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.     

基于上下文相关的未知实体词识别方法

现有的未知实体词识别方法主要针对人名、地名、机构名等具有特定结构的实体词进行识别,而随着电子商务和社交网络的快速发展,出现了大量结构不确定的专有领域未知实体词。针对该问题,提出两种基于上下文相关的未知词识别算法,通过计算词（字）和词（字）之间的上下文相关性,得到其潜在组合的支持度,并通过过滤模块过滤掉错误的组合,实现具有非确定型结构的未知实体词识别。实验表明,该算法具有较高的准确率,并且可以通过调整参数适应不同的应用场景。