[发明专利]应用程序预测模型建立、预加载方法、装置、介质及终端

权利要求书

1.一种应用程序预测模型建立方法，其特征在于，包括：

获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；

提取与所述应用程序的使用时序关联记录对应的终端的状态信息；

根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取预设时间段内的用户行为样本，包括：

根据所述预设时间段内应用程序的使用频次大小对应用程序进行排序；

根据排序结果确定至少两个目标应用程序；

根据所述目标应用程序的使用状态确定使用时序关联记录，作为用户行为样本。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标应用程序的使用状态确定使用时序关联记录，包括：

按照预设采样周期对所述目标应用程序的使用日志进行采样，以确定采样时刻是否处于使用状态；

根据采样时刻和使用状态，对至少两个目标应用程序的使用状态进行关联，确定使用时序关联记录。

4.根据权利要求3所述的方法，其特征在于，所述根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，包括：

根据所述使用时序关联记录中采样时刻对应的使用状态及所述状态信息，对设定预测模型进行训练。

5.根据权利要求1-4任一所述的方法，其特征在于，所述状态信息包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。

6.根据权利要求1-4任一所述的方法，其特征在于：

所述应用程序预测模型的输入层单元数根据所述使用时序关联记录及所述状态信息的向量维数确定，所述应用程序预测模型的输出层单元数根据所述应用程序的数量确定；

所述应用程序预测模型采用的误差函数为交叉熵损失函数：

其中，y_k表示应用程序使用状态的标准值，表示应用程序使用状态的预测值，C＝M+1，其中M表示应用程序的数量，J表示应用程序预测模型的交叉熵。

7.一种应用程序预加载方法，其特征在于，包括：

获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；

将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；

根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。

8.根据权利要求7所述的方法，其特征在于，所述状态信息包括：时间信息、显示屏亮灭信息、电量信息、网络连接信息、位置信息、是否充电中的至少一种。

9.一种应用程序预测模型建立装置，其特征在于，包括：

用户行为样本获取模块，用于获取预设时间段内的用户行为样本，其中所述用户行为样本包括至少两个应用程序的使用时序关联记录；

状态信息提取模块，用于提取与所述应用程序的使用时序关联记录对应的终端的状态信息；

应用程序预测模型生成模块，用于根据所述使用时序关联记录及所述状态信息，对设定预测模型进行训练，生成应用程序预测模型。

10.一种应用程序预加载装置，其特征在于，包括：

状态获取模块，用于获取终端当前运行应用程序的使用状态及所述使用状态获取时刻对应的终端的状态信息；

概率值获取模块，用于将所述使用状态及所述状态信息输入至预先训练的应用程序预测模型中，获取所述应用程序预测模型输出的应用程序启动的概率值，其中，所述应用程序预测模型由与预设时间段内应用程序的使用时序关联记录对应的终端的状态信息以及所述使用时序关联记录训练生成；

应用程序预加载模块，用于根据所述概率值确定待启动应用程序，并将所述待启动应用程序进行预加载。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的应用程序预测模型建立方法。