电子设备中用于增强用户体验的电子设备和设备上方法与流程

本文的实施例涉及设备管理，并且更具体地涉及电子设备中用于增强用户体验的电子设备和设备上(on-device)方法。
背景技术：
：通常，可以将电子设备的性能确定为一个或多个参数(例如，存储器使用、输入输出性能、处理器利用率)的函数。然而，一个或多个参数的偏差可能导致电子设备的性能异常。很多时候，电子设备的性能异常会使用户感到沮丧。电子设备的性能基于一个或多个参数(例如，用户行为、已安装的应用、前台和后台任务等)而变化。通常，使用以下方法确定对电子设备的性能异常的修复措施：a)基于白名单的性能控制机制；以及b)对电子设备中的问题做出反应性处理。将以上信息呈现为背景信息仅是为了帮助读者理解本发明。申请人未对以上任何内容是否可以用作关于本申请的现有技术做出任何确定，也没有断言。技术实现要素：技术问题然而，在上述两种情况下，针对电子设备的性能异常确定的修复措施实际上是治疗性的而不是预防性的。此外，没有机制可以使电子设备解决电子设备的性能异常的再次发生。此外，由电子设备确定的性能异常可能不能反映用户所体验的性能异常。此外，不同的用户可能在电子设备的性能方面遇到不同类型的异常。没有机制可以将针对单个用户确定的修复措施与其他用户共享，以解决电子设备的性能方面的类似异常。本文的实施例的主要目的是提供一种电子设备中用于增强用户体验的电子设备和设备上方法。本文的实施例的另一目的是监测与电子设备相关联的多个参数，并基于多个参数来识别与电子设备相关联的异常。本文的实施例的另一目的是使用迭代可重新训练模型来识别所确定的异常所属的异常类别。本文的实施例的另一目的是使用生成模型来生成与所识别的异常类别相关联的至少一个问题，并将其呈现给电子设备的用户。本文的实施例的另一目的是接收针对至少一个问题的用户输入并执行电子设备中用于增强用户体验的至少一个动作。本文的实施例的另一目的是将针对至少一个问题的用户输入保存为索引，并与远程服务器共享索引。本文的实施例的另一目的是从远程服务器接收更新的索引并重新训练电子设备以预测与电子设备相关联的异常。问题的解决方案因此，本文的实施例提供了一种电子设备中用于增强用户体验的设备上方法。该方法包括监测与电子设备的操作相关联的多个参数。该方法包括：基于与电子设备的操作相关联的多个参数来识别与电子设备相关联的异常，并且使用第一设备上模型来识别与电子设备相关联的异常所属的异常类别。此外，该方法包括使用第二设备上模型向电子设备的用户呈现与所识别的异常类别相关联的至少一个问题，并且接收针对至少一个问题的至少一个用户输入。此外，该方法包括基于针对至少一个问题的至少一个用户输入来执行用于增强用户体验的至少一个动作。相应地，本文中的实施例提供了一种用于确定和查明异常的电子设备。电子设备包括存储器、处理器和异常管理引擎。异常管理引擎被配置为监测与电子设备的操作相关联的多个参数，其中与电子设备的操作相关联的多个参数是设备状态、设备行为和电子设备上的用户交互中的至少一个。异常管理引擎还被配置为：基于与电子设备的操作相关联的多个参数来识别与电子设备相关联的异常，并且使用第一设备上模型来识别与电子设备相关联的异常所属的异常类别。此外，异常管理引擎被配置为：使用第二设备上模型向电子设备的用户呈现与所识别的异常类别相关联的至少一个问题，并且接收针对至少一个问题的至少一个用户输入。此外，异常管理引擎被配置为基于针对至少一个问题的至少一个用户输入来执行用于增强用户体验的至少一个动作。当结合以下描述和附图考虑时，将更好地了解和理解本文中的实施例的这些和其他方面。然而，应该理解，虽然以下描述指示了优选实施例及其许多具体细节，但是以下描述是通过说明而非限制性的方式给出的。可以在不脱离本发明的精神的前提下在本文中的实施例的范围内做出多种改变和修改，并且本文中的实施例包括所有这样的修改。附图说明在附图中示出了本发明，贯穿附图，相似的附图标记指示各附图中的对应部分。从参考附图的以下描述中将更好地理解本文的实施例，在附图中：图1是根据本文公开的实施例的包括电子设备中用于增强用户体验的电子设备和远程服务器的系统图；图2a是根据本文公开的实施例的电子设备中用于增强用户体验的电子设备的框图；图2b是根据本文公开的实施例的电子设备的异常管理引擎的框图；图3是根据本文公开的实施例的用于从多个电子设备接收索引并确定更新的索引的远程服务器的框图；图4是示出了根据本文公开的实施例的电子设备中用于增强用户体验的设备上方法的流程图；图5是根据本文公开的实施例的用于在电子设备中确定异常并对迭代可重新训练模型的模型进行重新学习的控制流程图；图6a至图6d是根据本文公开的实施例的电子设备的ui上的可操作图标的示例状态，其指示在识别与电子设备相关联的异常并执行用于增强用户体验的至少一个动作时的可能动作；图7是根据本文公开的实施例的示例，该示例示出了ui提供与所识别的异常类别相关联的至少一个问题并且执行用于增强用户体验的至少一个动作；图8是根据本文公开的实施例的另一示例，该另一示例示出了ui提供与所识别的异常的类别相关联的至少一个问题，以查明所识别的异常并确定所识别的异常的严重性；图9示出了根据本文公开的实施例的用于当在电子设备中识别出交互相关异常时执行用于增强用户体验的至少一个动作的示例场景；图10示出了根据本文公开的实施例的用于当在电子设备中识别出网络相关异常时执行用于增强用户体验的至少一个动作的示例场景；图11示出了根据本文公开的实施例的用于当在电子设备中识别出输入输出相关异常时执行用于增强用户体验的至少一个动作的示例场景；图12示出了根据本文公开的实施例的用于当在电子设备中识别出物理行为相关异常时执行用于增强用户体验的至少一个动作的示例场景；以及图13示出了根据本文公开的实施例的用于当在电子设备中识别出应用启动相关异常时执行用于增强用户体验的至少一个动作的示例场景。具体实施方式现在将参考附图详细地描述本公开的各种实施例。在以下描述中，仅提供特定细节(例如，详细配置和组件)来帮助全面理解本公开的这些实施例。因此，本领域技术人员应当清楚的是，可以在不背离本公开的范围和精神的情况下对本文所描述的实施例进行各种改变和修改。此外，为了清楚和简明的目的，省略了对公知功能和结构的描述。此外，本文描述的各种实施例不必互相排斥，因为一些实施例可以与一个或多个其他实施例结合以形成新的实施例。在本文中，除非另有说明，否则本文所用的术语“或”是指非排他性的。本文中使用的示例仅旨在便于理解可以实现实施例的方式并使本领域技术人员能够实践本文中的实施例。因此，示例不应被理解为限制本文中的实施例的范围。如在本领域中常见的，可以围绕执行期望功能的块来描述和示出实施例。在本文中可以称为单元、引擎、管理器、模块等的这些块通过诸如逻辑门、集成电路、微处理器、微控制器、存储器电路、无源电子组件、有源电子组件、光学组件、硬连线电路等的模拟和/或数字电路物理地实现，并且可以可选地由固件和/或软件驱动。例如，电路可以具体实现在一个或多个半导体芯片中，或者在诸如印刷电路板等的基板支撑件上。构成块的电路可以由专用硬件或由处理器(例如，一个或多个编程的微处理器和相关联的电路)来实现，或者由用于执行该块的一些功能的专用硬件和用于执行该块的其他功能的处理器的组合来实现。在不脱离本公开的范围的情况下，实施例的每个块可以物理地分成两个或更多个交互和分立的块。类似地，在不脱离本公开的范围的情况下，实施例的块可以物理地组合成更复杂的块。因此，本文的实施例提供了一种电子设备中用于增强用户体验的设备上方法。该方法包括监测与电子设备的操作相关联的多个参数。该方法包括：基于与电子设备的操作相关联的多个参数来识别与电子设备相关联的异常，并且使用第一设备上模型来识别与电子设备相关联的异常所属的异常类别。此外，该方法包括使用第二设备上模型向电子设备的用户呈现与所识别的异常类别相关联的至少一个问题，并且接收针对至少一个问题的至少一个用户输入。此外，该方法包括基于针对至少一个问题的至少一个用户输入来执行用于增强用户体验的至少一个动作。在实施例中，从多个预定义的异常类别中识别与电子设备相关联的异常所属的异常类别。在实施例中，第一设备上模型是迭代可重新训练模型。在实施例中，第二设备上模型是生成模型。在实施例中，基于设备状态、设备行为和电子设备上的用户交互中的至少一个来对迭代可重新训练模型进行重新训练。在实施例中，由电子设备基于针对至少一个问题的至少一个用户输入执行用于增强用户体验的至少一个动作包括：由电子设备基于针对至少一个问题的至少一个用户输入来查明与电子设备相关联的异常。在实施例中，由电子设备基于针对至少一个问题的至少一个用户输入执行用于增强用户体验的至少一个动作包括：由电子设备基于针对至少一个问题的至少一个用户输入识别针对与电子设备相关联的异常的修复措施。在实施例中，该方法还包括将用户输入作为反馈提供给迭代可重新训练模型，以增强对异常类别的识别。在实施例中，该方法还包括将针对至少一个问题的用户输入保存为索引，并将该索引上传到远程服务器。该方法还包括从远程服务器接收更新的索引并对迭代可重新训练模型进行重新训练。在实施例中，更新的索引通过由远程服务器从多个电子设备接收索引来获得。此外，该方法包括对来自多个电子设备的索引执行协作过滤并获得更新的索引。在实施例中，至少一个问题被呈现为电子设备的屏幕上的可操作图标。在实施例中，通过监测gpu利用率、cpu利用率、电子设备的存储器等中的至少一个来预测设备状态。在实施例中，使用与设备状态、设备行为和电子设备上的用户交互中的至少一个相关联的预定义阈值来预测与电子设备相关联的异常。与常规方法和系统不同，所提出的方法包括基于用户输入在电子设备中提供对模型的在线重新训练。现在参考附图，更具体地，参考图1至图14(其中贯穿附图，类似的附图标记始终表示对应的特征)，示出了优选实施例。图1是根据本文公开的实施例的包括用于增强电子设备100中的用户体验的电子设备100和远程服务器200的系统图。常规方法和系统为由电子设备检测到的异常提供基于白名单的性能控制。此外，常规方法和系统提供对电子设备中的异常(例如，热)的反应性处理。然而，常规方法和系统没有考虑以下事实：设备行为基于各种参数(例如，用户行为、安装在电子设备中的应用(app)、前台和后台任务等)而变化。此外，常规方法和系统不能积极主动地检测异常并要求设备的用户确认所检测的异常。此外，常规方法和系统不能防止先前检测到的异常的再次发生。与常规方法和系统不同，本文提出的方法以用户为中心，并且包括自我诊断技术，该自我诊断技术用于识别异常、获取由用户查明的所识别的异常、以及通过提供针对所识别的异常的修复措施以直观的方式来避免异常再次出现。参考图1，考虑第一电子设备，第一电子设备通过监测设备状态、设备行为和电子设备上的用户交互中的至少一个来识别与电子设备相关联的异常。此外，迭代可重新训练模型从预定义的类别集中确定所识别的异常所属的类别。生成模型识别与确定的异常类别相关联的问题，并将问题呈现给用户。此外，当用户响应于该问题而确认了所识别的异常时，第一电子设备查明用户也经历了所识别的异常。用户对问题的响应被保存为索引，并且还用作对迭代可重新训练模型的反馈，以更好地识别异常类别。此外，基于所查明的异常，可以由第一电子设备确定对所识别的异常的修复措施。第一电子设备与多个电子设备(例如，第二电子设备、第三电子设备、直至第n电子设备)一起与远程服务器/云服务器共享索引。远程服务器汇聚从多个电子设备接收的索引，并对经汇聚的索引进行协作过滤以获得更新的索引。此外，远程服务器与多个电子设备共享更新的索引，以使多个电子设备能够增强异常的识别效率。图2a是根据本文公开的实施例的用于增强电子设备100中的用户体验的电子设备100的框图。参考图2a，电子设备100可以是例如膝上型计算机、个人计算机、移动电话、智能电话、个人数字助理(pda)、平板电脑、可穿戴设备等。在实施例中，电子设备100可以包括异常管理引擎120、处理器140、存储器160和显示器180。在实施例中，异常管理引擎120被配置为监测与电子设备100的操作相关联的多个参数，并且基于与电子设备100的操作相关联的多个参数来识别与电子设备100相关联的异常。与电子设备100的操作相关联的多个参数是设备状态、设备行为和电子设备100上的用户交互中的至少一个。设备状态可以是例如电子设备100的cpu、gpu、存储器等中的至少一个的状态条件。设备行为可以是例如缓冲持续时间、每秒帧数(fps)行为、热行为、页面错误统计信息等。电子设备100上的用户交互可以是例如应用启动和相关联的行为、在电子设备100的屏幕上执行的手势(例如，滑动、滚动、抖动等)。此外，异常管理引擎120识别所识别的异常所属的异常类别，并且向电子设备100的用户呈现与所识别的异常类别相关联的至少一个问题。从存储在异常管理引擎120中的多个预定义的异常类别中识别异常类别。例如，考虑异常管理引擎120将异常预测为电子设备100的后面板的过热的情况。此外，基于过热异常的类别，异常管理引擎120向用户呈现至少一个问题，例如“设备过热？”、“设备温度正在升高？”等。此外，异常管理引擎120接收针对至少一个问题的至少一个用户输入。当至少一个用户输入确认了异常管理引擎120的所识别的异常时，则异常管理引擎120基于针对至少一个问题的至少一个用户输入来执行用于增强用户体验的至少一个动作。用于增强用户体验的至少一个动作是以下至少一项：基于针对至少一个问题的至少一个用户输入来查明与电子设备100相关联的异常；以及，基于针对至少一个问题的至少一个用户输入来识别对与电子设备100相关联的异常的修复措施。异常管理引擎120还被配置为确定在显示器180上提供的可操作图标的各种状态。可操作图标指示在识别异常并执行用于增强用户体验的至少一个动作时遇到的电子设备100的各种状态，例如电子设备100的系统智能处于禁用状态、正常状态、异常预测状态、异常查明状态等(在图6a至图6d中进一步描述)。异常管理引擎120还被配置为确定用于解决所识别的异常的修复措施，使得所识别的异常不会再次出现在电子设备100中。此外，异常管理引擎120还被配置为将针对至少一个问题的至少一个用户输入作为索引保存在电子设备100中。此外，异常管理引擎120被配置为将索引上传到远程服务器200，远程服务器200还从多个电子设备接收索引。然后，异常管理引擎120从远程服务器200接收更新的索引，并且基于更新的索引对迭代可重新训练模型进行重新训练，以能够进行更好的预测。在实施例中，处理器140被配置为与诸如异常管理引擎120、存储器160和显示器180之类的硬件元件交互，以确定电子设备100中的异常。在实施例中，存储器160可以包括非易失性存储元件。这种非易失性存储元件的示例可以包括磁性硬盘、光盘、软盘、闪存、或电可编程存储器(eprom)或电可擦除可编程(eeprom)存储器的形式。另外，在一些示例中，存储器160可以被认为是非暂时性存储介质。术语“非暂时性”可以指示存储介质没有通过载波或传播信号来实现。然而，术语“非暂时性”不应被解释为存储器160是不可移动的。在一些示例中，存储器160被配置为与存储器相比存储更大量的信息。在某些示例中，非暂时性存储介质可以存储可以随时间变化的数据(例如，在随机存取存储器(ram)或高速缓冲存储器中存储)。在实施例中，显示器180可以是电子设备100的屏幕的一部分，其用于基于异常类别来显示至少一个问题。显示器180还被配置为显示可操作图标，该可操作图标指示在识别异常时电子设备100的各种状态(在图6a至图6d中进一步描述)。尽管图2a示出了电子设备100的硬件元件，但是应当理解，其他实施例不限于此。在其他实施例中，电子设备100可以包括更少或更多数量的元件。此外，元件的标签或名称仅用于说明目的，而不限制本发明的范围。一个或多个组件可以被组合在一起以在电子设备100中执行用于增强用户体验的相同或实质上类似的功能。图2b是根据本文公开的实施例的电子设备100的异常管理引擎120的框图。参考图2b，在实施例中，异常管理引擎120可以包括异常识别引擎122、迭代可重新训练模型124、生成模型126、异常断言引擎128和索引数据库130。在实施例中，异常识别引擎122被配置为监测与电子设备100的操作相关联的多个参数，多个参数包括关于预定义阈值的设备状态、设备行为和用户交互中的至少一个。用于识别异常的预定义阈值可以是例如区域特定的等。例如，预定义热阈值用于确定设备过热异常。印度(热带国家)和冰岛(寒冷国家)的预定义温度阈值有所不同。此外，异常识别引擎122被配置为当设备状态、设备行为和用户交互中的至少一个超过预定义阈值时，识别出异常。第一设备上模型是迭代可重新训练模型124。在实施例中，迭代可重新训练模型124被配置为接收时间序列数据并执行异步事件处理。时间序列数据是设备状态、设备行为和电子设备100上的用户交互中的至少一个的时间序列输入。此外，迭代可重新训练模型124包括多个模型，所述多个模型被配置为识别预测的异常所属的异常类别。由迭代可重新训练模型124从由多个模型表示的预定类别集中确定异常类别。每个异常类别都与异常集相关联。例如，所有滚动相关异常都归类于相同异常类别下。此外，迭代可重新训练模型124还被配置为在将异常分类为异常类别之后为预测的异常指派概率分数。例如，考虑异常管理引擎122预测滚动相关异常的情况。迭代可重新训练模型124确定与滚动相关异常可以被分类到的可能类别，并且指派概率分数，如表1中所示。[表1]异常类别概率分数类别1-fps下降0.68类别2-滑动手势0.52类别n............基于用户行为和在最少时间内对至少一个问题的至少一个用户输入来对迭代可重新训练模型124进行重新训练。此外，当从远程服务器200接收到更新的索引时，还对迭代可重新训练模型124进行重新训练。第二设备上模型是生成模型126。在实施例中，生成模型126被配置为接收从迭代可重新训练模型124输出的时间序列异常行为，并基于异常类别确定要被提供给用户的至少一个问题。此外，在显示器180上向用户呈现至少一个问题。基于由异常断言引擎128提供的反馈来重新训练生成模型126。在实施例中，异常断言引擎128被配置为接收对由生成模型126提供的至少一个问题的至少一个用户输入。用户输入指示以下两种情况之一：用户确认所识别的异常和用户尚未经历预测的异常。当用户确认所识别的异常时，异常断言引擎128被配置为重新校准由迭代可重新训练模型124指派的概率分数，即，重新校准的概率分数高于由迭代可重新训练模型124指派的概率分数。此外，异常断言引擎128基于针对至少一个问题的至少一个用户输入来执行用于增强用户体验的至少一个动作，从而查明用户也经历了所识别的异常。结合以上提供的示例，考虑用户确认所识别的滚动相关异常的情况。因此，基于对由生成模型126提供的至少一个问题的至少一个用户输入，异常断言引擎128重新校准并指派较高的概率分数，如表2中所示。[表2]异常类别概率分数类别1-fps下降0.8类别2-滑动手势0.52类别n............此外，如果需要，异常断言引擎128还将反馈提供给生成模型126，以生成用于进一步缩小异常范围的附加问题。当用户未经历所识别的异常时，异常断言引擎128被配置为重新校准由迭代可重新训练模型124指派的概率分数，即，重新校准的概率分数低于由迭代可重新训练模型124指派的概率分数。结合以上提供的示例，考虑对至少一个问题的用户输入指示用户尚未经历所识别的滚动相关异常的情况。因此，基于对由生成模型126提供的至少一个问题的至少一个用户输入，异常断言引擎128重新校准并指派较低的概率分数，如表3中所示。[表3]异常类别概率分数类别1-fps下降0.45类别2-滑动手势0.52类别n............此外，异常断言引擎128还被配置为将对至少一个问题的至少一个用户输入作为索引保存为在索引数据库130中。异常断言引擎128还将索引和用户配置文件一起上传到远程服务器200。然而，异常断言引擎128过滤与用户相关联的任何敏感或个人可识别信息，并以匿名方式上传。用户配置文件包括用户人口统计信息、类型(游戏、流传输器(streamer)等)和用户偏好等。此外，用户配置文件还包括相对于至少一个问题的用户动作，其中用户可以选择回答至少一个问题，或者用户可以选择忽略至少一个问题。如果用户选择忽略由生成模型126提供的至少一个问题，则异常断言引擎128将用户选择记录为用户配置文件的一部分。然而，如果再次发生异常并且用户继续忽略由生成模型126提供的超过预定义阈值的至少一个问题，则异常断言引擎128在异常再次发生时自动应用修复措施。因此，异常断言引擎128确保解决所有识别的异常。在实施例中，索引数据库130被配置为将对至少一个问题的至少一个用户输入存储为索引。此外，从远程服务器200接收的更新的索引也存储在索引数据库130中。图3是根据本文公开的实施例的用于从多个电子设备接收索引并确定更新的索引的远程服务器200的框图。在实施例中，远程服务器200可以包括索引管理引擎210、处理器220和存储器230。索引管理引擎210包括索引接收器引擎212、协作过滤引擎214和更新的索引确定引擎216。在实施例中，索引接收器引擎212被配置为从多个电子设备接收索引。此外，索引接收器引擎212还被配置为使用从多个电子设备接收的索引来确定经汇聚的索引，如表4所示。[表4]用户＃问题类别#1-选择问题类别＃1n-选择用户1选择＃x..用户2选择＃x’..用户x无选择..用户n选择＃x″....在实施例中，协作过滤引擎214被配置为执行协作过滤，以获得与候选用户的用户配置文件相似的用户配置文件并确定缺失索引的值。例如，在表4中，针对提供的第一问题的用户x的用户选择是“无选择”，即，在索引中没有针对用户x的与第一问题相关联的值。在实施例中，更新的索引确定引擎216被配置为基于来自协作过滤引擎214的输出来获得更新的索引。此外，更新的索引确定引擎216还被配置为与电子设备100共享更新的索引。在实施例中，处理器220被配置为与诸如索引接收器引擎210、协作过滤引擎214、更新的索引确定引擎216、存储器230之类的硬件元件交互，以获得更新的索引。在实施例中，存储器230可以包括非易失性存储元件。这种非易失性存储元件的示例可以包括磁性硬盘、光盘、软盘、闪存、或电可编程存储器(eprom)或电可擦除可编程(eeprom)存储器的形式。另外，在一些示例中，存储器230可以被认为是非暂时性存储介质。术语“非暂时性”可以指示存储介质没有通过载波或传播信号来实现。然而，术语“非暂时性”不应被解释为存储器230是不可移动的。在一些示例中，存储器230被配置为与存储器相比存储更大量的信息。在某些示例中，非暂时性存储介质可以存储可以随时间变化的数据(例如，在随机存取存储器(ram)或高速缓冲存储器中存储)。尽管图3示出了远程服务器200的硬件元件，但是应当理解，其他实施例不限于此。在其他实施例中，远程服务器200100可以包括更少或更多数量的元件。此外，元件的标签或名称仅用于说明目的，而不限制本发明的范围。一个或多个组件可以被组合在一起执行与获得更新的索引相同或实质上类似的功能。图4是示出了根据本文公开的实施例的用于增强电子设备100中的用户体验的设备上方法的流程图400。参考图4，在步骤402处，电子设备100监测与电子设备100的操作相关联的多个参数。例如，在如图2a中所示的电子设备100中，异常管理引擎120可以被配置为监测与电子设备100的操作相关联的多个参数。在步骤404处，电子设备100基于与电子设备100的操作相关联的多个参数来识别与电子设备100相关联的异常。例如，在如图2a中所示的电子设备100中，异常管理引擎120可以被配置为基于与电子设备100的操作相关联的多个参数来识别与电子设备100相关联的异常。在步骤406处，电子设备100使用第一设备上模型来识别与电子设备100相关联的异常所属的异常类别。例如，在如图2a中所示的电子设备100中，异常管理引擎120可以被配置为使用第一设备上模型来识别与电子设备100相关联的异常所属的异常类别。在步骤408处，电子设备100使用第二设备上模型向电子设备100的用户呈现与所识别的异常类别相关联的至少一个问题。例如，在图2a所示的电子设备100中，异常管理引擎120可以被配置为使用第二设备上模型向电子设备100的用户呈现与所识别的异常类别相关联的至少一个问题。在步骤410处，电子设备100接收针对至少一个问题的用户输入。例如，在如图2a所示的电子设备100中，异常管理引擎120可以被配置为接收针对至少一个问题的用户输入。在步骤412处，电子设备100基于针对至少一个问题的至少一个用户输入执行用于增强用户体验的至少一个动作。例如，在如图2a所示的电子设备100中，异常管理引擎120可以被配置为基于针对至少一个问题的至少一个用户输入来执行用于增强用户体验的至少一个动作。可以按照所呈现的顺序、按照不同顺序或同时执行方法中的各种动作、行为、块、步骤等。此外，在一些实施例中，在不脱离本发明的范围的情况下，一些动作、行为、块、步骤等可以被省略、添加、修改、跳过等。图5是根据本文公开的实施例的用于在电子设备中确定异常并对迭代可重新训练模型124的模型进行重新学习的控制流程图。系统观测器、多参数单决策(mpsd)模型、资源管理器是系统智能的一部分。系统智能确保针对用户个性化操作。mpsd在用户空间处(即，框架层处)以及在电子设备100的内核处操作。在步骤502处，系统观测器连续监测与电子设备100相关联的多个参数。在步骤504处，在电子设备100的ui端检测到用户行为的改变，并且将其报告给系统观测器。在步骤506处，位于异常识别引擎122内的系统观测器通知迭代可重新训练模型124发起用于下一时隙的预测细节。在步骤508处，迭代可重新训练模型124向mpsd通知预测已被加载。在步骤510处，异常识别引擎122检测用户交互。在步骤512处，系统观测器将提示发送给资源管理器以观测使用模式并计算估计的用户动作所需要的资源。在步骤514处，系统观测器还告诉资源管理器在当前场景下识别重要的用户体验模式。在步骤516处，资源管理器确定体验信息缺失，并将体验缺失令牌发送给反馈管理器，该反馈管理器是生成模型126的一部分。反馈管理器被配置为向用户提供至少一个问题，接收对所提供的至少一个问题的至少一个用户输入，并与生成模型126共享该至少一个用户输入。在步骤518处，反馈管理器向ui发送具有预测的体验令牌的用户的反馈，并在步骤520接收确认。在步骤522处，反馈管理器将具有体验缺失令牌的用户反馈发送到mpsd。在步骤524处，响应于具有体验缺失令牌的反馈，mpsd针对迭代可重新训练模型124中的模型设置重新学习标记。当已经设置了重新学习标记时，ui等待空闲重新学习条件发生，例如，当电子设备100正在充电时。在步骤526处，电子设备100的ui检测到空闲重新训练条件，并将其通知给系统观测器。在步骤528处，系统观测器通知mpsd以发起迭代可重新训练模型124中的模型的重新学习。在步骤530处，mpsd向迭代可重新训练模型124发送命令以发起重新学习并更新模型。因此，每当用户动作的模式改变时，都对迭代可重新训练模型124进行重新训练，以确保增强且准确地预测与电子设备100相关联的异常。图6a至图6d是根据本文公开的实施例的电子设备100的ui上的可操作图标的示例状态，其指示在识别与电子设备100相关联的异常并执行用于增强用户体验的至少一个动作时的可能动作。在电子设备100的ui上提供的可操作图标提供电子设备100的各种状态。此外，用户可以点击可操作图标以了解电子设备100的各种状态的细节。参考图6a，可操作图标指示用户已禁用电子设备100的系统智能。因此，系统将无法适应用户动作。然而，电子设备100的先前学习的状态将用于维持与电子设备100相关联的异常的识别。参考图6b，可操作图标指示电子设备100处于正常状态。电子设备100未检测到任何异常，并且电子设备100处于空闲状态。参考图6c，可操作图标指示电子设备100已经基于设备状态、设备行为和电子设备100上的用户交互中的至少一个检测到可能的异常。此外，当用户选择可操作图标时，电子设备100还识别所识别的异常所属的异常类别，并且将与该异常类别相关联的问题呈现给用户。用户可以选择响应或忽略由电子设备100提供的问题。参考图6d，可操作图标指示电子设备100已经基于所识别的异常所属的类别接收到对被呈现给用户的问题的用户输入。此外，基于用户输入和从远程服务器200接收的索引来更新迭代可重新训练引擎124。此外，电子设备100确定用于解决所识别的异常所需要的修复措施。电子设备100的ui上提供的可操作图标的各种状态不限于所提供的状态。图7是根据本文公开的实施例的示例，该示例示出了ui提供与所识别的异常类别相关联的至少一个问题并且执行用于增强用户体验的至少一个动作。参考图7，结合图6c，当用户点击电子设备100的ui上提供的可操作图标时，启动反馈和推荐抽屉(drawer)。用户可以以各种形式与反馈和推荐抽屉进行交互，例如基于聊天的交互、基于语音的交互、基于触摸的交互和自动交互。基于聊天的交互包括对话ui，用户可以选择该对话ui以与反馈和推荐抽屉进行交互。例如，在图7中，用户可以在聊天界面中对提供给反馈和推荐抽屉的问题进行响应。在另一示例中，用户可以通过语音聊天对提供给反馈和推荐抽屉的问题进行响应。反馈和推荐抽屉可以设置有嵌入式自动语音识别(asr)，以向用户提供语音聊天功能。反馈和推荐抽屉也可以向用户提供可以仅通过“是”和“否”或通过选择一些指示“是”和“否”的按钮来回答的问题。在另一示例中，反馈和推荐抽屉可以是完全自动的，即，反馈和推荐抽屉完全由电子设备100处理。图8是根据本文公开的实施例的另一示例，该另一示例示出了ui提供与所识别的异常的类别相关联的至少一个问题，以查明所识别的异常并确定所识别的异常的严重性。当用户点击在电子设备100的ui上提供的可操作图标时，启动反馈和推荐抽屉。反馈和推荐抽屉包括基于用户评分的系统适配。反馈和推荐抽屉包括用于对特定场景下的用户满意度或电子设备100的使用情况进行量化的选项。此外，电子设备100提供一系列后续问题以缩小所识别的异常的范围。对迭代可重新训练引擎124的反馈将使得能够在电子设备100中收集正确的数据。此外，基于用户评分和反馈，检测所识别的异常的严重性。因此，反馈和推荐抽屉提供对异常的预测的更好的准确性。图9示出了根据本文公开的实施例的用于当在电子设备100中识别出交互相关异常时执行用于增强用户体验的至少一个动作的示例场景。参考图9，在步骤1002处，考虑用户从电子设备100的菜单屏幕启动新闻应用的情况。电子设备100开始监测与电子设备100相关联的多个参数。在步骤1004处，电子设备100检测交互相关异常，例如滚动问题、触摸问题、在ui上执行动作时的抖动体验、低滚动速度等。电子设备100确定交互相关异常可能是由于新闻应用中所需的多个交互所致。在步骤1006处，出现在新闻应用的ui的底部的可操作图标改变状态，以指示电子设备100已经基于在电子设备100上执行的交互而识别出异常。此外，电子设备100识别预测的异常所属的异常类别。在步骤1008处，电子设备100提供与所识别的异常类别相关联的问题，例如“滚动令人印象深刻？”。此外，电子设备100从用户接收针对所显示的问题的输入。如果用户输入确认了由电子设备100识别的异常，则电子设备100基于用户输入执行至少一个动作。电子设备100可以查明用户也经历了由电子设备100预测的异常。此外，电子设备100可以识别用于解决所识别的异常的修复措施。如果用户选择忽略由电子设备100提供的问题，则由电子设备100识别的异常不会被解决。然而，电子设备100将用户选择保存为索引，并且将这些索引与远程服务器200共享。远程服务器200还包括从多个电子设备接收的索引，这些索引用于确定针对设备状态、设备行为和用户交互中的至少一个的更新索引。此外，电子设备100接收更新的索引，该更新的索引用于重新训练电子设备100的迭代可重新训练模型124。当用户选择忽略由电子设备100提供的问题时，电子设备100基于从远程服务器200接收的更新的索引来识别用于解决预测的输入输出相关异常的修复措施。图10示出了根据本文公开的实施例的用于当在电子设备100中识别出网络相关异常时执行用于增强用户体验的至少一个动作的示例场景。参考图10，在步骤1102处，考虑用户从电子设备100的菜单屏幕启动视频应用的情况。电子设备100正在连续监测与电子设备100相关联的多个参数。在步骤1104处，用户在视频应用中播放视频。出现在视频应用的ui的底部的可操作图标指示电子设备100处于正常状态，并且相对于电子设备100没有检测到任何可能的异常。在步骤1106处，电子设备100检测多个网络相关异常行为，例如资源不可用、网络速度、滚动缓慢等。电子设备100确定这些异常行为可能是由于视频应用从网络消耗了更多数据所导致的。此外，出现在视频应用的ui的底部的可操作图标改变状态，以指示电子设备100已经识别出与电子设备100相关联的异常。在步骤1108处，电子设备100识别所识别的网络相关异常所属的异常类别，并提供与所识别的异常类别相关联的问题，例如“网速不好？”。此外，电子设备100从用户接收针对所显示的问题的输入。如果用户输入确认了由电子设备100识别的异常，则电子设备100执行至少一个动作以增强电子设备100中的用户体验。在一种情况下，电子设备100查明用户也经历了由电子设备100识别的异常。在另一情况下，电子设备100可以识别用于解决所识别的异常的修复措施。在步骤1108处，如果用户选择忽略由电子设备100提供的问题，则由电子设备100识别的异常可以不被解决。然而，电子设备100将用户的选择保存为索引，并且将这些索引与远程服务器200共享。远程服务器200还包括从多个电子设备接收的索引，这些索引用于确定针对设备状态、设备行为和用户交互中的至少一个的更新索引。此外，电子设备100接收更新的索引，该更新的索引用于重新训练电子设备100的迭代可重新训练模型124。当用户选择忽略由电子设备100提供的问题时，电子设备100基于从远程服务器200接收的更新的索引来识别用于解决所识别的网络相关异常的修复措施。图11示出了根据本文公开的实施例的用于当在电子设备100中识别出输入输出相关异常时执行用于增强用户体验的至少一个动作的示例场景。参考图11，在步骤1202处，考虑用户从电子设备100的菜单屏幕启动图库应用的情况。电子设备100正在连续监测与电子设备100相关联的多个参数。在步骤1204处，电子设备100检测输入输出相关异常，例如滚动问题、触摸问题、丢帧问题等。当图库应用消耗更多的磁盘空间时，电子设备100确定输入输出相关异常可能是由于碎片化存储所致。此外，出现在图库应用的ui的底部的可操作图标改变状态，以指示电子设备100已经基于电子设备100的输入输出行为识别出异常。在步骤1206处，电子设备100识别所识别的异常所属的异常类别，并提供与所识别的异常类别相关联的问题，例如“缩略图延迟？”。此外，电子设备100从用户接收针对所显示的问题的输入。响应于用户输入，在步骤1208处，电子设备100提供进一步的问题(例如“ui抖动？”)以确认所识别的异常。如果用户输入确认了由电子设备100识别的异常，则电子设备100执行至少一个动作以增强电子设备100中的用户体验。在一种情况下，电子设备100查明用户也经历了由电子设备100预测的异常。在另一情况下，电子设备100可以识别用于解决预测的异常的修复措施。在步骤1208处，如果用户选择忽略由电子设备100提供的问题，则由电子设备100识别的异常可以不被解决。然而，电子设备100将用户的选择保存为索引，并且将这些索引与远程服务器200共享。远程服务器200还包括从多个电子设备接收的索引，这些索引用于确定针对设备状态、设备行为和用户交互中的至少一个的更新索引。此外，电子设备100接收更新的索引，该更新的索引用于重新训练电子设备100的迭代可重新训练模型124。当用户选择忽略由电子设备100提供的问题时，电子设备100基于从远程服务器200接收的更新的索引来识别用于解决预测的输入输出相关异常的修复措施。图12示出了根据本文公开的实施例的用于当在电子设备100中识别出物理行为相关异常时执行用于增强用户体验的至少一个动作的示例场景。参考图12，在步骤1302处，考虑用户从电子设备100的菜单屏幕启动相机应用的情况。电子设备100正在连续监测与电子设备100相关联的多个参数。在步骤1304处，当访问相机应用时，电子设备100检测电子设备100的物理行为的变化。物理行为的变化是例如设备温度升高/电子设备100发热。在步骤1306处，出现在相机应用的ui的底部的可操作图标改变状态，以指示电子设备100已经基于电子设备100的物理行为识别出异常。此外，电子设备100识别所识别的异常所属的异常类别，并提供与所识别的异常类别相关联的问题，例如“设备发热？”。此外，电子设备100从用户接收针对所显示的问题的输入。响应于用户输入，在步骤1308处，电子设备100提供进一步的问题以确认所识别的异常。如果用户输入确认了由电子设备100识别的异常，则电子设备100执行至少一个动作以增强电子设备100中的用户体验。在一种情况下，电子设备100查明用户也经历了由电子设备100识别的异常。在另一情况下，电子设备100可以识别用于解决预测的异常的修复措施。在步骤1308处，如果用户选择忽略由电子设备100提供的问题，则由电子设备100预测的异常可以不被解决。然而，电子设备100将用户的选择保存为索引，并且将这些索引与远程服务器200共享。远程服务器200还包括从多个电子设备接收的索引，这些索引用于确定针对设备状态、设备行为和用户交互中的至少一个的更新索引。此外，电子设备100接收更新的索引，该更新的索引用于重新训练电子设备100的迭代可重新训练模型124。当用户选择忽略由电子设备100提供的问题时，电子设备100基于从远程服务器200接收的更新的索引来识别用于解决预测的异常的修复措施。图13示出了根据本文公开的实施例的用于当在电子设备中识别出应用启动相关异常时执行用于增强用户体验的至少一个动作的示例场景。参考图13，在步骤1402处，考虑用户从电子设备100的菜单屏幕启动应用(即，app5)的情况。电子设备100正在连续监测与电子设备100相关联的多个参数。在步骤1404处，电子设备100检测到app5的启动时间大于用于启动app5所花费的正常时间。在步骤1406处，启动app5。出现在app5的ui的底部的可操作图标改变状态，以指示电子设备100已经基于app5的行为识别出异常。此外，电子设备100识别所识别的异常所属的异常类别。在步骤1408处，电子设备100在屏幕上提供与所识别的异常类别相关联的问题，例如“启动比平常花费更多时间？”。此外，电子设备100从用户接收针对该问题的输入。此外，如果用户输入确认了在步骤1406处由电子设备100识别的异常，则电子设备100执行至少一个动作以增强电子设备100中的用户体验。在一种情况下，电子设备100查明用户也经历了由电子设备100识别的异常。在另一情况下，电子设备100可以识别用于解决所识别的异常的修复措施。以上对具体实施例的描述充分揭示了本文中的实施例的一般性质，从而其他技术人员通过应用现有知识，能够在不背离总体构思的前提下，容易地对这些具体实施例进行修改和/或针对各种应用进行调整，因此这种调整和修改应该且意图被包括在所公开的实施例的等同物的意义和范围内。可以理解，本文使用的短语或术语用于描述目的而不是限制性的。因此，尽管已经根据优选实施例描述了本文的实施例，但是本领域技术人员将认识到，可以在如本文所述的实施例的精神和范围内通过修改来实践本文的实施例。当前第1页12