应用配置使用率预测方法及装置与流程

1.本发明涉及数据信息技术领域，尤其涉及一种应用配置使用率预测方法及装置。


背景技术：

2.在产品团队进行应用功能研发过程中，应用配置需求对产品团队安排应用功能研发计划具有导向作用。因此，对应用配置需求进行精准把握是产品团队做出正确应用功能研发计划的重要前提。
3.在相关技术中，通常采集多个用户当前对于应用的配置操作序列，根据多个用户当前的配置操作序列得到各个配置操作的使用率，将各个配置操作的使用率确定为各个配置对应的需求预测结果。
4.然而，一旦用户的配置操作序列在短时间内发生较大变化，由于现有技术是基于用户当前的配置操作序列预测应用配置使用率，导致应用配置使用率预测结果的准确率低下。


技术实现要素：

5.本发明提供一种应用配置使用率预测方法及装置，用以解决现有技术中应用配置使用率预测结果的准确率低下的缺陷，提高应用配置使用率预测的准确率。
6.本发明提供一种应用配置使用率预测方法，包括：
7.根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵；其中，所述状态转移矩阵中的元素为所述n个状态中任意两个状态之间的状态转移概率；所述n个状态中每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同；n为大于或等于1的正整数；
8.根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率。
9.根据本发明提供的一种应用配置使用率预测方法，所述根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵，包括：
10.根据至少一个用户针对目标应用的至少一个配置操作序列，及各所述配置操作序列中各个配置操作对应的功能信息、配置操作信息及配置参数，确定各所述配置操作序列对应的状态转移链；
11.根据各所述配置操作序列对应的状态转移链，确定所述目标应用的n个状态中任意两个状态之间的状态转移次数；
12.根据所述n个状态中任意两个状态之间的状态转移次数，确定所述n个状态中任意两个状态之间的状态转移概率；
13.基于所述n个状态中任意两个状态之间的状态转移概率，确定所述目标应用的n个状态对应的状态转移矩阵。
14.根据本发明提供的一种应用配置使用率预测方法，所述根据所述n个状态中任意
两个状态之间的状态转移次数，确定所述n个状态中任意两个状态之间的状态转移概率，包括：
15.根据所述n个状态中任意两个状态之间的状态转移次数，确定所述n个状态中第一状态的第一转移次数，及所述第一状态转移到第二状态的第二转移次数；其中，所述第一状态为所述n个状态中任一个状态；所述第二状态为所述n个状态中任一个状态；
16.根据所述第一转移次数和第二转移次数，确定所述第一状态转移到所述第二状态的状态转移概率。
17.根据本发明提供的一种应用配置使用率预测方法，所述方法还包括：
18.采集至少一个用户针对目标应用的至少一个配置操作序列，直到依次满足如下条件：
19.配置操作序列的长度达到第一阈值，或配置操作序列未更新的时长达到第二阈值；
20.用户数量达到第三阈值；
21.状态转移概率的变化率小于第四阈值。
22.根据本发明提供的一种应用配置使用率预测方法，所述根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率，包括：
23.根据所述状态转移矩阵、初始概率向量以及迭代次数，确定所述n个状态中每个状态的使用率；
24.其中，所述初始概率向量中包括所述n个状态中每个状态的初始使用率。
25.根据本发明提供的一种应用配置使用率预测方法，所述配置参数等价集信息用于指示配置参数所对应的取值范围。
26.本发明还提供一种应用配置使用率预测装置，包括：
27.确定模块，用于根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵；其中，所述状态转移矩阵中的元素为所述n个状态中任意两个状态之间的状态转移概率；所述n个状态中每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同；n为大于或等于1的正整数；
28.处理模块，用于根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率。
29.根据本发明提供的一种应用配置使用率预测装置，所述确定模块具体用于：
30.根据至少一个用户针对目标应用的至少一个配置操作序列，及各所述配置操作序列中各个配置操作对应的功能信息、配置操作信息及配置参数等价集信息，确定各所述配置操作序列对应的状态转移链；
31.根据各所述配置操作序列对应的状态转移链，确定所述目标应用的n个状态中任意两个状态之间的状态转移次数；
32.根据所述n个状态中任意两个状态之间的状态转移次数，确定所述n个状态中任意两个状态之间的状态转移概率；
33.基于所述n个状态中任意两个状态之间的状态转移概率，确定所述目标应用的n个状态对应的状态转移矩阵。
34.根据本发明提供的一种应用配置使用率预测装置，所述确定模块具体用于：
35.根据所述n个状态中任意两个状态之间的状态转移次数，确定所述n个状态中第一
状态的第一转移次数，及所述第一状态转移到第二状态的第二转移次数；其中，所述第一状态为所述n个状态中任一个状态；所述第二状态为所述n个状态中任一个状态；
36.根据所述第一转移次数和第二转移次数，确定所述第一状态转移到所述第二状态的状态转移概率。
37.根据本发明提供的一种应用配置使用率预测装置，所述装置还包括采集模块：
38.所述采集模块，用于采集至少一个用户针对目标应用的至少一个配置操作序列，直到依次满足如下条件：
39.配置操作序列的长度达到第一阈值，或配置操作序列未更新的时长达到第二阈值；
40.用户数量达到第三阈值；
41.状态转移概率的变化率小于第四阈值。
42.根据本发明提供的一种应用配置使用率预测装置，所述处理模块具体用于：
43.根据所述状态转移矩阵、初始概率向量以及迭代次数，确定所述n个状态中每个状态的使用率；
44.其中，所述初始概率向量中包括所述n个状态中每个状态的初始使用率。
45.根据本发明提供的一种应用配置使用率预测装置，所述配置参数等价集信息用于指示配置参数所对应的取值范围。
46.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述应用配置使用率预测方法的步骤。
47.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述应用配置使用率预测方法的步骤。
48.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述应用配置使用率预测方法的步骤。
49.本发明提供的应用配置使用率预测方法及装置，方法包括：通过对采集到的至少一个用户针对目标应用的至少一个配置操作序列进行统计分析，计算n个状态中任意两个状态之间的状态转移概率，进而得到目标应用的n个状态对应的状态转移矩阵；通过状态转移矩阵，确定n个状态中每个状态的使用率。在本发明中，通过根据多个用户针对目标应用的动态应用配置数据，计算得到各应用配置的使用率，这提高了应用配置使用率预测的准确率。
附图说明
50.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
51.图1为本发明提供的应用配置使用率预测方法的流程示意图之一；
52.图2为本发明提供的应用配置使用率预测方法的流程示意图之二；
53.图3为本发明提供的确定状态转移概率的流程示意图；
54.图4为本发明提供的采集配置操作序列的采集流程图；
55.图5为本发明提供的应用配置使用率预测装置的结构示意图；
56.图6为本发明提供的电子设备的实体结构示意图。
具体实施方式
57.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
58.下面结合图1-图4描述本发明的应用配置使用率预测方法。
59.图1为本发明提供的应用配置使用率预测方法的流程示意图之一，如图1所示，该方法包括：
60.步骤110，根据至少一个用户针对目标应用的至少一个配置操作序列，确定目标应用的n个状态对应的状态转移矩阵。
61.本发明的执行主体可以为处理器和微处理器等具有数据处理功能的设备，也可以为设置在处理器或微处理器等设备中的数据处理单元；其中，数据处理单元可以通过软件和/或硬件的结合来实现。
62.可选地，目标应用为用户使用的应用程序或用户使用的终端设备。需要说明的是，该目标应用是本发明提供的应用配置使用率预测方法的预测对象，即本发明提供的应用配置使用率预测方法是对目标应用的配置使用率进行预测。
63.在本实施例中，配置操作序列为用户针对目标应用在预设时段内的多个配置操作按照时间先后顺序排列生成的序列。
64.需要说明的是，各配置操作序列中包括至少一个配置操作。其中，每个配置操作中包括功能信息、配置操作信息以及配置参数。
65.例如：配置操作中包括功能1、配置操作1以及配置参数为参数1。需要说明的是，可以根据实际配置对功能和配置操作信息以及配置参数的取值进行设置，这里只是对各功能、各配置操作进行区别说明。例如，功能1可以为:配置地址，配置操作1可以为：配置ipv4地址，配置参数可以为：地址a；或者，功能1可以为:配置地址，操作1可以为：配置ipsec-vpn，配置参数可以为：自动模式。
66.可以理解的是，由于配置参数的取值可能众多，由此应用对应的配置情况众多，进而导致难以对应用的配置情况进行合理的统计分析。为解决上述问题，设置一种预设对应关系。其中，预设对应关系为状态、功能信息、配置操作信息以及配置参数等价集信息之间的关系。也就是说，每个状态对应固定的功能信息、配置操作信息以及配置参数等价集信息，即每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同。其中，配置参数等价集信息用于指示配置参数所对应的取值范围。
67.下面，结合表1对预设对应关系进行说明。
68.表1
[0069][0070][0071]
如表1所示，每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同。
[0072]
可选地，对于各用户针对目标应用的配置操作序列中至少一个配置操作，根据预设对应关系，为每个配置操作确定各自对应的状态，得到至少一个配置操作序列各自对应的至少一个状态。
[0073]
在确定各用户的配置操作序列对应的至少一个状态后，可以统计获取用户配置状态的状态转移矩阵。具体的，可以对至少一个用户的应用配置状态各自对应的至少一个状态进行统计分析，获取用户的应用配置状态从第i个状态转移到第j个状态的状态转移概率。
[0074]
可选地，标记用户的应用配置状态从第i个状态转移到第j个状态的状态转移概率p
ij
，则可以得到公式(1)。
[0075][0076]
其中，n为至少一个用户的应用配置状态中状态种类的总数量，即在至少一个用户的应用配置状态中总共有n种不同的状态。n为大于或等于1的正整数。
[0077]
在得到用户的应用配置状态从第i个状态转移到第j个状态的状态转移概率p
ij
后，可以通过利用p
ij
(i,j＝1,2,...,n)生成用户应用配置状态的状态转移矩阵，标记状态转移矩阵为p，则状态转移矩阵可以参考公式(2)。
[0078][0079]
步骤120，根据状态转移矩阵，确定n个状态中每个状态的使用率。
[0080]
可选地，根据n维初始概率向量和状态转移矩阵的乘积，确定n个状态中每个状态的使用率，可以参考公式(3)。其中，n维初始概率向量记为向量b＝[b1,b2,...,bi,...,bn]，向量b中的bi,i∈[1,n]表示状态si的初始使用率。
[0081][0082]
其中，向量b表示n维初始概率向量，p表示状态转移矩阵，d为应用配置使用率向量，应用配置使用率向量d中的di,i∈[1,n]表示状态si的使用率。
[0083]
本发明提供的应用配置使用率预测方法，通过对采集到的至少一个用户针对目标应用的至少一个配置操作序列进行统计分析，计算n个状态中任意两个状态之间的状态转移概率，进而得到目标应用的n个状态对应的状态转移矩阵；通过状态转移矩阵，确定n个状态中每个状态的使用率。在本发明中，通过根据多个用户针对目标应用的动态应用配置数据，计算得到各应用配置的使用率，这提高了应用配置使用率预测的准确率。
[0084]
可选地，图2为本发明提供的应用配置使用率预测方法的流程示意图之二，如图2所示，该方法包括：
[0085]
步骤210，根据至少一个用户针对目标应用的至少一个配置操作序列，及各配置操作序列中各个配置操作对应的功能信息、配置操作信息及配置参数，确定各配置操作序列对应的状态转移链。
[0086]
可选地，对于各用户针对目标应用的配置操作序列中至少一个配置操作，根据表1中的预设对应关系，为每个配置操作确定各自对应的状态，得到至少一个配置操作序列各自对应的至少一个状态。
[0087]
可选地，根据各配置操作序列各自对应的至少一个状态，确定各配置操作序列各自对应的状态转移链。
[0088]
下面，结合一个示例，对上述确定各配置操作序列各自对应的状态转移链一种可选地实现方式进行说明。
[0089]
例如，采集了5个用户的配置操作序列，该5个用户分别为用户1、用户2、用户3、用户4以及用户5。该5个用户针对目标应用的配置操作序列各自对应的状态序列分别为：用户1对应的状态序列为：[s4，s3，s2，s5]，用户2对应的状态序列为：[s1，s3，s5]，用户3对应的状态序列为：[s1，s1，s2，s5]，用户4对应的状态序列为：[s5，s1，s4，s1]，用户5对应的状态序列为：[s3，s5，s2，s1，s4]。
[0090]
需要说明的是，用户针对目标应用的配置操作序列中的至少一个配置操作是按时间顺序排列的。因此，配置操作序列对应的至少一个状态也是按照时间顺序排列的。
[0091]
接下来，根据各用户针对目标应用的配置操作序列各自对应的状态序列，确定各配置操作序列各自对应的状态转移链。
[0092]
例如，用户1对应的状态序列为：[s4，s3，s2，s5]，则用户1的配置操作序列对应的状态转移链为：s4-》s3-》s2-》s5；用户2对应的状态序列为：[s1，s3，s5]，则用户2对应的状态转移链为：s1-》s3-》s5；用户3的配置操作序列对应的状态序列为：[s1，s1，s2，s5]，则用户3对应的状态转移链为：s1-》s1-》s2-》s5；用户4对应的状态序列为：[s5，s1，s4，s1]，则用户4的配置操作序列对应的状态转移链为：s5-》s1-》s4-》s1；用户5对应的状态序列为：[s3，s5，s2，s1，s4]，则用户5的配置操作序列对应的状态转移链为：s3-》s5-》s2-》s1-》s4。
[0093]
步骤220，根据各配置操作序列对应的状态转移链，确定目标应用的n个状态中任意两个状态之间的状态转移次数。
[0094]
基于上述步骤210确定了各配置操作序列对应的状态转移链，接下来，确定n个状态中任意两个状态之间的状态转移次数。
[0095]
可选地，根据至少一个用户的配置操作序列各自对应的状态转移链，确定目标应用的n个状态中任意两个状态之间的状态转移次数。
[0096]
下面，结合具体示例，对上述可选地实现方式进行说明。
[0097]
例如，在上述5个用户的配置操作序列各自对应的状态转移链的基础上，对确定目标应用的n个状态对应的状态转化矩阵的实现方式进行说明。由于5个用户的配置操作序列各自对应的状态转移链中涉及5个状态即状态s1-s5。故，本示例中n的取值为5。
[0098]
接下来，以状态s1为例，统计状态s1分别转移到状态s1、s2、s3、s4、s5的转移次数。为便于记录，将转移次数记为t
ij
,i,j∈[1,n],即t
ij
表示状态si转移到状态sj的次数。
[0099]
根据5个用户的配置操作序列各自对应的状态转移链，统计可以得到状态s1转移到状态s1的次数为1，s1转移到状态s2的次数为1，s1转移到状态s3的次数为1，s1转移到状态s4的次数为2，s1转移到状态s5的次数为0。也就是说，t
11
＝1,t
12
＝1,t
13
＝1,t
14
＝2,t
15
＝0。
[0100]
因此，以此类推可以得到，通过统计状态s2分别转移到状态s1-s5的转移次数、状态s3分别转移到状态s1-s5的转移次数、状态s4分别转移到状态s1-s5的转移次数、状态s5分别转移到状态s1-s5的转移次数，可以得到目标应用的5个状态中任意两个状态之间的状态转移次数。
[0101]
步骤230，根据n个状态中任意两个状态之间的状态转移次数，确定n个状态中任意两个状态之间的状态转移概率。
[0102]
可选地，图3为本发明提供的确定状态转移概率的流程示意图，如图3所示，步骤230的实现方式可以包括步骤310-步骤320，其中：
[0103]
步骤310，根据n个状态中任意两个状态之间的状态转移次数，确定n个状态中第一状态的第一转移次数，及第一状态转移到第二状态的第二转移次数；其中，第一状态为n个状态中任一个状态；第二状态为n个状态中任一个状态。
[0104]
需要强调说明的是，第一状态的第二转移次数为第一状态转移到n个状态中任意一个状态的转移次数，而第一状态的第一转移次数为第一状态转移到n个状态的第二转移
次数的总和。
[0105]
下面，结合示例，对确定n个状态中第一状态的第一转移次数以及第一状态转移到第二状态的第二转移次数的具体实现进行说明。
[0106]
例如，以确定状态s1-s5中状态s1的第一转移次数和状态s1分别转移到状态s1-s5的第二转移次数。具体的，统计状态s1转移到状态s1、s2、s3、s4、s5转移次数并将其分别确定为状态s1转移到状态s1的第二转移次数记为t
11
＝1、状态s1转移到状态s2的第二转移次数记为t
12
＝1、状态s1转移到状态s3的第二转移次数记为t
13
＝1、状态s1转移到状态s4的第二转移次数记为t
14
＝2以及状态s1转移到状态s5的第二转移次数t
15
＝0。其中，状态s1的第一状态转移次数为：t
11
t
12
t
13
t
14
t
15
＝5。
[0107]
步骤320，根据第一转移次数和第二转移次数，确定第一状态转移到第二状态的状态转移概率。
[0108]
可选地，根据第一转移次数和第二转移次数，确定第一状态转移到第二状态的状态转移概率的实现方式，可以参考公式(4)。
[0109][0110]
其中，p
ij
表示第一状态si到第二状态sj的状态转移概率。
[0111]
下面，结合示例，对确定第一状态转移到第二状态的状态转移概率的具体实现进行说明。
[0112]
例如，以第一状态为s1为例，对确定状态s1-s5中第一状态s1转移到第二状态s1-s5的状态转移概率的实现方式进行说明。需要强调说明的是，第二状态为n个状态中任一个状态。也就是说，对于确定第一状态s1转移到第二状态s1-s5的状态转移概率的理解，可以理解为：分别确定第一状态s1转移到第二状态s1的状态转移概率、第一状态s1转移到第二状态s2的状态转移概率、第一状态s1转移到第二状态s3的状态转移概率、第一状态s1转移到第二状态s4的状态转移概率、第一状态s1转移到第二状态s5的状态转移概率。
[0113]
其中，当t
11
＝1,t
12
＝1,t
13
＝1,t
14
＝2,t
15
＝0时，根据公式(4)可以计算得到：p
11
＝0.2,p
12
＝0.2,p
13
＝0.2,p
14
＝0.4,p
15
＝0。
[0114]
也就是说，第一状态s1转移到第二状态s1的状态转移概率p
11
＝0.2，第一状态s1转移到第二状态s2的状态转移概率p
12
＝0.2，第一状态s1转移到第二状态s3的状态转移概率p
13
＝0.2，第一状态s1转移到第二状态s4的状态转移概率p
14
＝0.4，第一状态s1转移到第二状态s5的状态转移概率p
15
＝0。
[0115]
步骤240，基于n个状态中任意两个状态之间的状态转移概率，确定目标应用的n个状态对应的状态转移矩阵。
[0116]
基于上述步骤230，确定了n个状态中任意两个状态之间的状态转移概率，接下来确定目标应用的n个状态对应的状态转移矩阵。
[0117]
可选地，根据n个状态中任意两个状态之间的状态转移概率，生成目标应用的n个状态对应的状态转移矩阵，标记状态转移矩阵为p，则状态转移矩阵的确定方式可以参考上述公式(2)。
[0118]
下面，通过具体示例，对确定目标应用的n个状态对应的状态转化矩阵的一种可选
地实现方式进行说明。
[0119]
例如，在上述步骤230中示例的的基础上，对确定目标应用的n个状态对应的状态转化矩阵的实现方式进行说明。由于5个用户的配置操作序列各自对应的状态转移链中涉及5个状态即状态s1-s5。因此，n为5。
[0120]
因此，状态转移矩阵为5行5列的矩阵。状态转移矩阵元素为5个状态中任意两个状态之间的状态转移概率。其中，标记状态转移矩阵可以p，则该状态转移矩阵p可以参照公式(5)。
[0121][0122]
其中，p
11
表示状态s1到状态s1的状态转移概率，矩阵中其他元素的含义依次类推，即p
ij
,i,j∈[1,n]表示状态si到状态sj的状态转移概率。
[0123]
步骤250，根据状态转移矩阵、初始概率向量以及迭代次数，确定n个状态中每个状态的使用率；其中，初始概率向量中包括n个状态中每个状态的初始使用率。
[0124]
可选地，根据状态转移矩阵、初始概率向量以及迭代次数，确定n个状态中每个状态的使用率，可以参考公式(6)。
[0125][0126]
其中，向量b表示n维初始概率向量，p表示状态转移矩阵，dk为应用配置使用率向量，k为迭代次数，k为大于或等于1的正整数，应用配置使用率向量dk中的为状态si在迭代k次后预测的使用率。
[0127]
本发明提供的应用配置使用率预测方法，通过根据状态转移矩阵、初始概率向量以及迭代次数，计算得到n个状态中每个状态的使用率；通过在计算预测应用配置使用率时考虑到迭代次数，这有效提高了应用配置使用率预测的稳定性及准确性。
[0128]
在上述实施例的基础上，本发明提供的应用配置使用率预测方法在步骤210之前还包括采集至少一个用户针对目标应用的至少一个配置操作序列，图4为本发明提供的采集配置操作序列的采集流程图。
[0129]
如图4所示，采集配置操作序列的步骤包括：
[0130]
步骤410，采集至少一个用户针对目标应用的至少一个配置操作序列。
[0131]
可选地，从目标应用对应的日志数据中，获取至少一个用户针对目标应用的至少一个配置操作序列。
[0132]
步骤420，判断配置操作序列的长度是否达到第一阈值，或配置操作序列未更新的时长是否达到第二阈值；若是，则执行步骤430，若否，则执行步骤410。
[0133]
需要说明的是，每个配置操作序列中至少包括一个配置操作。配置操作序列的长度，可以理解为每个配置操作序列中的配置操作的数量。
[0134]
判断每个配置操作序列中的配置操作的数量是否达到第一阈值，或每个配置操作序列未更新的时长是否达到第二阈值；若是，则执行步骤430，若否，则执行步骤410。
[0135]
步骤430，判断用户数量是否达到第三阈值；若是，则执行步骤440，若否，则执行步骤410。
[0136]
步骤440，判断状态转移概率的变化率是否小于第四阈值；若是，则执行步骤450，若否，则执行步骤410。
[0137]
可选地，根据至少一个用户针对目标应用的至少一个配置操作序列，确定n个状态中任意两个状态之间的状态转移概率的计算方法，可以参考公式(4)。
[0138]
在本发明实施例中，每采集一次至少一个用户针对目标应用的至少一个配置操作序列，均要确定当前采集数据对应的n个状态中任意两个状态之间的状态转移概率。
[0139]
判断相比前一次采集数据对应的n个状态中任意两个状态之间的状态转移概率，当前采集数据对应的n个状态中任意两个状态之间的状态转移概率的变化率是否小于第四阈值；若是，则执行步骤450，若否，则执行步骤410。
[0140]
步骤450，配置操作序列采集完成。
[0141]
本发明提供的应用配置使用率预测方法，在采集至少一个用户针对目标应用的至少一个配置操作序列中，通过判断是否满足以下三个条件来确定配置操作序列是否完成：配置操作序列的长度达到第一阈值，或配置操作序列未更新的时长达到第二阈值；用户数量达到第三阈值；状态转移概率的变化率小于第四阈值。通过大量用户以及针对各用户采集大量的应用配置序列，并且要求应用配置数据中状态转移概率的变化率小于第四阈值，这在大大提高了用户应用配置序列的数据准确性的同时，提高了应用配置使用率预测的准确性。
[0142]
下面对本发明提供的应用配置使用率预测装置进行描述，下文描述的应用配置使用率预测装置与上文描述的应用配置使用率预测方法可相互对应参照。
[0143]
本发明提供一种应用配置使用率预测装置，图5为本发明提供的应用配置使用率预测装置的结构示意图，如图5所示，该装置500包括：确定模块501和处理模块502；其中，
[0144]
确定模块，用于根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵；其中，所述状态转移矩阵中的元素为所述n个状态中任意两个状态之间的状态转移概率；所述n个状态中每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同；n为大于或等于1的正整数；
[0145]
处理模块，用于根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率。
[0146]
可选地，所述确定模块具体用于：
[0147]
根据至少一个用户针对目标应用的至少一个配置操作序列，及各所述配置操作序列中各个配置操作对应的功能信息、配置操作信息及配置参数，确定各所述配置操作序列对应的状态转移链；
[0148]
根据各所述配置操作序列对应的状态转移链，确定所述目标应用的n个状态中任
意两个状态之间的状态转移次数；
[0149]
根据所述n个状态中任意两个状态之间的状态转移次数，确定所述n个状态中任意两个状态之间的状态转移概率；
[0150]
基于所述n个状态中任意两个状态之间的状态转移概率，确定所述目标应用的n个状态对应的状态转移矩阵。
[0151]
可选地，所述确定模块具体用于：
[0152]
根据所述n个状态中任意两个状态之间的状态转移次数，确定所述n个状态中第一状态的第一转移次数，及所述第一状态转移到第二状态的第二转移次数；其中，所述第一状态为所述n个状态中任一个状态；所述第二状态为所述n个状态中任一个状态；
[0153]
根据所述第一转移次数和第二转移次数，确定所述第一状态转移到所述第二状态的状态转移概率。
[0154]
可选地，所述装置还包括采集模块：
[0155]
所述采集模块，用于采集至少一个用户针对目标应用的至少一个配置操作序列，直到依次满足如下条件：
[0156]
配置操作序列的长度达到第一阈值，或配置操作序列未更新的时长达到第二阈值；
[0157]
用户数量达到第三阈值；
[0158]
状态转移概率的变化率小于第四阈值。
[0159]
可选地，所述处理模块具体用于：
[0160]
根据所述状态转移矩阵、初始概率向量以及迭代次数，确定所述n个状态中每个状态的使用率；
[0161]
其中，所述初始概率向量中包括所述n个状态中每个状态的初始使用率。
[0162]
可选地，所述配置参数等价集信息用于指示配置参数所对应的取值范围。
[0163]
本发明提供的应用配置使用率预测装置，有益效果替换。
[0164]
本发明提供的应用配置使用率预测装置能够实现图1至图4的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
[0165]
可选地，本发明提供一种电子设备，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的程序或指令，该程序或指令被处理器执行时实现上述应用配置使用率预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0166]
图6为本发明提供的电子设备的实体结构示意图，如图6所示，该电子设备600可以包括：处理器(processor)610、通信接口(communications interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行应用配置使用率预测方法，该方法包括：根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵；其中，所述状态转移矩阵中的元素为所述n个状态中任意两个状态之间的状态转移概率；所述n个状态中每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同；n为大于或等于1的正整数；根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率。
[0167]
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为
独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0168]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的应用配置使用率预测方法，该方法包括：根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵；其中，所述状态转移矩阵中的元素为所述n个状态中任意两个状态之间的状态转移概率；所述n个状态中每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同；n为大于或等于1的正整数；根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率。
[0169]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的应用配置使用率预测方法，该方法包括：根据至少一个用户针对目标应用的至少一个配置操作序列，确定所述目标应用的n个状态对应的状态转移矩阵；其中，所述状态转移矩阵中的元素为所述n个状态中任意两个状态之间的状态转移概率；所述n个状态中每个状态对应的功能信息、配置操作信息及配置参数等价集信息不完全相同；n为大于或等于1的正整数；根据所述状态转移矩阵，确定所述n个状态中每个状态的使用率。
[0170]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0171]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0172]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。