CN116627534B - 应用程序处理方法及装置 - Google Patents

Abstract

本申请提供一种应用程序处理方法及装置，方法包括：响应用户的预测触发操作，得到被预测任务，预加载被预测任务；被预测任务根据与预测触发操作相关的多个任务的历史使用情况得到，具体是获得每个任务的第一基础概率以及第一转移概率，第一基础概率用于指示任务在多个任务中的使用状况，将任务的第一转移概率减去任务的第一基础概率，得到任务的增益分值，增益分值用于指示从预测触发操作到任务的转移情况，且增益分值去除任务在多个任务中的使用状况的影响；基于每个任务的增益分值，从多个任务中得到被预测任务，由此能够提前加载被预测任务，在启动被预测任务时降低该任务的启动时间长，提高用户体验。

Description

应用程序处理方法及装置

本申请为申请日为2021年11月19日、申请号为202111401532.2、发明名称为“应用程序处理方法及装置”的发明专利申请的分案申请。

技术领域

本申请涉及计算机技术领域，尤其涉及一种应用程序处理方法及装置。

背景技术

智能手机、电脑以及智能家电等逐渐成为用户日常生活中必不可少的电子设备，为了满足用户不同的需求，电子设备中安装的应用程序(application，APP)越来越多，相对应的APP运行时所需资源也越来越多，从而增加应用启动时间长，降低用户体验。

发明内容

本申请提供了一种应用程序处理方法及装置，以解决应用启动时间长，降低用户体验的问题。

为了实现上述目的，本申请提供了以下技术方案：

第一方面，本申请提供一种应用程序处理方法，应用于电子设备中，方法包括：电子设备显示最近任务列表，最近任务列表显示第一内容，第一内容包括电子设备中由用户已经启动的任务；在获取到用户的清空内存操作后，最近任务列表从显示第一内容切换为第二内容，第二内容用于指示电子设备没有启动任务；在获取到用户的第一开启操作后，显示第一任务；从显示第一任务切换至显示桌面；在获取到用户的第二开启操作后，显示第二任务，第二任务和第一任务不同，且第二任务的加载时长与第一任务的加载时长不同，如第二任务的加载时长大于第一任务的加载时长。

在本实施例中，在用户执行不同开启操作时显示不同任务，且两个任务的加载时长不同，相对于第二任务来说，第一任务的加载时长小，说明电子设备在用户开启第一任务之前已经对第一任务进行预加载，缩短第一任务的启动时长，从而更加快速地启动第一任务。

第二方面，本申请提供一种应用程序处理方法，应用于电子设备中，方法包括：电子设备显示悬浮标记，悬浮标记显示第三内容，第三内容为电子设备中由用户已经启动的至少一个任务；在获取到用户的清空内存操作后，悬浮标记显示内容为空；在获取到用户的第一开启操作后，显示第一任务，悬浮标记中可显示第一任务的相关内容；从显示第一任务切换至显示桌面；在获取到用户的第二开启操作后，显示第二任务，第二任务和第一任务不同，且第二任务的加载时长与第一任务的加载时长不同，如第二任务的加载时长大于第一任务的加载时长。

在本实施例中，在用户执行不同开启操作时显示不同任务，且两个任务的加载时长不同，相对于第二任务来说，第一任务的加载时长小，说明电子设备在用户开启第一任务之前已经对第一任务进行预加载，缩短第一任务的启动时长，从而更加快速地启动第一任务。

可选的，应用于电子设备中，方法还包括：获取用户对悬浮标记作出的开启操作；响应开启操作，控制悬浮标记持续显示在电子设备的界面上。用户可以控制悬浮标记的开启和关闭，如果用户作出开启操作，悬浮标记可以在电子设备使用过程中一直显示在电子设备的界面上，用户通过悬浮标记可以实时了解到已经预加载的第一任务。

可选的，方法还包括：在响应用户的清空内存操作时，存储用户启动的任务的图片；在获取到用户的第一开启操作后，显示第一任务包括：在获取到用户的第一开启操作后，显示第一任务的图片，第一任务的图片是第一任务历史使用过程中，响应清空内存操作时获得。在本实施例中，第一任务在历史使用过程中，如果用户作出清空内存操作，电子设备可以获取到第一任务的图片，这样在获取到第一开启操作后可以直接显示第一任务的图片，省去生成第一任务的图片的过程，提高效率。

可选的，第一任务的图片是第一任务的界面缩略图，界面缩略图是第一任务响应清空内存操作时所显示界面的缩略图，如响应清空内存操作时第一任务显示的最后一个界面的缩略图，如对于视频来说，可以是最后一个播放界面。电子设备可以提前将界面缩略图所需资源进行加载，在启动第一任务后可直接显示界面缩略图指向的界面。

可选的，方法还包括：获取用户对第一任务的启动操作；响应启动操作，在电子设备上显示第一任务的界面缩略图。

可选的，方法还包括：在最近任务列表中显示第一任务和第二任务，第一任务的显示位置显示一个启动标记，启动标记用于指示在用户没有对第一任务作出启动操作时第一任务预加载至后台，通过启动标记可便于用户知道哪些任务是预先加载哪些是用户启动的，以通过启动标记进行区分。

可选的，在获取到用户的第一开启操作后，显示第一任务包括：在第一场景下获取到第一开启操作后，显示与第一场景匹配的第一任务；在第二场景下获取到第一开启操作后，显示与第二场景匹配的第一任务，与第二场景匹配的第一任务和与第一场景匹配的第一任务不同。

在本实施例中，第一场景和第二场景是两个不同场景，在不同场景下获取到用户的同一个第一开启操作时，电子设备可以根据不同场景下显示与场景匹配的第一任务，实现在不同场景下的个性化推荐。

可选的，第一场景为当前日期的第一时间，第二场景为当前日期的第二时间，第一时间和第二时间；和/或，第一场景为第一地理位置，第二场景为第二地理位置，第一地理位置和第二地理位置不同。第一场景和第二场景可以是同一个日期下的不同时间，在不同时间下自启动不同的被预测任务，在个性化加载的同时符合用户不同时间下使用不同任务的要求。如上班期间，用户一般使用办公应用和通信应用，在下班后，用户一般使用娱乐应用、购物应用等；进一步的在将要下班时用户经常使用打车应用和购票应用，在睡觉之前使用新闻类应用等，通过不同时间进行区分，以在不同时间下自启动不同应用。

第一场景和第二场景可以是不同地理位置，在不同地理位置下自启动不同的被预测任务，在个性化加载的同时符合用户不同地理位置下使用不同任务的要求。例如用户在车站，用户一般使用乘车应用(如乘车码)和购票应用；用户在公司，一般使用打卡应用和办公应用；用户在商场，一般使用支付应用和优惠卷应用。通过不同地理位置区分，以在不同地理位置下自启动不同应用。

可选的，第一任务是响应用户的预测触发操作时得到的被预测任务，被预测任务根据与预测触发操作相关的多个任务的历史使用情况得到。一般与预测触发操作相关的多个任务是在预测触发操作之后可能被启动的任务，电子设备将这些可能被启动的任务中的至少一个任务自启动，从这些任务中得到的被预测任务也是一个在预测触发操作后极有可能启动的任务，可以提高准确度且实现对被预测任务的提前启动，提前加载被预测任务的资源，在用户启动被预测任务时可加快其启动。

与预测触发操作相关的多个任务的历史使用情况可以根据预测触发操作后用户对任务的使用发生变化，即多个任务的历史使用情况可以随用户的使用习惯发生变化，相对应的与预测触发操作相关的多个任务可以随用户对任务的使用发生变化，被预测任务也可以随之变化，使得被预测任务能够符合用户的使用习惯，能够随用户的使用习惯从预测触发操作相匹配的任务中得到被预测任务，提高被预测任务的准确度。

在本实施例中，被预测任务可以显示在悬浮标记上，如果被预测任务发生变化，悬浮标记上显示的内容也可以随之变化，从而通过悬浮标记实时显示当前的被预测任务。与预测触发操作匹配的被预测任务可以是多个，悬浮标记可以显示多个被预测任务中的一个，悬浮标记显示的一个被预测任务是在预测触发操作后最有可能被打开的任务。当然悬浮标记也可以显示多个被预测任务，但是可能会遮挡电子设备当前显示的内容，为此悬浮标记可以轮询显示多个被预测任务，即悬浮标记可以在不同时刻显示同一个预测触发操作的多个被预测任务。

又或者悬浮标记可以具有展开功能和收缩功能，收缩功能是默认功能，电子设备开始显示悬浮标记时悬浮标记以收缩功能为主，显示在预测触发操作后最有可能被打开的被预测任务；如果用户点击悬浮标记，悬浮标记的展开功能生效，悬浮标记展开；悬浮标记显示多个被预测任务，用户再次点击悬浮标记，其收缩功能生效，悬浮标记收缩。用户还可以通过点击悬浮标记来启动被预测任务，在这种情况下，启动被预测任务的操作要与控制悬浮标记展开和收缩的操作区分。如两个操作的点击位置可以不同，或者一个是点击一个是双击等。

可选的，预测触发操作包括打开应用、打开服务和亮屏解锁中的至少一种；被预测任务包括预测出的应用和服务中的至少一种。电子设备可设置不同预测触发操作，为用户预测出应用程序和/或服务，提供多样化的使用，以满足用户不同的使用需求。

可选的，方法还包括：基于历史时间段内每个第三任务的开始时间和预测触发操作的停止时间，从历史时间段内的所有第三任务中确定与预测触发操作相关的多个第四任务；被预测任务根据与预测触发操作相关的多个任务的历史使用情况得到包括：获得每个第四任务的增益分值，增益分值用于指示历史时间段内从预测触发操作到第四任务的转移情况，且增益分值去除历史时间段内第四任务在多个第四任务中的使用状况的影响；基于每个第四任务的增益分值，从多个第四任务中得到被预测任务。

在本实施例中，电子设备可以监测到一个预测触发操作后，基于预测触发操作与第三任务之间的时间关联性，得到与预测触发操作相关的多个第四任务，然后再基于从预测触发操作到第四任务的转移情况，从多个第四任务中选取出被预测任务。其中预测触发操作到第四任务的转移情况可以是预测触发操作触发了第四任务的使用，也指出了被触发(或者说使用了第四任务)的概率等，因此第四任务是在历史时间段内在监测到预测触发操作后被使用了的任务，从这些第四任务中选取被预测任务可提高准确度。并且增益分值去除历史时间段内第四任务在多个第四任务中的使用状况的影响，去除第四任务自身使用概率对其转移情况的影响，提高每个第四任务的增益分值的准确度。

电子设备可以以简单的计算方式得到被预测任务，省去模型训练过程，这样电子设备侧可以省去计算大量复杂的模型训练数据，从而降低电子设备侧使用的数据量，节约内存和功耗。

可选的，获得每个第四任务的增益分值包括：基于历史时间段内每个第四任务的使用次数和多个第四任务总的使用次数，得到每个第四任务的第一基础概率，第四任务的第一基础概率用于指示历史时间段内第四任务在多个第四任务中的使用状况；基于历史时间段内从预测触发操作到第四任务的转移次数和多个第四任务总的转移次数，得到每个第四任务的第一转移概率；将第四任务的第一转移概率减去第四任务的第一基础概率，得到第四任务的增益分值。

可选的，方法还包括：获得在当前地理位置下使用的多个第五任务的地理位置增益分值；被预测任务根据与预测触发操作相关的多个任务的历史使用情况得到还包括：若电子设备在当前地理位置的持续时长小于或等于阈值，基于第五任务的地理位置增益分值和第四任务的增益分值，得到第四任务和第五任务中每个任务的综合增益分值；基于任务的综合增益分值，从多个第四任务和多个第五任务中得到被预测任务；若电子设备在当前所处地理位置的持续时长大于阈值，基于每个第四任务的增益分值，从多个第四任务中得到被预测任务。

因为用户在不同地理位置下使用的任务可能不同，本实施例中在考虑从预测触发操作到任务的增益分值基础上，引入了任务的地理位置增益分值，从两方面考虑来选取被预测任务，这样在不同地理位置下可以选取出不同的被预测任务。并且在选取被预测任务时进一步考虑用户在当前地理位置的持续时长；如果持续时长大于阈值，说明用户已经到达当前地理位置一段时间，用户打开与地理位置相关的任务的可能性降低，此时可以忽略地理位置增益分值。

电子设备可以以简单的计算方式得到被预测任务，省去模型训练过程，这样电子设备侧可以省去计算大量复杂的模型训练数据，从而降低电子设备侧使用的数据量，节约内存和功耗。并且地理位置和任务的历史使用情况可以不提供给云端，保护用户隐私。

可选的，获得在当前地理位置下使用的多个第五任务的地理位置增益分值包括：基于历史时间段内在当前地理位置使用每个第五任务的使用次数和多个第五任务总的使用次数，得到在当前地理位置使用每个第五任务的第二基础概率，每个第五任务的第二基础概率用于指示历史时间段内在当前地理位置下第五任务在多个第五任务中的使用状况；基于历史时间段内从当前地理位置到第五任务的转移次数和多个第五任务总的转移次数，得到在当前地理位置使用每个第五任务的第二转移概率；将第五任务的第二转移概率减去第五任务的第二基础概率，得到第五任务的地理位置增益分值。

可选的，方法还包括：在第一预设加载时机加载被预测任务；第一预设加载时机是从预测触发操作指向的任务的开始时间后经过第一预设时长，第一预设时长是第三时间和第四时间之和，第三时间基于预测触发操作指向的任务在历史时间段内每次使用的使用时长得到，第四时间基于历史时间段内预测触发操作指向的任务与被预测任务之间的间隔时间得到，以在预测触发操作开始之后启动被预测任务，提供合适的预加载时机，提高被预测任务加载的及时性，并且可推迟被预测任务的预加载时间，减少资源和功耗的浪费。

可选的，被预测任务根据与预测触发操作相关的多个任务的历史使用情况得到包括：获得预测触发操作对应的关联任务路径，关联任务路径以预测触发操作指向的任务作为最后一个任务，并基于预测触发操作之前执行的任务得到；获得历史时间段内的历史关联任务路径；基于关联任务路径的特征向量和历史关联任务路径的特征向量，得到与关联任务路径相匹配的历史关联任务路径；基于相匹配的历史关联任务路径，得到被预测任务。

在本实施例中，对于预测触发操作可得到一条关联任务路径，通过其与历史关联任务路径之间的关系得到被预测任务，对于出现次数少但具有周期性使用规律的预测触发操作来说可以利用这种方式得到被预测任务，完善预测机制。其中特征向量可由云端提供，节省电子设备的功耗。

可选的，基于关联任务路径的特征向量和历史关联任务路径的特征向量，得到与关联任务路径相匹配的历史关联任务路径包括：从历史时间段内的所有历史关联任务路径中选取第一历史关联任务路径，第一历史关联任务路径是包含关联任务路径中预设数量任务的历史关联任务路径；从所有第一历史关联任务路径中选取第二历史关联任务路径，第二历史关联任务路径是出现次数小于预设次数阈值的第一历史关联任务路径；在第二历史关联任务路径中选取出子路径，子路径是第二历史关联任务路径中与关联任务路径中任务数量相同的子路径；基于每个子路径的特征向量和关联任务路径的特征向量，得到与关联任务路径相匹配的子路径；基于相匹配的历史关联任务路径，得到被预测任务包括：基于相匹配的子路径之后出现的任务，得到被预测任务。

在得到被预测任务之前，本实施例可以先对关联任务路径和历史关联任务路径进行比对，从历史关联任务路径中得到与关联任务路径相关的子路径，以子路径的特征向量和关联任务路径的特征向量进行匹配，从而可以减少数据量，提高效率。

可选的，方法还包括：在第二预设加载时机加载被预测任务；第二预设加载时机是从预测触发操作指向的任务的开始时间后经过第二预设时长，第二预设时长是第四时间和第五时间之和，第四时间基于历史时间段内相匹配的子路径中最后一个任务的使用时长得到，第五时间基于历史时间段内相匹配的子路径中最后一个任务到下一个任务的间隔时间得到，以在预测触发操作开始之后启动被预测任务，提供合适的预加载时机，提高被预测任务加载的及时性，并且可推迟被预测任务的预加载时间，减少资源和功耗的浪费。

第三方面，本申请提供一种应用程序处理装置，应用于电子设备中，装置包括：显示单元，用于显示最近任务列表，最近任务列表显示第一内容，第一内容包括电子设备中由用户已经启动的任务；控制单元，用于在获取到用户的清空内存操作后，控制最近任务列表从显示第一内容切换为第二内容，第二内容用于指示电子设备没有启动任务；在获取到用户的第一开启操作后，显示第一任务；在获取到用户的第二开启操作后，显示第二任务，第二任务和第一任务不同，且第二任务的加载时长大于第一任务的加载时长。

第四方面，本申请提供一种应用程序处理装置，应用于电子设备中，装置包括：显示单元，用于显示悬浮标记，悬浮标记显示第三内容，第三内容为电子设备中由用户已经启动的至少一个任务；控制单元，用于在获取到用户的清空内存操作后，控制悬浮标记显示内容为空；在获取到用户的第一开启操作后，显示第一任务，悬浮标记中可显示第一任务的相关内容；在获取到用户的第二开启操作后，显示第二任务，第二任务和第一任务不同，且第二任务的加载时长大于第一任务的加载时长。。

第五方面，本申请提供一种电子设备，包括存储器和处理器，存储器用于存储处理器可执行的指令，处理器执行指令使得电子设备执行上述应用程序处理方法。

第六方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被电子设备的处理器运行时，使得电子设备执行上述应用程序处理方法。

应当理解的是，本申请中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。

附图说明

图1是本申请实施例提供的一种电子设备的结构示意图；

图2是本申请实施例提供的一种电子设备的软件架构示意图；

图3是本申请实施例提供的一种在打开应用时触发预测的场景下UI界面跳转示意图；

图4是图3对应的没有预测和预加载的场景下的UI界面跳转示意图；

图5是本申请实施例提供的一种在返回系统桌面时触发预测的场景下UI界面跳转示意图；

图6是图5对应的没有预测和预加载的场景下的UI界面跳转示意图；

图7是本申请实施例提供的一种在解锁屏幕时触发预测的场景下UI界面跳转示意图；

图8是图7对应的没有预测和预加载的场景下的UI界面跳转示意图；

图9是本申请实施例提供的一种应用程序处理方法的时序图；

图10是本申请实施例提供的一种应用程序处理方法的流程图；

图11是本申请实施例提供的另一种应用程序处理方法的时序图；

图12是本申请实施例提供的路径比对示意图；

图13是本申请实施例提供的再一种应用程序处理方法的时序图；

图14是本申请实施例提供的另一种应用程序处理方法的流程图；

图15是图14所示应用程序处理方法的示意图；

图16是本申请实施例提供的设置悬浮窗的UI界面示意图；

图17是本申请实施例提供的一种触发时机下悬浮球展示预测APP的图标的UI示意图；

图18是本申请实施例提供的另一种触发时机下悬浮球展示预测APP的图标的UI示意图；

图19是本申请实施例提供的在悬浮球内展示预测的服务的图标的UI示意图。

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。以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式，除非其上下文中明确地有相反指示。还应当理解，在本申请实施例中，“一个或多个”是指一个、两个或两个以上；“和/或”，描述关联对象的关联关系，表示可以存在三种关系；例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。

在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。“一种/一些实现方式”“示例性的”“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

本申请实施例涉及的多个，是指大于或等于两个。需要说明的是，在本申请实施例的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。

在本实施例中，电子设备可以预测出的用户可能启动的应用程序，将预测出的应用程序启动所需的资源加载至电子设备的内存中，其中电子设备预测应用程序的方式可以是电子设备统计用户历史时间段内常用的APP，将常用的APP作为预测出的APP。示例性的，常用的APP可以是历史时间段内使用次数最多的APP；示例性的，常用的APP可以是历史时间段内使用次数大于次数阈值的APP。历史时间段可以是历史一周、历史一个月等等，本实施例不对历史时间段进行限定。

基于历史时间段内的使用次数预测出的APP是用户经常使用的APP，用户经常使用的APP不一定是用户即将要使用的APP。例如，用户经常使用的APP包括：淘宝、微信、美团、视频和乘车工具；在用户到达公司上班后，用户将要使用打卡APP和办公APP，用户将要使用的APP与基于历史时间段内的使用次数预测出的APP不一致，因此电子设备基于使用次数预测的APP的准确度低。

为了提高预测的APP的准确度，本实施例提供一种应用程序处理方法，应用程序处理方法可以基于APP的历史使用数据，获取APP与触发动作之间的关联；在电子设备当前监测到一个触发动作后，基于APP与触发动作之间的关联，预测与当前的触发动作匹配的APP。

其中，触发动作可以包括：打开APP、从一个APP返回桌面、屏幕解锁、用户的地理位置发生变化，用户的地理位置至发生变化可以是用户到达特定位置，例如用户到达车站、公司、商场等等。在用户到达不同位置，用户将要打开的APP可能存在一定差异。例如用户到达车站，用户将要打开的APP可能有乘车APP(如乘车码)和购票APP；又例如用户到达公司，用户将要打开的APP可能有打卡APP和办公APP；又例如用户到达商场，用户将要打开的APP可能有支付APP和优惠卷APP。

APP的历史使用数据中可以记录用户在不同地理位置下打开的APP，即APP的历史使用数据中记录有APP与地理位置之间的关联，如将打卡APP与公司相关联，将支付APP与商场相关联。在用户使用电子设备过程中，电子设备在定位到用户所处位置后，电子设备可以从APP的历史使用数据中提取到与当前地理位置相关联的APP，然后基于与当前地理位置相关联的APP，预测与当前地理位置匹配的APP，例如将当前地理位置相关联的APP作为预测出的APP。电子设备基于APP与地理位置之间的关联预测出的APP，是用户即将要使用的APP的可能性较大，从而可以提高预测的APP的准确度。

从上述内容可知，电子设备在监测到任一触发动作后，可基于APP与触发动作之间的关联，预测出当前的触发动作匹配的APP，使预测出的APP与触发动作相关，预测出的APP被打开的可能性较大，提高预测的APP的准确度。

在一些实施例中，电子设备在预测出APP后，从预测出的所有APP中选取TopN个APP，对TopN个APP进行预加载，N为大于等于1的正整数。TopN个APP可以是所有APP中使用概率在前N位的APP，TopN个APP的加载时机可以是监测到触发动作时、触发动作完成、触发动作开始之后中的至少一种时机。以触发动作为打开APP，TopN个APP的加载时机可以是APP打开时、APP关闭时、APP运行过程中的至少一种时机。

请参见图1，示出了本申请实施例提供的一种电子设备的结构示意图，该电子设备用于运行本申请提供的应用程序处理方法。在一些实施例中，该电子设备可以是手机、平板电脑、桌面型、膝上型、笔记本电脑、超级移动个人计算机(Ultra-mobile PersonalComputer，UMPC)、手持计算机、上网本、个人数字助理(Personal Digital Assistant，PDA)、可穿戴电子设备、智能手表等设备。本申请对电子设备的具体形式不做特殊限定。

如图1所示，该电子设备可以包括：处理器，外部存储器接口，内部存储器，通用串行总线(universal serial bus，USB)接口，充电管理模块，电源管理模块，电池，天线1，天线2，移动通信模块，无线通信模块，传感器模块，定位模块，按键，马达，指示器，摄像头，显示屏，以及用户标识模块(subscriber identification module，SIM)卡接口等。其中音频模块可以包括扬声器，受话器，麦克风，耳机接口等，传感器模块可以包括压力传感器，陀螺仪传感器，气压传感器，磁传感器，加速度传感器，距离传感器，接近光传感器，指纹传感器，温度传感器，触摸传感器，环境光传感器，骨传导传感器等。

可以理解的是，本实施例示意的结构并不构成对电子设备的具体限定。在另一些实施例中，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，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理器可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。处理器是电子设备的神经中枢和指挥中心，控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

显示屏用于显示图像，视频、一系列图形用户界面(graphical user interface，GUI)等，如显示预加载的TopN个APP。

定位模块用于定位电子设备的地理位置，定位模块可以采用北斗卫星导航系统、全球定位系统(global positioning system，GPS)等。

外部存储器接口可以用于连接外部存储卡，例如Micro SD卡，实现扩展电子设备的存储能力。外部存储卡通过外部存储器接口与处理器通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。内部存储器可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器通过运行存储在内部存储器的指令，从而执行电子设备的各种功能应用以及数据处理。例如，在本申请中，处理器通过运行内部存储器中存储的指令，使得电子设备执行本申请提供的应用程序处理方法。

天线1和天线2用于发射和接收电磁波信号。电子设备中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。

移动通信模块可以提供应用在电子设备上的包括2G/3G/4G/5G等无线通信的解决方案。无线通信模块可以提供应用在电子设备上的包括无线局域网(wireless local areanetworks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequencymodulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。

电子设备的操作系统可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本申请实施例以分层架构的Android系统为例，示例性说明电子设备的软件结构。图2是电子设备的软件结构框图。分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。以Android系统为例，在一些实施例中，将Android系统分为四层，从上至下分别为应用程序层，应用程序框架层(Framework)，类库层，以及系统内核层(Kernel)。

其中，应用程序层可以包括一系列应用程序包。如图2所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等APP。应用程序框架层为应用程序层的应用程序提供应用编程接口(application programming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。在图2中，应用程序框架层可以包括数据采集模块、数据保存模块、算法模块、预测模块和系统进程管理器。

数据采集模块用于感知APP的运行状态，如应用打开/关闭、前后台切换、安装/卸载等事件。数据保存模块，用于保存用户开启、关闭APP的时间，即APP开启时间、APP关闭时间。算法模块，用于基于APP的历史使用数据，计算APP的使用概率，预测模块用于在触发动作发生后，基于APP的使用概率预测将要使用的APP。如预测模块可以预测出TopN个APP，向系统进程管理器传输该TopN个APP的APP标识。

其中，APP预测的触发动作可以包括如下几种：

(1)当某个APP被打开时，触发APP预测；

(2)当打开桌面时，触发APP预测，例如当从某个APP的界面返回桌面时，触发APP预测；

(3)当检测到屏幕解锁操作时，触发APP预测事件。

APP预测可以根据实际需求设置，除上述三种触发时机外，还包括其他触发时机，例如，按照预设时间间隔触发APP预测等，此处不再一一详述。

系统进程管理器用于将TopN个APP中的至少一个APP的启动资源加载至系统内存，这样，当用户打开该APP时，因为在打开该APP之前已经提前完成该APP的资源加载过程，所以用户打开该APP时，能够直接展示该APP的UI界面，实现用户零等待。

系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(Media Libraries)，三维图形处理库(例如：OpenGL ES)，2D图形引擎(例如：SGL)等。

内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。例如预测模块在预测出TopN个APP后，预测模块可以将预测出TopN个APP的APP标识发送给显示驱动，显示驱动可驱动显示屏显示至少一个APP标识，显示屏可以以悬浮球形式显示APP标识。

在一种场景下，电子设备预加载APP后，电子设备的前台界面维持不变，当用户打开智能预加载的APP时，电子设备可以展示预加载的APP的UI界面，在一些示例中，电子设备还可以展示预加载的APP在上一次退出时的界面。

在另一种场景下，电子设备在悬浮球内展示预加载的APP的图标。用户点击悬浮球内展示的图标，直接展示预加载的APP的UI界面。

实施例一

本实施例将详细介绍，电子设备预加载APP后电子设备的前台界面维持不变的场景下，应用程序的预测过程以及预加载过程。

首先，结合图3～图8说明不同触发事件下进行APP预测，UI界面的变化过程。

(1)APP被打开时触发APP预测

例如，如图3所示，用户点击微信APP的图标后，展示微信APP的UI界面，与此同时，电子设备监测到微信APP图标被触发的操作，电子设备以微信APP打开作为触发事件，开始进行APP预测。如电子设备基于APP的历史使用数据，发现视频APP与微信APP的关联很大，电子设备可以预测出用户接下来可能会打开视频APP，电子设备在后台智能加载视频APP对应的启动资源，这样，当用户打开视频APP时，即如图3中的(3)所示的点击视频APP的图标的操作，显示屏直接展示视频APP的UI界面，从而实现智能预加载应用程序，在用户打开视频APP之前完成了视频APP的启动资源预加载过程，将用户等待视频APP启动的时间降至零，提高了用户体验。

从图3所示可知，在用户点击微信APP的图标之前，电子设备的后台无运行的APP，在用户打开微信APP之后，电子设备后台运行的APP包括微信APP和视频APP，可见，视频APP并非一直运行在后台的应用，而是在打开微信APP之后后台预加载的，且后台预加载时用户没有执行打开视频APP的操作，是电子设备在用户无感知的情况下自动预加载至后台的。

图4示出了电子设备没有进行APP预测及预加载的场景，如图4中的(1)所示，用户打开微信APP的操作，没有触发APP预测，从而电子设备没有预测到用户接下来会打开视频APP，更没有预加载视频APP的启动资源。当用户打开视频APP时，如用户点击视频APP的图标，电子设备首先加载视频APP所需的启动资源，在等待资源加载的过程中，显示屏显示等待启动的界面，如图4中的(5)所示，加载完成后，显示屏显示视频APP的UI界面。

与图4所示相比，在图3中用户打开视频APP时，电子设备没有等待视频APP加载的过程，将用户等待APP启动时间将至零，提高了用户体验。

此外，在一些实施例中，系统后台可以直接预加载用户上一次使用视频APP时对应的页面，此种情况下可以直接在显示屏上显示用户上一次退出视频APP时对应的页面，如图3中的(4)所示，直接展示用户上一次观看的视频对应的播放界面。

在另一些实施例中，电子设备的后台可以预加载某一APP对应的首页的页面资源。预加载APP的页面资源可以根据用户的需求设置，本申请对此不做限定。

(2)打开桌面时，触发APP预测

图5示出在桌面时预测APP，预测的APP被预加载，这样在预测的APP被打开时减少等待时间，其中用户打开桌面时预测可以是从一个APP返回桌面，也可以是解锁电子设备进入到桌面。如图5中的(1)所示，当用户打开桌面时，触发APP预测，预测出用户接下来可能打开视频APP，并在后台加载视频APP对应的启动资源。如图5中的(2)所示，当用户点击视频APP图标时，显示屏直接显示该视频APP的UI界面。

从视频APP的UI界面返回到桌面，电子设备可以再次预测APP，如果在打开桌面后打开拍照APP，因为拍照APP没有被预加载，所以在打开拍照APP时需要等待一段时间，电子设备才会显示拍照APP的界面，如图5的(4)至(7)所示。

图6示出在桌面时没有预测，对APP没有预加载过程，在用户打开视频APP时用户需要等待电子设备加载视频APP的资源。与图6所示相比，图5所示的过程中，在用户打开视频APP之前，电子设备预加载了视频APP的启动资源，因此，用户打开视频APP时，能够直接展示该视频APP的UI界面，用户无需等待视频APP加载启动资源。

(3)屏幕解锁操作时，触发APP预测

当用户解锁屏幕时(如图7中的(1)所示的解锁操作)，预测出用户接下来可能打开视频APP，并在后台智能预加载视频APP的启动资源。如图7中的(2)所示，当用户点击视频APP的图标时，直接展示视频APP的UI界面，UI界面的展示如图7中的(3)所示。

与图8所示的没有进行APP预测和预加载相比，图7所示过程，节省了用户等待视频APP加载启动资源的时间，将用户等待APP启动的时间降至零，提高了用户体验。

由上述内容可知，为了使用户开启APP时实现零等待，电子设备可以基于APP与触发事件之间的关联，准确预测出用户在未来一段时间内可能会打开的APP，将预测出的APP所需的资源提前加载至内存中。下面结合附图对预测APP的过程进行说明，其中图9示出了本实施例提供的一种应用程序处理方法，图9所示应用程序处理方法以APP打开为触发事件，基于APP之间的关联预测APP，可以包括以下步骤：

S101、数据采集模块采集APP的开始时间和关闭时间。当用户打开、退出(即关闭)、前/后台切换、安装、卸载APP时，产生相应的事件，如APP开启事件、APP退出事件、APP切后台事件等，数据采集模块可以感知到此类事件，通过感知此类事件确定APP的运行状态。

例如，当感知到某一APP被打开或退出的事件后，数据采集模块可以记录该APP的开启时间和APP的关闭时间。

S102、数据采集模块将APP的开始时间和关闭时间发送给数据保存模块。

S103、数据保存模块保存APP的开始时间和关闭时间，对APP的使用次数加一。

数据保存模块每次接收到APP的开始时间和关闭时间，可以对该APP的使用次数加一，以统计该APP总的使用次数。数据保存模块可以按照时间顺序记录用户使用每个APP的时间信息，同一个APP的时间信息可以记录在同一个区域中，如记录在同一个表格中。

在本实施例中，数据采集模块在APP运行过程中可以感知到APP的相关事件，记录APP相关事件的发生时间，如记录APP的打开时间和关闭时间，这些时间信息可以发送给数据保存模块，由数据保存模块保存APP的时间信息，并可以对APP的使用次数进行加一操作，以统计出APP总的使用次数，从而实现对APP使用的实时监控。

S104、算法模块从数据保存模块中获取历史时间段内使用的APP的开始时间、APP的关闭时间和APP的使用次数。

在一些示例中，算法模块可以每间隔预设时间从数据保存模块中获取APP的历史使用数据；在另一些示例中，算法模块可以不定期地从数据保存模块中获取APP的历史使用数据。APP的历史使用数据包括在历史时间段内的该APP的开始时间、关闭时间和使用次数，此处的使用次数是历史时间段内总的使用次数。算法模块可以主动从数据保存模块中获取APP的历史使用数据，也可以由数据保存模块主动向算法模块发送APP的历史使用数据。

历史时间段可以根据实际需求选取，例如，最近一个月，或最近20天，或最近两周内，算法模块可以获取历史时间段内使用过的所有APP的历史使用数据。如历史时间段是最近一个月，算法模块获取用户在最近一个月内每一天使用的所有APP，以及对应的时间信息。每一天使用的所有APP按开启时间先后顺序排列。

在本实施例中，算法模块可以获取APP在两个历史时间段下的历史使用数据，如两个历史时间段分别是第一历史时间段和第二历史时间段，第一历史时间段的时长大于第二历史时间段的时长，APP在第一历史时间段下的历史使用数据反映用户长期使用APP的习惯，APP在第二历史时间段下的历史使用数据反映用户近期使用APP的习惯，以在APP预测时兼顾到长期使用习惯和近期使用习惯。

例如第一历史时间段可以是一个全量时间窗口，如第一历史时间段可以是从电子设备开始使用至今的时间段；第二历史时间段可以是部分时间窗口，如第二历史时间段可以是最近两周等。

S105、算法模块以历史时间段内一个APP为源APP，将开始时间晚于源APP的关闭时间的APP作为备选APP。

算法模块在获取历史时间段下所有APP的历史使用数据后，以历史时间段一个APP作为源APP，以开始时间晚于源APP的关闭时间的APP作为备选APP，备选APP可以视为用户在打开源APP后下一个被打开的APP，从而使源APP和备选APP可以是存在关联关系的两个APP。

在本实施例中，以因果关联APP序列表示源APP和备选APP之间的关联关系，APP(A1)关闭后在一定时间范围内打开了新的APP(A2)，可以认为A1→A2是一个有序的因果关联APP序列，其中A1为因APP或源APP，A2为果APP或备选APP，在因果关联APP序列中源APP和备选APP可以通过APP标识表示。

其中A2不一定是下一个，更能够反映未来短时间内可能打开的APP。例如电子设备设置一个预设的间隔时间，源APP(A1)关闭后在间隔时间内打开的APP可作为A2。举例说明，用户某一天上午使用了5个APP，具体的，7:00打开了APP1并在7：10关闭了APP1，7:30打开了APP2，8:00打开了APP3，11:00打开了APP4并在11：20关闭了APP4，11:30打开了APP5，预设的间隔时间为30分钟，则基于5个APP的打开时间和关闭时间，可以这5个APP之间存在如下的关联关系：

APP1→APP2、APP4→APP5。

假如7：40打开了APP6，则APP1和APP6之间也是存在关联关系的APP，即存在APP1→APP6，也就是说对每个源APP来说，在每个源APP关闭的间隔时间内打开的所有APP可以作为该源APP的备选APP，该源APP的所有备选APP不一定是在该源APP之后打开的下一个APP。

此外，本实施例还可以按照两个APP的开始时间来确定两者是否具有关联关系，即是否构成一个因果关联APP序列，同样的电子设备也设置一个预设的间隔时间，如同样是30分钟，则上述5个APP之间存在如下的关联关系：

APP1→APP2、APP2→APP3、APP4→APP5。同样的以打开时间得到因果关联APP序列时，源APP的所有备选APP不一定是在该源APP之后打开的下一个APP。

S106、算法模块基于备选APP的使用次数，计算每个备选APP的基础概率和每个备选APP的转移概率。

备选APP的使用次数是备选APP在历史时间段内总的使用次数，表示用户打开备选APP的次数，每个备选APP的基础概率用于表示备选APP在历史时间段内被使用的概率。算法模块可以以每个备选APP为单位，基于备选APP的使用次数和所有备选APP的使用次数，计算每个备选APP的基础概率。具体的，每个备选APP的基础概率D_{base_prob}＝D_{base_no}/D_{base_no_all}，D_{base_no}是备选APP的使用次数，D_{base_no_all}是所有备选APP的使用次数之和。

每个备选APP的转移概率用于表示在历史时间段内从一个源APP转移至备选APP的概率，源APP转移至备选APP表示用户在打开源APP后又打开了备选APP。如果多个源APP可能转移至一个备选APP，对每个源APP至备选APP的转移，算法模块分别计算不同源APP转移至备选APP的概率。备选APP的转移概率可基于从源APP至备选APP的转移次数得到，上述因果关联APP序列指示出了从源APP至备选APP的转移，算法模块可以在得到一个源APP至一个备选APP的因果关联APP序列后，将其转移次数初始化为1，如果再次得到相同的因果关联APP序列，则转移次数进行加一操作，得到历史时间段内该因果关联APP序列总的转移次数D_{transfer_no}。

算法模块可以以每个备选APP为单位，基于备选APP的转移次数和所有备选APP的转移次数，计算每个备选APP的转移概率。具体的，每个备选APP的转移概率D_{transfer_prob}＝D_{transfer_no}/D_{transfer_no_all}，D_{transfer_no_all}是所有备选APP的转移次数之和。

S107、算法模块将同一个备选APP的转移概率减去基础概率，得到该备选APP的增益分值。之所以增益分值＝备选APP的转移概率减去备选APP的基础概率，是因为某个备选APP的基础概率很高，使得该备选APP的转移概率，难以客观地反映由一个源APP打开引起备选APP打开，所以减去备选APP的基础概率来客观地反映由于源APP打开引起备选APP打开的可能性的提升。

如一般APP→微信的转移概率都会很高，这是因为微信自身的基础概率就很高，减去后反映了由于一般APP打开引起微信打开的可能性的提升。

上述步骤S104至步骤S107是预处理阶段，算法模块可以在预测APP之前，提前计算出每个备选APP的增益分值。如果算法模块获取两个历史时间段下APP的历史使用数据，那么算法模块可以分别针对两个历史时间段，计算每个备选APP的增益分值。例如算法模块可以全量时间窗口下APP的历史使用数据和最近两周的APP的历史使用数据，则算法模块可以计算出全量时间窗口下每个APP的增益分值和最近两周内每个备选APP的增益分值。

S108、数据采集模块将APP标识发送给预测模块。在本实施例中，数据采集模块感知到某个APP运行(如打开)，数据采集模块将该APP的APP标识发送给预测模块，触发预测模块进行APP预测，APP标识作为APP的身份标识，用于与其他APP进行区分，在本实施例中APP标识可以是APP的名称等。

除了以APP运行触发预测模块进行APP预测之外，本实施例还可以采用其他方式触发，如当检测到用户的解锁操作后，触发APP预测，或者，当检测到电子设备从某个APP的界面返回桌面时，触发APP预测，或者，还可以按预设时间间隔触发APP预测，此处不再一一详述。

S109、预测模块从算法模块中获取与APP标识关联的备选APP的增益分值。

预测模块可以将APP标识发送给算法模块，算法模块可以从所有因果关联APP序列中查找到以APP标识为源APP的因果关联APP序列，查找到的因果关联APP序列中的备选APP是与APP标识关联的备选APP。并且算法模块已经计算出与APP标识关联的备选APP的增益分值，算法模块可以向预测模块发送与APP标识关联的备选APP的增益分值。

S110、预测模块从与APP标识关联的备选APP中，选取增益分值排序在前N位的目标APP。增益分值排序在前N位的目标APP是所有备选APP中增益分值最大的前N位备选APP。

如果算法模块对每个备选APP，计算两个历史时间段下的增益分值，预测模块在可以得到一个备选APP的两个增益分值，预测模块可以对一个备选APP的两个增益分值进行加权处理或平均处理，得到备选APP的目标增益分值，基于备选APP的目标增益分值选取排序在前N位的目标APP。当然预测模块还可以选取增益分值大于次数阈值的备选APP为目标APP，或者选取增益分值在一定范围内的备选APP为目标APP。

S111、预测模块向系统进程管理器发送前N位的目标APP。

S112、系统进程管理器预加载前N位的目标APP。

系统进程管理器可以预加载其中的一个或多个目标APP启动所需的资源。例如，可以只预加载下一个打开的目标APP的资源；又如，可以预加载多个目标APP的资源，如预测到3个目标APP，系统进程管理器可以预加载这3个目标APP的资源。

在本实施例中，系统进程管理器预加载目标APP时可基于后台运行的APP数量，如后台可运行的APP数量为M个，当前已运行P个，后台还可以再运行(M-P)个。如果(M-P)大于等于N，系统进程管理器可以预加载N个目标APP；如果(M-P)小于N，系统进程管理器可预加载(M-P)个目标APP，(M-P)个目标APP可以是N个目标APP中增益分值最大的，又或者系统进程管理器可以关闭当前后台运行的一些APP，然后预加载N个目标APP。M为大于1的整数，P为大于等于1的整数，且M大于P。

本实施例中对预加载的具体过程以及所加载的资源不做限定，例如，为APP分配相应的硬件资源，并基于该硬件资源加载启动该APP所需的相关数据，如，可以包括进程启动、服务启动、内存分配、文件内容读取、网络数据获取、UI界面渲染等。下面结合一个示例进行说明，当数据采集模块检测到用户点击微信时，触发预测模块进行APP预测。预测模块从算法模块中获取与微信关联的备选APP的增益分值，例如获取到知乎、百度、淘宝、支付宝、抖音等备选APP的增益分值。

预测模块从这些备选APP中确定知乎、百度和淘宝为目标APP，预测模块可以将知乎、百度和淘宝的APP标识发送给系统进程管理器，由系统进程管理器进行预加载。

例如，系统进程管理模块可以预加载知乎对应的启动资源，如果用户在未来30分中内打开知乎，因为知乎的启动资源已经预加载至内存，所以不需要等待启动资源加载过程，直接展示知乎的UI界面，实现用户零等待。

又如，系统进程管理器预加载序列中前三个APP，即知乎、百度和淘宝的启动资源。这样，如果用户在未来30min内打开知乎、百度和淘宝中的任一个APP时，都无需等待启动资源加载，直接展示该APP的UI界面。

上述应用程序处理方法中，数据采集模块在监测到打开APP后，可基于与当前打开APP关联的备选APP的增益分值，从与当前打开APP关联的备选APP中选取目标APP；其中当前打开APP关联的备选APP是在历史时间段下与当前打开APP存在关联关系的APP，即历史时间段下在打开APP后可能被打开的APP。因为一个用户的APP使用习惯是有一定规律，那么在历史时间段下被打开的其他APP可能仍会在当前APP打开之后继续被打开，意味着基于关联的备选APP的增益分值选取的目标APP被打开的可能性较大，提高预测的APP的准确度。并且当前打开的APP不同，预测模块预测出的目标APP也可能不同，体现了当前打开的APP的影响，而统计常用的APP发生变化的可能性较小。

并且上述应用程序处理方法可以以历史时间段内APP的历史使用数据，如打开时间、关闭时间和使用次数为基础，基于算法模块计算出的备选APP的增益分值进行APP预测，在整个APP预测过程中省去采集和存储大量的模型训练数据。

在以复杂的机器模型进行APP预测之前，复杂的机器模型以大量的模型训练数据训练得到，如通过APP的历史使用数据、地理位置、天气和时间等构造模型训练数据，模型训练数据可以包括：APP次数、工作日、非工作日、当前时间、电子设备的电量、WiFi、最近X小时(如一小时)内常用APP、用户年龄和状态，这些模型训练数据以q-d对形式存储，存储空间成倍增加，因此对于性能较差的电子设备因采集和存储能力有限使其也很难训练复杂的机器模型，在采集和存储大量模型训练数据过程中，电子设备的功耗被提高且模型训练数据的数据量不够时很难训练出机器模型，本实施例在提高预测的APP的准确度同时相对于机器模型预测APP来说，内存和功耗降低。

此外，上述图9所示应用程序处理方法，算法模块可以提前计算备选APP的增益分值，这样预测模块可以在获取到APP标识后，可以直接使用算法模块中备选APP的增益分值，提高效率。本实施例还可以采用其他形式，如预测模块在获取到APP标识后，触发算法模块查找与APP标识相关联的备选APP，计算备选APP的增益分值。虽然预测模块增加了增益分值的获取时长，但是算法模块可以省去计算所有备选APP的增益分值，降低了算法模块的工作量。

实施例二

用户对APP的使用习惯可能还与用户所处地理位置相关，如用户到达车站时，用户打开乘车APP(如乘车码)和购票APP的概率大；又例如用户到达公司，用户打开打卡APP和办公APP的概率大；又例如用户到达商场，用户打开支付APP和优惠卷APP的概率大。

在本实施例中，预测模块可综合考虑用户所处地理位置和当前打开的APP，其流程如图10所示，数据采集模块可以监测到当前使用的APP，定位模块可以获取当前地理位置；算法模块可以计算出与当前使用的APP相关联的备选APP的增益分值，以及备选APP在当前地理位置被使用的地理增益分值；预测模块可以判断用户在当前地理位置的持续时长是否大于阈值，如果持续时长小于阈值，预测模块可以基于备选APP的增益分值和地理增益分值，计算综合增益分值，并利用综合增益分值进行APP预测；如果持续时长大于或等于阈值，预测模块可以利用备选APP的增益分值进行APP预测。

详细过程可以参见图11，图11示出了本实施例提供的另一种应用程序处理方法的时序图，可以包括以下步骤：

S201、数据采集模块采集APP的开始时间、APP的关闭时间和地理位置。

S202、数据采集模块将APP的开始时间、APP的关闭时间和地理位置发送给数据保存模块。

S203、数据保存模块保存APP的开始时间、APP的关闭时间和地理位置，对APP的使用次数加一。

S204、算法模块从数据保存模块中获取历史时间段内使用的APP的开始时间、APP的关闭时间、地理位置和APP的使用次数。

S205、算法模块以历史时间段内一个APP为源APP，将开始时间晚于源APP的关闭时间的APP作为备选APP；以地理位置为源对象，将在该地理位置使用的APP作为备选APP。

S206、算法模块基于备选APP的使用次数，计算每个备选APP的基础概率和每个备选APP的转移概率、每个APP的地理位置转移概率。

S207、算法模块将同一个备选APP的转移概率减去基础概率，得到该备选APP的增益分值；将同一个备选APP的地理位置转移概率减去基础概率，得到地理位置增益分值。

S208、数据采集模块将地理位置、APP标识和地理位置持续时长发送给预测模块。

S209、预测模块从算法模块中获取与APP标识关联的备选APP的增益分值和地理位置增益分值。

S210、预测模块判断地理位置持续时长是否大于阈值，如果大于阈值执行步骤S211，如果小于或等于执行步骤S212。

S211、预测模块从与APP标识关联的备选APP中，选取增益分值排序在前N位的目标APP。

S212、预测模块基于备选APP的增益分值和地理位置增益分值，从与APP标识关联的备选AAP和地理位置关联的备选APP中选取排序在前N位的目标APP。

S213、预测模块向系统进程管理器发送前N位的目标APP。

S214、系统进程管理器预加载前N位的目标APP。

相对于上述图9所示应用程序处理方法的不同之处在于，图11所示应用程序处理方法引入了地理位置这一参数，因为用户所处地理位置不同可能导致用户打开的APP不同，由此数据采集模块在监测到APP运行时还获取用户的地理位置，用户的地理位置可以由定位模块得到，定位模块可以集成在数据采集模块中，也可以是一个独立模块，向数据采集模块发送用户的地理位置。

数据采集模块进一步向数据保存模块发送用户的地理位置，即数据采集模块发送的APP的历史使用数据中包括用户的地理位置，这个地理位置是用户打开APP时所处的地理位置；算法模块在计算备选APP的增益分值时还计算备选APP的地理位置增益分值；预测模块可综合考虑备选APP的增益分值和地理位置增益分值进行APP预测。下面对算法模块计算备选APP的地理位置增益分值进行说明：

算法模块在获取历史时间段下所有APP的历史使用数据后，从APP的历史使用数据中提取出APP标识和用户打开该APP时所处的地理位置，得到地理位置到APP的地理因果关联序列，记为地点→APP，确定用户在该地点打开该APP的概率大。如家→智能家居，说明用户在家里极大可能打开智能家居APP。

算法模块在得到地理因果关联序列时，可以参考用户在打开APP时在地理位置的持续时长，如果持续时长小于或等于阈值，得到地理位置到APP的地理因果关联序列，即用户到达某一地理位置LOC后一段时间内打开的APP A1，就认为LOC→A1是地理因果关联序列，否则忽略该地理位置LOC。注意地理因果关联序列中的备选APP可以是用户在到达该地理位置打开的第一个APP，也可以是在持续时长内打开的所有APP。

在得到地理因果关联序列过程中，算法模块可以计算从同一个地理位置到同一个备选APP的地理转移次数，然后基于地理转移次数，计算地理位置转移概率。

具体的，每个备选APP的地理位置转移概率D_{transfer_loc_prob}＝D_{transfer_loc_no}/D_{transfer_loc_no_all}，D_{transfer_loc_no}是地理转移次数，D_{transfer_loc_no_all}是所有地理转移次数之和，以通过地理位置转移概率表示在历史时间段内在一个地理位置打开备选APP的概率。将同一个备选APP的地理位置转移概率减去基础概率，得到地理位置增益分值，这样操作也是考虑了某个备选APP的基础概率很高对地理位置增益分值的影响。

预测模块在进行APP预测时，首先确定在地理位置的持续时长是否大于阈值，如果大于阈值，说明用户已经到达该地理位置有一段时间，既然在这段时间内没有打开与地理位置关联的APP，说明用户打开该APP的可能性降低，因此这种情况下可以忽略将与地理位置关联的APP作为预加载对象。例如用户已经到达上班地点，到达后经过时间超过其打卡时间，则不再将打卡APP作为预加载对象。此时预测模块忽略地理位置增益分值，直接基于备选APP的增益分值进行APP预测，其过程请参见图9中说明。如果持续时长小于或等于阈值，预测模块可以综合考虑备选APP的增益分值和地理位置增益分值。

一种方式是：预测模块基于备选APP的增益分值和地理位置增益分值，得到综合增益分值，从与APP标识关联的备选AAP和地理位置关联的备选APP中选取排序在前N位的目标APP。

如预测模块计算备选APP的增益分值和地理位置增益分值的平均值，平均值作为综合增益分值；又例如预测模块对备选APP的增益分值和地理位置增益分值进行加权处理，加权处理可以分别为备选APP的增益分值和地理位置增益分值分配一个权重，以加权求和形式得到综合增益分值。权重可随意分配取值，又或者地理位置增益分值的权重大于备选APP的增益分值，这是因为在持续时长小于或等于阈值时，打开与地理位置关联的备选APP的可能性大，通过分配较大权重的方式提高其在综合增益分值中的占比。例如家庭、公司、商场中，智能家居APP、打卡APP和会议APP、支付APP和餐饮APP被打开的可能性高，可以适当增加这些地理位置下备选APP的地理增益分值的权重。

在一些示例中，地理位置关联的备选APP可以是与APP标识关联的备选APP中的至少部分，如地理位置关联的备选APP可以是在该地理位置使用的、开始时间晚于源APP的关闭时间的APP，源APP是APP标识指向的APP；在另一些示例中，在确定与APP标识关联的备选APP后，从算法模块中获得这些备选APP的地理位置增益分值，预测模块基于备选APP的增益分值和地理位置增益分值，从与APP标识关联的备选AAP中选取排序在前N位的目标APP；在另一些示例中，预测模块可以分别以APP标识和地理位置为参照，从算法模块中获取APP标识关联的备选APP的增益分值和地理位置关联的备选APP的地理位置增益分值，从APP标识关联的备选APP和地理位置关联的备选APP中选取目标APP。

例如APP标识指向APP1，APP标识关联的备选APP包括：APP2、APP3、APP4和APP5，地理位置关联的备选APP包括：APP4、APP5、APP6和APP7，预测模块可以从算法模块中获取到APP2至APP5的增益分值，获取到APP4至APP7的地理位置增益分值，对APP2至APP7计算出综合增益分值，其中APP2和APP3的地理位置增益分值可以是0，同样的APP6和APP7的增益分值可以是0。预测模块基于综合增益分值，从APP2至APP7中选取出目标APP。

下面结合一个示例进行说明，当数据采集模块检测到用户点击微信时，触发预测模块进行APP预测。预测模块从算法模块中获取与微信关联的备选APP的增益分值，例如获取到美团、淘宝、支付宝(进一步可以是支付宝中的饿了么)、抖音等备选APP的增益分值。并且预测模块知道用户当前所处位置为商场，预测模块从算法模块中获取与微信关联的美团、支付宝(进一步可以是支付宝中的饿了么)和滴滴等备选APP的地理位置增益分值。

预测模块确定用户到达商场时间很短，那么预测模块可基于地理位置增益分值和备选APP的增益分值计算出综合增益分值，其中美团和支付宝的综合增益分值最高，预测模块可向系统进程管理模块推送美团和支付宝。

上述应用程序处理方法中，数据采集模块在监测到打开APP后，可基于与当前打开APP和当前用户所处地理位置，触发预测模块进行APP预测，使预测模块可以在考虑当前打开APP对将要打开APP的影响基础上，考虑地理位置对将要打开APP的影响。因为用户在不同地理位置下打开的APP有所不同，引入地理位置可提高预测的APP的准确度。并且电子设备可以基于用户当前所处地理位置进行APP预测，电子设备省去向云端服务器发送用户的地理位置，保护用户隐私被泄露，提高隐私安全性。

实施例三

实施例一中的预测模块可以基于备选APP的增益分值进行APP预测，实施例二中的预测模块可以在实施例一基础上引入地理位置增益分值，但是实施例一和实施例二预测出的是用户常用的与某个APP或地理位置存在关联关系的APP，即上述实施例一和实施例二针对的是用户比较常用的APP使用习惯。对于用户使用次数少但存在周期性使用规律的APP使用习惯，通过实施例一和实施例二很难进行预测。

例如每个月15号发工资，用户打开银行APP(工资卡的发卡行)查看是否发工资，然后打开还房贷APP(另一个银行APP，房贷是该行发放)查看所还房贷金额，再打开公积金APP查看公积金的余额，房贷还完后，用户可能去购物或享用美食，则用户打开购物APP/美食APP等，但是因为用户只在每个月15号进行上述操作，在其他时间段很少进行上述操作，所以上述APP之间的关联关系在历史时间段内出现的次数较少，如果按照实施例一和实施例二进行APP预测很难预测出。并且对于不同用户来说，周期性使用规律的APP使用习惯有所差异，如有的用户是月末周六、周三晚上、有些用户还会过纪念日，如一年中某个纪念日，不用用户的纪念日可能不同，对于这些情况，采用上述实施例一和实施例二进行预测存在一定难度。

为此本实施例示出了再一种应用程序处理方法，该应用程序处理方法基于当前的因果关联路径与历史因果关联路径之间的关系，进行APP预测。当前的因果关联路径和历史因果关联路径是通过多个因果关联APP序列得到，图12示出了当前的因果关联路径(虚线)和历史因果关联路径(实线)，从图12可知，当前的因果关联路径与历史因果关联路径中的部分路段重叠，虽然应用5和应用6不完全相同，但是两个应用的类型相同，可视为当前的因果关联路径与历史因果关联路径中的部分路段(称为子路径)是相似的，历史因果关联路径是具有周期性使用规律的，如在每个月15号可以得到图12中的历史因果关联路径，因此在当前的因果关联路径与历史因果关联路径中的子路径相似时，预测模块可以基于相似的子路径进行APP预测，如预测模块可以将应用7作为目标APP。详细流程请参见图13所示，可以包括以下步骤：

S301、数据采集模块采集APP的开始时间和关闭时间。

S302、数据采集模块将APP的开始时间和关闭时间发送给数据保存模块。

S303、数据保存模块保存APP的开始时间和关闭时间。

S304、算法模块从数据保存模块中获取历史时间段内使用的APP的开始时间和关闭时间。

S305、算法模块以历史时间段内一个APP为源APP，将开始时间晚于源APP的关闭时间的APP作为备选APP。

S306、算法模块基于源APP和备选APP，确定历史时间段内存在周期性使用规律的历史因果关联路径。

在本实施例中，历史因果关联路径是由多个APP组成的有向序列。算法模块在得到源APP和备选APP后，源APP和备选APP为一个APP组，一个APP组中的备选APP可能是另一个APP组中的源APP，同样的一个APP组中的源APP可能是另一个APP组中的备选APP，因此算法模块可以通过不同APP组中源APP和备选APP，将不同组中的APP建立联系，得到历史因果关联路径。

例如一个APP组包括：APP1和APP2，APP1是源APP、APP2是备选APP；另一个APP组包括：APP2和APP3，APP2是源APP，APP3是备选APP；再一个APP组包括：APP3和APP4，APP3是源APP、APP4是目标APP；再一个APP组包括：APP4和APP5，APP4是源APP、APP5是目标APP；则算法模块可得到一个历史因果关联路径：APP1→APP2→APP3→APP4→APP5。

算法模块还可以基于历史因果关联路径中APP的开始时间和关闭时间，确定历史因果关联路径是否具有周期性使用规律；如果基于历史因果关联路径中APP的开始时间和关闭时间，确定历史因果关联路径每间隔一段时间发生，且每次发生时间相同或相近，则确定历史因果关联路径是存在周期性使用规律的历史因果关联路径。

例如基于APP的开始时间和关闭时间，确定每间隔一个月发生，且每次发生在每个月的15号，则确定历史因果关联路径是一条存在周期性使用规律的历史因果关联路径。本实施例中算法模块还可以统计每条历史因果关联路径的出现次数。

S307、数据采集模块在监测到APP运行时，数据采集模块通过数据保存模块将当前运行的APP标识和APP的开始时间发送给算法模块。此处的发送可以是实时同步的。

S308、算法模块基于APP标识和APP的开始时间，以APP标识指向的APP为备选APP，确定该备选APP的源APP，基于该备选APP和其源APP，得到当前运行APP所在的因果关联路径。

数据采集模块在监测到APP运行时可触发APP预测。进行APP预测之前，算法模块对当前运行APP所在的因果关联路径进行定位，以得到其所属因果关联路径，这样算法模块可以基于当前运行APP所在的因果关联路径和历史因果关联路径，得到与当前运行APP所在的因果关联路径相似的历史子路径。

在本实施例中，算法模块将APP标识指向的APP为备选APP，找到该备选APP的源APP，然后将该备选APP的源APP作为另一个备选APP，再向前查找另一个源APP，以此类推直至查找不到源APP。算法模块将查找到的所有APP，基于源APP和备选APP的关系，建立以APP标识指向的APP为最后一个APP的因果关联路径，该因果关联路径即是当前运行APP所在的因果关联路径。

例如算法模块以APP标识指向的APP为备选APP，向前依次查找到APP1、APP2、和APP3，则当前运行APP所在的因果关联路径是：APP1→APP2→APP3→当前运行APP。

S309、算法模块从历史因果关联路径中，得到与当前运行APP所在的因果关联路径相似的子路径。

在本实施例中，对当前运行APP所在的因果关联路径匹配相似的子路径是因为：当前运行APP所在的因果关联路径可能是某条历史因果关联路径中的一段，历史因果关联路径中的剩余部分在计算两条路径相似度时可能会对相似度造成影响，导致直接采用历史因果关联路径匹配时相似度的准确度降低，从而影响预测的准确度。为此本实施例对历史因果关联路径进行拆分，得到多条子路径，然后查找子路径中与当前运行APP所在的因果关联路径相似的子路径。

拆分历史因果关联路径是为了提高计算速度，以当前路径作为当前运行APP所在的因果关联路径的简称，一种拆分方式如下：

(1)选取包含当前路径预设数量APP的历史因果关联路径，如果没有选取到结束流程，如果选取到执行(2)；其中预设数量可以是总数量的85％，也可以是其他取值，此处不再赘述；在(1)选取历史因果关联路径时以包含APP数量为准，没有考虑APP之间的关联关系(即源APP和备选APP的关系是否正确)；当然为了进一步保证准确度降低计算的数据量，可以参考APP之间的关联关系；

(2)对(1)中选取到的历史因果关联路径进行二次选取，选取出现次数小于预设次数阈值的历史因果关联路径，如果没有结束流程；如果选取到执行(3)；其中预设次数阈值是用于确定历史因果关联路径是一个存在周期性使用规律且出现次数较少的路径，算法模块在获得历史因果关联路径时可以对其是否具有使用规律以及出现次数进行判断，如果已经判断，(2)作为一个可选步骤；

(3)对选取到的每条历史因果关联路径，遍历选取出历史因果关联路径中每个与当前路径长度相同(即APP数量相同)的子路径；

(4)获得每个子路径的特征向量和当前路径的特征向量，基于每个子路径的特征向量和当前路径的特征向量，得到每个子路径与当前路径之间的相似度；

(5)将相似度大于相似度阈值的子路径作为与当前路径相似的子路径；如果没有得到与当前路径相似的子路径，结束流程。

在本实施例中，预设数量、预设次数阈值和相似度阈值可根据实际需求来设置取值，本实施例不再详述。

S310、算法模块向预测模块发送与当前运行APP所在的因果关联路径相似的子路径和相似的子路径所在的历史因果关联路径。

S311、预测模块基于相似的子路径和相似的子路径所在的历史因果关联路径，预测出目标APP。预测模块可以将历史因果关联路径中在相似的子路径之后出现的APP作为目标APP，进一步的将之后出现的使用次数大于使用次数阈值的APP作为目标APP。其中之后出现的APP可以是一段时间之后出现的APP，如一小时之后出现的所有APP，也可以是之后出现的下一个APP等。

如果预测模块基于之后出现的APP没有预测出目标APP，可以将历史因果关联路径中的最后一个APP作为目标APP。当然还可以采用其他方式进行预测，本实施例不再一一阐述。

除了以相似的子路径所在的历史因果关联路径进行APP预测之外，算法模块还可以直接计算历史因果关联路径与当前路径之间的相似度，如获得路径中每个APP的特征向量，基于历史因果关联路径中所有APP的特征向量和当前路径中所有APP的特征向量，计算两条路径之间的相似度，基于两条路径之间的相似度，得到与当前路径相似的历史因果关联路径；然后预测模块基于与当前路径相似的历史因果关联路径预测目标APP。其方式可以是从相似的历史因果关联路径中确定在当前路径之后出现的APP，从之后出现的APP中预测出目标APP。

S312、预测模块向系统进程管理器发送前N位的目标APP。

S313、系统进程管理器预加载前N位的目标APP。

结合实例说明，假如当前路径是：招行APP→中行APP→公积金APP→京东APP，；算法模块基于“选取包含当前路径预设数量APP的历史因果关联路径”的原则，查找到一条历史因果关联路径：招行APP→中行APP→公积金APP→淘宝APP→大众点评APP，该条历史因果关联路径是一条存在周期性使用规律且出现次数小于预设次数阈值的路径。算法模块可以对该条历史因果关联路径进行遍历拆分，得到如下子路径：

招行APP→中行APP→公积金APP→淘宝APP；

中行APP→公积金APP→淘宝APP→大众点评APP。

算法模块分别计算这两条子路径与当前路径之间的相似度，确定“招行APP→中行APP→公积金APP→淘宝APP”是与当前路径相似的子路径。

算法模块可以将“招行APP→中行APP→公积金APP→淘宝APP”和“招行APP→中行APP→公积金APP→淘宝APP→大众点评APP”发送给预测模块，然后预测模块确定大众点评APP为目标APP，并由系统进程管理器进行预加载。

在当前运行APP之后如果还有其他APP运行，当前路径可以随其他APP运行不断更新，同样算法模块可以继续执行上述步骤(1)至(5)，以随当前路径的更新来更新相似的子路径，并去除不相似的子路径。

上述应用程序处理方法，基于存在周期性使用规律的历史因果关联路径，对当前路径的目标APP进行预测，对于用户使用次数少但存在周期性使用规律的APP使用习惯也能够快速有效的预测出目标APP。

实施例四

电子设备可以将实施例二和实施例三相结合，如图14所示，在电子设备端，电子设备可以监测APP运行，如得到当前使用的APP，进一步得到当前APP所在因果关联路径；然后电子设备分别以当前使用的APP和当前APP所在因果关联路径为基础，得到各自的备选APP。一些实施例中，电子设备可以获得当前使用的APP的备选APP的增益分值和地理位置增益分值(这两个增益分值已经提前计算好)，基于备选APP的增益分值和地理位置增益分值得到综合增益分值，然后基于综合增益分值预测出第二备选APP；电子设备基于当前APP所在因果关联路径，找到历史因果关联路径，从历史因果关联路径中得到多个子路径(如拆分历史因果关联路径得到子路径)。电子设备向云端发送子路径和当前APP所在因果关联路径，从云端侧得到特征向量；然后电子设备基于特征向量得到相似的子路径，基于相似的子路径得到第一备选APP。

电子设备确定当前APP所在因果关联路径是具有时间规律的路径(如周期性使用且出现次数较少)，从第一备选APP中确定目标，如果不是具有时间规律的路径，从第二备选APP中确定目标APP，在加载时机进行加载。

图14中备选APP的增益分值的计算在图15中示出，电子设备可以基于APP的历史使用记录(如历史使用数据)得到基础次数和转移次数，基于基础次数和转移次数得到基础概率和转移概率；然后将转移概率减去基础概率得到备选APP的增益分值；在走增益分值分支时还可以进一步判断地理位置持续时长是否大于阈值，如果大于利用备选APP的增益分值进行预测，如果小于或等于，基于备选APP的增益分值和地理位置增益分值得到综合增益分值，基于综合增益分值进行预测。

目标APP的加载时机可以是APP打开时、APP关闭时、APP运行过程中的至少一种时机。但是如果在APP打开时进行预加载可能造成资源和功耗的浪费，在APP关闭时如果预测不准也可能造成资源和功耗的浪费，且存在预加载不及时的问题；APP运行过程中预加载可以在APP关闭时加载了目标APP且目标APP被打开的概率比较大，从而解决资源和功耗的浪费，以及预加载不及时的问题，在APP运行过程中预加载的时间可以如下：

在基于历史因果关联路径预测时，算法模块/预测模块可以获取相似的子路径中最后一个APP的使用时长，从所有使用时长中获取使用时长最小值Δt₁，使用时长可以由同一个APP的关闭时间减去该APP的开始时间得到；算法模块/预测模块获取相似的子路径中最后一个APP到下一个APP的间隔时间，从所有间隔时间中获取间隔最小值Δt₂，间隔时间可以是下一个APP的开始时间减去最后一个APP的开始时间得到；从当前APP的开始时间后经过(Δt₁+Δt₂)的时长后指示预加载目标APP。

在基于增益分值预测时，算法模块/预测模块可以获取当前运行APP在历史时间段内每次使用的使用时长，基于所有使用时长得到历史平均使用时长，取历史平均使用时长的预设分位点，如取历史平均使用时长的10分位点Δt₃；算法模块/预测模块以当前运行APP为源APP，以预测出的目标APP为备选APP，获取历史时间段内这两个APP之间的间隔时间最小值Δt₄；从当前APP的开始时间后经过(Δt₃+Δt₄)的时长后指示预加载目标APP。

由此无论是基于历史因果关联路径预测还是基于增益分值预测，在当前运行的APP打开之后且关闭之前可以预加载目标APP，提高目标APP加载的及时性；且无论是基于历史因果关联路径预测还是基于增益分值预测，可以基于APP之间的关联关系进行预测，APP之间的关联关系指示出用户在打开一个APP后极可能打开的另一个APP，这较为符合用户的使用习惯，因此预测出的目标APP被用户打开的概率较大，提高预加载的目标APP的准确度，减少资源和功耗的浪费。

此外，本实施例提供的应用程序处理方法还存在如下优点：

1、电子设备侧以简单的计算方式进行APP预测，省去模型训练过程，这样电子设备侧可以省去计算大量复杂的模型训练数据；

2、电子设备侧省去计算大量复杂的模型训练数据，降低电子设备侧使用的数据量，节约内存和功耗；并且电子设备侧使用的一些数据可以由云端提供，如计算相似度使用的特征向量可以由云端提供，进一步节约功耗；

3、地理位置和APP的使用数据(如打开时间和关闭时间等)可以不提供给云端，保护用户隐私；

4、电子设备侧进行APP预测时使用的特征少，如可以使用增益分值等，降低了对电子设备性能的依赖，性能低的电子设备也可以使用本实施例提供的应用程序处理方法；

5、识别了APP之间的关联关系、地理位置与APP之间的关联关系，并可以基于这些关联关系进行APP预测，以提高预测的准确度；

6、识别当前APP所在因果关联路径与历史因果关联路径中子路径的相似度，基于相似度的子路径进行APP预测，对于出现次数少但具有周期性使用规律的APP来说可以利用这种方式进行APP预测，完善本实施例提供的应用程序处理方法；

7、提供合适的预加载时机，可以推迟启动APP预加载的时间，进一步节约内存功耗。

对于上述实施例，备选APP的增益分值和地理位置增益分值可以提前计算，也可以实时计算，备选APP的增益分值和地理位置增益分值可以由电子设备计算也可以由云端计算；同样的路径的特征向量可以提前计算，也可以实时计算，可以由电子设备计算也可以由云端计算。

实施例五

本实施例将分别介绍在不同的触发时机下，电子设备通过悬浮球展示预加载的应用程序的UI变化过程，其中，应用程序的预测及预加载过程与实施例一的过程相同，此处不再赘述。

电子设备具有悬浮球功能，如图16所示，用户在设置页面将悬浮球设置为开启模式后，悬浮球程序将常驻内存，即悬浮球程序一直保留在内存中。此种场景下，可以在悬浮球内显示接下来可能会打开且已完成预加载的应用程序的图标。

如图17所示，为用户打开一APP时触发APP预测的UI界面示意图。开启悬浮球之后，悬浮球一直悬浮在当前显示的界面之上，如图17中的(1)所示，悬浮球在桌面之上显示。当用户点击应用程序的图标(如微信的图标)后，如图13中的(2)所示，UI面可以跳转至微信的主界面。

与此同时，用户打开微信的操作会触发APP预测，预测出用户接下来最可能打开视频APP，并在后台预加载视频APP的启动资源，如图13中的(2)所示，在悬浮球内显示视频APP的图标，用户点击悬浮球内的视频APP的图标后，如图13中的(3)所示，UI界面从微信界面跳转至视频APP的预加载页面。同时，用户打开视频APP的操作同样可以触发APP预测，并在悬浮球内展示预测并预加载的APP的图标，如音乐APP。

如图18所示，示出了返回桌面时触发APP预测这一触发时机下，电子设备的UI示意图，如图18中的(1)所示，当从某一应用返回桌面时，触发APP预测，悬浮球在桌面之上显示，因为此时未预测出下一个APP或者未完成预加载过程，所以悬浮球内未显示任何应用的图标。如图18中的(2)所示，预测出视频APP且完成预加载过程后，在悬浮球内显示视频APP的图标。用户点击悬浮球内的视频APP的图标后，如图18中的(3)所示，UI界面跳转至视频APP的界面。

此外，在用户解锁时触发APP预测的场景下，悬浮球的显示与图17和图18所示的场景相似，此处不再赘述。

在另一种场景下，预测和预加载的对象还可以是APP中的某个服务。例如，如图19所示，在用户使用某个APP并返回桌面后，触发APP预测，预测出通行APP中的“乘车码”服务是接下来打开的服务，如图19中的(2)所示，在悬浮球内展示“乘车码”服务，此时，如果用户点击悬浮球内的“乘车码”服务，UI界面从系统界面跳转至“乘车码”服务的页面，如图19中的(3)所示。除了从APP到服务的转移，电子设备还可以预测从服务到服务的转移、从地理位置到服务的转移等，本实施例不再一一说明。

如果在桌面下触发APP预测，在返回到桌面时，电子设备已经开始进行APP预测，在预测出目标APP后，可以在桌面的悬浮球中显示预测出的目标APP。

本申请的一些实施例还提供了一种电子设备，该电子设备可以包括：一个或多个处理器、存储器，如一个或多个处理器包括CPU、GPU和NPU；其中，所述存储器用于存储一个或多个计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述电子设备执行上述方法。

本实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中包括指令，当上述指令在电子设备上运行时，使得该电子设备执行上述方法。

本实施例还提供了一种包含指令的计算机程序产品，当该计算机程序产品在电子设备上运行时，使得该电子设备执行上述方法。

本实施例还提供了一种控制设备，所述控制设备包括一个或多个处理器、存储器，所述存储器用于存储一个或多个计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述控制设备执行上述方法。该控制设备可以是一个集成电路IC，也可以是一个片上系统SOC。其中集成电路可以是通用集成电路，也可以是一个现场可编程门阵列FPGA，也可以是一个专用集成电路ASIC。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本实施例所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种应用程序处理方法，其特征在于，应用于电子设备中，所述方法包括：

响应用户的预测触发操作，基于与所述预测触发操作相关的单个任务的使用次数和与所述预测触发操作相关的多个任务总的使用次数，得到单个任务的第一基础概率，其中所述第一基础概率指示所述单个任务在所述多个任务中的使用状况，所述单个任务是所述多个任务中的一个任务，与所述预测触发操作相关的任意一个任务为所述预测触发操作后可能进行的任务；

基于所述单个任务的转移次数和所述多个任务总的转移次数，得到所述单个任务的第一转移概率，第一任务的所述转移次数表示执行所述第一任务后又执行第二任务的次数，所述第一任务为任意一个任务，所述第一转移概率指示从所述预测触发操作转移至所述单个任务的状态；

分别将所述单个任务的所述第一转移概率和对应的所述第一基础概率相减，得到所述单个任务的增益分值；

基于每个所述单个任务的增益分值，从所述多个任务中得到被预测任务；

预加载所述被预测任务。

2.根据权利要求1所述的方法，其特征在于，所述与所述预测触发操作相关的多个任务是：历史时间段内开始时间晚于所述预测触发操作的停止时间的多个第三任务；

所述第一基础概率指示所述历史时间段内所述单个任务在所述多个任务中的使用状况；

所述增益分值指示所述历史时间段内从所述预测触发操作到所述单个任务的转移情况，且所述增益分值去除所述历史时间段内所述单个任务在所述多个任务中的使用状况的影响。

3.根据权利要求1或2所述的方法，其特征在于，所述用户的预测触发操作包括：进入所述电子设备的桌面的预测触发操作或者解锁所述电子设备的预测触发操作；

所述预加载所述被预测任务包括：在得到所述被预测任务后直接加载所述被预测任务。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：基于历史时间段内在当前地理位置使用的每个第五任务的使用次数和多个第五任务总的使用次数，得到每个所述第五任务的第二基础概率，所述第二基础概率指示所述第五任务在所述多个第五任务中的使用状况；

基于所述第五任务的转移次数和所述多个第五任务总的转移次数，得到所述第五任务的第二转移概率，将所述第五任务的所述第二转移概率和对应的所述第二基础概率相减，得到所述第五任务的地理位置增益分值，所述第二转移概率指示从所述预测触发操作转移至所述第五任务的状态；

所述基于每个所述单个任务的增益分值，从所述多个任务中得到所述被预测任务包括：若所述电子设备在当前地理位置的持续时长小于或等于阈值，基于每个所述第五任务的地理位置增益分值和每个所述单个任务的增益分值，从所述多个任务和多个第五任务中得到所述被预测任务；若所述电子设备在当前所处地理位置的持续时长大于所述阈值，基于每个所述单个任务的增益分值，从所述多个任务中得到所述被预测任务。

5.根据权利要求1或2所述的方法，其特征在于，所述预测触发操作指示开启第六任务，所述单个任务是所述第六任务的下一个任务，所述预加载所述被预测任务包括：在第一预设加载时机加载所述被预测任务；

所述第一预设加载时机是从所述第六任务的开始时间后经过第一预设时长，所述第一预设时长是第三时间和第四时间之和，所述第三时间基于所述第六任务在历史时间段内每次使用的使用时长得到，所述第四时间基于所述历史时间段内所述第六任务与所述被预测任务之间的间隔时间得到。

6.根据权利要求1所述的方法，其特征在于，所述预测触发操作指示开启第六任务，所述单个任务是所述第六任务的下一个任务，所述方法包括：

获得所述预测触发操作对应的关联任务路径，所述关联任务路径以所述第六任务作为最后一个任务，并基于所述预测触发操作之前执行的任务得到；

获得历史时间段内的历史关联任务路径；

基于所述关联任务路径的特征向量和所述历史关联任务路径的特征向量，得到与所述关联任务路径相匹配的历史关联任务路径；

基于相匹配的历史关联任务路径，得到所述被预测任务。

7.根据权利要求6所述的方法，其特征在于，所述基于所述关联任务路径的特征向量和所述历史关联任务路径的特征向量，得到与所述关联任务路径相匹配的历史关联任务路径包括：

从所述历史时间段内的所有历史关联任务路径中选取第一历史关联任务路径，所述第一历史关联任务路径是包含所述关联任务路径中预设数量任务的历史关联任务路径；

从所有所述第一历史关联任务路径中选取第二历史关联任务路径，所述第二历史关联任务路径是出现次数小于预设次数阈值的第一历史关联任务路径；

在所述第二历史关联任务路径中选取出子路径，所述子路径是所述第二历史关联任务路径中与所述关联任务路径中任务数量相同的子路径；

基于每个子路径的特征向量和所述关联任务路径的特征向量，得到与所述关联任务路径相匹配的子路径；

所述基于相匹配的历史关联任务路径，得到所述被预测任务包括：基于所述相匹配的子路径之后出现的任务，得到所述被预测任务。

8.根据权利要求7所述的方法，其特征在于，所述预加载所述被预测任务包括：在第二预设加载时机加载所述被预测任务；

所述第二预设加载时机是从所述第六任务的开始时间后经过第二预设时长，所述第二预设时长是第四时间和第五时间之和，所述第四时间基于所述相匹配的子路径中最后一个任务的使用时长得到，所述第五时间基于所述相匹配的子路径中最后一个任务到下一个任务的间隔时间得到。

9.根据权利要求1或2所述的方法，其特征在于，所述预测触发操作包括打开应用、打开服务和亮屏解锁中的至少一种；所述被预测任务包括预测出的应用和服务中的至少一种。

10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储所述处理器可执行的指令，所述处理器执行所述指令使得所述电子设备执行如权利要求1至9中任一项所述的应用程序处理方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被电子设备的处理器运行时，使得所述电子设备执行如权利要求1至9中任一项所述的应用程序处理方法。