CN107920163A - 一种提醒模式切换方法及移动终端、云端服务器 - Google Patents

Abstract

本发明实施例提供了一种提醒模式切换方法及移动终端、云端服务器，该方法包括：获取移动终端的当前使用场景；以及获取利用提醒模式识别模型并基于该当前使用场景进行提醒模式识别得到的识别结果；再根据该识别结果，确定是否需要进行移动终端的提醒模式切换；若是，则将移动终端的提醒模式切换至目标提醒模式。本发明实施例，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

Description

一种提醒模式切换方法及移动终端、云端服务器

技术领域

本发明涉及智能识别技术领域，尤其涉及一种提醒模式切换方法及移动终端、云端服务器。

背景技术

目前，随着移动通信技术的快速发展，移动终端(如手机等)的使用越来越频繁，用户经常在各种场合各种地点使用移动终端。为了满足用户在不同使用场景下，选用适用于该使用场景下的提醒模式，一般来说，智能手机至少支持三种提醒模式，即静音模式、振动模式、铃声模式。

针对不同使用场景，需要手动将所需的提醒模式，而往往使用场景变更后，用户可能忘记将提醒模式切换回来，例如，当用户进入会议室时，需要手动将提醒模式切换至静音模式或振动模式，而当用户结束会议离开会议室时，需要再次手动将提醒模式由静音模式或振动模式切换至铃声模式，这个过程比较繁琐，一旦用户忘记将提醒模式由静音模式或振动模式切换至铃声模式，很可能出现漏接电话或者漏接信息的情况，从而可能给用户带来极大的麻烦。

在实现本发明的过程中，发明人发现相关技术中至少存在以下问题：在移动终端的使用场景变更后，需要手动将提醒模式切换至适用于该使用场景的提醒模式，存在由于用户忘记切换提醒模式，而出现漏接电话或者漏接信息的问题。

发明内容

本发明实施例的目的是提供一种提醒模式切换方法及移动终端、云端服务器，以解决相关技术中在移动终端的使用场景变更后，需要手动将提醒模式切换至适用于该使用场景的提醒模式，存在操作繁琐、用户体验差的问题。

为了解决上述技术问题，本发明实施例是这样实现的：

第一方面，本发明实施例提供了一种提醒模式切换方法，包括：

获取所述移动终端的当前使用场景，所述当前使用场景至少包括：时间信息和位置信息；

获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；

若是，则将所述移动终端的提醒模式切换至目标提醒模式。

第二方面，本发明实施例提供了一种提醒模式切换方法，包括：

接收移动终端发送的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

获取与所述移动终端对应的提醒模式识别模型，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果；

将所述识别结果发送至所述移动终端。

第三方面，本发明实施例提供了一种移动终端，包括：

使用场景获取模块，用于获取所述移动终端的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

识别结果获取模块，用于获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

模式切换判断模块，用于根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；

提醒模式切换模块，用于若确定出需要进行模式切换，则将所述移动终端的提醒模式切换至目标提醒模式。

第四方面，本发明实施例提供了一种云端服务器，包括：

使用场景接收模块，用于接收移动终端发送的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

识别模型获取模块，用于获取与所述移动终端对应的提醒模式识别模型，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

识别结果生成模块，用于利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果；

识别结果发送模块，用于将所述识别结果发送至所述移动终端。

本发明实施例中的提醒模式切换方法及移动终端、云端服务器，该方法包括：获取移动终端的当前使用场景；以及获取利用提醒模式识别模型并基于该当前使用场景进行提醒模式识别得到的识别结果；再根据该识别结果，确定是否需要进行移动终端的提醒模式切换；若是，则将移动终端的提醒模式切换至目标提醒模式。本发明实施例，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的提醒模式切换方法中的移动终端与云端服务器之间进行交互的应用场景示意图；

图2为本发明一实施例提供的提醒模式切换方法的第一种流程示意图；

图3为本发明一实施例提供的提醒模式切换方法的第二种流程示意图；

图4为本发明一实施例提供的提醒模式切换方法的第三种流程示意图；

图5为本发明一实施例提供的提醒模式切换方法的第四种流程示意图；

图6为本发明一实施例提供的提醒模式切换方法的第五种流程示意图；

图7为本发明另一实施例提供的提醒模式切换方法的第一种流程示意图；

图8为本发明另一实施例提供的提醒模式切换方法的第二种流程示意图；

图9为本发明实施例提供的移动终端的模块组成示意图；

图10为本发明实施例提供的云端服务器的模块组成示意图；

图11为本发明实施例提供的移动终端的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明实施例提供了一种提醒模式切换方法及移动终端、云端服务器，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

本发明实施例中，移动终端可以是手机、对讲机等，以手机为例，本发明实施例提供的提醒模式切换方法及移动终端、云端服务器可以应用在如图1所示的应用场景中，图1包括移动终端100和云端服务器200。在图1中，移动终端100通过通信网络与云端服务器200进行信息交互，在移动终端处于联网状态时，获取到其自身的当前使用场景后，将该当前使用场景发送至云端服务器，云端服务器利用提醒模式识别模型并基于当前使用场景进行提醒模式识别，并将识别结果返回至移动终端；在移动终端处于未联网状态时，获取到其自身的当前使用场景后，移动终端利用预存的提醒模式识别模型并基于当前使用场景(该模型为在处于联网状态时云端服务器下发的)，得到识别结果；无论是针对移动终端处于联网状态的情况，还是针对移动终端处于未联网状态的情况，均由云端服务器预先利用深度学习方法训练得到提醒模式识别模型，且由移动终端根据识别结果确定是否需要提醒模式切换。通过本发明实施例提供的提醒模式切换方法及移动终端、云端服务器，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

图2为本发明一实施例提供的提醒模式切换方法的流程示意图，图2中的方法能够由图1中的移动终端100执行，特别由移动终端100其中设置的程序模块执行，如图2所示，该方法至少包括以下步骤：

S201，获取移动终端的当前使用场景，其中，该当前使用场景至少包括：时间信息和位置信息，该时间信息可以通过时钟软件获取，该位置信息可以通过GPS模块获取；

S202，获取利用提醒模式识别模型并基于上述当前使用场景进行提醒模式识别得到的识别结果，其中，该提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

S203，根据获取到的识别结果，确定是否需要进行移动终端的提醒模式切换；

若是，则执行S204，将移动终端的提醒模式切换至目标提醒模式；

其中，在具体实施时，如果确定处需要切换，可以自动将提醒模式切换至目标提醒模式，也可以生成用于提示用户确认切换至目标提醒模式的第一提醒信息，若接收到用户针对第一提示信息的确认信息，再将提醒模式切换至目标提醒模式。无论采用自动切换的方式，还是采用生成第一提示信息并提示用户确认的方式，用户可以根据实际需求通过设定移动终端的***参数来选择采用哪种方式，具体的，生成第一提示信息后，可以以预设提示方式将该第一提示信息展示给用户，例如，弹窗、短信、短振动等。

其中，为了提高基于当前使用场景最终确定出的目标提醒模式的准确度，上述当前使用场景还可以包括：用户属性、天气属性、用户行为属性等等，用户属性可以包含性别、年龄段、职业等信息，天气属性可以包含天气状况、温度、湿度等信息，用户行为属性可以包含用户触控操作、模式切换操作、邮件收发处理信息等。

在本发明提供的实施例中，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

进一步，考虑到移动终端可能存在当前无法正常联网(断网离线)的情况，此时移动终端无法将获取到的当前使用场景上传到云端服务器，同时也无法收到云端服务器发送的提醒模式识别结果，为了确保无论移动终端处于联网状态，还是处于非联网状态，均能够基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的提醒模式，因此，在基于当前使用场景进行提醒模式识别并生成相应的识别结果过程中，给出了如下两种实现方式，一种是，在移动终端处于联网状态时，由云端服务器利用提醒模式识别模型并基于当前使用场景进行提醒模式识别，生成相应的识别结果；另一种是，在移动终端处于非联网状态时，由移动终端自身利用提醒模式识别模型并基于当前使用场景进行提醒模式识别，生成相应的识别结果，具体为：

如图3所示，上述S202获取利用提醒模式识别模型并基于上述当前使用场景进行提醒模式识别得到的识别结果，具体包括：

S2021，判断移动终端是否处于联网状态；

若是，则执行S2022，将获取到的当前使用场景发送至云端服务器，并接收云端服务器发送的识别结果，该识别结果为云端服务器利用提醒模式识别模型并基于当前使用场景进行提醒模式识别得到的识别结果；对应于，在移动终端处于联网状态时，由云端服务器基于当前使用场景进行提醒模式识别并生成相应的识别结果；

若否，则执行S2023，获取预存的提醒模式识别模型，并利用该提醒模式识别模型，基于上述当前使用场景进行提醒模式识别，得到相应的识别结果；对应于，在移动终端处于非联网状态时，由移动终端自身基于当前使用场景进行提醒模式识别并生成相应的识别结果。

在本发明提供的实施例中，在移动终端处于联网状态时，将当前使用场景上传至云端服务器，由云端服务器来进行提醒模式识别，再将识别结果反馈给移动终端，这样无需占用移动终端的运行内存，同时还预先在移动终端存储云端服务器训练好的提醒模式识别模型，这样即使在移动终端处于非联网状态下，仍能保证基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的提醒模式。

其中，上述识别结果包括在当前使用场景下各提醒模式对应的推荐概率，具体的，利用提醒模式识别模型，基于上述当前使用场景进行提醒模式识别，得到相应的识别结果，具体包括：

将获取到的当前使用场景输入至预先训练好的提醒模式识别模型，其中，该提醒模式识别模型是云端服务器采用深度学习方法并基于训练样本集，训练得到的深度学习模型，该训练样本集包含大量该移动终端历史的使用场景与提醒模式之间的对应关系；

基于提醒模式识别模型，分别计算在当前使用场景下各提醒模式对应的推荐概率，例如，提醒模式类型包括静音模式、振动模式、铃声模式三种模式，此时，将输出三个推荐概率，即在当前使用场景下使用静音模式的推荐概率、在当前使用场景下使用振动模式的推荐概率、在当前使用场景下使用铃声模式的推荐概率。

相应的，如图4所示，上述S203根据获取到的识别结果，确定是否需要进行所述移动终端的提醒模式切换，具体包括：

S2031，根据各提醒模式对应的推荐概率，确定与当前使用场景相匹配的目标提醒模式，具体的，将推荐概率最大值对应的提醒模式确定为目标提醒模式；

S2032，判断移动终端的当前提醒模式是否为目标提醒模式，即判断移动终端已设置的提醒模式与确定出的目标提醒模式是否一致，若一致，则说明无需进行提醒模式的切换，若不一致，则确定需要进行移动终端的提醒模式切换。

其中，如果在确定出需要进行提醒模式切换后，采用生成第一提示信息并提示用户确认的方式，此时，存在两种情况，一种是，接收到用户提交的确认信息，另一种是，未接收到用户的确认信息，如图5所示，上述S204将移动终端的提醒模式切换至目标提醒模式，具体包括：

S2041，生成用于提示用户确认切换至目标提醒模式的第一提示信息；

S2042，判断在预设时间内是否接收到用户针对第一提示信息的确认信息；

若接收到，则执行S2071，将移动终端的提醒模式切换至目标提醒模式，并将当前使用场景和目标提醒模式之间的对应关系作为模型训练样本；以及执行S213，将上述模型训练样本发送至云端服务器，以使云端服务器根据模型训练样本更新训练样本集；

若未接收到，则执行S2043，根据各提醒模式对应的推荐概率，判断是否需要强制切换至目标提醒模式；

若是，则执行S2072，将移动终端的提醒模式强制切换至目标提醒模式。

具体的，上述S2043，根据各提醒模式对应的推荐概率，判断是否需要强制切换至目标提醒模式，具体包括：

判断各提醒模式对应的推荐概率最大值是否大于预设概率阈值；

若是，则确定需要强制切换至目标提醒模式。

其中，上述预设概率阈值可以根据用户实际需求进行自行设定，也可以选择设置的默认值，当确定出的某一提醒模式的推荐概率比较大时，说明该移动终端的历史在该当前使用场景下使用该提醒模式的概率比较大，此时确定出的目标提醒模式准确度较高。

进一步，为了不断优化提醒模式识别模式，逐步提高提醒模式识别的准确度，基于此，如图6所示，上述S2072将移动终端的提醒模式强制切换至目标提醒模式之后，还包括：

S208，生成用于提示用户选择针对本次强制切换满意与否的第二提示信息；

S209，判断是否接收到用户针对上述第二提示信息的满意反馈；

若是，则执行S210，将当前使用场景和目标提醒模式之间的对应关系作为模型训练样本；

若否，则执行S211，判断是否接受到用户选择的目标提醒模式；

若是，则执行S212，将当前使用场景和用户选择的目标提醒模式之间的对应关系作为模型训练样本，并将提醒模式切换至用户选择的目标提醒模式；

S213，将上述模型训练样本发送至云端服务器，以使云端服务器根据模型训练样本更新训练样本集，在具体实施时，记录每一次用户参与操作后得到的使用场景与提醒模式之间的对应关系，然后，将该对应关系发送至云端服务器；另外，为了保证数据传输的安全性，上述将模型训练样本发送至云端服务器，包括：对模型训练样本进行加密处理，将加密后的模型训练样本发送至云端服务器。

其中，将用户参与操作后得到的使用场景与提醒模式之间的对应关系，均作为模型训练样本发送至云端服务器，云端服务器根据接收的对应关系更新训练样本集，进而基于更新后的训练样本集，重新进行提醒模式识别模型训练，得到新的提醒模式识别模型；由于更新后的训练样本集为不断补充用户参与操作后的使用场景与提醒模式之间的对应关系，这样使得训练得到的提醒模式识别模型更加符合用户的提醒模式设置偏好，进一步提高了提醒模式识别的准确度。

图7为本发明另一实施例提供的提醒模式切换方法的流程示意图，图7中的方法能够由图1中的云端服务器200执行，特别由云端服务器200其中设置的程序模块执行，如图7所示，该方法至少包括以下步骤：

S701，接收移动终端发送的当前使用场景，其中，该当前使用场景至少包括：时间信息和位置信息；

S702，获取与移动终端对应的提醒模式识别模型，其中，该提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

S703，利用提醒模式识别模型，基于当前使用场景进行提醒模式识别，得到相应的识别结果；

S704，将上述识别结果发送至相应的移动终端，以使移动终端根据接收到的识别结果，确定是否需要进行移动终端的提醒模式切换。

其中，上述S703基于当前使用场景进行提醒模式识别，得到相应的识别结果，具体包括：

基于当前使用场景进行提醒模式识别，确定在当前使用场景下各提醒模式对应的推荐概率，具体为：

将获取到的当前使用场景输入至预先训练好的提醒模式识别模型，其中，该提醒模式识别模型是云端服务器采用深度学习方法并基于训练样本集，训练得到的深度学习模型，该训练样本集包含大量该移动终端历史的使用场景与提醒模式之间的对应关系；

基于提醒模式识别模型，分别计算在当前使用场景下各提醒模式对应的推荐概率，例如，提醒模式类型包括静音模式、振动模式、铃声模式三种模式，此时，将输出三个推荐概率，即在当前使用场景下使用静音模式的推荐概率、在当前使用场景下使用振动模式的推荐概率、在当前使用场景下使用铃声模式的推荐概率。

进一步的，为了不断优化提醒模式识别模式，逐步提高提醒模式识别的准确度，基于此，如图8所示，上述方法还包括：

S705，接收移动终端发送的模型训练样本，其中，该模型训练样本为用户参与操作后的使用场景与提醒模式之间的对应关系；

S706，根据接收到的模型训练样本，更新与上述移动终端对应的训练样本集；

S707，在确定出满足预设模型更新条件后，基于更新后的训练样本集，重新进行提醒模式识别模型训练，得到新的提醒模式识别模型，其中，预设模型更新条件可以是模型更新时间间隔大于预设时间阈值，还可以是训练样本集中模型训练样本变化数量大于预设数量阈值。

其中，由于更新后的训练样本集为不断补充用户参与操作后的使用场景与提醒模式之间的对应关系，基于更新后的训练样本集不断更新提醒模式识别模型，这样使得训练得到的提醒模式识别模型更加符合用户的提醒模式设置偏好，进一步提高了提醒模式识别的准确度。

其中，上述提醒模式识别模型是通过如下方式训练得到的：

获取移动终端的训练样本集，其中，该训练样本集存储于云端服务器本地，该训练样本集包括多个模型训练样本，每个模型训练样本表示历史使用场景与历史提醒模式之间的对应关系；

采用深度学习方法并基于训练样本集，训练得到提醒模式识别模型。

其中，上述训练样本集可以是一个特征向量，每个特征向量表征一条关于移动终端的使用场景与提醒模式之间的对应关系，即在什么时间段、什么地点、什么天气下对应于静音、振动、铃声等提醒模式中的哪一种。

在提醒模式识别模型训练过程中，按照预设清洗规则对输入的模型训练样本进行数据清洗，得到满足预设数据要求的模型训练样本，其中，该模型训练样本包括：历史使用场景与历史提醒模式之间的对应关系；

将选取出的模型训练样本输入至待训练的神经网络模型中，判断推荐结果与实际结果之间的误差是否小于预设误差阈值，具体的，分别计算在历史使用场景下各提醒模式对应的推荐概率；基于各提醒模式对应的推荐概率，判断历史提醒模式对应的推荐概率与1之间差值的平方是否小于预设误差阈值；

若是，则得到提醒模式识别模型；

若否，则进行反向调整，直到推荐结果与实际结果之间的误差是否预设误差阈值。

其中，训练得到的提醒模式识别模型包含信息为：推荐用户在某一个时间段、某一个地点、某一种天气下开启某一种提醒模式。

例如：对于上班族张先生，由于每周一早上八点半到九点半有一个例行会议，采集到的历史数据得知，他在会议室的时间段(每周一早上八点半到九点半)会开启静音模式，九点半之后离开会议室会开启振动模式。此时，训练得到的提醒模式识别模型中包含的其中一条信息为：每周一早上八点半到九点半检测到张先生进入会议室就自动切换静音模式。离开会议室开启振动模式。

又如，对于学生小明，周一至周五早七点到晚七点在学校，采集到的历史数据得知，他在学校的时间段会开启振动模式，其他时间段开启铃声模式，此时，训练得到的提醒模式识别模型中包含的其中一条信息为：在此地点(学校)的时间段(周一至周五早七点到晚七点)自动切换静音模式。当检测到离开学校后，自动切换到铃声模式。

进一步的，考虑到使用移动终端的用户的身份类型可能是不断转变的，如用户的职业身份由学生转变为职员，此时，基于学生时期的训练样本集，训练得到的提醒模式识别模式，已不适用于目前处于职员身份的用户，即提醒模式与用户身份类型关联度比较大，为了提高提醒模式识别的准确度，因此，可以为每个移动终端训练不同身份类型对应的提醒模式识别模型，进而，选用与用户当前身份类型相匹配的提醒模式识别模型进行识别，即移动终端对应的提醒模式识别模型为多个，每个提醒模式识别模型对应于一个用户身份类型；

上述S701获取与移动终端对应的提醒模式识别模型，具体包括：

获取移动终端的当前用户身份类型；在该移动终端对应的多个提醒模式识别模型中，选取与当前用户身份类型对应的提醒模式识别模型。

另外，还考虑到可能存在用户更换移动终端的情况，可以在云端服务器中，基于用户提供的登录账号(如，邮箱账号)，在该登录账号下存储该用户的至少一个提醒模式识别模型，在用户更换移动终端并在该移动终端上登录原账号后，因此，在接收到账号登录请求后，将该登录账号下的至少一个提醒模式识别模型，作为该移动终端对应的提醒模式识别模型。

进一步的，考虑到移动终端可能存在当前无法正常联网(断网离线)的情况，此时移动终端无法将获取到的当前使用场景上传到云端服务器，同时也无法收到云端服务器发送的提醒模式识别结果，为了确保无论移动终端处于联网状态，还是处于非联网状态，均能够基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的提醒模式，因此，在移动终端处于非联网状态时，需要由移动终端基于当前使用场景进行提醒模式识别并生成相应的识别结果，基于此，上述方法还包括：

若确定出识别模型存在更新版本或接收到移动终端的识别模型发送请求，则将提醒模式识别模型发送至相应的所述移动终端。

具体的，在接收到移动终端发送的识别模型发送请求后，根据该识别模型发送请求，调取相应的提醒模式识别模型，其中，该发送请求携带有移动终端标识或者登录账号；

或者，当确定出提醒模式识别模型存在更新版本时，将更新后的提醒模式识别模型发送至相应的移动终端。

在本发明提供的实施例中，在确定出识别模型存在更新版本或接收到移动终端的识别模型发送请求时，云端服务器自动将提醒模式识别模型下发至移动终端，以使该移动终端将提醒模式识别模型存储于本地，这样在移动终端处于非联网状态下，仍能保证基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的提醒模式。

对应上述一实施例提供的提醒模式切换方法，基于相同的技术构思，本发明实施例还提供了一种移动终端，图9为本发明实施例提供的移动终端的模块组成示意图，该移动终端用于执行图2至图6描述的提醒模式切换方法，如图9所示，该移动终端包括：

使用场景获取模块901，用于获取所述移动终端的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

识别结果获取模块902，用于获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

模式切换判断模块903，用于根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；

提醒模式切换模块904，用于若确定出需要进行模式切换，则将所述移动终端的提醒模式切换至目标提醒模式。

可选的，所述识别结果获取模块902，具体用于：

判断所述移动终端是否处于联网状态；

若是，则将所述当前使用场景发送至云端服务器，并接收所述云端服务器发送的识别结果，该识别结果为云端服务器利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果；

若否，则获取预存的提醒模式识别模型，并利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果。

可选的，所述识别结果包括在所述当前使用场景下各提醒模式对应的推荐概率；

所述模式切换判断模块903，具体用于：

根据所述各提醒模式对应的推荐概率，确定与所述当前使用场景相匹配的目标提醒模式；

判断所述移动终端的当前提醒模式是否为所述目标提醒模式；

若否，则确定需要进行所述移动终端的提醒模式切换。

可选的，所述提醒模式切换模块904，具体用于：

判断在预设时间内是否接收到用户针对第一提示信息的确认信息，其中，所述第一提示信息为用于提示用户确认切换至目标提醒模式的信息；

若未接收到，则根据所述各提醒模式对应的推荐概率，判断是否需要强制切换至目标提醒模式；

若需要强制切换，则将所述移动终端的提醒模式强制切换至目标提醒模式。

可选的，所述移动终端还包括：

第二信息生成模块，用于在将所述移动终端的提醒模式强制切换至目标提醒模式之后，生成用于提示用户选择针对本次强制切换满意与否的第二提示信息；

用户满意与否判断模块，用于判断是否接收到用户针对所述第二提示信息的满意反馈；

训练样本记录模块，用于若接收到用户的满意反馈，则将所述当前使用场景和所述目标提醒模式之间的对应关系作为模型训练样本；若未接收到用户的满意反馈且接收到用户选择的目标提醒模式，则将所述当前使用场景和用户选择的所述目标提醒模式之间的对应关系作为模型训练样本；

训练样本发送模块，用于将所述模型训练样本发送至云端服务器。

本发明实施例中的移动终端，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

本发明实施例提供的移动终端能够实现上述一实施例提供的提醒模式切换方法对应的实施例中的各个过程，为避免重复，这里不再赘述。

对应上述另一实施例提供的提醒模式切换方法，基于相同的技术构思，本发明实施例还提供了一种云端服务器，图10为本发明实施例提供的云端服务器的模块组成示意图，该云端服务器用于执行图7至图8描述的提醒模式切换方法，如图10所示，该云端服务器包括：

使用场景接收模块1001，用于接收移动终端发送的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

识别模型获取模块1002，用于获取与所述移动终端对应的提醒模式识别模型，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的

识别结果生成模块1003，用于利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果；

识别结果发送模块1004，用于将所述识别结果发送至所述移动终端。

可选的，所述识别结果生成模块1003，具体用于：

基于所述当前使用场景进行提醒模式识别，确定在所述当前使用场景下各提醒模式对应的推荐概率。

可选的，所述云端服务器还包括：

训练样本接收模块，用于接收所述移动终端发送的模型训练样本；

训练样本集更新模块，用于根据接收到的所述模型训练样本，更新与所述移动终端对应的训练样本集。

可选的，所述云端服务器还包括：

识别模型发送模块，用于若确定出识别模型存在更新版本或接收到移动终端的识别模型发送请求，则将所述提醒模式识别模型发送至相应的所述移动终端。

可选的，所述移动终端对应的提醒模式识别模型为多个，每个所述提醒模式识别模型对应于一个用户身份类型；

所述识别模型获取模块1002，具体用于：

获取所述移动终端的当前用户身份类型；

在所述移动终端对应的多个提醒模式识别模型中，选取与所述当前用户身份类型对应的提醒模式识别模型。

本发明实施例中的云端服务器，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

本发明实施例提供的云端服务器能够实现上述另一实施例提供的提醒模式切换方法对应的实施例中的各个过程，为避免重复，这里不再赘述。

对应上述实施例提供的提醒模式切换方法，基于相同的技术构思，本发明实施例还提供了一种移动终端，该设备用于执行上述的提醒模式切换方法，图11为实现本发明各个实施例的一种移动终端的硬件结构示意图，图11所示的移动终端100包括但不限于：射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图11中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，移动终端包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。

其中，处理器110，用于获取所述移动终端的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；若是，则将所述移动终端的提醒模式切换至目标提醒模式。

在本发明实施例中，上述移动终端100还包括：存储在存储器109上并可在处理器110上运行的计算机程序，该计算机程序被处理器110执行时实现如下步骤：

获取所述移动终端的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；

若是，则将所述移动终端的提醒模式切换至目标提醒模式。

可选的，计算机程序被处理器110执行时还可实现如下步骤：

所述获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，包括：

判断所述移动终端是否处于联网状态；

若是，则将所述当前使用场景发送至云端服务器，并接收所述云端服务器发送的识别结果，该识别结果为云端服务器利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果；

若否，则获取预存的提醒模式识别模型，并利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果。

可选的，计算机程序被处理器110执行时还可实现如下步骤：

所述识别结果包括在所述当前使用场景下各提醒模式对应的推荐概率；

所述根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换，包括：

根据所述各提醒模式对应的推荐概率，确定与所述当前使用场景相匹配的目标提醒模式；

判断所述移动终端的当前提醒模式是否为所述目标提醒模式；

若否，则确定需要进行所述移动终端的提醒模式切换。

可选的，计算机程序被处理器110执行时还可实现如下步骤：

所述将所述移动终端的提醒模式切换至目标提醒模式，包括：

判断在预设时间内是否接收到用户针对第一提示信息的确认信息，其中，所述第一提示信息为用于提示用户确认切换至目标提醒模式的信息；

若未接收到，则根据所述各提醒模式对应的推荐概率，判断是否需要强制切换至目标提醒模式；

若需要强制切换，则将所述移动终端的提醒模式强制切换至目标提醒模式。

可选的，计算机程序被处理器110执行时还可实现如下步骤：

所述将所述移动终端的提醒模式强制切换至目标提醒模式之后，还包括：

生成用于提示用户选择针对本次强制切换满意与否的第二提示信息；

判断是否接收到用户针对所述第二提示信息的满意选项；

若是，则将所述当前使用场景和所述目标提醒模式之间的对应关系作为模型训练样本；

若否且接收到用户选择的目标提醒模式，则将所述当前使用场景和用户选择的所述目标提醒模式之间的对应关系作为模型训练样本；

将所述模型训练样本发送至云端服务器。

本发明实施例中的移动终端100，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

需要说明的是，本发明实施例提供的移动终端100能够实现图2至图6的方法实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。

应理解的是，本发明实施例中，射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信***与网络和其他设备通信。

移动终端通过网络模块102为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。

音频输出单元103可以将射频单元101或网络模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103包括扬声器、蜂鸣器以及受话器等。

输入单元104用于接收音频或视频信号。输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或网络模块102进行发送。麦克风1042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。

移动终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器105还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。

显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。

用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

进一步的，触控面板1071可覆盖在显示面板1061上，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图11中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。

接口单元108为外部装置与移动终端100连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。

存储器109可用于存储软件程序以及各种数据。存储器109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应用程序(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手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109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。

处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。

移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理***与处理器110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。

另外，移动终端100包括一些未示出的功能模块，在此不再赘述。

进一步地，对应上述实施例提供的提醒模式切换方法，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器110执行时实现如上述提醒模式切换方法实施例的各步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

本发明实施例中的计算机可读存储介质，能够利用预先训练好的提醒模式识别模型，并基于移动终端的当前使用场景，自动识别出与该当前使用场景相匹配的目标提醒模式，再将移动终端的提醒模式切换至该目标提醒模式，实现了提醒模式切换的智能化，避免了因用户忘记手动切换而造成不必要的麻烦，从而提高了用户使用体验。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

可以理解的是，本发明实施例描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits，ASIC)、数字信号处理器(DigitalSignalProcessing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(ProgrammableLogicDevice，PLD)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本发明所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本发明实施例所述功能的模块(例如过程、函数等)来实现本发明实施例所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (20)

1.一种提醒模式切换方法，应用于移动终端，其特征在于，所述方法包括：

获取所述移动终端的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；

若是，则将所述移动终端的提醒模式切换至目标提醒模式。

2.根据权利要求1所述的方法，其特征在于，所述获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，包括：

判断所述移动终端是否处于联网状态；

若是，则将所述当前使用场景发送至云端服务器，并接收所述云端服务器发送的识别结果，该识别结果为云端服务器利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果；

若否，则获取预存的提醒模式识别模型，并利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果。

3.根据权利要求1所述的方法，其特征在于，所述识别结果包括在所述当前使用场景下各提醒模式对应的推荐概率；

所述根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换，包括：

根据所述各提醒模式对应的推荐概率，确定与所述当前使用场景相匹配的目标提醒模式；

判断所述移动终端的当前提醒模式是否为所述目标提醒模式；

若否，则确定需要进行所述移动终端的提醒模式切换。

4.根据权利要求3所述的方法，其特征在于，所述将所述移动终端的提醒模式切换至目标提醒模式，包括：

判断在预设时间内是否接收到用户针对第一提示信息的确认信息，其中，所述第一提示信息为用于提示用户确认切换至目标提醒模式的信息；

若未接收到，则根据所述各提醒模式对应的推荐概率，判断是否需要强制切换至目标提醒模式；

若需要强制切换，则将所述移动终端的提醒模式强制切换至目标提醒模式。

5.根据权利要求4所述的方法，其特征在于，所述将所述移动终端的提醒模式强制切换至目标提醒模式之后，还包括：

生成用于提示用户选择针对本次强制切换满意与否的第二提示信息；

判断是否接收到用户针对所述第二提示信息的满意选项；

若是，则将所述当前使用场景和所述目标提醒模式之间的对应关系作为模型训练样本；

若否且接收到用户选择的目标提醒模式，则将所述当前使用场景和用户选择的所述目标提醒模式之间的对应关系作为模型训练样本；

将所述模型训练样本发送至云端服务器。

6.一种提醒模式切换方法，应用于云端服务器，其特征在于，所述方法包括：

接收移动终端发送的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

获取与所述移动终端对应的提醒模式识别模型，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果；

将所述识别结果发送至所述移动终端。

7.根据权利要求6所述的方法，其特征在于，所述基于所述当前使用场景进行提醒模式识别，得到相应的识别结果，包括：

基于所述当前使用场景进行提醒模式识别，确定在所述当前使用场景下各提醒模式对应的推荐概率。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

接收所述移动终端发送的模型训练样本；

根据接收到的所述模型训练样本，更新与所述移动终端对应的训练样本集。

9.根据权利要求6所述的方法，其特征在于，所述方法还包括：

若确定出识别模型存在更新版本或接收到移动终端的识别模型发送请求，则将所述提醒模式识别模型发送至相应的所述移动终端。

10.根据权利要求6至9任一项所述的方法，其特征在于，所述移动终端对应的提醒模式识别模型为多个，每个所述提醒模式识别模型对应于一个用户身份类型；

所述获取与所述移动终端对应的提醒模式识别模型，包括：

获取所述移动终端的当前用户身份类型；

在所述移动终端对应的多个提醒模式识别模型中，选取与所述当前用户身份类型对应的提醒模式识别模型。

11.一种移动终端，其特征在于，包括：

使用场景获取模块，用于获取所述移动终端的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

识别结果获取模块，用于获取利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

模式切换判断模块，用于根据所述识别结果，确定是否需要进行所述移动终端的提醒模式切换；

提醒模式切换模块，用于若确定出需要进行模式切换，则将所述移动终端的提醒模式切换至目标提醒模式。

12.根据权利要求11所述的移动终端，其特征在于，所述识别结果获取模块，具体用于：

判断所述移动终端是否处于联网状态；

若是，则将所述当前使用场景发送至云端服务器，并接收所述云端服务器发送的识别结果，该识别结果为云端服务器利用提醒模式识别模型并基于所述当前使用场景进行提醒模式识别得到的识别结果；

若否，则获取预存的提醒模式识别模型，并利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果。

13.根据权利要求11所述的移动终端，其特征在于，所述识别结果包括在所述当前使用场景下各提醒模式对应的推荐概率；

所述模式切换判断模块，具体用于：

根据所述各提醒模式对应的推荐概率，确定与所述当前使用场景相匹配的目标提醒模式；

判断所述移动终端的当前提醒模式是否为所述目标提醒模式；

若否，则确定需要进行所述移动终端的提醒模式切换。

14.根据权利要求13所述的移动终端，其特征在于，所述提醒模式切换模块，具体用于：

判断在预设时间内是否接收到用户针对第一提示信息的确认信息，其中，所述第一提示信息为用于提示用户确认切换至目标提醒模式的信息；

若未接收到，则根据所述各提醒模式对应的推荐概率，判断是否需要强制切换至目标提醒模式；

若需要强制切换，则将所述移动终端的提醒模式强制切换至目标提醒模式。

15.根据权利要求14所述的移动终端，其特征在于，所述移动终端还包括：

第二信息生成模块，用于在将所述移动终端的提醒模式强制切换至目标提醒模式之后，生成用于提示用户选择针对本次强制切换满意与否的第二提示信息；

用户满意与否判断模块，用于判断是否接收到用户针对所述第二提示信息的满意反馈；

训练样本记录模块，用于若接收到用户的满意反馈，则将所述当前使用场景和所述目标提醒模式之间的对应关系作为模型训练样本；若未接收到用户的满意反馈且接收到用户选择的目标提醒模式，则将所述当前使用场景和用户选择的所述目标提醒模式之间的对应关系作为模型训练样本；

训练样本发送模块，用于将所述模型训练样本发送至云端服务器。

16.一种云端服务器，其特征在于，包括：

使用场景接收模块，用于接收移动终端发送的当前使用场景，其中，所述当前使用场景至少包括：时间信息和位置信息；

识别模型获取模块，用于获取与所述移动终端对应的提醒模式识别模型，其中，所述提醒模式识别模型为云端服务器预先利用深度学习方法训练得到的；

识别结果生成模块，用于利用所述提醒模式识别模型，基于所述当前使用场景进行提醒模式识别，得到相应的识别结果；

识别结果发送模块，用于将所述识别结果发送至所述移动终端。

17.根据权利要求16所述的云端服务器，其特征在于，所述识别结果生成模块，具体用于：

基于所述当前使用场景进行提醒模式识别，确定在所述当前使用场景下各提醒模式对应的推荐概率。

18.根据权利要求16所述的云端服务器，其特征在于，所述云端服务器还包括：

训练样本接收模块，用于接收所述移动终端发送的模型训练样本；

训练样本集更新模块，用于根据接收到的所述模型训练样本，更新与所述移动终端对应的训练样本集。

19.根据权利要求16所述的云端服务器，其特征在于，所述云端服务器还包括：

识别模型发送模块，用于若确定出识别模型存在更新版本或接收到移动终端的识别模型发送请求，则将所述提醒模式识别模型发送至相应的所述移动终端。

20.根据权利要求16至19任一项所述的云端服务器，其特征在于，所述移动终端对应的提醒模式识别模型为多个，每个所述提醒模式识别模型对应于一个用户身份类型；

所述识别模型获取模块，具体用于：

获取所述移动终端的当前用户身份类型；

在所述移动终端对应的多个提醒模式识别模型中，选取与所述当前用户身份类型对应的提醒模式识别模型。