CN116662940A - 一种应用处理方法、装置、存储介质及电子设备 - Google Patents
一种应用处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116662940A CN116662940A CN202310628777.1A CN202310628777A CN116662940A CN 116662940 A CN116662940 A CN 116662940A CN 202310628777 A CN202310628777 A CN 202310628777A CN 116662940 A CN116662940 A CN 116662940A
- Authority
- CN
- China
- Prior art keywords
- application
- white list
- management
- information
- reference application
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 119
- 230000006870 function Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/12—Protecting executable software
- G06F21/121—Restricting unauthorised execution of programs
-
- 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
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例公开了一种应用处理方法、装置、存储介质及电子设备,其中,方法包括:确定属于应用白名单内的至少一个参考应用,获取目标监测时间内参考应用的使用频率参数,若使用频率参数与频率参数阈值不匹配,则基于参考应用输出白名单管理提示信息,响应于针对白名单管理提示信息的白名单管理操作,对应用白名单内的所述参考应用进行白名单管理。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种应用处理方法、装置、存储介质及电子设备。
背景技术
在日常生活中,终端设备上会安装各式各样的应用,终端设备的使用者可以根据相应的使用需求,将一些应用手动添加到应用白名单中,终端设备可以基于应用白名单向名单内的应用赋予白名单权限,以进行应用管理。例如被赋予白名单权限的应用即使在终端设备息屏的情况下,也不会受到终端设备的系统管控限制。
发明内容
本申请实施例提供了一种应用处理方法、装置、存储介质及电子设备,所述技术方案如下:
第一方面,本申请实施例提供了一种应用处理方法,所述方法包括:
确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理。
第二方面,本申请实施例提供了一种应用处理装置,所述装置包括:
参数确定模块,用于确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
管理提示模块,用于若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
名单管理模块,用于响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理。
第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种电子设备,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请一些实施例提供的技术方案带来的有益效果至少包括:
在本申请一个或多个实施例中,终端设备针对属于应用白名单内的参考应用,获取目标监测时间内参考应用的使用频率参数,若使用频率参数与频率参数阈值不匹配,则针对参考应用输出白名单管理提示信息,通过响应于针对白名单管理提示信息的白名单管理操作,就可以对应用白名单内的参考应用进行白名单管理,整个应用处理过程可降低乃至避免白名单应用未频繁使用时的设备资源消耗,通过输出白名单管理提示信息可以指示使用者进行操作以进行白名单管理,提高了应用管理的智能性和便捷性,以及,优化了白名单应用的应用管理流程。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种应用处理方法的流程示意图;
图2是本申请实施例提供的另一种应用处理方法的流程示意图;
图3是本申请实施例提供的另一种应用处理方法的流程示意图;
图4是本申请实施例提供的一种应用处理装置的结构示意图;
图5是本申请实施例提供的一种电子设备的结构示意图;
图6是本申请实施例提供的操作系统和用户空间的结构示意图;
图7是图6中安卓操作系统的架构图;
图8是图6中IOS操作系统的架构图。
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,显然,所描述的实施例仅仅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做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。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本申请的描述中,需要说明的是,除非另有明确的规定和限定,“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“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这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在相关技术中,终端设备的使用者将一些应用手动添加到应用白名单后,后续可能存在白名单应用的使用需求较低或非必须使用白名单应用的情形,由于终端设备的使用者引入的客观随机因素,会导致在非必需时刻带来不必要的设备资源消耗,例如由于不同使用者在不同时间的使用需求习惯,在某一时间段会对某一应用使用需求比较频繁,因此将某一应用加入应用名单不希望在诸如灭屏待机等情形下受到系统管控限制,但过一段时间之后使用者可能不再有这个使用需求或是使用需求不在这么强烈了,而使用者也忘了当时将其纳入应用白名单中,这无疑导致了额外的设备资源消耗,可见相关技术存在一定的局限性。
下面结合具体的实施例对本申请进行详细说明。
在一个实施例中,如图1所示,特提出了一种应用处理方法,该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的应用处理装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。所述应用处理装置可以为终端设备,包括但不限于:个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中终端设备可以叫做不同的名称,例如:用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、5G网络或未来演进网络中的终端设备等。
具体的,该应用处理方法包括:
S102:确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
所述参考应用是属于应用白名单内的应用,通常应用白名单内的参考应用的应用权限较高,在诸如操作系统后台进程管控、设备息屏应用管控等场景下参考应用的应用活动不会受到管控限制。
可选的,应用白名单可以是电子设备厂商或服务器提供的,也可以是用户基于实际使用需求自行设置的。
所述使用频率参数可以是监测时间内的使用频率值。
具体的,终端设备可以从系统获取应用白名单,应用白名单内存在一个或多个参考应用,考虑到降低不必要的设备资源消耗,可确定目标监测时间(如7天),以目标监测时间为参考,获取在目标监测时间内参考应用的使用频率参数,如获取当前日期之前的7天时间内也即近7天内,该参考应用的使用频率参数;
可选的,目标监测时间可以是具体监测日期;
可选的,目标监测时间可以是精确到具体的时间段,如某一天内的某个时间段,也即目标监测时间由具体监测日期和该具体监测日期内的监测时间段组成。
在一种具体的实施场景中,诸如在终端设备开机、系统初始化等场景下,终端设备会进行内部初始化,包括对系统状态的配置,以及和底层进行通信的线程等。初始化过程中,会将与应用相关的配置策略进行更新,此时管控列表(管控列表可以理解为各种管控类型的集合)通常为空,还不会去执行冻结代码的机器可执行逻辑,会将之前冻结节点下面的应用强制清空。
再将管控列表以及配置文件通过RUS云推过来,通过诸如updateInstalledAppInfo()接口等程序接口,获取当前整机系统中有哪些应用。以及在APK的另外一个类中,去读取系统下发的配置名单进行解析并可确定诸如三方白名单和系统白名单,三方白名单和系统白名单均即可作为为应用白名单。
S104:若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
所述频率参数阈值可以理解为针对使用频率参数所设置的门限值和临界值,使用频率参数与频率参数阈值相匹配,则可初步认为参考应用可以继续保留在应用白名单内;使用频率参数与频率参数阈值不匹配,则可初步认为参考应用可以从应用白名单内移除。
示意性的,终端设备检测使用频率参数与频率参数阈值是否匹配;
若使用频率参数与频率参数阈值匹配,则对所述参考应用进行忽略处理;
若使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
可选的,检测使用频率参数与频率参数阈值是否匹配,可以是检测使用频率参数是否小于或等于频率参数阈值。
可选的,针对所述参考应用输出白名单管理提示信息,可以是以信息弹窗的形式,自动生成针对参考应用的白名单管理提示信息,并以信息弹窗的形式在终端设备上向使用者进行提醒。
可以理解的,基于白名单管理提示信息可以有效的通知应用白名单内应用的使用频次,通过白名单管理提示信息的形式可以将使用频率参数与频率参数阈值不匹配的应用提醒使用者及时移除应用白名单,防止在诸如待机等场景下的不必要的设备资源消耗。
进一步的,可以预先设置白名单管理提示模板,使用白名单管理提示模板结合参考应用自动转换成白名单管理提示信息。
在一种可行的实施方式中,若所述使用频率参数与频率参数阈值不匹配,则可以将使用频率参数与频率参数阈值不匹配的一个或多个参考应用存入管理提示名单list中,后续终端设备可基于存入管理提示名单list来对每个名单内应用进行循环提示,生成针对当前待提示参考应用的白名单管理提示信息。
可以理解的,使用管理提示名单list可以优化系统处理压力,进行系统负载均衡,可基于管理提示名单list做的有序管理,提高系统稳定性。
S106:响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理。
所述白名单管理操作是针对参考应用是否保留应用白名单的人机交互操作。
可选的,白名单管理操作可以划分为针对参考应用的应用保留操作和应用移除操作,可以理解的,终端设备的使用者基于白名单管理提示信息可以做出是否将参考应用保留才应用白名单的操作选择
示意性的,若所述白名单管理操作为针对所述参考应用的应用保留操作,则在所述应用白名单中对所述参考应用进行应用保留处理;
示意性的,若所述白名单管理操作为针对所述参考应用的应用移除操作,则在所述应用白名单中对所述参考应用进行应用移除处理。
在本说明书一个或多个实施例中,终端设备针对属于应用白名单内的参考应用,获取目标监测时间内参考应用的使用频率参数,若使用频率参数与频率参数阈值不匹配,则针对参考应用输出白名单管理提示信息,通过响应于针对白名单管理提示信息的白名单管理操作,就可以对应用白名单内的参考应用进行白名单管理,整个应用处理过程可降低乃至避免白名单应用未频繁使用时的设备资源消耗,通过输出白名单管理提示信息可以指示使用者进行操作以进行白名单管理,提高了应用管理的智能性和便捷性,以及,优化了白名单应用的应用管理流程。
请参见图2,图2是本申请提出的一种应用处理方法的另一种实施例的流程示意图。具体的:
S202:确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
具体可参考本说明书其他实施例的方法步骤,此处不再赘述。
S204:若所述使用频率参数与频率参数阈值不匹配,则确定针对所述参考应用的管理操作建议,生成包含所述管理操作建议的白名单管理提示信息;
所述管理操作建议相当于是对使用者的一种操作提示,基于该管理操作建议可供使用者进行参考。
所述管理操作建议可以包含参考应用的设备资源消耗详情、资源消耗评估信息、应用管理建议等。
在本说明书一个或多个实施例中,对于终端设备的使用者而言,使用者在面对白名单管理提示信息时可能会由于无管理操作建议产生一定的困惑,如设备资源消耗情形等等。通过生成包含所述管理操作建议的白名单管理提示信息,来指引或提示使用者当前参考应用加入应用白名单后的设备影响状况,以供使用者输入相应管理操作。
可选的,可以预先设置管理操作建议模板,管理操作建议模板由一个或多个维度的参考建议数据组成,如设备资源消耗详情数据、资源消耗评估数据、应该管理建议数据等一种或多种的拟合,在生成管理操作建议时,终端设备结合管理操作建议模板来获取或确定一个或多个维度的参考建议数据,然后可使用管理操作建议模板自动生成管理操作建议。
在一种可行的实施方式中,可结合设备资源消耗维度和参考应用的应用使用场景维度来自动生成参考应用的管理操作建议。
可参考如下:
A2:获取所述参考应用的设备资源消耗信息和应用使用场景信息;
所述设备资源消耗信息用于反馈参考应用在加入应用白名单之后的设备资源消耗情况,如电量消耗、处理资源消耗、网络流量消耗等等。
所述应用使用场景信息可以理解为参考应用的常用场景说明信息,常用场景说明信息可覆盖到详细场景数据、常用时间段等信息,如某导航应用通常使用在导航应用场景下,常用时间段通常为上下班时间段、出行时间段。
A4:基于所述资源消耗信息和所述应用使用场景信息生成针对所述参考应用的管理操作建议。
可选的,可以预先训练基于机器学习模型的操作建议模型,将所述资源消耗信息和所述应用使用场景信息输入操作建议模型中,输出针对所述参考应用的管理操作建议;
其中,所述操作建议模型由多个已知管理操作建议标签对应的第一数据训练样本训练得到。
进一步的,数据标注阶段,可以调用专家端服务对第一数据训练样本进行标签标注,得到第一数据训练样本对应的管理操作建议标签。
具体的,通过预先从实际应用环境中获取大量第一数据训练样本,提取特征信息,并对样本数据进行标注,对每一数据训练样本标注管理操作建议标签,创建基于机器学习模型的初始的操作建议模型。所述操作建议模型可以是使用大量的样本数据对初始的操作建议模型进行训练的。
示意性的,机器学习模型包括但不限于LR(Logistic Regression,逻辑回归模型)、SVM(Support Vector Machine,支持向量机)、决策树、朴素贝叶斯分类器、CNN(Convolutional Neural Network,卷积神经网络)、RNN(Recurrent Neural Networks,递归神经网络)等中的一种或多种实现,基于已经标注标签的第一样本数据对初始的操作建议模型进行训练,可以得到训练好的操作建议模型。
示意性的,本实施例中可以采用引入误差反向传播算法创建初始的操作建议模型,提取特征信息之后,将特征信息以特征向量的形式输入到初始的操作建议模型中,操作建议模型的训练过程通常由正向传播和反向传播两部分组成,在正向传播过程中,输入样本数据对应以提取特征信息从模型的输入层经过隐层神经元(也称节点)的传递函数(又称激活函数、转换函数)运算后,传向输出层,其中每一层神经元状态影响下一层神经元状态,在输出层计算实际输出值-管理操作建议,通过设置的损失函数计算所述实际输出值与期望输出值“标注的管理操作建议标签”的误差损失,基于误差损失调整模型的参数,所述参数包含每一层的权重值和阈值,训练完成后,生成操作建议模型。
S206:响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理
具体可参考本说明书其他实施例方法步骤,此处不再赘述。
在本说明书一个或多个实施例中,基于管理操作建议来生成白名单管理提示信息,可更好地展示参考应用加入应用白名单后的设备影响状况,信息展示更直观;以及,可基于设备资源消耗信息和应用使用场景信息来生成管理操作建议,生成管理操作建议的可参考性更强;以及使用预先训练的操作建议模型来生成管理操作建议,可更好的适配复杂的应用环境,可生成准确的管理操作建议,优化了应用处理的流程,提升了应用处理的智能性。
请参见图3,图3是本申请提出的一种应用处理方法的另一种实施例的流程示意图。具体的:
该应用处理方法包括:
S302:确定属于应用白名单内的至少一个参考应用;
具体可参考本说明书其他实施例方法步骤,此处不再赘述。
S304:获取针对所述参考应用的应用操作时间信息和应用场景属性信息,基于所述应用操作时间信息和应用场景属性信息确定目标监测时间。
考虑到以天数为时间单位的监测时间其监测粒度较低,在复杂应用环境下难以满足精准监测的需求,且不同环境下的不同应用使用固定的检测时间也可能难以保证监测效果,以此得出的使用频率参数误差可能较大。
在本实施例中,为了改善上述局限,可从应用操作时间维度和应用场景属性维度来确定精准的目标监测时间,且该目标监测时间可精确到具体的时间段,一些情形下可排除应用常用时间段对于使用频率的干扰。
所述应用操作时间信息可以理解为参考应用的常用操作时间,应用操作时间信息可基于终端设备的当前使用者和其他使用者共同确定,通过获取当前使用者的应用操作记录和其他使用的应用操作记录,对应用操作记录进行数据处理可得到应用操作时间信息。
所述应用场景属性信息可以是应用使用场景属性、应用使用用途属性、应用使用地理位置属性等场景属性信息。
可选的:可以预先训练基于机器学习模型的监测时间推荐模型,将所述应用操作时间信息和应用场景属性信息输入至监测时间推荐模型中,输出目标检测时间;
其中,所述监测时间推荐模型由多个已知监测时间标签对应的第二数据训练样本训练得到。
进一步的,数据标注阶段,可以调用专家端服务对第二数据训练样本进行标签标注,得到第二数据训练样本对应的监测时间标签。进一步的,监测时间标签可精确到具体的时间段,一些情形下可排除应用常用时间段对于使用频率的干扰,这样后续训练得到的监测时间推荐模型可输出精度高的目标监测时间。
具体的,通过预先从实际应用环境中获取大量第二数据训练样本,提取特征信息(应用操作时间特征、应用场景属性特征),并对样本数据进行标注,对每一数据训练样本标注监测时间标签,创建基于机器学习模型的初始的监测时间推荐模型,然后使用第二数据训练样本对监测时间推荐模型进行模型训练,待模型训练结束后,可得到训练好的监测时间推荐模型。
示意性的,本实施例中可以采用引入误差反向传播算法创建初始的监测时间推荐模型,提取特征信息之后,将特征信息以特征向量的形式输入到初始的监测时间推荐模型中,监测时间推荐模型的训练过程通常由正向传播和反向传播两部分组成,在正向传播过程中,输入第二数据训练样本以提取特征信息从模型的输入层经过隐层神经元(也称节点)的传递函数(又称激活函数、转换函数)运算后,传向输出层,其中每一层神经元状态影响下一层神经元状态,在输出层计算实际输出值-监测时间,通过设置的损失函数计算所述实际输出值与期望输出值“标注的监测时间标签”的误差损失,基于误差损失调整模型的参数,所述参数包含每一层的权重值和阈值,训练完成后,生成监测时间推荐模型。
S306:获取目标监测时间内所述参考应用的使用频率参数;
具体可参考本说明书其他实施例方法步骤,此处不再赘述。
S308:若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
具体可参考本说明书其他实施例方法步骤,此处不再赘述。
S310:响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理。
具体可参考本说明书其他实施例方法步骤,此处不再赘述。
在本说明书一个或多个实施例中,为比改善以天数为时间单位的监测时间其监测粒度较低,使得可以满足在复杂应用环境下的精准监测需求,不使用固定的检测时间,而是从应用操作时间维度和应用场景属性维度来确定精准的目标监测时间,且该目标监测时间可精确到具体的时间段,一些情形下可排除应用常用时间段对于使用频率的干扰,可结合不同参考应用动态确定相契合的目标监测时间,从而提升了应用处理的精准程度,也提升了应用处理的智能化程度。
下面将结合图4,对本申请实施例提供的应用处理装置进行详细介绍。需要说明的是,图4所示的应用处理装置,用于执行本申请图1~图3所示实施例的方法,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请图1~图3所示的实施例。
请参见图4,其示出本申请实施例的应用处理装置的结构示意图。该应用处理装置1可以通过软件、硬件或者两者的结合实现成为终端设备的全部或一部分。根据一些实施例,该应用处理装置1包括参数确定模块11、管理提示模块12和名单管理模块13,具体用于:
参数确定模块11,用于确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
管理提示模块12,用于若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
名单管理模块13,用于响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理
可选的,所述名单管理模块13,用于:
若所述白名单管理操作为针对所述参考应用的应用保留操作,则在所述应用白名单中对所述参考应用进行应用保留处理;
若所述白名单管理操作为针对所述参考应用的应用移除操作,则在所述应用白名单中对所述参考应用进行应用移除处理。
可选的,所述管理提示模块12,用于:
确定针对所述参考应用的管理操作建议,生成包含所述管理操作建议的白名单管理提示信息。
可选的,所述管理提示模块12,用于:
获取所述参考应用的设备资源消耗信息和应用使用场景信息;
基于所述资源消耗信息和所述应用使用场景信息生成针对所述参考应用的管理操作建议。
可选的,所述管理提示模块12,用于:
将所述资源消耗信息和所述应用使用场景信息输入操作建议模型中,输出针对所述参考应用的管理操作建议;
其中,所述操作建议模型由多个已知管理操作建议标签对应的第一数据训练样本训练得到。
可选的,所述装置1,还用于:
获取针对所述参考应用的应用操作时间信息和应用场景属性信息;
基于所述应用操作时间信息和应用场景属性信息确定目标监测时间。
可选的,所述装置1,还用于:
将所述应用操作时间信息和应用场景属性信息输入至监测时间推荐模型中,输出目标检测时间;
其中,所述监测时间推荐模型由多个已知监测时间标签对应的第二数据训练样本训练得到。
需要说明的是,上述实施例提供的应用处理装置在执行应用处理方法时,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,即将设备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。另外,上述实施例提供的应用处理装置与应用处理方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令,所述指令适于由处理器加载并执行如上述图1~图3所示实施例的所述应用处理方法,具体执行过程可以参见图1~图3所示实施例的具体说明,在此不进行赘述。
本申请还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由所述处理器加载并执行如上述图1~图3所示实施例的所述应用处理方法,具体执行过程可以参见图1~图3所示实施例的具体说明,在此不进行赘述。
请参考图5,其示出了本申请一个示例性实施例提供的电子设备的结构方框图。本申请中的电子设备可以包括一个或多个如下部件:处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个电子设备内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行电子设备100的各种功能和处理数据。可选地,处理器110可以采用数字信号处理(digital signal processing,DSP)、现场可编程门阵列(field-programmable gate array,FPGA)、可编程逻辑阵列(programmable logicArray,PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(centralprocessing unit,CPU)、图像处理器(graphics processing unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器110中,单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(random Access Memory,RAM),也可以包括只读存储器(read-only memory,ROM)。可选地,该存储器120包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等,该操作系统可以是安卓(Android)系统,包括基于Android系统深度开发的系统、苹果公司开发的IOS系统,包括基于IOS系统深度开发的系统或其它系统。存储数据区还可以存储电子设备在使用中所创建的数据比如电话本、音视频数据、聊天记录数据,等。
参见图6所示,存储器120可分为操作系统空间和用户空间,操作系统即运行于操作系统空间,原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果,操作系统针对不同第三方应用程序为其分配相应的系统资源。然而,同一第三方应用程序中不同应用场景对系统资源的需求也存在差异,比如,在本地资源加载场景下,第三方应用程序对磁盘读取速度的要求较高;在动画渲染场景下,第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立,操作系统往往不能及时感知第三方应用程序当前的应用场景,导致操作系统无法根据第三方应用程序的具体应用场景进行针对性的系统资源适配。
为了使操作系统能够区分第三方应用程序的具体应用场景,需要打通第三方应用程序与操作系统之间的数据通信,使得操作系统能够随时获取第三方应用程序当前的场景信息,进而基于当前场景进行针对性的系统资源适配。
以操作系统为Android系统为例,存储器120中存储的程序和数据如图7所示,存储器120中可存储有Linux内核层320、系统运行时库层340、应用框架层360和应用层380,其中,Linux内核层320、系统运行库层340和应用框架层360属于操作系统空间,应用层380属于用户空间。Linux内核层320为电子设备的各种硬件提供了底层的驱动,如显示驱动、音频驱动、摄像头驱动、蓝牙驱动、Wi-Fi驱动、电源管理等。系统运行库层340通过一些C/C++库来为Android系统提供了主要的特性支持。如SQLite库提供了数据库的支持,OpenGL/ES库提供了3D绘图的支持,Webkit库提供了浏览器内核的支持等。在系统运行时库层340中还提供有安卓运行时库(Android runtime),它主要提供了一些核心库,能够允许开发者使用Java语言来编写Android应用。应用框架层360提供了构建应用程序时可能用到的各种API,开发者也可以通过使用这些API来构建自己的应用程序,比如活动管理、窗口管理、视图管理、通知管理、内容提供者、包管理、通话管理、资源管理、定位管理。应用层380中运行有至少一个应用程序,这些应用程序可以是操作系统自带的原生应用程序,比如联系人程序、短信程序、时钟程序、相机应用等;也可以是第三方开发者所开发的第三方应用程序,比如游戏类应用程序、即时通信程序、相片美化程序等。
以操作系统为IOS系统为例,存储器120中存储的程序和数据如图8所示,IOS系统包括:核心操作系统层420(Core OS layer)、核心服务层440(Core Services layer)、媒体层460(Media layer)、可触摸层480(Cocoa Touch Layer)。核心操作系统层420包括了操作系统内核、驱动程序以及底层程序框架,这些底层程序框架提供更接近硬件的功能,以供位于核心服务层440的程序框架所使用。核心服务层440提供给应用程序所需要的系统服务和/或程序框架,比如基础(Foundation)框架、账户框架、广告框架、数据存储框架、网络连接框架、地理位置框架、运动框架等等。媒体层460为应用程序提供有关视听方面的接口,如图形图像相关的接口、音频技术相关的接口、视频技术相关的接口、音视频传输技术的无线播放(AirPlay)接口等。可触摸层480为应用程序开发提供了各种常用的界面相关的框架,可触摸层480负责用户在电子设备上的触摸交互操作。比如本地通知服务、远程推送服务、广告框架、游戏工具框架、消息用户界面接口(User Interface,UI)框架、用户界面UIKit框架、地图框架等等。
在图8所示出的框架中,与大部分应用程序有关的框架包括但不限于:核心服务层440中的基础框架和可触摸层480中的UIKit框架。基础框架提供许多基本的对象类和数据类型,为所有应用程序提供最基本的系统服务,和UI无关。而UIKit框架提供的类是基础的UI类库,用于创建基于触摸的用户界面,iOS应用程序可以基于UIKit框架来提供UI,所以它提供了应用程序的基础架构,用于构建用户界面,绘图、处理和用户交互事件,响应手势等等。
其中,在IOS系统中实现第三方应用程序与操作系统数据通信的方式以及原理可参考Android系统,本申请在此不再赘述。
其中,输入装置130用于接收输入的指令或数据,输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据,输出装置140包括但不限于显示设备和扬声器等。在一个示例中,输入装置130和输出装置140可以合设,输入装置130和输出装置140为触摸显示屏,该触摸显示屏用于接收用户使用手指、触摸笔等任何适合的物体在其上或附近的触摸操作,以及显示各个应用程序的用户界面。触摸显示屏通常设置在电子设备的前面板。触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合,异型屏与曲面屏的结合,本申请实施例对此不加以限定。
除此之外,本领域技术人员可以理解,上述附图所示出的电子设备的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。比如,电子设备中还包括射频电路、输入单元、传感器、音频电路、无线保真(wireless fidelity,WiFi)模块、电源、蓝牙模块等部件,在此不再赘述。
在本申请实施例中,各步骤的执行主体可以是上文介绍的电子设备。可选地,各步骤的执行主体为电子设备的操作系统。操作系统可以是安卓系统,也可以是IOS系统,或者其它操作系统,本申请实施例对此不作限定。
本申请实施例的电子设备,其上还可以安装有显示设备,显示设备可以是各种能实现显示功能的设备,例如:阴极射线管显示器(cathode ray tubedisplay,简称CR)、发光二极管显示器(light-emitting diode display,简称LED)、电子墨水屏、液晶显示屏(liquid crystal display,简称LCD)、等离子显示面板(plasma display panel,简称PDP)等。用户可以利用电子设备101上的显示设备,来查看显示的文字、图像、视频等信息。所述电子设备可以是智能手机、平板电脑、游戏设备、AR(Augmented Reality,增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。
在图5所示的电子设备中,其中电子设备可以是一种终端设备,处理器110可以用于调用存储器120中存储的应用程序,并具体执行本说明书各个方法实施例所述的应用处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (10)
1.一种应用处理方法,其特征在于,所述方法包括:
确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理。
2.根据权利要求1所述的方法,其特征在于,所述对所述应用白名单内的所述参考应用进行白名单管理,包括:
若所述白名单管理操作为针对所述参考应用的应用保留操作,则在所述应用白名单中对所述参考应用进行应用保留处理;
若所述白名单管理操作为针对所述参考应用的应用移除操作,则在所述应用白名单中对所述参考应用进行应用移除处理。
3.根据权利要求1所述的方法,其特征在于,所述针对所述参考应用输出白名单管理提示信息,包括:
确定针对所述参考应用的管理操作建议,生成包含所述管理操作建议的白名单管理提示信息。
4.根据权利要求3所述的方法,其特征在于,所述确定针对所述参考应用的管理操作建议,包括:
获取所述参考应用的设备资源消耗信息和应用使用场景信息;
基于所述资源消耗信息和所述应用使用场景信息生成针对所述参考应用的管理操作建议。
5.根据权利要求4所述的方法,其特征在于,所述基于所述资源消耗信息和所述应用使用场景信息生成针对所述参考应用的管理操作建议,包括:
将所述资源消耗信息和所述应用使用场景信息输入操作建议模型中,输出针对所述参考应用的管理操作建议;
其中,所述操作建议模型由多个已知管理操作建议标签对应的第一数据训练样本训练得到。
6.根据权利要求1所述的方法,其特征在于,所述获取目标监测时间内所述参考应用的使用频率参数之前,还包括:
获取针对所述参考应用的应用操作时间信息和应用场景属性信息;
基于所述应用操作时间信息和应用场景属性信息确定目标监测时间。
7.根据权利要求6所述的方法,其特征在于,所述基于所述应用操作时间信息和应用场景属性信息确定目标检测时间,包括:
将所述应用操作时间信息和应用场景属性信息输入至监测时间推荐模型中,输出目标检测时间;
其中,所述监测时间推荐模型由多个已知监测时间标签对应的第二数据训练样本训练得到。
8.一种应用处理装置,其特征在于,所述装置包括:
参数确定模块,用于确定属于应用白名单内的至少一个参考应用,获取目标监测时间内所述参考应用的使用频率参数;
管理提示模块,用于若所述使用频率参数与频率参数阈值不匹配,则针对所述参考应用输出白名单管理提示信息;
名单管理模块,用于响应于针对所述白名单管理提示信息的白名单管理操作,对所述应用白名单内的所述参考应用进行白名单管理。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~7任意一项的方法步骤。
10.一种电子设备,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~7任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628777.1A CN116662940A (zh) | 2023-05-30 | 2023-05-30 | 一种应用处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628777.1A CN116662940A (zh) | 2023-05-30 | 2023-05-30 | 一种应用处理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116662940A true CN116662940A (zh) | 2023-08-29 |
Family
ID=87720113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310628777.1A Pending CN116662940A (zh) | 2023-05-30 | 2023-05-30 | 一种应用处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116662940A (zh) |
-
2023
- 2023-05-30 CN CN202310628777.1A patent/CN116662940A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597006A (zh) | 应用分屏方法、装置、存储介质及电子设备 | |
CN111459586B (zh) | 远程协助方法、装置、存储介质及终端 | |
CN111596971B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN111124668B (zh) | 内存释放方法、装置、存储介质及终端 | |
CN112837099A (zh) | 潜在流失用户识别方法、装置、存储介质及电子设备 | |
CN112116212B (zh) | 应用评测方法、装置、存储介质及电子设备 | |
CN110413347A (zh) | 应用程序中广告的处理方法、装置、存储介质及终端 | |
CN111918386A (zh) | 定位方法、装置、存储介质及电子设备 | |
CN113163055B (zh) | 一种震动调节方法、装置、存储介质及电子设备 | |
CN112256354B (zh) | 应用启动方法、装置、存储介质及电子设备 | |
CN117555459A (zh) | 一种应用组处理方法、装置、存储介质及电子设备 | |
CN113934501B (zh) | 翻译方法、装置、存储介质及电子设备 | |
CN111966894A (zh) | 信息查询方法、装置、存储介质及电子设备 | |
CN112995562A (zh) | 摄像头的调用方法、装置、存储介质及终端 | |
CN115328725A (zh) | 状态监测方法、装置、存储介质及电子设备 | |
CN113312257B (zh) | 版本识别方法、装置、存储介质及计算机设备 | |
EP4213474A1 (en) | Advertisement display method and electronic device | |
CN112328339B (zh) | 通知消息的显示方法、装置、存储介质及电子设备 | |
CN115379005A (zh) | 一种消息处理方法、装置、存储介质及电子设备 | |
CN116662940A (zh) | 一种应用处理方法、装置、存储介质及电子设备 | |
CN111859999A (zh) | 消息翻译方法、装置、存储介质及电子设备 | |
CN111008006A (zh) | Rfc文件的修改方法、装置、存储介质及终端 | |
CN113691676B (zh) | 设备状态提示方法、装置、存储介质及电子设备 | |
CN113778386B (zh) | 组件生成方法、装置、存储介质及电子设备 | |
CN114443204B (zh) | 界面内容生成方法、装置、存储介质以及计算机设备 |
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 |