模型a的历史判断准确率为90％。模型b的总判断次数为100次，正确判断次数为88次，那么模型a的判断准确率为88％，即模型b的历史判断准确率为88％。

之后，对于应用A，电子设备可以将历史判断准确率最高的模型确定为对应的目标模型。例如，对于应用A而言，由于模型a的历史判断准确率最高，因此电子设备可以将模型a确定为对应的目标模型。

在另一种实施方式中，本实施例201中获取至少两个模型在判断目标应用是否可清理时的历史判断准确率的流程，可以包括：

电子设备获取至少两个模型中的每一模型在预设第二时间段内每一天的判断准确率；

电子设备获取与预设第二时间段内的各天对应的权重值；

根据每一模型在所述每一天的判断准确率以及所述权重值，电子设备进行加权处理，得到每一模型的加权判断准确率；

电子设备将各模型的加权判断准确率确定为对应模型的历史判断准确率。

比如，预设第二时间段为最近5天，对于应用A而言，电子设备可以获取模型a、b、c、d在最近5天所进行的每一次判断应用A是否可清理的判断结果以及每一判断结果的正确与否的信息，据此，电子设备可以统计每一模型在最近5天的每一天的判断准确率。例如，对于应用A而言，模型a在昨天一共进行了10次是否可清理的判断，其中有8次判断准确，那么模型a在昨天进行的应用A是否可清理的判断准确率就是80％。

例如，经过统计，在最近5天，电子设备利用模型a来判断应用A是否可清理的判断准确率分别为85％、86％、88％、89％、90％。之后，电子设备可以获取最近5天的各天对应的权重值，例如最近5天的各天按时间先后对应的权重依次为10％、15％、20％、25％、30％。之后，电子设备可以进行加权处理，得到模型a在判断应用A是否可清理时的加权判断准确率。例如，模型a在判断应用A是否可清理时的加权判断准确率为85％*10％+86％*15％+88％*20％+89％*25％+90％*30％＝88.25％。之后，电子设备可以将模型a的加权判断准确率确定为模型a的历史判断准确率。

同理，电子设备可以依次统计得到模型b、c、d在判断应用A是否可清理时的加权判断准确率。例如，模型b、c、d在判断应用A是否可清理时的加权判断准确率依次为88.1％、85.5％、80.5％。之后，电子设备可以将各模型的加权判断准确率确定为其历史判断准确率。

之后，电子设备可以将历史判断准确率最高的模型确定为应用A的目标模型。例如，对于应用A而言，由于模型a的历史判断准确率最高，因此电子设备可以将模型a确定为应用A的目标模型。

在一种实施方式中，与预设第二时间段内的各天对应的权重值可以是按照时间先后的顺序，其权重值的数值由小到大。例如，最近5天分别为1月1日至5日，那么1月1日至5日所对应的权重值可以依次为10％、15％、20％、25％和30％。之所以这样设置是因为距离当前时间越近的时间其预测准确率的参考意义越大。

在一种实施方式中，本实施例还可以包括如下流程：

电子设备获取至少三个模型，其中，各模型所使用的输入参数具有对应的属性；

根据预设策略，电子设备确定目标应用对应的目标属性；

根据目标属性以及各模型所使用的输入参数具有的属性，电子设备从所述至少三个预测模型中确定出至少两个模型；

电子设备利用确定出来的所述至少两个模型判断目标应用是否可清理，并得到所述至少两个模型的历史判断准确率。

比如，电子设备中预先配置了五个模型，分别为模型a、模型b、模型c、模型d、模型e。其中，上述各模型所使用的各输入参数具有对应的属性。例如，模型a所使用的其中一个输入参数为应用在前台的运行时长，这个输入参数具有时间属性。

之后，电子设备可以根据预设策略确定目标应用对应的目标属性。在一种实施方式中，电子设备对应的目标属性可以是一个或多个。例如，电子设备可以预先设置视频播放类别的应用对应的属性为时间属性，即时通信类别的应用对应的属性为文本属性等。那么，电子设备可以先确定目标应用所属的类别，再根据目标应用所属的类别确定其对应的目标属性。例如，电子设备确定出应用A属于视频播放类的应用，那么电子设备可以确定应用A对应的目标属性为时间属性。

之后，电子设备可以根据应用A对应的目标属性以及所述至少三个模型中的各模型所使用的输入参数所具有的属性，从模型a、模型b、模型c、模型d、模型e中确定出至少两个模型，并利用确定出来的所述至少两个模型来判断应用A是否可清理。例如，电子设备检测到模型e所使用的参数中不包含具有时间属性的参数，而由于应用A对应的目标属性为时间属性，因此电子设备可以将模型e排除在外。而模型a、b、c、d所使用的参数中均包含有时间属性的参数，因此电子设备可以利用模型a、b、c、d来判断目标应用是否可从后台清理，并得到模型a、b、c、d中各模型的历史判断准确率。之后，电子设备可以根据模型a、b、c、d中各模型的历史判断准确率，确定出与应用A对应的目标模型。

在一种实施方式中，本实施例还可以包括如下流程：

当检测到电子设备中增加了新的模型时，电子设备利用该新的模型和当前的目标模型来判断目标应用是否可清理；

电子设备分别统计新的模型和当前的目标模型的判断准确率；

若新的模型的判断准确率高于当前的目标模型，则电子设备将新的判断模型确定为目标应用的新的目标模型。

比如，原来电子设备中配置的模型包括模型a、模型b、模型c、模型d、模型e，其中电子设备将模型a确定为应用A的目标模型。即，应用A当前对应的目标模型为模型a。

当检测到电子设备中增加了新的模型时，如电子设备中配置了新的模型f。那么，之后在判断应用A是否可清理时，电子设备可以利用模型f和模型a(即当前目标模型)来进行预测。并且，电子设备可以分别统计模型f和模型a的判断准确率，并检测模型f的判断准确率是否高于模型a。如果检测到模型f的判断准确率高于模型a，那么电子设备可以将模型f确定为应用A的新的目标模型，即电子设备可以将与应用A对应的目标模型由模型a变更为模型f。如果检测到模型f的判断准确率不高于模型a，那么电子设备可以不对应用A的目标模型进行变更，而是继续使用模型a作为应用A的目标模型。

请参阅图3至图5，图3至图5为本申请实施例提供的应用清理方法的场景示意图。

比如，如图3所示，用户在使用应用A的过程中，点击了返回主屏幕的按钮，此时电子设备会返回到主屏幕，并且应用A会被从前台切换到后台。

当应用A被从前台切换到后台后，电子设备可以获取当前后台中驻留的应用的数量，并检测该数量是否达到预设阈值。例如，本实施例中，电子设备检测到当前后台中驻留的应用的数量达到了预设阈值。在这种情况下，可以认为当前后台中驻留了较多的应用，这些应用会消耗掉较多的系统资源。此时，电子设备可以判断后台中的各应用是否可以被清理。例如，此时后台中一共包括10个应用，其中包括应用A和应用B。

例如，当进行应用A是否可从后台中清理的判断时，电子设备可以获取与应用A对应的目标模型。例如，与应用A对应的目标模型为模型a。之后，电子设备可以利用模型a来判断应用A是否可以被从后台中清理。例如，模型a在判断应用A是否可清理时可以输出一可清理的概率值。电子设备则可以获取该可清理的概率值，并检测该概率值是否大于或等于预设数值。其中，如果该概率值大于或等于预设数值，则表示模型a判断出应用A可以被从后台中清理。如果该概率值小于预设数值，则表示模型a判断出应用A不可以被从后台中清理。

例如，本实施例中，模型a输出的应用A的可清理概率值为95％，而预设数值为85％。在这种情况下，电子设备可以确定模型a判断出应用A可以被从后台清理。此时，电子设备可以生成一则询问信息，该询问信息可以用于询问用户是否将应用A从后台中清理，如图4所示。

例如，本实施例中，用户在接收到该询问信息后，选择同意将应用A从后台中清理，如图5所示。那么，电子设备可以将应用A从后台中清理。

当进行应用B是否可从后台中清理的判断时，电子设备可以获取与应用B对应的目标模型。例如，与应用B对应的目标模型为模型b。之后，电子设备可以利用模型b来判断应用B是否可以被从后台中清理。例如，本实施例中，电子设备利用模型b判断出应用B可以被从后台清理。那么，在用户同意将应用B从后台中清理后，电子设备可以将应用B从后台中清理。

在本实施例中，电子设备中的每一应用均对应一目标预测模型，并且每一应用对应的目标模型可以是电子设备从多个不同的模型中经过选择确定的。例如，电子设备中预先配置了五个模型a、b、c、d、e。对于应用A而言，在确定应用A对应的目标模型之前，电子设备可以利用模型a、b、c、d、e来同时判断应用A是否可从后台清理，并统计各模型的判断准确率。之后，电子设备可以将判断准确率最高的模型确定为应用A的目标模型。例如，对于应用A而言，电子设备统计到模型a的判断准确率最高，那么电子设备就可以将模型a确定为应用A的目标模型。

可以理解的是，本实施例中，电子设备中的每一应用均对应一目标模型，而该对应的目标模型是从多个模型中选定的判断准确率最高的模型。因此，本实施例还可以提高电子设备在判断应用是否可从后台清理时的准确性，从而提升电子设备对后台应用进行清理的准确性。

请参阅图6，图6为本申请实施例提供的应用清理装置的结构示意图。应用清理装置300可以包括：获取模块301，判断模块302，清理模块303。

获取模块301，用于获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型。

判断模块302，用于利用所述目标模型，判断所述目标应用是否可清理。

清理模块303，用于若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

在一种实施方式中，所述获取模块301还可以用于：确定与目标应用对应的目标模型。

在一种实施方式中，所述获取模块301可以用于：

获取至少两个模型在判断所述目标应用是否可清理时的历史判断准确率；

根据所述历史判断准确率，从所述至少两个模型中确定与所述目标应用对应的目标模型。

在一种实施方式中，所述获取模块301可以用于：将所述历史判断准确率最高的模型确定为所述目标应用对应的目标模型。

在一种实施方式中，所述获取模块301可以用于：

获取所述至少两个模型中的每一模型在预设第一时间段内判断所述目标应用是否可清理的总判断次数和正确判断次数；

根据每一模型的所述总判断次数以及正确判断次数，获取对应的模型的历史判断准确率。

在一种实施方式中，所述获取模块301可以用于：

获取所述至少两个模型中的每一模型在预设第二时间段内每一天的判断准确率；

获取与所述预设第二时间段内的各天对应的权重值；

根据每一模型在所述每一天的判断准确率以及所述权重值，进行加权处理，得到每一模型的加权判断准确率；

将各模型的加权判断准确率确定为对应模型的历史判断准确率。

在一种实施方式中，所述清理模块303可以用于：

生成询问信息，所述询问信息用于询问是否将所述目标应用从电子设备中清理；

若接收到将所述目标应用从所述电子设备中清理的信息，则将所述目标应用从所述电子设备中清理。

本申请实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的应用清理方法中的流程。

本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本实施例提供的应用清理方法中的流程。

例如，上述电子设备可以是诸如平板电脑或者智能手机等移动终端。请参阅图7，图7为本申请实施例提供的电子设备的结构示意图。

该电子设备400可以包括显示屏401、存储器402、处理器403等部件。本领域技术人员可以理解，图7中示出的电子设备结构并不构成对电子设备的限定，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。

显示屏401可以用于显示诸如图像、文字等信息。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

处理器403是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

在本实施例中，电子设备中的处理器403会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中，并由处理器403来运行存储在存储器402中的应用程序，从而执行：

获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

利用所述目标模型，判断所述目标应用是否可清理；

若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

请参阅图8，电子设备500可以包括显示屏501、存储器502、处理器503、扬声器504、麦克风505等部件。

显示屏501可以用于显示诸如图像、文字等信息。比如，显示屏501可以显示用于询问用户的询问信息等。

存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序，从而执行各种功能应用以及数据处理。

处理器503是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的应用程序，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

扬声器504可以用于播放声音信号。

麦克风505可以用于采集声音信号。

在本实施例中，电子设备中的处理器503会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中，并由处理器503来运行存储在存储器502中的应用程序，从而执行：

获取与目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

利用所述目标模型，判断所述目标应用是否可清理；

若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

在一种实施方式中，在所述获取与目标应用对应的目标模型之前，处理器503还可以执行：确定与目标应用对应的目标模型。

在一种实施方式中，处理器503执行所述确定与目标应用对应的目标模型时，可以执行：获取至少两个模型在判断所述目标应用是否可清理时的历史判断准确率；根据所述历史判断准确率，从所述至少两个模型中确定与所述目标应用对应的目标模型。

在一种实施方式中，处理器503执行所述根据所述历史判断准确率，从所述至少两个模型中确定与所述目标应用对应的目标模型时，可以执行：将所述历史判断准确率最高的模型确定为所述目标应用对应的目标模型。

在一种实施方式中，处理器503执行所述获取至少两个模型在判断所述目标应用是否可清理时的历史判断准确率时，可以执行：获取所述至少两个模型中的每一模型在预设第一时间段内判断所述目标应用是否可清理的总判断次数和正确判断次数；根据每一模型的所述总判断次数以及正确判断次数，获取对应的模型的历史判断准确率。

在一种实施方式中，处理器503执行所述获取至少两个模型在判断所述目标应用是否可清理时的历史判断准确率时，可以执行：获取所述至少两个模型中的每一模型在预设第二时间段内每一天的判断准确率；获取与所述预设第二时间段内的各天对应的权重值；根据每一模型在所述每一天的判断准确率以及所述权重值，进行加权处理，得到每一模型的加权判断准确率；将各模型的加权判断准确率确定为对应模型的历史判断准确率。

在一种实施方式中，处理器503执行所述将所述目标应用从所述电子设备中清理时，可以执行：生成询问信息，所述询问信息用于询问是否将所述目标应用从电子设备中清理；若接收到将所述目标应用从所述电子设备中清理的信息，则将所述目标应用从所述电子设备中清理。

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，可以参见上文针对应用清理方法的详细描述，此处不再赘述。

本申请实施例提供的所述应用清理装置与上文实施例中的应用清理方法属于同一构思，在所述应用清理装置上可以运行所述应用清理方法实施例中提供的任一方法，其具体实现过程详见所述应用清理方法实施例，此处不再赘述。

需要说明的是，对本申请实施例所述应用清理方法而言，本领域普通技术人员可以理解实现本申请实施例所述应用清理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，所述计算机程序可存储于一计算机可读取存储介质中，如存储在存储器中，并被至少一个处理器执行，在执行过程中可包括如所述应用清理方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)等。

对本申请实施例的所述应用清理装置而言，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。所述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，所述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应用清理方法、装置、存储介质以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 (7)

1.一种应用清理方法，其特征在于，包括：

根据目标应用对应的目标属性以及各模型所使用的输入参数具有的属性，从多个预测模型中确定出至少两个模型；

获取所述至少两个模型在判断所述目标应用是否可清理时的历史判断准确率；

将所述历史判断准确率最高的模型确定为所述目标应用对应的目标模型，并将所述目标应用与对应的目标模型进行绑定；

获取与所述目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

利用所述目标模型，判断所述目标应用是否可清理；

若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

2.根据权利要求1所述的应用清理方法，其特征在于，所述获取所述至少两个模型在判断所述目标应用是否可清理时的历史判断准确率，包括：

获取所述至少两个模型中的每一模型在预设第一时间段内判断所述目标应用是否可清理的总判断次数和正确判断次数；

根据每一模型的所述总判断次数以及正确判断次数，获取对应的模型的历史判断准确率。

3.根据权利要求2所述的应用清理方法，其特征在于，所述获取所述至少两个模型在判断所述目标应用是否可清理时的历史判断准确率，包括：

获取所述至少两个模型中的每一模型在预设第二时间段内每一天的判断准确率；

获取与所述预设第二时间段内的各天对应的权重值；

根据每一模型在所述每一天的判断准确率以及所述权重值，进行加权处理，得到每一模型的加权判断准确率；

将各模型的加权判断准确率确定为对应模型的历史判断准确率。

4.根据权利要求1所述的应用清理方法，其特征在于，所述将所述目标应用从所述电子设备中清理，包括：

生成询问信息，所述询问信息用于询问是否将所述目标应用从电子设备中清理；

若接收到将所述目标应用从所述电子设备中清理的信息，则将所述目标应用从所述电子设备中清理。

5.一种应用清理装置，其特征在于，包括：

获取模块，用于根据目标应用的目标属性以及各模型所使用的输入参数具有的属性，从多个预测模型中确定出至少两个模型；获取所述至少两个模型在判断所述目标应用是否可清理时的历史判断准确率；将所述历史判断准确率最高的模型确定为所述目标应用对应的目标模型，并将所述目标应用与对应的目标模型进行绑定；还用于获取与所述目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

判断模块，用于利用所述目标模型，判断所述目标应用是否可清理；

清理模块，用于若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。

6.一种存储介质，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执行时，使得所述计算机执行如权利要求1至4中任一项所述的方法。

7.一种电子设备，包括存储器，处理器，其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，用于执行：

根据目标应用的目标属性以及各模型所使用的输入参数具有的属性，从多个预测模型中确定出至少两个模型；

获取所述至少两个模型在判断所述目标应用是否可清理时的历史判断准确率；

将所述历史判断准确率最高的模型确定为所述目标应用对应的目标模型，并将所述目标应用与对应的目标模型进行绑定；

获取与所述目标应用对应的目标模型，其中，电子设备中的每一应用对应一模型；

利用所述目标模型，判断所述目标应用是否可清理；

若判断出所述目标应用可清理，则将所述目标应用从所述电子设备中清理。