[發明專利]應用程序管控方法、裝置、介質及電子設備

有效

• 申請號: 201711044959.5
• 申請日: 2017-10-31
• 公開（公告）號: CN107885544B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 梁昆
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06F9/445
• 分類號: G06F9/445;G06N3/08
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

1.一種應用程序管控方法，應用于電子設備，其特征在于，所述應用程序管控方法包括以下步驟：

獲取所述應用程序樣本向量集，其中該樣本向量集中的樣本向量包括所述應用程序多個維度的歷史特征信息x_i；

采用反向傳播(Back Propagation，BP)神經網絡算法對樣本向量集進行計算，生成訓練模型；

當應用程序進入后臺，將所述應用程序的當前特征信息s輸入所述訓練模型進行計算；以及

判斷所述應用程序是否需要關閉。

2.如權利要求1所述的應用程序管控方法，其特征在于，采用BP神經網絡算法對樣本向量集進行計算，生成訓練模型的步驟包括：

定義網絡結構；以及

將樣本向量集帶入網絡結構進行計算，得到訓練模型。

3.如權利要求2所述的應用程序管控方法，其特征在于：在所述定義網絡結構的步驟中，包括：

設定輸入層，所述輸入層包括N個節點，所述輸入層的節點數與所述歷史特征信息x_i的維數相同；

設定隱含層，所述隱含層包括M個節點；

設定分類層，所述分類層采用Softmax函數，所述Softmax函數為其中，p為預測概率值，Z_K為中間值，C為預測結果的類別數，為第j個中間值；

設定輸出層，所述輸出層包括2個節點；

設定激活函數，所述激活函數采用sigmoid函數，所述sigmoid函數為其中，所述f(x)的范圍為0到1；

設定批量大小，所述批量大小為A；以及

設定學習率，所述學習率為B。

4.如權利要求3所述的應用程序管控方法，其特征在于：所述將樣本向量集帶入網絡結構進行計算，得到訓練模型的步驟包括：

在輸入層輸入所述樣本向量集進行計算，得到輸入層的輸出值；

在所述隱含層的輸入所述輸入層的輸出值，得到所述隱含層的輸出值；

在所述分類層輸入所述隱含層的輸出值進行計算，得到所述預測概率值[p₁ p₂]^T；

將所述預測概率值帶入輸出層進行計算，得到預測結果值y，當p₁大于p₂時，y＝[1 0]^T，當p₁小于等于p₂時，y＝[0 1]^T；以及

根據預測結果值y修正所述網絡結構，得到訓練模型。

5.如權利要求4所述的應用程序管控方法，其特征在于：在將所述應用程序的當前特征信息s輸入所述訓練模型進行計算的步驟中，將當前特征信息s輸入所述訓練模型進行計算得到分類層的預測概率值[p₁’ p₂’]^T，當p₁’大于p₂’時，y＝[1 0]^T，當p₁’小于等于p₂’時，y＝[0 1]^T。

6.如權利要求5所述的應用程序管控方法，其特征在于：在所述判斷所述應用程序是否需要關閉的步驟中，包括：

當y＝[1 0]^T，判定所述應用程序需要關閉；以及

當y＝[0 1]^T，判定所述應用程序需要保留。

7.如權利要求3所述的應用程序管控方法，其特征在于：所述隱含層包括第一隱含層，第二隱含層和第三隱含層，所述第一隱含層，第二隱含層和第三隱含層中的每一層的節點數均小于10。

8.一種應用程序管控裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取所述應用程序樣本向量集，其中該樣本向量集中的樣本向量包括所述應用程序多個維度的歷史特征信息x_i；

生成模塊，用于采用BP神經網絡算法對樣本向量集進行計算，生成訓練模型；

計算模塊，用于當應用程序進入后臺，將所述應用程序的當前特征信息s輸入所述訓練模型進行計算；以及

判斷模塊，用于判斷所述應用程序是否需要關閉。