应用管理方法、装置、终端及存储介质与流程

1.本技术实施例涉及计算机技术领域，特别涉及一种应用管理方法、装置、终端及存储介质。


背景技术：

2.终端在使用过程中存在系统反应速度慢、耗电快、续航短等问题，这些问题与应用后台管理机制密切相关。
3.相关技术中，用户打开多个后台应用会导致终端内存占用率变大。此时，用户可以进入后台管理页面，关闭暂时不使用的后台应用，从而降低内存占用率。
4.相关技术中的方法，用户需要经常进入后台管理页面，手动关闭不使用的后台应用，后台管理效率低且操作复杂。


技术实现要素：

5.本技术实施例提供了一种应用管理方法、装置、终端及存储介质。所述技术方案如下：
6.根据本技术的一方面内容，提供了一种应用管理方法，所述方法应用于第一终端中，所述方法包括：
7.获取所述第一终端的终端运行状态和用户兴趣信息，所述终端运行状态包括所述终端的系统状态和所述终端中应用程序的应用状态，所述用户兴趣信息用于指示所述应用程序的用户使用习惯；
8.将所述终端运行状态和所述用户兴趣信息输入查杀预测模型，得到所述至少一个应用程序分别对应的第一查杀概率；
9.根据所述至少一个应用程序分别对应的所述第一查杀概率，对所述至少一个应用程序进行后台查杀管理。
10.根据本技术的另一方面内容，提供了一种应用管理装置，所述装置用于实现第一终端，所述装置包括：
11.获取模块，用于获取所述第一终端的终端运行状态和用户兴趣信息，所述终端运行状态包括所述终端的系统状态和所述终端中应用程序的应用状态，所述用户兴趣信息用于指示所述应用程序的用户使用习惯；
12.预测模块，用于将所述终端运行状态和所述用户兴趣信息输入查杀预测模型，得到所述至少一个应用程序分别对应的第一查杀概率；
13.管理模块，用于根据所述至少一个应用程序分别对应的所述第一查杀概率，对所述至少一个应用程序进行后台查杀管理。
14.根据本技术的另一方面内容，提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如本技术实施提供的应用管理方法。
15.根据本技术的另一方面内容，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如本技术实施提供的应用管理方法。
16.本技术实施例提供的技术方案带来的有益效果可以包括：
17.终端根据当前的运行状态和用户兴趣信息来预测用户不需要使用的应用程序，进而对这部分应用程序进行查杀管理。终端可以使用神经网络模型(查杀预测模型)，自动进行应用查杀，且查杀预测结果可以贴合用户使用习惯，保证后台查杀高效准确地进行。
附图说明
18.为了更清楚地介绍本技术实施例中的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
19.图1是本技术一个示例性实施例提供的计算机系统的结构框图；
20.图2是本技术一个示例性实施例提供的一种应用管理方法的流程图；
21.图3是本技术另一个示例性实施例提供的另一种应用管理方法的流程图；
22.图4是本技术一个示例性实施例提供的应用管理装置的结构框图；
23.图5是本技术一个示例性实施例提供的终端的结构框图。
具体实施方式
24.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
25.下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
26.在本技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。此外，在本技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联的对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联的对象是一种“或”的关系。
27.图1示出了本技术一个示例性实施例提供的计算机系统的示意图，该计算机系统包括终端和服务器。
28.示例性地，本技术实施例所示的应用管理方法，可以应用在终端中，该终端120具备显示屏且具备应用管理功能。终端可以包括手机、平板电脑、笔记本电脑、膝上型电脑、台
式电脑、电脑一体机、智能机器人工作站、电视、机顶盒、智能眼镜、智能手表、数码相机、mp4播放终端、mp5播放终端、学习机、点读机、电纸书、电子词典、车载终端、虚拟现实(英文：virtual reality，缩写：vr)播放终端或增强现实(英文：augmented reality，缩写：ar)播放终端等。
29.在一种可选的实现方式中，本技术提供的应用管理方法可以应用于终端的操作系统中。
30.示例性的，终端120上存储有应用管理算法102，当客户端需要使用社交应用管理功能时，客户端可以调用应用管理算法完成应用管理。
31.终端120包括第一存储器和第一处理器。第一存储器中存储有应用管理算法；上述应用管理算法被第一处理器调用执行以实现本技术提供的应用管理方法。第一存储器可以包括但不限于以下几种：随机存取存储器(random access memory，ram)、只读存储器(read only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除只读存储器(erasable programmable read-only memory，eprom)、以及电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)。
32.第一处理器可以是一个或者多个集成电路芯片组成。可选地，第一处理器可以是通用处理器，比如，中央处理器(central processing unit，cpu)或者网络处理器(network processor，np)。可选地，第一处理器可以通过运行程序或代码来实现本技术提供的应用管理方法。
33.终端120与服务器140之间通过有线或者无线网络相互连接。
34.服务器140用于为终端120的操作系统提供后台服务。例如，服务器140可以是上述应用程序的后台服务器140。服务器140可以是一台服务器140，也可以是由多台服务器140组成的服务器140集群，或者是一个云计算服务中心。
35.示意性的，服务器140包括处理器和存储器，存储器又包括接入模块和信息流推送模块。服务器140用于为操作系统提供后台服务。可选地，服务器140承担主要计算工作，终端120承担次要计算工作；或者，服务器140承担次要计算工作，终端120承担主要计算工作；或者，服务器140和终端120之间采用分布式计算架构进行协同计算。
36.服务器140包括第二存储器和第二处理器。第二存储器中存储有应用管理算法；上述应用管理算法被第二处理器调用来实现本技术提供的应用管理方法。可选地，第二存储器可以包括但不限于以下几种：ram、rom、prom、eprom、eeprom。可选地，第二处理器可以是通用处理器，比如，cpu或者np。
37.请参考图2，图2是本技术一个示例性实施例提供的应用管理方法的流程图。该应用管理方法可以应用在第一终端中，第一终端可以是上述图1所示的终端。
38.在图2中，应用管理方法包括：
39.步骤210，获取第一终端的终端运行状态和用户兴趣信息，终端运行状态包括终端的系统状态和终端中应用程序的应用状态，用户兴趣信息用于指示应用程序的用户使用习惯。
40.可选的，该方法还包括：显示用户兴趣信息获取的授权弹窗，授权探窗用于请求用户授权获取用户兴趣信息。响应于在授权弹窗接收到授权操作，确定用户授权获取用户兴趣信息，然后再执行步骤210。
41.可选的，终端运行状态和用户兴趣信息可以是实时获取的。例如，第一终端周期性地采用本技术实施例提供的方法执行后台查杀管理，则第一终端在每次触发该流程时，实时获取第一终端当前的终端运行状态和用户兴趣信息。
42.终端运行状态包括操作系统的系统状态，以及，应用程序的应用状态。其中，应用程序可以是指第一终端上的全部应用程序，或者，应用程序可以包括内存占用排在前n名的应用程序。
43.可选的，本技术实施例中的应用状态还可以是指进程状态。进程状态包括：前台进程、可见进程、服务进程、后台进程以及空进程的运行状态。
44.其中，系统状态包括：处理器(central processing unit，cpu)状态、内存使用状态、前台状态、后台状态、网络状态、应用未响应情况、应用闪退情况、应用启动时长中的至少一种。
45.·
处理器状态，可以包括以下至少一种信息：处理器的利用率、速度、进程数量、线程数量、句柄数量、正常运行时间。
46.·
内存使用状态，可以包括以下至少一种信息：已用内存、可用内存、已提交内存、已缓存内存、分页缓冲池大小、非分页缓冲池大小。
47.·
前台状态，包括以下至少一种信息：屏幕状态(息屏或亮屏)、前台应用状态(或称为前台进程状态)。前台应用状态可以包括以下至少一种信息：前台为系统桌面、前台运行的应用程序、该应用程序在前台运行的时长、前台应用程序/前台进程的内存占用情况。
48.·
后台状态，包括以下至少一种信息：后台应用程序标识、后台应用程序数量、后台进程标识、后台进程数量、后台应用程序在后台的运行时长、后台应用程序的运行总时长、后台应用程序/后台进程的内存占用情况。
49.·
网络状态，可以包括以下至少一种信息：发送速率、接收速率、延迟、网络类型。
50.·
应用未响应情况，可以包括在过去的预设时长内应用未响应发生的次数。
51.·
应用闪退情况，可以包括在过去的预设时长内应用闪退发生的次数。
52.·
应用启动时长，可以包括每个应用程序最近一次启动的启动时长，或者，在过去的预设时长内应用程序启动的平均时长。
53.应用状态包括至少一个应用程序分别对应的运行状态。一个应用程序的应用状态可以包括以下至少一种信息：应用程序标识、是否正在运行、运行在前台/后台、进程信息、已运行时间、包名、应用启动时长、内存占用情况、是否被设置了后台保护。
54.用户兴趣信息是量化用户使用应用程序的使用习惯得到的信息。例如，用户兴趣信息是基于用户使用每个应用程序的使用时长得到的信息，或者，用户兴趣信息是基于用户手动清理后台的习惯得到的信息，或者，用户兴趣信息是根据用户设置的后台保护应用得到的信息。
55.例如，用户兴趣信息可以是根据过去一天内用户使用各个应用程序的使用时长，对这些使用时长进行归一化后得到的信息，用户兴趣信息包括应用标识以及应用标识对应的使用时长归一化结果。
56.再如，用户兴趣信息可以是根据用户在过去一天内手动清理后台应用的情况得到的。第一终端统计过去一天内被用户手动清理的应用程序，及其清理次数，将清理次数归一化得到清理次数的归一化结果。则用户兴趣信息可以包括应用程序标识以及应用程序标识
对应的清理次数归一化结果。
57.可选的，用户兴趣信息的获取方式包括：获取n个应用程序在预设时段内分别对应的使用时长；对n个使用时长进行归一化处理，得到n个应用程序分别对应的兴趣权重；将n个兴趣权重确定为用户兴趣信息。
58.例如，n为10，则第一终端获取用户在过去二十四小时内用户使用10个应用程序的时长：1小时、1小时、1小时、1小时、2小时、2小时、2小时、2小时、3小时、3小时。按照平均值归一化算法，先计算总时长为：1+1+1+1+2+2+2+2+3+3＝18小时。则将十个时长归一化后得到：1/18、1/18、1/18、1/18、1/9、1/9、1/9、1/9、1/6、1/6。则十个应用程序的兴趣权重分别为：：1/18、1/18、1/18、1/18、1/9、1/9、1/9、1/9、1/6、1/6。当然，也可以采用其他归一化算法，例如，采用线性归一化、非线性归一化、标准化归一化等方法，根据各个应用程序的使用时长得出兴趣权重。
59.可选的，终端运行状态的获取方式包括：获取第一终端的系统状态，系统状态包括：处理器状态、内存使用状态、前台状态、后台状态中的至少一种，前台状态包括：屏幕状态、前台应用状态中的至少一种；获取n个应用程序分别对应的应用状态，应用状态包括：进程信息、已运行时间、包名中的至少一种。
60.在一种可选的实施例中，如模型的输入数据如表1所示，用户感兴趣权重可以包括应用使用时长的归一化结果。终端运行状态可以包括系统状态和应用状态。系统状态包括：cpu的负载、可用内存、空闲内存、前台状态；应用状态包括：进程标识、已运行时间、应用程序的包名。
61.表1
[0062][0063]
步骤220，将终端运行状态和用户兴趣信息输入查杀预测模型，得到至少一个应用程序分别对应的第一查杀概率。
[0064]
查杀预测模型是一种神经网络模型。查杀预测模型可以采用全连接神经网络、卷积神经网络、循环神经网络(recurrent neural network，rnn)中的至少一种。例如，查杀预测模型包括特征提取层和全连接层，特征提取层用于对输入数据进行特征提取，全连接层用于对特征提取层输出的特征进行预测得到输出数据。特征提取层可以采用卷积层实现。
[0065]
可选的，当步骤210输入的应用状态包括n个应用程序的应用状态时，步骤220输出的第一查杀概率包括n个应用程序分别对应的n个第一查杀概率。
[0066]
可选的，将终端运行状态和用户兴趣信息输入查杀预测模型，得到至少一个应用程序分别对应的第一查杀概率以及第一系统状态。第一系统状态是按照第一查杀概率查杀
后台应用后预计可以达到的系统状态。第一系统状态可以包括上述系统状态中所介绍的信息。
[0067]
在一种可选的实施例中，模型输入数据为(n+1)*m维的数据，(n+1)包括：1组系统状态、n个应用程序对应的n组应用数据。系统状态中包括m个数据，一组应用数据中包括(m-1)个应用状态以及该应用程序对应的用户兴趣信息，n、m为正整数。
[0068]
系统状态可以包括以下信息中的m个数据：处理器状态、内存使用状态、前台状态、后台状态、网络状态、应用未响应情况、应用闪退情况、应用启动时长。
[0069]
应用状态可以包括以下信息中的(m-1)个数据：应用程序标识、是否正在运行、运行在前台/后台、进程信息、已运行时间、包名、应用启动时长、内存占用情况、是否被设置了后台保护。
[0070]
对应地，模型输出数据包括(n+1)维的数据。(n+1)包括n个应用程序分别对应的查杀概率(第一查杀概率)，以及，预计系统状态(第一系统状态)。
[0071]
预计系统状态是查杀预测模型预测出的，按照第一查杀概率查杀后台应用程序后，第一终端的系统状态。预计系统状态可以包括以下信息中的一个数据：处理器状态、内存使用状态、前台状态、后台状态、网络状态、应用未响应情况、应用闪退情况、应用启动时长。
[0072]
即，在该实施例中，模型输入数据为(n+1)*m维数据，输出数据为(n+1)维数据。
[0073]
例如，如表2所示，模型输出数据包括每个应用程序对应的被查杀概率，以及系统的可用内存。
[0074]
表2
[0075]
可用内存进程1被杀的概率进程2被杀的概率进程3被杀的概率
…
[0076]
步骤230，根据至少一个应用程序分别对应的第一查杀概率，对至少一个应用程序进行后台查杀管理。
[0077]
可选的，第一终端查杀第一查杀概率高于90％的应用程序的进程。或者，第一终端查杀第一查杀概率高于概率阈值，且未被设置后台保护的应用程序的进程。后台保护是由用户设置的，被设置了后台保护的应用程序不会被查杀后台进程。
[0078]
或者，在第一终端的内存占用率高于阈值的情况下，第一终端查杀第一查杀概率高于概率阈值，且未被设置后台保护的应用程序的进程。
[0079]
可选的，第一终端周期性地执行步骤210至步骤230，来进行周期性地后台查杀管理。
[0080]
综上所述，本实施例提供的应用管理方法，终端根据当前的运行状态和用户兴趣信息来预测用户不需要使用的应用程序，进而对这部分应用程序进行查杀管理。终端可以使用神经网络模型(查杀预测模型)，自动进行应用查杀，且查杀预测结果可以贴合用户使用习惯，保证后台查杀高效准确地进行。
[0081]
示例性的，给出一种训练查杀预测模型的实施例。
[0082]
请参见图3，图3是本技术另一个示例性实施例提供的应用管理方法流程图。该应用管理方法可以应用在第一终端中，第一终端可以是上述图1所示的终端。
[0083]
在图3中，该方法包括：
[0084]
步骤310，接收服务器发送的通用查杀预测模型，通用查杀预测模型是根据从至少两个终端采集到的通用样本数据训练得到的，通用样本数据中的样本用户兴趣信息被统一设置为默认值。
[0085]
示例性的，第一终端中存储的查杀预测模型，可以是基于服务器提供的通用查杀预测模型进行二次训练后得到的。查杀预测模型在第一终端使用的过程中，可以不断地根据用户使用过程中的数据进行自动训练更新，最终，每个终端上所运行的查杀预测模型可以贴合不同用户的使用习惯，根据用户的使用习惯来进行应用查杀管理。
[0086]
第一终端可以向服务器发送模型获取请求，使服务器为第一终端下发通用查杀预测模型。通用查杀预测模型是服务器使用大规模数据训练得到的所有用户通用的查杀预测模型。
[0087]
示例性的，第一终端根据第一终端的终端运行状态训练通用查杀预测模型后，得到查杀预测模型。
[0088]
在一种可选的实施例中，通用查杀预测模型可以是采用如下方法训练得到的：将通用样本数据中的样本终端运行状态、样本用户信息，输入通用查杀预测模型，得到查杀概率和系统状态；根据查杀概率与查杀概率标签的损失、以及系统状态与系统状态标签的损失，训练通用查杀预测模型直至收敛。其中，通用样本数据包括从至少两个终端采集到的样本终端运行状态、样本用户兴趣信息和第一标签数据；第一标签数据包括查杀概率标签和系统状态标签；通用样本数据是根据至少两个终端的应用查杀行为生成的数据，查杀概率标签是根据应用查杀行为查杀的应用程序确定的，系统状态标签包括执行查杀行为后的系统状态。
[0089]
示例性的，通用样本数据可以是通过各个终端上传的日志数据得到的。例如，各个终端的操作系统会定期向服务器商户餐日志数据，日志数据中记录了终端运行状态、终端的应用查杀行为、以及应用查杀行为后的终端运行状态。则终端运行状态可以作为样本终端运行状态，根据终端的应用查杀行为可以得到查杀概率标签(被查杀的应用程序其查杀概率标签为1，未被查杀的应用程序其查杀概率标签为0)，应用查杀行为后的终端运行状态可以作为系统状态标签。如此，便可以获得通用样本数据集。
[0090]
或者，通用样本数据还可以根据用户主动反馈的日志数据得到。例如，用户舆情反馈、logkit日志工具采集的日志数据。这种日志数据是用户手动触发记录的，其内容会更加详细，而且往往是用户遇到了问题，进行售后反馈时，为了配合工程师分析问题，而抓取的日志，更加贴合用户场景，能覆盖到一些边界和极端情况。
[0091]
在一种可选的实施例中，通用查杀预测模型还可以是服务器根据第一终端的能力信息获取的。第一终端向服务器发送模型获取请求，模型获取请求携带有第一终端的能力信息；接收服务器发送的通用查杀预测模型，通用查杀预测模型是根据能力信息获取的。
[0092]
终端的能力信息可以包括：终端型号、处理器型号、内存大小、处理器的相关参数(核心数量、频率、缓存、架构和制作工艺等)中的至少一种。
[0093]
示例性的，通用查杀预测模型是采用如下方法训练得到的：根据通用样本数据训
练教师模型；根据能力信息确定通用查杀预测模型的模型结构；根据通用样本数据和教师模型训练通用查杀预测模型；其中，能力信息的强弱与模型结构的结构复杂度成正比。
[0094]
服务器可以根据终端的能力信息来确定终端的能力得分，根据能力得分来选择对应的通用查杀预测模型的模型结构。或者，服务器可以为不同终端型号、处理器型号划分不同的模型结构，以使模型结构契合终端能力。
[0095]
例如，服务器中存储有能力信息和模型结构对应表，服务器按照表格来确定能力信息对应的模型结构。例如，如表3所示，服务器可以按照终端的终端型号、处理器型号，来查表确定其对应的模型结构。
[0096]
表3
[0097]
终端型号处理器型号模型结构梨14xx1代模型结构1hw13xx2代模型结构2ov5xx1代模型结构1梨20proxx3代模型结构3
[0098]
对于能力较强的终端型号和处理器型号，可以采用更复杂的模型结构，来提高模型能力，提高模型的预测准确度。例如，特征提取层层数更多，或者，卷积核的维度更大，或者，全连接层的层数更多。对于能力较弱的终端型号和处理器型号，可以采用较为简单的模型结构，以降低模型运算量，降低第一终端运行模型的内存占用率。
[0099]
其中，通用样本数据包括从至少两个终端采集到的样本终端运行状态、样本用户兴趣信息和第一标签数据；第一标签数据包括查杀概率标签和系统状态标签；通用样本数据是根据至少两个终端的应用查杀行为生成的数据，查杀概率标签是根据应用查杀行为查杀的应用程序确定的，系统状态标签包括执行查杀行为后的系统状态。则训练教师模型的方法可以是：将通用样本数据中的样本终端运行状态、样本用户信息，输入教师模型，得到第二查杀概率和第二系统状态；根据第二查杀概率与查杀概率标签的第一损失、第二系统状态与系统状态标签的第二损失，训练教师模型直至收敛。
[0100]
示例性的，服务器根据第一损失和第二损失之和，训练教师模型直至收敛。其中，计算第一损失所采用的损失函数，以及计算第二损失所采用的损失函数，可以相同也可以不同。例如，损失函数可以采用均方误差损失函数、交叉熵损失函数、l1范数损失函数等。
[0101]
训练通用查杀预测模型的方法可以是：将通用样本数据中的样本终端运行状态、样本用户信息，输入教师模型，得到第三查杀概率和第三系统状态；将通用样本数据中的样本终端运行状态、样本用户信息，输入通用查杀预测模型，得到第四查杀概率和第四系统状态；根据第四查杀概率与查杀概率标签的第三损失、第四系统状态与系统状态标签的第四损失、第四查杀概率与第三查杀概率的第五损失、第四系统状态与第三系统状态的第六损失，训练通用查杀预测模型直至收敛。
[0102]
示例性的，服务器根据第三损失、第四损失、第五损失、第六损失之和，训练通用查杀预测模型直至收敛。其中，计算第三损失、第四损失、第五损失、第六损失的损失函数可以相同也可以不同。例如，损失函数可以采用均方误差损失函数、交叉熵损失函数、l1范数损失函数等。
[0103]
示例性的，由于通用查杀预测模型是采用众多终端提供的样本数据训练得到的，
通用查杀预测模型无需考虑各个用户的用户兴趣，因此，在训练通用查杀预测模型时，可以将输入数据中的用户兴趣信息设置为预设值，例如，将每个应用程序对应的用户兴趣信息设置为1。
[0104]
步骤320，根据用户样本数据训练通用查杀预测模型，得到查杀预测模型；用户样本数据包括从第一终端上采集到的终端运行状态、用户兴趣信息和第二标签数据。
[0105]
第一终端从服务器获取到通用查杀预测模型后，可以一边使用通用查杀预测模型进行后台应用管理，一边可以对通用查杀预测模型进行更新训练。
[0106]
示例性的，第一终端每使用通用查杀预测模型(或查杀预测模型)进一次预测后，都可以根据预测结果中输出的第一系统状态与期望系统状态的损失，来训练一次模型，以实时更新模型。
[0107]
示例性的，由于在用户侧进行模型更新时，无法获得查杀概率的标签，则第一终端可以根据预设的期望系统状态，来对查杀预测模型进行引导训练。
[0108]
示例性的，在用户侧使用模型时，可以根据用户的使用习惯来确定用户兴趣信息，使查杀预测模型根据用户兴趣信息来预测应用程序的查杀概率，并训练查杀预测模型使其输出的系统状态贴近期望系统状态。
[0109]
可选的，第二标签数据包括期望系统状态标签，期望系统状态标签为预设数值；则第一终端可以将终端运行状态、用户兴趣信息，输入通用查杀预测模型，得到第一查杀概率和第一系统状态；根据第一系统状态与期望系统状态标签的第七损失，训练通用查杀预测模型直至收敛，得到查杀预测模型。
[0110]
其中，期望系统状态包括：处理器状态、内存使用状态、前台状态、后台状态、网络状态、应用未响应情况、应用闪退情况、应用启动时长中的至少一种。示例性的，期望系统状态中所包含的信息与模型输出的系统状态(第一系统状态)的信息类型一致。
[0111]
期望系统状态可以是由服务器提供给第一终端的。服务器可以根据各个终端每日上报的日志数据，确定下一日的期望系统状态(每个终端的期望系统状态相同)，并将期望系统状态发送给第一终端。
[0112]
或者，服务器可以根据第一终端上报的日志数据，确定第一终端在下一日的期望系统状态(每个终端的期望系统状态不同)，并将期望系统状态发送给第一终端。
[0113]
或者，服务器可以根据第一终端的能力信息，来确定第一终端的期望系统状态，并将期望系统状态发送给第一终端。对于能力较强的终端，服务器可以设置较佳的期望系统状态，对于能力较弱的终端，服务器可以设置较差的期望系统状态。
[0114]
综上所述，本实施例提供的应用管理方法，终端可以从服务器获取通用的查杀预测模型，并在模型使用过程中，根据使用数据来不断更新模型，使模型可以贴合各个终端的使用习惯，对于不同终端的使用情况有针对性地进行查杀概率预测。提高查杀预测模型查杀后台应用的准确度。
[0115]
下述为本技术装置实施例，可以用于执行本技术方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术方法实施例。
[0116]
请参考图4，图4是本技术一个示例性实施例提供的应用管理装置的结构框图。该应用管理装置可以通过软件、硬件或者两者的结合实现成为第一终端的全部或一部分。该装置包括：
[0117]
获取模块401，用于获取所述第一终端的终端运行状态和用户兴趣信息，所述终端运行状态包括所述终端的系统状态和所述终端中应用程序的应用状态，所述用户兴趣信息用于指示所述应用程序的用户使用习惯；
[0118]
预测模块402，用于将所述终端运行状态和所述用户兴趣信息输入查杀预测模型，得到所述至少一个应用程序分别对应的第一查杀概率；
[0119]
管理模块403，用于根据所述至少一个应用程序分别对应的所述第一查杀概率，对所述至少一个应用程序进行后台查杀管理。
[0120]
在一种可选的实施例中，所述应用程序的数量为n个，n为正整数；
[0121]
所述获取模块401，用于获取所述n个应用程序在预设时段内分别对应的使用时长；
[0122]
所述获取模块401，用于对n个所述使用时长进行归一化处理，得到所述n个应用程序分别对应的兴趣权重；
[0123]
所述获取模块401，用于将n个所述兴趣权重确定为所述用户兴趣信息。
[0124]
在一种可选的实施例中，所述应用程序的数量为n个，n为正整数；
[0125]
所述获取模块401，用于获取所述第一终端的系统状态，所述系统状态包括：所述终端的处理器状态、内存使用状态、前台状态、后台状态中的至少一种，所述前台状态包括：屏幕状态、前台应用状态中的至少一种；
[0126]
所述获取模块401，用于获取所述n个应用程序分别对应的应用状态，所述应用状态包括：进程信息、已运行时间、包名中的至少一种。
[0127]
在一种可选的实施例中，所述装置还包括：
[0128]
接收模块405，用于接收服务器发送的通用查杀预测模型，所述通用查杀预测模型是根据从至少两个终端采集到的通用样本数据训练得到的，所述通用样本数据中的样本用户兴趣信息被统一设置为默认值；
[0129]
训练模块406，用于根据用户样本数据训练所述通用查杀预测模型，得到所述查杀预测模型；所述用户样本数据包括从所述第一终端上采集到的所述终端运行状态、所述用户兴趣信息和第二标签数据。
[0130]
在一种可选的实施例中，所述装置还包括：
[0131]
发送模块404，用于向所述服务器发送模型获取请求，所述模型获取请求携带有所述第一终端的能力信息；
[0132]
所述接收模块405，用于接收所述服务器发送的所述通用查杀预测模型，所述通用查杀预测模型是根据所述能力信息获取的。
[0133]
在一种可选的实施例中，所述通用查杀预测模型是采用如下方法训练得到的：
[0134]
根据所述通用样本数据训练教师模型；
[0135]
根据所述能力信息确定所述通用查杀预测模型的模型结构；
[0136]
根据所述通用样本数据和所述教师模型训练所述通用查杀预测模型；
[0137]
其中，所述能力信息的强弱与所述模型结构的结构复杂度成正比。
[0138]
在一种可选的实施例中，所述通用样本数据包括从至少两个终端采集到的样本终端运行状态、样本用户兴趣信息和第一标签数据；所述第一标签数据包括查杀概率标签和系统状态标签；所述通用样本数据是根据所述至少两个终端的应用查杀行为生成的数据，
iv，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端500还可能被称为用户帐号设备、便携式终端、膝上型终端、台式终端等其他名称。
[0154]
通常，终端500包括有：处理器501和存储器502。
[0155]
处理器501可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器501可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器501可以在集成有gpu(graphics processing unit，应用管理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器501还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
[0156]
存储器502可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器501所执行以实现本技术中方法实施例提供的应用管理方法。
[0157]
在一些实施例中，终端500还可选包括有：外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口503相连。具体地，外围设备包括：射频电路504、显示屏505、摄像头组件506、音频电路507、和电源509中的至少一种。
[0158]
外围设备接口503可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中，处理器501、存储器502和外围设备接口503被集成在同一芯片或电路板上；在一些其他实施例中，处理器501、存储器502和外围设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
[0159]
射频电路504用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。示例性的，射频电路504包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户帐号身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路504还可以包括nfc(near field communication，近距离无线通信)有关的电路，本技术对此不加以限定。
[0160]
显示屏505用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时，显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器
501进行处理。此时，显示屏505还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏505可以为一个，设置终端500的前面板；在另一些实施例中，显示屏505可以为至少两个，分别设置在终端500的不同表面或呈折叠设计；在再一些实施例中，显示屏505可以是柔性显示屏，设置在终端500的弯曲表面上或折叠面上。甚至，显示屏505还可以设置成非矩形的不规则图形，也即异形屏。显示屏505可以采用lcd(liquid crystal display，液晶显示屏)、oled(organic light-emitting diode，有机发光二极管)等材质制备。
[0161]
摄像头组件506用于采集图像或视频。示例性的，摄像头组件506包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及vr(virtual reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
[0162]
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户帐号及环境的声波，并将声波转换为电信号输入至处理器501进行处理，或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路507还可以包括耳机插孔。
[0163]
电源509用于为终端500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
[0164]
在一些实施例中，终端500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于：加速度传感器511、陀螺仪传感器512、压力传感器513、光学传感器515以及接近传感器516。
[0165]
加速度传感器511可以检测以终端500建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号，控制显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户帐号的运动数据的采集。
[0166]
陀螺仪传感器512可以检测终端500的机体方向及转动角度，陀螺仪传感器512可以与加速度传感器511协同采集用户帐号对终端500的3d动作。处理器501根据陀螺仪传感器512采集的数据，可以实现如下功能：动作感应(比如根据用户帐号的倾斜操作来改变ui)、拍摄时的图像稳定、游戏控制以及惯性导航。
[0167]
压力传感器513可以设置在终端500的侧边框和/或显示屏505的下层。当压力传感
器513设置在终端500的侧边框时，可以检测用户帐号对终端500的握持信号，由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在显示屏505的下层时，由处理器501根据用户帐号对显示屏505的压力操作，实现对ui界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
[0168]
光学传感器515用于采集环境光强度。在一个实施例中，处理器501可以根据光学传感器515采集的环境光强度，控制显示屏505的显示亮度。具体地，当环境光强度较高时，调高显示屏505的显示亮度；当环境光强度较低时，调低显示屏505的显示亮度。在另一个实施例中，处理器501还可以根据光学传感器515采集的环境光强度，动态调整摄像头组件506的拍摄参数。
[0169]
接近传感器516，也称距离传感器，通常设置在终端500的前面板。接近传感器516用于采集用户帐号与终端500的正面之间的距离。在一个实施例中，当接近传感器516检测到用户帐号与终端500的正面之间的距离逐渐变小时，由处理器501控制显示屏505从亮屏状态切换为息屏状态；当接近传感器516检测到用户帐号与终端500的正面之间的距离逐渐变大时，由处理器501控制显示屏505从息屏状态切换为亮屏状态。
[0170]
本领域技术人员可以理解，图5中示出的结构并不构成对终端500的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
[0171]
所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，所述一个或者一个以上程序包含用于进行本技术实施例提供的应用管理方法。
[0172]
本技术还提供一种计算机设备，该计算机设备包括：处理器和存储器，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的应用管理方法。
[0173]
本技术还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的应用管理方法。
[0174]
本技术还提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述可选实现方式中提供的应用管理方法。
[0175]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0176]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0177]
以上所述仅为本技术的能够实现的示例性的实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
[0178]
需要进行说明的是，本技术在收集用户的相关数据之前以及在收集用户的相关数据的过程中，都可以显示提示界面、弹窗或输出语音提示信息，该提示界面、弹窗或语音提示信息用于提示用户当前正在搜集其相关数据，使得本技术仅仅在获取到用户对该提示界
面或者弹窗发出的确认操作后，才开始执行获取用户相关数据的相关步骤，否则(即未获取到用户对该提示界面或者弹窗发出的确认操作时)，结束获取用户相关数据的相关步骤，即不获取用户的相关数据。换句话说，本技术所采集的所有用户数据都是在用户同意并授权的情况下进行采集的，且相关用户数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

技术特征：
1.一种应用管理方法，其特征在于，所述方法应用于第一终端中，所述方法包括：获取所述第一终端的终端运行状态和用户兴趣信息，所述终端运行状态包括所述终端的系统状态和所述终端中应用程序的应用状态，所述用户兴趣信息用于指示所述应用程序的用户使用习惯；将所述终端运行状态和所述用户兴趣信息输入查杀预测模型，得到所述至少一个应用程序分别对应的第一查杀概率；根据所述至少一个应用程序分别对应的所述第一查杀概率，对所述至少一个应用程序进行后台查杀管理。2.根据权利要求1所述的方法，其特征在于，所述应用程序的数量为n个，n为正整数；所述获取用户兴趣信息，包括：获取所述n个应用程序在预设时段内分别对应的使用时长；对n个所述使用时长进行归一化处理，得到所述n个应用程序分别对应的兴趣权重；将n个所述兴趣权重确定为所述用户兴趣信息。3.根据权利要求1所述的方法，其特征在于，所述应用程序的数量为n个，n为正整数；所述获取所述第一终端的终端运行状态，包括：获取所述第一终端的系统状态，所述系统状态包括：处理器状态、内存使用状态、前台状态、后台状态中的至少一种，所述前台状态包括：屏幕状态、前台应用状态中的至少一种；获取所述n个应用程序分别对应的应用状态，所述应用状态包括：进程信息、已运行时间、包名中的至少一种。4.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：接收服务器发送的通用查杀预测模型，所述通用查杀预测模型是根据从至少两个终端采集到的通用样本数据训练得到的，所述通用样本数据中的样本用户兴趣信息被统一设置为默认值；根据用户样本数据训练所述通用查杀预测模型，得到所述查杀预测模型；所述用户样本数据包括从所述第一终端上采集到的所述终端运行状态、所述用户兴趣信息和第二标签数据。5.根据权利要求4所述的方法，其特征在于，所述接收服务器发送的通用查杀预测模型，包括：向所述服务器发送模型获取请求，所述模型获取请求携带有所述第一终端的能力信息；接收所述服务器发送的所述通用查杀预测模型，所述通用查杀预测模型是根据所述能力信息获取的。6.根据权利要求5所述的方法，其特征在于，所述通用查杀预测模型是采用如下方法训练得到的：根据所述通用样本数据训练教师模型；根据所述能力信息确定所述通用查杀预测模型的模型结构；根据所述通用样本数据和所述教师模型训练所述通用查杀预测模型；其中，所述能力信息的强弱与所述模型结构的结构复杂度成正比。7.根据权利要求6所述的方法，其特征在于，所述通用样本数据包括从至少两个终端采
集到的样本终端运行状态、样本用户兴趣信息和第一标签数据；所述第一标签数据包括查杀概率标签和系统状态标签；所述通用样本数据是根据所述至少两个终端的应用查杀行为生成的数据，所述查杀概率标签是根据所述应用查杀行为查杀的应用程序确定的，所述系统状态标签包括执行所述查杀行为后的系统状态；所述根据所述通用样本数据训练教师模型，包括：将所述通用样本数据中的所述样本终端运行状态、所述样本用户信息，输入所述教师模型，得到第二查杀概率和第二系统状态；根据所述第二查杀概率与所述查杀概率标签的第一损失、所述第二系统状态与所述系统状态标签的第二损失，训练所述教师模型直至收敛。8.根据权利要求6所述的方法，其特征在于，所述通用样本数据包括从至少两个终端采集到的样本终端运行状态、样本用户兴趣信息和第一标签数据；所述第一标签数据包括查杀概率标签和系统状态标签；所述通用样本数据是根据所述至少两个终端的应用查杀行为生成的数据，所述查杀概率标签是根据所述应用查杀行为查杀的应用程序确定的，所述系统状态标签包括执行所述查杀行为后的系统状态；所述根据所述通用样本数据和所述教师模型训练所述通用查杀预测模型，包括：将所述通用样本数据中的所述样本终端运行状态、所述样本用户信息，输入所述教师模型，得到第三查杀概率和第三系统状态；将所述通用样本数据中的所述样本终端运行状态、所述样本用户信息，输入所述通用查杀预测模型，得到第四查杀概率和第四系统状态；根据所述第四查杀概率与所述查杀概率标签的第三损失、所述第四系统状态与所述系统状态标签的第四损失、所述第四查杀概率与所述第三查杀概率的第五损失、所述第四系统状态与所述第三系统状态的第六损失，训练所述通用查杀预测模型直至收敛。9.根据权利要求4所述的方法，其特征在于，所述第二标签数据包括期望系统状态标签，所述期望系统状态标签为预设数值；所述根据用户样本数据训练所述通用查杀预测模型，得到所述查杀预测模型，包括：将所述终端运行状态、所述用户兴趣信息，输入所述通用查杀预测模型，得到所述第一查杀概率和第一系统状态；根据所述第一系统状态与所述期望系统状态标签的第七损失，训练所述通用查杀预测模型直至收敛，得到所述查杀预测模型。10.根据权利要求9所述的方法，其特征在于，所述期望系统状态包括：处理器状态、内存使用状态、前台状态、后台状态、应用未响应情况、应用闪退情况中的至少一种。11.一种应用管理装置，其特征在于，所述装置用于实现第一终端，所述装置包括：获取模块，用于获取所述第一终端的终端运行状态和用户兴趣信息，所述终端运行状态包括所述终端的系统状态和所述终端中应用程序的应用状态，所述用户兴趣信息用于指示所述应用程序的用户使用习惯；预测模块，用于将所述终端运行状态和所述用户兴趣信息输入查杀预测模型，得到所述至少一个应用程序分别对应的第一查杀概率；管理模块，用于根据所述至少一个应用程序分别对应的所述第一查杀概率，对所述至少一个应用程序进行后台查杀管理。
12.一种终端，其特征在于，所述终端包括处理器、和与所述处理器相连的存储器，以及存储在所述存储器上的程序指令，所述处理器执行所述程序指令时实现如权利要求1至10任一所述的应用管理方法。13.一种计算机可读存储介质，所述存储介质中存储有程序指令，其特征在于，所述程序指令被处理器执行时实现如权利要求1至10任一所述的应用管理方法。

技术总结
本申请实施例公开了一种应用管理方法、装置、终端及存储介质，属于计算机技术领域，该方法包括：获取所述第一终端的终端运行状态和用户兴趣信息，所述终端运行状态包括所述终端的系统状态和所述终端中应用程序的应用状态，所述用户兴趣信息用于指示所述应用程序的用户使用习惯；将所述终端运行状态和所述用户兴趣信息输入查杀预测模型，得到所述至少一个应用程序分别对应的第一查杀概率；根据所述至少一个应用程序分别对应的所述第一查杀概率，对所述至少一个应用程序进行后台查杀管理。该方法可以根据用户习惯、应用状态、系统状态来自动查杀后台应用，提高应用查杀效率。提高应用查杀效率。提高应用查杀效率。


技术研发人员：李春鹏
受保护的技术使用者：OPPO广东移动通信有限公司
技术研发日：2023.07.06
技术公布日：2023/9/9