[发明专利]一种基于View树的应用场景识别方法

说明书

一种基于View树的应用场景识别方法，包括：获取设备当前显示界面的View树，收集View树并进行场景标注，以形成多场景View树数据集；构建神经网络模型；使用所述多场景View树数据集对所述神经网络模型进行训练；使用训练完毕的神经网络模型对设备中的应用场景进行识别。本发明的方法能够准确、离线、实时和可靠地对设备当前的应用场景进行识别。

技术领域

本发明涉及应用场景识别技术，特别涉及一种基于View树的应用场景识别方法。

背景技术

安卓设备已成为大众日常生活中广泛使用的智能终端设备。一方面移动互联网生态使得安卓应用在设计和功能上均十分相似；另一方面纵使安卓应用数量众多，用户们在安卓设备上的应用场景是比较主流和统一的(诸如短视频、长视频、直播、购物和聊天等等)。这为在安卓设备上进行统一可用的应用场景识别提供可能，而一个准确高效的应用场景识别框架能够为安卓设备上的分场景低功耗、分场景个性化服务和流量管理等优化目标提供巨大便利和新思路。

现有的技术中，能起到类似作用的有网络流量识别技术。但现有的网络流量识别技术往往由于加密流、动态端口、使用IP或端口等端侧信息以及未考虑未知应用等原因导致可用性欠佳。更重要的是现有网络流量识别技术均采取“单应用单场景”的定义，即只把单个安卓应用作为单个使用场景看待，不切合当前安卓应用“单应用多场景”的复杂性，这进一步使可靠性下降。

发明内容

本发明的目的是提供一种基于View树的应用场景识别方法，包括：获取设备当前显示界面的View树，收集View树并进行场景标注，以形成多场景View树数据集；构建神经网络模型；使用所述多场景View树数据集对所述神经网络模型进行训练；使用训练完毕的神经网络模型对设备中的应用场景进行识别。

在一个实施方式中，本发明通过带深度标志位的遍历View树方式并利用足够数量的安卓应用构建一个单应用多场景View树数据集，使用“重构树”或“重构图”的方式对View树数据集进行预处理，构建和预处理方式对应的树形递归神经网络模型或卷积神经网络模型，并训练得到完善的模型部署至安卓设备，安卓设备直接对View树预处理并通过部署模型得到应用场景识别结果。

本发明通过数据驱动的方式得到一个训练完善的模型，将该模型部署至安卓设备即可准确、离线、实时和可靠地对设备当前的应用场景进行识别。为安卓设备上的分场景低功耗、分场景个性化服务和流量管理等后续优化目标提供了巨大便利和新思路。

与现有技术相比，本发明的有益效果包括：

1.使用安卓设备上的View树作为信息源，因此可以在端侧离线进行应用场景识别，适合离线环境或是不适宜使用流量分析的环境。此外，这是第一次使用该数据源来进行应用场景识别的方法。

2.适应了现代安卓应用“单应用多场景”的复杂性，可以准确实时地进行应用场景的识别而非仅仅是安卓应用类型识别。

3.相较现有技术，本发明面对未知安卓应用时的应用场景识别能力依旧优秀，因此落地时的可用性和可靠性良好。

附图说明

为了更容易理解本发明，将通过参照附图中示出的具体实施方式更详细地描述本发明。这些附图只描绘了本发明的典型实施方式，不应认为对本发明保护范围的限制。

图1为本发明方法的一个实施方式的流程图。

图2为View树结构示意图。

图3是数据预处理步骤中的“重构树”预处理方式示意图。

图4是Child-Sum Tree-LSTMs模型结构及其前向计算规则示意图。

图5为本发明方法的另一个实施方式的流程图。

图6是数据预处理步骤中的“重构图”预处理方式示意图。