基于用户行为分析的智能终端应用管理优化
随着智能终端的普及,涌现了多种多样的应用程序以满足用户需求.现有智能终端系统普遍使用基于LRU算法的Task killing机制管理后台应用程序,LRU算法只考虑了应用最近的使用情况,没有考虑用户使用习惯,可能导致后台应用程序被错误地终止,当用户切换回该应用程序时,会带来应用启动延迟增加、能耗增加、状态丢失等问题.本文设计并实现了一种基于贝叶斯网络的应用管理方法BNLP,并在Android移动终端上验证.该方法通过分析用户使用行为,预测后台应用程序即将被启动的概率,并据此进行应用管理.在LiveLab数据集上的实验表明,本文提出的BNLP模型相比于LRU算法应用程序重启率降低了17.2%,从而降低了延迟和能耗、提升了用户体验.
用户行为分析、智能终端、应用管理、贝叶斯网络
25
TP3;TN9
国家自然科学基金61432001,91218302,61402451
2016-12-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
120-128