CN111800535B - 终端运行状态的评估方法、装置、存储介质及电子设备 - Google Patents
终端运行状态的评估方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111800535B CN111800535B CN201910282028.1A CN201910282028A CN111800535B CN 111800535 B CN111800535 B CN 111800535B CN 201910282028 A CN201910282028 A CN 201910282028A CN 111800535 B CN111800535 B CN 111800535B
- Authority
- CN
- China
- Prior art keywords
- information
- trend
- equipment
- determining
- equipment configuration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/24—Arrangements for testing
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例公开了一种终端运行状态的评估方法、装置、存储介质及电子设备,本申请实施例通过采集设备配置信息确定出相应维度的目标设备配置向量信息;采集应用操作信息确定出包含有时序信息的场景特征信息;将目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;结合使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。以此可以采集设备配置信息和包含有时序信息的场景特征信息,将两者进行动态结合,生成可以反映出设备配置信息相应的能量使用趋势的使用趋势信息,结合该使用趋势信息和设备配置状态信息确定出电子设备运行状态的评估值,可以提升运行状态的评估准确率和效率。
Description
技术领域
本申请涉及电子设备技术领域,尤其涉及一种终端运行状态的评估方法、装置、存储介质及电子设备。
背景技术
随着电子技术的不断发展,电子设备如手机的功能越来越强大,在手机中可以安装和使用各种各样的应用,以满足用户的需求,为用户的生活工作带来更多的便利。
目前,手机在使用了一段时间后,将会带来一定程度的硬件损耗,如电池损耗等等,因此,如何对手机硬件的使用寿命进行评估和故障预测,有着重要的作用。
发明内容
本申请实施例提供一种终端运行状态的评估方法、装置、存储介质及电子设备,可以提升终端运行状态的评估效率。
第一方面,本申请实施例了提供了一种终端运行状态的评估方法,包括:
采集电子设备的设备配置信息,根据所述设备配置信息确定出相应维度的目标设备配置向量信息;
采集电子设备的应用操作信息,根据所述应用操作信息确定出包含有时序信息的场景特征信息;
将所述目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;
结合所述使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
第二方面,本申请实施例了提供了的一种终端运行状态的评估装置,包括:
第一采集单元,用于采集电子设备的设备配置信息,根据所述设备配置信息确定出相应维度的目标设备配置向量信息;
第二采集单元,用于采集电子设备的应用操作信息,根据所述应用操作信息确定出包含有时序信息的场景特征信息;
结合单元,用于将所述目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;
确定单元,用于结合所述使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
在一些实施方式中,所述第一采集单元,包括:
向量化子单元,用于采集电子设备的设备配置信息,对所述设备配置信息进行向量化处理,生成相应的设备配置向量信息;
压缩子单元,用于对所述设备配置向量信息进行建模压缩,得到相应维度的目标设备配置向量信息。
在一些实施方式中,所述第二采集单元,包括:
采集子单元,用于采集电子设备的应用使用信息和相应的时序信息;
确定子单元,用于将所述应用使用信息和相应的时序信息确定为应用操作信息;
处理子单元,用于将所述应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息;
提取子单元,用于所述神经网络模型中的高维特征信息,将所述高维特征信息确定为相应的包含有时序信息的场景特征信息。
在一些实施方式中,所述结合单元,包括:
结合子单元,用于根据时序信息的先后顺序将所述目标设备配置向量信息和场景特征信息进行结合,生成趋势张量;
确定子单元,用于将所述趋势张量进行图形化处理,生成相应的能量趋势图,将所述能量趋势图确定为使用趋势信息。
在一些实施方式中,所述结合子单元,具体用于:
将所述目标设备配置向量信息和场景特征信息进行结合,生成相应的目标张量;
根据时序信息的先后顺序依次获取相应的目标张量进行合并,生成趋势张量。
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终端运行状态的评估方法。
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终端运行状态的评估方法。
本申请实施例通过采集电子设备的设备配置信息,根据设备配置信息确定出相应维度的目标设备配置向量信息;采集电子设备的应用操作信息,根据应用操作信息确定出包含有时序信息的场景特征信息;将目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;结合使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。以此可以采集设备配置信息和包含有时序信息的场景特征信息,将两者进行动态结合,生成可以反映出设备配置信息相应的能量使用趋势的使用趋势信息,结合该使用趋势信息和设备配置状态信息确定出电子设备运行状态的评估值,可以提升运行状态的评估准确率和效率。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1是本申请实施例提供的终端运行状态的评估方法的应用场景示意图。
图2是本申请实施例提供的终端运行状态的评估方法的流程示意图。
图3为本申请实施例提供的终端运行状态的评估方法的另一流程示意图。
图4为本申请实施例提供的终端运行状态的评估装置的模块示意图。
图5为本申请实施例提供的终端运行状态的评估装置的另一模块示意图。
图6为本申请实施例提供的电子设备的结构示意图。
图7为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。
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。本文该的不同组件、模块、引擎及服务可看做为在该运算***上的实施对象。而本文该的装置及方法优选的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。
参考图1,图1为本申请实施例提供的终端运行状态的评估方法的应用场景示意图。该终端运行状态的评估方法应用于电子设备。该电子设备中设置有全景感知架构。该全景感知架构为电子设备中用于实现该终端运行状态的评估方法的硬件和软件的集成。
其中,全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。
信息感知层用于获取电子设备自身的信息或者外部环境中的信息。该信息感知层可以包括多个传感器。例如,该信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
其中,距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器,可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。
数据处理层用于对信息感知层获取到的数据进行处理。例如,数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。
其中,数据清理是指对信息感知层获取到的大量数据进行清理,以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度,以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等,以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下,最大限度的精简数据量。
特征抽取层用于对数据处理层处理后的数据进行特征抽取,以提取该数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。
其中,特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。
过滤法是指对提取到的特征进行过滤,以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起,以构建一种更加高效、更加准确的特征提取方法,用于提取特征。
情景建模层用于根据特征抽取层提取到的特征来构建模型,所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如,情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。
智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如,智能服务层可以为用户提供基础应用服务,可以为电子设备进行***智能优化,还可以为用户提供个性化智能服务。
此外,全景感知架构中还可以包括多种算法,每一种算法都可以用于对数据进行分析处理,该多种算法可以构成算法库。例如,该算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。
在一些实施方式中,该信息感知层采集电子设备的设备配置信息,该数据处理层根据该设备配置信息确定出相应维度的目标设备配置向量信息,该信息感知层采集电子设备的应用操作信息,该数据处理层根据该应用操作信息确定出包含有时序信息的场景特征信息,该数据处理层将该目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息,结合使用趋势信息和设备配置状态信息进行综合分析,可以确定出电子设备相应的使用预测信息,对终端运行状态的评估简单快捷,且评估的准确性较高。
本申请实施例提供一种终端运行状态的评估方法,该终端运行状态的评估方法的执行主体可以是本申请实施例提供的终端运行状态的评估装置,或者集成了该终端运行状态的评估装置的电子设备,其中该终端运行状态的评估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(PDA,Personal DigitalAssistant)等。
以下进行具体分析说明。
本申请实施例提供一种终端运行状态的评估方法,如图2所示,图2为本申请实施例提供的终端运行状态的评估方法的流程示意图,该终端运行状态的评估方法可以包括以下步骤:
在步骤S101中,采集电子设备的设备配置信息,根据设备配置信息确定出相应维度的目标设备配置向量信息。
其中,该设备配置信息可以为电子设备的硬件配置信息,该硬件配置信息为该电子设备的基础信息,可以包括电子设备名称、电子设备型号、***版本、处理器、运行内存、机身内存、基带版本、内核版本、SIM卡状态、电池相关状态、IP地址信息、MAC地址信息和蓝牙信息等等。在收集电子设备的设备配置信息后,可以将收集的设备配置信息进行向量化处理,并进行维度压缩,生成相应维度,如维度为10或者20的目标设备配置向量信息。
在一些实施方式中,该采集电子设备的设备配置信息,根据设备配置信息确定出相应维度的目标设备配置向量信息的步骤,可以包括:
(1)采集电子设备的设备配置信息,对该设备配置信息进行向量化处理,生成相应的设备配置向量信息;
(2)对该设备配置向量信息进行建模压缩,得到相应维度的目标设备配置向量信息。
其中,该向量化处理方法可以为one hot编码方法,又称独热编码、一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效。在收集到电子设备的设备配置信息后,对该设备配置信息使用one hot编码方法进行向量化处理,生成相应的设备配置向量信息,该设备配置向量信息的维度与设备配置信息的维度相等。
进一步的,为了方便后期的数据处理以及数据归一性,需要对设备配置向量信息的维度进行统一,该建模压缩方法可以为Word Embedding压缩法,通过该Word Embedding对设备配置向量信息进行建模压缩,压缩为统一维度的目标配置向量信息。
在步骤S102中,采集电子设备的应用操作信息,根据应用操作信息确定出包含有时序信息的场景特征信息。
其中,该应用操作信息可以为用户操作历史信息和用户行为习惯信息,根据该用户行为习惯信息可以刻画出用户处于的场景信息,结合该用户操作历史信息可以进一步的刻画出用户在某时间段内处于的场景信息,进而可以提取出与该在某时间段内处于的场景信息强相关的带有时序信息的场景特征信息。
在一些实施方式中,该采集电子设备的应用操作信息,根据应用操作信息确定出包含有时序信息的场景特征信息的步骤,可以包括:
(1)采集电子设备的应用使用信息和相应的时序信息;
(2)将该应用使用信息和相应的时序信息确定为应用操作信息;
(3)将该应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息;
(4)提取该神经网络模型中的高维特征信息,将该高维特征信息确定为相应的包含有时序信息的场景特征信息。
其中,该神经网络模型可以为循环神经网络(Recurrent Neural Network,RNN)模型,该循环神经网络是一种节点定向连接成环的人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是,RNN可以利用它内部的记忆来处理任意时序的输入序列。该应用使用信息为用户使用应用时的相关信息,代表了用户行为习惯信息,该时序信息为用户使用应用时相应的时间,代表了用户操作历史信息。因此,可以预先采集大量的应用使用信息和相应的时序信息,通过该应用使用信息和相应的时序信息对该循环神经网络模型进行训练学习,使得该循环神经网络模型经过学习后可以根据输入的应用使用信息和相应的时序信息输出相应的具有时序信息的场景信息,因此,在训练完成后,可以实时的采集电子设备的应用使用信息和相应的时序信息,将该应用使用信息和相应的时序信息确定为应用操作信息,将该应用操作信息输入至该循环神经网络中,以输出相应的包含有时序信息的场景特征信息。
进一步的,该高维特征信息为与该输出的包含有时序信息的场景信息强相关的包含有时序信息的场景特征信息,在神经网络模型中,存在多层神经元,通过该多层神经元对设备信息的逐层处理,在最后一层可以输出相应的包含有时序信息的场景信息,可以看出的是,倒数第二层的特征信息与最后一层相应的时序信息的场景信息的关联度最大,相应的,可以将该倒数第二层的特征信息确定为高维特征信息,将该高维特征信息确定为相应的包含有时序信息的场景特征信息。
在步骤S103中,将目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息。
其中,将统一维度的目标设备配置向量信息和相应的场景特征信息进行结合,可以生成相应的特征张量,该特征张量为数据容器,可以将目标设备配置向量和相应的场景特征信息进行归类处理,通俗来说,该特征张量可以表示在相应场景特征下,电子设备相应的硬件配置信息的状态变化。
进一步的,由于不同时间具有不同的场景信息以及使用情况不同的硬件配置信息,所以可以根据时序信息生成多个特征张量,并将多个特征张量合并为总的合并特征张量,该合并特征张量即为使用趋势信息,该使用趋势信息可以表现出硬件配置信息的能量使用趋势。
在一些实施方式中,该将该目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息的步骤,可以包括:
(1)根据时序信息的先后顺序将该目标设备配置向量信息和场景特征信息进行结合,生成趋势张量;
(2)将该趋势张量进行图形化处理,生成相应的能量趋势图,将该能量趋势图确定为使用趋势信息。
其中,根据该时序信息,即根据时间,依次将每一时间下的相应的目标设备配置向量和场景特征信息进行结合,生成多个张量,进而按照时间的先后顺序,将多个张量结合,生成可以变现出硬件配置信息的趋势向量。
进一步的,将该趋势张量进行图形化处理,生成可以表征硬件配置信息相应的能量趋势图,该能量趋势图可以体现出硬件配置信息的能量使用趋势,将该能量趋势图确定出使用趋势信息,当硬件配置信息的能量使用趋势下降较快,则硬件配置信息可能出现故障或者异常。
在步骤S104中,结合使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
其中,该设备配置状态信息为硬件配置信息相应的状态信息,如电池配置信息相应的状态信息为最大电量值的变化,因为随着电池的不断使用,电池配置信息相应的最大电量值会随之越来越低。因此,结合硬件配置信息的使用趋势信息代表的使用趋势和相应的设备配置状态信息代表的老化趋势,可以预测确定出电子设备相应的使用寿命和故障概率。
由上述可知,本实施例提供的一种终端运行状态的评估方法,通过采集电子设备的设备配置信息,根据设备配置信息确定出相应维度的目标设备配置向量信息;采集电子设备的应用操作信息,根据应用操作信息确定出包含有时序信息的场景特征信息;将目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;结合使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。以此可以采集设备配置信息和包含有时序信息的场景特征信息,将两者进行动态结合,生成可以反映出设备配置信息相应的能量使用趋势的使用趋势信息,结合该使用趋势信息和设备配置状态信息确定出电子设备运行状态的评估值,可以提升运行状态的评估准确率和效率。
根据上述实施例所描述的方法,以下将举例作进一步详细说明。
请参阅图3,图3为本申请实施例提供的终端运行状态的评估方法的另一流程示意图。
具体而言,该方法包括:
在步骤S201中,采集电子设备的设备配置信息,对设备配置信息进行向量化处理,生成相应的设备配置向量信息。
需要说明的是,为了更好的说明本申请,以下将电子设备以手机进行举例说明。
其中,在本申请中,该设备配置信息可以为手机的硬件配置信息,如手机的名称、手机型号、***版本、处理器、运行内存、机身内存、基带版本、内核版本、SIM卡状态、电池相关状态、IP地址信息、MAC地址信息和蓝牙信息等等,可以按照预设频率采集手机的设备配置信息,并通过one hot编码方法对该设备配置信息进行向量化处理,生成相应的设备配置向量信息。
在步骤S202中,对设备配置向量信息进行建模压缩,得到相应维度的目标设备配置向量信息。
其中,通过Word Embedding压缩法对设备配置向量信息进行建模压缩,压缩为统一维度为20的目标设备配置向量信息,该目标设备配置向量信息可以为K=[k1,k2,…,kn],该n等于20。
在步骤S203中,采集电子设备的应用使用信息和相应的时序信息,将应用使用信息和相应的时序信息确定为应用操作信息。
其中,可以预先按照一定频率采集手机的应用使用信息和相应的时序信息,将该应用信息和相应的时序信息确定为应用操作信息并作为样本,并连续采集2周或3周的样本,构建样本库。
在步骤S204中,将应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息。
其中,可以通过循环神经网络模型对该样本库进行训练学习,使得该循环神经网络模型经过学习后可以根据输入的应用使用信息和相应的时序信息输出相应的具有时序信息的场景信息,该场景信息可以精确描画出用户在某时序信息下的某场景信息。
在步骤S205中,提取神经网络模型中的高维特征信息,将高维特征信息确定为相应的包含有时序信息的场景特征信息。
其中,由于该神经网络模型的最后一层可以输出相应的包含有时序信息的场景信息,那么可以抽取该神经网络模型中的倒数第二层的特征信息确定为高维特征信息,将该高维特征信息确定为相应的包含有时序信息的场景特征信息,该场景特征信息可以为A-[[a1],[a2],…,[an]]。
在步骤S206中,将目标设备配置向量信息和场景特征信息进行结合,生成相应的目标张量。
在步骤S207中,根据时序信息的先后顺序依次获取相应的目标张量进行合并,生成趋势张量。
其中,可以根据时序信息的先后顺序,如时间节点为t1、t2以及t3,t1时间至t2之间的目标张量为t2至t3之间的目标张量为那么根据时序信息的先后顺序将t1至t2和t2至t3相应的多个目标张量进行合并,可以得到代表趋势张量该趋势张量T可以代表设备器件的使用能量趋势。
在步骤S208中,将趋势张量进行图形化处理,生成相应的能量趋势图,将能量趋势图确定为使用趋势信息。
在步骤S209中,分析使用趋势信息,确定相应的第一趋势,分析设备配置状态信息,确定相应的第二趋势。
其中,分析该使用趋势信息,确定使用能量趋势相应的第一趋势,进一步的,分析设备配置状态信息,即器件的老化程度变化,如电池初始最大电量为3200毫安,在使用一段时间后老化变为3000毫安,确定出代表老化的第二趋势。
在步骤S210中,结合第一趋势和第二趋势,生成电子设备相应的使用预测信息。
其中,结合第一趋势和第二趋势,根据两者趋势确定出总体趋势,并根据总体趋势确定出手机使用寿命和故障概率,即使用预测信息,需要说明的是,总体趋势下降越快,手机使用寿命越短,故障的概率越高,总体趋势下降越慢,手机使用寿命越长,故障的概率越小。
在步骤S211中,当检测出使用预测信息不符合预设条件时,生成提示信息,并将使用预测信息上传至服务器中
其中,当检测使用预测信息不符合预设条件时,该预设条件可以为器件非故障条件,当使用预测信息中的故障概率大于一定阈值,即不满足器件非故障条件,那么可以提醒用户需要进行维修,并可以将该使用预测信息上传至服务器中进行备份,服务器可以相应的进行推荐反馈,例如图形处理器(Graphics Processing Unit,GPU)开始老化,其跑分速度不如新设备时,在用户进入游戏状态的时候调用***的GPU加速模块对终端游戏进行加速。
由上述可知,本实施例提供的一种终端运行状态的评估方法,通过采集手机的设备配置信息,对设备配置信息进行向量化处理和建模压缩处理,生成相应维度的设备配置向量信息,采集电子设备的应用使用信息和相应的时序信息,将应用使用信息和相应的时序信息确定为应用操作信息并输入到神经网络模型中,以输出包含有时序信息的场景特征信息,将目标设备配置向量信息和场景特征信息进行结合,生成按照时序信息排序的相应的多个目标张量,将多个目标张量合并,生成趋势向量,进而根据趋势向量得到相应的使用趋势信息,结合使用趋势信息相应的第一趋势和设备配置状态信息相应的第二趋势,生成手机相应的使用预测信息。以此可以采集设备配置信息和包含有时序信息的场景特征信息,将两者进行动态结合,生成可以反映出设备配置信息相应的能量使用趋势的使用趋势信息,结合该使用趋势信息和设备配置状态信息确定出电子设备运行状态的评估值,可以提升运行状态的评估准确率和效率。
为便于更好的实施本申请实施例提供的终端运行状态的评估方法,本申请实施例还提供一种基于上述终端运行状态的评估方法的装置。其中名词的含义与上述终端运行状态的评估方法中相同,具体实现细节可以参考方法实施例中的说明。
请参阅图4,图4为本申请实施例提供的终端运行状态的评估装置的模块示意图。具体而言,该终端运行状态的评估装置300,包括:第一采集单元31、第二采集单元32、结合单元33以及确定单元34。
第一采集单元31,用于采集电子设备的设备配置信息,根据该设备配置信息确定出相应维度的目标设备配置向量信息。
其中,该设备配置信息可以为电子设备的硬件配置信息,该硬件配置信息为该电子设备的基础信息,可以包括电子设备名称、电子设备型号、***版本、处理器、运行内存、机身内存、基带版本、内核版本、SIM卡状态、电池相关状态、IP地址信息、MAC地址信息和蓝牙信息等等。第一采集单元31在收集电子设备的设备配置信息后,可以将收集的设备配置信息进行向量化处理,并进行维度压缩,生成相应维度,如维度为10或者20的目标设备配置向量信息。
第二采集单元32,用于采集电子设备的应用操作信息,根据该应用操作信息确定出包含有时序信息的场景特征信息。
其中,该应用操作信息可以为用户操作历史信息和用户行为习惯信息,第二采集单元32根据该用户行为习惯信息可以刻画出用户处于的场景信息,结合该用户操作历史信息可以进一步的刻画出用户在某时间段内处于的场景信息,进而可以提取出与该在某时间段内处于的场景信息强相关的带有时序信息的场景特征信息。
结合单元33,用于将该目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息。
其中,结合单元33将统一维度的目标设备配置向量信息和相应的场景特征信息进行结合,可以生成相应的特征张量,该特征张量为数据容器,可以将目标设备配置向量和相应的场景特征信息进行归类处理,通俗来说,该特征张量可以表示在相应场景特征下,电子设备相应的硬件配置信息的状态变化。
进一步的,由于不同时间具有不同的场景信息以及使用情况不同的硬件配置信息,所以结合单元33可以根据时序信息生成多个特征张量,并将多个特征张量合并为总的合并特征张量,该合并特征张量即为使用趋势信息,该使用趋势信息可以表现出硬件配置信息的能量使用趋势。
确定单元34,用于结合该使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
其中,该设备配置状态信息为硬件配置信息相应的状态信息,如电池配置信息相应的状态信息为最大电量值的变化,因为随着电池的不断使用,电池配置信息相应的最大电量值会随之越来越低。因此,确定单元34结合硬件配置信息的使用趋势信息代表的使用趋势和相应的设备配置状态信息代表的老化趋势,可以预测确定出电子设备相应的使用寿命和故障概率。
在一些实施方式中,该确定单元34,具体用于分析该使用趋势信息,确定相应的第一趋势;分析该设备配置状态信息,确定相应的第二趋势;结合该第一趋势和该第二趋势,生成电子设备相应的使用预测信息。
可一并参考图5,图5为本申请实施例提供的终端运行状态的评估装置的另一模块示意图,该终端运行状态的评估装置300还可以包括:
其中,该第一采集单元31可以包括向量化子单元311以及压缩子单元312。
进一步的,该向量化子单元311,用于采集电子设备的设备配置信息,对该设备配置信息进行向量化处理,生成相应的设备配置向量信息。压缩子单元312,用于对该设备配置向量信息进行建模压缩,得到相应维度的目标设备配置向量信息。
其中,该第二采集单元32可以包括采集子单元321、确定子单元322、处理子单元323以及提取子单元334。
进一步的,该采集子单元321,用于采集电子设备的应用使用信息和相应的时序信息。该确定子单元322,用于将该应用使用信息和相应的时序信息确定为应用操作信息。处理子单元323,用于将该应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息。提取子单元334,用于该神经网络模型中的高维特征信息,将该高维特征信息确定为相应的包含有时序信息的场景特征信息。
其中,该结合单元33可以包括结合子单元331以及确定子单元332。
进一步的,该结合子单元331,用于根据时序信息的先后顺序将该目标设备配置向量信息和场景特征信息进行结合,生成趋势张量。确定子单元332,用于将该趋势张量进行图形化处理,生成相应的能量趋势图,将该能量趋势图确定为使用趋势信息。
在一些实施方式中,该结合子单元331,具体用于将该目标设备配置向量信息和场景特征信息进行结合,生成相应的目标张量;根据时序信息的先后顺序依次获取相应的目标张量进行合并,生成趋势张量。
由上述可知,本实施例提供的一种终端运行状态的评估装置,通过第一采集单元31采集电子设备的设备配置信息,根据设备配置信息确定出相应维度的目标设备配置向量信息;第二采集单元32采集电子设备的应用操作信息,根据应用操作信息确定出包含有时序信息的场景特征信息;结合单元33将目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;确定单元34结合使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。以此可以采集设备配置信息和包含有时序信息的场景特征信息,将两者进行动态结合,生成可以反映出设备配置信息相应的能量使用趋势的使用趋势信息,结合该使用趋势信息和设备配置状态信息确定出电子设备运行状态的评估值,可以提升运行状态的评估准确率和效率。
本申请实施例还提供一种电子设备。请参阅图6,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。
该处理器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。
该存储器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:
采集电子设备的设备配置信息,根据该设备配置信息确定出相应维度的目标设备配置向量信息;
采集电子设备的应用操作信息,根据该应用操作信息确定出包含有时序信息的场景特征信息;
将该目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;
结合该使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
在某些实施方式中,在采集电子设备的设备配置信息,根据该设备配置信息确定出相应维度的目标设备配置向量信息时,处理器501可以具体执行以下步骤:
采集电子设备的设备配置信息,对该设备配置信息进行向量化处理,生成相应的设备配置向量信息;
对该设备配置向量信息进行建模压缩,得到相应维度的目标设备配置向量信息。
在某些实施方式中,在采集电子设备的应用操作信息,根据该应用操作信息确定出包含有时序信息的场景特征信息时,处理器501可以具体执行以下步骤:
采集电子设备的应用使用信息和相应的时序信息;
将该应用使用信息和相应的时序信息确定为应用操作信息;
将该应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息;
提取该神经网络模型中的高维特征信息,将该高维特征信息确定为相应的包含有时序信息的场景特征信息。
在某些实施方式中,在将该目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息时,处理器501可以具体执行以下步骤:
根据时序信息的先后顺序将该目标设备配置向量信息和场景特征信息进行结合,生成趋势张量;
将该趋势张量进行图形化处理,生成相应的能量趋势图,将该能量趋势图确定为使用趋势信息。
在某些实施方式中,在根据时序信息的先后顺序将该目标设备配置向量信息和场景特征信息进行结合,生成趋势张量时,处理器501可以具体执行以下步骤:
将该目标设备配置向量信息和场景特征信息进行结合,生成相应的目标张量;
根据时序信息的先后顺序依次获取相应的目标张量进行合并,生成趋势张量。
在某些实施方式中,在结合该使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息时,处理器501可以具体执行以下步骤:
分析该使用趋势信息,确定相应的第一趋势;
分析该设备配置状态信息,确定相应的第二趋势;
结合该第一趋势和该第二趋势,生成电子设备相应的使用预测信息。
在某些实施方式中,在结合该使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息的步骤之后,处理器501还可以具体执行以下步骤:
当检测出该使用预测信息不符合预设条件时,生成提示信息,并将该使用预测信息上传至服务器中。
由上述可知,本申请实施例的电子设备,通过采集电子设备的设备配置信息,根据设备配置信息确定出相应维度的目标设备配置向量信息;采集电子设备的应用操作信息,根据应用操作信息确定出包含有时序信息的场景特征信息;将目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;结合使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。以此可以采集设备配置信息和包含有时序信息的场景特征信息,将两者进行动态结合,生成可以反映出设备配置信息相应的能量使用趋势的使用趋势信息,结合该使用趋势信息和设备配置状态信息确定出电子设备运行状态的评估值,可以提升运行状态的评估准确率和效率。
请一并参阅图7,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。
该显示器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。
该射频电路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终端建立无线通讯,与网络设备或其他终端之间收发信号。
该音频电路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。
该电源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。
本申请实施例还提供一种存储介质,该存储介质存储有计算机程序,当该计算机程序在计算机上运行时,使得该计算机执行上述任一实施例中的终端运行状态的评估方法,比如:采集电子设备的设备配置信息,根据该设备配置信息确定出相应维度的目标设备配置向量信息;采集电子设备的应用操作信息,根据该应用操作信息确定出包含有时序信息的场景特征信息;将该目标设备配置向量信息和场景特征信息进行结合,生成设备配置信息相应的使用趋势信息;结合该使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
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,对本申请实施例的终端运行状态的评估方法而言,本领域普通测试人员可以理解实现本申请实施例的终端运行状态的评估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,该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终端运行状态的评估方法的实施例的流程。其中,该的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。
对本申请实施例的终端运行状态的评估装置而言,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。该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,该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终端运行状态的评估方法、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)
1.一种终端运行状态的评估方法,其特征在于,包括:
采集电子设备的设备配置信息,根据所述设备配置信息确定出相应维度的目标设备配置向量信息;
采集电子设备的应用使用信息和相应的时序信息;
将所述应用使用信息和相应的时序信息确定为应用操作信息;
将所述应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息;
提取所述神经网络模型中的高维特征信息,将所述高维特征信息确定为相应的包含有时序信息的场景特征信息;
根据时序信息的先后顺序将所述目标设备配置向量信息和所述场景特征信息进行结合,生成趋势张量;
将所述趋势张量进行图形化处理,生成相应的能量趋势图,将所述能量趋势图确定为使用趋势信息;
结合所述使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
2.如权利要求1所述的终端运行状态的评估方法,其特征在于,所述采集电子设备的设备配置信息,根据所述设备配置信息确定出相应维度的目标设备配置向量信息的步骤,包括:
采集电子设备的设备配置信息,对所述设备配置信息进行向量化处理,生成相应的设备配置向量信息;
对所述设备配置向量信息进行建模压缩,得到相应维度的目标设备配置向量信息。
3.如权利要求1所述的终端运行状态的评估方法,其特征在于,所述根据时序信息的先后顺序将所述目标设备配置向量信息和场景特征信息进行结合,生成趋势张量的步骤,包括:
将所述目标设备配置向量信息和场景特征信息进行结合,生成相应的目标张量;
根据时序信息的先后顺序依次获取相应的目标张量进行合并,生成趋势张量。
4.如权利要求1所述的终端运行状态的评估方法,其特征在于,所述结合所述使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息的步骤,包括:
分析所述使用趋势信息,确定相应的第一趋势;
分析所述设备配置状态信息,确定相应的第二趋势;
结合所述第一趋势和所述第二趋势,生成电子设备相应的使用预测信息。
5.如权利要求1所述的终端运行状态的评估方法,其特征在于,所述结合所述使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息的步骤之后,还包括:
当检测出所述使用预测信息不符合预设条件时,生成提示信息,并将所述使用预测信息上传至服务器中。
6.一种终端运行状态的评估装置,其特征在于,包括:
第一采集单元,用于采集电子设备的设备配置信息,根据所述设备配置信息确定出相应维度的目标设备配置向量信息;
第二采集单元,所述第二采集单元包括:
采集子单元,用于采集电子设备的应用使用信息和相应的时序信息;
确定子单元,用于将所述应用使用信息和相应的时序信息确定为应用操作信息;
处理子单元,用于将所述应用操作信息输入到神经网络模型中,以输出相应的包含有时序信息的场景信息;
提取子单元,用于提取所述神经网络模型中的高维特征信息,将所述高维特征信息确定为相应的包含有时序信息的场景特征信息;
结合单元,所述结合单元包括:
结合子单元,用于根据时序信息的先后顺序将所述目标设备配置向量信息和所述场景特征信息进行结合,生成趋势张量;
确定子单元,用于将所述趋势张量进行图形化处理,生成相应的能量趋势图,将所述能量趋势图确定为使用趋势信息;
确定单元,用于结合所述使用趋势信息和设备配置状态信息进行分析,确定出电子设备相应的使用预测信息。
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5任一项所述的终端运行状态的评估方法。
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5任一项所述的终端运行状态的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282028.1A CN111800535B (zh) | 2019-04-09 | 2019-04-09 | 终端运行状态的评估方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282028.1A CN111800535B (zh) | 2019-04-09 | 2019-04-09 | 终端运行状态的评估方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111800535A CN111800535A (zh) | 2020-10-20 |
CN111800535B true CN111800535B (zh) | 2021-07-20 |
Family
ID=72805333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282028.1A Active CN111800535B (zh) | 2019-04-09 | 2019-04-09 | 终端运行状态的评估方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111800535B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112433927A (zh) * | 2020-11-30 | 2021-03-02 | 西安理工大学 | 基于时间序列聚类和lstm的云服务器老化预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301483A (zh) * | 2014-09-26 | 2015-01-21 | 惠州Tcl移动通信有限公司 | 手机硬件状态的评估***及方法 |
CN105102999A (zh) * | 2013-03-26 | 2015-11-25 | 株式会社东芝 | 电池寿命推测方法及电池寿命推测装置 |
CN105677767A (zh) * | 2015-12-30 | 2016-06-15 | 联想(北京)有限公司 | 一种设备配置推荐方法和装置 |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理*** |
CN108761347A (zh) * | 2018-06-29 | 2018-11-06 | 联想(北京)有限公司 | 一种处理方法、装置及电子设备 |
CN109116967A (zh) * | 2018-08-06 | 2019-01-01 | 清华大学 | 基于时间复用的神经网络预测器及其适用的电子设备 |
CN109190087A (zh) * | 2018-08-07 | 2019-01-11 | 东莞理工学院 | 一种电池剩余寿命预测方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8355485B2 (en) * | 2006-08-21 | 2013-01-15 | Centurylink Intellectual Property Llc | System and method for reporting telecommunications utilization and forecasting |
-
2019
- 2019-04-09 CN CN201910282028.1A patent/CN111800535B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105102999A (zh) * | 2013-03-26 | 2015-11-25 | 株式会社东芝 | 电池寿命推测方法及电池寿命推测装置 |
CN104301483A (zh) * | 2014-09-26 | 2015-01-21 | 惠州Tcl移动通信有限公司 | 手机硬件状态的评估***及方法 |
CN105677767A (zh) * | 2015-12-30 | 2016-06-15 | 联想(北京)有限公司 | 一种设备配置推荐方法和装置 |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理*** |
CN108761347A (zh) * | 2018-06-29 | 2018-11-06 | 联想(北京)有限公司 | 一种处理方法、装置及电子设备 |
CN109116967A (zh) * | 2018-08-06 | 2019-01-01 | 清华大学 | 基于时间复用的神经网络预测器及其适用的电子设备 |
CN109190087A (zh) * | 2018-08-07 | 2019-01-11 | 东莞理工学院 | 一种电池剩余寿命预测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111800535A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476306B (zh) | 基于人工智能的物体检测方法、装置、设备及存储介质 | |
CN111797288B (zh) | 数据筛选方法、装置、存储介质及电子设备 | |
CN111797861A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111797870A (zh) | 算法模型的优化方法、装置、存储介质及电子设备 | |
CN111796925A (zh) | 算法模型的筛选方法、装置、存储介质和电子设备 | |
CN111798259A (zh) | 应用推荐方法、装置、存储介质及电子设备 | |
CN111800445B (zh) | 消息推送方法、装置、存储介质及电子设备 | |
CN111797849B (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
CN111797867A (zh) | ***资源优化方法、装置、存储介质及电子设备 | |
CN111800535B (zh) | 终端运行状态的评估方法、装置、存储介质及电子设备 | |
CN111798019B (zh) | 意图预测方法、装置、存储介质及电子设备 | |
CN111797874B (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN111816211B (zh) | 情绪识别方法、装置、存储介质及电子设备 | |
CN111797986A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN112948763B (zh) | 件量预测方法、装置、电子设备及存储介质 | |
CN111796663B (zh) | 场景识别模型更新方法、装置、存储介质及电子设备 | |
CN111796314A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111800537B (zh) | 终端使用状态的评估方法、装置、存储介质及电子设备 | |
CN111797391A (zh) | 高风险进程的处理方法、装置、存储介质及电子设备 | |
CN111796871A (zh) | 服务唤醒方法、装置、存储介质及电子设备 | |
CN111797227A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111797880A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN111797869A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN111797866A (zh) | 特征提取方法、装置、存储介质及电子设备 | |
CN111797852A (zh) | 算法模型的调整方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |