CN111158699A - 基于Apriori算法的应用优化方法、装置和智能设备 - Google Patents

Abstract

本申请涉及软件应用技术领域，公开一种基于Apriori算法的应用优化方法。该基于Apriori算法的应用优化方法包括：根据应用中各功能模块的使用记录获得各功能模块的关联规则，依据关联规则对各功能模块进行布局。采用该基于Apriori算法的应用优化方法可使布局设计灵活多变，满足用户的使用习惯。本申请还公开一种用于应用中功能布局的装置和智能设备。

Description

基于Apriori算法的应用优化方法、装置和智能设备

技术领域

本申请涉及软件应用技术领域，例如涉及一种基于Apriori算法的应用优化方法、装置和智能设备。

背景技术

目前，手机或平板电脑等电子设备上的应用包含功能越来越多。对于应用中各功能入口的布局一般由设计人员根据常识定义，这些布局并不能方便所有的用户使用，针对应用布局优化，都是采用根据使用频率单一指标来为功能入口排序，例如根据所有用户功能使用频次机械的把使用频次高的入口排列到首页。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

应用中对于功能模块的布局设计不够灵活，不能满足用户的使用习惯。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种基于Apriori算法的应用优化方法、装置和智能设备，以解决现有应用中的功能布局不能满足用户的使用习惯的技术问题。

在一些实施例中，基于Apriori算法的应用优化方法包括：

根据应用中各功能模块的使用记录获得各功能模块的关联规则；

依据所述关联规则对各功能模块进行布局。

在一些实施例中，基于Apriori算法的应用优化装置包括：

获得模块，被配置为根据应用中各功能模块的使用记录获得应用中各功能模块的关联规则；

布局模块，被配置为依据所述关联规则对应用中各功能模块进行布局。

在一些实施例中，基于Apriori算法的应用优化装置包括：处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行前述实施例提供的基于Apriori算法的应用优化方法。

在一些实施例中，智能设备包括前述实施例提供的基于Apriori算法的应用优化装置。

本公开实施例提供的基于Apriori算法的应用优化方法、装置和智能设备，可以实现以下技术效果：

获得各功能模块之间的关联规则，并依据该关联规则对功能模块进行布局，不同的功能模块，与其他的功能模块之间的关联规则不同，那么，在用户使用不同的功能模块时，可体验不同的布局设计，使得布局设计灵活多变，满足用户的使用习惯。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或一个以上实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，并且其中：

图1是本公开实施例提供的一种基于Apriori算法的应用优化方法的示意图；

图2是本公开实施例提供的一种计算置信度的示意图；

图3是本公开实施例提供的一种确定频繁子集的示意图；

图4是本公开实施例提供的一种确定频繁子集的示意图；

图5是本公开实施例提供的一种计算置信度的示意图；

图6是本公开实施例提供的一种基于Apriori算法的应用优化装置的示意图；

图7是本公开实施例提供的一种基于Apriori算法的应用优化装置的示意图；

图8是本公开实施例提供的一种基于Apriori算法的应用优化装置的示意图；

图9是本公开实施例提供的一种基于Apriori算法的应用优化装置的示意图。

具体实施方式

为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或一个以上实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

除非另有说明，术语“多个”表示两个或两个以上。

在本公开实施例中，基于Apriori算法的应用优化方法实质上是对一种应用中功能模块布局的方法，以解决现有应用中的功能布局不能满足用户的使用习惯的技术问题。

如图1所示，是本公开实施例提供的一种基于Apriori算法的应用优化方法，该方法包括：

S101、根据应用中各功能模块的使用记录获得各功能模块的关联规则。

其中，各功能模块的关联规则，指的是功能模块与功能模块之间的关联规则，可以是功能模块的功能具有逻辑上的配合关系，例如，一个功能模块用于定飞机票，另一个功能模块用于订酒店或提供接机服务，则这个两个功能模块的功能具有逻辑上的配合关系；还可以是依据用户的使用习惯而形成的关联规则，例如，用户每次使用空调时，均使用手动设置温度的功能模块和手动调节出风方向的功能模块，则该两个功能模块之间具有比较强的关联规则，而自动调节出风方向的功能模块，与前述两个功能模块之间没有比较强的关联规则。

上述使用记录是历史使用记录，其中记录有用户每次打开应用后，用户所使用的全部功能模块。使用记录将每次打开应用后使用的全部功能模块，记为一个功能集合。使用记录包括的功能集合的数量，即为用户曾经使用该应用的次数。

为了应用中各功能模块的使用记录，可在每个功能模块的入口处埋点，每次用户打开应用后，即可采集在本次应用被打开后，被使用的全部功能模块。

S102、依据关联规则对各功能模块进行布局。

在本次用户打开应用后，应用获得前述关联规则，并依据关联规则对具有关联规则的各功能模块进行布局。获得各功能模块之间的关联规则，并依据该关联规则对功能模块进行布局，不同的功能模块，与其他的功能模块之间的关联规则不同，那么，在用户使用不同的功能模块时，可体验不同的布局设计，使得布局设计灵活多变，满足用户的使用习惯，为用户本次使用应用，提供了较佳的体验。

可选地，使用记录中记录每次打开应用后被使用的全部功能模块；根据应用中各功能模块的使用记录获得各功能模块的关联规则，包括：根据两次或多次打开应用后被使用的全部功能模块，计算第一组功能模块被使用时，第二组功能模块同时被使用的置信度。其中，第一组功能模块包括一个或多个功能模块，第二组功能模块包括一个或多个功能模块。在本公开实施例中，置信度指的是第一组功能模块被使用时，第二组功能模块也被使用的概率。通过上述方式计算出在第一组功能模块被使用时，第二组功能模块同时被使用的置信度，即可获得第一组功能模块与第二组功能模块之间的关联规则。在第一组功能模块被使用时，第二组功能模块同时被使用的置信度越高，那么，第二组功能模块与第一组功能模块的关联规则越强；反之，在第一组功能模块被使用时，第二功能模块同时被使用的置信度越低，那么，第二组功能模块与第一组功能模块的关联规则越弱。

如图2所示，是本公开实施例提供的一种用于根据两次或多次打开应用后被使用的全部功能模块，计算第一组功能模块被使用时，第二组功能模块同时被使用的置信度的方法。其中，使用记录中将每次打开应用后使用的全部功能模块记为一个功能集合；根据两次或多次打开应用后被使用的全部功能模块，计算第一组功能模块被使用时，第二组功能模块同时被使用的置信度，包括：

S201、在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集。

其中，频繁子集是由功能模块构成的集合，若一个功能集合包括频繁子集，则该功能集合支持频繁子集；若一个功能集合中不包括该频繁子集，则该功能集合不支持频繁子集。前述支持度，可以具体数量来表示，例如含有频繁子集的功能集合的数量；还可以用百分比来表示，例如还有频繁子集的功能集合在全部功能集合中的占比。

在一些应用场景中，对于一个包括20个功能模块的应用，使用记录包括前9次的使用情况，且用具体数量表示支持度时，支持度阈值可以是2、3或4。

对于一个由一定数量的功能模块构成的集合，存在一定数量或一定比例的功能集合支持该集合，若一定数量小于支持度阈值，或者，一定比例低于支持度阈值，则该集合不是频繁子集；若还存在任一集合，该集合包括的功能模块比前述一定数量多，且该集合的支持度大于或等于支持度阈值，则前述由一定数量的功能模块构成的集合不是频繁子集；若任一集合包括的功能模块的数量大于前述一定数量，且该其他集合支持度低于支持度阈值，则前述由一定数量的功能模块构成的集合是频繁子集。

S202、将频繁子集中的功能集合划分为第一组功能模块和第二组功能模块。

其中，频繁子集中包括的功能模块的数量大于或等于2，由第一组功能模块构成的集合和由第二组功能模块构成的集合互为绝对补集。第一组功能模块包括一个或多个功能模块，第二组功能模块包括一个或多个功能模块。例如，一个频繁子集中包括四个功能模块，在第一组功能模块包括一个功能模块时，第二组功能模块包括三个功能模块；在第一组功能模块包括两个功能模块时，第二组功能模块包括两个功能模块；在第一组功能模块包括三个功能模块时，第二组功能模块包括一个功能模块。

S203、计算第一组功能模块被使用时，第二组功能模块被使用的置信度。

通过上述步骤即可获得第一组功能模块和第二功能模块之间的关联规则，且，该关联规则以第一组功能模块被使用时，第二组功能模块被使用的置信度来表示。

如图3所示，是本公开实施例提供的在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集的方法，包括：

S301、在所有包括k个功能模块的第一集合中，筛选出支持度大于或等于支持度阈值的一个或多个第一频繁集合。

S302、基于所有第一频繁集合，获得一个或多个包括k+1个功能模块的第二集合，其中，第二集合的所有包括k个功能模块的子集均为第一频繁集合；

其中，k为正整数。

在k为1时，是第一次迭代过程，在k为2时，是第二次迭代过程，以此类推，在经过k次迭代后，即可获得元素最多且支持度大于或等于支持度阈值的频繁子集。

在一些应用场景中，对于一个包括A功能～T功能的应用，使用记录中包括用户前9次的使用情况，也即，使用记录中包括9个功能集合。其使用记录如表1所示。

表1各功能模块的使用记录

功能集合序号	功能模块
		1	{A，B，R}
2	{B，M}
		3	{B，K}
4	{A，B，M}
		5	{A，K}
6	{B，K}
		7	{A，K}
8	{A，B，K，R}
		9	{A，B，K}

在该应用场景中，以具体数量表示支持度阈值，且支持度阈值为2。在k为1时，所以第一集合以及支持度如表2所示。

表2k＝1时，第一集合及其支持度

第一集合	支持度
		{A}	6
{B}	7
		{K}	6
{M}	2
		{R}	2

可见，上述所有第一集合均为第一频繁集合。依据上述所有第一频繁集合，获得的第二集合及其支持度如表3所示。

表3k＝1时，第二集合及其支持度

第二集合	支持度
		{A，B}	4
{A，K}	4
		{A，M}	1
{A，R}	2
		{B，K}	4
{B，M}	2
		{B，R}	2
{K，M}	0
		{K，R}	1
{M，R}	0

此时完成第一次迭代过程。在k＝2时，进行第二次迭代。此时第一集合及其支持度如表4所示。

表4k＝2时，第一集合及其支持度

第一集合	支持度
		{A，B}	4
{A，K}	4
		{A，M}	1
{A，R}	2
		{B，K}	4
{B，M}	2
		{B，R}	2
{K，M}	0
		{K，R}	1
{M，R}	0

支持度阈值为2，筛选出的第一频繁集合如表5所示。

表5k＝2时，第一频繁集合及其支持度

第一频繁集合	支持度
		{A，B}	4
{A，K}	4
		{A，R}	2
{B，K}	4
		{B，M}	2
{B，R}	2

依据上述所有第一频繁集合，获得的第二集合及其支持度如表6所示。

表6k＝2时，第二集合及其支持度

第二集合	支持度
		{A，B，K}	2
{A，B，R}	2
		{A，K，R}	0
{B，K，M}	0
		{B，K，R}	0
{B，M，R}	0

此时，完成第二次迭代。在k＝3时，进行第三次迭代。此时第一集合及其支持度如表7所示。

表7k＝3时，第一集合及其支持度

第一集合	支持度
		{A，B，K}	2
{A，B，R}	2
		{A，K，R}	0
{B，K，M}	0
		{B，K，R}	0
{B，M，R}	0

支持度阈值为2，筛选出的第一频繁集合及其支持度如表8所示。

表8k＝3时，第一频繁集合及其支持度

第一频繁集合	支持度
		{A，B，K}	2
{A，B，R}	2

依据上述所有的第一频繁集合，获得的第二集合为空集。

此时完成第三次迭代。

如图4所示，是本公开实施例提供的在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集的方法，其中，在图3中的提供的步骤的基础上，该方法还包括：

S401、在所有包括k+1个功能模块的第二集合中，筛选出支持度大于或等于支持度阈值第二频繁集合；

S402、在第二频繁集合的数量为零时，确定第一频繁集合为频繁子集。

上述步骤给出了确定一个频繁集合为频繁子集的方式。也即，在前述迭代过程中，当遇到步骤S402中的情况时，停止迭代过程，获得频繁子集。

在一些应用场景中，各功能模块的使用记录如表1所示，支持度阈值为2，在k＝3时，获得的第二集合为空集，显然此时第二频繁集合的数量为零，此时，第一频繁集合为{A，B，K}和{A，B，R}，故，频繁子集为{A，B，K}和{A，B，R}。

如图5所示，是本公开实施例提供的计算第一组功能模块被使用时，第二组功能模块被使用的置信度的方法，该方法包括：

S501、统计支持频繁子集的功能集合的数量，记为第一数量；

S502、统计包含第一组功能模块的功能集合的数量，记为第二数量；

S503、计算第一数量除以第二数量的商，获得置信度。

通过上述步骤即可获得在第一组功能模块被使用时，第二组功能模块被使用的准确的置信度，进而可以更合理的对第二组功能模块进行布局，使得用户具有较佳的使用体验。

在一些应用场景中，使用记录如表1所示，支持度阈值为2，则频繁子集为{A，B，K}和{A，B，R}。以频繁子集为{A，B，R}为例，第一组功能模块和第二组功能模块包括以下六种方式：

方式一、第一组功能模块包括A，第二组功能模块包括B和R；

方式二、第一组功能模块包括B，第二组功能模块包括A和R；

方式三、第一组功能模块包括R，第二组功能模块包括A和B；

方式四、第一组功能模块包括A和B，第二组功能模块包括R；

方式五、第一组功能模块包括A和R，第二组功能模块包括B；

方式六、第一组功能模块包括B和R，第二组功能模块包括A。

在频繁子集为{A，B，R}时，第一数量为2。

在通过方式一划分第一组功能模块和第二组功能模块时，第二数量为6，则置信度为：2/6＝33％；

在通过方式二划分第一组功能模块和第二组功能模块时，第二数量为7，则置信度为：2/7＝29％；

在通过方式三划分第一组功能模块和第二组功能模块时，第二数量为2，则置信度为：2/2＝100％；

在通过方式四划分第一组功能模块和第二组功能模块时，第二数量为4，则置信度为：2/4＝50％；

在通过方式五划分第一组功能模块和第二组功能模块时，第二数量为2，则置信度为：2/2＝100％；

在通过方式六划分第一组功能模块和第二组功能模块时，第二数量为2，则置信度为：2/2＝100％。

可选地，依据关联规则对各功能模块进行布局，包括：依据关联规则对各功能模块进行排序布局，例如，在置信度大于或等于置信度阈值时，将第二组功能模块排在第一组功能模块之后，其中，第一组功能模块的使用频率最高，第二组功能模块的使用频率非次高，第一组功能模块和第一组功能模块之间不存在其他功能模块；或者，在一个或多个功能模块被使用时，依据关联规则向用户推荐与一个或多个功能模块相对应的其他功能模块，例如，在置信度大于或等于置信度阈值，且在第一组功能模块被使用时，向用户推荐第二组功能模块。这样，即可依据关联规则对功能模块进行布局，使得对各应用模块的布局符合用户的使用习惯，用户可获得较佳的使用体验。

可选地，置信度阈值为50％、60％、70％或80％。

在一些应用场景中，使用记录如表1所示，支持度阈值为2，置信度阈值为60％，以频繁子集{A，B，R}为例。第一种情况，第一组功能模块包括R，第二组功能模块包括A和B，置信度为100％，若R的使用频率最高，且A和B的使用频率非次高，则将A和B排在R之后，R、A和B之间不存在其他功能模块，或者，在用户使用R后，向用户推荐A和B；第二种情况，第一组功能模块包括A和R，第二组功能模块包括B，置信度为100％，若A和R使用频率均最高，且B的使用频率非次高，则将B排在A和R之后，且，A、R和B之间不存在其他功能模块，或者，在用户使用A和R后，向用户推荐B；第三种情况，第一组功能模块包括B和R，第二组功能模块包括A，置信度为100％，若B和R的使用频率均最高，且A的使用频率非次高，则将A排在B和R之后，且B、R和A之间不存在其他功能模块，或者，在用户使用B和R后，向用户推荐A。

如图6所示，是本公开实施例提供的一种基于Apriori算法的应用优化装置，该装置包括：

获得模块61，被配置为根据应用中各功能模块的使用记录获得应用中各功能模块的关联规则；

布局模块62，被配置为依据关联规则对应用中各功能模块进行布局。

在本公开实施例中，基于Apriori算法的应用优化装置实质上是对一种应用中功能模块布局的装置，以解决现有应用中的功能布局不能满足用户的使用习惯的技术问题。

可选地，使用记录中记录每次打开应用后被使用的全部功能模块；在此基础上，获得模块61被具体配置为根据两次或多次打开应用后被使用的全部功能模块，计算第一组功能模块被使用时，第二组功能模块同时被使用的置信度。

如图7所示，是本公开实施例提供的一种基于Apriori算法的应用优化装置，其中，使用记录中将每次打开应用后使用的全部功能模块记为一个功能集合，获得模块61包括确定单元71、划分单元72和计算单元73，确定单元71被配置为在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集；划分单元72被配置为将频繁子集中的功能集合划分为第一组功能模块和第二组功能模块；计算单元73被配置为计算第一组功能模块被使用时，第二组功能模块被使用的置信度。

可选地，确定单元71被具体配置为：在所有包括k个功能模块的第一集合中，筛选出支持度大于或等于支持度阈值的一个或多个第一频繁集合；基于所有第一频繁集合，获得一个或多个包括k+1个功能模块的第二集合，其中，第二集合的所有包括k个功能模块的子集均为第一频繁集合；其中，k为正整数。

可选地，确定单元71还被配置为：在所有包括k+1个功能模块的第二集合中，筛选出支持度大于或等于支持度阈值第二频繁集合；在第二频繁集合的数量为零时，确定第一频繁集合为频繁子集。

可选地，计算单元73被具体配置为：统计支持频繁子集的功能集合的数量，记为第一数量；统计包含第一组功能模块的功能集合的数量，记为第二数量；计算第一数量除以第二数量的商，获得置信度。

如图8所示，是本公开实施例提供的一种基于Apriori算法的应用优化装置，其中，布局模块62包括排序单元81或者推荐单元82，排序单元81被配置为依据关联规则对各功能模块进行排序布局；推荐单元82被配置为在一个或多个功能模块被使用时，依据关联规则向用户推荐与一个或多个功能模块相对应的其他功能模块。

可选地，排序单元81被具体配置为在置信度大于或等于置信度阈值时，将第二组功能模块排在第一组功能模之后，其中，第一组功能模块的使用频率最高，第二组功能模块的使用频率非次高，第一组功能模块和第二组功能模块之间不存在其他功能模块；或者，推荐单元82被具体配置为在置信度大于或等于置信度阈值，且在第一组功能模块被使用时，向用户推荐第二组功能模块。

在一些实施例中，基于Apriori算法的应用优化装置包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行前述实施例提供的基于Apriori算法的应用优化方法。

如图9所示，是本公开实施例提供的一种基于Apriori算法的应用优化装置。其中，该装置包括：处理器(processor)91和存储器(memory)92，还可以包括通信接口(Communication Interface)93和总线94。其中，处理器91、通信接口93、存储器92可以通过总线94完成相互间的通信。通信接口93可以用于信息传输。处理器91可以调用存储器92中的逻辑指令，以执行前述实施例提供的基于Apriori算法的应用优化方法。

此外，上述的存储器92中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

存储器92作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器91通过运行存储在存储器92中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器92可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器。

本公开实施例提供了一种智能设备，该智能设备包括前述是实力提供的基于Apriori算法的应用优化装置。

本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令设置为执行前述实施例提供的基于Apriori算法的应用优化方法。

本公开实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行前述实施例提供的基于Apriori算法的应用优化方法。

上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。

本公开实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或一个以上指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例中方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机读取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或一个以上用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (11)

1.一种基于Apriori算法的应用优化方法，其特征在于，包括：

根据应用中各功能模块的使用记录获得各功能模块的关联规则；

依据所述关联规则对各功能模块进行布局。

2.根据权利要求1所述的方法，其特征在于，所述使用记录中记录每次打开应用后被使用的全部功能模块；

根据应用中各功能模块的使用记录获得各功能模块的关联规则，包括：

根据两次或多次打开应用后被使用的全部功能模块，计算第一组功能模块被使用时，第二组功能模块同时被使用的置信度。

3.根据权利要求2所述的方法，其特征在于，所述使用记录中将每次打开应用后使用的全部功能模块记为一个功能集合；

根据两次或多次打开应用后被使用的全部功能模块，计算第一组功能模块被使用时，第二组功能模块同时被使用的置信度，包括：

在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集；

将所述频繁子集中的功能集合划分为所述第一组功能模块和所述第二组功能模块；

计算所述第一组功能模块被使用时，第二组功能模块被使用的置信度。

4.根据权利要求3所述的方法，其特征在于，在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集，包括：

在所有包括k个功能模块的第一集合中，筛选出支持度大于或等于支持度阈值的一个或多个第一频繁集合；

基于所有第一频繁集合，获得一个或多个包括k+1个功能模块的第二集合，其中，所述第二集合的所有包括k个功能模块的子集均为第一频繁集合；

其中，k为正整数。

5.根据权利要求4所述的方法，其特征在于，在两个或多个功能集合中，确定元素最多且支持度大于或等于支持度阈值的频繁子集，还包括：

在所有包括k+1个功能模块的第二集合中，筛选出支持度大于或等于支持度阈值第二频繁集合；

在所述第二频繁集合的数量为零时，确定所述第一频繁集合为所述频繁子集。

6.根据权利要求3所述的方法，其特征在于，计算所述第一组功能模块被使用时，第二组功能模块被使用的置信度，包括：

统计支持所述频繁子集的功能集合的数量，记为第一数量；

统计包含所述第一组功能模块的功能集合的数量，记为第二数量；

计算所述第一数量除以所述第二数量的商，获得所述置信度。

7.根据权利要求2至6任一项所述的方法，其特征在于，依据所述关联规则对各功能模块进行布局，包括：

依据所述关联规则对各功能模块进行排序布局；或者，

在一个或多个功能模块被使用时，依据所述关联规则向用户推荐与一个或多个功能模块相对应的其他功能模块。

8.根据权利要求7所述的方法，其特征在于，

在所述置信度大于或等于置信度阈值时，将所述第二组功能模块排在所述第一组功能模块之后，其中，所述第一功能模块被使用的频率最高；或者，

在所述置信度大于或等于置信度阈值，且所述第一组功能模块被使用时，向用户推荐所述第二组功能模块。

9.一种基于Apriori算法的应用优化装置，其特征在于，包括：

获得模块，被配置为根据应用中各功能模块的使用记录获得应用中各功能模块的关联规则；

布局模块，被配置为依据所述关联规则对应用中各功能模块进行布局。

10.一种基于Apriori算法的应用优化装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至8任一项所述的基于Apriori算法的应用优化方法。

11.一种智能设备，其特征在于，包括权利要求9或10所述的基于Apriori算法的应用优化装置。

Images