应用软件分类方法、装置、电子设备及可读存储介质与流程

1.本技术涉及软件技术领域，特别涉及一种应用软件分类方法、应用软件分类装置、电子设备及计算机可读存储介质。


背景技术：

2.当前，对移动应用软件的类别划分方式主要为基于商店应用的相关信息(如：应用名称、应用描述、应用商店标注的分类等)，通过人工筛选整理出各类别对应的特征词形成特征关键词词典，将应用信息与特征关键词词典进行匹配，从而得出移动应用的类别。然而，词典并不能完全覆盖全部应用软件，因此仍需要大量的人工介入处理，导致分类效率较低。
3.因此，相关技术存在的分类效率较低的问题，是本领域技术人员需要解决的技术问题。


技术实现要素：

4.有鉴于此，本技术的目的在于提供一种应用软件分类方法、应用软件分类装置、电子设备及计算机可读存储介质，提高了分类效率和准确率。
5.为解决上述技术问题，本技术提供了一种应用软件分类方法，包括：
6.获取待分类应用软件对应的应用信息；
7.提取所述应用信息中的关键词；
8.利用所述关键词与预设类别词典进行关键词匹配；
9.若目标预设关键词匹配成功，则将所述目标预设关键词对应的类别确定为所述待分类应用软件的软件类别；
10.若匹配失败，则利用预设分类模型对所述应用信息进行分类处理，得到所述软件类别。
11.可选地，所述利用预设分类模型对所述应用信息进行分类处理，得到所述软件类别，包括：
12.将所述应用信息输入所述预设分类模型，得到初始分类结果和对应的结果准确度；
13.若所述结果准确度不小于预设准确度阈值，则将所述初始分类结果确定为所述软件类别；
14.若所述结果准确度小于所述预设准确度阈值，则基于所述待分类应用软件对应的应用商店分类，确定各个预设类别中的最大数量类别；其中，所述最大数量类别对应的所述应用商店的数量不小于其他的预设类别对应的所述应用商店的数量；
15.将所述最大数量类别确定为所述软件类别。
16.可选地，所述获取待分类应用软件对应的应用信息，包括：
17.获取所述待分类应用软件的名称和描述信息；
18.获取所述待分类应用软件的描述图片，并对所述描述图片进行文字识别处理，得到图片描述信息；
19.将所述名称、所述描述信息和所述图片描述信息确定为所述应用信息。
20.可选地，所述预设类别词典的构建过程，包括：
21.获取多个初始应用软件分别对应的应用商店分类和初始应用信息；
22.确定各个所述应用商店分类分别所属的预设类别，并基于所述预设类别对所述初始应用信息进行分组，得到多个信息组；
23.对各个所述信息组内的所述初始应用信息进行高频词提取处理，得到高频词；其中，所述高频词在各个所述初始应用信息中出现的频次大于非高频词在各个所述初始应用信息中出现的频次；
24.在所述初始应用软件中确定目标应用软件，并对所述目标应用软件对应的目标应用信息进行特征词提取处理，得到特征词；
25.利用所述高频词、所述特征词和所述预设类别构建所述预设类别词典。
26.可选地，所述对所述目标应用软件对应的目标应用信息进行特征词提取处理，得到特征词，包括：
27.对所述目标应用信息进行可视化显示，以便进行人工特征词提取处理；
28.获取针对所述目标应用信息的特征词提取结果，并利用所述特征词提取结果得到所述特征词。
29.可选地，所述预设分类模型的生成过程，包括：
30.获取训练应用信息和对应的训练类别标签；
31.利用所述训练应用信息、所述训练类别标签和所述预设类别词典训练初始分类模型，得到所述预设分类模型；
32.若检测到更新训练应用信息和对应的更新训练类别标签，或检测到所述预设类别词典被更新，则对所述预设分类模型进行更新训练。
33.可选地，所述待分类应用软件为多个，所述方法还包括：
34.基于各个所述待分类应用软件分别对应的下载量，将所述待分类应用软件划分为多个应用软件组；
35.对各个所述应用软件组进行采样，得到待测应用软件和对应的待测软件类别；
36.对所述待测应用软件和所述待测软件类别进行人工检测，得到人工检测结果；
37.基于所述人工检测结果更新目标对象；所述目标对象为任意一个所述待测软件类别，或者为所述待测软件类别和所述预设类别词典。
38.本技术还提供了一种应用软件分类装置，包括：
39.获取模块，用于获取待分类应用软件对应的应用信息；
40.关键词提取模块，用于提取所述应用信息中的关键词；
41.匹配模块，用于利用所述关键词与预设类别词典进行关键词匹配；
42.第一确定模块，用于若目标预设关键词匹配成功，则将所述目标预设关键词对应的类别确定为所述待分类应用软件的软件类别；
43.第二确定模块，用于若匹配失败，则利用预设分类模型对所述应用信息进行分类处理，得到所述软件类别。
44.本技术还提供了一种电子设备，包括存储器和处理器，其中：
45.所述存储器，用于保存计算机程序；
46.所述处理器，用于执行所述计算机程序，以实现上述的应用软件分类方法。
47.本技术还提供了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现上述的应用软件分类方法。
48.本技术提供的应用软件分类方法，获取待分类应用软件对应的应用信息；提取应用信息中的关键词；利用关键词与预设类别词典进行关键词匹配；若目标预设关键词匹配成功，则将目标预设关键词对应的类别确定为待分类应用软件的软件类别；若匹配失败，则利用预设分类模型对应用信息进行分类处理，得到软件类别。
49.可见，该方法首先对应用信息进行关键词提取，并将其与预设类别词典进行关键词匹配，若目标预设关键词匹配成功，则可以直接确定目标预设关键词在预设类别词典中对应的类别，并将其确定为软件类别。若匹配失败，则说明预设类别词典没有覆盖到待分类应用软件。本技术中利用预先训练好的预设分类模型，基于待分类应用软件的应用信息对其进行分类，得到软件类别。利用预设分类模型，可以对预设类别词典没有覆盖到的待分类应用软件进行分类，无需人工介入分类过程，提高了分类效率。同时，避免人工介入也能够提高分类准确性。
50.此外，本技术还提供了一种应用软件分类装置、电子设备及计算机可读存储介质，同样具有上述有益效果。
附图说明
51.为了更清楚地说明本技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
52.图1为本技术实施例提供的一种应用软件分类方法流程图；
53.图2为本技术实施例提供的一种具体的应用软件分类系统架构结构图；
54.图3为本技术实施例提供的一种应用商店分类的示意图；
55.图4为本技术实施例提供的一种预设类别词典的示意图；
56.图5为本技术实施例提供的一种预设分类模型训练过程流程图；
57.图6为本技术实施例提供的一种关键词提取过程流程图；
58.图7为本技术实施例提供的一种的模型训练过程流程图；
59.图8为本技术实施例提供的一种应用软件分类过程流程图；
60.图9为本技术实施例提供的一种应用软件分类装置的结构示意图；
61.图10为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
62.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术
人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
63.请参考图1，图1为本技术实施例提供的一种应用软件分类方法流程图。该方法包括：
64.s101：获取待分类应用软件对应的应用信息。
65.需要说明的是，本技术中的各个步骤可以由指定的电子设备执行，被指定的电子设备的数量可以为一个或多个，具体可以为计算机、服务器或多个电子设备构成的集群。
66.待分类应用软件，是指需要被确定所属类别的应用软件，其数量不做限定。为落实《中华人民共和国网络安全法》关于个人信息收集合法、正当、必要的原则，规范app(application，应用软件)对个人信息的收集行为，保障公民个人信息安全，国家互联网信息办公室研究起草了《常见类型移动互联网应用程序(app)必要个人信息范围(征求意见稿)》。《征求意见稿》针对每种类别的应用软件的监管标准都有所不同，因此，需要对移动应用软件进行分类，通常情况下，主要分为国家网信办于2020年12月1日公布的《常见类型移动互联网应用程序(app)必要个人信息范围》中规定的39种app类型。
67.为了对待分类软件进行准确地分类，本技术中不仅采用了预设类别词典，还设有预设分类模型，预设分类模型能够在无法直接利用预设类别词典进行分类的情况下对待分类应用软件进行分类。请参考图2，图2为本技术实施例提供的一种具体的应用软件分类系统架构结构图。可以看到，整个分类系统从逻辑层面上分为3层，数据层作为最底层，符合收集数据，收集的数据作为分类的基础上报至服务层，服务层包括机器学习程序和自动化分类程序，机器学习程序利用数据预处理模块生成训练数据，提供给模型训练模型进行模型训练，得到预设分类模型，模型使用模块用于利用预设分类模型进行分类，生成分类信息。自动化分类程序能够利用数据预处理模块对数据进行预处理，对数据进行分词，并进行关键词提取，同时还可以调用关键词词典(即预设类别词典)，进行映射，以便对其进行分类。机器学习程序和自动化分类程序共同配合，在业务层面完成对app的自动化分类业务。
68.需要说明的是，数据层获取的用于分类的基础数据，可以被称为应用信息。可以理解的是，不同的待分类应用软件对应的应用信息可以不同。应用信息的具体内容不做限定，例如在一种可行的实施方式中，应用信息可以包括应用名称、应用简介等。在另一种实施方式中，可以利用光学字符识别(optical character recognition，ocr)技术对图像中的文字进行识别，得到图片描述信息，作为应用信息的一部分。即可以首先获取待分类应用软件的名称和描述信息，同时获取待分类应用软件的描述图片，并对描述图片进行文字识别处理，得到图片描述信息，最后将将名称、描述信息和图片描述信息确定为应用信息。
69.s102：提取应用信息中的关键词。
70.关键词，是指应用信息中可能表征其所属类别的词，每个应用信息对应的关键词的数量可以为一个或多个。本实施例并不限定关键词提取的具体方式，例如在一种实施方式中，可以将应用信息进行分词处理，分词后得到的所有词语均作为关键词。在某些情况下，有些分词后的某些内容可能为无效内容，例如空格、换行字符或预先这顶的特殊字符等，这些无效内容被视为无法用于表征所述类别，在这种情况下，可以将无效内容进行过滤清楚，保留剩余的有效内容作为关键词，或者在有效内容中进一步确定关键词。
71.s103：利用关键词与预设类别词典进行关键词匹配。
72.预设类别词典，是指记录有类别与预设关键词之间对应关系的词典，在确定关键
词后，将各个关键词与预设类别词典中的各个预设关键词进行匹配，以便尝试确定待分类应用软件的类别。
73.可以理解的是，在利用预设类别词典进行关键词匹配之前，需要获取预设类别词典。本实施例并不限定预设类别词典的获取方式，在一种实施方式中，可以从其他电子设备处获取已经生成的预设类别词典。在另一种实施方式中，可以利用其他数据构建预设类别词典。为了得到准确且覆盖范围大的预设类别词典，以便对待分类应用软件进行准确分类，预设类别词典的构建过程可以包括：
74.步骤11：获取多个初始应用软件分别对应的应用商店分类和初始应用信息。
75.步骤12：确定各个应用商店分类分别所属的预设类别，并基于预设类别对初始应用信息进行分组，得到多个信息组。
76.步骤13：对各个信息组内的初始应用信息进行高频词提取处理，得到高频词。
77.步骤14：在初始应用软件中确定目标应用软件，并对目标应用软件对应的目标应用信息进行特征词提取处理，得到特征词。
78.步骤15：利用高频词、特征词和预设类别构建预设类别词典。
79.初始应用信息，是指初始应用软件对应的应用信息。初始应用软件，是指经过人工或其他分类处理后，具有准确分类的应用软件，在本技术中，可以利用各个应用商店(例如苹果的app store、360手机助手、oppo软件商店等)对初始应用软件的分类作为初始应用软件的准确分类。请参考图3，图3为本技术实施例提供的一种应用商店分类的示意图，其中示出了应用商店、应用软件名称以及对应的应用商店分类。
80.可以理解的是，各个应用商店对应用软件的分类方式不同，因此应用商店分类与预设类别词典中的各个预设类别(例如上述的39种类别)可能并不完全匹配，在这种情况下，可以首先确定应用商店分类所属的预设类别，并将其作为基础将初始应用信息和预设类别相互对应。在对应完毕后，基于预设类别对初始应用信息进行分组，得到多个信息组，每个信息组对应于一个预设类别。
81.当某个词语在某一类应用软件的描述信息中频繁出现时，可以认为该词语能够表征该应用软件的某种特征，在这种情况下，可以将该词语作为预设类别对应的预设关键词。因此，对各个信息组内的初始应用信息进行高频词提取处理，得到高频词，高频词在各个初始应用信息中出现的频次大于非高频词在各个初始应用信息中出现的频次，每个预设类别对应的高频词数量可以相同或不同。例如可以设置各个预设类别对应的高频词数量，或者可以设定频率阈值，将出现频率大于该阈值的词语设置为高频词。
82.此外，对于某些应用软件来说，其因为某些原因(例如开发团队专业，或应用或下载数量大)，对应的应用信息对其类别的描述较准确，或者其影响较大，使得同类型的应用软件会采用类似的描述方式来生成应用信息。这些应用软件可以被称为典型应用，或者目标应用软件，具体的，可以将初始应用软件中下载量大于预设数量，或软件开发团队为指定团队的部分确定为目标应用软件，并对其对应的目标应用信息进行特征词提取处理。该处理可以利用神经网络进行识别等自动化方式完成，或者，在另一种实施方式中，可以由人工完成。例如可以对目标应用信息进行可视化显示，以便进行人工特征词提取处理。人工对目标应用信息进行点击、选择等标识处理，或者通过交互部件输入相应的信息。电子设备获取针对目标应用信息的特征词提取结果，并利用特征词提取结果得到特征词，例如基于特征
词提取结果从目标应用信息中选择特征词，或者直接将特征词提取结果进行解析，得到特征词。
83.在得到特征词和高频词后，建立其与对应的预设类别之间的对应关系，即可得到预设类别词典。请参考图4，图4为本技术实施例提供的一种预设类别词典的示意图，其中示出了部分预设类别和对应的预设关键词。
84.在利用关键词与预设类别词典进行匹配后，若检测到某一个关键词被记录在预设类别词典中，则可以将该关键词确定为目标预设关键词，并执行s104步骤。若未匹配到，则执行s105步骤。
85.s104：若目标预设关键词匹配成功，则将目标预设关键词对应的类别确定为待分类应用软件的软件类别。
86.若存在目标预设关键词，则说明应用信息能够直观表征出待分类应用软件的类别，在这种情况下，可以直接将目标预设关键词对应的预设类别确定为待分类应用软件的软件类别。
87.s105：若匹配失败，则利用预设分类模型对应用信息进行分类处理，得到软件类别。
88.若不存在任意一个目标预设关键词，即所有关键词都没有在预设类别词典中被记载。在这种情况下，可以利用预设分类模型进行分类处理，预设分类模型被预先训练好，能够基于应用信息对待分类应用软件的类型进行预测，得到软件类别。本实施例并不限定分类处理的具体处理过程，在一种可行的实施方式中，可以将应用信息输入预设分类模型，得到初始分类结果和对应的结果准确度。其中，结果准确度，是指表征初始分类结果的可靠程度的准确度。若结果准确度不小于预设准确度阈值，则说明初始分类结果的可靠性较高，因此可以直接将初始分类结果确定为软件类别。若结果准确度小于预设准确度阈值，则说明初始分类结果的可靠性较差，为了保证分类准确性，在这种情况下并不将初始分类结果确定为最终的分类结果，而是基于待分类应用软件对应的应用商店分类，确定各个预设类别中的最大数量类别。最大数量类别为一个预设类别，其对应的应用商店的数量不小于其他的预设类别对应的应用商店的数量。具体的，待分类应用软件在各个应用商店中具有对应的应用商店分类，一个应用商店分类对应于某一个预设类别。多个应用商店对待分类应用软件具有对应的分类，即存在多个应用商店分类。多个应用商店分类对应于至少一个预设类别，若有较多的应用商店认为待分类应用软件属于某一个预设类别，则该分类结果的可靠性较强，其中数量最多的预设类别，即为最大数量类别，其可靠性最高，因此可以直接将最大数量类别确定为软件类别，完成分类。
89.可以理解的是，在利用预设分类模型进行分类之前，需要生成预设分类模型。具体的，预设分类模型的生成过程可以包括：
90.步骤21：获取训练应用信息和对应的训练类别标签。
91.步骤22：利用训练应用信息、训练类别标签和预设类别词典训练初始分类模型，得到预设分类模型。
92.步骤23：若检测到更新训练应用信息和对应的更新训练类别标签，或检测到预设类别词典被更新，则对预设分类模型进行更新训练。
93.训练应用信息，是指用于模型训练的具有标签的应用信息，其标签即为训练类别
标签。本技术中，利用训练应用信息、训练类别标签和预设类别词典训练初始分类模型，得到预设分类模型。初始分类模型为未训练完成的模型，其具体结构不做限定，例如可以为bert(bidirectional encoder representations from transformers，来自transformer的双向编码器表示)模型。训练过程可以为多轮，每轮训练完成后对初始分类模型的参数进行调节，当训练轮次达到预设轮次，或者当初始分类模型的准确率达到预设阈值，则将初始分类模型确定为预设分类模型。
94.此外，在需要时，还可以对已有的预设分类模型进行进一步的追加训练，以便不断提高其预测准确性。具体的，当用于训练的数据，例如训练应用信息或预设类别词典，发生更新，例如新增或修改，则可以利用更新后的训练数据对预设分类模型进行进一步训练。
95.具体的，请参考图5，图5为本技术实施例提供的一种预设分类模型训练过程流程图。训练过程中的待处理数据即为训练应用信息，其经过人工标注的处理后，得到对应的训练类别标签，共同组成训练数据。训练数据被输入数据预处理模块进行预处理，请参考图6，图6为本技术实施例提供的一种关键词提取过程流程图，应用于数据预处理模块。训练数据中的原始数据部分(即待处理数据部分)经过ocr技术，提取其中图像数据对应的图片描述信息，进一步，对所有的文字信息进行无效信息过滤处理，并对过滤后的内容按照训练集、验证集、测试集的划分。划分后的训练集进行分词处理，得到处理后数据。
96.处理后数据被应用于模型训练模块，对初始bert模型进行训练。请参考图7，图7为本技术实施例提供的一种的模型训练过程流程图。bert模型能够获取上下文相关的双向特征表示，以便做出更加准确地预测。模型训练模块应用处理后数据进行模型训练，在训练后进行模型参数调节。利用验证集对调节后的模型进行进一步训练，以便改善并优化模型，提高分类准确性。同时利用测试集进行测试，若不合格则继续训练，若合格则训练完毕。
97.在训练完毕后，即可利用bert模型进行分类。bert模型被部署至自动化分类程序，以便在需要时进行调用。请参考图8，在使用时，将应用过程中的待处理数据，即应用信息，输入至bert模型，bert模型对其记性你分类处理，得到分类结果数据，分类结果数据可以被存入指定的文件中以便读取。
98.进一步的，在分类结束后，还可以进一步进行人工检测。具体的，待分类应用软件可以为多个，在分类完毕后，可以基于各个待分类应用软件分别对应的下载量，将待分类应用软件划分为多个应用软件组，并对各个应用软件组进行采样，得到待测应用软件和对应的待测软件类别。通过分组并采样的方式，能够尽可能地提高检测的覆盖范围，提高检测的可靠性。对待测应用软件和待测软件类别进行人工检测，得到人工检测结果，具体可以为可视化输出待测应用软件的应用信息、待测软件类别等，并获取对应的人工检测结果。基于人工检测结果更新目标对象，其中，目标对象为任意一个待测软件类别，或者为待测软件类别和预设类别词典。例如当待测软件类别错误时，可以对其进行更改，或者，当预设分类网络频繁将具有某一关键词的应用信息分类至某一预设类别时，可以将该关键词与预设类别的对应关系添加至预设类别词典。
99.应用本技术实施例提供的应用软件分类方法，首先对应用信息进行关键词提取，并将其与预设类别词典进行关键词匹配，若目标预设关键词匹配成功，则可以直接确定目标预设关键词在预设类别词典中对应的类别，并将其确定为软件类别。若匹配失败，则说明预设类别词典没有覆盖到待分类应用软件。本技术中利用预先训练好的预设分类模型，基
于待分类应用软件的应用信息对其进行分类，得到软件类别。利用预设分类模型，可以对预设类别词典没有覆盖到的待分类应用软件进行分类，无需人工介入分类过程，提高了分类效率。同时，避免人工介入也能够提高分类准确性。
100.下面对本技术实施例提供的应用软件分类装置进行介绍，下文描述的应用软件分类装置与上文描述的应用软件分类方法可相互对应参照。
101.请参考图9，图9为本技术实施例提供的一种应用软件分类装置的结构示意图，包括：
102.获取模块110，用于获取待分类应用软件对应的应用信息；
103.关键词提取模块120，用于提取应用信息中的关键词；
104.匹配模块130，用于利用关键词与预设类别词典进行关键词匹配；
105.第一确定模块140，用于若目标预设关键词匹配成功，则将目标预设关键词对应的类别确定为待分类应用软件的软件类别；
106.第二确定模块150，用于若匹配失败，则利用预设分类模型对应用信息进行分类处理，得到软件类别。
107.可选地，第二确定模块150，包括：
108.输入单元，用于将应用信息输入预设分类模型，得到初始分类结果和对应的结果准确度；
109.第一确定单元，用于若结果准确度不小于预设准确度阈值，则将初始分类结果确定为软件类别；
110.第二确定单元，用于若结果准确度小于预设准确度阈值，则基于待分类应用软件对应的应用商店分类，确定各个预设类别中的最大数量类别；其中，最大数量类别对应的应用商店的数量不小于其他的预设类别对应的应用商店的数量；
111.第三确定单元，用于将最大数量类别确定为软件类别。
112.可选地，获取模块110，包括：
113.初始获取单元，用于获取待分类应用软件的名称和描述信息；
114.文字识别单元，用于获取待分类应用软件的描述图片，并对描述图片进行文字识别处理，得到图片描述信息；
115.信息确定单元，用于将名称、描述信息和图片描述信息确定为应用信息。
116.可选地，包括：
117.初始获取模块，用于获取多个初始应用软件分别对应的应用商店分类和初始应用信息；
118.分组模块，用于确定各个应用商店分类分别所属的预设类别，并基于预设类别对初始应用信息进行分组，得到多个信息组；
119.高频词提取模块，用于对各个信息组内的初始应用信息进行高频词提取处理，得到高频词；其中，高频词在各个初始应用信息中出现的频次大于非高频词在各个初始应用信息中出现的频次；
120.特征词提取模块，用于在初始应用软件中确定目标应用软件，并对目标应用软件对应的目标应用信息进行特征词提取处理，得到特征词；
121.词典构建模块，用于利用高频词、特征词和预设类别构建预设类别词典。
122.可选地，特征词提取模块，包括：
123.可视化单元，用于对目标应用信息进行可视化显示，以便进行人工特征词提取处理；
124.特征词确定单元，用于获取针对目标应用信息的特征词提取结果，并利用特征词提取结果得到特征词。
125.可选地，包括：
126.训练获取模块，用于获取训练应用信息和对应的训练类别标签；
127.训练模块，用于利用训练应用信息、训练类别标签和预设类别词典训练初始分类模型，得到预设分类模型；
128.更新训练模块，用于若检测到更新训练应用信息和对应的更新训练类别标签，或检测到预设类别词典被更新，则对预设分类模型进行更新训练。
129.可选地，还包括：
130.应用分组模块，用于基于各个待分类应用软件分别对应的下载量，将待分类应用软件划分为多个应用软件组；
131.采样模块，用于对各个应用软件组进行采样，得到待测应用软件和对应的待测软件类别；
132.人工检测模块，用于对待测应用软件和待测软件类别进行人工检测，得到人工检测结果；
133.更新模块，用于基于人工检测结果更新目标对象；目标对象为任意一个待测软件类别，或者为待测软件类别和预设类别词典。
134.下面对本技术实施例提供的电子设备进行介绍，下文描述的电子设备与上文描述的应用软件分类方法可相互对应参照。
135.请参考图10，图10为本技术实施例提供的一种电子设备的结构示意图。其中电子设备100可以包括处理器101和存储器102，还可以进一步包括多媒体组件103、信息输入/信息输出(i/o)接口104以及通信组件105中的一种或多种。
136.其中，处理器101用于控制电子设备100的整体操作，以完成上述的应用软件分类方法中的全部或部分步骤；存储器102用于存储各种类型的数据以支持在电子设备100的操作，这些数据例如可以包括用于在该电子设备100上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器102可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，sram)、电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、可编程只读存储器(programmable read-only memory，prom)、只读存储器(read-only memory，rom)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
137.多媒体组件103可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器102或通过通信组件105发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口104为处理器101和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮
或者实体按钮。通信组件105用于电子设备100与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件105可以包括：wi-fi部件，蓝牙部件，nfc部件。
138.电子设备100可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例给出的应用软件分类方法。
139.下面对本技术实施例提供的计算机可读存储介质进行介绍，下文描述的计算机可读存储介质与上文描述的应用软件分类方法可相互对应参照。
140.本技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的应用软件分类方法的步骤。
141.该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
142.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
143.本领域技术人员还可以进一步意识到，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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应该认为超出本技术的范围。
144.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
145.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属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，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、包含或者其他任何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、物品或者设备所固有的要素。
146.本文中应用了具体个例对本技术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技术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
本技术的思想，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技术的限制。