CN116431458A - 一种平板电脑智能管理系统与方法 - Google Patents
一种平板电脑智能管理系统与方法 Download PDFInfo
- Publication number
- CN116431458A CN116431458A CN202310672929.8A CN202310672929A CN116431458A CN 116431458 A CN116431458 A CN 116431458A CN 202310672929 A CN202310672929 A CN 202310672929A CN 116431458 A CN116431458 A CN 116431458A
- Authority
- CN
- China
- Prior art keywords
- touch
- application
- user
- feature
- adjustment parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006399 behavior Effects 0.000 claims abstract description 84
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000004622 sleep time Effects 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 37
- 238000009826 distribution Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000003542 behavioural effect Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 description 49
- 230000005059 dormancy Effects 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000008033 biological extinction Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013210 evaluation model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本说明书实施例提供一种平板电脑智能管理系统与方法,该系统包括触控传感单元、应用监测单元、环境检测单元、运动传感单元以及处理器;触控传感单元,用于获取触控特征;应用监测单元,用于获取应用特征;环境检测单元,用于获取环境特征;运动传感单元,用于获取平板电脑的运动信息;处理器用于:基于触控特征和应用特征,确定用户行为习惯特征;基于触控特征、应用特征、环境特征以及运动信息,确定平板电脑的应用场景;基于用户行为习惯特征、应用场景和历史数据,确定平板电脑的调整参数,调整参数至少包括屏幕熄屏时间以及应用休眠时间。
Description
技术领域
本说明书涉及电子技术领域,特别涉及一种平板电脑智能管理系统与方法。
背景技术
平板电脑灵活轻便,支持手写、语音、手势输入,可以方便地进行笔记、绘图、创作等操作。在其使用过程中,优化熄屏、休眠及防止误触等相关的功能设置与参数确定、更新,对改善使用者的体验十分重要,平板电脑需要根据普遍用户的使用情况,确定合理的休眠、熄屏策略。
CN105549721B提出了一种智能终端休眠方法及装置,包括基于智能终端的亮屏时间、使用状态及其边框压力确定智能终端的休眠状态,但其并不涉及针对不同用户的特征,对智能终端实现智能管理。
因此,急需一种平板电脑智能管理系统与方法,实现针对不同的用户对平板电脑进行智能管理,以保证平板电脑续航时间和使用性能,满足用户需求。
发明内容
本说明书一个或多个实施例提供一种平板电脑智能管理系统,所述系统包括触控传感单元、应用监测单元、环境检测单元、运动传感单元以及处理器,所述触控传感单元,用于获取触控特征;所述触控特征包括触控位置、触控次数、触控压力中的至少一种;所述应用监测单元,用于获取应用特征;所述应用特征包括应用的启闭状态及其持续时间;所述环境检测单元,用于获取环境特征;所述环境特征包括无线网络质量信息;所述运动传感单元,用于获取平板电脑的运动信息;所述处理器用于:基于所述触控特征和所述应用特征,确定用户行为习惯特征;基于所述触控特征、所述应用特征、所述环境特征以及所述运动信息,确定所述平板电脑的应用场景;基于所述用户行为习惯特征、所述应用场景和历史数据,确定所述平板电脑的调整参数,所述调整参数至少包括屏幕熄屏时间以及应用休眠时间。
本说明书实施例之一提供一种平板电脑智能管理方法,所述方法基于处理器执行,包括:基于触控特征和应用特征,确定用户行为习惯特征;基于所述触控特征、所述应用特征、环境特征以及运动信息,确定所述平板电脑的应用场景;基于所述用户行为习惯特征、所述应用场景和历史数据,确定所述平板电脑的调整参数,所述调整参数至少包括屏幕熄屏时间以及应用休眠时间。
本说明书一个或多个实施例提供一种平板电脑智能管理装置,包括处理器,所述处理器用于执行如上任一实施例所述的平板电脑智能管理方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上任一实施例所述的平板电脑智能管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的平板电脑智能管理系统的示例性模块图;
图2是根据本说明书一些实施例所示的平板电脑智能管理方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定用户行为习惯特征的示例性示意图;
图4是根据本说明书一些实施例所示的确定平板电脑的调整参数的示例性流程图。
实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
在平板电脑使用过程中,优化熄屏、休眠及防止误触等相关的功能设置与参数确定、更新,对改善使用者的体验十分重要,需要根据普遍用户的使用情况,确定合理的休眠、熄屏策略。目前的休眠、熄屏策略多为设定时间内用户无操作,即执行休眠、熄屏操作,无法满足平板电脑在复杂的实际使用情况下的需要。CN105549721B提出基于智能终端的亮屏时间、使用状态及其边框压力确定智能终端的休眠状态,但其并不涉及针对不同用户,对智能终端实现智能管理。因此,本说明书一些实施例中,提供一种平板电脑智能管理系统与方法,针对不同的用户确定平板电脑的调整参数,实现对平板电脑的智能管理。
图1是根据本说明书一些实施例所示的平板电脑智能管理系统的示例性模块图。
如图1所示,平板电脑智能管理系统100(以下简称系统100)可以包括处理器110、触控传感单元120、应用监测单元130、环境检测单元140、运动传感单元150。
处理器110可以用于平板电脑智能管理系统进行整体调控和操作。例如,处理器110可以控制系统100中各个单元\模块\装置执行对应的操作(如控制触控传感单元120获取触控特征,控制应用监测单元130获取应用特征等)。又例如,处理器110还可以用于执行平板电脑智能管理方法,包括:基于触控特征和应用特征,确定用户行为习惯特征;基于触控特征、应用特征、环境特征以及运动信息,确定平板电脑的应用场景;基于用户行为习惯特征、应用场景和历史数据,确定平板电脑的调整参数。
在一些实施例中,处理器110可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为范例,处理器110可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)等或其任意组合。
在一些实施例中,处理器110还可以用于:基于用户的图像数据、触控特征以及应用特征,通过行为特征判断模型,确定用户行为习惯特征。用户行为习惯特征包括用户行为特征类型;行为特征判断模型为机器学习模型。
在一些实施例中,特征判断模型包括图像处理层和用户类别判断层。图像处理层的输入包括用户的图像数据,输出包括图像特征;用户类别判断层的输入可以包括图像特征、触控特征以及应用特征,输出可以包括用户行为习惯特征。
在一些实施例中,用户类别判断层的输入还包括触控有效度分布。触控有效度分布包括用户每次独立触控的有效度;每次独立触控的有效度基于每次独立触控的触控特征与多个聚类中心的距离确定,聚类中心可以基于聚类获取。
在一些实施例中,处理器110还可用于:基于用户行为习惯特征、应用场景以及历史数据,生成预设数量的候选调整参数;评估至少一个候选调整参数的预期值;基于预期值,确定平板电脑的调整参数。
触控传感单元120可以用于获取触控特征,触控特征包括触控位置、触控次数、触控压力等中的至少一种。示例性的,触控传感单元120可以是压力传感器等。
应用监测单元130可以用于获取应用特征,应用特征包括应用的启闭状态及其持续时间等。
环境检测单元140可以用于获取环境特征,环境特征包括无线网络质量信息等。
运动传感单元150可以用于获取平板电脑的运动信息。
在一些实施例中,系统100还可以包括图像传感单元160。图像传感单元160可以用于获取用户的图像数据。其中,图像传感单元160可以包括摄像设备,如平板电脑的前置摄像头等。
在一些实施例中,除上述实施例中所描述的处理器110、触控传感单元120、应用监测单元130、环境检测单元140、运动传感单元150以及图像传感单元160以外,系统100中还可以包括其他多个模块\单元,如具有存储功能的存储单元、具有输出功能的显示模块等。
关于处理器110控制触控传感单元120、应用监测单元130、环境检测单元140、运动传感单元150以及图像传感单元160,执行平板电脑智能管理方法的更多说明可以参见本说明书的其他部分,如图2、图3、图4等。
需要注意的是,以上对于平板电脑智能管理系统100及其模块\单元的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块\单元进行任意组合,或者构成子系统与其他模块\单元连接。
图2是根据本说明书一些实施例所示的平板电脑智能管理方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由处理器110执行。
步骤210,基于触控特征和应用特征,确定用户行为习惯特征。
触控特征可以指预设时间段内用户对平板电脑进行的一次或多次独立触控操作对应的特征。其中,独立触控是指用户手指离开屏幕的时间间隔小于预设时间阈值的一次或多次触控操作,例如,独立触控可以包括单击、双击、三击触控等。
预设时间段可以是提前设置的需要对平板电脑进行智能管理之前的一段时间。智能管理包括基于平板电脑的调整参数对平板电脑屏幕的熄屏时间和应用休眠时间进行调整,相关说明的详细内容可以参见本说明书的其他部分,如步骤230。
在一些实施例中,触控特征可以包括触控位置、触控次数、触控压力中的至少一种。触控特征可以通过序列(或向量)的方式表示。示例性的,某次触控操作对应的触控特征可以表示为Vn=((a1,b1,c1,d1),…,(am,bm,cm,dm))。其中,Vn表示第n次独立触控操作对应的触控特征,n表示独立触控操作的序号,m表示该次独立触控操作的最大触控次数(例如,三击操作时的最大触控次数为3);am表示第n次独立触控操作内的第am次触控操作的序号;bm表示第am次触控操作对应的触控类型(如点击、长按、滑动等);cm表示第am次触控操作对应的触控位置(其中,点击和长按操作对应的触控位置为单个点的位置,滑动操作对应的触控位置为多个点构成的轨迹等)以及每个触控位置对应的触控时间(例如,点击时间可以忽略,设定为0;长按和滑动操作的触控时间为对应的实际触摸时间);dm表示第am次触控操作对应的触控压力。
其中,某次独立触控操作内可以包括多次触控操作。例如,用户的某次独立触控操作可以是三击操作,该独立触控操作内包括三次触控操作。
在一些实施例中,触控特征可以由处理器控制触控传感单元120获取。关于触控传感单元120的更多说明可以参见图1。
应用特征可以指预设时间段内的多个时间点的平板电脑内应用(包括前台应用和后台应用)的应用状态对应的特征。在一些实施例中,应用特征可以包括应用的启闭状态(开启、关闭状态)及其持续时间。应用特征也可以通过序列(或向量)的方式表示,例如,可以通过向量的方式表示预设时间段内的多个时间点的至少一个应用的状态(如开启或关闭)以及该状态的持续时间等。
在一些实施例中,应用特征可以通过应用监测单元130获取。关于应用监测单元130的更多说明可以参见图1。
用户行为习惯特征可以指用户使用平板电脑的行为习惯对应的特征。用户行为习惯特征可以包括用户行为特征类型(例如成年人或儿童等)。
在一些实施例中,处理器可以基于第一预设对照表确定用户行为习惯特征。其中,第一预设对照表可以储存大量的基于历史平板电脑使用过程确定的触控特征和应用特征,及其对应的用户行为习惯特征。处理器可以基于当前平板电脑的触控特征和应用特征在第一预设对照表中进行检索,以确定当前平板电脑的用户行为习惯特征。
在一些实施例中,处理器还可以通过行为特征判断模型,确定用户行为习惯特征,相关说明的更多内容可以参见图3。
步骤220,基于触控特征、应用特征、环境特征以及运动信息,确定平板电脑的应用场景。
环境特征是指使用平板电脑的环境对应的特征。在一些实施例中,环境特征可以包括无线网络质量信息。无线网络质量信息可以包括无线网络强度变化信息,如无线网络强度迅速降低等。
在一些实施例中,环境特征可以通过环境检测单元140获取。关于环境检测单元140的更多说明可以参见图1。
运动信息是指平板电脑的运动状态对应的信息。例如,运动信息可以包括平板电脑的线速度\线加速度、角速度\角加速度等。在一些实施例中,运动信息可以通过运动传感单元150获取。关于运动传感单元150的更多说明可以参见图1。
平板电脑的应用场景是指用户使用平板电脑的场景。例如,平板电脑的应用场景可以包括静止场景、运动场景等。在一些实施例中,平板电脑的应用场景还可以包括用户使用平板电脑的用途,例如,办公、娱乐等。
在一些实施例中,处理器可以通过向量数据库匹配的方式确定平板电脑的应用场景。
向量数据库是指用于存储、索引和查询向量的数据库,通过向量数据库,可以面对大量向量快速进行相似性查询和其他向量管理。在一些实施例中,向量数据库可以包括多组历史触控特征、历史应用特征、历史环境特征以及历史运动信息构成的参考向量以及各参考向量对应的平板电脑的应用场景。
在一些实施例中,处理器可以根据当前的触控特征、应用特征、环境特征以及运动信息组成当前向量,从向量数据库中匹配满足预设条件的参考向量为参照向量,并将参照向量对应的平板电脑的应用场景确定为当前平板电脑的应用场景。其中,预设条件可以包括参考向量与当前向量的向量距离(如,余弦距离、欧式距离等)最小或小于预设阈值等。
在本说明书的一个或多个实施例中,平板电脑不同的应用场景对应的误触、休眠等情况可能不同(例如,当平板电脑处于运动状态时,其误触概率可能相对更高,用户使用平板电脑的概率相对更低,对应地可以适当减少平板电脑的熄屏时间和休眠时间;又例如,用户听音乐时的熄屏时间可能相比于看视频的熄屏时间更短等),确定平板电脑的应用场景可以使后续确定的平板电脑的调整参数更加准确,更加贴近用户的需求,获得更好的平板电脑智能管理效果。
步骤230,基于用户行为习惯特征、应用场景和历史数据,确定平板电脑的调整参数。
历史数据可以指用户历史使用平板电脑的数据。例如,用户历史使用平板电脑时的历史用户行为习惯特征、历史应用场景等。
在一些实施例中,历史数据可以包括历史日期相同时间段的数据。例如,本次对平板电脑进行智能管理的时间为星期二20点,则历史数据可以包括过去一段时间(如1个月)内同一时间(如过去1个月每个星期二20点)的历史用户行为习惯特征、历史应用场景等。
在一些实施例中,历史数据还可以包括本次对平板电脑进行智能管理之前的一段时间的历史用户行为习惯特征、历史应用场景等。例如,本次对平板电脑进行智能管理的时间为20点,则历史数据可以包括19点至20点的历史用户行为习惯特征、历史应用场景等。
调整参数可以指对平板电脑进行调整的参数。在一些实施例中,调整参数至少可以包括屏幕熄屏时间以及应用的休眠时间。屏幕熄屏时间是指从用户对平板电脑的最后一次操作时起,平板电脑屏幕变为熄灭状态的时间。应用的休眠时间是指从平板电脑屏幕熄灭时起,平板电脑内的活跃应用变为休眠状态的时间。
在一些实施例中,处理器可以基于第二预设对照表确定平板电脑的调整参数。其中,第二预设对照表可以储存大量的基于历史平板电脑使用过程确定的用户行为习惯特征、应用场景和历史数据,及其对应的调整参数。处理器可以基于当前平板电脑的用户行为习惯特征、应用场景和历史数据在第二预设对照表中进行检索,以确定当前平板电脑的调整参数。
在一些实施例中,处理器还可以基于预设数量的候选调整参数确定平板电脑的调整参数,相关说明的更多内容可以参见图4。
在一些实施例中,处理器可以基于调整参数对平板电脑进行智能管理。例如,处理器可以基于调整参数中的屏幕熄屏时间确定平板电脑的熄屏时间,基于调整参数中的应用休眠时间确定平板电脑的应用休眠时间等。
本说明书的一个或多个实施例所提供的平板电脑智能管理方法,可以针对不同类型的用户以及平板电脑的应用场景确定对应的调整参数,并基于调整参数对平板电脑的屏幕熄屏时间以及应用休眠时间进行调整,实现对平板电脑的智能管理,以保证平板电脑续航时间和使用性能,满足用户需求。
应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的确定用户行为习惯特征的示例性示意图。
如图3所示,处理器可以基于用户的图像数据311、触控特征322以及应用特征323,通过行为特征判断模型300,确定用户行为习惯特征330。
在一些实施例中,用户行为习惯特征330可以包括用户行为特征类型。用户行为特征类型是指用户的行为类型对应的特征。例如,用户行为类型特征可以包括成年人、儿童等。关于触控特征322、应用特征323以及用户行为习惯特征330的更多说明可以参见图2。
用户的图像数据311是指使用平板电脑的用户的图像数据。在一些实施例,用户的图像数据可以基于图像传感单元160获取。关于图像传感单元160的更多说明可以参见图1。
行为特征判断模型300可以用于判断使用平板电脑的用户的用户行为习惯特征。行为特征判断模型300可以是机器学习模型,例如深度神经网络模型(Deep NeuralNetworks,DNN)等。
在一些实施例中,行为特征判断模型300可以包括图像处理层310和用户类别判断层320。
图像处理层310的输入可以包括用户的图像数据311,输出可以包括图像特征321。
用户类别判断层320的输入可以包括图像特征321、触控特征322、应用特征323,输出可以包括用户行为习惯特征330。
在一些实施例中,用户类别判断层320的输入还可以包括触控有效度分布324。
触控有效度分布324是指用户对平板电脑的触控操作是否有效的分布情况。在一些实施例中,触控有效度分布包括用户每次独立触控的有效度。其中,有效度是指该次独立触控操作是否为误触操作,误触操作的有效度为0,非误触操作的有效度为1。关于独立触控的更多说明可以参见步骤210。
在一些实施例中,触控有效度分布可以通过向量等形式表示。例如,Qp=(p,q,r)。其中,Qp表示第p次独立触控对应的触控有效度分布;p表示独立触控序号;q表示该次独立触控的持续时间;r表示该次独立触控的有效度。
在一些实施例中,每次独立触控的有效度基于每次独立触控的触控特征与多个聚类中心的距离确定,聚类中心基于聚类获取。
在一些实施例中,处理器可以基于以下步骤S1-S4进行聚类,获取聚类中心。
S1,基于大量历史数据,形成若干个聚类特征向量。
聚类特征向量是用于聚类的历史独立触控的触控特征对应的向量。与独立触控的触控特征类似,聚类特征向量也可以通过向量的方式表示。在一些实施例中,触控压力与是否为误触无关,聚类特征向量的元素不包括触控压力,其他元素与触控特征内的元素类似(即聚类特征向量的元素也包括独立触控操作的序号、独立触控操作的最大触控次数、独立触控操作内的触控操作序号、每次触控操作对应的触控类型以及触控位置等),具体可参见图2中关于触控特征的相关说明。
在一些实施例中,若干个聚类特征向量中的部分聚类特征向量可以带有第一标签。其中,第一标签可以是该聚类特征向量对应的历史独立触控操作是否为误触操作(如,标签1表示非误触操作,标签0表示误触操作等),该部分聚类特征向量的第一标签可以由人工进行误触或非误触操作,并对其标注获得。
在一些实施例中,若干个聚类特征向量中,除上述带第一标签的聚类特征向量以外的其余聚类特征向量,可以基于用户历史使用平板电脑的数据获取。由于无法对该类数据对应的独立触控操作是否为误触操作进行判断,相应地该类独立触控操作对应的聚类特征向量也无法进行标签标注,即该类聚类特征向量不带有标签。
S2,对获得的聚类特征向量进行聚类。
在一些实施例中,处理器可以通过聚类方法(如k-means聚类方法等)对S1中获得的所有聚类特征向量进行二分聚类,将其聚类成两个类(如类别A、类别B等)。
处理器还可以采用其他多种聚类方法对聚类特征向量进行二分聚类,在此不做限制。
S3,评估聚类效果。
在一些实施例中,处理器可以评估S2中聚类的效果。
在一些实施例中,处理器可以评估聚类方法本身的聚类效果(例如,评估k-means聚类方法中各个类的向量到聚类中心的距离之和等),以获取评估值。
在一些实施例中,处理器还可以对带有第一标签的聚类特征向量被聚类到两个类中的比例确定评估值,并基于评估值对聚类效果进行评估。示例性的,当第一标签为1的聚类特征向量全部被聚类到类别A,第一标签为0的聚类特征向量全部被聚类到类别B时,表明误触操作和非误触操作对应的聚类特征向量均被成功分类,此时对应的聚类效果的评估值最高。
当第一标签为1的聚类特征向量与第一标签为0的聚类特征向量存在交叉时(即不同标签值的聚类特征向量被分在同一类别),评估值可以基于交叉程度确定。其中,交叉程度可以由不同标签值的聚类特征向量被分在同一类别的比例确定,比例越高,对应的交叉程度越大。
在一些实施例中,所述比例与交叉程度存在预设的对应关系。例如,交叉程度可以是比例的加权结果等,权重可以基于需要提前预设。
在一些实施例中,交叉程度与评估值成反比关系,即交叉程度越大,评估值越低。其中,交叉程度与评估值的具体对应关系可以提前预设。
S4,确定聚类结果。
在一些实施例中,处理器可以基于评估值确定聚类结果。例如,当聚类结果对应的评估值大于评估阈值时,处理器可以将该聚类结果确定为最终聚类结果;否则,处理器可以采用其他聚类方法或聚类参数对聚类特征向量重新进行二分聚类,直至聚类结果对应的评估值大于评估阈值时,确定最终聚类结果。
在一些实施例中,处理器可以基于聚类结果确定聚类中心。例如,处理器可以将聚类结果获得的两个类对应的中心确定为聚类中心。其中,聚类中心包括标签为误触的聚类特征向量对应的误触聚类中心和标签为非误触的聚类特征向量对应的非误触聚类中心。
在一些实施例中,每次独立触控的有效度基于每次独立触控的触控特征与多个聚类中心的距离确定。例如,处理器可以计算某次独立触控操作对应的触控特征与多个聚类中心(包括误触聚类中心和非误触聚类中心)的距离(如余弦距离、欧式距离等),离哪个聚类中心越近,该独立触控对应的有效度即与哪个聚类中心相同(如,与误触聚类中心的距离越近,该独立触控操作即为误触操作,其有效度为0;与非误触聚类中心的距离越近,该独立触控操作即为非误触操作,其有效度为1等)。
在本说明书的一个或多个实施例中,不同的用户行为特征类型对应的误触频率可能不同(例如,儿童的误触频率可能大于成人),在确定用户行为习惯特征时考虑触控有效度分布,可以提高确定的用户行为习惯特征的准确度。
在一些实施例中,行为特征判断模型300可以由图像处理层310和用户类别判断层320基于第一训练样本和第二标签联合训练确定。
第一训练样本可以包括大量的历史图像数据、历史触控特征、历史应用特征以及历史触控有效度分布,第二标签可以是历史数据对应的用户行为特征类型。
示例性的,联合训练过程包括:将第一训练样本中的历史图像数据输入未设置参数的图像处理层,将未设置参数的图像处理层输出的图像特征以及第一训练样本中的历史触控特征、历史应用特征以及历史触控有效度分布输入未设置参数的用户类别判断层以确定未设置参数的行为特征判断模型的输出,将未设置参数的行为特征判断模型输出的用户行为习惯特征与第二标签输入损失函数,基于损失函数值迭代更新未设置参数的行为特征判断模型直至训练完成,获取训练好的行为特征判断模型。其中,训练完成可以包括迭代次数超过阈值、模型输出的偏差值收敛等。
在本说明书的一个或多个实施例中,通过机器学习模型确定用户行为习惯特征相比于传统的基于预设对照表的方式可以基于更多、更丰富的历史数据,并且可以将历史用户行为习惯特征作为标识训练,使所预测的用户行为习惯特征具有更高的准确度。
图4是根据本说明书一些实施例所示的确定平板电脑的调整参数的示例性流程图。
图4是根据本说明书一些实施例所示的平板电脑智能管理方法的示例性流程图。如图4所示,流程400包括下述步骤。在一些实施例中,流程400可以由处理器110执行。
步骤410,基于用户行为习惯特征、应用场景以及历史数据,生成预设数量的候选调整参数。
在一些实施例中,候选调整参数的预设数量可以基于处理器的计算能力和实际需求预设。
候选调整参数是指候选的可能用于平板电脑智能管理的参数。关于调整参数、用户行为习惯特征、应用场景以及历史数据的更多说明可以参见图2。
在一些实施例中,处理器可以基于随机的方法生成预设数量的候选调整参数。
在一些实施例中,处理器还可以基于用户行为习惯特征、应用场景以及历史数据,生成预设数量的候选调整参数,包括:基于用户行为习惯特征、平板电脑的应用场景以及历史数据,选取近似使用时间段、相同应用场景下,时间距离近的预设数量的历史调整参数组成候选调整参数。
历史调整参数是指用户历史使用平板电脑时的调整参数。例如,用户历史使用平板电脑时的屏幕熄灭时间、应用休眠时间等。
近似使用时间段是指与本次对平板电脑进行智能管理的时间段近似的历史使用时间段。例如,本次对平板电脑进行智能管理的时间段为星期二20点,则近似使用时间段可以是历史一段时间内(如过去1个月以内)的多个星期二19点至21点等。时间距离近是指与本次对平板电脑进行智能管理的时间距离较近的一段时间,如过去1个月以内等。
相同应用场景是指与本次对平板电脑进行智能管理的应用场景相同的历史应用场景。例如,都是平板电脑处于运动场景、都是使用平板电脑听音乐等。
历史调整参数包括历史使用平板电脑时,对屏幕熄屏时间和应用休眠时间的调整参数等。
在本说明书的一个或多个实施例中,基于用户行为习惯特征、平板电脑的应用场景以及历史数据,选取近似使用时间段、相同应用场景下,时间距离近的预设数量的历史调整参数组成候选调整参数,可以使选取的候选调整参数更加贴近实际需要的调整参数,提高效率,节约计算资源。
步骤420,评估至少一个候选调整参数的预期值。
预期值是指对候选调整参数的评分值。预期值越高,表示该候选调整参数越满足用户需要。
在一些实施例中,预期值可以由用户评分确定。例如,处理器可以向用户发送多个候选调整参数,并获取用户对候选调整参数的评分,将该评分作为候选调整参数的预期值。
在一些实施例中,处理器还可以基于候选调整参数、用户行为习惯特征和应用场景,利用预期值评估模型评估各候选调整参数的预期值。
预期值评估模型可以是机器学习模型。例如,DNN、RNN或其他自定义模型等。
预期值评估模型的输入可以包括候选调整参数、用户行为习惯特征和应用场景;输出可以包括候选调整参数对应的预期值。关于候选调整参数、用户行为习惯特征和应用场景的更多说明可以参见前文相关部分,如步骤420、图2等。
在一些实施例中,预期值评估模型可以基于第二训练样本和第三标签训练确定。
第二训练样本包括大量的历史调整参数、历史用户行为习惯特征和历史应用场景。第三标签可以包括历史预期值,历史预期值可以基于历史数据中的用户反馈自动生成。其中,用户反馈可以包括熄屏后用户操作频率、应用休眠后用户操作频率。
熄屏后用户操作频率是指平板电脑屏幕熄灭后,用户再次对平板电脑进行操作的时间间隔,该时间间隔越短,表示熄屏后用户操作频率越高。
应用休眠后用户操作频率指平板电脑内应用休眠后,用户再次对应用进行唤醒的时间间隔,该时间间隔越短,表示应用休眠后用户操作频率越高。
在一些实施例中,用户反馈与历史预期值存在对应关系。例如,熄屏后用户操作频率和应用休眠后用户操作频率越高,说明该历史调整参数越不合理,其对应的预期值越低。
在本说明书的一个或多个实施例中,基于候选调整参数、用户行为习惯特征和应用场景,利用预期值评估模型评估各候调整参数的预期值,可以在提高预测的预期值准确度的同时,免除对用户的打扰,提升用户体验。
步骤430,基于预期值,确定平板电脑的调整参数。
在一些实施例中,处理器可以基于预期值确定平板电脑的调整参数。例如,当存在大于预期值阈值的预期值时,处理器可以选择最高的预期值对应的候选调整参数作为平板电脑的调整参数;当不存在大于预期值阈值的预期值时,处理器可以重新生成多个候选调整参数,并基于其预期值,确定平板电脑的调整参数。
在本说明书的一个或多个实施例中,通过预设数量的候选调整参数确定的平板电脑的调整参数,可以结合用户的反馈,使确定的平板电脑的调整参数更加高效精准,获得更好的平板电脑智能管理效果。
本说明书的一个或多个实施例中还提供一种平板电脑智能管理装置,所述装置包括处理器,所述处理器用于执行如上任一实施例所述的平板电脑智能管理方法。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上任一实施例所述的平板电脑智能管理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种平板电脑智能管理系统,其特征在于,所述系统包括触控传感单元、应用监测单元、环境检测单元、运动传感单元以及处理器,
所述触控传感单元,用于获取触控特征;所述触控特征包括触控位置、触控次数、触控压力中的至少一种;
所述应用监测单元,用于获取应用特征;所述应用特征包括应用的启闭状态及其持续时间;
所述环境检测单元,用于获取环境特征;所述环境特征包括无线网络质量信息;
所述运动传感单元,用于获取平板电脑的运动信息;
所述处理器用于:
基于所述触控特征和所述应用特征,确定用户行为习惯特征;
基于所述触控特征、所述应用特征、所述环境特征以及所述运动信息,确定所述平板电脑的应用场景;
基于所述用户行为习惯特征、所述应用场景和历史数据,确定所述平板电脑的调整参数,所述调整参数至少包括屏幕熄屏时间以及应用休眠时间。
2.如权利要求1所述的系统,其特征在于,所述系统还包括图像传感单元,所述图像传感单元用于获取用户的图像数据;
所述处理器进一步用于:
基于所述用户的图像数据、所述触控特征以及所述应用特征,通过行为特征判断模型,确定所述用户行为习惯特征;所述用户行为习惯特征包括用户行为特征类型;所述行为特征判断模型为机器学习模型。
3.如权利要求2所述的系统,其特征在于,所述行为特征判断模型包括图像处理层和用户类别判断层;所述图像处理层的输入包括所述用户的图像数据,输出包括图像特征;所述用户类别判断层的输入可以包括所述图像特征、所述触控特征以及所述应用特征,输出可以包括所述用户行为习惯特征;
所述用户类别判断层的输入还包括触控有效度分布;所述触控有效度分布包括用户每次独立触控的有效度;所述每次独立触控的有效度基于每次独立触控的触控特征与多个聚类中心的距离确定,所述聚类中心基于聚类获取。
4.如权利要求1所述的系统,其特征在于,所述处理器进一步用于:
基于所述用户行为习惯特征、所述应用场景以及所述历史数据,生成预设数量的候选调整参数;
评估至少一个所述候选调整参数的预期值;
基于所述预期值,确定所述平板电脑的调整参数。
5.一种平板电脑智能管理方法,其特征在于,所述方法基于处理器执行,所述方法包括:
基于触控特征和应用特征,确定用户行为习惯特征;
基于所述触控特征、所述应用特征、环境特征以及运动信息,确定所述平板电脑的应用场景;
基于所述用户行为习惯特征、所述应用场景和历史数据,确定所述平板电脑的调整参数,所述调整参数至少包括屏幕熄屏时间以及应用休眠时间。
6.如权利要求5所述的方法,其特征在于,所述确定用户行为习惯特征还包括:
基于用户的图像数据、所述触控特征以及所述应用特征,通过行为特征判断模型,确定所述用户行为习惯特征;所述用户行为习惯特征包括用户行为特征类型;所述行为特征判断模型为机器学习模型。
7.如权利要求6所述的方法,其特征在于,所述行为特征判断模型包括图像处理层和用户类别判断层;所述图像处理层的输入包括所述用户的图像数据,输出包括图像特征;所述用户类别判断层的输入可以包括所述图像特征、所述触控特征以及所述应用特征,输出可以包括所述用户行为习惯特征;
所述用户类别判断层的输入还包括触控有效度分布;所述触控有效度分布包括用户每次独立触控的有效度;所述每次独立触控的有效度基于每次独立触控的触控特征与多个聚类中心的距离确定,所述聚类中心基于聚类获取。
8.如权利要求5所述的方法,其特征在于,所述确定所述平板电脑的调整参数包括:
基于所述用户行为习惯特征、所述应用场景以及所述历史数据,生成预设数量的候选调整参数;
评估至少一个所述候选调整参数的预期值;
基于所述预期值,确定所述平板电脑的调整参数。
9.一种平板电脑智能管理装置,包括处理器,其特征在于,所述处理器用于执行如权利要求5-8任一项所述的平板电脑智能管理方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,其特征在于,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求5-8任一项所述的平板电脑智能管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310672929.8A CN116431458A (zh) | 2023-06-08 | 2023-06-08 | 一种平板电脑智能管理系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310672929.8A CN116431458A (zh) | 2023-06-08 | 2023-06-08 | 一种平板电脑智能管理系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116431458A true CN116431458A (zh) | 2023-07-14 |
Family
ID=87085784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310672929.8A Pending CN116431458A (zh) | 2023-06-08 | 2023-06-08 | 一种平板电脑智能管理系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431458A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117672110A (zh) * | 2023-12-15 | 2024-03-08 | 广东省欧度利方科技有限公司 | 一种平板电脑显示控制系统与方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103596252A (zh) * | 2013-11-28 | 2014-02-19 | 贝壳网际(北京)安全技术有限公司 | 移动终端的控制方法、装置和移动终端 |
CN106648326A (zh) * | 2016-12-28 | 2017-05-10 | 广东欧珀移动通信有限公司 | 调整熄屏时间的方法及移动终端 |
CN107507602A (zh) * | 2017-09-22 | 2017-12-22 | 深圳天珑无线科技有限公司 | 屏幕亮度自动调节方法、终端及存储介质 |
CN109376065A (zh) * | 2018-10-29 | 2019-02-22 | 北京旷视科技有限公司 | 一种用户行为热区分析方法、装置和电子设备 |
CN109785815A (zh) * | 2019-03-29 | 2019-05-21 | 维沃移动通信有限公司 | 一种屏幕亮度调节方法及移动终端 |
CN112306348A (zh) * | 2020-11-03 | 2021-02-02 | Oppo广东移动通信有限公司 | 识别触控操作的方法、装置及电子设备 |
CN113505272A (zh) * | 2021-07-05 | 2021-10-15 | 珠海格力电器股份有限公司 | 基于行为习惯的控制方法和装置、电子设备和存储介质 |
CN114610559A (zh) * | 2020-12-04 | 2022-06-10 | 中兴通讯股份有限公司 | 设备运行环境评估方法、判决模型训练方法、电子设备 |
CN115718911A (zh) * | 2022-11-24 | 2023-02-28 | 深圳市欧度利方科技有限公司 | 一种儿童平板权限管理方法、系统、平板电脑及存储介质 |
-
2023
- 2023-06-08 CN CN202310672929.8A patent/CN116431458A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103596252A (zh) * | 2013-11-28 | 2014-02-19 | 贝壳网际(北京)安全技术有限公司 | 移动终端的控制方法、装置和移动终端 |
CN106648326A (zh) * | 2016-12-28 | 2017-05-10 | 广东欧珀移动通信有限公司 | 调整熄屏时间的方法及移动终端 |
CN107507602A (zh) * | 2017-09-22 | 2017-12-22 | 深圳天珑无线科技有限公司 | 屏幕亮度自动调节方法、终端及存储介质 |
CN109376065A (zh) * | 2018-10-29 | 2019-02-22 | 北京旷视科技有限公司 | 一种用户行为热区分析方法、装置和电子设备 |
CN109785815A (zh) * | 2019-03-29 | 2019-05-21 | 维沃移动通信有限公司 | 一种屏幕亮度调节方法及移动终端 |
CN112306348A (zh) * | 2020-11-03 | 2021-02-02 | Oppo广东移动通信有限公司 | 识别触控操作的方法、装置及电子设备 |
CN114610559A (zh) * | 2020-12-04 | 2022-06-10 | 中兴通讯股份有限公司 | 设备运行环境评估方法、判决模型训练方法、电子设备 |
CN113505272A (zh) * | 2021-07-05 | 2021-10-15 | 珠海格力电器股份有限公司 | 基于行为习惯的控制方法和装置、电子设备和存储介质 |
CN115718911A (zh) * | 2022-11-24 | 2023-02-28 | 深圳市欧度利方科技有限公司 | 一种儿童平板权限管理方法、系统、平板电脑及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117672110A (zh) * | 2023-12-15 | 2024-03-08 | 广东省欧度利方科技有限公司 | 一种平板电脑显示控制系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107613022B (zh) | 内容推送方法、装置及计算机设备 | |
US20190236412A1 (en) | Data processing method and device, classifier training method and system, and storage medium | |
CN102985897B (zh) | 高效姿势处理 | |
CN106792003B (zh) | 一种智能广告插播方法、装置及服务器 | |
WO2021238722A1 (zh) | 资源推送方法、装置、设备及存储介质 | |
CN107704070B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN110334344A (zh) | 一种语义意图识别方法、装置、设备及存储介质 | |
CN108664651B (zh) | 一种图案推荐方法、装置及存储介质 | |
CN107947951A (zh) | 用户群组推荐方法、装置及存储介质和服务器 | |
CN110209810B (zh) | 相似文本识别方法以及装置 | |
CN108108455B (zh) | 目的地的推送方法、装置、存储介质及电子设备 | |
CN108665007B (zh) | 一种基于多分类器的推荐方法、装置及电子设备 | |
CN108304432B (zh) | 信息推送处理方法、信息推送处理装置及存储介质 | |
CN108197225B (zh) | 图像的分类方法、装置、存储介质及电子设备 | |
CN106649696A (zh) | 信息分类方法及装置 | |
CN110472016B (zh) | 文章推荐方法、装置、电子设备及存储介质 | |
CN116431458A (zh) | 一种平板电脑智能管理系统与方法 | |
CN109300041A (zh) | 理财策略推荐方法、电子装置及可读存储介质 | |
CN111512299A (zh) | 用于内容搜索的方法及其电子设备 | |
CN111353299A (zh) | 基于人工智能的对话场景确定方法和相关装置 | |
CN111797870A (zh) | 算法模型的优化方法、装置、存储介质及电子设备 | |
CN110309339A (zh) | 图片标签生成方法及装置、终端及存储介质 | |
CN111523035A (zh) | App浏览内容的推荐方法、装置、服务器和介质 | |
CN112995757B (zh) | 视频剪裁方法及装置 | |
CN108595013B (zh) | 握持识别方法、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 |