[发明专利]应用程序预测模型建立方法、装置、存储介质及终端

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：

在预设采样周期内，确定样本采集时刻前台运行的第一应用程序；

判断所述第一应用程序是否为以所述样本采集时刻为起始时刻向前追溯预设时间窗口长度内新安装的应用程序，并将判断结果作为所述第一应用程序对应的标识信息；

根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练，得到应用程序预测模型，其中，所述样本数据对应的样本标识包括所述第一应用程序和所述第一应用程序对应的标识信息。

2.根据权利要求1所述的方法，其特征在于，判断所述第一应用程序是否为以所述第一应用程序打开时刻为起始时刻向前追溯预设时间窗口长度内新安装的应用程序，并将判断结果作为所述第一应用程序对应的标识信息，包括：

在到达所述预设采样周期中的预设时刻时开始，对于每个所确定的第一应用程序，判断当前确定的第一应用程序是否为以所述第一应用程序打开时刻为起始时刻向前追溯预设时间窗口长度内新安装的应用程序，并将判断结果作为所述当前第一应用程序对应的标识信息，直到所述预设采样周期结束。

3.根据权利要求1所述的方法，其特征在于，在预设采样周期内，确定样本采集时刻前台运行的第一应用程序，包括：

在预设采集周期内，当检测到前台运行应用程序的切换操作时，确定切换后的前台运行的第一应用程序；

相应的，根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练，包括：

获取所述第一应用程序的第一前序使用序列，将所述第一前序使用序列作为与所述第一应用程序对应的样本数据；

根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练。

4.根据权利要求3所述的方法，其特征在于，在根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练之前，还包括：

对于所述第一前序使用序列中的每个应用程序，判断当前应用程序是否为以所述当前应用程序打开时刻为起始时刻向前追溯所述预设时间窗口长度内新安装的应用程序，并将判断结果作为所述当前应用程序对应的标识信息；

相应的，根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练，包括：

根据与所述第一前序使用序列、所述第一前序使用序列中每个应用程序对应的标识信息、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练，其中，所述第一前序使用序列中每个应用程序对应的标识信息包含于所述第一应用程序对应的样本数据中。

5.根据权利要求1所述的方法，其特征在于，根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练，包括：

获取所述样本采集时刻对应的状态特征信息，将所述状态特征信息作为与所述第一应用程序对应的样本数据；

根据与所述第一应用程序对应的样本数据、所述第一应用程序及所述第一应用程序对应的标识信息，对预设机器学习模型进行训练。

6.根据权利要求5所述的方法，其特征在于，所述状态特征信息包括以下至少一项：

时间信息、日期类别、移动数据网络的开关状态、无线热点的连接状态、所连接的无线热点的身份信息、当前应用程序在后台停留的时长、当前应用程序最近一次被切换至后台的时间、耳机插孔的插拔状态、充电状态、电池电量信息、屏幕显示时长、移动终端的运动状态和位置信息。

7.根据权利要求5所述的方法，其特征在于，在得到应用程序预测模型之后，还包括：

检测到应用预加载预测事件被触发时，基于所述应用程序预测模型预测出即将启动的目标应用程序；

对所述目标应用程序进行预加载。