本申请实施例涉及数据处理,特别涉及应用程序预加载方法、电子设备、计算机可读介质。
背景技术:
1、目前移动终端中应用程序的预加载是基于统计的贝叶斯预测方法,其预测准确度不高。
技术实现思路
1、本申请实施例提供一种应用程序预加载方法、电子设备、计算机可读介质。
2、第一方面,本申请实施例提供一种应用程序预加载方法,包括:获取移动终端的当前使用序列;其中,所述当前使用序列包括:当前使用的应用程序子序列和所述当前使用的应用程序子序列对应的当前外部特征子序列;根据所述移动终端的当前使用序列确定所述移动终端的预测使用序列;预加载所述预测使用序列中的前n个应用程序;其中,n为大于或等于1的整数。
3、第二方面,本申请实施例提供一种电子设备,包括:至少一个处理器;存储器,存储器上存储有至少一个程序,当所述至少一个程序被所述至少一个处理器执行时,实现上述任意一种应用程序预加载方法。
4、第三方面,本申请实施例提供一种计算机可读介质,计算机可读介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一种应用程序预加载方法。
5、本申请实施例提供的应用程序预加载方法,基于当前使用的应用程序子序列和对应的当前外部特征子序列组成的当前使用序列来进行后续使用序列的预测,即除了基于词向量本身的预测之外,还考虑了外部特征,使得预测更加准确,从而后续仅需预加载前n个应用程序,而不需要预加载所有预测的应用程序,降低了移动终端的功耗。
1.一种应用程序预加载方法,包括:
2.根据权利要求1所述的应用程序预加载方法,其中,所述根据所述移动终端的当前使用序列确定所述移动终端的预测使用序列包括:
3.根据权利要求2所述的应用程序预加载方法,其中,所述确定所述移动终端的当前使用序列所属的类别包括:确定所述移动终端的当前使用序列所属的第一行为类别;其中,所述第一行为类别为对所述移动终端的历史使用序列进行聚类得到;
4.根据权利要求3所述的应用程序预加载方法,所述获取移动终端的当前使用序列之前,该方法还包括:
5.根据权利要求4所述的应用程序预加载方法,所述根据所述移动终端的同一所述第一行为类别的历史使用序列进行模型训练得到所述第一行为类别对应的第一预测模型后,或上一次进行模型训练得到第一增量预测模型后,该方法还包括:
6.根据权利要求5所述的应用程序预加载方法,所述方法还包括:
7.根据权利要求5所述的应用程序预加载方法,其中,所述第一预设阈值根据单位时间内新增的历史使用序列中存在异常行为的历史使用序列的数量确定或调整。
8.根据权利要求4所述的应用程序预加载方法,其中,所述对所述移动终端的历史使用序列进行聚类得到所述历史使用序列所属的第一行为类别包括:
9.根据权利要求2所述的应用程序预加载方法,所述根据所述移动终端的当前使用序列确定所述移动终端的预测使用序列之前,该方法还包括:获取所述移动终端的当前用户特征信息;
10.根据权利要求9所述的应用程序预加载方法,所述获取移动终端的当前使用序列之前,该方法还包括:
11.根据权利要求10所述的应用程序预加载方法,所述根据同一用户群类别的移动终端的历史使用序列进行模型训练得到所述用户群类别对应的第二预测模型后,或上一次进行模型训练得到第二增量预测模型后,该方法还包括:
12.根据权利要求11所述的应用程序预加载方法,该方法还包括:
13.根据权利要求11所述的应用程序预加载方法,其中,所述第三预设阈值根据单位时间内新增的历史用户特征信息中存在异常的历史用户特征信息的数量确定或调整。
14.根据权利要求10所述的应用程序预加载方法,其中,所述根据不同所述移动终端的历史用户特征信息对所述移动终端进行聚类得到所述移动终端所属的用户群类别包括:
15.根据权利要求9所述的应用程序预加载方法,其中,所述当前用户特征信息包括以下至少之一:拥有所述移动终端的用户的当前个人特征信息、当前打开过的应用程序的第二信息。
16.根据权利要求2所述的应用程序预加载方法,所述根据所述移动终端的当前使用序列确定所述移动终端的预测使用序列之前,该方法还包括:获取所述移动终端的当前用户特征信息;
17.根据权利要求16所述的应用程序预加载方法,所述获取移动终端的当前使用序列之前,该方法还包括:
18.根据权利要求1-17任意一项所述的应用程序预加载方法,其中,所述当前使用的应用程序子序列包括:本次亮屏时间到当前时间之间的时间段内打开的应用程序的第一信息;
19.一种电子设备,包括:
20.一种计算机可读介质,所述计算机可读介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-18任意一项所述的应用程序预加载方法。