[发明专利]应用管理方法和装置、电子设备、计算机存储介质

说明书

本发明实施例公开了一种应用管理方法和装置、电子设备、计算机存储介质，其中，方法包括：获取操作系统中的应用运行信息；对所述应用运行信息基于时间采样获得后台应用的标签和对应所述后台应用的多维度特征；所述多维度特征为基于时间采样的多次运行状态采样得到的特征；利用神经网络，基于获取的多维度特征预测所述操作系统中的所述后台应用是否可被清理，获得预测结果；根据所述预测结果，对所述操作系统中可被清理的后台应用进行清理。本发明实施例提供的方法，根据预测结果可判断哪些后台应用可被清理，有效降低误杀率，提高召回率，提供更好的用户体验。

技术领域

本发明涉及内存管理技术，尤其是一种应用管理方法和装置、电子设备、计算机存储介质。

背景技术

终端设备操作系统的反应速度快慢、耗电快慢、续航长短等问题与操作系统的内存管理和应用管理机制密切相关。

操作系统通常将运行中的进程分为7类：前台进程、可见进程、主要服务、次要服务、后台进程、内容供应节点和空进程。其中，服务类进程包括主要服务进程和次要服务进程，会自启动，可在后台持续运行。其中，主要服务如电话、系统底层服务等，次要服务如推送、系统桌面等。普通的应用程序退出后，通常不会被马上清理，其运行的数据将以缓存的形式保存在内存里，以方便下次能快速地打开这个应用程序。在后台的应用程序不会消耗终端设备中的CPU资源，但是会占用操作系统内存、消耗终端设备的电量。因此，如果有大量后台进程一直维持运行的状态，会影响终端设备用户的正常和流畅使用。

发明内容

本发明实施例提供一种应用管理技术。

本发明实施例提供的一种应用管理方法，包括：

获取操作系统中的应用运行信息；

对所述应用运行信息基于时间采样获得后台应用的标签和对应所述后台应用的多维度特征；所述多维度特征为基于时间采样的多次运行状态采样得到的特征；

利用神经网络，基于获取的多维度特征预测所述操作系统中的所述后台应用是否可被清理，获得预测结果；

根据所述预测结果，对所述操作系统中可被清理的后台应用进行清理。

在基于本发明上述方法的另一个实施例中，所述获取操作系统中的应用运行信息，包括：

读取操作系统中的日志文件；

从所述日志文件中提取操作系统中各个应用对应的应用运行信息。

在基于本发明上述方法的另一个实施例中，所述应用运行信息包括以下任意一项或多项：应用相关信息、多应用之间的关系信息和终端设备相关信息。

在基于本发明上述方法的另一个实施例中，所述应用相关事件包括以下任意一项或多项：应用切换到后台时长信息、应用使用时长信息、应用使用次数信息、应用所属类别信息和应用切换方式信息。

在基于本发明上述方法的另一个实施例中，所述多应用之间的关系信息包括以下任意一项或多项：应用与前台应用的相关性信息、前一个应用与前台应用的相关性信息和应用与前一个应用的相关性信息；所述前一个应用为在应用之前启动的最后一个应用。

在基于本发明上述方法的另一个实施例中，所述终端设备相关信息包括以下任意一项或多项：黑屏时长信息、黑屏占比信息、终端设备电池信息和终端设备网络信息。

在基于本发明上述方法的另一个实施例中，所述神经网络包括多层神经网络或随机森林网络。

在基于本发明上述方法的另一个实施例中，所述利用神经网络，基于获得的多维度特征预测所述操作系统中的所述后台应用是否可被清理，包括：

利用神经网络基于所述获得的多维度特征输出所述后台应用对应分类的概率向量；根据概率向量中的概率值判断所述后台应用是否可被清理。