[發明專利]應用程序預測模型建立、預加載方法、裝置、介質及終端在審
| 申請號： | 201711091993.8 | 申請日： | 2017-11-08 |
| 公開（公告）號： | CN109766138A | 公開（公告）日： | 2019-05-17 |
| 發明（設計）人： | 陳巖 | 申請（專利權）人： | 廣東歐珀移動通信有限公司 |
| 主分類號： | G06F9/445 | 分類號： | G06F9/445 |
| 代理公司： | 北京品源專利代理有限公司 11332 | 代理人： | 孟金喆 |
| 地址： | 523860 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 應用程序 時序 關聯記錄 預測模型 用戶行為 預加載 樣本 神經網絡模型 應用程序使用 終端 內存占用率 預設時間段 終端系統 功耗 預設 申請 分組 預測 優化 | ||
1.一種應用程序預測模型建立方法，其特征在于，包括：
獲取預設時間段內的用戶行為樣本，其中，所述用戶行為樣本包括至少兩個應用程序的使用時序關聯記錄；
對所述使用時序關聯記錄進行分組，得到多組使用時序關聯記錄；
根據所述多組使用時序關聯記錄，對預設神經網絡模型進行訓練，生成應用程序預測模型。
2.根據權利要求1所述的方法，其特征在于，所述獲取預設時間段內的用戶行為樣本，包括：
根據預設時間段內應用程序的使用頻次對應用程序進行排序；
根據排序結果確定至少兩個目標應用程序；
根據所述目標應用程序的使用狀態確定使用時序關聯記錄，作為用戶行為樣本。
3.根據權利要求2所述的方法，其特征在于，所述根據所述目標應用程序的使用狀態確定使用時序關聯記錄，包括：
按照預設采樣周期對所述目標應用程序的使用日志進行采樣，以確定采樣時刻是否處于使用狀態；
根據采樣時刻和使用狀態，對至少兩個目標應用程序的使用狀態進行關聯，確定使用時序關聯記錄；
相應的，所述根據所述多組使用時序關聯記錄，對預設神經網絡模型進行訓練，包括：
根據所述多組使用時序關聯記錄中采樣時刻對應的使用狀態，對預設神經網絡模型進行訓練。
4.根據權利要求3所述的方法，其特征在于，所述對所述使用時序關聯記錄進行分組，得到多組使用時序關聯記錄，包括：
將前n個采樣時刻對應的應用程序使用時序關聯記錄作為第一組使用時序關聯記錄，將第2采樣時刻至第n+1采樣時刻對應的應用程序使用時序關聯記錄作為第二組使用時序關聯記錄，以此類推，得到m-n+1組使用時序關聯記錄，其中，n為大于等于2的自然數，m為大于等于3的自然數。
5.根據權利要求1-4任一所述的方法，其特征在于，還包括：
根據每組使用時序關聯記錄的向量維數確定所述應用程序預測模型的輸入層單元數，根據所述應用程序的數量確定所述應用程序預測模型的輸出層單元數。
6.根據權利要求5所述的方法，其特征在于,所述應用程序預測模型采用的誤差函數為交叉熵損失函數：
其中，yk表示應用程序使用狀態的標準值，表示應用程序使用狀態的預測值，C＝M+1，其中M表示應用程序的數量，J表示應用程序預測模型的交叉熵。
7.一種應用程序預加載方法，其特征在于，包括：
獲取t時刻終端運行應用程序的使用狀態及t-1時刻至t-n時刻對應的終端運行應用程序的使用狀態，其中，n為大于等于2的自然數；
將所述使用狀態輸入至預先訓練的應用程序預測模型中，獲取所述應用程序預測模型輸出的應用程序啟動的概率值，其中，所述應用程序預測模型由多組使用時序關聯記錄訓練生成，多組使用時序關聯記錄是對預設時間段內應用程序的使用時序關聯記錄進行分組得到的；
根據所述概率值確定t+1時刻對應的待啟動應用程序，并將所述待啟動應用程序進行預加載。
8.一種應用程序預測模型建立裝置，其特征在于，包括：
用戶行為樣本獲取模塊，用于獲取預設時間段內的用戶行為樣本，其中，所述用戶行為樣本包括至少兩個應用程序的使用時序關聯記錄；
使用時序關聯記錄分組模塊，用于對所述使用時序關聯記錄進行分組，得到多組使用時序關聯記錄；
應用程序預測模型生成模塊，用于根據所述多組使用時序關聯記錄，對預設神經網絡模型進行訓練，生成應用程序預測模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東歐珀移動通信有限公司，未經廣東歐珀移動通信有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711091993.8/1.html，轉載請聲明來源鉆瓜專利網。
