CN112101408A - 一种分类方法及分类装置 - Google Patents
一种分类方法及分类装置 Download PDFInfo
- Publication number
- CN112101408A CN112101408A CN202010771227.1A CN202010771227A CN112101408A CN 112101408 A CN112101408 A CN 112101408A CN 202010771227 A CN202010771227 A CN 202010771227A CN 112101408 A CN112101408 A CN 112101408A
- Authority
- CN
- China
- Prior art keywords
- sub
- target
- classification
- classification model
- objects
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000013145 classification model Methods 0.000 claims description 187
- 239000013598 vector Substances 0.000 claims description 79
- 238000012360 testing method Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 description 29
- 238000004590 computer program Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4418—Suspend and resume; Hibernate and awake
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种分类方法，包括：监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。同时，本申请还提供一种分类装置。
Description
技术领域
本申请涉及数据分类技术，尤其涉及一种分类方法及装置。
背景技术
当用户工作时，由于电脑桌面图标很多、很乱，常常难以找到用户想找的文件，不仅影响使用者心情，而且还导致工作效率下降。
发明内容
有鉴于此，本申请实施例期望提供一种分类方法和分类装置。
为达到上述目的，本申请的技术方案是这样实现的：
根据本申请的一方面，提供一种分类方法，包括：监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
上述方案中，所述监控到目标事件，至少包括以下之一：
如果检测到针对目标应用的启用操作，确定监控到所述目标事件；
如果检测到作用于电子设备的输入操作，确定监控到所述目标事件；
如果检测到在指定区域新建对象的操作，确定监控到所述目标事件；
如果检测到从第一位置向第二位置移动对象的操作，确定监控到所述目标事件。
上述方案中，按照确定的分类策略对指定区域内的对象进行分类，包括：
通过目标控件将所述指定区域的至少部分区域或指定区域之外的其他区域分割成多个子区域，通过预置的分类模型对所述指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；或，
监控到针对目标应用或电子设备的操作，对所述电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对桌面或当前显示界面的至少部分区域分割得到；或，
监控到新建对象或移动对象的操作，获得新建的对象或移动的对象的属性信息，以至少基于所述属性信息对所述新建的对象或所述移动的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对指定区域的至少部分区域或指定区域之外的其他区域分割得到。
上述方案中，所述至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象，包括：
在获得针对所述子区域内的对象的有效输入的情况下，按照输入类别对应调整预置的分类模型的模型参数，以能够将符合输入者当前需求的目标对象对应显示于目标子区域。
上述方案中，按照输入类别对应调整预置的分类模型的模型参数，包括：
如果所述有效输入表征在所述子区域之间进行对象移动，按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数；
如果所述有效输入表征对目标对象进行编辑，按照编辑内容对应调整预置的分类模型的第二模型参数；
如果所述有效输入表征对目标对象进行使用，按照统计的使用向量调整预置的分类模型的第三模型参数；
所述第一模型参数、所述第二模型参数和/或所述第三模型参数相同或不同。
上述方案中，所述将符合输入者当前需求的目标对象对应显示于目标子区域，包括：
周期性统计各子区域内至少部分对象的使用参数，以根据所述使用参数确定符合输入者当前需求的目标对象，将所述目标对象对应显示于目标子区域；
或者，如果检测到在指定区域或指定区域之外的其他区域新建对象的操作，将新建的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域；
或者，如果检测到从第一位置向第二位置移动对象的操作，将移动的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
上述方案中，在所述通过预置的分类模型对所述指定区域内的对象进行分类之前，还包括：
收集针对样本数据的使用时间向量和使用次数向量；
拼接所述使用时间向量和所述使用次数向量，以得到所述样本数据的特征向量集；
基于所述特征向量集生成所述分类模型。
上述方案中，基于所述特征向量集生成所述分类模型，包括：
将所述样本数据随机分为N份子样本数据，其中，N大于等于3；依次将N-1份的子样本数据作为用于构建所述分类模型的训练数据、将N-(N-1)份的子样本数据作为用于评估所述分类模型的测试数据；
基于所述特征向量集，在至少三个第一分类模型中依次对所述N-1份的子样本数据进行分类，以得到表征所述N-1份的子样本数据类别的至少三个标签结果；
根据所述至少三个标签结果，确定第二分类模型；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型；
所述根据所述至少三个标签结果，确定第二分类模型，包括：
将所述至少三个标签结果中，相同标签数量最高的目标标签作为所述N-1份的子样本数据的第一标签；
确定所述第一标签与数据库中所述N-1份的子样本数据对应的第二标签相同的情况下，将所述至少三个第一分类模型确定为所述第二分类模型；
所述依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型，包括；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，得到N个第二分类模型；
将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的所述分类模型；或者，确定所述N个第二分类模型的参数平均值；基于所述参数平均值生成最终的所述分类模型。
上述方案中，还包括：
如果检测到对象搜索操作，基于所述对象搜索操作对应的搜索信息，在多个所述子区域中确定目标搜索对象；且/或，
输出对象搜索操作的结果提示信息。
根据本申请的另一方面，提供一种对象分类装置，包括：
分类单元，用于监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；
调整单元，用于至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
根据本申请的第三方面，提供一种电子设备，该电子设备包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，所述处理器用于运行所述计算机程序时，执行上述分类方法中的任一分类步骤。
根据本申请的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器运行时，执行上述分类方法中的任一分类步骤。
本申请提供的一种分类方法及装置，通过在监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。如此，基于分类策略对指定区域的对象进行分类，并基于用户的输入习惯对分类结果进行调整，不仅可以提高桌面整洁性，而且还能够使分类结果更符合用户的使用需求，从而能够提高使用者的工作效率。
附图说明
图1为本申请中分类方法的实现流程示意图；
图2为申请中对指定区域的对象进行分类的分类结果示意图；
图3为本申请中分类装置的结构组成示意图；
图4为本申请中电子设备的结构组成示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请的技术方案做进一步的详细阐述。
图1为本申请中分类方法的实现流程示意图，如图1所示，该方法至少包括：
步骤101，监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；
本申请中，该方法主要应用于台式电脑、服务器、工作站、智能手机、笔记本电脑、平板电脑等电子设备，在该电子设备上安装有目标应用，该目标应用具体可以是能够进行对象分类的应用，通过该目标应用可以对指定区域内的对象进行分类。
这里，该电子设备可以通过检测针对该电子设备上的目标应用的启用操作，来触发对指定区域内的对象进行分类，如果该电子设备检测到针对目标应用的启用操作，则确定监控到目标事件，此时可以按照确定的分类策略对指定区域内的对象进行分类。
比如，当电子设备检测到针对目标应用的打开操作时，确定监控到目标事件；或者，当电子设备检测到针对目标应用的唤醒操作时，确定监控到目标事件。
本申请中，该电子设备还可以通过检测针对作用于电子设备上的输入操作，来触发对指定区域内的对象进行分类，如果该电子设备检测到作用于电子设备的输入操作，则确定监控到目标事件，此时可以按照确定的分类策略对指定区域内的对象进行分类。
比如，当用户通过输入设备针对该电子设备进行语音输入、手势输入或按键输入时，该电子设备可以检测到该输入设备发送的语音指令、手势指令、按键指令或字符指令，当该电子设备检测到该语音指令、手势指令、按键指令或字符指令时，确定监控到目标事件。
本申请中，该电子设备还可以通过检测在指定区域的操作，来触发对指定区域内的对象进行分类，如果该电子设备检测到在指定区域新建对象的操作，则确定监控到目标事件，此时可以按照确定的分类策略对指定区域内的对象进行分类。
比如，该指定区域是桌面区域，当电子设备在桌面区域检测到新建文件的操作、新建文件夹的操作、通过其他应用生成新的文件并将该新的文件存储到桌面区域的操作时，确定监控到目标事件。
这里，该指定区域还可以是电子设备的磁盘区域，当指定区域是磁盘区域时，该电子设备可以通过检测针对该磁盘区域进行文件新建的操作、文件夹新建的操作来确定监控到目标事件。
本申请中，该电子设备还可以通过检测针对对象的移动操作，来触发对指定区域内的对象进行分类，如果该电子设备检测到从第一位置向第二位置移动对象的操作，则确定监控到所述目标事件，此时可以按照确定的分类策略对指定区域内的对象进行分类。
比如，用户通过拖拽的方式将第一文件夹内的对象拖拽到第二文件夹或拖拽到某一个位置时，该电子设备可以在检测到从第一位置向第二位置移动对象的操作，其中，第一文件夹可以表征第一位置，第二文件夹或拖拽的目标位置可以表征第二位置。
或者，用户通过拖拽、剪切或复制的方式，将桌面区域上的第一对象拖拽、剪切或复制到磁盘区域时，该电子设备可以检测到从桌面区域向磁盘区域移动对象的操作，其中，桌面区域表征第一位置，磁盘区域表征第二位置。
或者，当用户通过删除的方式将桌面区域的第一对象进行删除操作时，该电子设备可以检测到从桌面区域向回收站移动对象的操作，其中，该桌面区域表征第一位置，回收站表征第二位置。
或者，当用户通过剪切或复制的方式，将磁盘或移动硬盘内的第一对象剪切或复制到桌面区域时，该电子设备可以检测到从磁盘或移动硬盘区域向桌面区域移动对象的操作，其中，磁盘或移动硬盘表征第一位置，桌面区域表征第二位置。
本申请中，该电子设备在按照确定的分类策略对指定区域内的对象进行分类时，具体可以通过目标控件将指定区域的至少部分区域或指定区域之外的其他区域分割成多个子区域，然后通过预置的分类模型对该指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域。
这里，目标控件至少包括桌面布局分类控件或分流器控件。
当该目标控件是桌面布局分类控件时，可以通过桌面布局分类控件获取一张背景图片，通过该背景图片将指定区域的部分区域或全部区域分割成N个子区域，也可以是将指定区域以外的其他区域分割成N个子区域，其中，N大于等于2；然后通过预置的分类模型对指定区域内的对象进行分类，以使得不同类别的对象全部或部分显示于对应的N个子区域。
当该目标控件是分流器时，可以通过设置分流器的属性信息，基于该属性信息可以将指定区域的部分区域或全部区域分割成N个子区域，也可以是将指定区域以外的其他区域分割成N个子区域。其中，N大于等于2；然后通过预置的分类模型对指定区域内的对象进行分类，以使得不同类别的对象全部或部分显示于对应的N个子区域。
这里，指定区域可以是指电子设备的桌面区域，指定区域内的对象可以是指桌面区域上的文件或文件夹。指定区域以外的区域可以是指磁盘或移动硬盘，指定区域以外的区域的对象可以是指磁盘或移动硬盘里存储的文件或文件夹。
本申请中，通过预置的分类模型对指定区域内的对象进行分类之前，需要先基于有监督的机器学习进地训练，从而才能得到该分类模型。
具体地，可以通过收集样本数据，并记录针对样本数据的使用时间向量和使用次数向量；然后将该使用时间向量和该使用次数向量进行向量拼接，以得到该样本数据的特征向量集；基于该特征向量集可以生成该分类模型。
比如，针对N名用户收集一周用户使用100个文件的数据，每个文件收集两个向量。其中，文件A的使用次数向量是7*24维，每一维代表该文件第几天第几时被点击的次数；文件B的使用时间向量是7*24维，每一维代表该文件第几天第几时是否使用。然后将两组向量直接拼接形成2*7*24维的最终使用特征向量集。一周后，让这N名用户对这些文件打标签，比如，可以将这100个文件分为4类：紧急重要，紧急不重要，不紧急重要，不紧急不重要，以形成后续使用的标签数据库。
这里，7代表7天，24代表24小时，2代表使用时间向量和使用次数向量。通过电子设备上的后台程序可以记录用户使用文件的使用信息，比如，通过记录鼠标动作可以知道用户在哪个时间使用了哪个文件。
本申请中，在基于该特征向量集生成该分类模型时，具体可以利用多种多分类算法(例如：GBDT、KNN、CNN、RNN、LSTM、GRU等)，输入2*7*24维向量，输出每个分类器的结果，以将文件分为上述4类中的一类。然后采用投票法，将文件归为所有算法投票最多的一类。将用户数据90％作为训练集，10％作为验证集，使用10次交叉验证选出最佳参数模型
还可以先将该样本数据随机分为N份子样本数据，其中，N大于等于3；再依次将N-1份的子样本数据作为用于构建该分类模型的训练数据，将N-(N-1)份的子样本数据作为用于评估该分类模型的测试数据。然后，基于样本数据的特征向量集，在至少三个第一分类模型(比如GBDT、KNN、CNN、RNN、LSTM、GRU中的至少三个)中依次对该N-1份的子样本数据进行分类，每份子样本数据可以记录一个拼接后的特征向量集(即2*7*24维向量)，以得到表征该N-1份的子样本数据类别的至少三个标签结果。然后，确定至少三个标签结果中属于同一标签数量，将至少三个标签结果中，相同标签数量最高的目标标签作为上述N-1份的子样本数据的第一标签。
比如，通过KNN，GBDT，CNN三个分类器分别对同1份子样本数据进行分类，其中，KNN将该子样本数据分类到“重要”的类别中；GBDT将该子样本数据分类到“不重要”的类别中；CNN将该样本数据分类到“重要”的类别中；则将该子样本数据确定为“重要”的类别，即该子样本数据的第一标签为“重要”。
当确定出N-1份的子样本数据的第一标签后，还可以将该第一标签与数据库中该N-1份的子样本数据对应的第二标签进行比较，根据比较结果，确定第一标签与第二标签相同的情况下，将至少三个第一分类模型确定为第二分类模型。如果比较结果确定第一标签与第二标签不同，则对至少三个第一分类模型的模型参数进行调整，然后基于调整后的至少三个第一分类模型继续对样本数据进行训练，直到得到与数据库中第二标签相同的第一标签。
本申请中，当基于上述的N-1个子样本数据得到第二分类模型后，再依次利用上述N-(N-1)个子样本数据对该第二分类模型进行测试，以得到N个第二分类模型；将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的分类模型；或者，确定N个第二分类模型的参数平均值；基于该参数平均值生成最终的分类模型。
这里，在将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的分类模型时，可以对比N个第二分类模型的分类结果，以确定出精准率最高的第二分类模型，并将精准率最高的第二分类模型确定为最终的分类模型。
本申请中，该电子设备在按照确定的分类策略对指定区域内的对象进行分类时，具体还可以通过监控针对目标应用或电子设备的操作，对电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域。其中，该子区域通过目标控件对桌面或当前显示界面的至少部分区域进行分割得到。
这里，目标控件至少包括桌面布局分类控件或分流器控件。通过目标控件可以对电子设备的桌面区域进行分割，以得以N个子区域，或者，对电子设备的磁盘或硬盘区域进行分割，以得到N个子区域，其中，N大于等于2。
当电子设备检测到针对目标应用的开启操作或唤醒操作时，对电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类；或者，检测到针对电子设备的开机操作时，对电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类。
本申请中，该电子设备在按照确定的分类策略对指定区域内的对象进行分类时，具体还可以通过监控新建对象或移动对象的操作，获得新建的对象或移动的对象的属性信息，以至少基于该属性信息对新建的对象或移动的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域。其中，该子区域通过目标控件对指定区域的至少部分区域或指定区域之外的其他区域分割得到。
这里，目标控件至少包括桌面布局分类控件或分流器控件。通过目标控件可以对电子设备的桌面区域进行分割，以得以N个子区域，或者，对电子设备的磁盘或硬盘区域进行分割，以得到N个子区域，其中，N大于等于2。
当电子设备检测到在指定区域新建对象的操作时，基于该新建对象的使用参数(使用时间和使用次数)对该新建对象进行分类，以使得该新建对象显示于对应子区域；当电子设备检测到从第一位置向第二位置移动目标对象的操作时，基于该目标对象的使用参数(使用时间或使用次数)对移动的目标对象进行分类，以使得该目标对象显示于对应子区域。
步骤102，至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
本申请中，当该电子设备获得针对该子区域内的对象的有效输入的情况下，可以按照输入类别对应调整预置的分类模型的模型参数，以能够将符合输入者当前需求的目标对象对应显示于目标子区域。
这里，当该电子设备既检测到针对目标对象的剪切操作，又检测到针对该目标对象的粘贴操作时，表征检测到有效输入；如果只检测到针对目标对象的剪切操作，而没有检测到针对目标对象的粘贴操作，则表示未检测到有效输入。
本申请中，如果该有效输入表征在各子区域之间进行对象移动，则按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数。
比如用户通过拖拽的方式将第一子区域的对象拖拽到第二子区域对象时，该电子设备可以检测到针对目标对象的移动操作，则按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数。
本申请中，如果该有效输入表征对目标对象进行编辑，则按照编辑内容对应调整预置的分类模型的第二模型参数。
这里，对目标对象进行编辑具体是指对目标对象的属性标签进行编辑。
本申请中，当通过预置的分类模型对指定区域内的对象进行分类后，每个对象都会携带有一个表征类别的属性标签，通过该属性标签可以知晓该对象所在的子区域的类别。
比如，当对象的属性标签表征“重要”时，说明该对象所在的子区域属于“重要”类别，当对象的属性标签表征“非重要”时，说明该对象所在的子区域属于“非重要”类别。
本申请通过对目标对象的属性标签进行编辑，可以提高分类模型的分类精准度。
例如，当用户将该目标对象的属性标签“非重要”修改为“重要”时，该分类模型的第二模型参数会发生改变，这样，在下次通过该分类模型对与该目标对象相同类型的对象进行分类时，就会将该对象分类到“重要”类别的子区域，而不是“非重要”类别的子区域，从而可以提高分类模型的分类精准度。
本申请中，如果该有效输入表征对目标对象进行使用，则按照统计的使用向量调整预置的分类模型的第三模型参数。
这里，该使用向量包括使用时间向量和使用次数向量。
本申请中，该电子设备会周期性地记录各子区域内各对象的使用时间向量和使用次数向量。基于该使用时间向量和使用次数向量可以知晓每个对象的使用频率，从而基于对象的使用频率调整分类模型的第三模型参数，可以提高分类模型的精准度。
例如，当电子设备检测到对目标对象的打开操作时，该电子设备会记录该目标对象的打开时间和打开次数，根据该打开时间和打开次数可以调整预置的分类模型的第三模型参数。
这里，分类模型的第一模型参数、第二模型参数和/或第三模型参数可以相同，也可以不同，只要能够提高分类模型的分类精准度即可，并不限制各模型参数的具体数值。
本申请中，由于该电子设备会周期性的统计各子区域内至少部分对象的使用参数，所以，该电子设备可以根据该使用参数确定符合输入者当前需求的目标对象，以便将该目标对象对应显示于目标子区域。
这里，对象的使用参数具体是指对象的使用时间向量和对象的使用次数向量。
本申请中，该电子设备还可以检测在指定区域或指定区域之外的其他区域新建对象的操作，如果检测到在指定区域或指定区域之外的其他区域新建对象的操作，可以将新建的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将该目标对象对应显示于目标子区域。
这里，指定区域可以是指电子设备的桌面区域，指定区域之外的其他区域可以是指电子设备的硬盘、磁盘区域。新建对象的操作可以是指新建文件或新建文件夹的操作。
本申请中，该电子设备还可以检测从第一位置向第二位置移动对象的操作，如果该电子设备检测到从第一位置向第二位置移动对象的操作，可以将移动的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
这里，第一位置和第二位置可以表征不同区域，比如，当用户通过拖拽的方式，将第一子区域的对象拖拽到第二子区域时，该电子设备可以检测到从第一位置向第二位置移动对象的操作。
这里，第一位置还可以表征第一子区域，第二位置还可以表征第二子区域。
再比如，当用户通过拖拽、复制或剪切的方式，将桌面区域的对象拖拽、复制或剪切到磁盘区域时，该电子设备可以检测到从第一位置向第二位置移动对象的操作。
这里，第一位置还可以表征桌面区域，第二位置还可以表征磁盘区域。
本申请中，由于电子设备初次对指定区域的对象进行分类时，所使用的预置分类模型是基于样本数据训练所得，其分类结果有可能不符合用户的使用习惯，所以，在将指定区域的对象进行分类后，再记录用户对每个对象的使用参数，以得到每个对象的使用时间向量和使用次数向量，拼接该使用时间向量和该使用次数向量，以得到符合用户使用习惯的特征向量集，然后，将样本数据的部分特征向量集和符合用户使用习惯的部分特征向量集，调整该分类模型的模型参数，以根据调整模型参数后的分类模型对各对象进行分类，以使不同类别的对象显示于相应目标子区域。
本申请通过基于对象的使用参数调整分类模型的模型参数，可以使得分类结果更加符合用户的使用习惯，从而可以提高分类精准度。另外，由于分类结果更加符合和户的使用习惯，所以对用户的工作效率也起到了有效的提高。
本申请中，该电子设备还提供快速搜索功能，该电子设备如果检测到对象搜索操作，该电子设备可以基于该对象搜索操作对应的搜索信息，在多个所述子区域中确定目标搜索对象；且/或，输出对象搜索操作的结果提示信息。
这里，该对象搜索操作对应的搜索信息具体可以是指对象搜索操作对应的搜索关键字。当用户输入第一个字符时，该电子设备可以计算出桌面上所有文件名与该第一个字符的编辑距离，从而能够确定出小于阈值的前N位文件。而当用户接着输入第二个字符时，该电子设备可以前N位文件与该第二个字符的编辑距离，从而能够得到小于阈值的前N-M位文件，依次类推，直到用户输入完所有字符，以找到目标文件。
这里，编辑距离是用来度量两个字符或序列相似程度的指标。通俗地来讲，编辑距离指的是在两个单词<w_1,w_2>之间，由其中一个单词w_1转换为另一个单词w_2所需要的最少单字符编辑操作次数。假设用户寻找文件名为“ACBCD”的这个文件，用户首先要输入A，然后电子设备会基于搜索算法找出了小于阈值Q的前5个文件名跟A最小的文件“AB，ACBD，ACBCD，ABCD，ACCDE”，并将“AB，ACBD，ACBCD，ABCD，ACCDE”这几个文件通过高亮的方式显示；接着用户在输入C，该电子设备基于搜索算法从刚刚找到的5个文件名中选出小于阈值Q的3个最小的文件“ACBD，ACBCD，ACCDE”，并将“ACBD，ACBCD，ACCDE”这几个文件通过高亮的方式显示，而随着用户的输入，搜索范围会越来越小，直到用户找到目标文件“ACBCD”，并通过高亮方式显示，如此，通过高亮的方式显示目标文件，可以缩小用户的视觉范围，使用户快速找到目标文件，提高用户搜索文件的效率，并且，对于视力差的用户，可以提高对用户的视觉反馈，减少用户寻找文件的时间。
图2为本申请中对指定区域的对象进行分类的分类结果示意图，如图2所示，通过分类控件将指定区域的对象分为四类，分别是紧急重要，不紧急重要，紧急不重要，不紧急不重要。通过将指定区域的对象分为四类，避免了复杂的桌面布局，提高了桌面整洁度，并且可以使用户一目了然哪些文件是紧急处理的，哪些文件是不紧急处理的，为用户的工作提高了有效的帮助。
图3为本申请中分类装置的结构组成示意图，如图3所示，该装置包括：
分类单元301，用于监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；
调整单元302，用于至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
在优选方案中，该装置还包括：检测单元303和确定单元304；
其中，检测单元303，用于检测针对目标应用的启用操作；
确定单元304，用于在检测到针对目标应用的启用操作时，确定监控到所述目标事件；
或者，检测单元303，用于检测作用于电子设备的输入操作；
确定单元304，用于在检测到作用于电子设备的输入操作时，确定监控到所述目标事件；
或者，检测单元303，用于检测在指定区域新建对象的操作；
确定单元304，用于在检测到在指定区域新建对象的操作时，确定监控到所述目标事件；
或者，检测单元303，用于检测从第一位置向第二位置移动对象的操作；
确定单元304，用于在检测到从第一位置向第二位置移动对象的操作时，确定监控到所述目标事件。
在优选方案中，分类单元301具体用于：通过目标控件将所述指定区域的至少部分区域或指定区域之外的其他区域分割成多个子区域，通过预置的分类模型对所述指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；或，监控到针对目标应用或电子设备的操作，对所述电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对桌面或当前显示界面的至少部分区域分割得到；或，监控到新建对象或移动对象的操作，获得新建的对象或移动的对象的属性信息，以至少基于所述属性信息对所述新建的对象或所述移动的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对指定区域的至少部分区域或指定区域之外的其他区域分割得到。
调整单元302具体用于在获得针对所述子区域内的对象的有效输入的情况下，按照输入类别对应调整预置的分类模型的模型参数，以能够将符合输入者当前需求的目标对象对应显示于目标子区域。
在优选方案中，调整单元302具体还用于：在所述有效输入表征在所述子区域之间进行对象移动下，按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数；或者，在所述有效输入表征对目标对象进行编辑下，按照编辑内容对应调整预置的分类模型的第二模型参数；或者，在所述有效输入表征对目标对象进行使用下，按照统计的使用向量调整预置的分类模型的第三模型参数。
这里，所述第一模型参数、所述第二模型参数和/或所述第三模型参数相同或不同。
在优选方案中，该装置还包括：统计单元305和显示单元306；
具体地，该统计单元305用于周期性统计各子区域内至少部分对象的使用参数；
确定单元304，还用于根据所述使用参数确定符合输入者当前需求的目标对象；
该显示单元306，用于将所述目标对象对应显示于目标子区域；
或者，该确定单元304还用于在检测到在指定区域或指定区域之外的其他区域新建对象的操作时，将新建的对象确定为符合输入者当前需求的目标对象；
该显示单元306，用于根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
或者，该确定单元304还用于检测到从第一位置向第二位置移动对象的操作时，将移动的对象确定为符合输入者当前需求的目标对象；
显示单元306，用于根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
在优选方案中，该装置还可以包括：收集单元307和生成单元308；
其中，收集单元307，用于收集对象的使用时间向量和使用次数向量，并拼接所述使用时间向量和所述使用次数向量，以得到所述样本数据的特征向量集；
生成单元308，用于基于特征向量集生成分类模型。
在优选方案中，生成单元308在基于特征向量集生成分类模型时，可以将所述样本数据随机分为N份子样本数据，其中，N大于等于3；依次将N-1份的子样本数据作为用于构建所述分类模型的训练数据、将N-(N-1)份的子样本数据作为用于评估所述分类模型的测试数据；基于所述特征向量集，在至少三个第一分类模型中依次对所述N-1份的子样本数据进行分类，以得到表征所述N-1份的子样本数据类别的至少三个标签结果；根据所述至少三个标签结果，确定第二分类模型；依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型。
在优选方案中，根据所述至少三个标签结果，确定第二分类模型时，可以将所述至少三个标签结果中，相同标签数量最高的目标标签作为所述N-1份的子样本数据的第一标签；确定所述第一标签与数据库中所述N-1份的子样本数据对应的第二标签相同的情况下，将所述至少三个第一分类模型确定为所述第二分类模型。
在优选方案中，所述依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型，包括；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，得到N个第二分类模型；
将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的所述分类模型；或者，确定所述N个第二分类模型的参数平均值；基于所述参数平均值生成最终的所述分类模型。
在优选方案中，该装置还包括：输出单元309；
具体地，检测单元303，还用于检测对象搜索操作；
确定单元304，还用于在检测到对象搜索操作时，基于所述对象搜索操作对应的搜索信息，在多个所述子区域中确定目标搜索对象；
输出单元309，用于输出对象搜索操作的结果提示信息。
需要说明的是：上述实施例提供的分类装置在进行数据分类时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的分类装置与分类方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请实施例还提供了一种电子设备，该电子设备包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器用于运行所述计算机程序时，执行：监控到目标事件，照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
所述处理器还用于运行所述计算机程序时，执行：如果检测到针对目标应用的启用操作，确定监控到所述目标事件；或者，如果检测到作用于电子设备的输入操作，确定监控到所述目标事件；或者，如果检测到在指定区域新建对象的操作，确定监控到所述目标事件；或者，如果检测到从第一位置向第二位置移动对象的操作，确定监控到所述目标事件。
所述处理器还用于运行所述计算机程序时，执行：通过目标控件将所述指定区域的至少部分区域或指定区域之外的其他区域分割成多个子区域，通过预置的分类模型对所述指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；或，监控到针对目标应用或电子设备的操作，对所述电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对桌面或当前显示界面的至少部分区域分割得到；或，监控到新建对象或移动对象的操作，获得新建的对象或移动的对象的属性信息，以至少基于所述属性信息对所述新建的对象或所述移动的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对指定区域的至少部分区域或指定区域之外的其他区域分割得到。
所述处理器还用于运行所述计算机程序时，执行：在获得针对所述子区域内的对象的有效输入的情况下，按照输入类别对应调整预置的分类模型的模型参数，以能够将符合输入者当前需求的目标对象对应显示于目标子区域。
所述处理器还用于运行所述计算机程序时，执行：如果所述有效输入表征在所述子区域之间进行对象移动，按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数；或，如果所述有效输入表征对目标对象进行编辑，按照编辑内容对应调整预置的分类模型的第二模型参数；或者，如果所述有效输入表征对目标对象进行使用，按照统计的使用向量调整预置的分类模型的第三模型参数；所述第一模型参数、所述第二模型参数和/或所述第三模型参数相同或不同。
所述处理器还用于运行所述计算机程序时，执行：周期性统计各子区域内至少部分对象的使用参数，以根据所述使用参数确定符合输入者当前需求的目标对象，将所述目标对象对应显示于目标子区域；或者，如果检测到在指定区域或指定区域之外的其他区域新建对象的操作，将新建的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域；或者，如果检测到从第一位置向第二位置移动对象的操作，将移动的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
所述处理器还用于运行所述计算机程序时，执行：收集针对样本数据的使用时间向量和使用次数向量；拼接所述使用时间向量和所述使用次数向量，以得到所述样本数据的特征向量集；基于所述特征向量集生成所述分类模型。
所述处理器还用于运行所述计算机程序时，执行：将所述样本数据随机分为N份子样本数据，其中，N大于等于3；依次将N-1份的子样本数据作为用于构建所述分类模型的训练数据、将N-(N-1)份的子样本数据作为用于评估所述分类模型的测试数据；
基于所述特征向量集，在至少三个第一分类模型中依次对所述N-1份的子样本数据进行分类，以得到表征所述N-1份的子样本数据类别的至少三个标签结果；
根据所述至少三个标签结果，确定第二分类模型；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型；
所述根据所述至少三个标签结果，确定第二分类模型，包括：
将所述至少三个标签结果中，相同标签数量最高的目标标签作为所述N-1份的子样本数据的第一标签；
确定所述第一标签与数据库中所述N-1份的子样本数据对应的第二标签相同的情况下，将所述至少三个第一分类模型确定为所述第二分类模型；
所述依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型，包括；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，得到N个第二分类模型；
将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的所述分类模型；或者，确定所述N个第二分类模型的参数平均值；基于所述参数平均值生成最终的所述分类模型。
所述处理器还用于运行所述计算机程序时，执行：如果检测到对象搜索操作，基于所述对象搜索操作对应的搜索信息，在多个所述子区域中确定目标搜索对象；且/或，输出对象搜索操作的结果提示信息。
图4是本申请中电子设备的结构组成示意图，电子设备400可以是移动电话、计算机、数字广播终端、信息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。图4所示的电子设备400包括：至少一个处理器401、存储器402、至少一个网络接口404和用户接口403。电子设备400中的各个组件通过总线***405耦合在一起。可理解，总线***405用于实现这些组件之间的连接通信。总线***405除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线***405。
其中，用户接口403可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
可以理解，存储器402可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例中的存储器402用于存储各种类型的数据以支持电子设备400的操作。这些数据的示例包括：用于在电子设备400上操作的任何计算机程序，如操作***4021和应用程序4022；联系人数据；电话簿数据；消息；图片；视频等。其中，操作***4021包含各种***程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序4022可以包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例方法的程序可以包含在应用程序4022中。
上述本申请实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器401可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，电子设备400可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
在示例性实施例中，本申请实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器402，上述计算机程序可由电子设备400的处理器401执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器运行时，执行：监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
所述计算机程序被处理器运行时，还执行：如果检测到针对目标应用的启用操作，确定监控到所述目标事件；或者，如果检测到作用于电子设备的输入操作，确定监控到所述目标事件；或者，如果检测到在指定区域新建对象的操作，确定监控到所述目标事件；或者，如果检测到从第一位置向第二位置移动对象的操作，确定监控到所述目标事件。
所述计算机程序被处理器运行时，还执行：通过目标控件将所述指定区域的至少部分区域或指定区域之外的其他区域分割成多个子区域，通过预置的分类模型对所述指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；或，监控到针对目标应用或电子设备的操作，对所述电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对桌面或当前显示界面的至少部分区域分割得到；或，监控到新建对象或移动对象的操作，获得新建的对象或移动的对象的属性信息，以至少基于所述属性信息对所述新建的对象或所述移动的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对指定区域的至少部分区域或指定区域之外的其他区域分割得到。
所述计算机程序被处理器运行时，还执行：
在获得针对所述子区域内的对象的有效输入的情况下，按照输入类别对应调整预置的分类模型的模型参数，以能够将符合输入者当前需求的目标对象对应显示于目标子区域。
所述计算机程序被处理器运行时，还执行：
如果所述有效输入表征在所述子区域之间进行对象移动，按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数；或，如果所述有效输入表征对目标对象进行编辑，按照编辑内容对应调整预置的分类模型的第二模型参数；或者，如果所述有效输入表征对目标对象进行使用，按照统计的使用向量调整预置的分类模型的第三模型参数；所述第一模型参数、所述第二模型参数和/或所述第三模型参数相同或不同。
所述计算机程序被处理器运行时，还执行：
周期性统计各子区域内至少部分对象的使用参数，以根据所述使用参数确定符合输入者当前需求的目标对象，将所述目标对象对应显示于目标子区域；或者，如果检测到在指定区域或指定区域之外的其他区域新建对象的操作，将新建的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域；或者，如果检测到从第一位置向第二位置移动对象的操作，将移动的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
所述计算机程序被处理器运行时，还执行：
收集针对样本数据的使用时间向量和使用次数向量；拼接所述使用时间向量和所述使用次数向量，以得到所述样本数据的特征向量集；基于所述特征向量集生成所述分类模型。
所述计算机程序被处理器运行时，还执行：
将所述样本数据随机分为N份子样本数据，其中，N大于等于3；依次将N-1份的子样本数据作为用于构建所述分类模型的训练数据、将N-(N-1)份的子样本数据作为用于评估所述分类模型的测试数据；
基于所述特征向量集，在至少三个第一分类模型中依次对所述N-1份的子样本数据进行分类，以得到表征所述N-1份的子样本数据类别的至少三个标签结果；
根据所述至少三个标签结果，确定第二分类模型；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型；
所述根据所述至少三个标签结果，确定第二分类模型，包括：
将所述至少三个标签结果中，相同标签数量最高的目标标签作为所述N-1份的子样本数据的第一标签；
确定所述第一标签与数据库中所述N-1份的子样本数据对应的第二标签相同的情况下，将所述至少三个第一分类模型确定为所述第二分类模型；
所述依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型，包括；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，得到N个第二分类模型；
将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的所述分类模型；或者，确定所述N个第二分类模型的参数平均值；基于所述参数平均值生成最终的所述分类模型。
所述计算机程序被处理器运行时，还执行：
如果检测到对象搜索操作，基于所述对象搜索操作对应的搜索信息，在多个所述子区域中确定目标搜索对象；且/或，输出对象搜索操作的结果提示信息。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种分类方法，包括：
监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；
至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
2.根据权利要求1所述的方法，所述监控到目标事件，至少包括以下之一：
如果检测到针对目标应用的启用操作，确定监控到所述目标事件；
如果检测到作用于电子设备的输入操作，确定监控到所述目标事件；
如果检测到在指定区域新建对象的操作，确定监控到所述目标事件；
如果检测到从第一位置向第二位置移动对象的操作，确定监控到所述目标事件。
3.根据权利要求2所述的方法，其中，按照确定的分类策略对指定区域内的对象进行分类，包括：
通过目标控件将所述指定区域的至少部分区域或指定区域之外的其他区域分割成多个子区域，通过预置的分类模型对所述指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；或，
监控到针对目标应用或电子设备的操作，对所述电子设备的桌面或当前显示界面的至少部分区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对桌面或当前显示界面的至少部分区域分割得到；或，
监控到新建对象或移动对象的操作，获得新建的对象或移动的对象的属性信息，以至少基于所述属性信息对所述新建的对象或所述移动的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域，所述子区域通过目标控件对指定区域的至少部分区域或指定区域之外的其他区域分割得到。
4.根据权利要求1所述的方法，所述至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象，包括：
在获得针对所述子区域内的对象的有效输入的情况下，按照输入类别对应调整预置的分类模型的模型参数，以能够将符合输入者当前需求的目标对象对应显示于目标子区域。
5.根据权利要求4所述的方法，其中，按照输入类别对应调整预置的分类模型的模型参数，包括：
如果所述有效输入表征在所述子区域之间进行对象移动，按照针对目标对象的移动操作对应调整预置的分类模型的第一模型参数；
如果所述有效输入表征对目标对象进行编辑，按照编辑内容对应调整预置的分类模型的第二模型参数；
如果所述有效输入表征对目标对象进行使用，按照统计的使用向量调整预置的分类模型的第三模型参数；
所述第一模型参数、所述第二模型参数和/或所述第三模型参数相同或不同。
6.根据权利要求4所述的方法，所述将符合输入者当前需求的目标对象对应显示于目标子区域，包括：
周期性统计各子区域内至少部分对象的使用参数，以根据所述使用参数确定符合输入者当前需求的目标对象，将所述目标对象对应显示于目标子区域；
或者，如果检测到在指定区域或指定区域之外的其他区域新建对象的操作，将新建的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域；
或者，如果检测到从第一位置向第二位置移动对象的操作，将移动的对象确定为符合输入者当前需求的目标对象，并根据调整模型参数后的分类模型将所述目标对象对应显示于目标子区域。
7.根据权利要求3所述的方法，在所述通过预置的分类模型对所述指定区域内的对象进行分类之前，还包括：
收集针对样本数据的使用时间向量和使用次数向量；
拼接所述使用时间向量和所述使用次数向量，以得到所述样本数据的特征向量集；
基于所述特征向量集生成所述分类模型。
8.根据权利要求7所述的方法，基于所述特征向量集生成所述分类模型，包括：
将所述样本数据随机分为N份子样本数据，其中，N大于等于3；依次将N-1份的子样本数据作为用于构建所述分类模型的训练数据、将N-(N-1)份的子样本数据作为用于评估所述分类模型的测试数据；
基于所述特征向量集，在至少三个第一分类模型中依次对所述N-1份的子样本数据进行分类，以得到表征所述N-1份的子样本数据类别的至少三个标签结果；
根据所述至少三个标签结果，确定第二分类模型；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型；
所述根据所述至少三个标签结果，确定第二分类模型，包括：
将所述至少三个标签结果中，相同标签数量最高的目标标签作为所述N-1份的子样本数据的第一标签；
确定所述第一标签与数据库中所述N-1份的子样本数据对应的第二标签相同的情况下，将所述至少三个第一分类模型确定为所述第二分类模型；
所述依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，根据测试结果生成最终的所述分类模型，包括；
依次利用所述N-(N-1)个子样本数据对所述第二分类模型进行测试，得到N个第二分类模型；
将N个第二分类模型中满足预设分类条件的第二分类模型作为最终的所述分类模型；或者，确定所述N个第二分类模型的参数平均值；基于所述参数平均值生成最终的所述分类模型。
9.根据权利要求1所述的方法，还包括：
如果检测到对象搜索操作，基于所述对象搜索操作对应的搜索信息，在多个所述子区域中确定目标搜索对象；且/或，
输出对象搜索操作的结果提示信息。
10.一种分类装置，包括：
分类单元，用于监控到目标事件，按照确定的分类策略对指定区域内的对象进行分类，以使得不同类别的对象至少部分显示于对应子区域；
调整单元，用于至少基于获得的满足条件的输入对分类结果进行调整，以在目标子区域对应显示符合输入者当前需求的目标对象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010771227.1A CN112101408A (zh) | 2020-08-03 | 2020-08-03 | 一种分类方法及分类装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010771227.1A CN112101408A (zh) | 2020-08-03 | 2020-08-03 | 一种分类方法及分类装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112101408A true CN112101408A (zh) | 2020-12-18 |
Family
ID=73749573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010771227.1A Pending CN112101408A (zh) | 2020-08-03 | 2020-08-03 | 一种分类方法及分类装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112101408A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113590818A (zh) * | 2021-06-30 | 2021-11-02 | 中国电子科技集团公司第三十研究所 | 一种基于cnn与gru及knn融合的政务文本数据分类方法 |
| CN113672566A (zh) * | 2021-10-21 | 2021-11-19 | 统信软件技术有限公司 | 一种文件分类方法、计算设备及可读存储介质 |
| CN114840729A (zh) * | 2022-01-14 | 2022-08-02 | 百芯智能制造科技(深圳)有限公司 | 元器件分类测试数据生成方法及***、设备、存储介质 |
| WO2023045927A1 (zh) * | 2021-09-24 | 2023-03-30 | 维沃移动通信有限公司 | 对象移动方法和电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591920A (zh) * | 2011-12-19 | 2012-07-18 | 刘松涛 | 对文档管理***中的文档集合进行分类的方法以及*** |
| CN105574538A (zh) * | 2015-12-10 | 2016-05-11 | 小米科技有限责任公司 | 分类模型训练方法及装置 |
| CN106155743A (zh) * | 2016-06-30 | 2016-11-23 | 维沃移动通信有限公司 | 一种应用程序安装的控制方法及移动终端 |
| CN108446339A (zh) * | 2018-02-28 | 2018-08-24 | 维沃移动通信有限公司 | 一种应用图标的分类方法及移动终端 |
| US20180314939A1 (en) * | 2017-04-28 | 2018-11-01 | SparkCognition, Inc. | Generation of document classifiers |
| CN109828708A (zh) * | 2019-01-28 | 2019-05-31 | 南京创世德意信息技术有限公司 | 一种任务管理方法及智能终端 |
| CN110471588A (zh) * | 2019-07-19 | 2019-11-19 | 维沃移动通信有限公司 | 应用图标整理方法、装置及移动终端 |
-
2020
- 2020-08-03 CN CN202010771227.1A patent/CN112101408A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591920A (zh) * | 2011-12-19 | 2012-07-18 | 刘松涛 | 对文档管理***中的文档集合进行分类的方法以及*** |
| CN105574538A (zh) * | 2015-12-10 | 2016-05-11 | 小米科技有限责任公司 | 分类模型训练方法及装置 |
| CN106155743A (zh) * | 2016-06-30 | 2016-11-23 | 维沃移动通信有限公司 | 一种应用程序安装的控制方法及移动终端 |
| US20180314939A1 (en) * | 2017-04-28 | 2018-11-01 | SparkCognition, Inc. | Generation of document classifiers |
| CN108446339A (zh) * | 2018-02-28 | 2018-08-24 | 维沃移动通信有限公司 | 一种应用图标的分类方法及移动终端 |
| CN109828708A (zh) * | 2019-01-28 | 2019-05-31 | 南京创世德意信息技术有限公司 | 一种任务管理方法及智能终端 |
| CN110471588A (zh) * | 2019-07-19 | 2019-11-19 | 维沃移动通信有限公司 | 应用图标整理方法、装置及移动终端 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113590818A (zh) * | 2021-06-30 | 2021-11-02 | 中国电子科技集团公司第三十研究所 | 一种基于cnn与gru及knn融合的政务文本数据分类方法 |
| CN113590818B (zh) * | 2021-06-30 | 2023-05-26 | 中国电子科技集团公司第三十研究所 | 一种基于cnn与gru及knn融合的政务文本数据分类方法 |
| WO2023045927A1 (zh) * | 2021-09-24 | 2023-03-30 | 维沃移动通信有限公司 | 对象移动方法和电子设备 |
| CN113672566A (zh) * | 2021-10-21 | 2021-11-19 | 统信软件技术有限公司 | 一种文件分类方法、计算设备及可读存储介质 |
| CN113672566B (zh) * | 2021-10-21 | 2022-03-18 | 统信软件技术有限公司 | 一种文件分类方法、计算设备及可读存储介质 |
| CN114840729A (zh) * | 2022-01-14 | 2022-08-02 | 百芯智能制造科技(深圳)有限公司 | 元器件分类测试数据生成方法及***、设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112101408A (zh) | 一种分类方法及分类装置 | |
| US11341194B1 (en) | Models for classifying documents | |
| KR101377389B1 (ko) | 다차원 검색 시스템, 다차원 검색을 수행하는 컴퓨터 구현 방법 및 컴퓨터 실행가능 시스템 | |
| CN112579728B (zh) | 基于海量数据全文检索的行为异常识别方法及装置 | |
| CN108563655B (zh) | 基于文本的事件识别方法和装置 | |
| CN109918555B (zh) | 用于提供搜索建议的方法、装置、设备和介质 | |
| US20240169008A1 (en) | Intelligently generating and managing third-party sources within a contextual hub | |
| US20170116533A1 (en) | Automatic prediction of acoustic attributes from an audio signal | |
| KR20080024157A (ko) | 사용자 액티비티, 주의, 관심 측정을 활용하는 데이터감지, 저장, 인덱싱, 및 탐색 | |
| JPWO2013175608A1 (ja) | 画像解析装置、画像解析システム、画像解析方法 | |
| Liu et al. | Heterogeneous features and model selection for event-based media classification | |
| JP2004287725A (ja) | 検索処理方法及びプログラム | |
| JP2020525856A (ja) | 音声検索・認識方法及び装置 | |
| JP2000067065A (ja) | 文書画像識別方法および記録媒体 | |
| CN112487150A (zh) | 档案管理方法、***、存储介质及电子设备 | |
| CN105989066A (zh) | 一种信息处理方法和装置 | |
| CN112685534B (zh) | 在创作过程中生成已创作内容的脉络信息的方法与设备 | |
| WO2022052633A1 (zh) | 文本备份方法、装置、设备及计算机可读存储介质 | |
| CN112416212A (zh) | 程序访问方法、装置、电子设备和可读存储介质 | |
| JP2020123321A (ja) | クリップボードデータに基づく検索処理方法および装置 | |
| CN116226526A (zh) | 一种知识产权智能检索平台及方法 | |
| CN114461790A (zh) | 新闻事件主题自动生成方法、装置、电子设备及存储介质 | |
| CN113569132A (zh) | 一种信息检索展示方法及*** | |
| KR101520572B1 (ko) | 음악에 대한 복합 의미 인식 방법 및 그 장치 | |
| CN115600556B (zh) | 一种文档的目录信息推荐方法及*** |
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 |