CN107943536A - 调整阈值的方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请公开了一种调整阈值的方法、装置、存储介质及电子设备。该方法包括：在利用配置的算法判断终端后台的应用是否允许被清理时，记录该算法输出的后台中各应用的清理概率值；在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；若是，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；根据该目标清理概率值，调整该预设阈值的数值。本申请可以提高终端后台应用清理的灵活性。

Description

调整阈值的方法、装置、存储介质及电子设备

技术领域

本申请属于通信技术领域，尤其涉及一种调整阈值的方法、装置、存储介质及电子设备。

背景技术

人工智能技术的应用越来越广泛和深入。在人工智能技术中，终端设备可以对用户的行为习惯进行学习，并根据学习到的用户行为习惯，智能地做出一些决策并执行相应的操作，从而使终端设备更加智能化。比如，终端可以使用一定的算法对用户的应用使用行为进行学习，并根据学习到的用户行为习惯判断位于终端后台的应用是否可清理，以及将可清理的应用从后台清理。

发明内容

本申请实施例提供一种的调整阈值的方法、装置、存储介质及电子设备，可以提高终端后台应用清理的灵活性。

本申请实施例提供一种调整阈值的方法，包括：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；

在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；

若是，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；

根据所述目标清理概率值，调整所述预设阈值的数值。

本申请实施例提供一种调整阈值的装置，包括：

记录模块，用于在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；

检测模块，用于在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；

第一获取模块，用于若检测到被清理的应用在预设第一时长范围内被用户使用，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；

调整模块，用于根据所述目标清理概率值，调整所述预设阈值的数值。

本申请实施例提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行本申请实施例提供的调整阈值的方法中的步骤。

本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本申请实施例提供的调整阈值的方法中的步骤。

本申请实施例中，终端可以在检测到后台应用被误清理之后，获取被误清理的应用的清理概率值，并根据被误清理的应用的清理概率值去调整用于判断后台应用是否可清理的预设阈值的数值。即，由于可以对预设阈值的数值进行动态调整，因此本实施例可以提高后台应用清理的灵活性。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其有益效果显而易见。

图1是本申请实施例提供的调整阈值的方法的流程示意图。

图2是本申请实施例提供的调整阈值的方法的另一流程示意图。

图3至图7是本申请实施例提供的调整阈值的方法的场景示意图。

图8是本申请实施例提供的调整阈值的装置的结构示意图。

图9是本申请实施例提供的调整阈值的装置的另一结构示意图。

图10是本申请实施例提供的移动终端的结构示意图。

图11是本申请实施例提供的移动终端的另一结构示意图。

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，本发明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发明具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。

以下将详细说明。

可以理解的是，本申请实施例的执行主体可以是诸如智能手机或平板电脑等的终端设备。

请参阅图1，图1是本申请实施例提供的调整阈值的方法的流程示意图，流程可以包括：

在步骤S101中，在利用配置的算法判断终端后台的应用是否允许被清理时，记录该算法输出的后台中各应用的清理概率值。

终端可以使用预先配置的算法对用户的应用使用行为进行学习，并根据学习到的用户行为习惯判断位于终端后台的应用是否可清理，以及将可清理的应用从后台清理。其中，在判断位于终端后台的应用是否可清理时，该算法会输出后台中各应用的清理概率值，该清理概率值表示后台应用可清理的概率。然后，终端可以将清理概率值达到预设阈值的应用从后台中清理，而对于清理概率值未达到预设阈值的后台应用则不清理。

例如，后台应用包括A、B、C，该算法输出的应用A的清理概率值为0.82，应用B的清理概率值为0.6，应用C的清理概率值为0.9。而预设阈值为0.8，那么终端可以将清理概率值大于0.8的应用A和应用C从后台中清理掉，而对于应用C则可以不清理。然而，这种清理后台应用的方式，其灵活性较差。

在本实施例的步骤S101中，在利用当前配置的算法判断位于终端后台的应用是否可清理时，终端可以记录该算法输出的后台中各应用的清理概率值。

例如，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.81。此时，终端可以先对后台中各应用及其清理概率值进行记录。

在步骤S102中，在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用。

比如，在输出了后台中各应用的清理概率值之后，终端可以检测各个清理概率值是否达到预设阈值，并将清理概率值达到预设阈值的应用从后台中清理掉。例如，预设阈值为0.8，那么由于应用A、C、D的清理概率值超过了预设阈值，因此，终端可以将应用A、C、D从后台中清理。

之后，终端可以检测被清理的应用在预设第一时长范围内是否被用户使用。即，终端可以判断被清理的应用在预设第一时长范围内是否因被用户使用而变为过前台应用。

例如，在将应用A、C、D从后台清理后，终端可以检测在接下来的预设的5分钟内，用户是否再次使用了应用A、C、D中的一个或多个。

如果检测到在预设第一时长范围内刚才被从后台清理的应用未被用户使用，那么表明第一算法输出的可清理的后台应用的结果是准确的。在这种情况下，终端可以继续执行其它操作。

例如，在将应用A、C、D从后台清理后，终端在接下来的5分钟内未检测到用户使用其中的任何一个应用，那么表明第一算法输出的可清理的后台应用的结果是准确的。

如果检测到在预设第一时长范围内刚才被从后台清理的应用被用户使用了，那么进入步骤S103。

在步骤S103中，若是，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

比如，终端检测到被清理的应用在预设第一时长范围内被用户使用了，那么终端可以从之前记录到的各应用的清理概率值中，获取被清理后在预设第一时长范围内被用户使用的应用的清理概率值，即目标清理概率值。

例如，终端检测到在将应用A、C、D从后台清理掉之后的5分钟内，用户使用了应用A和应用C。在这种情况下，可以认为算法输出的可清理的后台应用的结果存在错误。此时，可以触发终端从之前记录到的各应用的清理概率值中获取应用A和应用C的清理概率值。即，终端获取到应用A和应用C的清理概率值为0.82和0.9。这两个清理概率值均被终端确定为目标清理概率值。

在步骤S104中，根据该目标清理概率值，调整该预设阈值的数值。

比如，在获取到被误清理的后台应用的目标清理概率值之后，终端可以根据这些目标清理概率值，去调整用于判断后台应用是否可清理的预设阈值的数值。

例如，在获取到被从后台中误清理的应用A和应用C的目标清理概率值0.82和0.9之后，终端可以根据这两个概率值去调整预设阈值的数值。

可以理解的是，本实施例中，终端可以在检测到后台应用被误清理之后，获取被误清理的应用的清理概率值，并根据被误清理的应用的清理概率值去调整用于判断后台应用是否可清理的预设阈值的数值。即，由于可以对预设阈值的数值进行动态调整，因此本实施例可以提高后台应用清理的灵活性。

请参阅图2，图2为本申请实施例提供的调整阈值的方法的另一流程示意图，流程可以包括：

在步骤S201中，在利用配置的算法判断终端后台的应用是否允许被清理时，终端记录该算法输出的后台中各应用的清理概率值。

比如，在利用当前配置的算法判断位于终端后台的应用是否可清理时，终端可以记录该算法输出的后台中各应用的清理概率值。

例如，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.81。此时，终端可以先对后台中各应用及其清理概率值进行记录。

在步骤S202中，在将清理概率值达到预设阈值的后台应用清理后，终端获取被清理的应用的第一个数。

比如，在输出了后台中各应用的清理概率值之后，终端可以检测各个清理概率值是否达到预设阈值，并将清理概率值达到预设阈值的应用从后台中清理掉。例如，预设阈值为0.8，那么由于应用A、C、D的清理概率值超过了预设阈值，因此，终端可以将应用A、C、D从后台中清理。

之后，终端可以统计本次被清理的后台应用的个数，即第一个数。例如，终端可以统计到本次被清理的后台应用的第一个数为3个(即应用A、C、D)。

在步骤S203中，终端检测被清理的应用在预设第一时长范围内是否被用户使用。

比如，在获取到被清理的后台应用的第一个数后，终端可以检测被清理的应用在预设第一时长范围内是否被用户使用。即，终端可以判断被清理的应用在预设第一时长范围内是否因被用户使用而变为过前台应用。

例如，在将应用A、C、D从后台清理后，终端可以检测在接下来的预设的5分钟内，用户是否再次使用了应用A、C、D中的一个或多个。

如果检测到在预设第一时长范围内刚才被从后台清理的应用未被用户使用，那么表明第一算法输出的可清理的后台应用的结果是准确的。在这种情况下，终端可以继续执行其它操作。

例如，在将应用A、C、D从后台清理后，终端在接下来的5分钟内未检测到用户使用其中的任何一个应用，那么表明第一算法输出的可清理的后台应用的结果是准确的。

如果检测到在预设第一时长范围内刚才被从后台清理的应用被用户使用了，那么进入步骤S204。

在步骤S204中，若检测到被清理的应用在预设第一时长范围内被用户使用，则终端获取在预设第一时长范围内被用户使用的应用的第二个数。

在步骤S205中，终端计算该第二个数在该第一个数中所占的比例。

在步骤S206中，若检测到该比例达到预设比例阈值，则终端从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

比如，步骤S204、S205和S206可以包括：

终端检测到被清理的应用在预设第一时长范围内被用户使用了，那么终端可以获取被清理后在预设第一时长范围内被用户使用的应用的个数，即第二个数。

然后，终端可以计算第二个数在第一个数中所占的比例。在计算得到第二个数在第一个数中所占的比例后，终端可以检测该比例是否达到预设比例阈值。

如果检测到该比例未达到预设比例阈值，那么可以认为被从后台中误清理的应用在本次所有被清理的后台应用中占的比例较小，第一算法本次输出的可清理的后台应用的结果仍然较为准确。在这种情况下，终端可以不对用于判断后台应用是否可清理的预设阈值进行调整。

例如，本次被清理的后台应用的第一个数为12个，而被误清理的应用的第二个数为1个，那么第二个数在第一个数中所占的比例为8.3％。而预设比例阈值可以为20％，即第二个数在第一个数中所占的比例小于预设比例阈值。在这种情况下，终端可以不对用于判断后台应用是否可清理的预设阈值进行调整。

如果检测到该比例达到预设比例阈值，那么可以认为被从后台中误清理的应用在本次所有被清理的后台应用中占的比例较大，第一算法本次输出的可清理的后台应用的结果存在错误。在这种情况下，终端可以从步骤S201中记录到的各应用的清理概率值中，获取被清理后在预设第一时长范围内被用户使用的应用的清理概率值，即目标清理概率值。

例如，本次被清理的后台应用为应用A、C、D，即第一个数为3个。终端在将应用A、C、D从后台清理掉之后的5分钟内，用户使用了应用A和应用C。因此，终端可以检测到应用A和应用C被误清理了，被误清理的应用的第二个数为2个，那么第二个数在第一个数中所占的比例为66.7％。而预设比例阈值可以为20％，即第二个数在第一个数中所占的比例大于预设比例阈值。在这种情况下，可以认为算法输出的可清理的后台应用的结果存在错误。此时，可以触发终端从之前记录到的各应用的清理概率值中获取应用A和应用C的清理概率值。即，终端获取到应用A和应用C的清理概率值为0.82和0.9。这两个清理概率值均被终端确定为目标清理概率值。

在获取到目标清理概率值之后，终端可以检测目标清理概率值的个数是否为多个。即，终端可以检测目标清理概率值的个数是否大于或等于2。

如果检测到目标清理概率值的个数为1个，即被误清理的后台应用的个数只有1个，那么在一些实施方式中，终端可以将预设阈值的数值调整为目标清理概率值，或者，终端可以按照一预设幅度提高预设阈值的数值。例如，预设阈值的当前值为0.8，预设幅度为0.03，那么终端可以将预设阈值由0.8提高到0.83。

如果检测到目标清理概率值的个数为多个，即被误清理的后台应用达到了2个及以上。那么，进入步骤S207。

在步骤S207中，若检测到目标清理概率值的个数为多个，则终端计算多个目标清理概率值的平均值。

比如，终端检测到被误清理的后台应用的个数为2个，即目标清理概率值的个数为多个，此时终端可以计算所有目标清理概率值的平均值。

在步骤S208中，终端将该预设阈值的数值调整为该平均值。

比如，在计算得到多个目标清理概率值的平均值之后，终端可以将预设阈值的数值调整为该平均值。

例如，被误清理的后台应用为应用A和C，其中与应用A对应的目标清理概率值为0.82，与应用C对应的目标清理概率值为0.9，那么终端可以计算得到这两个目标清理概率值的平均值为0.86。之后，终端可以将预设阈值的数值由0.8提高到0.86。

可以理解的是，本实施例中，终端可以在检测到后台应用被误清理之后，获取被误清理的应用的清理概率值，并根据被误清理的应用的清理概率值去调整用于判断后台应用是否可清理的预设阈值的数值。即，由于可以对预设阈值的数值进行动态调整，因此本实施例可以提高后台应用清理的灵活性。

另一方面，由于目标清理概率值的数值均大于预设阈值，因此计算得到的目标清理概率值的平均值也大于预设阈值。所以，调整后的预设阈值的数值大于调整前的预设阈值的数值。在将预设阈值的数值调大之后，后台中被误清理的应用会变少，因此本实施例还可以减少后台应用被误清理的概率。

在一种实施方式中，在步骤S206之后，还可以包括如下步骤：

若检测到目标清理概率值的个数为1个，则计算目标清理概率值与预设阈值的差值；

若所述差值小于预设差值阈值，则将预设阈值的数值调整为所述目标清理概率值。

比如，终端检测到被误清理的后台应用的个数为1个，即目标清理概率值的个数为1个，那么终端可以计算目标清理概率值与预设阈值的当前值之间的差值，并检测该差值是否小于预设差值阈值。

若是，则终端可以将预设阈值的数值调整为该目标清理概率值。例如，被误清理的后台应用为应用A，与应用A对应的目标清理概率值为0.82，而预设阈值的当前值为0.8，因此终端计算得到它们之间的差值为0.02。例如，预设差值阈值为0.04。那么，由于目标清理概率值和预设阈值的当前值之前的差值0.02小于预设差值阈值0.04，因此终端可以直接将预设阈值的数值由当前的0.8调整到目标清理概率值0.82。

在一种实施方式中，在计算目标清理概率值与预设阈值的差值的步骤之后，本实施例还可以包括如下步骤：

若所述差值大于预设差值，则按照预设幅度提高所述预设阈值的数值。

比如，若计算得到的目标清理概率值与预设阈值之间的差值大于预设差值，则终端可以按照预设幅度提高预设阈值的数值。例如，被误清理的后台应用为应用E，与应用E对应的目标清理概率值为0.86，而预设阈值的当前值为0.8，因此终端计算得到它们之间的差值为0.06。例如，预设差值阈值为0.04。那么，由于目标清理概率值和预设阈值的当前值之前的差值0.06大于预设差值阈值0.04。在这种清理下，终端可以不将预设阈值由当前的0.8大幅度提高到目标清理概率值0.86。而是按照预设幅度提高预设阈值的数值。例如，预设幅度为0.03，那么终端可以将预设阈值由0.8提高到0.83。

在一种实施方式中，终端在判断被从后台清理掉的应用在预设第一时长范围内是否被用户使用时，为了避免将用户误点击应用图标导致应用出现在前台而被终端误以为该被点击的应用被用户使用的情况出现。本申请还可以采用如下方式来避免上述问题出现：当检测到被清理的应用的图标在预设第一时长范围内被用户点击时，如果检测到被点击的应用未被用户进一步操作而是马上被切换到后台(如在预设的1秒内)，那么可以认为该图标被点击的应用属于用户误点击，因此终端可以不将该图标被点击的应用判断为被用户使用。

例如，根据第一算法的输出结果，终端在判断出应用A为可清理的后台应用，将应用A从后台清理掉之后的5分钟内，终端检测到应用A的图标被用户点击了，但是接下来终端并未检测到应用A被用户操作，并且应用A在1秒内就被切换到后台，那么可以认为应用A未被用户使用，而是属于误点击，即可以认为应用A不属于误清理，也就不认为第一算法的输出结果存在错误。

在一种实施方式中，终端在检测被清理的应用在预设第一时长范围内是否被用户使用后，如果检测到被清理的应用在预设第一时长范围内被用户使用，那么终端可以确定出算法输出的可清理的后台应用的结果存在错误，此时终端可以统计该算法的输出结果存在错误的次数，并检测该次数是否达到预设次数阈值。若是，则可以触发终端从记录到的各应用的清理概率值中，获取被清理后在预设第一时长范围内被用户使用的应用的目标清理概率值。若否，则终端可以继续执行其它操作。

可以理解的是，通过在检测到该算法的输出结果存在错误的次数达到预设次数阈值时，才触发终端执行从记录到的各应用的清理概率值中，获取被清理后在预设第一时长范围内被用户使用的应用的目标清理概率值的步骤。这可以有效避免过于频繁的对预设阈值的数值进行调整。

在一种实施方式中，在对预设阈值的数值进行了调整之后，终端可以将该算法的输出结果存在错误的次数清零，从而进入下一轮的次数统计。

在一些实施方式中，在将预设阈值的数值提高之后，终端还可以检测基于提高后的预设阈值去判断后台应用是否可清理时，算法输出的可清理的后台应用的结果是否准确。如果检测到算法输出的可清理的后台应用的结果是准确的，那么终端还可以尝试逐步将预设阈值的数值降低一些。例如，在将预设阈值由0.8提高到0.84之后，如果检测到算法输出的可清理的后台应用的结果不存在错误，那么终端可以尝试将预设阈值的数值由0.84降低到0.83。然后，终端再基于预设阈值为0.83的数值，检测算法输出的可清理的后台应用的结果是否准确。若准确，那么终端还可以再将预设阈值的数值由0.83降低到0.82，并基于预设阈值为0.82的数值，检测算法输出的可清理的后台应用的结果是否准确。若不准确，那么终端还可以将预设阈值的数值再由0.82提高到0.83，等等，从而实现对预设阈值的数值进行动态调整。

请参阅图3至图7，图3至图7为本申请实施例提供的调整阈值的方法的场景示意图。

比如，如图3所示，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.81。此时，终端可以先对后台中各应用及其清理概率值进行记录。

在输出了后台中各应用的清理概率值之后，终端可以检测各个清理概率值是否达到预设阈值，并将清理概率值达到预设阈值的应用从后台中清理掉。例如，预设阈值为0.8，那么由于应用A、C、D的清理概率值超过了预设阈值，因此，终端可以将应用A、C、D从后台中清理。

之后，终端可以统计本次被清理的后台应用的个数，即第一个数。例如，终端可以统计到本次被清理的后台应用的第一个数为3个(即应用A、C、D)。

在将应用A、C、D从后台清理后，终端可以检测在接下来的预设的5分钟内，用户是否再次使用了应用A、C、D中的一个或多个。即，终端可以判断被清理的应用在预设第一时长范围内是否因被用户使用而变为过前台应用。

例如，终端在将应用A、C、D从后台清理掉之后的5分钟内，检测到用户使用了应用A和应用C。

例如，如图4所示，在将应用A、C、D从后台清理掉之后的第2分钟，终端检测到用户点击了应用A的图标，并使用了应用A。例如，应用A为音乐播放应用，如图5所示。

之后，在将应用A、C、D从后台清理掉之后的第4分钟，终端检测到用户点击了应用C的图标，并使用了应用C，如图6所示。例如，应用C为浏览器应用，如图7所示。

因此，终端可以检测到应用A和应用C被误清理了，此时终端可以统计到被误清理的应用的第二个数为2个。

之后，终端可以计算第二个数在第一个数中所占的比例。例如，终端计算出第二个数在第一个数中所占的比例为66.7％。而预设比例阈值可以为20％，即第二个数在第一个数中所占的比例大于预设比例阈值。在这种情况下，可以认为算法输出的可清理的后台应用的结果存在错误。此时，可以触发终端从之前记录到的各应用的清理概率值中获取应用A和应用C的清理概率值。即，终端获取到应用A和应用C的清理概率值为0.82和0.9。这两个清理概率值均被终端确定为目标清理概率值。

在获取到目标清理概率值之后，终端可以检测目标清理概率值的个数是否为多个。即，终端可以检测目标清理概率值的个数是否大于或等于2。

例如，终端检测到被误清理的后台应用的个数为2个，即目标清理概率值的个数为多个，此时终端可以计算所有目标清理概率值的平均值。

例如，与被误清理的应用A对应的目标清理概率值为0.82，与被误清理的应用C对应的目标清理概率值为0.9，那么终端可以计算得到这两个目标清理概率值的平均值为0.86。之后，终端可以将预设阈值的数值由0.8提高到0.86。

请参阅图8，图8为本申请实施例提供的调整阈值的装置的结构示意图。调整阈值的装置300可以包括：记录模块301，检测模块302，第一获取模块303，以及调整模块304。

记录模块301，用于在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值。

比如，在利用当前配置的算法判断位于终端后台的应用是否可清理时，记录模块301可以记录该算法输出的后台中各应用的清理概率值。

例如，在本次判断后台应用是否可清理时，位于后台的应用包括应用A、B、C、D。算法输出的应用A、B、C、D的清理概率值分别为0.82、0.6、0.9、0.81。此时，记录模块301可以先对后台中各应用及其清理概率值进行记录。

检测模块302，用于在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用。

比如，在输出了后台中各应用的清理概率值之后，终端可以检测各个清理概率值是否达到预设阈值，并将清理概率值达到预设阈值的应用从后台中清理掉。例如，预设阈值为0.8，那么由于应用A、C、D的清理概率值超过了预设阈值，因此，终端可以将应用A、C、D从后台中清理。

之后，检测模块302可以检测被清理的应用在预设第一时长范围内是否被用户使用。即，检测模块302可以判断被清理的应用在预设第一时长范围内是否因被用户使用而变为过前台应用。

例如，在将应用A、C、D从后台清理后，检测模块302可以检测在接下来的预设的5分钟内，用户是否再次使用了应用A、C、D中的一个或多个。

如果检测到在预设第一时长范围内刚才被从后台清理的应用未被用户使用，那么表明第一算法输出的可清理的后台应用的结果是准确的。在这种情况下，终端可以继续执行其它操作。

例如，在将应用A、C、D从后台清理后，终端在接下来的5分钟内未检测到用户使用其中的任何一个应用，那么表明第一算法输出的可清理的后台应用的结果是准确的。

第一获取模块303，用于若检测到被清理的应用在预设第一时长范围内被用户使用，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

比如，检测模块302检测到被清理的应用在预设第一时长范围内被用户使用了，那么第一获取模块303可以从之前记录到的各应用的清理概率值中，获取被清理后在预设第一时长范围内被用户使用的应用的清理概率值，即目标清理概率值。

例如，检测模块302检测到在将应用A、C、D从后台清理掉之后的5分钟内，用户使用了应用A和应用C。在这种情况下，可以认为算法输出的可清理的后台应用的结果存在错误。此时，可以触发第一获取模块303从之前记录到的各应用的清理概率值中获取应用A和应用C的清理概率值。即，第一获取模块303获取到应用A和应用C的清理概率值为0.82和0.9。这两个清理概率值均被终端确定为目标清理概率值。

调整模块304，用于根据所述目标清理概率值，调整所述预设阈值的数值。

比如，在第一获取模块303获取到被误清理的后台应用的目标清理概率值之后，调整模块304可以根据这些目标清理概率值，去调整用于判断后台应用是否可清理的预设阈值的数值。

例如，在获取到被从后台中误清理的应用A和应用C的目标清理概率值0.82和0.9之后，调整模块304可以根据这两个概率值去调整预设阈值的数值。

在一种实施方式中，所述调整模块304可以用于：若检测到目标清理概率值的个数为多个，则计算多个目标清理概率值的平均值；将所述预设阈值的数值调整为所述平均值。

比如，终端检测到被误清理的后台应用的个数为2个，即目标清理概率值的个数为多个，此时调整模块304可以计算所有目标清理概率值的平均值。

在计算得到多个目标清理概率值的平均值之后，调整模块304可以将预设预知的数值调整为该平均值。

例如，被误清理的后台应用为应用A和C，其中与应用A对应的目标清理概率值为0.82，与应用C对应的目标清理概率值为0.9，那么调整模块304可以计算得到这两个目标清理概率值的平均值为0.86。之后，调整模块304可以将预设阈值的数值由0.8提高到0.86。

在一种实施方式中，所述调整模块304可以用于：若检测到目标清理概率值的个数为1个，则计算目标清理概率值与预设阈值的差值；若所述差值小于或等于预设差值，则将预设阈值的数值调整为所述目标清理概率值。若所述差值大于预设差值，则按照预设幅度提高所述预设阈值的数值。

比如，终端检测到被误清理的后台应用的个数为1个，即目标清理概率值的个数为1个，那么调整模块304可以计算目标清理概率值与预设阈值的当前值之间的差值，并检测该差值是否小于或等于预设差值阈值。

若是，则调整模块304可以将预设阈值的数值调整为该目标清理概率值。例如，被误清理的后台应用为应用A，与应用A对应的目标清理概率值为0.82，而预设阈值的当前值为0.8，因此终端计算得到它们之间的差值为0.02。例如，预设差值阈值为0.04。那么，由于目标清理概率值和预设阈值的当前值之前的差值0.02小于预设差值阈值0.04，因此调整模块304可以直接将预设阈值的数值由当前的0.8调整到目标清理概率值0.82。

若否，则调整模块304可以按照预设幅度提高预设阈值的数值。例如，被误清理的后台应用为应用E，与应用E对应的目标清理概率值为0.86，而预设阈值的当前值为0.8，因此终端计算得到它们之间的差值为0.06。例如，预设差值阈值为0.04。那么，由于目标清理概率值和预设阈值的当前值之前的差值0.06大于预设差值阈值0.04。在这种清理下，终端可以不将预设阈值由当前的0.8大幅度提高到目标清理概率值0.86。而是按照预设幅度提高预设阈值的数值。例如，预设幅度为0.03，那么调整模块304可以将预设阈值由0.8提高到0.83。

请一并参阅图9，图9为本申请实施例提供的调整阈值的装置的另一结构示意图。在一实施例中，调整阈值的装置300还可以包括：第二获取模块305。

第二获取模块305，用于获取被清理的应用的第一个数。

那么，所述第一获取模块303可以用于：若检测到被清理的应用在预设第一时长范围内被用户使用，则获取在预设第一时长范围内被用户使用的应用的第二个数；计算所述第二个数在所述第一个数中所占的比例；若检测到所述比例达到预设比例阈值，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

比如，在输出了后台中各应用的清理概率值之后，终端可以检测各个清理概率值是否达到预设阈值，并将清理概率值达到预设阈值的应用从后台中清理掉。例如，预设阈值为0.8，那么由于应用A、C、D的清理概率值超过了预设阈值，因此，终端可以将应用A、C、D从后台中清理。

之后，第二获取模块305可以统计本次被清理的后台应用的个数，即第一个数。例如，第二获取模块305可以统计到本次被清理的后台应用的第一个数为3个(即应用A、C、D)。

之后，检测模块302检测到被清理的应用在预设第一时长范围内被用户使用了，那么第一获取模块303可以获取被清理后在预设第一时长范围内被用户使用的应用的个数，即第二个数。

然后，第一获取模块303可以计算第二个数在第一个数中所占的比例。在计算得到第二个数在第一个数中所占的比例后，第一获取模块303可以检测该比例是否达到预设比例阈值。

如果检测到该比例未达到预设比例阈值，那么可以认为被从后台中误清理的应用在本次所有被清理的后台应用中占的比例较小，第一算法本次输出的可清理的后台应用的结果仍然较为准确。在这种情况下，终端可以不对用于判断后台应用是否可清理的预设阈值进行调整。

例如，本次被清理的后台应用的第一个数为12个，而被误清理的应用的第二个数为1个，那么第二个数在第一个数中所占的比例为8.3％。而预设比例阈值可以为20％，即第二个数在第一个数中所占的比例小于预设比例阈值。在这种情况下，终端可以不对用于判断后台应用是否可清理的预设阈值进行调整。

如果检测到该比例达到预设比例阈值，那么可以认为被从后台中误清理的应用在本次所有被清理的后台应用中占的比例较大，第一算法本次输出的可清理的后台应用的结果存在错误。在这种情况下，第一获取模块303可以从记录到的各应用的清理概率值中，获取被清理后在预设第一时长范围内被用户使用的应用的清理概率值，即目标清理概率值。

例如，本次被清理的后台应用为应用A、C、D，即第一个数为3个。终端在将应用A、C、D从后台清理掉之后的5分钟内，用户使用了应用A和应用C。因此，终端可以检测到应用A和应用C被误清理了，被误清理的应用的第二个数为2个，那么第二个数在第一个数中所占的比例为66.7％。而预设比例阈值可以为20％，即第二个数在第一个数中所占的比例大于预设比例阈值。在这种情况下，可以认为算法输出的可清理的后台应用的结果存在错误。此时，可以触发第一获取模块303从之前记录到的各应用的清理概率值中获取应用A和应用C的清理概率值。即，终端获取到应用A和应用C的清理概率值为0.82和0.9。这两个清理概率值均被终端确定为目标清理概率值。

本申请实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的调整阈值的方法中的步骤。

本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本实施例提供的调整阈值的方法中的步骤。

例如，上述电子设备可以是诸如平板电脑或者智能手机等移动终端。请参阅图10，图10为本申请实施例提供的移动终端的结构示意图。

该移动终端400可以包括显示单元401、存储器402、处理器403等部件。本领域技术人员可以理解，图7中示出的移动终端结构并不构成对移动终端的限定，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。

显示单元401可以是移动终端的显示屏幕等。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

处理器403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402内的应用程序，以及调用存储在存储器402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。

在本实施例中，移动终端中的处理器403会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中，并由处理器403来运行存储在存储器402中的应用程序，从而实现步骤：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；若是，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；根据所述目标清理概率值，调整所述预设阈值的数值。

请参阅图11，移动终端500可以包括显示单元501、存储器502、处理器503、输入单元504、输出单元505等部件。

显示单元501可以是移动终端的显示屏幕等。

存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序，从而执行各种功能应用以及数据处理。

处理器503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502内的应用程序，以及调用存储在存储器502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。

输入单元504可用于接收输入的数字、字符信息或用户特征信息(比如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

输出单元505可用于显示由用户输入的信息或提供给用户的信息以及移动终端的各种图形用户接口，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。输出单元可包括显示面板。

在本实施例中，移动终端中的处理器503会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中，并由处理器503来运行存储在存储器502中的应用程序，从而实现步骤：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；若检测到被清理的应用在预设第一时长范围内被用户使用，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；根据所述目标清理概率值，调整所述预设阈值的数值。

在一种实施方式中，处理器503在执行所述检测被清理的应用在预设第一时长范围内是否被用户使用的步骤之前，还可以执行：获取被清理的应用的第一个数。

那么，处理器503执行所述若检测到被清理的应用在预设第一时长范围内被用户使用，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值的步骤时，可以执行：若检测到被清理的应用在预设第一时长范围内被用户使用，则获取在预设第一时长范围内被用户使用的应用的第二个数；计算所述第二个数在所述第一个数中所占的比例；若检测到所述比例达到预设比例阈值，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

在一种实施方式中，处理器503执行所述根据所述目标清理概率值，调整所述预设阈值的数值的步骤时，可以执行：若检测到目标清理概率值的个数为多个，则计算多个目标清理概率值的平均值；将所述预设阈值的数值调整为所述平均值。

在一种实施方式中，处理器503所述根据所述目标清理概率值，调整所述预设阈值的数值的步骤时，可以执行：若检测到目标清理概率值的个数为1个，则计算目标清理概率值与预设阈值的差值；若所述差值小于预设差值阈值，则将预设阈值的数值调整为所述目标清理概率值。

在一种实施方式中，处理器503在执行所述计算目标清理概率值与预设阈值的差值的步骤之后，还可以执行：若所述差值大于预设差值，则按照预设幅度提高所述预设阈值的数值。

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，可以参见上文针对调整阈值的方法的详细描述，此处不再赘述。

本申请实施例提供的所述调整阈值的装置与上文实施例中的调整阈值的方法属于同一构思，在所述调整阈值的装置上可以运行所述调整阈值的方法实施例中提供的任一方法，其具体实现过程详见所述调整阈值的方法实施例，此处不再赘述。

需要说明的是，对本申请实施例所述调整阈值的方法而言，本领域普通技术人员可以理解实现本申请实施例所述调整阈值的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，如存储在存储器中，并被至少一个处理器执行，在执行过程中可包括如所述调整阈值的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(ROM，Read OnlyMemory)、随机存取记忆体(RAM，Random Access Memory)等。

对本申请实施例的所述调整阈值的装置而言，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调整阈值的方法、装置、存储介质以及电子设备进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，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发明的限制。

Claims (10)

1.一种调整阈值的方法，其特征在于，包括：

在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；

在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；

若是，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；

根据所述目标清理概率值，调整所述预设阈值的数值。

2.根据权利要求1所述的调整阈值的方法，其特征在于，在所述检测被清理的应用在预设第一时长范围内是否被用户使用步骤之前，还包括：

获取被清理的应用的第一个数；

所述若是，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值，包括：

若是，则获取在预设第一时长范围内被用户使用的应用的第二个数；

计算所述第二个数在所述第一个数中所占的比例；

若检测到所述比例达到预设比例阈值，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

3.根据权利要求2所述的调整阈值的方法，其特征在于，所述根据所述目标清理概率值，调整所述预设阈值的数值，包括：

若检测到目标清理概率值的个数为多个，则计算多个目标清理概率值的平均值；

将所述预设阈值的数值调整为所述平均值。

4.根据权利要求2所述的调整阈值的方法，其特征在于，所述根据所述目标清理概率值，调整所述预设阈值的数值，包括：

若检测到目标清理概率值的个数为1个，则计算目标清理概率值与预设阈值的差值；

若所述差值小于或等于预设差值，则将预设阈值的数值调整为所述目标清理概率值。

5.根据权利要求4所述的调整阈值的方法，其特征在于，在所述计算目标清理概率值与预设阈值的差值的步骤之后，还包括：

若所述差值大于预设差值，则按照预设幅度提高所述预设阈值的数值。

6.一种调整阈值的装置，其特征在于，包括：

记录模块，用于在利用配置的算法判断终端后台的应用是否允许被清理时，记录所述算法输出的后台中各应用的清理概率值；

检测模块，用于在将清理概率值达到预设阈值的后台应用清理后，检测被清理的应用在预设第一时长范围内是否被用户使用；

第一获取模块，用于若检测到被清理的应用在预设第一时长范围内被用户使用，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值；

调整模块，用于根据所述目标清理概率值，调整所述预设阈值的数值。

7.根据权利要求6所述的调整阈值的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取被清理的应用的第一个数；

所述第一获取模块用于：若检测到被清理的应用在预设第一时长范围内被用户使用，则获取在预设第一时长范围内被用户使用的应用的第二个数；计算所述第二个数在所述第一个数中所占的比例；若检测到所述比例达到预设比例阈值，则从记录到的各应用的清理概率值中，获取在预设第一时长范围内被用户使用的应用的目标清理概率值。

8.根据权利要求7所述的调整阈值的装置，其特征在于，所述调整模块用于：

若检测到目标清理概率值的个数为多个，则计算多个目标清理概率值的平均值；

将所述预设阈值的数值调整为所述平均值。

9.一种存储介质，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执行时，使得所述计算机执行如权利要求1至5中任一项所述的调整阈值的方法。

10.一种电子设备，包括存储器，处理器，其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如权利要求1至5中任一项所述的调整阈值的方法。