CN107748697B - 应用关闭方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请实施例公开了一种应用关闭方法、装置、存储介质及电子设备，其中，本申请实施例接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭；该方案实现了应用的自动关闭，提高了电子设备的运行流畅度，降低了功耗。

Description

应用关闭方法、装置、存储介质及电子设备

技术领域

本申请涉及通信技术领域，具体涉及一种应用关闭方法、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关闭方法、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关闭方法，包括：

接收应用关闭请求；

根据所述应用关闭请求获取电子设备的当前地理位置；

根据所述当前地理位置从应用的多个特征信息中选取相应的目标特征信息；

根据所述目标特征信息和预测模型预测所述应用是否可关闭；

若是，则对所述应用进行关闭。

第二方面，本申请实施例了提供了的一种应用关闭装置，包括：

接收单元，用于接收应用关闭请求；

位置获取单元，用于根据所述应用关闭请求获取电子设备的当前地理位置；

特征选取单元，用于根据所述当前地理位置从应用的多个特征信息中选取相应的目标特征信息；

预测单元，用于根据所述目标特征信息和预测模型预测所述应用是否可关闭；

关闭单元，用于在所述预测单元预测所述应用可关闭时，对所述应用进行关闭。

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关闭方法。

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关闭方法。

本申请实施例采用接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭；该方案实现了应用的自动关闭，提高了电子设备的运行流畅度，降低了功耗。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对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发明的一些实施例，对于本领域技术人员来讲，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他的附图。

图1为本申请实施例提供的应用关闭方法的应用场景示意图。

图2是本申请实施例提供的应用关闭方法的一个流程示意图。

图3是本申请实施例提供的一种显示界面示意图。

图4是本申请实施例提供的应用关闭方法的另一个流程示意图。

图5是本申请实施例提供的应用关闭装置的一个结构示意图

图6是本申请实施例提供的应用关闭装置的另一个结构示意图。

图7是本申请实施例提供的应用关闭装置的另一个结构示意图。

图8是本申请实施例提供的电子设备的一个结构示意图。

图9是本申请实施例提供的电子设备的另一结构示意图。

具体实施方式

请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。

在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存***中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实***置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。

本文所使用的术语“模块”可看做为在该运算***上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算***上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。

本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、***、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例提供一种应用关闭方法，该应用关闭方法的执行主体可以是本申请实施例提供的后台应用关闭装置，或者集成了该应用关闭装置的电子设备，其中该应用关闭装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等设备。

请参阅图1，图1为本申请实施例提供的应用关闭方法的应用场景示意图，以应用关闭装置集成在电子设备中为例，电子设备可以接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭。

具体地，例如图1所示，以关闭应用a为例(如应用a可以为邮箱应用、游戏应用等)，当电子设备接收到应用关闭请求时，根据应用关闭请求获取电子设备的当前地理位置，根据当前地理位置从应用a的多个特征信息即多维特征信息(例如应用a在后台运行的时长、应用a运行的时间信息、应用a进入后台的次数、应用a切换的方式等)中选取相应的目标特征信息(如运用a运行的时间信息、应用a进入后台的次数)，根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用a进行关闭。

请参阅图2，图2为本申请实施例提供的应用关闭方法的流程示意图。本申请实施例提供的应用关闭方法的具体流程可以如下：

201、接收应用关闭请求。

其中，应用关闭请求可以由电子设备自动触发，比如，电子设备每隔一定时间段触发应用关闭请求，此时，便可以对该应用关闭请求进行接收。

在一实施例中，应用关闭请求还可以由用户对电子设备操作触发，比如，可以在显示界面设置以应用关闭接口，这样用户可以对该应用关闭接口进行操作以触发发送应用关闭请求。

其中，应用关闭接口的表现形式有多种，如图标、按钮、输入框等等。

例如，参考图3，在电子设备的视频显示界面设置一悬浮的应用关闭按钮“应用清理”，当用户点击该应用关闭按钮“应用清理”时，电子设备便会发送一应用关闭请求。

202、根据应用关闭请求获取电子设备的当前地理位置。

其中，获取地理位置的方式可以GPS定位方式、基站定位方式等等。实际应用时可以根据需求来设定。

203、根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息。

本申请实施例涉及到的应用可以金融类应用、购物类应用、社交类应用等等。此外，应用还可以前台应用或者后台应用。

其中，应用的多个特征信息为应用的多维特征信息，可以在应用的使用过程中采集。

应用的多维特征具有一定长度的维度，其每个维度上的参数均对应表征应用的一种特征信息，即该多维特征息由多种特征构成。该多个特征信息可以包括应用自身相关的特征信息，例如：应用切入到后台的时长；应用切入到后台期间，电子设备的灭屏时长；应用进入前台的次数；应用处于前台的时间；应用进入后台的方式，例如被主页键(home键)切换进入、被返回键切换进入，被其他应用切换进入等；应用的类型，包括一级(常用应用)、二级(其他应用)；应用在后台停留时长直方图信息，如应用在后台停留时间直方图第一个bin(0-5分钟对应的次数占比)等。

该多个特征信息还可以包括应用所在的电子设备的相关特征信息，例如：电子设备的灭屏时间、亮屏时间、当前电量，电子设备的无线网络连接状态，电子设备是否在充电状态等。

比如，可以在历史时间段内，按照预设频率采集应用的多个特征信息。历史时间段，例如可以是过去7天、10天；预设频率，例如可以是每10分钟采集一次、每半小时采集一次。

在一实施例中，为便于应用关闭，可以将应用的多维特征信息中，未用数值直接表示的特征信息用具体的数值量化出来，例如针对电子设备的无线网连接状态这个特征信息，可以用数值1表示正常的状态，用数值0表示异常的状态(反之亦可)；再例如，针对电子设备是否在充电状态这个特征信息，可以用数值1表示充电状态，用数值0表示未充电状态(反之亦可)。

其中，基于地理位置选取特征信息方式可以有多种，比如，在一实施例中，可以获取当前地理位置对应的特征类型，然后，基于特征类型选取特征性信息。也即，步骤“根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息”可以包括：

获取当前地理位置对应的特征类型，得到特征类型集合；

根据特征类型集合从应用的多个特征信息中选取相应的目标特征信息。

其中，特征类型可以根据实际需求设定，可以根据特征信息的属性来划分，

比如，根据特征属于应用自身还是设备，可以将特征划分成：应用自身的特征、应用所在电子设备的特征。

又比如，还可以根据特征信息的属性将特征划分成：时间特征(如，应用在前台或后台的使用时长，应用进入后台的时间、应用在后台停留时间等等)、次数特征(如应用进入后台、前台的次数等等)、应用切换特征(如应用被切换的方式)等等。此外，还可以将特征划分成电子亮屏特征、熄屏特征、电量特征、网络特征等等。

其中，获取地理位置对应的特征类型的方式可以有多种，比如，可以基于类型映射关系集合来获取地理位置对应的特征类型，该类型映射关系集合包括：地理位置与特征类型的映射关系(即对应关系)。该映射关系集合的表现形式有多种，如表格形式等。

在一实施例中，地理位置对应的特征类型可以是一个也可以是多个，比如，地理位置可以对应的特征类型可以包括时间特征、次数特征等。因此，本申请实施例中，特征类型集合可以包括一个或者多个特征类型。

其中，基于特征类型选取特征信息的方式可以有多种，比如，在一实施例中，可以从应用的多个特征信息中选取特征类型对应的特征信息。例如，特征类型包括时间特征、应用特征时，可以从后台应用的多个特征信息中时间特征信息、应用切换特征信息等等。

在一实施例中，为了提升应用关闭预测的准确性，需要保证特征类型的数量满足一定条件。比如，步骤“根据特征类型集合从应用的多个特征信息中选取相应的目标特征信息”可以包括：

获取特征类型集合中特征类型的数量；

当数量大于预设数量时，根据特征类型集合从应用的多个特征信息中选取相应的目标特征信息；

当数量不大于预设数量时，添加新的特征类型至特征类型集合；根据特征类型集合从应用的多个特征信息中选取相应的目标特征信息。

本申请实施例，可以在得到特征类型集合后，确定特征类型的数量，即特征种类数量是否大于预设阈值，若大于，则表明特征足够丰富，此时，可以基于特征类型集合选取目标特征信息。当特征类型的数量不大于预设阈值时，表明特征不够丰富，采用当前特征类型选取的特征信息作预测，会导致预测不够准确，为了保证预测准确性，可以添加新的特征类型至特征类型集合中，以丰富特征类型。

其中，预设数量可以根据实际需求设定，比如，可以为3、4、5等等。

例如，得到电子设备的当前地理位置后，当前地理位置对应的特征类型包括：时间特征、频率特征、应用切换特征、亮屏特征、熄屏特征。此时，特征类型集合包括五种类型，假设预设数量为4，即需要四种特征进行预测，特征类型的类型数量5大于预设数量4，表明特征类型足够丰富，此时，可以从应用的特征信息中选取时间特征、频率特征、应用切换特征、亮屏特征、熄屏特征。

又例如，得到电子设备的当前地理位置后，当前地理位置对应的特征类型包括：时间特征、频率特征、应用切换特征。此时，特征类型集合包括三种类型，假设预设数量为4，即需要四种特征进行预测，特征类型的类型数量3不大于预设数量4，表明特征类型不够丰富，此时，可以添加新的特征类型如、亮屏特征、熄屏特征至特征类型集合中，添加后特征类型集合包括：时间特征、频率特征、应用切换特征、亮屏特征、熄屏特征五种特征；之后便可以从应用的特征信息中选取时间特征、频率特征、应用切换特征、亮屏特征、熄屏特征。

其中，添加的新的特征类型确定方式可有多种方式，比如，在一实施例中，为提升预测的准确性，可以基于预测模型的训练特征类型来确定等等。

在一实施例中，步骤“添加新的特征类型至特征类型集合”可以包括：

获取预测模型的训练特征类型；

根据训练特征类型以及特征类型集合，确定待添加的候选特征类型，候选特征类型区别于特征类型集合中的特征类型；

根据预设数量与数量的数量差值，从候选特征类型中选取相应数量的目标候选特征类型，并添加至特征类型集合。

其中，预测模型为一种机器学习算法，用于预测某个事件的发生，比如，可以预测应用是否可关闭等。该预测模型可以包括：决策树模型、逻辑回归模型、贝叶斯模型、神经网络模型、聚类模型等等。

训练特征类型为预测模型所采用的训练特征的特征类型；比如，时间特征、频率特征等等。

其中，候选特征类型为相对于特征类型集合来说是一个新的特征类型，也即当前特征类型集合中不存在特征类型。例如，特征类型集合包括：时间特征、频率特征、应用切换特征；候选特征类型可以包括应用类型特征、电量特征等。

在一实施例中，可以获取训练特征类型与特征类型集合之间的区别特征类型，该区别特征类型即为待添加的候选特征类型。例如特征类型集合包括时间特征、频率特征、应用切换特征，训练特征类型包括时间特征、频率特征、应用切换特征、应用类型特征、充电特征；二者之间的区别特征类型为应用类型特征、充电特征，可以将该区别特征类型作为待添加的候选特征类型。

在一实施例中，添加的候选特征类型数量可以根据实际需求设定，比如，为了确保特征类型总数大于预设数量，提升预测准确性，添加的候选特征数量可以基于预设数量与当前特征类型集合中特征类型数量之间的差值来确定。其中，添加的候选特征类型数量与该差值可以相等或者为该差值加1。比如预设数量为5，当前特征类型集合包括3种特征，此时，可以确定需要添加的候选特征类型的数量即种类为3种。

例如特征类型集合包括时间特征、频率特征、应用切换特征三种特征；训练特征类型包括时间特征、频率特征、应用切换特征、应用类型特征、充电特征、网络特征、屏幕状态特征等7种特征；二者之间的区别特征类型即候选特征类型包括：应用类型特征、充电特征、网络特征、屏幕状态特征。假设预设特征类型种数为5，此时，当前特征类型集合包含的特征种数3小于预设种数5，此时，获取二者之间的差值2，然后，随机从候选特征类型如应用类型特征、充电特征、网络特征、屏幕状态特征中选取2+1＝3个特征类型添加到特征类型集合中如选取应用类型特征、充电特征、网络特征。

在一实施例中，为提升应用关闭预测的精确性，可以基于不同的地理位置选取不同的预测模型进行预测，比如，还可以基于地理位置选取相应的预测模型，然后，基于模型的类型选取特征信息，最后基于选取的特征信息以及预测模型来预测应用是否关闭。比如，步骤“根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息”，可以包括：

从多个不同的预测模型中选取当前地理位置对应的目标预测模型；

从应用的多个特征信息中选取目标预测模型对应的目标特征信息。

其中，预测模型为一种机器学习算法，用于预测某个事件的发生，比如，可以预测应用是否可关闭等。该预测模型可以包括：决策树模型、逻辑回归模型、贝叶斯模型、神经网络模型、聚类模型等等。

例如当前地理位置对应的预测模型为决策树模型，此时，可以从应用的多个特征信息选取与决策树对应的特征信息。

其中，不同类型的预测模型可以对应不同的特征类型，如逻辑回归模型对应时间特征、应用类型特征等、决策树模型对应网络特征、蓝牙特征、网络特征等等。具体地，可以根据实际需求设定。

比如，预先设置三个预测模型，如决策树模型、逻辑回归模型、贝叶斯模型，从三个预测模型中选取与当前地理位置对应的预测模型比如为逻辑回归模型；此时，从应用的多个特征信息中选取与逻辑回归模型对应的特征信息，如时间特征、应用类型特征等等。

204、根据目标特征信息和预测模型预测应用是否可关闭，若是，则执行步骤205。

比如，基于目标特征信息以及决策树模型预测应用是否可关闭；可以根据目标特征和决策树模型确定相应的叶子节点，将该叶子节点的输出作为预测输出结果。如利用目标特征按照决策树的分支条件(即划分特征的特征值)确定当前的叶子节点，取该叶子节点的输出作为预测的结果。由于叶子节点的输出包括可关闭、或不可关闭，因此，此时可以基于决策树来确定应用是否可关闭。

其中，预测模型可以为经过大量样本训练或学习后的预测模型。

205、对应用进行关闭。

在一实施例中，当预测应用不可关闭时，还可以不对应用做任何处理。

由上可知，本申请实施例采用接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭；该方案实现了应用的自动关闭，提高了电子设备的运行流畅度，降低了功耗。

进一步地，由于特征信息包括了反映用户使用应用的行为习惯的多个特征信息；因此本申请实施例可以使得对对应应用的关闭更加个性化和智能化。

进一步地，本申请实施例基于电子设备当前的地理位置选取特征，并基于选取特征预测应用是否关闭，一方面，该方案基于应用的部分特征进行应用关闭，相对于基于应用的全部特征进行应用关闭，可以节省资源以及提升应用关闭速度。

另一方面，由于该方案基于地理位置选取特征，可以将特征选取与地理位置相关联，从而将应用关闭与用户当前位置关联，使得应用关闭更加智能化，大大提升了用户体验。比如，采用该方案可以灵活选择与当前场所相关联的后应用是否关闭，这样就避免将与当前场所相关联的应用关闭(用户可能会用到)，使得应用关闭更加智能化，大大提升了用户体验。

下面将在上述实施例描述的方法基础上，对本申请的清理方法做进一步介绍。参考图4，该应用关闭方法可以包括：

301、接收应用关闭请求。

接收应用关闭请求

302、根据应用关闭请求获取电子设备的当前地理位置。

比如可以基于应用关闭请求从地理位置数据库中获取当前的地理位置，该地理位置数据库中存储有各种地理位置数据。

303、获取当前地理位置对应的特征类型，得到特征类型集合。

其中，地理位置对应的特征类型可以为一种或多种，因此，特征类型集合可以包括一个或者多个特征类型。

其中，特征类型可以根据实际需求设定，可以根据特征信息的属性来划分。比如，根据特征属于应用自身还是设备，可以将特征划分成：应用自身的特征、应用所在电子设备的特征。

又比如，还可以根据特征信息的属性将特征划分成：时间特征(如，应用在前台或后台的使用时长，应用进入后台的时间、应用在后台停留时间等等)、次数特征(如应用进入后台、前台的次数等等)、应用切换特征(如应用被切换的方式)等等。此外，还可以将特征划分成电子设备亮屏特征、熄屏特征、电量特征、网络特征等等。

304、获取特征类型集合中特征类型的数量。

比如，可以统计地理位置对应的特征类型数量，也即特征种数。

305、判断特征类型的数量是否大于预设数量，若是，则执行步骤306，若否，则执行步骤307。

其中，预设数量可以根据实际需求设定，比如，可以为3、4、5等等。

本申请实施例，可以在得到特征类型集合后，确定特征类型的数量，即特征种类数量是否大于预设阈值，若大于，则表明特征足够丰富，此时，可以执行步骤306基于特征类型集合选取目标特征信息。当特征类型的数量不大于预设阈值时，表明特征不够丰富，采用当前特征类型选取的特征信息作预测，会导致预测不够准确，为了保证预测准确性，可以执行步骤307添加新的特征类型至特征类型集合中，以丰富特征类型。

306、根据特征类型集合从应用的多个特征信息中选取相应的目标特征信息，转步骤308。

其中，应用的多个特征信息为应用的多维特征信息，可以在应用的使用过程中采集。

比如，应用的多个特征信息可以包括如下30维特征，需要说明的是，如下所示的特征信息仅为举例，实际中所包含的特征信息的数量，可以多于比如下所示信息的数量，也可以少于如下所示信息的数量，所取的具体特征信息也可以与如下所示不同，此处不作具体限定。30维特征包括：

APP上一次切入后台到现在的时长；

APP上一次切入后台到现在的期间中，累计屏幕关闭时间长度；

APP一天里(按每天统计)进入前台的次数；

APP一天里(休息日按工作日、休息日分开统计)进入前台的次数，比如若当前预测时间为工作日，则该特征使用数值为工作日统计到的平均每个工作日在前台使用次数；

APP一天中(按每天统计)处于前台的时间；

该后台APP紧跟当前前台APP后被打开次数，不分工作日休息日统计所得；

该后台APP紧跟当前前台APP后被打开次数，分工作日休息日统计；

目标APP被切换的方式，分为被home键切换、被recent键切换、被其他APP切换；

目标APP一级类型(常用应用)；

目标APP二级类型(其他应用)；

手机屏幕灭屏时间；

手机屏幕亮屏时间；

当前屏幕亮灭状态；

当前的电量；

当前wifi状态；

App上一次切入后台到现在的时长；

APP上一次在前台被使用时长；

APP上上一次在前台被使用时长；

APP上上上一次在前台被使用时长；

若一天分了6个时间段，每段4小时，当前预测时间点为早上8:30，则处于第3段，则该特征表示的是目标app每天在8:00～12:00这个时段被使用的时间长度；

当前前台APP进入后台到目标APP进入前台按每天统计的平均间隔时间；

当前前台APP进入后台到目标APP进入前台期间按每天统计的平均屏幕熄灭时间；

目标APP在后台停留时间直方图第一个bin(0-5分钟对应的次数占比)；

目标APP在后台停留时间直方图第一个bin(5-10分钟对应的次数占比)；

目标APP在后台停留时间直方图第一个bin(10-15分钟对应的次数占比)；

目标APP在后台停留时间直方图第一个bin(15-20分钟对应的次数占比)；

目标APP在后台停留时间直方图第一个bin(15-20分钟对应的次数占比)；

目标APP在后台停留时间直方图第一个bin(25-30分钟对应的次数占比)；

目标APP在后台停留时间直方图第一个bin(30分钟以后对应的次数占比)；

当前是否有在充电。

307、添加新的特征类型至特征类型集合；根据特征类型集合从应用的多个特征信息中选取相应的目标特征信息。

比如，可以获取预测模型的训练特征类型；根据训练特征类型以及特征类型集合，确定待添加的候选特征类型，候选特征类型区别于特征类型集合中的特征类型；根据预设数量与数量的数量差值，从候选特征类型中选取相应数量的目标候选特征类型，并添加至特征类型集合。

其中，预测模型为一种机器学习算法，用于预测某个事件的发生，比如，可以预测应用是否可关闭等。该预测模型可以包括：决策树模型、逻辑回归模型、贝叶斯模型、神经网络模型、聚类模型等等。

训练特征类型为预测模型所采用的训练特征的特征类型；比如，时间特征、频率特征等等。

其中，候选特征类型为相对于特征类型集合来说是一个新的特征类型，也即当前特征类型集合中不存在特征类型。例如，特征类型集合包括：时间特征、频率特征、应用切换特征；候选特征类型可以包括应用类型特征、电量特征等。

在一实施例中，可以获取训练特征类型与特征类型集合之间的区别特征类型，该区别特征类型即为待添加的候选特征类型。例如特征类型集合包括时间特征、频率特征、应用切换特征，训练特征类型包括时间特征、频率特征、应用切换特征、应用类型特征、充电特征；二者之间的区别特征类型为应用类型特征、充电特征，可以将该区别特征类型作为待添加的候选特征类型。

在一实施例中，添加的候选特征类型数量可以根据实际需求设定，比如，为了确保特征类型总数大于预设数量，提升预测准确性，添加的候选特征数量可以基于预设数量与当前特征类型集合中特征类型数量之间的差值来确定。其中，添加的候选特征类型数量与该差值可以相等或者为该差值加1。比如预设数量为5，当前特征类型集合包括3种特征，此时，可以确定需要添加的候选特征类型的数量即种类为3种。

308、根据目标特征信息和预测模型预测应用是否可关闭，若是，则执行步骤309，若否，则结束流程或者不对应用处理。

比如，基于目标特征信息以及逻辑回归模型获取应用可关闭的概率；当概率大于预设概率值时，确定应用可关闭，否则不可关闭。

309、对应用进行关闭。

由上可知，本申请实施例采用接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭；该方案实现了应用的自动关闭，提高了电子设备的运行流畅度，降低了功耗。

进一步地，由于特征信息包括了反映用户使用应用的行为习惯的多个特征信息；因此本申请实施例可以使得对对应应用的关闭更加个性化和智能化。

进一步地，本申请实施例基于电子设备当前的地理位置选取特征，并基于选取特征预测应用是否关闭，一方面，该方案基于应用的部分特征进行应用关闭，相对于基于应用的全部特征进行应用关闭，可以节省资源以及提升应用关闭速度。

另一方面，由于该方案基于地理位置选取特征，可以将特征选取与地理位置相关联，从而将应用关闭与用户当前位置关联，使得应用关闭更加智能化，大大提升了用户体验。比如，采用该方案可以灵活选择与当前场所相关联的后应用是否关闭，这样就避免将与当前场所相关联的应用关闭(用户可能会用到)，使得应用关闭更加智能化，大大提升了用户体验。

在一实施例中还提供了一种应用关闭装置。请参阅图5，图5为本申请实施例提供的应用关闭装置的结构示意图。其中该应用关闭装置应用于电子设备，该应用关闭装置包括接收单元401、位置获取单元402、特征选取单元403、预测单元404和关闭单元405，如下：

接收单元401，用于接收应用关闭请求；

位置获取单元402，用于根据所述应用关闭请求获取电子设备的当前地理位置；

特征选取单元403，用于根据所述当前地理位置从应用的多个特征信息中选取相应的目标特征信息；

预测单元404，用于根据所述目标特征信息和预测模型预测所述应用是否可关闭；

关闭单元405，用于在所述预测单元404预测所述应用可关闭时，对所述应用进行关闭。

在一实施例中，参考图6，特征选取单元403，可以包括：

类型获取子单元4031，用于获取所述当前地理位置对应的特征类型，得到特征类型集合；

选取子单元4032，用于根据所述特征类型集合从应用的多个特征信息中选取相应的目标特征信息。

在一实施例中，选取子单元4032，可以用于：

获取所述特征类型集合中特征类型的数量；

当所述数量大于预设数量时，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息；

当所述数量不大于预设数量时，添加新的特征类型至所述特征类型集合；根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息。

在一实施例中，选取子单元4032，可以用于获取所述预测模型的训练特征类型；根据所述训练特征类型以及所述特征类型集合，确定待添加的候选特征类型，所述候选特征类型区别于所述特征类型集合中的特征类型；根据所述预设数量与所述数量的数量差值，从候选特征类型中选取相应数量的目标候选特征类型，并添加至所述特征类型集合。

在一实施例中，参考图7,特征选取单元403，可以包括：

模型确定子单元4033，用于从多个不同的预测模型中选取所述当前地理位置对应的目标预测模型；

信息选取子单元4034，用于从应用的多个特征信息中选取所述目标预测模型对应的目标特征信息；

其中，预测单元404，用于根据所述目标特征信息和所述目标预测模型，预测所述应用是否可关闭。

其中，应用关闭装置中各单元执行的步骤可以参考上述方法实施例描述的方法步骤。该应用关闭装置可以集成在电子设备中，如手机、平板电脑等。

具体实施时，以上各个单元可以作为独立的实体实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单位的具体实施可参见前面的实施例，在此不再赘述。

由上可知，本实施例应用关闭装置可以由接收单元401接收应用关闭请求，然后，由位置获取单元402根据应用关闭请求获取电子设备的当前地理位置；由特征选取单元403根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；由预测单元404根据目标特征信息和预测模型预测应用是否可关闭；若是，则由关闭单元405对应用进行关闭；该方案实现了应用的自动关闭，提高了电子设备的运行流畅度，降低了功耗。

本申请实施例还提供一种电子设备。请参阅图8，电子设备500包括处理器501以及存储器502。其中，处理器501与存储器502电性连接。

所述处理器500是电子设备500的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器502内的计算机程序，以及调用存储在存储器502内的数据，执行电子设备500的各种功能并处理数据，从而对电子设备500进行整体监控。

所述存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。

在本申请实施例中，电子设备500中的处理器501会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器502中，并由处理器501运行存储在存储器502中的计算机程序，从而实现各种功能，如下：

接收应用关闭请求；

根据所述应用关闭请求获取电子设备的当前地理位置；

根据所述当前地理位置从应用的多个特征信息中选取相应的目标特征信息；

根据所述目标特征信息和预测模型预测所述应用是否可关闭；

若是，则对所述应用进行关闭。

在某些实施方式中，在根据所述当前地理位置从应用的多个特征信息中选取相应的目标特征信息时，处理器501可以具体执行以下步骤：

获取所述当前地理位置对应的特征类型，得到特征类型集合；

根据所述特征类型集合从应用的多个特征信息中选取相应的目标特征信息。

在某些实施方式中，在根据所述特征类型集合从应用的多个特征信息中选取相应的目标特征信息时，处理器501可以具体执行以下步骤：

获取所述特征类型集合中特征类型的数量；

当所述数量大于预设数量时，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息；

当所述数量不大于预设数量时，添加新的特征类型至所述特征类型集合；根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息。

在某些实施方式中，在添加新的特征类型至所述特征类型集合时，处理器501可以具体执行以下步骤：

获取所述预测模型的训练特征类型；

根据所述训练特征类型以及所述特征类型集合，确定待添加的候选特征类型，所述候选特征类型区别于所述特征类型集合中的特征类型；

根据所述预设数量与所述数量的数量差值，从候选特征类型中选取相应数量的目标候选特征类型，并添加至所述特征类型集合。

在某些实施方式中，在根据所述当前地理位置从应用的多个特征信息中选取相应的目标特征信息时，处理器501可以具体执行以下步骤：

从多个不同的预测模型中选取所述当前地理位置对应的目标预测模型；

从应用的多个特征信息中选取所述目标预测模型对应的目标特征信息；

其中，在根据所述目标特征信息和预测模型预测所述应用是否可关闭时，处理器501还可以具体执行以下步骤：

根据所述目标特征信息和所述目标预测模型，预测所述应用是否可关闭。

由上述可知，本申请实施例的电子设备可以接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭；该方案实现了应用的自动关闭，提高了电子设备的运行流畅度，降低了功耗。

请一并参阅图9，在某些实施方式中，电子设备500还可以包括：显示器503、射频电路504、音频电路505以及电源506。其中，其中，显示器503、射频电路504、音频电路505以及电源506分别与处理器501电性连接。

所述显示器503可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器503可以包括显示面板，在某些实施方式中，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、或者有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。

所述射频电路504可以用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。

所述音频电路505可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。

所述电源506可以用于给电子设备500的各个部件供电。在一些实施例中，电源506可以通过电源管理***与处理器501逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。

尽管图9中未示出，电子设备500还可以包括摄像头、蓝牙模块等，在此不再赘述。

本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，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上述任一实施例中的应用关闭方法，比如：接收应用关闭请求，然后，根据应用关闭请求获取电子设备的当前地理位置；根据当前地理位置从应用的多个特征信息中选取相应的目标特征信息；根据目标特征信息和预测模型预测应用是否可关闭；若是，则对应用进行关闭；。

在本申请实施例中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM，)、或者随机存取记忆体(Random Access Memory，RAM)等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

需要说明的是，对本申请实施例的应用关闭方法而言，本领域普通测试人员可以理解实现本申请实施例的应用关闭方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在电子设备的存储器中，并被该电子设备内的至少一个处理器执行，在执行过程中可包括如应用关闭方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。

对本申请实施例的应用关闭装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。

以上对本申请实施例所提供的一种应用关闭方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种应用关闭方法，其特征在于，包括：

接收应用关闭请求；

根据所述应用关闭请求获取电子设备的当前地理位置；

获取所述当前地理位置对应的特征类型，得到特征类型集合；

获取所述特征类型集合中特征类型的数量；

当所述数量大于预设数量时，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息；

当所述数量不大于预设数量时，添加新的特征类型至所述特征类型集合；

根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息，所述新的特征类型通过预测模型对应的训练特征类型确定，所述多个特征信息反映用户使用应用的行为习惯；

从多个不同的预测模型中选取所述当前地理位置对应的目标预测模型；

根据所述目标特征信息和所述目标预测模型预测所述应用是否可关闭；

若是，则对所述应用进行关闭。

2.如权利要求1所述的应用关闭方法，其特征在于，根据所述特征类型集合从应用的多个特征信息中选取相应的目标特征信息，包括：

获取所述特征类型集合中特征类型的数量；

当所述数量大于预设数量时，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息；

当所述数量不大于预设数量时，添加新的特征类型至所述特征类型集合；根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息。

3.如权利要求2所述的应用关闭方法，其特征在于，添加新的特征类型至所述特征类型集合，包括：

获取所述预测模型的训练特征类型；

根据所述训练特征类型以及所述特征类型集合，确定待添加的候选特征类型，所述候选特征类型区别于所述特征类型集合中的特征类型；

根据所述预设数量与所述数量的数量差值，从候选特征类型中选取相应数量的目标候选特征类型，并添加至所述特征类型集合。

4.一种应用关闭装置，其特征在于，包括：

接收单元，用于接收应用关闭请求；

位置获取单元，用于根据所述应用关闭请求获取电子设备的当前地理位置；

类型获取子单元，用于获取所述当前地理位置对应的特征类型，得到特征类型集合；

选取子单元，用于根据所述特征类型集合从应用的多个特征信息中选取相应的目标特征信息；

模型确定子单元，用于获取所述特征类型集合中特征类型的数量，当所述数量大于预设数量时，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息，当所述数量不大于预设数量时，添加新的特征类型至所述特征类型集合，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息，所述新的特征类型通过预测模型对应的训练特征类型确定所述多个特征信息反映用户使用应用的行为习惯；

所述预测单元，用于根据所述目标特征信息和所述目标预测模型，预测所述应用是否可关闭；

关闭单元，用于在所述预测单元预测所述应用可关闭时，对所述应用进行关闭。

5.如权利要求4所述的应用关闭装置，其特征在于，所述选取子单元，用于：

获取所述特征类型集合中特征类型的数量；

当所述数量大于预设数量时，根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息；

当所述数量不大于预设数量时，添加新的特征类型至所述特征类型集合；根据所述特征类型集合从所述应用的多个特征信息中选取相应的目标特征信息。

6.如权利要求5所述的应用关闭装置，其特征在于，所述选取子单元，用于：

获取所述预测模型的训练特征类型；

根据所述训练特征类型以及所述特征类型集合，确定待添加的候选特征类型，所述候选特征类型区别于所述特征类型集合中的特征类型；

根据所述预设数量与所述数量的数量差值，从候选特征类型中选取相应数量的目标候选特征类型，并添加至所述特征类型集合。

7.一种存储介质，其上存储有计算机程序，其特征在于，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权利要求1至3任一项所述的应用关闭方法。

8.一种电子设备，包括处理器和存储器，所述存储器有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至3任一项所述的应用关闭方法。

Images