[发明专利]应用界面显示控制方法、装置及存储介质和移动终端

权利要求书

1.一种应用界面显示控制方法，其特征在于，包括：

在检测到应用程序开启事件被触发时，获取应用标识及终端状态；

将所述应用标识及终端状态输入至预设界面显示预测模型，得到待显示界面，所述预设界面显示预测模型由历史界面显示记录基于机器学习方法训练生成；

将所述待显示界面按照设定显示规则进行显示；

所述应用程序开启事件包括用户点击应用程序图标事件、用户从后台开启应用程序的事件和检测到满足预测条件中的至少一种，所述预测条件用于对应用程序的开启进行预测；

所述待显示界面为多个，所述待显示界面为应用界面，多个待显示界面对应一个或多个功能，所述将所述待显示界面按照设定显示规则进行显示包括：

将所述多个待显示界面以缩略图的形式在所述应用程序下并排显示；

所述终端状态包括系统时间、网络状态、充电状态和位置状态，在获取应用标识及终端状态之后还包括：

根据预设匹配规则匹配应用标识的应用编号；

根据所述系统时间区分工作日和休息日，分别为工作日和休息日赋予不同日期编号；

根据所述系统时间所属的时间段确定时间编号，其中，对自然日内预设第二时间区间进行均分得到所述时间段，所述时间段与时间编号关联存储；

根据所述网络状态判断移动终端是否接入无线网络，根据判断结果确定网络编号；

根据所述充电状态判断移动终端是否正在充电，根据判断结果确定充电编号；

根据所述位置状态所属的位置区域确定位置编号；

所述将所述应用标识及终端状态输入至预设界面显示预测模型，得到待显示界面包括：

将所述应用编号、日期编号、时间编号、网络编号、充电编号和位置编号输入至预设界面显示预测模型，得到待显示界面的界面编号；

根据所述待显示界面的界面编号，获取相应的待显示界面。

2.根据权利要求1所述的方法，其特征在于，所述机器学习方法包括：神经网络方法、支持向量机方法、决策树方法、逻辑回归方法和贝叶斯方法。

3.根据权利要求1所述的方法，其特征在于，所述机器学习方法包括神经网络方法，所述神经网络方法包括输入层、隐藏层和输出层，所述方法还包括：

获取历史界面显示记录作为训练样本；

将所述历史界面显示记录中的应用标识及终端状态输入至所述输入层，并经过与所述隐藏层各节点对应的激活函数的计算，输出预测待显示界面；

利用所述预测待显示界面与历史操作记录中的实际显示界面之间的差值，以及优化算法对所述激活函数中的权重进行反复修正，直至所述预测待显示界面与所述实际显示界面之间的差值在预设误差范围内，得到训练完成的各个节点的激活函数，生成预设界面显示预测模型。

4.根据权利要求1所述的方法，其特征在于，所述机器学习方法包括贝叶斯方法，所述将所述应用标识及终端状态输入至预设界面显示预测模型，得到待显示界面包括：

将所述应用标识及终端状态输入至预设界面显示预测模型，得到所述预设界面显示预测模型输出的参考显示界面，所述参考显示界面为按照待显示概率进行降序排列，得到的排在前设定个数的待显示界面。