基于用户行为习惯的APP使用预测及应用
发布时间：2021-09-17 05:02
近年来,智能手机的普及带动了移动应用程序的爆炸式增长。大量安装在手机中的应用程序不但增加了用户查找应用的时间和难度,而且未被及时关闭的后台应用程序占据着手机内存资源,容易导致手机运行不流畅、卡顿等现象,严重影响用户体验。针对以上问题,提出了基于用户行为习惯的手机APP管理优化方案,具体研究内容如下:1.传统的APP使用预测算法忽略了APP序列之间的关系,也没有将用户对APP的喜爱程度考虑在内,使得预测算法准确率较低。为此,提出一种基于加权PrefixSpan序列模式挖掘（Weighted PrefixSpan Sequence Pattern Mining,WPSPM）的APP使用预测算法。一方面,为了提高PrefixSpan算法的模式匹配效率,所提算法将AC自动机（Aho-Corasick Automaton）融入序列的搜索流程,提出改进的PrefixSpan序列模式挖掘算法;另一方面,所提算法将用户对每个APP的喜爱程度加入PrefixSpan改进算法的序列模式挖掘过程中,挖掘得到更加符合用户行为习惯的APP序列模式,并采用APP序列模式预测用户将要使用的下一个APP。仿真结果表明...
【文章来源】：重庆邮电大学重庆市
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
UsageRecord数据采集软件界面
第 4 章 基于 BNMC 混合模型的 APP 使用预测算法智能管理软件主要由 APP 使用记录显示模块、APP 预启动模块、后台应用程序清理和数据库模块组成。图 4.5 为智能管理软件整体框架设计，软件采用保活机制运行于手机后台，实时监控当前应用程序的运行。下图 4.6 为 APP 使用记录显示模块的可视化界面。
图 4.7 预启动模块和后台清理模块可视化界面4.4.2 APP 使用记录显示模块方案设计整个 APP 使用记录显示模块主要分为两个部分，一部分是 APP 使用记录的存储，另一部分是 APP 使用记录的可视化部分。(1) APP 使用记录的存储主要包括当前前台 APP 的获取和数据库的存储。首先，本文采用 UsageStatsManager 类的 queryUsageStats()方法，获取最近使用的第一个应用程序，就是当前前台应用程序。通过UsageStatsManager类获取APP包名、APP 最后一次启动时间戳、应用在前台的时间等信息；其次采用 getLocation()方法获取用户使用 APP 位置信息；然后创建应用程序使用记录 UsageRecord 对象，将用户使用 APP 位置信息与包名等信息按时间进行拼接，并对拼接后的信息进行对象封装；最后，将已封装的 UsageRecord 对象存储到 SQLite 数据库表中。
本文编号：3398019
【文章来源】：重庆邮电大学重庆市
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
UsageRecord数据采集软件界面
第 4 章 基于 BNMC 混合模型的 APP 使用预测算法智能管理软件主要由 APP 使用记录显示模块、APP 预启动模块、后台应用程序清理和数据库模块组成。图 4.5 为智能管理软件整体框架设计，软件采用保活机制运行于手机后台，实时监控当前应用程序的运行。下图 4.6 为 APP 使用记录显示模块的可视化界面。
图 4.7 预启动模块和后台清理模块可视化界面4.4.2 APP 使用记录显示模块方案设计整个 APP 使用记录显示模块主要分为两个部分，一部分是 APP 使用记录的存储，另一部分是 APP 使用记录的可视化部分。(1) APP 使用记录的存储主要包括当前前台 APP 的获取和数据库的存储。首先，本文采用 UsageStatsManager 类的 queryUsageStats()方法，获取最近使用的第一个应用程序，就是当前前台应用程序。通过UsageStatsManager类获取APP包名、APP 最后一次启动时间戳、应用在前台的时间等信息；其次采用 getLocation()方法获取用户使用 APP 位置信息；然后创建应用程序使用记录 UsageRecord 对象，将用户使用 APP 位置信息与包名等信息按时间进行拼接，并对拼接后的信息进行对象封装；最后，将已封装的 UsageRecord 对象存储到 SQLite 数据库表中。
本文编号：3398019
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3398019.html
