CN112463778B - 基于大数据和应用程序的信息处理方法及大数据服务器 - Google Patents
基于大数据和应用程序的信息处理方法及大数据服务器 Download PDFInfo
- Publication number
- CN112463778B CN112463778B CN202011330338.5A CN202011330338A CN112463778B CN 112463778 B CN112463778 B CN 112463778B CN 202011330338 A CN202011330338 A CN 202011330338A CN 112463778 B CN112463778 B CN 112463778B
- Authority
- CN
- China
- Prior art keywords
- information
- application program
- matrix element
- target application
- behavior
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Stored Programmes (AREA)
Abstract
本发明的基于大数据和应用程序的信息处理方法及大数据服务器,首先获取多个用户行为信息的用户行为画像,其次根据目标应用程序的应用程序类型和使用频率检测用户操作偏好信息,然后根据用户行为画像和用户操作偏好信息对目标应用程序的显示界面进行显示画面信息提取并处理,得到与目标应用程序相对应的非响应信息,最后根据非响应信息对目标应用程序进行信息筛分并确定出目标应用程序的冗余信息。这样可以指示待处理智能终端将冗余信息进行删除,由于在删除冗余信息之前进行了信息筛分和处理,进而能够在不影响目标应用程序的后续正常使用的前提下对目标应用程序对应的无用信息进行清理,提高后续目标应用程序的运行速率和响应速率。
Description
技术领域
本申请涉及大数据和应用程序技术领域,具体而言,涉及一种基于大数据和应用程序的信息处理方法及大数据服务器。
背景技术
随着科技的快速发展,手机、平板电脑等智能终端得到快速普及。随之也促进了各类应用程序的开发和使用。应用程序(Application)运行在用户模式,它可以和用户进行交互,一般具有可视的用户界面。现目前的各类应用程序层出不穷,不仅能够协助人们办公,还能作为人们在工作之余的休闲娱乐方式。
然而,随着智能终端安装的应用程序的数量越来越多,应用程序在经过长时间运行时会出现反应缓慢或者卡顿的情况。
发明内容
有鉴于此,本申请旨在提供用于部分解决或改善应用程序在经过长时间运行时出现的反应缓慢或者卡顿的问题。
本申请的第一个方面公开了一种基于大数据和应用程序的信息处理方法,所述方法至少包括以下步骤:
在待处理智能终端中获取目标应用程序在运行过程中的多个用户行为信息,并分别获取所述多个用户行为信息的用户行为画像;
根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息;
根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取;对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息;
根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息;基于所述冗余信息向所述待处理智能终端发送删除指令,以使所述待处理智能终端将所述冗余信息进行删除。
优选的,根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息,包括:
根据所述目标应用程序的应用程序类型确定所述多个用户行为信息中的用户行为标签集;
根据所述使用频率确定所述多个用户行为信息的操作轨迹标签集;
将所述多个用户行为信息中的所述用户行为标签集和所述操作轨迹标签集进行关联性分析,得到标签关联性分析结果;
通过所述标签关联性分析结果,从所述多个用户行为信息中检测出所述用户操作偏好信息。
优选的,根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取包括:
根据所述用户操作偏好信息、所述目标应用程序的程序配置参数集合、每组程序配置参数对应的用户行为画像、所述目标应用程序的安装包信息,以及所述用户行为信息的时序信息,确定所述程序配置参数集合中每组程序配置参数相对于待处理智能终端的显示驱动信息;
对所述目标应用程序的显示界面对应的至少部分显示驱动信息进行信息转换,得到所述目标应用程序的显示界面的显示画面信息。
优选的,对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息,包括:
基于所述多个用户行为信息所对应的操作行为事件,对所述目标应用程序的显示界面的显示画面信息进行特征提取;
对所述特征提取后得到的显示画面信息特征建立显示画面特征矩阵;其中,所述显示画面特征矩阵中,每一个特征矩阵元素的周围i个特征矩阵元素为与该特征矩阵元素的特征相似度最小的特征矩阵元素,i为大于1的整数;
从所述目标应用程序的显示界面对应的显示画面特征矩阵内随机选取一个目标特征矩阵元素,确定所述目标特征矩阵元素与周围j个特征矩阵元素的特征相似度,当所述特征相似度小于预设相似度时将该目标特征矩阵元素加入到所述显示画面信息的待处理特征矩阵中;其中,j为大于1的整数,所述待处理特征矩阵用于记录显示画面信息对应的目标显示区域的特征矩阵元素,所述目标显示区域为主显示区域之外的区域;
重复上述随机选取一个目标特征矩阵元素,确定所述目标特征矩阵元素与周围j个特征矩阵元素的特征相似度,当所述特征相似度小于预设相似度时将该目标特征矩阵元素加入到所述显示画面信息的待处理特征矩阵中的步骤,直至所述显示画面信息的待处理特征矩阵内所有特征矩阵元素均已确定与周围j个特征矩阵元素的特征相似度且无新的目标特征矩阵元素加入所述显示画面信息的待处理特征矩阵,得到所述多个用户行为信息中与所述目标应用程序的显示界面的显示画面信息相对应的目标特征矩阵;
基于所述目标特征矩阵,确定所述多个用户行为信息中与所述目标应用程序相对应的非响应信息。
优选的,基于所述目标特征矩阵,确定所述多个用户行为信息中与所述目标应用程序相对应的非响应信息,包括:
从所述目标特征矩阵中确定出n组矩阵元素序列,n为正整数;
将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;
从每组矩阵元素序列包括的至少两组矩阵元素子序列中确定所述目标应用程序对应的动态显示区域对应的矩阵元素所处的矩阵元素子序列;
根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息;
根据所述至少一组应用程序显示信息确定所述目标应用程序对应的动态显示区域对应的矩阵元素对应的用户行为响应信息;
通过所述用户行为响应信息对所述多个用户行为信息进行信息筛分,得到与所述目标应用程序相对应的非响应信息;其中,所述非响应信息为所述目标应用程序在运行时所产生的流程性信息,至少部分所述非响应信息在目标应用程序与用户的交互过程中不被使用;
其中,所述将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列,包括:按照预先设置的用户行为交互权重与矩阵元素之间的绑定关系,将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;或者,通过统计历史矩阵元素序列中的每组矩阵元素子序列的用户行为交互权重和矩阵元素,确定用户行为交互权重与矩阵元素之间的绑定关系;根据确定的绑定关系将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;
其中,根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息,包括:
确定每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征;
根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,以及每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息;
其中,所述至少两组矩阵元素子序列包括第一矩阵元素子序列和第二矩阵元素子序列,所述第一矩阵元素子序列的用户行为交互权重均值高于所述第二矩阵元素子序列的用户行为交互权重均值;
其中,所述根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,以及每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息,包括:
当所述目标应用程序对应的动态显示区域对应的矩阵元素在所述n组矩阵元素序列包括的m组矩阵元素序列中处于所述第一矩阵元素子序列时,根据所述m组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述m组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中,确定显示区域关联特征的特征识别度最高的目标应用程序对应的动态显示区域对应的矩阵元素作为第一候选矩阵元素,m为小于n的正整数;
当所述目标应用程序对应的动态显示区域对应的矩阵元素在所述n组矩阵元素序列包括的p组矩阵元素序列中处于所述第二矩阵元素子序列时,根据所述p组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述p组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中,确定显示区域关联特征的特征识别度最高的目标应用程序对应的动态显示区域对应的矩阵元素作为第二候选矩阵元素,p为小于n的正整数,且p与m之和等于n;
根据所述第一候选矩阵元素的显示区域关联特征和所述第二候选矩阵元素的显示区域关联特征,从所述第一候选矩阵元素和所述第二候选矩阵元素中确定至少一组应用程序显示信息。
优选的,所述根据所述第一候选矩阵元素的显示区域关联特征和所述第二候选矩阵元素的显示区域关联特征,从所述第一候选矩阵元素和所述第二候选矩阵元素中确定至少一组应用程序显示信息,包括:
确定第一特征匹配率,所述第一特征匹配率为所述第二候选矩阵元素的显示区域关联特征和所述第一候选矩阵元素的显示区域关联特征之间的匹配率;
当所述第一特征匹配率等于预设匹配率时,分别所述第一候选矩阵元素和所述第二候选矩阵元素中确定对应的分段显示信息并整合,得到所述应用程序显示信息;
当所述第一特征匹配率大于预设匹配率时,从所述第二候选矩阵元素中确定所述应用程序显示信息;
当所述第一特征匹配率小于所述预设匹配率时,从所述第一候选矩阵元素中所述应用程序显示信息。
优选的,根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息包括:
获取所述多个用户行为信息中存在行为连续性的行为记录信息的用户行为标签;
获取所述待处理智能终端的应用程序启动线程的线程配置数据,根据所述应用程序启动线程的线程配置数据确定所述用户行为标签对应的应用程序热度信息;
根据所述待处理信息确定所述存在行为连续性的行为记录信息之间的关联行为信息;
基于所述关联行为信息与所述应用程序热度信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息。
优选的,基于所述关联行为信息与所述应用程序热度信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息,包括:
对从所述关联行为信息中以设定信息提取方式提取的待处理关联行为信息进行信息分类,得到待处理信息聚类与聚类描述信息;
根据所述待处理信息聚类与所述聚类描述信息对所述待处理关联行为信息进行使用频率检测,得到使用频率检测结果;
对所述使用频率检测结果中的目标关联行为信息进行应用程序热度分析,得到所述目标关联行为信息的应用程序匹配信息,将所述应用程序匹配信息与所述使用频率检测结果进行匹配,得到匹配结果,并根据所述匹配结果确定所述应用程序热度信息的使用评价信息;
通过所述使用评价信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息;
其中,对从关联行为信息中以设定信息提取方式提取的待处理关联行为信息进行信息分类,得到待处理信息聚类与聚类描述信息包括:将所述待处理关联行为信息输入预先训练好的信息分类模型中,得到信息分类模型输出的待处理信息聚类与聚类描述信息;其中,所述设定信息提取方式为按照关联行为信息的时间先后顺序进行提取;
其中,根据所述待处理信息聚类与所述聚类描述信息对所述待处理关联行为信息进行使用频率检测,得到使用频率检测结果包括:
重复对所述待处理关联行为信息中的当前关联行为信息执行以下操作,以确定所述使用频率检测结果:
分别确定所述当前关联行为信息中每个待处理信息聚类与上一关联行为信息中所有目标关联行为信息的待处理信息聚类之间的信息聚类集中度,确定每个所述待处理信息聚类对应的最大信息聚类集中度;
判断所述最大信息聚类集中度是否大于设定聚类集中度;
在判断结果为是的情况下,基于所述当前关联行为信息中所述最大信息聚类集中度对应的所述待处理信息聚类确定所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果,根据所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述目标关联行为信息的所述使用频率检测结果;
在判断结果为否的情况下,判断所述最大信息聚类集中度对应的所述待处理信息聚类的聚类元素数量是否大于第一设定数量,且所述目标关联行为信息存在的关联行为标签数是否大于第二设定数量;在判断结果为是的情况下,根据所述当前关联行为信息对应的待处理信息聚类确定所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果;根据所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述目标关联行为信息的所述使用频率检测结果;在判断结果为否的情况下,根据所述当前关联行为信息对应的待处理信息聚类确定新的目标关联行为信息,并根据所述新的目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述使用频率检测结果;
其中,对所述使用频率检测结果中的目标关联行为信息进行应用程序热度分析,得到所述目标关联行为信息的应用程序匹配信息,包括:
从所述目标关联行为信息对应的关联行为类别中获取所述目标应用程序所对应的热度行为类别,并对所述所述目标应用程序所对应的热度行为类别进行行为触发热度分析,得到目标关联行为类别;
将所述目标关联行为类别在所述目标应用程序对应的应用程序线程中进行加载,得到待处理关联行为类别;
将所述待处理关联行为类别对应的第一预定数量个行为类别特征确定为待映射特征,并基于所述确定出所述目标应用程序的第二预定数量个线程特征;其中,所述第一预定数量大于所述第二预定数量;
通过线程特征热度分析模型对所述第二预定数量个线程特征进行热度分析,得到所述应用程序匹配信息;
其中,根据所述匹配结果确定所述应用程序热度信息的使用评价信息,包括:
根据所述使用频率检测结果确定目标关联行为信息的行为触发时间、行为结束时间;
根据所述行为触发时间与所述行为结束时间确定所述目标关联行为信息的行为持续时间;
根据所述匹配结果与所述行为触发时间、所述行为结束时间、所述行为持续时间确定所述应用程序热度信息的使用评价信息。
本申请的第二个方面公开了一种大数据服务器,包括处理引擎、网络模块和存储器;所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎从所述存储器中读取计算机程序并运行,以执行第一个方面所述的方法。
本申请的第三个方面公开了一种计算机可读信号介质,其上存储有计算机程序,所述计算机程序在运行是实现第一个方面所述的方法。
相较于现有技术,本发明实施例提供的基于大数据和应用程序的信息处理方法及大数据服务器具有以下技术效果:首先获取多个用户行为信息的用户行为画像,其次根据目标应用程序的应用程序类型和使用频率检测每个用户行为信息的用户操作偏好信息,然后根据用户行为画像和用户操作偏好信息对目标应用程序的显示界面进行显示画面信息提取并处理,得到与目标应用程序相对应的非响应信息,最后根据非响应信息对目标应用程序进行信息筛分并确定出目标应用程序的冗余信息。这样,可以指示待处理智能终端将冗余信息进行删除,由于在删除冗余信息之前进行了信息筛分和处理,进而能够在不影响目标应用程序的后续正常使用的前提下对目标应用程序对应的无用信息进行清理,提高后续目标应用程序的运行速率和响应速率。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
附图中的方法、***和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例,其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本发明的一些实施例所示的一种示例性基于大数据和应用程序的信息处理***的框图。
图2是根据本发明的一些实施例所示的一种示例性大数据服务器中硬件和软件组成的示意图。
图3是根据本发明的一些实施例所示的一种示例性基于大数据和应用程序的信息处理方法和/或过程的流程图。
图4是根据本发明的一些实施例所示的一种示例性基于大数据和应用程序的信息处理装置的框图。
具体实施方式
发明人经研究发现,应用程序在经过长时间运行时会出现反应缓慢或者卡顿的情况的原因是产生了大量无用的信息,这样会占用应用程序对应的信息存储空间,从而导致应用程序运行缓慢。为改善这一问题,发明人创新性地提供了一种基于大数据和应用程序的信息处理方法及大数据服务器,能够在不影响目标应用程序正常使用的前提下指示目标应用程序所对应的待处理智能终端进行冗余信息的删除,从而提高后续目标应用程序的运行速率和响应速率。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中,通过实例阐述了许多具体细节,以便提供对相关指导的全面了解。然而,对于本领域的技术人员来说,显然可以在没有这些细节的情况下实施本发明。在其他情况下,公知的方法、程序、***、组成和/或电路已经在一个相对较高水平上被描述,没有细节,以避免不必要的模糊本发明的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而,需要理解清楚的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当了解的是,这些图纸不是按比例绘制的。然而,应当明确理解的是,附图仅用于说明和描述的目的,并不意图限制本发明的范围。应当知晓的是,这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的***所执行的执行过程。应当明确理解的是,流程图的执行过程可以不按顺序执行。相反,这些执行过程可以以相反的顺序或同时执行。另外,可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本发明的一些实施例所示的一种示例性基于大数据和应用程序的信息处理***300的框图,基于大数据和应用程序的信息处理***300可以包括大数据服务器100和待处理智能终端200。该***可以应用于区块链支付、在线云游戏、智慧城市管理等领域。
在一些实施例中,如图2所示,大数据服务器100可以包括处理引擎110、网络模块120和存储器130,处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如,在一些实施例中,处理引擎110可以包括至少一个处理引擎(例如,单核处理引擎或多核处理器)。仅作为示例,处理引擎110可以包括中央处理单元(Central ProcessingUnit,CPU)、专用集成电路(Application-Specific Integrated Circuit,ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer,RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中,网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例,网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网络(Wireless Local Area Network,WLAN)、城域网(Metropolitan Area Network,MAN)、公用电话交换网(Public Telephone SwitchedNetwork,PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication,NFC)网络等或上述举例的任意组合。在一些实施例中,网络模块120可以包括至少一个网络接入点。例如,网路120可以包括有线或无线网路接入点,如基站和/或网路接入点。
存储器130可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器130用于存储程序,所述处理引擎110在接收到执行指令后,执行所述程序。
可以理解,图2所示的结构仅为示意,大数据服务器100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本发明的一些实施例所示的一种示例性基于大数据和应用程序的信息处理方法和/或过程的流程图,基于大数据和应用程序的信息处理方法应用于图1中的大数据服务器,具体可以包括以下步骤S11-步骤S14所描述的内容。
步骤S11,在待处理智能终端中获取目标应用程序在运行过程中的多个用户行为信息,并分别获取所述多个用户行为信息的用户行为画像。
例如,待处理智能终端可以是手机、平板电脑、笔记本电脑等,目标应用程序可以是不同类型的应用程序例如娱乐app,办公app等。用户行为信息是用户使用目标应用程序时被待处理智能终端所记录的信息,用户行为画像用于区分不同的用户,以及为不同的用户打标签,用户行为画像的获取可以通过对用户行为信息进行识别得到,例如采用训练完成的人工智能模型进行信息识别。又例如,用户行为信息可以由待处理智能终端基于执行函数确定,该方案为现有技术,在此不作说明。
步骤S12,根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息。
例如,应用程序类型包括娱乐类型、办公类型等。使用频率可以是目标应用程序在一天内的启动次数,或者某段时间内的启动次数,在此不作限定。用户操作偏好信息用于表征用户在待处理智能终端上操作目标应用程序时的操作习惯等,例如操作手势。
步骤S13,根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取;对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息。
例如,显示画面信息可以用于表征目标应用程序中的一些功能模块的显示位置、分布位置等信息。非响应信息是指目标应用程序在运行时所产生的与用户行为无关的流程性信息,这些流程性信息可能会拖慢目标应用程序的运行和响应速率。
步骤S14,根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息;基于所述冗余信息向所述待处理智能终端发送删除指令,以使所述待处理智能终端将所述冗余信息进行删除。
例如,待处理信息是指包含了非响应信息的目标应用程序的运行信息。冗余信息是指与用户行为无关的流程性信息,冗余信息还可以包括与用户行为在一些时段有关的信息(或者说具有时效性的信息)。删除指令是大数据服务器生成的,待处理智能终端可以执行该删除指令,从而实现对冗余信息的删除,以提高后续目标应用程序的运行速率和响应速率。
可以理解,通过执行上述步骤S11-步骤S14,首先获取多个用户行为信息的用户行为画像,其次根据目标应用程序的应用程序类型和使用频率检测每个用户行为信息的用户操作偏好信息,然后根据用户行为画像和用户操作偏好信息对目标应用程序的显示界面进行显示画面信息提取并处理,得到与目标应用程序相对应的非响应信息,最后根据非响应信息对目标应用程序进行信息筛分并确定出目标应用程序的冗余信息。这样,可以指示待处理智能终端将冗余信息进行删除,由于在删除冗余信息之前进行了信息筛分和处理,进而能够在不影响目标应用程序的后续正常使用的前提下对目标应用程序对应的无用信息进行清理,提高后续目标应用程序的运行速率和响应速率。
在一些示例中,为了确保对用户操作偏好信息的精准检测,避免检测误差给后续信息删除带来的连锁影响,步骤S12所描述的根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息,可以包括以下步骤S121-步骤S124所描述的内容。
步骤S121,根据所述目标应用程序的应用程序类型确定所述多个用户行为信息中的用户行为标签集。
例如,用户行为标签集用于对不同用户行为进行标记。
步骤S122,根据所述使用频率确定所述多个用户行为信息的操作轨迹标签集。
例如,操作轨迹标签集用于记录不同用户行为的操作习惯。
步骤S123,将所述多个用户行为信息中的所述用户行为标签集和所述操作轨迹标签集进行关联性分析,得到标签关联性分析结果。
例如,关联性分析能够很好地将用户行为标签集和操作轨迹标签集进行全局性分析,从而确保后续对用户行为信息检测的准确性。
步骤S124,通过所述标签关联性分析结果,从所述多个用户行为信息中检测出所述用户操作偏好信息。
在应用上述步骤S121-步骤S124所描述的内容时,能够分别确定出用户行为标签集和操作轨迹标签集,从而实现对用户行为标签集和操作轨迹标签集的全局性分析,这样能够确保对用户操作偏好信息的精准检测,避免检测误差给后续信息删除带来的连锁影响。
在一些示例中,为了确保提取到的显示画面信息不会存在信息缺失,步骤S13所描述的根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取,进一步可以包括以下步骤S1311和步骤S1312所描述的内容。
步骤S1311,根据所述用户操作偏好信息、所述目标应用程序的程序配置参数集合、每组程序配置参数对应的用户行为画像、所述目标应用程序的安装包信息,以及所述用户行为信息的时序信息,确定所述程序配置参数集合中每组程序配置参数相对于待处理智能终端的显示驱动信息。
例如,程序配置参数可以是目标应用程序在安装时所配置的参数,安装包信息为现有技术,在此不作说明。时序信息用于表征用户行为信息的时间先后顺序,显示驱动信息用于表征待处理智能终端在进行画面显示时所需要的信息。
步骤S1312对所述目标应用程序的显示界面对应的至少部分显示驱动信息进行信息转换,得到所述目标应用程序的显示界面的显示画面信息。
例如,信息转换可以按照预设的显示-驱动关系进行。
这样一来,基于上述步骤S1311和步骤S1312,能够基于显示驱动信息确保提取到的显示画面信息不会存在信息缺失。
在实际实施时,为了确保对非响应信息的准确确定,避免将一些影响目标应用程序的正常运行的信息误确定为非响应信息,在步骤S13中,对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息,示例性地可以包括以下步骤步骤S1321-步骤S1325所描述的内容。
步骤S1321,基于所述多个用户行为信息所对应的操作行为事件,对所述目标应用程序的显示界面的显示画面信息进行特征提取。
例如,操作行为事件用于记录不同的用户行为对应的事件。
步骤S1322,对所述特征提取后得到的显示画面信息特征建立显示画面特征矩阵。
例如,所述显示画面特征矩阵中,每一个特征矩阵元素的周围i个特征矩阵元素为与该特征矩阵元素的特征相似度最小的特征矩阵元素,i为大于1的整数,特征矩阵元素可以理解为不同的显示画面信息特征。
步骤S1323,从所述目标应用程序的显示界面对应的显示画面特征矩阵内随机选取一个目标特征矩阵元素,确定所述目标特征矩阵元素与周围j个特征矩阵元素的特征相似度,当所述特征相似度小于预设相似度时将该目标特征矩阵元素加入到所述显示画面信息的待处理特征矩阵中。
例如,j为大于1的整数,所述待处理特征矩阵用于记录显示画面信息对应的目标显示区域的特征矩阵元素,所述目标显示区域为主显示区域之外的区域。
步骤S1324,重复上述随机选取一个目标特征矩阵元素,确定所述目标特征矩阵元素与周围j个特征矩阵元素的特征相似度,当所述特征相似度小于预设相似度时将该目标特征矩阵元素加入到所述显示画面信息的待处理特征矩阵中的步骤,直至所述显示画面信息的待处理特征矩阵内所有特征矩阵元素均已确定与周围j个特征矩阵元素的特征相似度且无新的目标特征矩阵元素加入所述显示画面信息的待处理特征矩阵,得到所述多个用户行为信息中与所述目标应用程序的显示界面的显示画面信息相对应的目标特征矩阵。
步骤S1325,基于所述目标特征矩阵,确定所述多个用户行为信息中与所述目标应用程序相对应的非响应信息。
可以理解,通过应用上述步骤S1321-步骤S1324,能够基于特征提取后得到的显示画面信息特征进行非响应信息的确定,从而确保对非响应信息的准确确定,避免将一些影响目标应用程序的正常运行的信息误确定为非响应信息。
进一步地,步骤S1325所描述的基于所述目标特征矩阵,确定所述多个用户行为信息中与所述目标应用程序相对应的非响应信息,进一步包括以下步骤S13251-步骤S13256所描述的内容。
步骤S13251,从所述目标特征矩阵中确定出n组矩阵元素序列,n为正整数。
步骤S13252,将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列。
例如,用户行为交互权重用于表征用户行为的交互频繁度。
步骤S13253,从每组矩阵元素序列包括的至少两组矩阵元素子序列中确定所述目标应用程序对应的动态显示区域对应的矩阵元素所处的矩阵元素子序列。
例如,动态显示区域为可以根据用户操作进行调整的显示区域。
步骤S13254,根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息。
步骤S13255,根据所述至少一组应用程序显示信息确定所述目标应用程序对应的动态显示区域对应的矩阵元素对应的用户行为响应信息。
例如,用户行为响应信息是目标应用程序在运行时不能丢失的重要信息。
步骤S13256,通过所述用户行为响应信息对所述多个用户行为信息进行信息筛分,得到与所述目标应用程序相对应的非响应信息。
例如,所述非响应信息为所述目标应用程序在运行时所产生的流程性信息,至少部分所述非响应信息在目标应用程序与用户的交互过程中不被使用。
更进一步地,步骤S13252所描述的将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列,包括:按照预先设置的用户行为交互权重与矩阵元素之间的绑定关系,将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;或者,通过统计历史矩阵元素序列中的每组矩阵元素子序列的用户行为交互权重和矩阵元素,确定用户行为交互权重与矩阵元素之间的绑定关系;根据确定的绑定关系将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列。
更进一步地,步骤S13254所描述的根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息,包括:确定每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征;根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,以及每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息。
在上述实施例中,所述至少两组矩阵元素子序列包括第一矩阵元素子序列和第二矩阵元素子序列,所述第一矩阵元素子序列的用户行为交互权重均值高于所述第二矩阵元素子序列的用户行为交互权重均值。
在上述实施例中,根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,以及每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息,可以包括以下步骤S21-步骤S23所描述的内容。
步骤S21,当所述目标应用程序对应的动态显示区域对应的矩阵元素在所述n组矩阵元素序列包括的m组矩阵元素序列中处于所述第一矩阵元素子序列时,根据所述m组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述m组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中,确定显示区域关联特征的特征识别度最高的目标应用程序对应的动态显示区域对应的矩阵元素作为第一候选矩阵元素,m为小于n的正整数。
步骤S22,当所述目标应用程序对应的动态显示区域对应的矩阵元素在所述n组矩阵元素序列包括的p组矩阵元素序列中处于所述第二矩阵元素子序列时,根据所述p组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述p组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中,确定显示区域关联特征的特征识别度最高的目标应用程序对应的动态显示区域对应的矩阵元素作为第二候选矩阵元素,p为小于n的正整数,且p与m之和等于n。
步骤S23,根据所述第一候选矩阵元素的显示区域关联特征和所述第二候选矩阵元素的显示区域关联特征,从所述第一候选矩阵元素和所述第二候选矩阵元素中确定至少一组应用程序显示信息。
如此,通过执行上述步骤S21-步骤S23,能够确保应用程序显示信息能够与目标应用程序的实际显示状态相匹配。
在上述基础上,步骤S23所描述的根据所述第一候选矩阵元素的显示区域关联特征和所述第二候选矩阵元素的显示区域关联特征,从所述第一候选矩阵元素和所述第二候选矩阵元素中确定至少一组应用程序显示信息,进一步可以包括以下步骤S231-步骤S234所描述的内容。
步骤S231,确定第一特征匹配率,所述第一特征匹配率为所述第二候选矩阵元素的显示区域关联特征和所述第一候选矩阵元素的显示区域关联特征之间的匹配率。
步骤S232,当所述第一特征匹配率等于预设匹配率时,分别所述第一候选矩阵元素和所述第二候选矩阵元素中确定对应的分段显示信息并整合,得到所述应用程序显示信息。
步骤S233,当所述第一特征匹配率大于预设匹配率时,从所述第二候选矩阵元素中确定所述应用程序显示信息。
步骤S234,当所述第一特征匹配率小于所述预设匹配率时,从所述第一候选矩阵元素中所述应用程序显示信息。
这样一来,通过执行上述步骤S231-步骤S234,能够基于第一特征匹配率与预设匹配率的大小比较关系,灵活地确定应用程序显示信息,从而确保应用程序显示信息能够与目标应用程序的实际显示状态相匹配。
在实际实施过程中,为了确保信息筛分的时效性和准确性,需要考虑应用程序的使用热度,为此,在步骤S14中,根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息,进一步可以包括以下步骤S141-步骤S144所描述的内容。
步骤S141,获取所述多个用户行为信息中存在行为连续性的行为记录信息的用户行为标签。
例如,连续性的行为记录信息是指连续不间断的用户行为,例如一系列的游戏操作或者支付操作等。
步骤S142,获取所述待处理智能终端的应用程序启动线程的线程配置数据,根据所述应用程序启动线程的线程配置数据确定所述用户行为标签对应的应用程序热度信息。
例如,应用程序启动线程用于启动不同的应用程序,线程配置数据是预先配置在待处理智能终端中的,应用程序热度信息用于表征应用程序的使用热度和受欢迎程度。
步骤S143,根据所述待处理信息确定所述存在行为连续性的行为记录信息之间的关联行为信息。
例如,关联行为信息用于表征不同的行为记录信息关联性。
步骤S144,基于所述关联行为信息与所述应用程序热度信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息。
如此,基于上述步骤S141-步骤S144,能够考虑应用程序的使用热度,从而基于关联行为信息与应用程序热度信息确定目标应用程序相对于存在行为连续性的行为记录信息的冗余信息,进而确保信息筛分的时效性和准确性,并确保冗余信息不会包含目标应用程序所需的运行信息。
在上述基础上,步骤S144所描述的基于所述关联行为信息与所述应用程序热度信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息,可以包括以下步骤S1441-步骤S1444所描述的内容。
步骤S1441,对从所述关联行为信息中以设定信息提取方式提取的待处理关联行为信息进行信息分类,得到待处理信息聚类与聚类描述信息。
例如,待处理信息聚类包括不同的待处理关联行为信息,聚类描述信息用于区分不同的待处理信息聚类。
步骤S1442,根据所述待处理信息聚类与所述聚类描述信息对所述待处理关联行为信息进行使用频率检测,得到使用频率检测结果。
例如,使用频率可以理解为对目标应用程序对应的不同功能模块的使用次数。
步骤S1443,对所述使用频率检测结果中的目标关联行为信息进行应用程序热度分析,得到所述目标关联行为信息的应用程序匹配信息,将所述应用程序匹配信息与所述使用频率检测结果进行匹配,得到匹配结果,并根据所述匹配结果确定所述应用程序热度信息的使用评价信息。
例如,使用评价信息可以用于表征针对用户使用目标应用程序时所作出的行为识别信息,也可以理解为用户使用目标应用程序时的熟练程度。
步骤S1444,通过所述使用评价信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息。
更进一步地,步骤S1441所描述的从所述关联行为信息中以设定信息提取方式提取的待处理关联行为信息进行信息分类,得到待处理信息聚类与聚类描述信息包括:将所述待处理关联行为信息输入预先训练好的信息分类模型中,得到信息分类模型输出的待处理信息聚类与聚类描述信息;其中,所述设定信息提取方式为按照关联行为信息的时间先后顺序进行提取。
更进一步地,步骤S1442所描述的根据所述待处理信息聚类与所述聚类描述信息对所述待处理关联行为信息进行使用频率检测,得到使用频率检测结果,可以包括以下步骤S14421-步骤S14425所描述的内容。
步骤S14421,重复对所述待处理关联行为信息中的当前关联行为信息执行以下操作,以确定所述使用频率检测结果。
步骤S14422,分别确定所述当前关联行为信息中每个待处理信息聚类与上一关联行为信息中所有目标关联行为信息的待处理信息聚类之间的信息聚类集中度,确定每个所述待处理信息聚类对应的最大信息聚类集中度。
步骤S14423,判断所述最大信息聚类集中度是否大于设定聚类集中度。
步骤S14424,在判断结果为是的情况下,基于所述当前关联行为信息中所述最大信息聚类集中度对应的所述待处理信息聚类确定所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果,根据所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述目标关联行为信息的所述使用频率检测结果。
步骤S14425,在判断结果为否的情况下,判断所述最大信息聚类集中度对应的所述待处理信息聚类的聚类元素数量是否大于第一设定数量,且所述目标关联行为信息存在的关联行为标签数是否大于第二设定数量;在判断结果为是的情况下,根据所述当前关联行为信息对应的待处理信息聚类确定所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果;根据所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述目标关联行为信息的所述使用频率检测结果;在判断结果为否的情况下,根据所述当前关联行为信息对应的待处理信息聚类确定新的目标关联行为信息,并根据所述新的目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述使用频率检测结果。
更进一步地,步骤S1443所描述的对所述使用频率检测结果中的目标关联行为信息进行应用程序热度分析,得到所述目标关联行为信息的应用程序匹配信息,包括:从所述目标关联行为信息对应的关联行为类别中获取所述目标应用程序所对应的热度行为类别,并对所述所述目标应用程序所对应的热度行为类别进行行为触发热度分析,得到目标关联行为类别;将所述目标关联行为类别在所述目标应用程序对应的应用程序线程中进行加载,得到待处理关联行为类别;将所述待处理关联行为类别对应的第一预定数量个行为类别特征确定为待映射特征,并基于所述确定出所述目标应用程序的第二预定数量个线程特征;其中,所述第一预定数量大于所述第二预定数量;通过线程特征热度分析模型对所述第二预定数量个线程特征进行热度分析,得到所述应用程序匹配信息。
更进一步地,步骤S1443所描述的根据所述匹配结果确定所述应用程序热度信息的使用评价信息,包括:根据所述使用频率检测结果确定目标关联行为信息的行为触发时间、行为结束时间;根据所述行为触发时间与所述行为结束时间确定所述目标关联行为信息的行为持续时间;根据所述匹配结果与所述行为触发时间、所述行为结束时间、所述行为持续时间确定所述应用程序热度信息的使用评价信息。
在一种可替换的实施方式中,步骤S14所描述的基于所述冗余信息向所述待处理智能终端发送删除指令,以使所述待处理智能终端将所述冗余信息进行删除,进一步可以包括以下步骤a-步骤d所描述的内容。
步骤a,当检测到所述待处理智能终端对所述目标应用程序的指定程序服务的服务启用标识时,获取所述目标应用程序的指定程序服务的程序服务运行信息,所述程序服务运行信息包括至少一个应用程序服务功能的信息标签,所述指定程序服务通过用户选择,所述服务启用标识用于表征对所述指定程序服务进行启用,所述应用程序服务功能用于满足不同的用户需求,所述信息标签用于区分不同的应用程序服务功能。
步骤b,根据所述至少一个应用程序服务功能的信息标签,获取所述至少一个应用程序服务功能和所述至少一个应用程序服务功能在所述目标应用程序的指定程序服务中的服务功能指数;其中,所述服务功能指数用于表征应用程序服务功能的重要程度,所述服务功能指数越大,对应的应用程序服务功能的重要程度越高,所述服务功能指数越小,对应的应用程序服务功能的重要程度越低。
步骤c,根据所述至少一个应用程序服务功能和所述至少一个应用程序服务功能在所述目标应用程序的指定程序服务中的服务功能指数,确定所述待处理智能终端在启用所述指定程序服务所对应的交互驱动信息;其中,所述交互驱动信息为所述待处理智能终端在启用所述指定程序服务时与用户进行交互时所需要的信息。
步骤d,根据所述交互驱动信息和所述冗余信息,生成所述删除指令,并向所述待处理智能终端发送所述删除指令,以使所述待处理智能终端将所述冗余信息对应的当前冗余信息进行删除;其中,当前冗余信息根据所述交互驱动信息和所述冗余信息确定。
可以理解,基于上述步骤a-步骤d所描述的内容,能够在指示待处理智能终端删除冗余信息之前,检测待处理智能终端即将启用的目标应用程序的指定程序服务,这样能够确定出所述待处理智能终端在启用所述指定程序服务时与用户进行交互时所需要的交互驱动信息,从而从冗余信息中剔除对应的至少部分交互驱动信息以得到当前冗余信息,这样能够确保待处理智能终端在删除当前冗余信息之后,不会影响到后续的指定程序服务的启用,同时还能提高指定程序服务的响应效率,减少目标应用程序的使用卡顿或者报错。
图4是根据本发明的一些实施例所示的一种示例性基于大数据和应用程序的信息处理装置140的框图,所述基于大数据和应用程序的信息处理装置140可以包括以下模块。
行为信息获取模块141,用于在待处理智能终端中获取目标应用程序在运行过程中的多个用户行为信息,并分别获取所述多个用户行为信息的用户行为画像。
偏好信息检测模块142,用于根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息。
非响应信息确定模块143,用于根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取;对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息。
冗余信息删除模块144,用于根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息;基于所述冗余信息向所述待处理智能终端发送删除指令,以使所述待处理智能终端将所述冗余信息进行删除。
关于上述装置实施例的描述请参阅对图3所示的方法的描述。
基于上述同样的发明构思,还提供了一种***实施例,所述***实施例的描述可以如下。
A1.一种基于大数据和应用程序的信息处理***,包括互相之间通信的大数据服务器和待处理智能终端;
所述大数据服务器用于:
在待处理智能终端中获取目标应用程序在运行过程中的多个用户行为信息,并分别获取所述多个用户行为信息的用户行为画像;
根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息;
根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取;对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息;
根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息;基于所述冗余信息向所述待处理智能终端发送删除指令;
所述待处理智能终端用于:
根据所述删除指令将所述冗余信息进行删除。
关于上述***实施例的描述请参阅对图3所示的方法的描述。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外,本领域普通技术人员可以理解的是,本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“***”。此外,本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品,所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写,包括面向对象程序设计,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET,Python等,或类似的常规程序编程语言,如"C"编程语言,Visual Basic,Fortran2003,Perl,COBOL 2002,PHP,ABAP,动态编程语言如Python,Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网络(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非申请专利范围中明确说明,本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的申请专利范围并不仅限于披露的实施例,相反,申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件装置实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或行动装置上安装所描述的***。
同样应当理解的是,为了简化本申请揭示的表述,从而帮助对至少一个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (7)
1.一种基于大数据和应用程序的信息处理方法,其特征在于,所述方法至少包括以下步骤:
在待处理智能终端中获取目标应用程序在运行过程中的多个用户行为信息,并分别获取所述多个用户行为信息的用户行为画像;
根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息;
根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取;对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息;
根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息;基于所述冗余信息向所述待处理智能终端发送删除指令,以使所述待处理智能终端将所述冗余信息进行删除;
其中,根据所述目标应用程序的应用程序类型和使用频率检测所述多个用户行为信息中的每个用户行为信息的用户操作偏好信息,包括:
根据所述目标应用程序的应用程序类型确定所述多个用户行为信息中的用户行为标签集;
根据所述使用频率确定所述多个用户行为信息的操作轨迹标签集;
将所述多个用户行为信息中的所述用户行为标签集和所述操作轨迹标签集进行关联性分析,得到标签关联性分析结果;
通过所述标签关联性分析结果,从所述多个用户行为信息中检测出所述用户操作偏好信息;
其中,对所述目标应用程序的显示界面的显示画面信息进行信息处理,得到所述多个用户行为信息中与所述目标应用程序相对应的非响应信息,包括:
基于所述多个用户行为信息所对应的操作行为事件,对所述目标应用程序的显示界面的显示画面信息进行特征提取;
对所述特征提取后得到的显示画面信息特征建立显示画面特征矩阵;其中,所述显示画面特征矩阵中,每一个特征矩阵元素的周围i个特征矩阵元素为与该特征矩阵元素的特征相似度最小的特征矩阵元素,i为大于1的整数;
从所述目标应用程序的显示界面对应的显示画面特征矩阵内随机选取一个目标特征矩阵元素,确定所述目标特征矩阵元素与周围j个特征矩阵元素的特征相似度,当所述特征相似度小于预设相似度时将该目标特征矩阵元素加入到所述显示画面信息的待处理特征矩阵中;其中,j为大于1的整数,所述待处理特征矩阵用于记录显示画面信息对应的目标显示区域的特征矩阵元素,所述目标显示区域为主显示区域之外的区域;
重复上述随机选取一个目标特征矩阵元素,确定所述目标特征矩阵元素与周围j个特征矩阵元素的特征相似度,当所述特征相似度小于预设相似度时将该目标特征矩阵元素加入到所述显示画面信息的待处理特征矩阵中的步骤,直至所述显示画面信息的待处理特征矩阵内所有特征矩阵元素均已确定与周围j个特征矩阵元素的特征相似度且无新的目标特征矩阵元素加入所述显示画面信息的待处理特征矩阵,得到所述多个用户行为信息中与所述目标应用程序的显示界面的显示画面信息相对应的目标特征矩阵;
基于所述目标特征矩阵,确定所述多个用户行为信息中与所述目标应用程序相对应的非响应信息;
其中,根据所述非响应信息对所述目标应用程序进行信息筛分,得到所述目标应用程序的待处理信息,并根据所述待处理信息确定所述目标应用程序的冗余信息包括:
获取所述多个用户行为信息中存在行为连续性的行为记录信息的用户行为标签;
获取所述待处理智能终端的应用程序启动线程的线程配置数据,根据所述应用程序启动线程的线程配置数据确定所述用户行为标签对应的应用程序热度信息;
根据所述待处理信息确定所述存在行为连续性的行为记录信息之间的关联行为信息;
基于所述关联行为信息与所述应用程序热度信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息。
2.根据权利要求1所述的方法,其特征在于,根据所述用户行为画像和所述用户操作偏好信息,对所述目标应用程序的显示界面进行显示画面信息提取包括:
根据所述用户操作偏好信息、所述目标应用程序的程序配置参数集合、每组程序配置参数对应的用户行为画像、所述目标应用程序的安装包信息,以及所述用户行为信息的时序信息,确定所述程序配置参数集合中每组程序配置参数相对于待处理智能终端的显示驱动信息;
对所述目标应用程序的显示界面对应的至少部分显示驱动信息进行信息转换,得到所述目标应用程序的显示界面的显示画面信息。
3.根据权利要求1所述的方法,其特征在于,基于所述目标特征矩阵,确定所述多个用户行为信息中与所述目标应用程序相对应的非响应信息,包括:
从所述目标特征矩阵中确定出n组矩阵元素序列,n为正整数;
将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;
从每组矩阵元素序列包括的至少两组矩阵元素子序列中确定所述目标应用程序对应的动态显示区域对应的矩阵元素所处的矩阵元素子序列;
根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息;
根据所述至少一组应用程序显示信息确定所述目标应用程序对应的动态显示区域对应的矩阵元素对应的用户行为响应信息;
通过所述用户行为响应信息对所述多个用户行为信息进行信息筛分,得到与所述目标应用程序相对应的非响应信息;其中,所述非响应信息为所述目标应用程序在运行时所产生的流程性信息,至少部分所述非响应信息在目标应用程序与用户的交互过程中不被使用;
其中,所述将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列,包括:按照预先设置的用户行为交互权重与矩阵元素之间的绑定关系,将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;或者,通过统计历史矩阵元素序列中的每组矩阵元素子序列的用户行为交互权重和矩阵元素,确定用户行为交互权重与矩阵元素之间的绑定关系;根据确定的绑定关系将每组矩阵元素序列划分为用户行为交互权重不同的至少两组矩阵元素子序列;
其中,根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息,包括:
确定每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征;
根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,以及每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息;
其中,所述至少两组矩阵元素子序列包括第一矩阵元素子序列和第二矩阵元素子序列,所述第一矩阵元素子序列的用户行为交互权重均值高于所述第二矩阵元素子序列的用户行为交互权重均值;
其中,所述根据所述目标应用程序对应的动态显示区域对应的矩阵元素在每组矩阵元素序列中所处的矩阵元素子序列,以及每组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述n组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中确定至少一组应用程序显示信息,包括:
当所述目标应用程序对应的动态显示区域对应的矩阵元素在所述n组矩阵元素序列包括的m组矩阵元素序列中处于所述第一矩阵元素子序列时,根据所述m组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述m组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中,确定显示区域关联特征的特征识别度最高的目标应用程序对应的动态显示区域对应的矩阵元素作为第一候选矩阵元素,m为小于n的正整数;
当所述目标应用程序对应的动态显示区域对应的矩阵元素在所述n组矩阵元素序列包括的p组矩阵元素序列中处于所述第二矩阵元素子序列时,根据所述p组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素的显示区域关联特征,从所述p组矩阵元素序列包括的目标应用程序对应的动态显示区域对应的矩阵元素中,确定显示区域关联特征的特征识别度最高的目标应用程序对应的动态显示区域对应的矩阵元素作为第二候选矩阵元素,p为小于n的正整数,且p与m之和等于n;
根据所述第一候选矩阵元素的显示区域关联特征和所述第二候选矩阵元素的显示区域关联特征,从所述第一候选矩阵元素和所述第二候选矩阵元素中确定至少一组应用程序显示信息。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一候选矩阵元素的显示区域关联特征和所述第二候选矩阵元素的显示区域关联特征,从所述第一候选矩阵元素和所述第二候选矩阵元素中确定至少一组应用程序显示信息,包括:
确定第一特征匹配率,所述第一特征匹配率为所述第二候选矩阵元素的显示区域关联特征和所述第一候选矩阵元素的显示区域关联特征之间的匹配率;
当所述第一特征匹配率等于预设匹配率时,分别所述第一候选矩阵元素和所述第二候选矩阵元素中确定对应的分段显示信息并整合,得到所述应用程序显示信息;
当所述第一特征匹配率大于预设匹配率时,从所述第二候选矩阵元素中确定所述应用程序显示信息;
当所述第一特征匹配率小于所述预设匹配率时,从所述第一候选矩阵元素中所述应用程序显示信息。
5.根据权利要求1所述的方法,其特征在于,基于所述关联行为信息与所述应用程序热度信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息,包括:
对从所述关联行为信息中以设定信息提取方式提取的待处理关联行为信息进行信息分类,得到待处理信息聚类与聚类描述信息;
根据所述待处理信息聚类与所述聚类描述信息对所述待处理关联行为信息进行使用频率检测,得到使用频率检测结果;
对所述使用频率检测结果中的目标关联行为信息进行应用程序热度分析,得到所述目标关联行为信息的应用程序匹配信息,将所述应用程序匹配信息与所述使用频率检测结果进行匹配,得到匹配结果,并根据所述匹配结果确定所述应用程序热度信息的使用评价信息;
通过所述使用评价信息,确定所述目标应用程序相对于所述存在行为连续性的行为记录信息的冗余信息;
其中,对从关联行为信息中以设定信息提取方式提取的待处理关联行为信息进行信息分类,得到待处理信息聚类与聚类描述信息包括:将所述待处理关联行为信息输入预先训练好的信息分类模型中,得到信息分类模型输出的待处理信息聚类与聚类描述信息;其中,所述设定信息提取方式为按照关联行为信息的时间先后顺序进行提取;
其中,根据所述待处理信息聚类与所述聚类描述信息对所述待处理关联行为信息进行使用频率检测,得到使用频率检测结果包括:
重复对所述待处理关联行为信息中的当前关联行为信息执行以下操作,以确定所述使用频率检测结果:
分别确定所述当前关联行为信息中每个待处理信息聚类与上一关联行为信息中所有目标关联行为信息的待处理信息聚类之间的信息聚类集中度,确定每个所述待处理信息聚类对应的最大信息聚类集中度;
判断所述最大信息聚类集中度是否大于设定聚类集中度;
在判断结果为是的情况下,基于所述当前关联行为信息中所述最大信息聚类集中度对应的所述待处理信息聚类确定所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果,根据所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述目标关联行为信息的所述使用频率检测结果;
在判断结果为否的情况下,判断所述最大信息聚类集中度对应的所述待处理信息聚类的聚类元素数量是否大于第一设定数量,且所述目标关联行为信息存在的关联行为标签数是否大于第二设定数量;在判断结果为是的情况下,根据所述当前关联行为信息对应的待处理信息聚类确定所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果;根据所述目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述目标关联行为信息的所述使用频率检测结果;在判断结果为否的情况下,根据所述当前关联行为信息对应的待处理信息聚类确定新的目标关联行为信息,并根据所述新的目标关联行为信息与所述当前关联行为信息之间的使用频率比较结果确定所述使用频率检测结果;
其中,根据所述匹配结果确定所述应用程序热度信息的使用评价信息,包括:
根据所述使用频率检测结果确定目标关联行为信息的行为触发时间、行为结束时间;
根据所述行为触发时间与所述行为结束时间确定所述目标关联行为信息的行为持续时间;
根据所述匹配结果与所述行为触发时间、所述行为结束时间、所述行为持续时间确定所述应用程序热度信息的使用评价信息。
6.一种大数据服务器,其特征在于,包括处理引擎、网络模块和存储器;所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎从所述存储器中读取计算机程序并运行,以执行权利要求1-5任一项所述的方法。
7.一种计算机可读信号介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行是实现权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011330338.5A CN112463778B (zh) | 2020-11-24 | 2020-11-24 | 基于大数据和应用程序的信息处理方法及大数据服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011330338.5A CN112463778B (zh) | 2020-11-24 | 2020-11-24 | 基于大数据和应用程序的信息处理方法及大数据服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112463778A CN112463778A (zh) | 2021-03-09 |
CN112463778B true CN112463778B (zh) | 2021-07-23 |
Family
ID=74799661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011330338.5A Active CN112463778B (zh) | 2020-11-24 | 2020-11-24 | 基于大数据和应用程序的信息处理方法及大数据服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112463778B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626538B (zh) * | 2021-07-14 | 2023-11-24 | 上海德衡数据科技有限公司 | 基于大数据的医疗信息智能分类的方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9069669B2 (en) * | 2012-10-11 | 2015-06-30 | Industrial Technology Research Institute | Method and computer system for memory management on virtual machine |
WO2017124390A1 (zh) * | 2016-01-21 | 2017-07-27 | 阮元 | 根据天气推荐资源时的信息推送方法以及推荐*** |
CN105868280A (zh) * | 2016-03-23 | 2016-08-17 | 沈文策 | 一种互联网信息数据处理***及方法 |
CN108776605B (zh) * | 2018-06-04 | 2022-09-13 | 中国联合网络通信集团有限公司 | 应用程序的优化方法、装置、设备及存储介质 |
CN110865846B (zh) * | 2019-11-14 | 2023-12-12 | 北京有竹居网络技术有限公司 | 应用管理的方法、装置、终端、***及存储介质 |
-
2020
- 2020-11-24 CN CN202011330338.5A patent/CN112463778B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112463778A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753800B (zh) | 融合频繁项集与随机森林算法的Android恶意应用检测方法及*** | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
CN108614970B (zh) | 病毒程序的检测方法、模型训练方法、装置及设备 | |
CN109194689B (zh) | 异常行为识别方法、装置、服务器及存储介质 | |
CN112633976B (zh) | 基于大数据和云业务的数据处理方法及云业务服务器 | |
CN110046085B (zh) | 识别终端设备上显示的应用程序控件的方法及装置 | |
CN116681957B (zh) | 一种基于人工智能的图像识别方法及计算机设备 | |
CN113468520A (zh) | 应用于区块链业务的数据入侵检测方法及大数据服务器 | |
CN115935344A (zh) | 一种异常设备的识别方法、装置及电子设备 | |
CN113408897A (zh) | 应用于大数据业务的数据资源共享方法及大数据服务器 | |
CN113468338A (zh) | 针对数字化云业务的大数据分析方法及大数据服务器 | |
CN109391620A (zh) | 异常行为判定模型的建立方法、***、服务器及存储介质 | |
CN112463778B (zh) | 基于大数据和应用程序的信息处理方法及大数据服务器 | |
CN113468017A (zh) | 应用于区块链的在线业务状态检测方法及业务服务器 | |
CN112463205B (zh) | 基于ai和大数据的应用程序管理方法及人工智能服务器 | |
CN116883181B (zh) | 基于用户画像的金融服务推送方法、存储介质及服务器 | |
CN112418924B (zh) | 基于大数据和云计算的广告推送方法及人工智能平台 | |
CN113472860A (zh) | 大数据和数字化环境下的业务资源分配方法及服务器 | |
CN112308626B (zh) | 基于区块链和人工智能的广告推送方法及大数据挖掘中心 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和*** | |
CN110716778A (zh) | 应用兼容性测试方法、装置及*** | |
CN112464832A (zh) | 一种基于建筑识图和人工智能的数据处理方法及智能设备 | |
CN112437132B (zh) | 基于云计算和数字化升级的业务资源共享方法及云服务器 | |
CN113409014A (zh) | 基于人工智能的大数据业务处理方法及人工智能服务器 | |
CN114282940A (zh) | 用于意图识别的方法及装置、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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210707 Address after: 030000 2nd floor, yuanqiaoyou office building, north of Gucheng North Street, Jinyuan District, Taiyuan City, Shanxi Province Applicant after: Shanxi Broadcast New Media Co.,Ltd. Address before: No. 507, industrial base building, Yunnan Software Park, high tech Zone, Kunming, Yunnan 650000 Applicant before: Shi Chuanbo |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |