[发明专利]应用程序管控方法、装置、介质及电子设备

说明书

技术领域

本申请涉及电子设备终端领域，具体涉及一种应用程序管控方法、装置、介质及电子设备。

背景技术

终端用户每天会使用大量应用，通常一个应用被推到后台后，如果及时不清理会占用宝贵的系统内存资源，并且会影响系统功耗。因此，有必要提供一种应用程序管控方法、装置、介质及电子设备。

发明内容

本申请实施例提供一种应用程序管控方法、装置、介质及电子设备，以智能关闭应用程序。

本申请实施例提供一种应用程序管控方法，应用于电子设备，所述应用程序管控方法包括以下步骤：

获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述应用程序多个维度的历史特征信息x_i；

采用反向传播(Back Propagation，BP)神经网络算法对样本向量集进行计算，生成训练模型；

当应用程序进入后台，将所述应用程序的当前特征信息s输入所述训练模型进行计算；以及

判断所述应用程序是否需要关闭。

本申请实施例还提供一种应用程序管控方法装置，所述装置包括：

获取模块，用于获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述应用程序多个维度的历史特征信息x_i；

生成模块，用于采用BP神经网络算法对样本向量集进行计算，生成训练模型；

计算模块，用于当应用程序进入后台，将所述应用程序的当前特征信息s输入所述训练模型进行计算；以及

判断模块，用于判断所述应用程序是否需要关闭。

本申请实施例还提供一种介质，所述介质中存储有多条指令，所述指令适于由处理器加载以执行上述的应用程序管控方法。

本申请实施例还提供一种电子设备，所述电子设备包括处理器和存储器，所述电子设备与所述存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于执行以下步骤：

获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述应用程序多个维度的历史特征信息x_i；

采用BP神经网络算法对样本向量集进行计算，生成训练模型；

当应用程序进入后台，将所述应用程序的当前特征信息s输入所述训练模型进行计算；以及

判断所述应用程序是否需要关闭。

本申请所提供的应用程序管控方法、装置、介质及电子设备，通过获取历史特征信息x_i，采用BP神经网络算法生成训练模型，当检测应用程序进入后台时，从而将应用程序的当前特征信息s带入训练模型，进而判断所述应用程序是否需要关闭，智能关闭应用程序。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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为本申请实施例提供的应用程序管控装置的一种系统示意图。

图2为本申请实施例提供的应用程序管控装置的应用场景示意图。

图3为本申请实施例提供的应用程序管控方法的一种流程示意图。

图4为本申请实施例提供的应用程序管控方法的另一种流程示意图。

图5为本申请实施例提供的装置的一种结构示意图。

图6为本申请实施例提供的装置的另一种结构示意图。

图7为本申请实施例提供的电子设备的一种结构示意图。

图8为本申请实施例提供的电子设备的另一种结构示意图。

具体实施例

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，本领域技术人员在没有作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。