[发明专利]应用清理方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种应用清理方法、装置、存储介质及电子设备，其中，本申请实施例获取待清理应用集合中应用的多维特征，并将多维特征作为应用的训练样本；根据训练样本对梯度提升决策树模型进行训练，得到每个应用的样本类别的最终估值模型函数，该样本类别包括可清理、或不可清理；获取每个应用的预测样本，并根据每个应用的预测样本、最终估值模型函数获取每个应用可清理的信息增益；根据每个应用可清理的信息增益对待清理应用集合中相应的应用进行清理。该方案可以实现应用的自动清理，提高了电子设备的运行流畅度，降低了功耗。

技术领域

本申请涉及通信技术领域，具体涉及一种应用清理方法、装置、存储介质及电子设备。

背景技术

目前，智能手机等电子设备上，通常会有多个应用同时运行，其中，一个应用在前台运行，其他应用在后台运行。如果长时间不清理后台运行的应用，则会导致电子设备的可用内存变小、中央处理器(central processing unit，CPU)占用率过高，导致电子设备出现运行速度变慢，卡顿，耗电过快等问题。因此，有必要提供一种方法解决上述问题。

发明内容

本申请实施例提供了一种应用清理方法、装置、存储介质及电子设备，能够提高电子设备的运行流畅度，降低功耗。

第一方面，本申请实施例了提供了的一种应用清理方法，包括：

获取待清理应用集合中应用的多维特征，并将所述多维特征作为所述应用的训练样本；

根据所述应用的训练样本对梯度提升决策树模型进行训练，得到每个应用的样本类别的最终估值模型函数，所述样本类别包括可清理、或不可清理；

获取每个应用的预测样本，并根据每个应用的预测样本、最终估值模型函数获取每个应用可清理的信息增益；

根据每个应用可清理的信息增益对所述待清理应用集合中相应的应用进行清理。

第二方面，本申请实施例了提供了的一种应用清理装置，包括：

特征获取单元，用于获取待清理应用集合中应用的多维特征，并将所述多维特征作为所述应用的训练样本；

训练单元，用于根据所述应用的训练样本对梯度提升决策树模型进行训练，得到每个应用的样本类别的最终估值模型函数，所述样本类别包括可清理、或不可清理；

增益获取单元，用于获取每个应用的预测样本，并根据每个应用的预测样本、最终估值模型函数获取每个应用可清理的信息增益；

清理单元，用于根据所述预测样本和所述分类回归树模型预测所述应用是否可清理。

第三方面，本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的应用清理方法。

第四方面，本申请实施例提供的电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的应用清理方法。

本申请实施例获取待清理应用集合中应用的多维特征，并将多维特征作为应用的训练样本；根据训练样本对梯度提升决策树模型进行训练，得到每个应用的样本类别的最终估值模型函数，该样本类别包括可清理、或不可清理；获取每个应用的预测样本，并根据每个应用的预测样本、最终估值模型函数获取每个应用可清理的信息增益；根据每个应用可清理的信息增益对待清理应用集合中相应的应用进行清理。该方案可以实现应用的自动清理，提高了电子设备的运行流畅度，降低了功耗。

附图说明