CN113157766A - 应用分析方法及装置、电子设备、计算机可读存储介质 - Google Patents
应用分析方法及装置、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN113157766A CN113157766A CN202110271571.9A CN202110271571A CN113157766A CN 113157766 A CN113157766 A CN 113157766A CN 202110271571 A CN202110271571 A CN 202110271571A CN 113157766 A CN113157766 A CN 113157766A
- Authority
- CN
- China
- Prior art keywords
- application
- frequent
- target control
- control event
- application set
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000005065 mining Methods 0.000 claims abstract description 48
- 230000001960 triggered effect Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 description 37
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 101150053844 APP1 gene Proteins 0.000 description 2
- 101100189105 Homo sapiens PABPC4 gene Proteins 0.000 description 2
- 102100039424 Polyadenylate-binding protein 4 Human genes 0.000 description 2
- 102100038359 Xaa-Pro aminopeptidase 3 Human genes 0.000 description 2
- 101710081949 Xaa-Pro aminopeptidase 3 Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 101100055496 Arabidopsis thaliana APP2 gene Proteins 0.000 description 1
- 101100016250 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GYL1 gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例涉及数据处理技术领域,公开了应用分析方法及装置、电子设备、计算机可读存储介质,该方法可以应用于电子设备,该方法可以包括:获取电子设备的历史运行数据;根据电子设备的历史运行数据,获取电子设备在一定时间段内目标控制事件关联的应用运行信息,该应用运行信息包括每次目标控制事件触发期间运行的第一应用集合;进而根据应用运行信息挖掘目标控制事件对应的频繁应用集合;然后根据频繁应用集合确定目标控制事件对应的推荐应用集合。实施本申请实施例,能够提高应用推荐的准确性。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种应用分析方法及装置、电子设备、计算机可读存储介质。
背景技术
随着电子设备技术和应用开发技术的快速发展,如今的电子设备通常安装有大量的应用,以满足用户的各种使用需求。
而用户在实际使用电子设备的过程中,由于安装的应用数量太多,导致用户在想要打开某一应用时需要在大量的应用图标中找到目标应用的图标然后再打开,这一个过程较为繁琐,所以如何在用户想要打开某一应用时向用户推荐对应的应用成为了亟需解决的问题。
发明内容
本申请实施例公开了一种应用分析方法及装置、电子设备、计算机可读存储介质,能够提高应用推荐的准确性。
本申请实施例第一方面公开一种应用分析方法,应用于电子设备,所述方法包括:
获取所述电子设备的历史运行数据;
根据所述历史运行数据,获取所述电子设备在一定时间段内目标控制事件关联的应用运行信息,所述应用运行信息包括每次目标控制事件触发期间运行的第一应用集合;
根据所述应用运行信息挖掘所述目标控制事件对应的频繁应用集合;
根据所述频繁应用集合确定所述目标控制事件对应的推荐应用集合。
本申请实施例第二方面公开一种应用分析装置,应用于电子设备,包括:
第一获取单元,用于获取所述电子设备的历史运行数据;
第二获取单元,用于根据所述历史运行数据,获取所述电子设备在一定时间段内目标控制事件关联的应用运行信息,所述应用运行信息包括每次目标控制事件触发期间运行的第一应用集合;
挖掘单元,用于根据所述应用运行信息挖掘所述目标控制事件对应的频繁应用集合;
生成单元,用于根据所述频繁应用集合确定所述目标控制事件对应的推荐应用集合。
本申请实施例第三方面公开一种电子设备,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本申请实施例第一方面公开的应用分析方法。
本申请实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本申请实施例第一方面公开的应用分析方法。
本申请实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本申请实施例第一方面的任意一种方法的部分或全部步骤。
本申请实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本申请实施例第一方面的任意一种方法的部分或全部步骤。
与相关技术相比,本申请实施例具有以下有益效果:
实施本申请实施例,电子设备可以获取电子设备的历史运行数据,以在电子设备的历史运行数据中,获取电子设备在一定时间段内触发目标控制事件时的应用运行信息;进而电子设备可以根据该应用运行信息挖掘目标控制事件对应的频繁应用集合,进而根据频繁应用集合生成目标控制事件对应的推荐应用集合,通过对目标控制事件的应用运行信息进行分析挖掘,能够准确找到与目标控制事件具有关联的频繁应用集合,由于推荐应用集合中的应用为历史上目标控制事件触发期间,电子设备运行最频繁的应用,所以后续将推荐应用集合中的应用推荐给用户就更有可能被用户选择,从而可以提高应用的推荐效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例公开的一种适用于应用分析方法的应用场景示意图;
图2是本申请实施例公开的一种应用分析方法的流程示意图;
图3是本申请实施例公开的一种应用运行信息的示意图;
图4是本申请实施例公开的另一种应用分析方法的流程示意图;
图5A是本申请实施例公开的一种第二应用集合的生成过程示意图;
图5B是本申请实施例公开的一种频繁模式树的示意图;
图6是本申请实施例公开的又一种应用分析方法的流程示意图;
图7是本申请实施例公开的一种应用分析装置的结构示意图;
图8是本申请实施例公开的另一种应用分析装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本申请实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例公开了一种应用分析方法及装置、电子设备、计算机可读存储介质,能够提高应用推荐的准确性。
下面将结合具体实施例对本申请技术方案进行详细说明。
为了更加清楚地说明本申请实施例公开的一种应用分析方法,首先介绍一种适用于该应用分析方法的应用场景。如图1所示,该应用分析方法可以应用于电子设备110,例如:手机、平板电脑等,在此不作限定。该电子设备110可以包括有:存储器1101、处理器1102等部件,本领域技术人员可以理解,图1中示出的电子设备结构并不构成对电子设备的限定,电子设备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。其中,存储器1101可以用于存储软件程序,或者电子设备在运行过程中产生的运行数据;而处理器1102可以包括CPU(central processing unit,中央处理器)、单片机等具有逻辑计算能力的器件,用于执行电子设备中的逻辑运算。
在实践中发现,用户在针对电子设备执行控制事件之后,通过会伴随着打开一些与控制事件相关的应用,例如用户在将蓝牙耳机连接到电子设备之后,通常会打开音乐类的应用。但是由于当前的电子设备通常安装有大量的应用,导致用户将蓝牙耳机连接到电子设备之后,需要在大量的应用图标中找到音乐类的应用的图标然后再打开,这一过程较为繁琐,从而不利于提高用户使用应用的效率。对此,处理器1102可以从存储器1101中获取电子设备的历史运行数据,并根据获取到历史运行数据,获取电子设备在一定时间段内触发目标控制事件时的应用运行信息;进而,处理器1102可以通过电子设备110内置的频繁项挖掘算法(例如:Apriori关联规则算法、FP-Growth频繁模式挖掘算法等,在此不作限定)对上述的应用运行信息进行挖掘,以得到目标控制事件对应的频繁应用集合,然后根据得到频繁应用集合生成目标控制事件对应的推荐应用集合。进而在下一次触发目标控制事件时,处理器1101可以输出目标控制事件对应的推荐应用集合供用户参考,以使得用户不再需要从大量的应用图标中寻找自己想要打开的应用,简化用户操作,从而提高了应用的使用效率。此外,考虑到推荐应用集合中的应用为历史上目标控制事件触发时,电子设备运行最频繁的应用,所以当目标控制事件再次触发时将推荐应用集合中的应用推荐给用户就更有可能被用户选择,从而提高了应用推荐的准确性。
请参阅图2,图2是本申请实施例公开的一种应用分析方法的流程示意图,该应用分析方法可以应用于上述的电子设备,例如:手机、平板电脑等,在此不作限定。该应用分析方法可以包括以下步骤:
202、获取电子设备的历史运行数据。
本申请实施例中,电子设备可以内置有存储器,用于存储电子设备在运行过程产生的运行数据,从而电子设备的处理器可以从存储器中获取电子设备的历史运行数据。
204、根据电子设备的历史运行数据,获取电子设备在一定时间段内目标控制事件关联的应用运行信息,该应用运行信息包括每次目标控制事件触发期间运行的第一应用集合。
本申请实施例中,电子设备的历史运行数据可以包括多条运行数据,每一条运行数据可以包括但不限于:运行数据产生的时间点、电子设备当前所处的位置、应用程序的运行状态、应用的名称以及目标控制事件的触发状态等信息,在此不作限定。
其中,目标控制事件可以是用户针对电子设备进行执行控制的事件,例如连接蓝牙,连接无线网络等,在此不作限定。
考虑到后续根据电子设备的历史运行数据所生成的推荐应用集合,是在目标控制事件触发推荐给用户参考的,所以电子设备可以对历史运行数据进行筛选提取,仅提取电子设备在一定时间段(例如一周、一个月,在此不作限定)内触发目标控制事件时的应用运行信息,从而后续根据目标控制事件触发期间的应用运行信息,所生成的推荐应用集合将更具有推荐价值。例如,目标控制事件是蓝牙耳机连接事件,则电子设备可以在历史运行数据中提取蓝牙耳机连接期间的应用运行信息,而将蓝牙耳机断开期间的应用运行信息剔除。
可选的,该应用运行信息可以包括多次目标控制事件触发期间运行的第一应用。其中,每次目标控制事件触发期间运行的第一应用可以被划分为一个第一应用集合,以使得应用运行信息符合频繁项集挖掘算法对输入数据的格式要求。如图3所示,第一条事务可以表示第一次目标控制事件触发期间电子设备运行过的应用,例如:APP1、APP2、APP3、APP4;而第二条事务可以表示第二次目标控制事件触发期间电子设备运行过的应用,例如:APP1、APP3、APP5、APP8,在此不作限定。
206、根据应用运行信息挖掘目标控制事件对应的频繁应用集合。
本申请实施例中,电子设备可以通过频繁项集挖掘算法来挖掘应用运行信息,以得到目标控制事件对应的频繁应用集合。需要说明的是,频繁项集挖掘算法通常被用于挖掘一些经常一起出行的项目集合,进而后续若项目集合中的任一项目出现时,可以将项目集合中的其他项目作为推荐的项目输出。通过频繁项集挖掘算法可挖掘出与目标控制事件关联性强的频繁应用集合,频繁应用集合中的频繁应用在同一次目标控制事件的触发期间,运行的概率较大。
所以本申请实施例中,电子设备通过频繁项集挖掘算法挖掘到的频繁应用集合中包括的频繁应用,就是用户之前在目标控制事件的触发期间运行次数较多的应用。而用户之前在目标控制事件触发时经常运行上述频繁应用集合中的频繁应用,那么在下一次触发目标控制事件时,用户大概率还会想要运行上述频繁应用集合中的频繁应用。例如:用户之前每次在将蓝牙耳机连接至电子设备之后,都会打开音乐类应用和社交类应用,则用户在下一次将蓝牙耳机连接至电子设备时,大概率还是会打开音乐类应用和社交类应用。所以后续电子设备可以根据该频繁应用集合来生成推荐应用集合,以在下一次触发目标控制事件时,输出推荐应用集合供用户参考。
需要进一步说明的是,本申请实施例采用的频繁项集挖掘算法可以包括Apriori关联规则算法、FP-Growth频繁模式挖掘算法等,在此不作限定。其中,由于Apriori关联算法需要通过不断地构造候选集,和筛选候选集来挖掘出目标控制事件对应的频繁应用集合,所以需要多次扫描应用运行信息。若应用运行信息的数据量较大时,多次的扫描大量数据将导致频繁应用集合的构建效率低下。而FP-Growth频繁模式挖掘算法只需扫描应用运行信息两遍就可以挖掘出目标控制事件对应的频繁应用集合。对此优选的,本申请实施例可以通过FP-Growth频繁模式挖掘算法来挖掘应用运行信息,以得到目标控制事件对应的频繁应用集合,从而提高目标控制事件对应的频繁应用集合的挖掘效率。
208、根据频繁应用集合确定目标控制事件对应的推荐应用集合。
如上所述,由于频繁应用集合中包括的应用,是用户之前在触发目标控制事件时运行次数较多的应用,所以电子设备在根据应用运行信息挖掘到目标控制事件对应的频繁应用集合之后,可以直接将频繁应用集合作为目标控制事件对应的推荐应用集合。
而在另一种实施例中,考虑到挖掘到的频繁应用集合中包括的应用可以有多个,而为了使得后续推荐给用户的应用更加具有推荐价值,电子设备可以将频繁应用集合中运行总次数小于次数阈值的应用剔除,并将剩下的应用生成目标控制事件对应的推荐应用集合。
举例来说,“连接蓝牙耳机”这一控制事件对应的频繁应用集合中包括:QQ音乐30次,微信28次,酷狗音乐25次,UC读书10次,新浪新闻16次等应用。而为了使得后续推荐给用户的应用更加具有推荐价值,电子设备可以将运行次数小于24次的应用剔除(即将UC读书和新浪新闻剔除)。并将剩下的QQ音乐,微信和酷狗音乐保留在“连接蓝牙耳机”这一控制事件对应的推荐应用集合中。
实施上述方法,电子设备可以将频繁应用集合中历史运行总次数较少的应用剔除,以使得后续推荐给用户的应用更加具有推荐价值。
实施上述各实施例公开的方法,电子设备可以获取电子设备的历史运行数据,以在电子设备的历史运行数据中,获取电子设备在一定时间段内触发目标控制事件时的应用运行信息;进而电子设备可以根据该应用运行信息挖掘目标控制事件对应的频繁应用集合,进而根据频繁应用集合生成目标控制事件对应的推荐应用集合,由于推荐应用集合中的应用为历史上目标控制事件触发期间,电子设备运行最频繁的应用,所以后续将推荐应用集合中的应用推荐给用户就更有可能被用户选择,从而可以提高应用的推荐效率。
请参阅图4,图4是本申请实施例公开的另一种应用分析方法的流程示意图,该应用分析方法可以应用于上述的电子设备,例如:手机、平板电脑等,在此不作限定。该应用分析方法可以包括以下步骤:
402、获取电子设备的历史运行数据。
404、根据电子设备的历史运行数据,获取电子设备在一定时间段内目标控制事件关联的应用运行信息,该应用运行信息包括每次目标控制事件触发期间运行的第一应用集合。
406、根据每次目标控制事件触发期间运行的第一应用集合,生成每次目标控制事件触发期间对应的第二应用集合,第二应用集合中包含的频繁应用在一定时间段内,的各次目标控制事件触发期间的运行总次数大于第一次数阈值。
本申请实施例中,电子设备在从历史运行数据中,获取到电子设备在一定时间段内触发目标控制事件时的应用运行信息之后,电子设备可以将应用运行信息输入到频繁项集挖掘算法进行挖掘,以生成目标控制事件对应的推荐应用集合。优选的,电子设备可以将应用运行信息输入到FP-Growth频繁模式挖掘算法进行挖掘。在执行FP-Growth频繁模式挖掘算法的过程中,电子设备可以先根据每次目标控制事件触发期间运行的第一应用集合,生成每次目标控制事件触发期间对应的第二应用集合。其中,第二应用集合中包含的频繁应用在一定时间段内的各次目标控制事件触发期间的运行总次数大于第一次数阈值(例如3次、4次或者6次等,在此不作限定)。以方便后续电子设备根据这些第二应用集合来构建频繁模式树。
在一种实施例中,电子设备可以将应用运行信息中包含的各个应用,按照运行总次数从多到少的顺序进行排序,并将排序结果作为频繁应用列表;进而将目标控制事件的第一触发期间(该第一触发期间可以是上述一定时间段内目标控制事件的任一触发期间)对应的第一应用集合中,运行总次数少于第一次数阈值的第一应用剔除,以得到第一触发期间对应的频繁应用;之后电子设备可以将频繁应用按照上述频繁应用列表的排列顺序进行排序,以生成目标控制事件的第一触发期间对应的第二应用集合。依次类推,电子设备可以将目标控制事件的其他触发期间对应的第一应用集合中都转换为第二应用集合。
结合图5A举例来说,假设应用运行信息中包括f、c、a、b、m和p这六个应用的运行信息,其中f和c分别运行了4次,a、b、m和p分别运行了3次。则电子设备将应用运行信息中包含的各个应用,按照运行总次数从多到少的顺序进行排序,并根据排序结果生成的频繁应用列表可以是:L=<(f:4),(c:4),(a:3),(b:3),(m:3),(p:3)>。假设电子设备在目标控制事件的第一触发期间一共运行过{f、c、a、d、g、i、m、p}八个应用,而假设d、g和i的运行总次数少于第一次数阈值,则电子设可以将d、g和i剔除,以得到第一触发期间对应的频繁应用:f、c、a、m和p,进而电子设备可以按照上述的频繁应用列表L中应用的排列顺序对f、c、a、m和p进行排序,以得到目标控制事件的第一触发期间对应的第二应用集合:{f、c、a、m、p}。
请进一步参阅图5A所示,电子设备可以依次类推将目标控制事件的其他触发期间对应的第一应用集合转换为第二应用集合,如第二触发期间对应的第二应用集合为:{f、c、a、b、m},第三触发期间对应的第二应用集合为:{f、b},在此不作限定。
实施上述方法,电子设备可以通过根据每次目标控制事件触发期间运行的第一应用集合,生成每次目标控制事件触发期间对应的第二应用集合,以方便后续电子设备根据这些第二应用集合来构建频繁模式树。
408、根据多个第二应用集合构建频繁模式树,并对频繁模式树进行递归挖掘,以得到目标控制事件对应的频繁应用集合。
本申请实施例中,电子设备在生成多个第二应用集合之后,电子设备可以将各个第二应用集合中包括的频繁应用***到频繁模式树FP-tree中,其中,频繁模式树FP-tree中相同的前缀路径可以共用。如图5B所示,第一触发期间对应的第二应用集合:{f、c、a、m、p},和第二触发期间对应的第二应用集合为:{f、c、a、b、m}中的f、c和a可以共用一条前缀路径。
本申请实施例中,电子设备可以先创建频繁模式树的根节点,然后获取多个第二应用集合中的任一个第二应用集合作为目标第二应用集合。进而电子设备可以将根节点作为父节点,并判断目标第二应用集合中包括的频繁应用中是否存在该父节点的子节点,如果目标第二应用集合中包括的频繁应用中存在父节点的子节点,则可以进一步判断该频繁应用是否已经存在于频繁模式树中。如果存在,则将该频繁应用对应的子节点的支持度(子节点的支持度指:包含该子节点对应的频繁应用的第二应用集合的数量)增加1,并将该子节点作为新的父节点然后执行判断目标第二应用集合中包括的频繁应用中是否存在该父节点的子节点的步骤直至遍历完每一个第二应用集合;如果不存在,则将该频繁应用作为子节点连接至父节点,并将该子节点作为新的父节点然后执行判断目标第二应用集合中包括的频繁应用中是否存在该父节点的子节点的步骤直至遍历完每一个第二应用集合。
进一步可选的,电子设备可以将第二应用集合包含的各个频繁应用,按照运行总次数从多到少的顺序进行排序,并将排序结果作为项目表,并将项目表中的频繁应用与频繁模式树中的节点连接起来,方便后续电子设备根据项目表对频繁模式树进行递归挖掘。
请一并参阅图5A和图5B,举例来说,电子设备可以先创建频繁模式树的根节点(如图5B中的“{}”),然后按照上述的方法,将图5A中多个第二应用集合***到频繁模式树中,以得到如图5B所示的频繁模式树,并将项目表与频繁模式树中相同的频繁应用连接起来。
作为一种可选的实施方式,电子设备在构建完频繁模式树之后,可以根据上述项目表中频繁应用的排列顺序,依次在频繁模式树中生成频繁应用对应的条件模式基(其中,条件模式基为频繁模式中以频繁应用为结点的路径,需要说明的是,由于频繁模式中以一个频繁应用为结点的路径可能有多条,所以一个频繁应用对应的条件模式基也可以有一条或者多条。结合图5B举例来说,m的条件模式基有两条,分别为(f、c、a)和(f、c、a、b),而a的条件模式基仅有一条,为(f、c),在此不作限定)。进而电子设备可以根据频繁应用对应的条件模式基生成,生成目标控制事件对应的频繁应用集合。
实施上述方法,电子设备可以通过构建条件模式基来确定应用运行信息中,在同一次目标控制事件触发期间运行的应用有哪些组合,进而电子设备可以通过条件模式基来确定出在目标控制事件触发期间运行次数最多的应用组合,进而后续可以将这些应用组合推荐给用户,以方便用户在目标控制事件触发期间打开与目标控制事件相关联的应用。
作为另一种可选的实施方式,电子设备在构建完频繁模式树之后,可以获取项目表中排列在最后的频繁应用作为待挖掘应用,并根据频繁模式树生成待挖掘应用对应的条件模式基。结合图5B举例来说,电子设备可以将项目表中排列在最后的“p”作为待挖掘应用,并根据频繁模式树生成“p”的条件模式基:(f、c、a、m)和(c、b)。
进而电子设备可以判断待挖掘应用对应的条件模式基的数量是否为一条,若待挖掘应用对应的条件模式基的数量为一条,则电子设备可以根据该条件模式基生成目标控制事件对应的频繁应用集合。
而若待挖掘应用对应的条件模式基的数量大于一条,则电子设备可以获取项目表中排列在待挖掘应用前一个的频繁应用作为新的待挖掘应用,并重新执行上述根据频繁模式树生成待挖掘应用对应的条件模式基,然后判断待挖掘应用对应的条件模式基的数量是否为一条的步骤,直至找到条件模式基只有一条的待挖掘应用,或者遍历完项目表包括的频繁应用。
再次结合图5举例来说,由于“p”的条件模式基有(f、c、a、m)和(c、b)两条,则电子设备可以获取排序在“p”前一个的“m”作为新的待挖掘应用,并执行根据频繁模式树生成待挖掘应用对应的条件模式基,然后判断待挖掘应用对应的条件模式基的数量是否为一条的步骤,而由于“m”的条件模式基有(f、c、a)和(f、c、a、b)两条,则电子设备可以继续获取“b”作为新的待挖掘应用,而由于“b”的条件模式基也有两条,所以电子设备可以继续获取“a”作为条件模式基,而“a”的条件模式基仅有(f、c)一条,所以电子设备可以根据“a”对应的条件模式基仅(f、c)生成目标控制事件对应的频繁应用集合。
在一种实施例中,若待挖掘应用对应的条件模式基的数量大于一条,则电子设备可以将各条条件模式基中支持度小于支持度阈值(例如2、3等,具体数值可以由开发人员根据开发需要设定,在此不作限定)的不频繁节点剔除,并将剔除不频繁节点的多条条件模式基中,相同的条件模式基合并,并再次判断待挖掘应用对应的条件模式基的数量是否为一条,若剔除不频繁节点后的待挖掘应用对应的条件模式基的数量为一条,则电子设备可以根据该条件模式基生成目标控制事件对应的频繁应用集合;若剔除不频繁节点后的待挖掘应用对应的条件模式基的数量大于一条,则电子设备可以获取项目表中排列在待挖掘应用前一个的频繁应用作为新的待挖掘应用,并重新执行上述根据频繁模式树生成待挖掘应用对应的条件模式基,然后判断待挖掘应用对应的条件模式基的数量是否为一条的步骤,直至找到条件模式基只有一条的待挖掘应用,或者遍历完项目表包括的频繁应用。
实施上述方法,电子设备可以通过构建条件模式基来确定应用运行信息中,在同一次目标控制事件触发期间运行的应用有哪些组合,进而电子设备可以递归挖掘各个频繁应用对应的条件模式基来确定出在目标控制事件触发期间运行次数最多的应用组合,进而后续可以将这些应用组合推荐给用户,以方便用户在目标控制事件触发期间打开与目标控制事件相关联的应用。
410、根据频繁应用集合确定目标控制事件对应的推荐应用集合。
本申请实施例中,电子设备在生成目标控制事件对应的推荐应用集合之后,可以在电子设备下一次触发目标控制事件时,将推荐应用集合推荐给用户。
进一步可选的。在下一次目标控制事件结束时,电子设备可以获取最新版本的电子设备历史运行数据,并提取历史运行数据中最新增加的目标应用运行信息。之后电子设备可以根据目标应用运行信息,直接将最新一次目标控制事件触发期间,电子设备运行的频繁应用构成目标第二应用集合,并将该目标第二应用集合中的应用***到之前已经构建的频繁模式树中,以更新频繁模式树,进而根据更新后的频繁模式树挖掘出最新的推荐应用集合。
实施上述方法,电子设备可以在后续每次目标控制事件触发之后,更加新增的应用运行信息来更新原先的频繁模式树,然后挖掘更新后的频繁模式树,以得到最新的推荐应用集合,从而可以是的推荐应用集合保持时效性,以更加符合用户的需求。此外,由于每次更新频繁模式树仅要扫描最新增加的应用运行信息即可,而不需要再次扫描之前的应用运行信息,从而可以减少电子设备的计算量,以及提高推荐应用集合的生成效率。
实施上述各实施例公开的方法,电子设备可以根据该应用运行信息挖掘目标控制事件对应的频繁应用集合,进而根据频繁应用集合生成目标控制事件对应的推荐应用集合,由于推荐应用集合中的应用为历史上目标控制事件触发期间,电子设备运行最频繁的应用,所以后续将推荐应用集合中的应用推荐给用户就更有可能被用户选择,从而可以提高应用的推荐效率;此外,可以通过构建条件模式基来确定应用运行信息中,在同一次目标控制事件触发期间运行的应用有哪些组合,进而电子设备可以通过条件模式基来确定出在目标控制事件触发期间运行次数最多的应用组合,进而后续可以将这些应用组合推荐给用户,以方便用户在目标控制事件触发期间打开与目标控制事件相关联的应用。
请参阅图6,图6是本申请实施例公开的又一种应用分析方法的流程示意图,该应用分析方法可以应用于上述的电子设备,例如:手机、平板电脑等,在此不作限定。该应用分析方法可以包括以下步骤:
602、获取电子设备的历史运行数据。
本申请实施例中,在获取到电子设备的历史运行数据之后,为了提高后续算法对数据进行处理的准确性,电子设备可以先对获取到历史运行数据进行预处理,例如对数据排序、将相同数据合并等,在此不作限定。
作为一种可选的实施方式,电子设备在获取历史运行数据之后,可以将历史运行数据按照生成时间点由远到近的顺序进行排序,需要说明的是,由于历史运行数据中每条运行数据的生成时间点都是对应电子设备的***时间,不方便进行排序,对此电子设备可以将历史运行数据中每条运行数据的生成时间点转换为格式化时间点,进而电子设备可以根据每条运行数据对应的格式化时间点,将历史运行数据按照生成时间点由远到近的顺序进行排序。
进一步的,在将历史运行数据按照生成时间点由远到近的顺序进行排序之后,电子设备可以按照时间点由远到近的顺序依次遍历每条运行数据,以将生成时间点重复且数据内容重复的历史运行数据剔除。
举例来说,历史运行数据中存在两条14:00生成的数据A,则电子设备可以将其中一条重复的历史运行数据剔除。
实施上述方法,电子设备可以先将历史运行数据按照生成时间点由远到近的顺序进行排序,以方便后续按照生成时间点由远到近的顺序来检测历史运行数据中是否存在生成时间点重复且数据内容重复的历史运行数据。此外,电子设备还可以将生成时间点重复且数据内容重复的历史运行数据剔除,以压缩历史运行数据的数据量,从而既可以减少后续算法的计算量,还可以提高算法的准确性。
604、根据电子设备的历史运行数据,获取电子设备在一定时间段内目标控制事件关联的应用运行信息,该应用运行信息包括每次目标控制事件触发期间运行的第一应用集合。
本申请实施例中,考虑到后续根据电子设备的历史运行数据所生成的推荐应用集合,是在目标控制事件触发推荐给用户参考的,所以电子设备可以对历史运行数据进行筛选提取,仅提取电子设备在一定时间段(例如一周、一个月,在此不作限定)内触发目标控制事件时的应用运行信息,此外考虑到电子设备在运行期间难免会运行出错或者异常。对此可选的,电子设备在获取到历史运行数据之后,可以在历史运行数据中,提取电子设备在一定时间段内(例如一周、一个月等)触发目标控制事件时的应用运行信息,并将应用运行信息中的异常数据剔除,进而根据剔除异常数据后的应用运行信息获取每次目标控制事件触发期间运行的第一应用集合。
需要说明的是,电子设备从历史运行数据中提取的应用运行信息可以包括多次目标控制事件触发期间运行的第一应用,而为了方便后续对数据进行处理和通过算法对数据进行计算,电子设备可以将应用运行信息中,每次目标控制事件触发期间运行的第一应用划分为一个第一应用集合,从而将各次目标控制事件触发期间运行的第一应用区分开来,方便后续对数据进行处理和通过算法对数据进行计算。
需要进一步说明的是,上述的异常数据可以包括应用异常中断数据、无效运行时间数据和无效运行事件数据中的至少一种,在此不作限定。
其中,应用异常中断数据可以是表示同一应用关闭时间点,到下一次打开时间点间隔小于1秒、2秒的数据,因为用户在正常使用应用时通常不可能在短时间(1秒或者2秒)内退出应用又进入应用。无效运行时间数据可以是表示同一应用的打开时间点到结束时间点的间隔小于1秒或者2秒的数据,因为用户在正常打开应用时,通常在应用上停留的时间会大于1秒或者2秒等,因为本身应用打开时的数据加载、运行就需要一定的时间,所以同一应用的打开时间点到结束时间点的间隔小于1秒或者2秒的数据为异常数据。无效运行事件数据可以是该成对的事件,没成对出现的数据;或者是仅有应用打开事件,却没有应用结束事件的数据。因为用户在正常使用应用总会又打开和关闭的过程。
实施上述方法,电子设备可以将应用运行信息中的异常数据剔除,以压缩历史运行数据的数据量,从而既可以减少后续算法的计算量,还可以提高算法的准确性。此外,电子设备还可以将应用运行信息中,每次目标控制事件触发期间运行的第一应用划分为一个第一应用集合,从而将各次目标控制事件触发期间运行的第一应用区分开来,方便后续对数据进行处理和通过算法对数据进行计算。
在另一种实施例中,为了方便后续对数据进行处理和通过算法对数据进行计算,电子设备可以将应用运行信息中的应用名称转换为整数型。可选的,电子设备可以将应用运行信息中的第一个应用转换为任一正整数,然后按照应用运行信息中应用的排列顺序,依次将前一个应用对应的正整数增加一定数值,并将增加后的正整数复制给下一个应用。例如:电子设备可以将第一个应用赋值为“11”,然后依次增加1赋值给后续的应用。
606、根据应用运行信息挖掘目标控制事件对应的频繁应用集合。
608、根据频繁应用集合确定目标控制事件对应的推荐应用集合。
作为一种可选的实施方式,电子设备可以将频繁应用集合中运行总次数小于第二次数阈值的应用剔除,以生成目标控制事件对应的推荐应用集合。
实施上述方法,电子设备可以将频繁应用集合中运行总次数小于次数阈值的应用剔除,并将剩下的应用生成目标控制事件对应的推荐应用集合,以使得后续推荐给用户的应用更加具有推荐价值。
本申请实施例中,若目标控制事件需要电子设备和其他电子设备建立连接关系,则电子设备可以将历史运行数据中,针对不同其他电子设备的应用运行信息区分开,并基于不同的其他电子设备生成各个其他电子设备对应的目标控制事件对应的推荐应用集合。进而后续电子设备触发目标控制事件时,电子设备可以根据连接的其他电子设备,来确定出与其他电子设备对应的推荐应用集合推荐给用户。
举例来说,电子设备触发蓝牙连接时,可能是与蓝牙耳机连接,也可能是投影设备进行连接,而电子设备可以针对电子设备在连接蓝牙耳机时运行过的应用,来生成蓝牙耳机对应的推荐应用集合(例如:蓝牙耳机对应的推荐应用集合可以包括有音乐类应用);并针对电子设备在连接投影设备时运行过的应用,来生成投影设备对应的推荐应用集合(例如:投影设备对应的推荐应用集合可以包括有视频类应用),进而后续若电子设备与蓝牙耳机连接,则电子设备可以输出蓝牙耳机对应的推荐应用集合;若电子设备与投影设备连接,则电子设备可以输出投影设备对应的推荐应用集合。
实施上述方法,电子设备可以根据与电子设备连接的其他电子设备,确定出与其他电子设备对应的推荐应用集合输出供用户参考,以使得推荐的应用更符合当前的使用场景,提高了应用的推荐效率。
610、在电子设备下一次触发目标控制事件时,输出目标控制事件对应的推荐应用集合。
本申请实施例中,电子设备可以在上一次目标控制事件结束时,通过本申请实施例公开的应用分析方法来生成目标控制事件对应的推荐应用集合。进而在电子设备下一次触发目标控制事件时,可以输出生成的目标控制事件对应推荐应用集合供用户参考。
可选的,电子设备还可以将推荐应用集合中的应用,按照应用的历史运行总次数从多到少的顺序进行排序,并优先将排列在前N个的应用推荐给用户,其中N为正整数。
实施上述各实施例公开的方法,电子设备可以先将历史运行数据按照生成时间点由远到近的顺序进行排序,以方便后续按照生成时间点由远到近的顺序来检测历史运行数据中是否存在生成时间点重复且数据内容重复的历史运行数据。此外,电子设备还可以将生成时间点重复且数据内容重复的历史运行数据剔除,以压缩历史运行数据的数据量,从而既可以减少后续算法的计算量,还可以提高算法的准确性;以及,可以将应用运行信息中的异常数据剔除,以压缩历史运行数据的数据量,从而既可以减少后续算法的计算量,还可以提高算法的准确性。此外,电子设备还可以将应用运行信息中,每次目标控制事件触发期间运行的第一应用划分为一个第一应用集合,从而将各次目标控制事件触发期间运行的第一应用区分开来,方便后续对数据进行处理和通过算法对数据进行计算;以及,可以根据与电子设备连接的其他电子设备,确定出与其他电子设备对应的推荐应用集合输出供用户参考,以使得推荐的应用更符合当前的使用场景,提高了应用的推荐效率。
请参阅图7,图7是本申请实施例公开的一种应用分析装置的结构示意图,该应用分析装置可以应用于上述的电子设备,例如:手机、平板电脑等,在此不作限定。该应用分析装置可以包括:第一获取单元701、第二获取单元702、挖掘单元703和生成单元704,其中:
第一获取单元701,用于获取电子设备的历史运行数据;
第二获取单元702,用于根据电子设备的历史运行数据,获取电子设备在一定时间段内目标控制事件关联的应用运行信息,应用运行信息包括每次目标控制事件触发期间运行的第一应用集合;
挖掘单元703,用于根据应用运行信息挖掘目标控制事件对应的频繁应用集合;
生成单元704,用于根据频繁应用集合确定目标控制事件对应的推荐应用集合。
实施上述应用分析装置,可以获取电子设备的历史运行数据,以在电子设备的历史运行数据中,获取电子设备在一定时间段内触发目标控制事件时的应用运行信息;进而电子设备可以根据该应用运行信息挖掘目标控制事件对应的频繁应用集合,进而根据频繁应用集合生成目标控制事件对应的推荐应用集合,由于推荐应用集合中的应用为历史上目标控制事件触发期间,电子设备运行最频繁的应用,所以后续将推荐应用集合中的应用推荐给用户就更有可能被用户选择,从而可以提高应用的推荐效率。
请参阅图8,图8是本申请实施例公开的另一种应用分析装置的结构示意图,该应用分析装置同样可以应用于上述的电子设备,图8所示的应用分析装置可以是由图7所示的应用分析装置优化得到,与图7所示的应用分析装置相比较,图8所示的应用分析装置包括的挖掘单元703用于根据应用运行信息挖掘目标控制事件对应的频繁应用集合的方式具体可以为:
挖掘单元703,用于根据每次目标控制事件触发期间运行的第一应用集合,生成每次目标控制事件触发期间对应的第二应用集合,该第二应用集合中包含的频繁应用在一定时间段内,的各次目标控制事件触发期间的运行总次数大于第一次数阈值;以及,根据多个第二应用集合构建频繁模式树,并对频繁模式树进行递归挖掘,以得到目标控制事件对应的频繁应用集合。
实施上述应用分析装置,可以通过构建频繁模式树和对频繁模式树进行挖掘来获取目标控制事件对应的频繁应用集合,而由于构建频繁模式树和对频繁模式树进行挖掘时,仅需要扫描两次应用运行信息,所以可以提高频繁应用集合的生成效率。
作为一种可选的实施方式,挖掘单元703用于根据每次目标控制事件触发期间运行的第一应用集合,生成每次目标控制事件触发期间对应的第二应用集合的方式具体可以:
挖掘单元703,用于将应用运行信息中包含的各个应用,按照运行总次数从多到少的顺序进行排序,并将排序结果作为频繁应用列表;以及,将目标控制事件的第一触发期间运行的第一应用集合中,运行总次数少于第一次数阈值的第一应用剔除,以得到第一触发期间对应的频繁应用,第一触发期间为一定时间段内目标控制事件的任一触发期间;以及,将频繁应用按照频繁应用列表的排列顺序进行排序,以生成第一触发期间对应的第二应用集合。
实施上述应用分析装置,可以通过根据每次目标控制事件触发期间运行的第一应用集合,生成每次目标控制事件触发期间对应的第二应用集合,以方便后续电子设备根据这些第二应用集合来构建频繁模式树。
作为一种可选的实施方式,挖掘单元703用于对频繁模式树进行递归挖掘,以得到目标控制事件对应的频繁应用集合的方式具体可以:
挖掘单元703,用于将第二应用集合包含的各个频繁应用,按照运行总次数从多到少的顺序进行排序,并将排序结果作为项目表;以及,根据项目表中频繁应用的排列顺序,依次在频繁模式树中生成频繁应用对应的条件模式基,并根据条件模式基生成目标控制事件对应的频繁应用集合,其中,项目表中频繁应用的条件模式基为频繁模式树中以频繁应用为结点的路径。
实施上述应用分析装置,可以通过构建条件模式基来确定应用运行信息中,在同一次目标控制事件触发期间运行的应用有哪些组合,进而电子设备可以通过条件模式基来确定出在目标控制事件触发期间运行次数最多的应用组合,进而后续可以将这些应用组合推荐给用户,以方便用户在目标控制事件触发期间打开与目标控制事件相关联的应用。
作为一种可选的实施方式,挖掘单元703用于根据项目表中频繁应用的排列顺序,依次在频繁模式树中生成频繁应用对应的条件模式基,并根据条件模式基生成目标控制事件对应的频繁应用集合的方式具体可以:
挖掘单元703,用于获取项目表中排列在最后的频繁应用作为待挖掘应用,并根据频繁模式树生成待挖掘应用对应的条件模式基;以及,若待挖掘应用对应的条件模式基的数量为一条,则根据条件模式基生成目标控制事件对应的频繁应用集合;以及,若待挖掘应用对应的条件模式基的数量大于一条,则获取项目表中排列在待挖掘应用前一个的频繁应用作为新的待挖掘应用,并执行根据频繁模式树生成待挖掘应用对应的条件模式基的步骤,直至遍历完项目表包括的频繁应用。
实施上述应用分析装置,可以通过构建条件模式基来确定应用运行信息中,在同一次目标控制事件触发期间运行的应用有哪些组合,进而电子设备可以递归挖掘各个频繁应用对应的条件模式基来确定出在目标控制事件触发期间运行次数最多的应用组合,进而后续可以将这些应用组合推荐给用户,以方便用户在目标控制事件触发期间打开与目标控制事件相关联的应用。
410、根据频繁应用集合生成目标控制事件对应的推荐应用集合。
作为一种可选的实施方式,第一获取单元701用于获取电子设备的历史运行数据的方式具体可以为:
第一获取单元701,用于获取电子设备的历史运行数据,并将历史运行数据按照生成时间点由远到近的顺序进行排序;以及,将排序后的历史运行数据中,生成时间点重复且数据内容重复的历史运行数据剔除。
实施上述应用分析装置,可以先将历史运行数据按照生成时间点由远到近的顺序进行排序,以方便后续按照生成时间点由远到近的顺序来检测历史运行数据中是否存在生成时间点重复且数据内容重复的历史运行数据。此外,电子设备还可以将生成时间点重复且数据内容重复的历史运行数据剔除,以压缩历史运行数据的数据量,从而既可以减少后续算法的计算量,还可以提高算法的准确性。
作为一种可选的实施方式,第二获取单元702用于根据电子设备的历史运行数据,获取电子设备在一定时间段内触发目标控制事件时的应用运行信息的方式具体可以为:
第二获取单元702,用于在历史运行数据中,提取电子设备在一定时间段内触发目标控制事件时的应用运行信息;以及,将应用运行信息中的异常数据剔除,并根据剔除异常数据后的应用运行信息,获取每次目标控制事件触发期间运行的第一应用集合。
实施上述应用分析装置,可以方便电子设备后续对数据进行处理和通过算法对数据进行计算。
作为一种可选的实施方式,异常数据包括应用异常中断数据、无效运行时间数据和无效运行事件数据中的至少一种。
实施上述应用分析装置,可以将应用运行信息中的异常数据剔除,以压缩历史运行数据的数据量,从而既可以减少后续算法的计算量,还可以提高算法的准确性。此外,电子设备还可以将应用运行信息中,每次目标控制事件触发期间运行的第一应用划分为一个第一应用集合,从而将各次目标控制事件触发期间运行的第一应用区分开来,方便后续对数据进行处理和通过算法对数据进行计算。
作为一种可选的实施方式,生成单元704用于根据频繁应用集合生成目标控制事件对应的推荐应用集合的方式具体可以为:
生成单元704,用于将目标控制事件对应的频繁应用集合中运行总次数小于第二次数阈值的应用剔除,以生成目标控制事件对应的推荐应用集合。
实施上述应用分析装置,可以根据与电子设备连接的其他电子设备,确定出与其他电子设备对应的推荐应用集合输出供用户参考,以使得推荐的应用更符合当前的使用场景,提高了应用的推荐效率。
作为一种可选的实施方式,图8所示的应用分析装置还可以包括输出单元705,其中:
输出单元705,用于在生成单元704根据频繁应用集合生成目标控制事件对应的推荐应用集合之后,在电子设备下一次触发目标控制事件时,输出目标控制事件对应的推荐应用集合。
实施上述应用分析装置,电子设备下一次触发目标控制事件时,可以输出生成的目标控制事件对应推荐应用集合供用户参考,以使得用户不再需要从大量的应用图标中寻找自己想要打开的应用,从而提高了应用的使用效率。
本申请实施例公开的一种电子设备,该电子设备可以包括:存储有可执行程序代码的存储器;与存储器耦合的处理器;
其中,处理器调用存储器中存储的可执行程序代码,执行上述各实施例公开的应用分析方法。
本申请实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行上述各实施例公开的应用分析方法。
本申请实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在本申请的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可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。
另外,在本申请各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的一种应用分析方法及装置、电子设备、存储介质进行了详细介绍,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,对于本领域的一般技术人员,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 (13)
1.一种应用分析方法,其特征在于,应用于电子设备,所述方法包括:
获取所述电子设备的历史运行数据;
根据所述历史运行数据,获取所述电子设备在一定时间段内目标控制事件关联的应用运行信息,所述应用运行信息包括每次目标控制事件触发期间运行的第一应用集合;
根据所述应用运行信息挖掘所述目标控制事件对应的频繁应用集合;
根据所述频繁应用集合确定所述目标控制事件对应的推荐应用集合。
2.根据权利要求1所述的方法,其特征在于,所述根据所述应用运行信息挖掘所述目标控制事件对应的频繁应用集合,包括:
根据所述每次目标控制事件触发期间运行的第一应用集合,生成所述每次目标控制事件触发期间对应的第二应用集合,所述第二应用集合中包含的频繁应用在所述一定时间段内的各次目标控制事件触发期间的运行总次数大于第一次数阈值;
根据所述每次目标控制事件触发期间对应的第二应用集合构建频繁模式树,并对所述频繁模式树进行递归挖掘,以得到所述目标控制事件对应的频繁应用集合。
3.根据权利要求2所述的方法,其特征在于,所述根据所述每次目标控制事件触发期间运行的第一应用集合,生成所述每次目标控制事件触发期间对应的第二应用集合,包括:
将所述应用运行信息中包含的各个应用,按照运行总次数从多到少的顺序进行排序,并将排序结果作为频繁应用列表;
将所述目标控制事件的第一触发期间对应的第一应用集合中,运行总次数少于第一次数阈值的应用剔除,以得到所述第一触发期间对应的频繁应用,所述第一触发期间为所述一定时间段内所述目标控制事件的任一触发期间;
将所述频繁应用按照所述频繁应用列表的排列顺序进行排序,以生成所述第一触发期间对应的第二应用集合。
4.根据权利要求2所述的方法,其特征在于,所述对所述频繁模式树进行递归挖掘,以得到所述目标控制事件对应的频繁应用集合,包括:
将所述每次目标控制事件触发期间对应的第二应用集合包含的各个频繁应用,按照运行总次数从多到少的顺序进行排序,并将排序结果作为项目表;
根据所述项目表中各个频繁应用的排列顺序,依次在所述频繁模式树中生成每个频繁应用对应的条件模式基,并根据所述条件模式基生成所述目标控制事件对应的频繁应用集合,其中,第一频繁应用的条件模式基为所述频繁模式树中以所述第一频繁应用为结点的路径,所述第一频繁应用为所述项目表中的任一频繁应用。
5.根据权利要求4所述的方法,其特征在于,所述根据所述项目表中各个频繁应用的排列顺序,依次在所述频繁模式树中生成每个频繁应用对应的条件模式基,并根据所述条件模式基生成所述目标控制事件对应的频繁应用集合,包括:
获取所述项目表中排列在最后的频繁应用作为待挖掘应用,并根据所述频繁模式树生成所述待挖掘应用对应的条件模式基;
若所述待挖掘应用对应的条件模式基的数量为一条,则根据所述条件模式基生成所述目标控制事件对应的频繁应用集合;
若所述待挖掘应用对应的条件模式基的数量大于一条,则获取所述项目表中排列在所述待挖掘应用前一个的频繁应用作为新的待挖掘应用,并执行所述根据所述频繁模式树生成所述待挖掘应用对应的条件模式基的步骤,直至所述待挖掘应用为所述项目表中排列在首位的频繁应用。
6.根据权利要求1所述的方法,其特征在于,所述获取所述电子设备的历史运行数据,包括:
获取所述电子设备的历史运行数据,并将所述历史运行数据按照生成时间点由远到近的顺序进行排序;
将排序后的历史运行数据中,生成时间点重复且数据内容重复的历史运行数据剔除。
7.根据权利要求1的方法,其特征在于,所述根据所述历史运行数据,获取所述电子设备在一定时间段内触发目标控制事件时的应用运行信息,包括:
在所述历史运行数据中,提取所述电子设备在一定时间段内每次目标控制事件触发期间的历史运行数据;
将提取的历史运行数据中的异常数据剔除,并根据剔除异常数据后的历史运行数据确定每次目标控制事件触发期间运行的第一应用集合。
8.根据权利要求7所述的方法,其特征在于,所述异常数据包括应用异常中断数据、无效运行时间数据和无效运行事件数据中的至少一种。
9.根据权利要求1所述的方法,其特征在于,所述根据所述频繁应用集合确定所述目标控制事件对应的推荐应用集合,包括:
将所述频繁应用集合中,在所述一定时间段内的各次目标控制事件触发期间的运行总次数小于第二次数阈值的应用剔除,以生成所述目标控制事件对应的推荐应用集合;或
将按照在所述一定时间段内的各次目标控制事件触发期间的运行总次数从多到少的顺序,将所述频繁应用集合中运行总次数排列在前N位的应用作为推荐应用,得到所述目标控制事件对应的推荐应用集合,其中,N为正整数。
10.根据权利要求1~9任一项所述的方法,其特征在于,在所述根据所述频繁应用集合生成所述目标控制事件对应的推荐应用集合之后,所述方法还包括:
在电子设备下一次触发所述目标控制事件时,输出所述推荐应用集合。
11.一种应用分析装置,其特征在于,应用于电子设备,包括:
第一获取单元,用于获取所述电子设备的历史运行数据;
第二获取单元,用于根据所述历史运行数据,获取所述电子设备在一定时间段内目标控制事件关联的应用运行信息,所述应用运行信息包括每次目标控制事件触发期间运行的第一应用集合;
挖掘单元,用于根据所述应用运行信息挖掘所述目标控制事件对应的频繁应用集合;
生成单元,用于根据所述频繁应用集合确定所述目标控制事件对应的推荐应用集合。
12.一种电子设备,其特征在于,包括存储有可执行程序代码的存储器,以及与所述存储器耦合的处理器;其中,所述处理器调用所述存储器中存储的所述可执行程序代码,执行权利要求1~10任一项所述的方法。
13.一种计算机可读存储介质,其存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110271571.9A CN113157766A (zh) | 2021-03-12 | 2021-03-12 | 应用分析方法及装置、电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110271571.9A CN113157766A (zh) | 2021-03-12 | 2021-03-12 | 应用分析方法及装置、电子设备、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113157766A true CN113157766A (zh) | 2021-07-23 |
Family
ID=76887228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110271571.9A Pending CN113157766A (zh) | 2021-03-12 | 2021-03-12 | 应用分析方法及装置、电子设备、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113157766A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
CN107734616A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 应用程序关闭方法、装置、存储介质和电子设备 |
CN110750561A (zh) * | 2018-07-20 | 2020-02-04 | 深圳市诚壹科技有限公司 | 一种关联应用程序挖掘的方法及装置 |
CN111143683A (zh) * | 2019-12-26 | 2020-05-12 | 上海传英信息技术有限公司 | 终端交互推荐方法、设备及可读存储介质 |
CN111401388A (zh) * | 2018-12-13 | 2020-07-10 | 北京嘀嘀无限科技发展有限公司 | 数据挖掘方法、装置、服务器及可读存储介质 |
CN111782705A (zh) * | 2020-05-28 | 2020-10-16 | 平安医疗健康管理股份有限公司 | 频繁数据的挖掘方法、装置、设备及计算机可读存储介质 |
CN112418978A (zh) * | 2020-11-17 | 2021-02-26 | 中国平安财产保险股份有限公司 | 产品推荐方法、装置、设备及介质 |
-
2021
- 2021-03-12 CN CN202110271571.9A patent/CN113157766A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
CN107734616A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 应用程序关闭方法、装置、存储介质和电子设备 |
CN110750561A (zh) * | 2018-07-20 | 2020-02-04 | 深圳市诚壹科技有限公司 | 一种关联应用程序挖掘的方法及装置 |
CN111401388A (zh) * | 2018-12-13 | 2020-07-10 | 北京嘀嘀无限科技发展有限公司 | 数据挖掘方法、装置、服务器及可读存储介质 |
CN111143683A (zh) * | 2019-12-26 | 2020-05-12 | 上海传英信息技术有限公司 | 终端交互推荐方法、设备及可读存储介质 |
CN111782705A (zh) * | 2020-05-28 | 2020-10-16 | 平安医疗健康管理股份有限公司 | 频繁数据的挖掘方法、装置、设备及计算机可读存储介质 |
CN112418978A (zh) * | 2020-11-17 | 2021-02-26 | 中国平安财产保险股份有限公司 | 产品推荐方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188135B (zh) | 文件生成方法及设备 | |
CN108415998B (zh) | 应用依赖关系更新方法、终端、设备及存储介质 | |
CN111722984A (zh) | 告警数据处理方法、装置、设备及计算机存储介质 | |
CN109460398B (zh) | 时间序列数据的补全方法、装置及电子设备 | |
CN112115313B (zh) | 正则表达式的生成、数据提取方法、装置、设备及介质 | |
CN111694733A (zh) | 一种软件开发工具包sdk的api测试方法以及测试装置 | |
JP2019204246A (ja) | 学習データ作成方法及び学習データ作成装置 | |
CN111679976A (zh) | 一种页面对象的查找方法及装置 | |
US20110321001A1 (en) | Visualization of runtime analysis across dynamic boundaries | |
CN113157766A (zh) | 应用分析方法及装置、电子设备、计算机可读存储介质 | |
CN114611039B (zh) | 异步加载规则的解析方法、装置、存储介质和电子设备 | |
JP2018073223A (ja) | 解析プログラム、解析方法、および解析装置 | |
CN111191087A (zh) | 字符匹配方法、终端设备及计算机可读存储介质 | |
CN115455006A (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
CN115185535A (zh) | 依赖关系显示方法及装置、存储介质及电子设备 | |
CN109886327B (zh) | 一种分布式***中Java数据的处理***及方法 | |
CN114121013A (zh) | 语音控制方法、装置、电子设备及存储介质 | |
CN114048136A (zh) | 测试类型确定方法、装置、服务器、介质及产品 | |
JP6802109B2 (ja) | ソフトウェア仕様分析装置、及びソフトウェア仕様分析方法 | |
CN112883343A (zh) | 一种程序代码的混淆方法及装置 | |
CN112631838B (zh) | 一种NTFS中office文件恢复方法、装置及电子设备 | |
CN115757302B (zh) | 一种数据分析的方法、装置、设备及存储介质 | |
CN112988592B (zh) | 代码检测方法、装置、设备和存储介质 | |
CN113326417B (zh) | 用于更新网页库的方法和装置 | |
JP2018181121A (ja) | 分析装置、分析プログラム及び分析方法 |
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 |