一种基于移动终端的数据处理方法和装置与流程

本申请涉及移动终端技术领域，特别是涉及一种基于移动终端的数据处理方法和一种基于移动终端的数据处理装置。

背景技术：

随着手机等智能终端的普及以及其功能的多样化，越来越多的用户都使用智能终端，其中不乏有越来越多的儿童也都开始接触智能终端。

儿童可以在移动终端应用程序的各种各样的应用程序，例如，益智游戏，这些益智游戏能够吸引儿童好奇心，启发儿童的求知欲。当然，其中也会包括一些暴力、恐怖的游戏，这些游戏可能会使儿童产生暴力倾向。

目前，大多数移动终端中都不会限制儿童下载应用程序，对于身心发展尚未成熟的儿童，儿童的性格很容易受到各种应用程序的影响。目前，并没有一种方法根据儿童对应用程序的使用情况对儿童的性格进行分析。

技术实现要素：

本申请实施例提供了一种基于移动终端的数据处理方法和相应的一种基于移动终端的数据处理装置，以满足根据儿童对应用程序的使用情况对儿童的性格进行分析的需求。

为了解决上述问题，本申请实施例公开了一种基于移动终端的数据处理方法，其中，所述移动终端具有关联的通信设备，所述的方法包括：

当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

依据所述使用行为信息生成所述用户的行为特征数据；

向所述关联的通信设备发送所述行为特征数据。

同时，本申请实施例还公开了一种基于移动终端的数据处理装置，其中，所述移动终端具有关联的通信设备，所述的装置包括：

使用行为信息获取模块，用于当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

行为特征数据生成模块，用于依据所述使用行为信息生成所述用户的行为特征数据；

行为特征数据发送模块，用于向所述关联的通信设备发送所述行为特征数据。

本申请实施例包括以下优点：

本申请实施例通过收集儿童在移动终端中的对应用程序的使用行为信息，采用儿童的使用行为信息生成关于儿童性格的行为特征数据，以满足根据儿童对应用程序的使用情况对儿童的性格进行分析的需求。同时，本申请实施例，可以将儿童的行为特征数据发送到儿童的父母的移动终端，帮助父母了解儿童的性格特征。

附图说明

图1是本申请的一种基于移动终端的数据处理方法实施例1的步骤流程图；

图2是本申请的一种基于移动终端的数据处理方法实施例2的步骤流程图；

图3是本申请实施例中分析模型生成方法的步骤流程图；

图4是本申请实施例中建立分析模型的步骤流程图；

图5是本申请实施例中生成特征数据的步骤流程图；

图6是本申请实施例中一种计算特征向量的步骤流程图；

图7是本申请实施例中一种计算特征向量的步骤流程图；

图8是本申请的一种基于移动终端的数据处理装置实施例的结构框图；

图9是本申请实施例中一种分析模型生成装置的结构框图；

图10是本申请另一个实施例的移动终端的框图；

图11是本申请另一个实施例的移动终端的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出了本申请的一种基于移动终端的数据处理方法实施例1的步骤流程图，其中所述移动终端具有关联的通信设备，所述的方法具体可以包括如下步骤：

步骤101，当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

用户模式是指移动终端中针对不同类型的用户设置的系统模式。在本审实施例中，特定的用户模式可以是儿童模式；当然，也可以是正常模式、老人模式、访客模式等模式。不同的用户模式，通过移动终端加载不同的主题theme来实现。

使用行为信息可以是针对儿童对移动终端中的应用程序的使用行为的信息。例如，各个应用程序的使用时长，安装的应用程序的类型。

与移动终端关联的通信设备可以是手机、平板电脑、个人数字助理、穿戴设备(如眼镜、手表等)等等，本申请实施例对此不加以限制。

移动终端与通信设备的通信方式可以是通过移动网络通信、通过蓝牙通信等等，本申请实施例对此不加以限制。

步骤102，依据所述使用行为信息生成所述用户的行为特征数据；

行为特征数据可以是反应儿童性格特征的数据。

步骤103，向所述关联的通信设备发送所述行为特征数据。

具体的，关联的通信设备可以是儿童的父母的手机。本申请实施例中，可以将行为特征数据发送到儿童的父母的手机上。

本申请实施例通过收集儿童在移动终端中的对应用程序的使用行为信息，采用儿童的使用行为信息生成关于儿童性格的行为特征数据，以满足根据儿童对应用程序的使用情况对儿童的性格进行分析的需求。同时，本申请实施例，可以将儿童的行为特征数据发送到儿童的父母的移动终端，帮助父母了解儿童的性格特征。

参照图2，示出了本申请的一种基于移动终端的数据处理方法实施例2的步骤流程图，其中所述移动终端具有关联的通信设备，所述的方法具体可以包括如下步骤：

步骤201，当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

步骤202，采用所述使用行为信息，以及预设的分析模型，生成所述行为特征数据；

在本申请实施例中，采用预设的分析模型对儿童的使用行为信息进行分析，从而得到关于儿童性格的行为特征数据。

参照图3，示出了本申请实施例中分析模型生成方法的步骤流程图。

在本申请实施例中，所述分析模型通过如下步骤生成：

步骤301，采用预先获取的多个用户的使用行为信息，进行机器学习模型的训练，建立所述分析模型。

在本申请实施例中，可以将获取的多个移动终端在儿童模型下的使用行为信息作为训练集，该训练集进行机器学习模型的训练以建立所述分析模型。

参照图4，示出了本申请实施例中建立分析模型的步骤流程图；在本申请实施例中，所述步骤301具体可以包括如下子步骤：

子步骤S11，采用预先获取的多个用户的使用行为信息，计算所述多个用户的特征向量；

子步骤S12，采用所述多个用户的特征向量，进行机器学习模型的训练，建立所述分析模型。

特征向量是机器学习模型的训练所需的参数。在本申请实施例中，对每一个用户的移动终端上传的使用行为信息，都生成一个对应的特征向量。

具体地，对歌词进行分类可以表示为T＝f(V)，其中V表示使用行为信息的特征向量，T表示性格类型，f表示分类模型。如果已知f，对任意一个具有特征向量V的行为信息，都可以确定行为信息对应的性格类型。

本申请实施例对机器学习模型的训练的方法不做限定，任何已知的机器学习方法都可以应用在本申请实施例中，例如SVM(support vector machine支持向量机)的机器学习方法。

参照图5，示出了本申请实施例中生成特征数据的步骤流程图；在本申请实施例中，所述步骤202具体可以包括如下子步骤：

子步骤S21，采用所述用户的使用行为信息，计算用户的特征向量；

子步骤S22，将所述用户的特征向量输入所述分析模型，生成行为特征数据。

在使用分析模型时，只要将用户的使用行为信息对应的特征向量输入分析模型，即可以得到行为特征数据。

步骤203，向所述关联的通信设备发送所述行为特征数据。

参照图6，示出了本申请实施例中一种计算特征向量的步骤流程图。在本申请实施例中，所述用户行为信息包括：各个应用程序的使用时长；所述子步骤S11具体可以包括如下子步骤：

子步骤S111，确定各个用户对应的所述各个应用程序的分类；在本申请实施例中，所述应用程序具有一个或多个分类。

本申请实施例中，分析模型的训练主要通过该收集多个儿童在移动终端儿童模式下的各个应用程序的使用时长，进行机器模型的训练得到。

例如，应用程序A属于体育类别、游戏类别；应用程序B属于学习类、自然类。一方面应用程序的类型了反应当前儿童的性格类型，另一方面应用程序的类型也会影响儿童以后的性格类型。因此，在本申请实施例中，可以根据应用程序的分类来进行机器模型的训练。

应用程序的分类可以由后台服务器来设定，也可以是人为统计设定，本申请对应用程序的分类不作限定。

子步骤S112，采用所述多个用户的各个应用程序的使用时长，统计各个用户对应的各个分类的总使用时长；

各个分类的总使用时长是指属于同一分类的应用程序的使用时长的相加值。

例如，应用程序C的使用时长为10小时，应用程序C属于音乐类别、游戏类别。应用程序D的使用时长为20小时，应用程序D属于体育类别、游戏类别。则音乐类别的总使用时长为10小时，游戏类别的总使用时长为30小时，体育类别的总使用时长为20小时。

子步骤S113，依据各个用户对应的各个分类的总使用时长，计算所述各个用户对应的各个分类的权重值；

依据用户对应的各个分类的总使用时长，计算该用户各个分类的权重值。

在本申请实施例的一种优选示例中，所述子步骤S113可以为：

对所述各个用户对应的各个分类的总使用时长进行排序；

按各个分类的总使用时长的顺序，为各个分类分配对应的权重值。

在本示例中，可以按从大到小的顺序对分类的总使用时长进行排序，按排列的顺序为各个分类分配对应的权重值。当然也可以按从小到大的顺序对分类的总使用时长进行排序。

例如，音乐类别的总使用时长为10小时，游戏类别的总使用时长为30小时，体育类别的总使用时长为20小时。按时长从大到小进行排序后，排序第一的是游戏类别，排序第二的是体育类别，排序第三的是音乐类别。然后按排列的顺序为各个分类，分配对应的权重值。例如，对游戏类别分配权重值1，对体育类别分配权重值2，对音乐类别分配权重值3。本申请实施中对权重的分配方式不作限定，具体的，在测试分析模型的精确度时，可以不断调整权重的分配方式，以得到更精确的分析模型。

在本申请实施例的另一种优选示例中，所述子步骤S113可以为：

确定所述各个用户对应的各个分类的总使用时长所在的预设时长段；

对所述各个用户对应的各个分类，分配与其所在的预设时长段对应的权重值。

在本示例中，每一个预设时长段都具有对应的权重值，确定分类的总使用时长所在的预设时长段后，即可确定分类对应的权重值。

第一预设时长段为0-10小时，对应的权重值为1；第二预设时长段为10-20小时，对应的权重值为2；第三预设时长段为20-30小时，对应的权重值为3。当然，也各个预设时长段的长度，预设时长段对应的权重都可以根据需要不断调整，本申请实施例对此不作限定。具体的，在测试分析模型的精确度时，可以不断调整预设时长段的长度以及其对应的权重值，以得到更精确的分析模型。

子步骤S114，采用各个用户对应的各个分类的权重值，生成各个用户对应的特征向量。

具体的，可以各个分类的权重值，作为用户的特征向量。例如，用户A的游戏类别权重值为1，体育类别权重值2，音乐类别权重值3。用户B的游戏类别权重值为3，体育类别权重值2，音乐类别权重值1。

则用户A的特征向量为(1，2，3)，用户B的特征向量为(3，2，1)。

参照图7，示出了本申请实施例中一种计算特征向量的步骤流程图。在本申请实施例中，所述子步骤S21可以进一步包括如下子步骤：

子步骤S211，确定所述用户对应的各个应用程序的分类；在本申请实施例中，所述应用程序具有一个或多个分类。

子步骤S212，采用所述用户的各个应用程序的使用时长，统计所述用户对应的各个分类的总使用时长；

子步骤S213，采用所述用户对应的各个分类的总使用时长，计算所述用户对应的各个分类的权重值；

在本申请实施例的一种优选示例中，所述子步骤S213可以为：

对所述用户对应的各个分类的总使用时长进行排序；

按各个分类的总使用时长的顺序，为各个分类分配对应的权重值。

在本申请实施例的另一种优选示例中，所述子步骤S213可以为：

确定所述用户对应的各个分类的总使用时长所在的预设时长段；

对所述用户对应的各个分类，分配与其所在的预设时长段对应的权重值。

子步骤S214，采用所述用户对应的各个分类的权重值，生成所述用户的特征向量。

在本申请实施例中，，分析模型训练时所采用的

在使用分析模型时，需要采用与训练分析模型时生成特征向量相同的方式，生成当前儿童的特征向量，然后将特征向量输入分析模型。特征向量的计算方式具体参见上述建立分析模型实施例中内容，在此不再赘述。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图8，示出了本申请的一种基于移动终端的数据处理装置实施例的结构框图，其中所述移动终端具有关联的通信设备，所述的装置具体可以包括如下模块：

使用行为信息获取模块401，用于当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

行为特征数据生成模块402，用于依据所述使用行为信息生成所述用户的行为特征数据；

行为特征数据发送模块403，用于向所述关联的通信设备发送所述行为特征数据。

本申请实施例通过收集儿童在移动终端中的对应用程序的使用行为信息，采用儿童的使用行为信息生成关于儿童性格的行为特征数据，以满足根据儿童对应用程序的使用情况对儿童的性格进行分析的需求。同时，本申请实施例，可以将儿童的行为特征数据发送到儿童的父母的移动终端，帮助父母了解儿童的性格特征。

在本申请实施例中，所述行为特征数据生成模块402可以包括：

模型分析子模块，用于采用所述使用行为信息，以及预设的分析模型，生成所述行为特征数据。

参照图9，示出了本申请实施例中一种分析模型生成装置的结构框图。所述分析模型通过如下模块生成：

分析模型建立模块501，用于采用预先获取的多个用户的使用行为信息，进行机器学习模型的训练，建立所述分析模型。

在本申请实施例中，所述分析模型建立模块501可以包括：

特征向量计算子模块，用于采用预先获取的多个用户的使用行为信息，计算所述多个用户的特征向量；

向量训练子模块，用于采用所述多个用户的特征向量，进行机器学习模型的训练，建立所述分析模型。

在本申请实施例中，采用模型分析子模块包括：

特征向量计算单元，用于采用所述用户的使用行为信息，计算用户的特征向量；

特征数据生成单元，用于将所述用户的特征向量输入所述分析模型，生成行为特征数据。

在本申请实施例中，所述用户行为信息包括：各个应用程序的使用时长；所述特征向量计算子模块包括：

第一分类确定单元，用于确定各个用户对应的所述各个应用程序的分类；

第一分类总使用时长统计单元，用于采用所述多个用户的各个应用程序的使用时长，统计各个用户对应的各个分类的总使用时长；

第一分类权重值计算单元，用于依据各个用户对应的各个分类的总使用时长，计算所述各个用户对应的各个分类的权重值；

第一特征向量生成单元，用于采用各个用户对应的各个分类的权重值，生成各个用户对应的特征向量。

在本申请实施例中，所述特征向量计算单元包括：

第二分类确定单元，用于确定所述用户对应的各个应用程序的分类；

第二分类总使用时长统计单元，用于采用所述用户的各个应用程序的使用时长，统计所述用户对应的各个分类的总使用时长；

第二分类权重值计算单元，用于采用所述用户对应的各个分类的总使用时长，计算所述用户对应的各个分类的权重值；

第二特征向量生成单元，用于采用所述用户对应的各个分类的权重值，生成所述用户的特征向量。

在本申请实施例中，所述应用程序具有一个或多个分类。

在本申请实施例的一种优选示例中，所述第一分类权重值计算单元步骤包括：

第一时长排序子单元，用于对所述各个用户对应的各个分类的总使用时长进行排序；

第一顺序权重值分配子单元，用于按各个分类的总使用时长的顺序，为各个分类分配对应的权重值。

在本申请实施例的另一种优选示例中，所述第一分类权重值计算单元包括：

第一预设时长段确定子单元，用于确定所述各个用户对应的各个分类的总使用时长所在的预设时长段；

第一时长段权重值分配子单元，用于对所述各个用户对应的各个分类，分配与其所在的预设时长段对应的权重值。

在本申请实施例的一种优选示例中，所述第二分类权重值计算单元包括：

第二时长排序子单元，用于对所述用户对应的各个分类的总使用时长进行排序；

第二顺序权重值分配子单元，用于按各个分类的总使用时长的顺序，为各个分类分配对应的权重值。

在本申请实施例的另一种优选示例中，所述第二分类权重值计算单元包括：

第二预设时长段确定子单元，用于确定所述用户对应的各个分类的总使用时长所在的预设时长段；

第二时长段权重值分配子单元，用于对所述用户对应的各个分类，分配与其所在的预设时长段对应的权重值。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

图10是本申请另一个实施例的移动终端的框图。图10所示的移动终端600包括：至少一个处理器601、存储器602、至少一个网络接口604和其他用户接口603。移动终端600中的各个组件通过总线系统605耦合在一起。可理解，总线系统605用于实现这些组件之间的连接通信。总线系统605除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图10中将各种总线都标为总线系统605。

其中，用户接口603可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

可以理解，本申请实施例中的存储器602可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本申请实施例描述的系统和方法的存储器602旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器602存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统6021和应用程序6022。

其中，操作系统6021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序6022，包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例方法的程序可以包含在应用程序6022中。

在本申请实施例中，通过调用存储器602存储的程序或指令，具体的，可以是应用程序6022中存储的程序或指令，处理器601用于当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

依据所述使用行为信息生成所述用户的行为特征数据；

向所述关联的通信设备发送所述行为特征数据。

上述本申请实施例揭示的方法可以应用于处理器601中，或者由处理器601实现。处理器601可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本申请实施例描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits，ASIC)、数字信号处理器(DigitalSignalProcessing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(ProgrammableLogicDevice，PLD)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本申请实施例所述功能的模块(例如过程、函数等)来实现本申请实施例所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

可选地，处理器601还用于：采用所述使用行为信息，以及预设的分析模型，生成所述行为特征数据。

可选地，处理器601还用于：采用所述用户的使用行为信息，计算用户的特征向量；将所述用户的特征向量输入所述分析模型，生成行为特征数据。

可选地，处理器601还用于：确定所述用户对应的各个应用程序的分类采用所述用户的各个应用程序的使用时长，统计所述用户对应的各个分类的总使用时长；采用所述用户对应的各个分类的总使用时长，计算所述用户对应的各个分类的权重值；采用所述用户对应的各个分类的权重值，生成所述用户的特征向量。

可选地，处理器601还用于：对所述用户对应的各个分类的总使用时长进行排序；按各个分类的总使用时长的顺序，为各个分类分配对应的权重值。

可选地，作为另一个实施例，处理器601还用于：确定所述用户对应的各个分类的总使用时长所在的预设时长段；对所述用户对应的各个分类，分配与其所在的预设时长段对应的权重值。

移动终端600能够实现前述实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。

本申请实施例通过收集儿童在移动终端中的对应用程序的使用行为信息，采用儿童的使用行为信息生成关于儿童性格的行为特征数据，以满足根据儿童对应用程序的使用情况对儿童的性格进行分析的需求。同时，本申请实施例，可以将儿童的行为特征数据发送到儿童的父母的移动终端，帮助父母了解儿童的性格特征。

图11是本申请另一个实施例的移动终端的结构示意图。具体地，图11中的移动终端700可以为手机、平板电脑、个人数字助理(PersonalDigital Assistant，PDA)、或车载电脑等。

图11中的移动终端700包括射频(RadioFrequency，RF)电路710、存储器720、输入单元730、显示单元740、处理器760、音频电路770、WiFi(WirelessFidelity)模块780和电源790。

其中，输入单元730可用于接收用户输入的数字或字符信息，以及产生与移动终端700的用户设置以及功能控制有关的信号输入。具体地，本申请实施例中，该输入单元730可以包括触控面板731。触控面板731，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板731上的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板731可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给该处理器760，并能接收处理器760发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板731。除了触控面板731，输入单元730还可以包括其他输入设备732，其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

其中，显示单元740可用于显示由用户输入的信息或提供给用户的信息以及移动终端700的各种菜单界面。显示单元740可包括显示面板741，可选的，可以采用LCD或有机发光二极管(OrganicLight-EmittingDiode，OLED)等形式来配置显示面板741。

应注意，触控面板731可以覆盖显示面板741，形成触摸显示屏，当该触摸显示屏检测到在其上或附近的触摸操作后，传送给处理器760以确定触摸事件的类型，随后处理器760根据触摸事件的类型在触摸显示屏上提供相应的视觉输出。

触摸显示屏包括应用程序界面显示区及常用控件显示区。该应用程序界面显示区及该常用控件显示区的排列方式并不限定，可以为上下排列、左右排列等可以区分两个显示区的排列方式。该应用程序界面显示区可以用于显示应用程序的界面。每一个界面可以包含至少一个应用程序的图标和/或widget桌面控件等界面元素。该应用程序界面显示区也可以为不包含任何内容的空界面。该常用控件显示区用于显示使用率较高的控件，例如，设置按钮、界面编号、滚动条、电话本图标等应用程序图标等。

其中处理器760是移动终端700的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在第一存储器721内的软件程序和/或模块，以及调用存储在第二存储器722内的数据，执行移动终端700的各种功能和处理数据，从而对移动终端700进行整体监控。可选的，处理器760可包括一个或多个处理单元。

在本申请实施例中，通过调用存储该第一存储器721内的软件程序和/或模块和/或该第二存储器722内的数据，处理器760用于当用户进入所述移动终端的特定用户模式时，获取当前用户在所述特定用户模式下的使用行为信息；

依据所述使用行为信息生成所述用户的行为特征数据；

向所述关联的通信设备发送所述行为特征数据。

可选地，采用所述使用行为信息，以及预设的分析模型，生成所述行为特征数据。

可选地，采用所述用户的使用行为信息，计算用户的特征向量；将所述用户的特征向量输入所述分析模型，生成行为特征数据。

可选地，确定所述用户对应的各个应用程序的分类；采用所述用户的各个应用程序的使用时长，统计所述用户对应的各个分类的总使用时长；采用所述用户对应的各个分类的总使用时长，计算所述用户对应的各个分类的权重值；采用所述用户对应的各个分类的权重值，生成所述用户的特征向量。

可选地，对所述用户对应的各个分类的总使用时长进行排序；按各个分类的总使用时长的顺序，为各个分类分配对应的权重值。

可选地，确定所述用户对应的各个分类的总使用时长所在的预设时长段；对所述用户对应的各个分类，分配与其所在的预设时长段对应的权重值。

可见，本申请实施例通过收集儿童在移动终端中的对应用程序的使用行为信息，采用儿童的使用行为信息生成关于儿童性格的行为特征数据，以满足根据儿童对应用程序的使用情况对儿童的性格进行分析的需求。同时，本申请实施例，可以将儿童的行为特征数据发送到儿童的父母的移动终端，帮助父母了解儿童的性格特征。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种基于移动终端的数据处理方法和一种基于移动终端的数据处理装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。